Las migraciones han sido desde la antigüedad uno de los fenómenos de mayores resultados y por ende más estudiados. Hoy sin duda alguna hay patrones históricos que se mantienen, pero por lo general la globalización y la modernidad han alterado en gran manera las dinámicas de movilidad social. Bajo esta perspectiva se buscan incluir en nuestro análisis factores comúnmente incluidos como cuestiones económicas pero también factores muy característicos del siglo XXI y la modernidad. Hoy existen variables como el impacto del cambio climático y/o el acceso a servicios básicos tales como el internet que pueden influir directamente en el incremento o reducción de migraciones. Este trabajo parte desde la curiosidad académica y una necesidad práctica de responder efectivamente a los flujos migratorios cada vez mayores, mediante la identificación de principales factores que lo provocan y con ello se busca incidir en un futuro próximo en la toma de mejores decisiones que reduzcan la vulnerabilidad de las personas y los estados.
El objetivo de este breve reporte es analizar como la migracion es afectada por diferentes variables durante el año 2022 en el que se situa nuestra variable dependiente, proporcionada por la CIA. Todo ello con el objetivo de entender en mayor profundidad las dinámicas del comportamiento migratorio alrededor del mundo.
Para ello se llevarán a cabo los siguientes análisis:
- Realizar un análisis descriptivo y georreferenciado del fenómeno migratorio.
- Aplicar técnicas de reducción de dimensiones para agrupar a los países en función de diversos indicadores globales.
- Implementar técnicas multivariadas para modelar la net migration.
Evitamos hacer un analisis factorial debido a que tanto nuestra variable dependiente como algunas otras independientes estan presentadas en indicadores lo que haria que el analisis factorial sea poco efectivo para nuestro investigacion
1. Análisis de los indicadores:
La variable dependiente ha utilizar se obtuvo del portal World FactBook de la CIA. Esta estadística busca representar la diferencia de las que entran y salen de un país por cada 1000 personas. Consideramos esta una variable pertinente para poder estudiar el fenómenos migratorio, aunque algunas de sus limitaciones es quizás que no discrimina la razón de entrada o salida del país.
En cuanto a las variables independientes, recogidas de diversas fuentes, buscan operacionalizar fenómenos como cambio climático, desconfianza en los gobiernos, crisis económicas, violación a derechos humanos, falta de acceso a servicios básicos; como posibles variables detrás de la salida de las personas de sus países de origen
Cambio climatico Base de datos: Germanwatch (GLOBAL CLIMATE RISK INDEX) (climaterisk-index - 2019.csv)
El cambio climático es una de las problemáticas más grandes en el contexto actual, la falta de respuestas adecuadas para mitigar sus efectos ha causado innumerables pérdidas en términos materiales y vidas humanas. Es por ello que hoy el cambio climático se ha convertido en una variable de gran importancia que ha producido un incremento en el desplazamiento forzado. De hecho es cada vez más frecuente que entre la academia se discuta el concepto de refugiado climático y aunque aún no hay una marco jurídico que reconozca ello, es innegable la enorme repercusión de los efectos del cambio climático como un factor que impulsa y acentúa la migración en poblaciones que buscan sobrevivir. Ello es reconocido por organismo como el OIM y por ello a principios de 2015, crearon una División dedicada enteramente a la Migración, Medio Ambiente y Cambio Climático (MECC). Las estadisticas mundiales tambien acentuan el apapel que tiene el cmabio climatico en la migracion como el informe del Banco Mundial, que hace referencia a que es probable que más de 140 millones de personas de tres regiones del mundo en desarrollo emigren dentro de sus países de origen para el año 2050, sumándose a los ya de por sí abarrotados barrios pobres.
Desempleo
Tomando en cuenta el % de la población activa total obtenido de la Base de datos: Banco Mundial (desempleo-2019.csv)
Uno de los factores que históricamente más han influido en los flujos migratorios son las situaciones de subempleo en el país de origen. Son muchos los individuos que emigran de sus hogares al padecer continuos periodos de desempleo, en búsqueda de mayores oportunidades de ellos y sus familias. Particularmente hoy este es un factor primordial a considerar para ver el aumento de las migraciones, dadas las condiciones de mayor movilidad social gracias a las facilidades tecnológicas en el área de transporte. Ello es sostenido por organizaciones como la OIT que estima que entre 2017 y 2019 el número de migrantes internacionales ha incrementado de 164 millones a 169 millones.
Falta de acceso a Servicios Básicos
Acceso a servicios públicos obtenida de la Base de datos: fragilestatesindex (publicservices-2019.csv)
La vida de muchas personas son seriamente afectadas por las condiciones que encuentran en sus países, estas dependen en gran medida del acceso que tengan a los servicios públicos tales como salud, educación, agua y saneamiento, infraestructura de transporte, electricidad y energía, y conectividad. Consideramos el estado de dichos servicios básicos como factores determinantes para la migración pues el encontrarlos o no en sus respectivos países puede incrementar o reducir la migración respectivamente. Ello es mencionado por multiples autores como Albert Mora en Inmigración, servicios públicos e integración social y lo consideramos esencial para profundizar nuestro analisis.
Uso del internet (% población) obtenida de la Base de Datos: World Bank (DataBank) (usodelinternet.csv)
El internet ha pasado a ser considerado un casi un derecho debido a su importancia para el desarrollo de la vida de las personas. En ese sentido, se considera que la ausencia o problemas de acceso a este servicio por parte de la población podría ayudar a explicar un aumento en la probabilidad de abandoanr el país de origen.
