Introducción

Mungaray, Escamilla y García (2014) señalan que “Baja California es atractivo para la población del resto del país, que busca mejores oportunidades de vida; y, con el tiempo, se ha convertido en un estado que importa pobreza” (p. 79). Los autores fundamentan esta idea en el “efecto Todaro” que, aplicado al caso, implica que “los migrantes renuncian a zonas de bajos salarios seguros a cambio de otras de mayor salario esperado, incluso cuando [este salario] está asociado a la posibilidad de estar desempleado” (p. 52). Todaro (1969) introdujo el concepto de rentas esperadas en el marco de la teoría neoclásica de las migraciones, argumentando que la decisión de emigrar no sólo depende de la diferencia salarial entre las regiones de origen y de destino, sino que también de las probabilidades de encontrar empleo y tener acceso a mejores salarios. Las migraciones se darían entonces desde las regiones con bajos salarios hacia las de altas remuneraciones, pero siempre y cuando las diferencias salariales compensen los costos del traslado y las pocas probabilidades de encontrar empleo.

La teoría del mercado dual de trabajo (Piore, 1979) también ayuda a entender la situación. Según ese planteamiento, los flujos migratorios responden a la permanente demanda de mano de obra que caracteriza a ciertas regiones donde el mercado de trabajo está segmentado en empleos buenos (con posibilidades de promoción y mejora de salarios, a los que se asocia prestigio y un estatus elevado) y en empleos malos (precarios, de baja cualificación y sin posibilidad de promoción). Los trabajadores que llevan bastante tiempo viviendo en el lugar donde laboran ocupan de manera preferente los primeros, mientras que en los segundos laboran los trabajadores foráneos o extranjeros, cuya pobreza se relaciona con su región de origen y para quienes los salarios en el lugar de destino resultan atractivos.

Singer (1986) contempla el aporte de la migración a la formación de población marginal en los lugares de destino, ya que, al menos en parte, los migrantes no se integran en la economía receptora y siguen reproduciendo rasgos propios de la economía de subsistencia. Así mismo, de manera más específica, Margulis y Tuirán (1986) encuentran diferencias significativas en la inserción laboral de inmigrantes y no migrantes en la frontera norte de México: los recién llegados se incorporan en mayor proporción a las actividades orientadas al mercado exterior, mientras que los nativos se emplean en actividades comerciales y de servicios vinculadas al consumo interno. Resultados similares obtienen Coubès (2001), Kopinak (2003) y Acosta, Reyes y Solís (2015) respecto a la ciudad de Tijuana, donde los inmigrantes se han ocupado de manera predominante en las maquiladoras y en los empleos de mayor precariedad.

A pesar de estos planteamientos y observaciones, la mayoría de los análisis sobre las condiciones de vida de los migrantes se ha centrado en los efectos que éstos tienen en las comunidades de origen: su potencial para detonar procesos de desarrollo mediante el envío de remesas o, a su regreso, con la puesta en práctica de las capacidades aprendidas. Por otro lado, los estudios sobre la pobreza no contemplan la característica migratoria entre sus factores condicionantes. No distinguen entre la población migrante y la que se ha establecido en cada región desde hace más tiempo. Por ejemplo, Garza-Rodríguez (2016) examina los determinantes de la pobreza en los estados de la frontera norte de México. Utiliza para ello datos de la Encuesta Nacional de Ingresos y Gastos de los Hogares de 2008 (ENIGH), y clasifica como pobres a las familias que tienen un ingreso inferior a la línea de bienestar que había definido el Consejo Nacional de Evaluación de la Política de Desarrollo Social (CONEVAL, 2011, p. 68): 1 921.74 pesos per cápita al mes en las zonas urbanas y 1 202.80 en las zonas rurales. Mediante estimación logística, el autor encuentra que la probabilidad de ser pobre en esa región se relaciona con el hecho de residir en Coahuila, Tamaulipas o Chihuahua, con el tamaño del hogar, con que el jefe de la familia sea trabajador ambulante o que labore en el sector agrícola, manufacturero, de transporte, de ventas o como empleado doméstico; al tiempo que se relaciona inversamente con vivir en Baja California, el nivel educativo y la edad del jefe de hogar. No halla relación entre la pobreza y el género del jefe del hogar o su localización (rural o urbana). Y no llega a evaluar la posible influencia de la condición migratoria.

Por su parte, Calderón y Peláez (2018) sí tienen en cuenta variables como los años de permanencia en la residencia actual o el estado donde se nace, pero sólo analizan áreas de alto y muy alto rezago social en Baja California, de manera que las características que hallaron pueden estar lejos de ser extrapolables al total de la población del estado. Advierten que haber nacido fuera de Baja California se relaciona con una mayor probabilidad de padecer pobreza en dicho estado. Por otro lado, el tiempo de permanencia en el lugar no resulta determinante.

El ya mencionado artículo de Mungaray, Escamilla y García (2014) utiliza datos agregados por entidades federativas que permiten concluir “que la pobreza motiva a las personas a emigrar a estados con mejores condiciones laborales, como sucede en Baja California, que recibe a migrantes de Chiapas, Oaxaca, Veracruz, Michoacán” (p. 82). Sin embargo, no comprueba que los inmigrantes que llegan a Baja California desde esas entidades con mayores porcentajes de pobreza, sean en efecto pobres y contribuyan a incrementar las cifras de pobreza de dicho estado. Se intuye que así es si se trata de inmigrantes con las características promedio de la población de esos estados, pero la verificación de este asunto queda propuesta como “escenario de investigación a futuro”. Cabe recordar que la migración es un proceso selectivo (Massey, Arango, Hugo, Kouaouci, Pellegrino y Taylor, 1993, p. 453) y que los migrantes no tienen necesariamente las características promedio de la población de origen.

El presente artículo aborda esa cuestión. El objetivo principal consiste en comprobar si la población que ha llegado en los últimos años a Baja California, esto es, los inmigrantes recientes, son más propensos a la pobreza que los residentes establecidos desde hace más tiempo. Con el fin de disponer de elementos de referencia, el análisis se reproduce en cada una de las entidades federativas y en México en su conjunto. Otros objetivos consecuentes son: investigar las causas de ese fenómeno y aportar detalles específicos sobre las características de esa pobreza. A partir de la evidencia y de las propuestas teóricas existentes (efecto Todaro y teoría del mercado dual de trabajo), la hipótesis de investigación es que la población que lleva menos tiempo residiendo en Baja California presenta porcentajes de pobreza más altos que la población establecida desde hace más años y que tiende a sufrir carencias diferentes.

Para llegar a conocer estos aspectos, a continuación se describen las fuentes de datos que se utilizaron y las técnicas de análisis para procesar la información y alcanzar los objetivos planteados. Después se presentan los resultados y, por último, las conclusiones.

Fuentes de datos y técnicas de análisis

Las bases de datos del CONEVAL (2019a) permiten saber el número de personas que padece pobreza multidimensional, pobreza extrema o moderada, que tiene alguna de las seis carencias que forman parte de la pobreza multidimensional o que dispone de un ingreso inferior a la línea de pobreza (LP) o a la línea de pobreza extrema (LPE), según la metodología del CONEVAL (2014 y 2018). Estos datos son bienales y abarcan de 2010 a 2018.

La base de CONEVAL (2019a) no contiene una variable específica que identifique a los migrantes recientes. Pero puede generarse considerando el lugar de residencia de cada persona en el momento de la encuesta y el estado o país en que residía cinco años antes.¹ Aquellos que reportan estados distintos se consideran inmigrantes recientes en la entidad federativa actual. Esta definición de migrante es común en las investigaciones sobre el tema (Mungaray, Escamilla y García, 2014; Partida, 2010 y 2015). Su ventaja fundamental es la disponibilidad de información homogénea en todo el territorio nacional y a lo largo del tiempo. No obstante, también presenta inconvenientes. Por ejemplo, una persona que en el momento de responder la encuesta reside en el mismo estado que hace cinco años, se la considera no migrante, tanto si permaneció todo ese tiempo en ese lugar, como si cambió de municipio o incluso de estado o de país y luego regresó para residir de nuevo en la entidad federativa donde vivió cinco años atrás. De modo similar, tiene la misma consideración de migrante una persona que cambió de estado de residencia hace un mes o hace poco menos de cinco años, pero no la que lo hizo hace más tiempo.² Sin embargo, a pesar de los posibles sesgos temporales y espaciales, como se verá, el cambio de estado de residencia del inmigrante y la situación que tenía cinco años antes en su lugar de origen, aportan información relevante.

La Tabla 1 contiene los tamaños de las muestras para los distintos cálculos. No corresponden con exactitud con el número de datos que reporta CONEVAL (2019a), debido a que algunos registros no se pudieron tener en cuenta por estar incompletos. Así mismo la inclusión de la variable que cataloga a las personas de migrantes recientes, obliga a excluir del análisis a los menores de 5 años de edad.

Tabla 1

Número de observaciones por año y unidad territorial

Fuente: elaboración propia con datos del CONEVAL (2019a).

Para verificar si las condiciones de pobreza afectan más a la población recién llegada a un estado que a la establecida desde hace más tiempo, en primer lugar se realizan contrastes de proporciones del tipo H₀: p_0it = p_1it frente a H₁: p_0it ≠ p_1it , que pueden resolverse para cada unidad territorial i y año t mediante funciones

donde ; siendo la proporción de pobres observada en la población que no ha cambiado de estado de residencia, la proporción de pobres en la población inmigrante, y n_0it y n_1it los tamaños muestrales de no migrantes e inmigrantes, respectivamente. Si la función Π_it se encuentra entre los valores críticos -z y z de la normal estándar,³ puede admitirse que el porcentaje de pobres es, en términos estadísticos, igual en ambas poblaciones. En caso contrario, se rechaza la hipótesis nula de igualdad de proporciones (Cuadras, Echeverría, Mateo y Sánchez, 1996).

Dada su definición, la función Π_it toma valores positivos cuando el porcentaje de pobres es mayor en la población que no ha cambiado de estado de residencia que en la que sí lo ha hecho en los últimos cinco años. Al contrario, Π_it toma valores negativos si el porcentaje de pobres es mayor entre los inmigrantes recientes.

Esta función también se puede calcular para las distintas medidas que forman parte de la pobreza multidimensional del CONEVAL. Al tratarse de porcentajes, es posible comparar sus semejanzas o diferencias entre distintos grupos de población. Así, es posible verificar si los patrones de la pobreza multidimensional se reproducen en todos sus componentes o si hay alguno con otro comportamiento o con una importancia especial.

Según el CONEVAL (2014), “una persona se encuentra en situación de pobreza multidimensional cuando no tiene garantizado el ejercicio de al menos uno de sus derechos para el desarrollo social, y si sus ingresos son insuficientes para adquirir los bienes y servicios que requiere para satisfacer sus necesidades” (p. 37). Además, clasifica en situación de pobreza extrema la población que “presenta al menos tres de las seis carencias sociales” y “dispone de un ingreso tan bajo que, aun si lo dedicase por completo a la adquisición de alimentos, no podría adquirir los nutrientes necesarios para tener una vida sana” (p. 42).

En esas definiciones se combinan dos aspectos diferenciados. Por un lado, las seis carencias sociales: “rezago educativo, acceso a los servicios de salud, acceso a la seguridad social, calidad y espacios de la vivienda, servicios básicos en la vivienda y acceso a la alimentación” (p. 37); y, por otro lado, el ingreso, que se compara con dos líneas o niveles estándar: la línea de bienestar o de pobreza (LP), que “hace posible identificar a la población que no cuenta con los recursos suficientes para adquirir los bienes y servicios que precisa para satisfacer sus necesidades (alimentarias y no alimentarias)” (p. 39), y la línea de bienestar mínimo o de pobreza extrema (LPE), que identifica “a la población que, aun al hacer uso de todo su ingreso en la compra de alimentos, no puede adquirir lo indispensable para tener una nutrición adecuada” (p. 39).⁴

La información que ofrece el CONEVAL (2019a) a nivel individual, permite calcular los porcentajes de población que en un determinado año, unidad territorial y grupo específico (inmigrantes o no migrantes) padece pobreza, pobreza extrema, insuficiencia de ingresos o alguna de las carencias sociales. La función Π_it correspondiente facilita la comparación de esas proporciones.

Para explorar las causas de las diferencias interestatales en los valores de las funciones Π_it para la pobreza multidimensional, se llevan a cabo algunas comparaciones descriptivas con datos de entidades federativas que presentan niveles de pobreza similares a los de Baja California. Estas comparaciones se robustecen con análisis multivariados que contemplan la posible interdependencia de los factores y permiten aislar sus efectos. En específico, se plantea el modelo econométrico con nivel de desagregación de entidades federativas:

en el que i=1, ..., 32; t=2010, 2012, ..., 2018; α y β son los parámetros a estimar, ε_it es el término de error y X es un vector de variables explicativas que incluye:

1. 1. El porcentaje de población en pobreza multidimensional, que se mide con los datos del CONEVAL (2019b). En los estados con mayores porcentajes de pobreza, cabe esperar que los recién llegados presenten niveles de pobreza inferiores a los de los residentes más antiguos y, viceversa, y que, por tanto, la función Π_it tome valores positivos en el primer caso y negativos en el segundo, dando lugar a un coeficiente positivo en la estimación del parámetro que cuantifica esta relación.
2. 2. El porcentaje de inmigrantes o residentes que cinco años antes no vivía en la misma entidad federativa. El volumen relativo de nuevos residentes puede tener efecto en el valor de Π_it . De acuerdo con los planteamientos de Todaro (1969) y de Piore (1979), las regiones con mejores condiciones de vida pueden ser propensas a recibir más inmigrantes. De esta manera, mayores proporciones de inmigrantes se relacionarían con mayores diferenciales de pobreza, reflejados en funciones Π_it negativas, por lo que se esperaría un signo negativo en esta relación.
3. 3. El porcentaje esperado de pobres entre los recién llegados. En función de las cifras de pobreza y de la entidad de origen de los inmigrantes, se calcula el porcentaje de pobres que debería haber entre los recién llegados si estos fuesen representativos de sus estados de origen en ese aspecto. Mungaray, Escamilla y García (2014) y Calderón y Peláez (2018) subrayan que, en el caso de Baja California en específico, un alto porcentaje de inmigrantes procede de regiones del país con altos niveles de pobreza, lo que influye en sus condiciones de vida. En principio, cuanto mayor sea el porcentaje esperado de pobres entre los inmigrantes, menor debe ser Π_it , relacionándose ambas variables de forma negativa. Cabe mencionar que, de este modo, sólo se considera a los migrantes internos. Sin embargo, en algunas entidades la población procedente de los Estados Unidos o de otros países es numerosa. Para estos grupos no se puede calcular el porcentaje esperado de pobres ya que, para la categoría de “otros países”, CONEVAL (2019a) no especifica de qué países se trata, y las personas que cinco años antes residían en los Estados Unidos difícilmente se relacionan con el nivel de pobreza promedio de ese país. Su participación en la dinámica poblacional se tiene en cuenta tan sólo por su peso en el total de inmigrantes mediante las dos siguientes variables:
4. 4. El porcentaje de inmigrantes que cinco años antes residía en los Estados Unidos.
5. 5. El porcentaje de inmigrantes procedentes de otros países. El efecto de esta variable y de la anterior depende de si las personas que llegan del extranjero contribuyen a elevar o a reducir la pobreza del total de los nuevos residentes. Si son más pobres, una mayor cantidad de éstos se asocia con menores valores de Π_it , y el parámetro que relaciona las variables debe mostrar signo negativo.

Además de estimar la ecuación 2 como modelo de datos agrupados, la información también se representa como modelo de datos de panel,

en el que se incorporan los parámetros α_i que ayudan a detectar y controlar los efectos propios de cada entidad federativa que no son captados por las variables explicativas contenidas en X pero que influyen en los valores de Π_it .

La significatividad del conjunto de parámetros α_i , que indicaría la existencia de factores adicionales, se contrasta mediante la expresión

donde R²₂ representa el coeficiente de determinación del modelo 2, R²₃ es el coeficiente de determinación del modelo 3, N es el número de unidades espaciales (en este caso N=32), T el número de secciones cruzadas (T=5) y K el número de regresores (K=5). El estadístico F se compara con el valor crítico 1.84, que corresponde a la distribución de probabilidad F con N-1=31 y NT-N-K=123 grados de libertad y un nivel de confianza de 99%. Un estadístico F mayor a 1.84 lleva a rechazar la hipótesis de que los modelos 2 y 3 son equivalentes en términos estadísticos. En consecuencia, se asume que cada entidad federativa tiene características específicas que deben tomarse en cuenta mediante los coeficientes α_i , por lo cual resulta el modelo 3, con estructura de panel, preferible al de datos agrupados.

En caso de elegirse dicho modelo, cabe evaluar si es mejor estimarlo con efectos fijos o aleatorios. El contraste de Hausman (1978) aporta información al respecto valorando la consistencia de los estimadores de mínimos cuadrados generalizados frente a los de efectos fijos. Para ello, se calcula el estadístico Q, que sigue de forma asintótica una distribución χ² con K=5 grados de libertad. El valor crítico para un nivel de confianza de 99% es 15.09. De esta manera, si el estadístico Q supera ese valor, se rechaza la hipótesis nula de que los estimadores de mínimos cuadrados generalizados son consistentes y entonces se considera más adecuada la estimación por efectos fijos.

Resultados

En el caso de Baja California, la función para la diferencia de proporciones (Π_it ) muestra valores negativos en los cinco años analizados (véase Tabla 2). Esto indica que los porcentajes de pobreza multidimensional son siempre mayores entre la población recién llegada a la entidad en comparación con los que llevan más tiempo en ella. La mayor diferencia entre los porcentajes de pobreza de estos dos grupos corresponde al año 2010. La menor distancia es la de 2012, cuando sólo 3.19 puntos porcentuales separan a los inmigrantes de los residentes. Precisamente, esta brecha de 2012 no resulta significativa en términos estadísticos. El resto de los años, las diferencias de proporciones son significativas con confianzas de al menos 95%.

Tabla 2

Porcentaje de pobres en la población inmigrante y no migrante. Baja California, 2010-2018

*Estimación significativa con confianza de 95%. **Estimación significativa con confianza de 99%. ***Estimación significativa con confianza de 99.9%. Fuente: elaboración propia con datos del CONEVAL (2019a).

A escala nacional ocurre el fenómeno contrario. Los porcentajes de población en situación de pobreza multidimensional son de forma sistemática más altos entre las personas que no han cambiado de residencia en años recientes (véase Tabla 3). La brecha más amplia se observa en 2018, cuando 31.76% de los inmigrantes eran pobres en comparación con 39.54% en el resto de la población. La menor distancia es la de 2012, cuando sólo 4.35 puntos porcentuales separaban ambas proporciones. En cualquiera de los casos, las diferencias son estadísticamente significativas con plena confianza.

Tabla 3

Porcentaje de pobres en la población inmigrante y no migrante. Estados Unidos Mexicanos, 2010-2018

*Indica que la función es significativa con confianza de 99.9%. Fuente: elaboración propia con datos del CONEVAL (2019a).

Cuando se comparan las Tablas 2 y 3, se observa que los porcentajes de pobres son menores en Baja California que en el resto del país, tanto para la población inmigrante como para los no migrantes. La única excepción son los recién llegados en 2010.

De aquí se desprenden dos resultados principales respecto a la población recién llegada a Baja California: 1) no soporta porcentajes de pobreza mayores que los residentes en el conjunto del país, pero 2) sí contribuye a elevar la pobreza en Baja California, donde la incidencia de ésta es menor.

Cabe plantearse si el comportamiento disímil de Baja California es inducido por el hecho de estar comparando un estado con todo el país o por tratarse de una de las seis entidades con menor nivel de pobreza (CONEVAL, 2019b). El caso es que, como se muestra en la Tabla 4, el resto de las entidades federativas tiende a presentar el patrón nacional: menos pobreza entre los recién llegados que en los residentes establecidos desde hace más tiempo. De los 160 contrastes realizados, 56 muestran esta relación, 92 no obtienen resultados significativos, y sólo ocho casos excepcionales se suman a los cuatro de Baja California (2010, 2014, 2016 y 2018), los que aparecen sombreados en la Tabla 4: Coahuila en 2012, Colima en 2010 y 2014, Jalisco en 2012, San Luis Potosí en 2016, Sinaloa en 2012 y 2016 y Zacatecas en 2010.

Tabla 4

Valores de la función Π_it para la diferencia de proporciones en cada estado, 2010-2018

*Estimación significativa con confianza de 95%. **Estimación significativa con confianza de 99%. ***Estimación significativa con confianza de 99.9%. Fuente: elaboración propia con datos del CONEVAL (2019a).

Los estados con cifras de pobreza inferiores a las de Baja California, como Nuevo León o Baja California Sur, presentan porcentajes de pobreza menores entre los recién llegados en comparación con los residentes más antiguos. Por lo tanto, el nivel de pobreza no es un factor decisivo en la relación que se detecta, aunque sí puede tener cierta influencia.

El volumen de inmigrantes tampoco aporta una explicación concluyente a la excepcionalidad de Baja California. Según CONEVAL (2019a), dependiendo del año, entre 5.92 y 7.83% de los entrevistados en Baja California reportaron que cinco años antes residían en otro estado o país. Si bien estas cifras son de las más altas de la federación, otras entidades se caracterizan por porcentajes aún más elevados, como Quintana Roo (de 8.31 a 12.02%) o Baja California Sur (de 7.48 a 11.80%).

Un factor adicional es el origen de los inmigrantes. El hecho de que un gran número proceda de regiones con altos niveles de pobreza puede afectar el fenómeno que se estudia. Por ejemplo, en 2018, 26.62% de los nuevos residentes de Baja California provenía de Chiapas, Oaxaca o Guerrero, donde la pobreza afecta a más de 65% de la población. En conjunto, el porcentaje esperado de pobres entre los recién llegados a la entidad alcanzaría 47.58% si éstos fueran una muestra aleatoria de sus estados de origen. Pero, en realidad, como indica la Tabla 2, sólo 24.51% de la población que reside en Baja California desde hace menos de 5 años, es pobre.

Algo parecido ocurre, por ejemplo, en Baja California Sur, Nuevo León o Quintana Roo, donde los porcentajes de pobreza que se esperaban en 2018, en función del origen de los recién llegados a estos estados, serían 51.47%, 42.37% y 53.69%, respectivamente. No obstante, los porcentajes observados fueron 17.95%, 11.49% y 23.92%. Otros estados también reciben migrantes de regiones más pobres y presentan diferencias entre la pobreza efectiva de los recién llegados y la que cabría esperarse en promedio. No parece que ésta sea una característica exclusiva de Baja California, aunque puede tener relevancia.

Por su parte, los inmigrantes que vivían en los Estados Unidos cinco años antes representan entre 10.08% y 31.64% de los nuevos residentes de Baja California, dependiendo del año. Estos porcentajes son inferiores a los de entidades como Guanajuato (15.20% en 2016 a 53.95% en 2010), Zacatecas (19.75% en 2018 a 39.57% en 2012) o Chihuahua (16.71% en 2018 a 53.62% en 2010), pero superiores a los de otros estados que tienen cifras de pobreza semejantes a las de Baja California, como Baja California Sur (3.19% en 2018 a 6.39% en 2012), Nuevo León (5.35% en 2018 a 14.79% en 2010) o Quintana Roo (0.90% en 2018 a 5.57% en 2010). Sin embargo, por sí sola, esta variable tampoco explica con claridad por qué en Baja California los inmigrantes contribuyen a elevar la pobreza mientras que en el resto de los estados la reducen.

Los recién llegados de otros países suponen entre 1.12% y 4.65% de los nuevos residentes de Baja California. Se trata de unas cifras inferiores a las habituales en los estados con mayor afluencia de estos migrantes, como Ciudad de México (de 3.80% a 9.13%) o Chiapas (de 4.13% a 8.75%), pero similares a las de Baja California Sur (de 0.35% a 3.04%), Nuevo León (de 0.49% a 4.28%) o Quintana Roo (de 2.14% a 5.57%).

Tomando los factores en conjunto, se tienen las estimaciones de la Tabla 5 para la especificación de datos agrupados, y de la Tabla 6, con efectos fijos. Si no se establecen distinciones por entidades federativas (véase Tabla 5), las variables que aportan información importante para explicar las diferencias en las proporciones de pobres entre los residentes y los inmigrantes (Π_it ), son los porcentajes de población en pobreza multidimensional que reside en cada estado y de inmigrantes procedentes de Estados Unidos y de otros países.

Tabla 5

Estimación de la ecuación 2. Entidades federativas, 2010-2018

**Estimación significativa con confianza de 99%. ***Estimación significativa con confianza de 99.9%. Fuente: elaboración propia con datos del CONEVAL (2019a y 2019b).

Tabla 6

Estimación de la ecuación 3. Entidades federativas, 2010-2018

*Estimación significativa con confianza de 95%. **Estimación significativa con confianza de 99%. Fuente: elaboración propia con datos de CONEVAL (2019a y 2019b).

Cuanto mayor es el porcentaje de pobreza de un estado, mayor tiende a ser la función Π_it y, por lo tanto, también mayor la pobreza entre los residentes más antiguos en comparación con los recién llegados. Siguiendo esta lógica, el caso de Baja California se sitúa en el extremo de tener bajos niveles de pobreza, aunque es mayor en el grupo de inmigrantes.

Al mismo tiempo, una mayor proporción de inmigrantes procedentes de Estados Unidos de América se relaciona con menores funciones Π_it y menores diferencias en los porcentajes de pobreza de residentes e inmigrantes. En el caso de Baja California, con cifras más altas de inmigrantes desde Estados Unidos que el resto de las entidades con las que comparte niveles similares de pobreza, esta característica añadida puede ayudar a entender que las cifras de pobreza no sólo tiendan a igualarse entre los grupos de residentes e inmigrantes, sino que incluso se descompensen en detrimento de estos últimos. Lo contrario ocurre con los originarios de otros países. Cuanto mayor es su proporción entre los inmigrantes, mayor es la pobreza de los residentes en comparación con la de los recién llegados.

El porcentaje de inmigrantes que reside en cada entidad y el porcentaje esperado de pobres según las condiciones de origen, no aportan información significativa para explicar los valores de la función Π_it en esta especificación.

Debido a las características de la información se puede estimar un modelo con estructura de datos de panel (véase Tabla 6). Al incluir especificidades propias de cada entidad federativa, sólo resultan significativos con una confianza de al menos 95% el porcentaje de inmigrantes que cinco años antes no residía en esa misma entidad y la constante común. El porcentaje de pobreza es significativo con una confianza de 90%. Ambas variables presentan signo negativo, lo cual indica que, en cada estado, mayores porcentajes de pobreza y de nuevos residentes se relacionan con menores funciones Π_it y, por lo tanto, con menores diferencias en los porcentajes de pobreza de los residentes e inmigrantes.

Controlados estos aspectos, destaca que el intercepto específico de Baja California sea el menor de los 32 estados del país, lo que se corresponde con el hecho de que es la única entidad en la que de modo sistemático los recién llegados contribuyen a elevar los porcentajes de pobreza. Esta característica distintiva no se explica por completo mediante las variables explicitadas en el modelo. Ni los números relativos de pobres e inmigrantes ni el origen de éstos como individuos con características promedio aportan información definitiva sobre este asunto, que acaba reflejándose en la significancia estadística de los efectos específicos de cada entidad.

El estadístico F, con el que se puede contrastar la relevancia de la estructura de panel, toma el valor 4.2804, superior al valor crítico con una confianza de 99%. El modelo con estructura de datos de panel explica mejor el comportamiento de Π_it que el de datos agrupados, porque son relevantes las diferencias propias de cada entidad federativa no contempladas por las variables explicativas.

Así mismo, el estadístico del contraste de Hausman alcanza un valor Q=26.4582, que supera su respectivo valor crítico con plena confianza. Esto lleva a preferir la especificación de efectos fijos, de la Tabla 6, frente a una de efectos aleatorios.

Algunos factores importantes para explicar las diferencias de proporciones Π_it que están quedando en los interceptos específicos del modelo de panel de efectos fijos, pudieran estar relacionados con el hecho de que la migración es selectiva y los migrantes no presentan las características promedio de sus lugares de origen. De esta forma, a pesar de que los estados de procedencia de los migrantes que llegan a Baja California, Baja California Sur y Quintana Roo son casi los mismos y la pobreza esperada es incluso mayor en las dos últimas entidades, ocurre que la pobreza efectivamente observada entre los recién llegados es más alta en el primero. Ya sea porque las características de los mercados laborales son distintas en cada estado, con demanda de trabajadores con diferentes habilidades (Acosta, Reyes y Solís, 2015; Gámez, Wilson y Boncheva, 2010), o porque en algunos casos Baja California no se considera el destino final de la emigración, sino como una etapa de tránsito hacia Estados Unidos o por motivos de distinta índole. Los recién llegados al estado más septentrional del país tienen mayor propensión a padecer pobreza a pesar de compartir origen con los migrantes que llegan a otras entidades con condiciones de vida semejantes. De manera similar, los recién llegados de Estados Unidos podrían presentar características distintas en Baja California que aquellos que llegan de ese país a otras entidades de la federación mexicana. Estos aspectos merecerían un análisis más detallado para el que en este momento no se dispone de la información necesaria.

Pero los datos disponibles sí permiten conocer qué aspectos específicos de la pobreza multidimensional producen mayores diferencias entre los residentes antiguos y los recién llegados. Como se observa en la Tabla 7, en Baja California, en la mayoría de los casos, la función de contraste toma valores negativos, lo cual indica que el porcentaje de afectados es menor entre los residentes que entre los inmigrantes recientes. No obstante, hay patrones diferenciados que merecen atención.

Tabla 7

Valores de la función Π_it para las diferencias de proporciones en distintos componentes de la pobreza multidimensional. Baja California, 2010-2018

*Estimación significativa con confianza de 95%. **Estimación significativa con confianza de 99%. ***Estimación significativa con confianza de 99.9%. Fuente: elaboración propia con datos del CONEVAL (2019a).

El porcentaje de población en situación de pobreza extrema (esto es, con ingreso inferior a la LPE y que padece al menos tres carencias) es siempre mayor entre los recién llegados, lo que da lugar a diferencias estadísticas significativas en 2010, 2012 y 2016. Este comportamiento es muy parecido al ya comentado sobre la pobreza multidimensional y también similar al del ingreso. El porcentaje de inmigrantes con ingreso inferior a la LPE siempre supera al de los residentes, aunque en los últimos años las diferencias pueden haberse reducido.

Las seis carencias sociales incluidas en la medida de pobreza multidimensional muestran comportamientos desiguales. El rezago educativo y las carencias de acceso a servicios de salud, seguridad social, calidad y espacios en la vivienda son siempre mayores entre los inmigrantes, con diferencias muy significativas. Se destaca la carencia de acceso a los servicios de salud, con diferencias amplias entre los grupos de residentes e inmigrantes que todos los años resultan significativas con plena confianza en términos estadísticos. Por ejemplo, en 2018, 27.82% de los recién llegados a Baja California carecía de acceso a servicios de salud, mientras que sólo 15.77% del resto de la población reportaba esta carencia. De manera similar, 23.31% de los inmigrantes padecía rezago educativo y 54.74% no tenía acceso a la seguridad social, y las cifras correspondientes a los residentes con más tiempo en la entidad se situaban en 17.63 y 50.81%, respectivamente. La brecha más amplia entre ambos grupos en 2018 se observa en la carencia de calidad y espacios en la vivienda, que afecta a 23.01% de los nuevos residentes pero sólo a 10.15% de los antiguos.

No ocurre lo mismo en lo que respecta a la carencia de servicios básicos en la vivienda, que incluso tiene mayor incidencia en la población establecida en el estado desde hace más de un lustro. En 2012, 2016 y 2018, la función toma valores positivos y significativos con confianza de al menos 95%. Cabe pensar que los recién llegados rentan viviendas, fijándose más en los servicios (agua entubada, drenaje, energía eléctrica y estufa) que en los materiales de construcción y en la cantidad de personas por cuarto, propios de la carencia de calidad y espacios en la vivienda. Es más probable que las personas establecidas desde hace más tiempo dispongan de viviendas en propiedad con otras características.

La falta de acceso a la alimentación suele afectar en mayor proporción a los inmigrantes, aunque en 2016 presenta el signo contrario y en 2012 casi no muestra diferencia.

Un aspecto adicional que puede explorarse es si el patrón detectado en Baja California está presente en los cinco municipios del estado o sólo es característico de algunos de ellos que encubren la diferencia de los otros. Para eso hay que tener en cuenta que el tamaño de la muestra es muy reducido en algunos casos. Por ejemplo, para Playas de Rosarito sobre 2012 sólo se dispone de 68 observaciones en la base de datos del CONEVAL (2019a). Esta circunstancia provoca que los resultados sean poco precisos. No obstante, pueden considerarse orientativos con la precaución señalada.

Como se observa en la Tabla 8, predominan los coeficientes negativos, lo cual indica que el porcentaje de pobres es mayor entre los recién llegados. Sin embargo, menos de la mitad de los casos son significativos y hay varios positivos. No se advierten regularidades claras por municipio. Ensenada acumula cuatro años con coeficientes negativos, pero también uno positivo y significativo. Mexicali presenta valores negativos en 2010 y 2016, y positivos, aunque insignificantes, los demás años. Tijuana es el único municipio que mantiene coeficientes negativos todo el periodo, pero con valores relativamente bajos que no alcanzan el nivel de confianza de 99%. Tecate y Playas de Rosarito alternan coeficientes positivos y negativos: más negativos el primero y más positivos el último.

Tabla 8

Valores de la función Π_it para la diferencia de proporciones en los municipios de Baja California, 2010-2018

*Estimación significativa con confianza de 95%. **Estimación significativa con confianza de 99%. ***Estimación significativa con confianza de 99.9%. Fuente: elaboración propia con datos del CONEVAL (2019a).

Conclusiones y consideraciones finales

La principal aportación de esta investigación consiste en mostrar que Baja California es el único estado de la federación donde de forma sistemática los recién llegados contribuyen a elevar los porcentajes de pobreza. Se verifica, por tanto, la idea de Mungaray, Escamilla y García (2014, p. 79), según la cual Baja California “importa pobreza”. Algunos factores que ayudan a explicar este fenómeno, al menos de manera parcial, son los bajos niveles de pobreza que afectan a la población de Baja California en general, el relativamente alto volumen de inmigrantes que recibe la entidad y su origen (provenientes de regiones con altos niveles de pobreza, así como de Estados Unidos). Sin embargo, estas características no agotan las diferencias observadas entre entidades cuando se comparan los porcentajes de pobreza de la población con más de cinco años de residencia en cada estado o menos. La inclusión de parámetros específicos para las entidades federativas resulta relevante para explicar esas brechas.

Además de las condiciones de vida en el lugar de destino y del volumen y el origen de los recién llegados, hay otros aspectos que influyen en esa cuestión. No se han podido explorar de manera adecuada al carecerse de información precisa, pero elementos como la diferente especialización productiva de los sectores que dan empleo a los inmigrantes en cada región o que Baja California, por su ubicación fronteriza, pueda ser considerada una escala de tránsito hacia Estados Unidos o de los retornados a su regreso, se constituyen en factores que ayudarían a explicar los distintos porcentajes de pobreza de los recién llegados a entidades con condiciones similares. La comparación de Baja California con Quintana Roo y Baja California Sur es ilustrativa a este respecto.

Al desagregar la pobreza multidimensional en sus distintos componentes, se advirtió que los recién llegados a Baja California son más propensos que el resto de la población a padecer pobreza de ingresos y cinco de las seis carencias sociales. Sólo en la carencia de acceso a servicios básicos en la vivienda, los inmigrantes presentan mejores condiciones que los residentes más antiguos. Al contrario, la carencia de acceso a servicios de salud guarda una estrecha relación con el hecho de ser inmigrante reciente. En 2018, 27.82% de los nuevos residentes no contaba con adscripción o derecho a recibir servicios médicos de alguna institución, incluyendo el Seguro Popular, las instituciones de seguridad social (Instituto Mexicano del Seguro Social, Instituto de Seguridad y Servicios Sociales de los Trabajadores del Estado federal o estatal, Pemex, Ejército o Marina) o los servicios médicos privados. Esta misma carencia afectaba a 16.86% de los bajacalifornianos y a 16.19% de la población en todo el país (CONEVAL, 2019b).

Si bien algunas carencias responden sobre todo a la trayectoria pasada de las personas que las sufren, como el rezago educativo (no contar con el nivel de educación obligatorio), otras dependen más de circunstancias a corto y medio plazo. La falta de acceso a los servicios de salud, unida a la carencia de acceso a la seguridad social y a la pobreza de ingreso se vincula con el entorno inmediato de los inmigrantes en Baja California. Como dicta la teoría del mercado dual de trabajo, los recién llegados podrían tener acceso a empleos precarios o informales (Acosta, Reyes y Solís, 2015). Eso explicaría los mayores porcentajes de pobreza y que estén contribuyendo a aumentar la del estado. En cualquier caso, como se ha demostrado, lo último sólo ocurre en Baja California.

Referencias

Acosta, F., Reyes, A., y Solís, M. (2015). Crisis económica, migración interna y cambios en la estructura ocupacional de Tijuana, México. Papeles de Población, 21(85), 9-46. Recuperado de https://rppoblacion.uaemex.mx/article/view/8305/6946

Calderón, C., y Peláez, O. (2018). Condiciones de vida en áreas de alto rezago social y factores sociodemográficos de la pobreza multidimensional en Baja California. Nóesis. Revista de Ciencias Sociales y Humanidades, 27(54), 78-104. doi: https://dx.doi.org/10.20983/noesis.2018.2.5

Consejo Nacional de Evaluación de la Política de Desarrollo Social (CONEVAL). (2011). Informe de pobreza multidimensional en México, 2008. México: Consejo Nacional de Evaluación de la Política de Desarrollo Social.

Consejo Nacional de Evaluación de la Política de Desarrollo Social (CONEVAL). (2014). Metodología para la medición multidimensional de la pobreza en México. México: Consejo Nacional de Evaluación de la Política de Desarrollo Social .

Consejo Nacional de Evaluación de la Política de Desarrollo Social (CONEVAL). (2018). Metodología para la medición multidimensional de la pobreza en México. Ciudad de México: Consejo Nacional de Evaluación de la Política de Desarrollo Social .

Consejo Nacional de Evaluación de la Política de Desarrollo Social (CONEVAL). (2019a). Medición de la pobreza: programas de cálculo y bases de datos 2008, 2010, 2012, 2014, 2016 y 2018. Ciudad de México: Consejo Nacional de Evaluación de la Política de Desarrollo Social . Recuperado de https://www.coneval.org.mx/Medicion/MP/Paginas/Programas_BD_08_10_12_14_16_18.aspx

Consejo Nacional de Evaluación de la Política de Desarrollo Social (CONEVAL). (2019b). Resultados de pobreza en México 2018 a nivel nacional y por entidades federativas. Ciudad de México: Consejo Nacional de Evaluación de la Política de Desarrollo Social . Recuperado de https://www.coneval.org.mx/Medicion/MP/Paginas/Pobreza-2018.aspx

Coubès, M. L. (2001). Trayectorias laborales en Tijuana: ¿segmentación o continuidad entre sectores de empleo? Trabajo, 2(4), 189-220. Recuperado de http://www2.izt.uam.mx/sotraem/Documentos/Trabajoa2n42001.pdf

Cuadras, C. M., Echeverría, B., Mateo, J., y Sánchez, P. (1996). Fundamentos de estadística: aplicación a las ciencias humanas. Barcelona: EUB.

Gámez, A. E., Wilson, T. D., y Boncheva, A. I. (2010). Las mujeres en la migración interna y el empleo informal en Baja California Sur, México. La Ventana, 4(32), 214-243. Recuperado de http://revistalaventana.cucsh.udg.mx/index.php/LV/article/view/858

Garza-Rodríguez, J. (2016). Los determinantes de la pobreza en los estados mexicanos en la frontera con Estados Unidos. Estudios Fronterizos, 17(33), 141-167. doi: https://doi.org/10.21670/ref.2016.33.a06

Hausman, J. A. (1978). Specification tests in econometrics. Econometrica, 46(6), 1251-1271. doi: https://doi.org/10.2307/1913827

Kopinak, K. (2003). Globalization in Tijuana maquiladoras: using historical antecedents and migration to test globalization models. Papeles de Población, 9(37), 219-242. Recuperado de http://www.scielo.org.mx/pdf/pp/v9n37/v9n37a9.pdf

Margulis, M., y Tuirán, R. (1986). Desarrollo y población en la frontera norte: el caso de Reynosa. México: El Colegio de México. doi: https://doi.org/10.2307/j.ctv26d9ch

Massey, D. S., Arango, J., Hugo, G., Kouaouci, A., Pellegrino, A., y Taylor, J. E. (1993). Theories of international migration: a review and appraisal. Population and Development Review, 19(3), 431-466. doi: https://doi.org/10.2307/2938462

Mungaray, A., Escamilla, A., y García, E. (2014). Migración por empleo en México. La experiencia de Baja California entre 2008 y 2012. región y sociedad, 26(61), 51-85. doi: https://doi.org/10.22198/rys.2014.61.a60

Partida, V. (2010). Migración interna. En B. García y M. Ordorica (coords.), Los grandes problemas de México: población (pp. 325-361). México: El Colegio de México .

Partida, V. (2015). Medición de la migración interna en México a partir de los censos de población de 1990-2010. En R. Cruz y F. Acosta (coords.), Migración interna en México: tendencias recientes en la movilidad interestatal (pp. 57-114). Tijuana: El Colegio de la Frontera Norte.

Piore, M. J. (1979). Birds of passage: migrant labor and industrial societies. Cambridge: Cambridge University Press.

Singer, P. (1986). Economía política de la urbanización. México: Siglo XXI Editores.

Todaro, M. P. (1969). A model of labor migration and urban unemployment in less developed countries. The American Economic Review, 59(1), 138-148. Recuperado de https://www.jstor.org/stable/1811100

Notas