MAPA DE LA VARIABLE DEPENDIENTE 
A
partir de nuestra variable dependiente podemos observar una distribución
territorial de la siguiente manera. Sin embargo esta es poco clara pues
no se ven grandes diferencias entre los países graficados. Esto puede
ser explicado por una baja variabilidad de la misma.
## [1] 4.094368Entonces, es pertinente realizar una serie de cortes que nos permitan observar de forma más clara la variabilidad.
## Warning: Use of `a$Freq` is discouraged. Use `Freq` instead.
De
esta manera obtenemos un mapa de calor de nuestra variable dependiente
mucho mas precisa, que puntualiza como pese a que la migracion en este
indice no es tan variada tiene cambios significativos en ciertas areas
de las regiones.
REDUCCION DE DIMENSIONES
Analizando lo recomendado seria clusterizar en dos o un grupo, lo cual es poco pertinente considerando la gran diversidad de circunstancias que afrontan los paises analizados y por ello decidimos exporar con el numero de clusters hasta elegir que lo mas pertinente seria agruparlo en tres grupos.
## cluster size ave.sil.width
## 1 1 58 0.17
## 2 2 20 0.59
## 3 3 41 0.33
Tomando en cuenta los tres graficos elegimos declinarnos por PAM debido a que es la que obtiene un mayor valor de 0.3 y tiene menos datos mal clusterizados y en un solo grupo a diferencia de Agnes con el mismo valor de 0.3.
Evaluamos los datos mal clusterizados del modelo elgido (PAM)
## [1] "Ghana" "Hungary" "Indonesia"
## [4] "Italy" "Latvia" "Lithuania"
## [7] "Mexico" "Poland" "Sri Lanka"
## [10] "United Arab Emirates" "Uruguay"| DESEMPLEO | CRI | PUBLIC_SERV | INTERNET | CORRUPTION | HUMANRIGTHS | PEACEINDEX | pam | |
|---|---|---|---|---|---|---|---|---|
| Algeria | 10.5 | 105.17 | 5.4 | 57.90000 | 2 | 6.6 | 35 | 1 |
| Argentina | 9.8 | 60.00 | 3.3 | 79.90000 | 2 | 3.9 | 45 | 1 |
| Armenia | 18.3 | 98.17 | 3.3 | 66.54395 | 2 | 6.6 | 42 | 1 |
| Australia | 5.2 | 28.00 | 1.5 | 88.60000 | 1 | 1.7 | 77 | 2 |
| Austria | 4.5 | 56.83 | 1.1 | 87.75220 | 1 | 0.9 | 77 | 2 |
| Azerbaijan | 4.8 | 118.00 | 4.8 | 81.10000 | 2 | 8.3 | 30 | 1 |
| Bahrain | 1.2 | 118.00 | 1.8 | 99.70149 | 2 | 8.6 | 42 | 1 |
| Bangladesh | 4.4 | 23.50 | 7.5 | 23.80000 | 2 | 7.3 | 26 | 3 |
| Barbados | 8.4 | 118.00 | 2.4 | 50.30000 | 3 | 3.5 | 62 | 1 |
| Belarus | 4.2 | 118.00 | 3.6 | 82.78915 | 3 | 3.2 | 48 | 1 |
| Belize | 6.7 | 118.00 | 5.3 | 50.80000 | 2 | 2.8 | 57 | 1 |
| Benin | 1.5 | 118.00 | 8.3 | 22.40000 | 2 | 2.9 | 53 | 3 |
| Bhutan | 2.5 | 118.00 | 5.5 | 53.50000 | 1 | 6.0 | 68 | 1 |
| Bolivia | 3.8 | 19.67 | 6.2 | 47.47482 | 2 | 5.7 | 31 | 3 |
| Bosnia and Herzegovina | 15.7 | 57.83 | 3.1 | 69.94635 | 2 | 5.0 | 36 | 1 |
La mejor silueta se obtiene con PAM, calculamos el promedio d elos grupos apra facilitar su analisis
## pam DESEMPLEO CRI PUBLIC_SERV INTERNET CORRUPTION HUMANRIGTHS PEACEINDEX
## 1 1 8.156897 86.40224 4.403448 70.29686 2.099655 5.174138 44.29310
## 2 2 5.730000 73.77400 1.265000 90.85883 1.300000 1.495000 76.95000
## 3 3 5.519512 61.28439 7.965854 26.04030 2.235122 6.880488 29.60976MAPA DE CLUSTERS
Al agregar los grupos de la clusterizacion a nuestra data original es posible visulizar por medio de un mapa la division de los grupos
REGRESION
Sobre nuestra regresión es posible observar que cuenta con r2 ajustado muy bajo, lo que habla de un débil poder explicativo. Esto puede mejorarse con una ampliación y retiro de variables. Sin embargo, es posible destacar el impacto significativo al 0.05, Lo que nos dice….
| modelo1 | |
|---|---|
| (Intercept) | 1.328 |
| (3.051) | |
| DESEMPLEO | 0.036 |
| (0.066) | |
| CRI | -0.016 |
| (0.012) | |
| PUBLIC_SERV | 0.212 |
| (0.285) | |
| CORRUPTION | -0.341 |
| (0.810) | |
| HUMANRIGTHS | -0.446* |
| (0.194) | |
| INTERNET | 0.026 |
| (0.026) | |
| Num.Obs. | 119 |
| R2 | 0.116 |
| R2 Adj. | 0.068 |
| AIC | 673.6 |
| BIC | 695.8 |
| Log.Lik. | -328.781 |
| F | 2.442 |
| RMSE | 3.83 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
#CONCLUSIONES: