104288

Master Thesis ǀ Tesis de Maestría submitted within the UNIGIS MSc programme presentada para el Programa UNIGIS MSc at/en

Interfaculty Department of Geoinformatics- Z_GIS Departamento de Geomática – Z_GIS University of Salzburg ǀ Universidad de Salzburg

Análisis de los patrones espaciales de abstencionismo electoral. Colombia 2014-2016 Analysis of the spatial patterns of electoral turnout.

Colombia 2014-2016 by/por

Juan Pablo Milanese 01522979 A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science (Geographical Information Science & Systems) – MSc (GIS)

Cali - Colombia,7 de junio de 2018

Compromiso de Ciencia. Por medio del presente documento, incluyendo mi firma personal certifico y aseguro que mi tesis es completamente el resultado de mi propio trabajo. He citado todas las fuentes que he usado en mi tesis y en todos los casos he indicado su origen.

Cali, Colombia, 7 de junio de 2018 (Lugar, Fecha)

(Firma)

Resumen Como consecuencia de sus altos niveles, después de la celebración de cada elección, la abstención electoral tiende a constituirse como uno de los fenómenos más intensamente discutidos por los analistas en Colombia. Sin embargo, no ha encontrado el eco que muchos esperarían en la academia, especialmente, teniendo en cuenta la relevancia del problema.

Partiendo de esta premisa, el presente trabajo pretende dar un paso importante en esa dirección. En él se buscó comprender sus razones de forma precisa, a través de la utilización de una serie de variables (políticas, sociales e institucionales) en 1122 municipios colombianos a lo largo de nueve elecciones realizadas entre 2014 y 2016. También es importante señalar que se incorporó a la geografía como una dimensión de primer orden. Es decir, se la tuvo en cuenta como algo mucho más relevante que una simple “arena” física en la que el abstencionismo se desarrolla.

Metodológicamente hablando, el análisis se caracterizó por la existencia de dos etapas.

La primera, singularizada por la utilización de modelos globales; más específicamente, estimaciones de mínimos cuadrados ordinarios. La segunda, por la realización de análisis de tipo local; inicialmente, mediante el uso de índices locales de asociación espacial (y la identificación de clústers) y, posteriormente, a través de la ejecución de modelos de regresión geográficamente ponderada. Esto no solo permitió comprender el impacto de las distintas variables señaladas sobre la abstención, sino, además, cómo este se puede modificar como consecuencia de la ubicación geográfica de los casos estudiados.

En este sentido, podrá apreciarse que la abstención no es ni un fenómeno unicausal ni estacionario. De hecho, los resultados muestran una tendencia hacia la homogeneidad interelectoral y la heterogeneidad intra-electoral del efecto de las variables, exponiendo la relevancia del análisis local.

Palabras clave Abstención, elecciones, Colombia, análisis espacial, regresión geográficamente ponderada.

Abstract Turnout shines after each Colombian election because of its high levels. In fact, it tends to be one of the most discussed topics by media analysts. Paradoxically, considering its relevance, it has not reached the expected space in the academia.

This research intends to take a significant step to change this, it have tried to understand the reasons for turnout accurately, through several variables (political, social and institutional) in the 1122 Colombian municipalities, in nine elections celebrated between 2014 and 2016. It is important to mention that geography has been included as a first order dimension. In other words, it will be relevant and not only just simple physical “arena” in which turnout takes place.

Regarding methodology, this analysis has been characterized by two stages. In the first, global models, and more specifically ordinary least squares estimations has been used.

In the second, via local type analysis; first using local index of spatial association (and clusters identification), and then through the execution of geographically weighted regression models. This not only allowed to understand the impact of the different turnout variables, but also how it could be modified because of the geographical location for the case studies.

In this way, it can be observed that turnout is not a single causal and stationary phenomenon. In fact, the results show a trend towards inter-electoral homogeneity and intraelectoral heterogeneity of the variables effect, exposing the relevance of the local analysis.

Key words Turnout, elections, Colombia, spatial analysis, geographically weighted regression.

Siglas y abreviaturas ALCIP: Asociación Latinoamericana de Ciencia Política ANOVA: Análisis de varianza.

Bacrim: Bandas criminales.

DANE: Departamento Administrativo Nacional de Estadística.

ELN: Ejército de Liberación Nacional.

FARC: Fuerzas Armadas Revolucionarias de Colombia.

GWR: Regresión geográficamente ponderada (geographically weighted regression).

LISA: Índice local de asociación espacial (local index of spatial association).

NBI: Necesidades básicas insatisfechas.

NEP: Número efectivo de partidos OLS: Mínimos cuadrados ordinarios (ordinary less squares).

QCA: Qualitative comparative analysis SIGOT: Sistema de Información Geográfica para la Planeación y el Ordenamiento Territorial

Contenido 1. Introducción .................................................................................................................................1 1.1. Antecedentes ...................................................................................................................1 1.2. Objetivos y preguntas de investigación ..........................................................................1 1.3. Hipótesis .........................................................................................................................2 1.4. Justificación ....................................................................................................................3 1.5. Alcance ...........................................................................................................................4 2. Marco teórico y revisión de la literatura....................................................................................6 2.1. Definición y caracterización del concepto de abstención ...............................................6 2.2. ¿Dónde identifican las distintas corrientes teóricas las principales causas de la abstención?................................................................................................................................9 2.3. Reordenando los focos interpretativos de forma temática ........................................... 12 2.4. Revisión de la literatura sobre el caso colombiano...................................................... 15 2.5. Marco Metodológico ................................................................................................... 17 3. Metodología ................................................................................................................................20 3.1. Descripción de las variables ........................................................................................ 26 3.2. Secuencia de pasos metodológicos .............................................................................. 29 4. Resultados ...................................................................................................................................31 5. Análisis de los resultados ...........................................................................................................83 6. Conclusiones ...............................................................................................................................95 7. Referencias bibliográficas .........................................................................................................98

Índice de mapas Mapa 1 División Política Colombia...........................................................................................

Mapa 2 Análisis LISA. Presidencia 1° turno..............................................................................

Mapa 3 Análisis LISA. Presidencia 2°turno..............................................................................

Mapa 4 Análisis LISA. Plebiscito..............................................................................................

Mapa 5 Análisis LISA. Senado..................................................................................................

Mapa 6 Análisis LISA. Cámara.................................................................................................

Mapa 7 Análisis LISA. Gobernaciones.....................................................................................

Mapa 8 Análisis LISA. Asambleas............................................................................................

Mapa 9 Análisis LISA. Alcaldías..............................................................................................

Mapa 10 Análisis LISA. Concejos.............................................................................................

Mapa 11 R2 local. Presidencia 1° turno.....................................................................................

Mapa 12 R2 local. Presidencia 2° turno.....................................................................................

Mapa 13 R2 local. Plebiscito.....................................................................................................

Mapa 14 R2 local. Senado.........................................................................................................

Mapa 15 R2 local. Cámara........................................................................................................

Mapa 16 R2 local. Gobernaciones.............................................................................................

Mapa 17 R2 local. Asambleas...................................................................................................

Mapa 18 R2 local. Alcaldías......................................................................................................

Mapa 19 R2 local. Concejos......................................................................................................

Mapa 20 β local NBI. Presidencia. 1° turno..............................................................................

Mapa 21 β local NBI. Presidencia. 2° turno..............................................................................

Mapa 22 β local NBI. Plebiscito................................................................................................

Mapa 23 β local Secundario. Presidencia 2° turno....................................................................

21 40 40 41 42 42 44 44 45 45 47 48 48 49 49 50 50 51 51 55 55 56 56

Mapa 24 β local Secundaria. Presidencia 1° turno....................................................................

Mapa 25 β local Secundaria. Plebiscito.....................................................................................

Mapa 26 β local Población Urbana. Presidencia 1° turno.........................................................

Mapa 27 β local Población Urbana Plebiscito...........................................................................

Mapa 28 β local Población Urbana. Presidencia 2 turno...........................................................

Mapa 29 β local Acciones Armadas. Presidencia 2° turno........................................................

Mapa 30 β local Acciones Armadas. Presidencia 1° turno........................................................

Mapa 31 β local Acciones Armadas. Presidencia plebiscito......................................................

Mapa 32 β local Competitividad. Presidencia 2° turno.............................................................

Mapa 33 β local Competitividad Plebiscito...............................................................................

Mapa 34 β local Población Urbana. Senado..............................................................................

Mapa 35 β Población Urbana. Cámara......................................................................................

Mapa 36 β local Minorías. Senado............................................................................................

Mapa 37 β local Minorías. Cámara............................................................................................

Mapa 38 β local secundario. Senado..........................................................................................

Mapa 39 β local Secundario. Cámara........................................................................................

Mapa 40 β local NBI. Senado....................................................................................................

Mapa 41 β NBI. Cámara............................................................................................................

Mapa 42 β local Competitividad. Senado..................................................................................

Mapa 43 β local Competitividad. Cámara.................................................................................

Mapa 44 β Minorías. Gobernaciones.........................................................................................

Mapa 45 β Minorías. Asambleas...............................................................................................

Mapa 46 β local Minorías. Alcaldías.........................................................................................

Mapa 47 β local Minorías. Concejos.........................................................................................

Mapa 48 β local NBI. Gobernaciones........................................................................................

Mapa 49 β local NBI. Asambleas..............................................................................................

Mapa 50 β local NBI: Alcaldías.................................................................................................

Mapa 51 β local NBI. Concejos.................................................................................................

Mapa 52 β local Competitividad. Gobernaciones......................................................................

Mapa 53 β local Competitividad. Alcaldías...............................................................................

Mapa 54 β local Población Urbana. Gobernaciones..................................................................

Mapa 55 β local Población Urbana. Asambleas........................................................................

Mapa 56 β local Población Urbana. Alcaldías…….....................................................................

Mapa 57 βlocal fragmentación. Presidencia1° turno.................................................................

Mapa 58 β local Fragmentación. Senado...................................................................................

Mapa 59 β local de Fragmentación. Cámara.............................................................................

Mapa 60 β local Fragmentación. Gobernaciones.......................................................................

Mapa 61 β local Fragmentación Asambleas..............................................................................

Mapa 62 β local fragmentación. Alcaldías................................................................................

Mapa 63 β local Fragmentación. Concejo.................................................................................

57 57 58 58 59 59 60 60 61 61 64 64 65 65 66 66 67 67 68 68 72 72 73 73 74 74 75 75 76 76 77 77 78 79 80 80 81 81 82 82

Índice de tablas Tabla 1 Diferencias entre estudios orientados a casos ya a variables................................................18 Tabla 2 Información sintética de las variables ................................................................................. 27 Tabla 3 Estimadores de modelos de regresión de mínimos cuadrados ordinarios ........................... 33 Tabla 4 Abstención de acuerdo el tipo de elección .......................................................................... 34 Tabla 5 I de Moran de la variable abstención .................................................................................. 35

Tabla 6 I de Moran de los residuos estándar de los modelos de regresión ...................................... 46 Tabla 7 Estimaciones de modelo de regresión Presidencia 1° turno (GWR) ................................... 53 Tabla 8 Estimaciones de modelo de regresión Presidencia 2° turno (GWR) ................................... 53 Tabla 9 Estimaciones de modelo de regresión Plebiscito (GWR) ................................................... 54 Tabla 10 Estimaciones de modelo de regresión Senado (GWR) ..................................................... 62 Tabla 11 Estimaciones de modelo de regresión Cámara (GWR) ..................................................... 63 Tabla 12 Estimaciones de modelo de regresión Gobernación (GWR)............................................. 69 Tabla 13 Estimaciones de modelo de regresión Asamblea (GWR) ................................................. 70 Tabla 14 Estimaciones de modelo de regresión Alcaldía (GWR) .................................................... 70 Tabla 15 Estimaciones de modelo de regresión Concejo (GWR) .................................................... 71

Índice de gráficos Gráfico 1 Niveles de abstención por elección y municipio......................................................

Gráfico 2 I de Moran abstención. Pres. 1°T.............................................................................

Gráfico 3 I de Moran abstención. Pres. 2°T.............................................................................

Gráfico 4 I de Moran abstención. Plebiscito............................................................................

Gráfico 5 I de Moran abstención. Senado................................................................................

Gráfico 6 I de Moran abstención. Cámara...............................................................................

Gráfico 7 I de Moran abstención. Gobernaciones...................................................................

Gráfico 8 I de Moran abstención. Asambleas..........................................................................

Gráfico 9 I de Moran abstención. Alcaldías.............................................................................

Gráfico 10 I de Moran abstención. Concejos...........................................................................

34 36 36 37 37 37 38 38 38 38

Índice de figuras Figura 1 Diagrama de flujo: pasos del proceso metodológico ......................................................... 29

1

1.

Introducción

1.1. Antecedentes Colombia, 2 de octubre de 2016. Cerradas las urnas y finalizado el pre-conteo de los votos, buena parte de los análisis realizados en los medios de comunicación insistían sobre un fenómeno que parece ser estructural en ese país. De acuerdo con los datos de la Registraduría Nacional del Estado Civil, apenas un 38% de los ciudadanos acudió a las urnas; en este caso, para decidir sobre un tema de extraordinaria trascendencia, poner fin o continuar con un conflicto armado de más de medio siglo (Registraduría Nacional del Estado Civil, 2018).

Así, una vez más, como ocurre después de la celebración de cada elección, el abstencionismo (como consecuencia de sus altos niveles) se constituyó como una de las principales fuentes de debate público, especialmente mediático. Sin embargo, aún no ha encontrado un espacio significativo en la agenda académica nacional. Continúan siendo pocas las investigaciones que profundizan sobre este tema y, recurrentemente, lo hacen desde posiciones prescriptivas, cargadas de juicios de valor o, incluso, desde intuiciones y prejuicios, pero solo esporádicamente a partir de datos empíricos consistentes. Entre los casos que se escapan de ese diagnóstico pueden destacarse trabajos como los de García (2010) García y Cantor (2016), Caicedo, (2015), Barrero, Liendo, Mejía, Orjuela, y Caicedo (2013) o Maldonado, Barrero, y Liendo (2015).

De este modo, incluso en el campo académico, buena parte de los análisis se caracteriza por producir afirmaciones imprecisas (muchas veces interpretándolo como un fenómeno geográfica y socialmente homogéneo) que no permiten comprender cabalmente la cuestión. En este contexto, el presente trabajo pretende constituirse como una contribución que dé un paso en esa dirección. Así, sin tener expectativas de un análisis exhaustivo del fenómeno, procura establecerse como un aporte que permita lograr una comprensión más precisa del abstencionismo durante el segmento de elecciones 2014-2016 y de cómo este varía a lo largo del territorio y entre cada comicio.

1.2. Objetivos y preguntas de investigación De este diagnóstico se desprenden los objetivos del trabajo, pudiéndose destacar como general el intento por: “Comprender los patrones de distribución espacial de la abstención electoral y sus principales causas en Colombia (en las nueve elecciones celebradas entre 2014 y 2016)”. Por su parte, entre los específicos se pretende:

2

- Identificar y analizar la existencia de tendencias geográficas que indiquen la regionalización del abstencionismo/participación.

- Identificar la existencia de clústeres espaciales de abstención/participación y realizar un perfil de éstos que contribuya a reconocer las causas del fenómeno.

- Dilucidar a través de variables explicativas de carácter político, sociológico e institucional las razones del abstencionismo/participación.

De estos objetivos se deriva, a su vez, una serie de preguntas que se constituyen como la guía principal del proyecto: ¿Qué efecto producen distintos tipos de factores políticos, sociológicos e institucionales sobre la abstención? ¿Qué tipo de relación existe entre el territorio, los factores previamente mencionados y ella?

Sin embargo, para poder responderlas es necesaria la formulación de otra serie de interrogantes previos como ¿Existe una distribución geográfica específica del abstencionismo y la participación? Es decir ¿Es estacionaria o existen concentraciones geográficas en términos de alta o baja intensidad? y, como consecuencia de ello ¿Ayuda el reconocimiento de clústers a comprender más precisamente las causas del fenómeno estudiado?

1.3. Hipótesis En relación con las cuestiones previamente mencionadas, es el momento de desarrollar las hipótesis que se revisarán para las elecciones de 2014, 2015 y 2016. Es importante aclarar que se seleccionaron de acuerdo con las principales premisas teóricas presentadas por estudios previos sobre el tema presentadas (ver apartado 2) aquellas causas susceptibles de ser analizadas desde un punto de vista espacial, omitiendo los casos donde esto es complejo (o imposible), por ejemplo, las que están relacionadas a cuestiones psíquicas.

Dentro de este marco, se atenderán en, en primer lugar, factores de carácter social. Uno de los tradicionalmente más utilizados es el nivel educativo. Desde este punto de vista, se parte de la premisa de que (H1) aquellas regiones de Colombia caracterizadas por mayor concentración de personas con más altos niveles de instrucción producen electorados más participativos.

En ésta misma línea argumentativa puede plantearse que (H2) en las zonas que exhiben mayor desarrollo económico, se incrementarán las posibilidades de participación. La tercera hipótesis sugiere que (H3) a mayor proporción de población urbana en un municipio, menor tenderá a ser la abstención. Finalmente, la última hipótesis de este tipo (sociológico) destaca

3

que (H4) la presencia predomínate de minorías étnicas en un territorio, aumenta los niveles de participación.

Por otro lado, en relación con variables de carácter político e institucional, las hipótesis que buscarán comprobarse son las siguientes: (H5) cuanto más “nacional” sea la elección, menor tenderá a ser la abstención. A su vez, la siguiente (H6) señala que un mayor nivel de fragmentación (es decir mayor número de partidos o candidatos relevantes presentes en competencia) producirá un aumento de la participación, la que también se incrementará (H6’) de acuerdo con lo haga la competitividad del sistema.

Por último, como consecuencia de la especificidad que implica el conflicto para el caso colombiano, se agrega una última hipótesis que, siguiendo la línea del trabajo de García (2010), afirma que (H7) aquellas zonas caracterizadas por una mayor presencia y actividad de los grupos armados tienden a singularizarse por la existencia de más altos niveles de abstención. En ese mismo sentido, se espera también que la violencia no asociada al conflicto (H7’) produzca un efecto similar.

1.4. Justificación Pero antes de continuar es importante remarcar cuál es la relevancia de un estudio de estas características; es decir ¿Por qué el interés en este fenómeno? Naturalmente, no bastan para justificarlo los mencionados vacíos investigativos existentes en torno a él. También es relevante mencionar que, como señala Nohlen (2004: 141), “la participación electoral es la más importante de las formas de participación, debido a que es la más igualitaria de todas e incluye a toda la ciudadanía” y la abstención es, por el contrario, la renuncia a la utilización de la más relevante (aunque claramente no la única) herramienta de incidencia política que un individuo (promedio) puede tener en una democracia.

De allí puede derivarse que, aunque la afirmación no deje de ser cuestionable,1 los bajos niveles de participación presentes en Colombia (significativamente mayores que los del promedio de América Latina, establecidos en torno al 30% -López y Gratchew, 2002-) no solo pueden ser un indicador de la existencia de una democracia de baja calidad. También representan un asunto crucial en un escenario caracterizado por un sistema político en transición, que experimenta una coyuntura crítica (asociada al proceso de paz con las Fuerzas Armadas Revolucionarias de Colombia -FARC- y el Ejército de Liberación Nacional -ELN) 1

Especialmente si se tiene en cuenta el caso de Estados Unidos que es indiscutiblemente una de las democracias más sólidas del mundo a pesar de los altos niveles de abstención.

4

en la que la participación ciudadana puede constituirse como un elemento decisivo en relación con la futura historia política del país.

1.5. Alcance Como se mencionó, sin pretensiones de exhaustividad, el presente trabajo intenta aportar mayor claridad a la hora de comprender tanto las causas como las características espaciales del abstencionismo, en un escenario en el que, como podrá observase posteriormente, una simple revisión descriptiva de los datos permite entender cómo la participación y su contraparte, la abstención, difícilmente pueden ser entendidas como un fenómeno estacionario, homogéneo y, mucho menos, unicausal.

En este sentido, procura incorporar a la geografía como una dimensión de primer orden en lo referido a su comprensión. Es decir, tenerla en cuenta como algo mucho más relevante que una simple “arena” física en que se desarrolla, buscando identificar el impacto de relaciones espaciales, sociológicas e institucionales en su producción. También es importante mencionar que se constituye como un ejercicio de integración entre los sistemas de información geográfica y la ciencia política, que se traduce en un sub-campo de estudio denominado geografía electoral (de la que este sería uno de los trabajos pioneros en Colombia), augurando que el resultado contribuya al establecimiento de un espacio fértil en términos de producción de conocimiento2. Conocimiento que se espera trascienda el ejercicio exclusivamente académico y pueda, eventualmente, ser un insumo útil a la hora del diseño y la implementación de instituciones (entendidas como reglas del juego) desde el punto de vista electoral.

Finalmente es importante señalar que se utilizará como unidad de análisis los 1122 municipios existentes en Colombia. Se revisará el nivel de participación en cada uno de ellos en nueve elecciones diferentes: presidenciales (1° y 2° turno) y legislativas (Cámara y 2

Sin dejar de reconocer aportes previos, desde trabajos seminales como los de Siegfried (1913), la geografía electoral experimentó un sostenido crecimiento que alcanzó su zenith en la década del setenta y ochenta del siglo pasado. Sin embargo, su creciente (incluso obsesivo) refinamiento metodológico, empirismo naïve, y, en algunos aspectos, subdesarrollo teórico hizo (además de concentrarse casi exclusivamente en estudios sobre Estados Unidos), que envejeciera abruptamente, perdiendo buena parte de su espacio alcanzado hasta entonces.

Sin embargo, en los últimos diez años comenzó a experimentase un renacimiento del campo de estudios, impulsado por la inclusión de nuevos debates conceptuales, la introducción de metodologías originales (mixtas o combinadas) o combinaciones de las mismas y el abandono del sesgo norteamericanista (Warf y Leib, 2011).

Sin embargo, este nuevo crecimiento continúa siendo lento en América Latina (es el resultado de esfuerzos individuales más que de un trabajo sistemático) y se concentra en un puñado de países como Argentina, Brasil (con un número de investigadores en esta área significativamente mayor al resto), México y Perú. Posiblemente el espacio más relevante para el desarrollo de este tipo de trabajos es el que lleva adelante el “Grupo de Espacio” de la Asociación Latinoamericana de Ciencia Política (ALCIP). http://www.espacioalacip.net/

5

Senado) de 2014; regionales (gobernaciones, asambleas departamentales, alcaldĂ­as y concejos municipales) de 2015 y el plebiscito (entendido como una quasi-elecciĂłn) que pretendĂ­a refrendar el Acuerdo de Paz negociado en La Habana y firmado en Cartagena de Indias por el gobierno y las FARC en septiembre de 2016.

6

2.

Marco teórico y revisión de la literatura

2.1. Definición y caracterización del concepto de abstención A pesar de que no esté exenta de debates, existe un relativo consenso a la hora de recurrir al concepto de poliarquía para definir lo que, contemporáneamente, se entiende como democracias. Acuñado por Robert Dahl en 1956 (y refinado, posteriormente, en 1989), este se caracteriza por la presencia de una serie de atributos fundamentales que, unidos, se constituyen como condiciones suficientes para señalar la presencia de dicho tipo de régimen político. Estos son: -

El control sobre las decisiones gubernamentales está constitucionalmente conferido a

funcionarios popularmente electos.

-

Estos funcionarios son elegidos y destituidos, pacíficamente, en elecciones

relativamente libres, periódicas y justas, en las que la coacción tiende a ser limitada.

-

Prácticamente todos los adultos tienen derecho a votar (noción amplia de ciudadanía).

-

La mayoría de los adultos también poseen el derecho a postularse y competir por los

cargos públicos.

-

Los ciudadanos tienen un derecho efectivo a la libertad de expresión, incluyendo la

crítica de los funcionarios, las conductas del gobierno, el sistema político, económico y social prevaleciente y la ideología predominante.

-

También detentan el acceso a fuentes alternativas de información que no son

monopolizadas por el gobierno ni por ningún otro grupo o actor.

-

Por último, cuentan con un derecho efectivo de formar y unirse a asociaciones

autónomas como partidos y grupos de interés entre otros), que intenten influir sobre las decisiones del gobierno mediante la competencia en elecciones o a través otros medios pacíficos (Dahl, 1989).

Como acaba de observarse, la celebración de elecciones libres, justas y competitivas, son indispensables para la identificación de una democracia. De hecho “son la institución fundamental del autogobierno” (Przeworski, 2010: 189). Sin embargo, más allá de los dispositivos institucionales que indefectiblemente deben estar presentes, éstas no podrían existir sin una ciudadanía razonablemente activa que garantice una participación lo suficientemente amplia. Por esta misma razón, la existencia de esta última constituye un aspecto crucial del funcionamiento de las democracias, especialmente de todo aquello que

7

tiene que ver con la legitimación de los gobiernos, los gobernantes3 y del régimen político mismo.

La contracara de este escenario es el de la abstención ¿Qué sucede en aquellos casos en que ésta es masiva? Por ejemplo, donde, simplemente por establecer un umbral, supera a la participación. Seguramente se estará haciendo referencia a democracias de menor calidad.

Sin embargo, como ya fue mencionado, la idea del presente trabajo no es realizar un análisis valorativo en relación con la abstención y responder ese tipo de interrogantes, sino preguntarse esencialmente en qué condiciones se produce.

Pero antes de evaluar cuáles son las múltiples razones que llevan a los ciudadanos a no votar, es importante definir las principales características del concepto (y, por lo tanto, del fenómeno). Se lo entiende en su sentido más básico, como el porcentaje de personas registradas en el padrón (es decir, con derecho a votar) que no asiste a las urnas durante la celebración de una elección específica (Blais, 2000; Thomson, 2007; Alcubilla, 2000).

Naturalmente, ésta no es la única noción empleada en los estudios sobre la materia; también pueden encontrase otras, como las resultantes de la adjetivación del concepto bajo los rótulos de pasiva o activa (Caicedo, 2015; Franco Cuervo y Flórez, 2009). En este último caso (activa), la especificidad se basa en el interés por parte de los votantes de “dejar”, un mensaje asociado al ejercicio del sufragio. Ésta puede implicar la participación directa en la elección, pero acompañada por la decisión de no votar a favor de algún candidato o partido específico. El caso más típicamente observable, es el del voto en blanco, que no reniega de la elección como mecanismo de selección de gobernantes, sino del menú de opciones que se lanzaron a esos comicios específicos.

En lo referido a Colombia, esta opción cobra particular fuerza, no solo al tener en cuenta que la alternativa “voto en blanco” está dentro del tarjetón electoral, sino también porque puede tener efectos legales. De hecho, si este alcanza una mayoría absoluta (es decir, la mitad más uno de los votos), deberá repetirse la elección con nuevos candidatos4. En relación con esto, podría afirmarse que este tipo de acción se constituye como una forma directa de manifestación de preferencias a través de un mecanismo institucionalizado de participación.

3

Se hace referencia particularmente a la dimensión genética de la legitimidad. Es decir, a la forma en que los gobernantes acceden al poder. En una democracia a través de las elecciones.

4 De cualquier forma, son muy pocos los casos en los que se produjeron este tipo de resultados (solamente en un puñado de elecciones a alcaldías). De hecho, el voto en blanco tiende a tener un fuerte problema de acción colectiva ya que, normalmente, no posee un doliente con capacidad de movilización que sea apto de catalizar la disconformidad frente a la dirigencia política alrededor de esta opción particular.

8

Otra forma de abstención activa es la decisión “consiente” de no presentarse a sufragar; nuevamente, manifestándose contra las opciones existentes o contra el sistema político mismo. Sin embargo, este ejercicio de inconformismo o protesta (abstencionismo consiente o racional de acuerdo con Franco Cuervo y Flórez, 2009), es difícil de discriminar y normalmente sus efectos se diluyen en el predominante “océano” de desinterés y apatía con respecto a la política (abstencionismo apático - Franco Cuervo y Flórez, 2009-), descrito por García y Cantor (2016), que parecería caracterizar a un segmento sensible de población colombiana. Son justamente estos últimos casos a los que podría llamarse abstención pasiva.

Es importante señalar que los tipos de abstención hasta ahora descritos se caracterizan por un denominador común: la voluntariedad de la acción. Sin embargo, en escenarios políticos como los presentes en Colombia, caracterizados por la presencia de actores armados ilegales, como guerrillas y neoparamilitares (“popularmente” conocidos como Bacrim), mafias o autoritarismos subnacionales (Pino Uribe, 2013) este tipo de comportamiento puede ser forzado (García, 2010).

Retomando los intereses específicos de este trabajo, el concepto utilizado es el precisado en el inicio del apartado, es decir la definición más minimalista (no adjetivada) o de mayor nivel de abstracción (Sartori, 1980)5. En este sentido, aun cuando caracterizarla como la mera no participación en la jornada electoral, puede implicar la pérdida de información relevante, minimiza la posibilidad de especulaciones que no estén basadas en la información empírica disponible.

También cabe remarcar que, aunque en algunos casos existen numerosos grupos de personas que se abstienen de votar estructuralmente, es más probable que este tipo de comportamiento sea más bien fluctuante (Thomson, 2007) desde el punto de vista temporal y no estacionario desde el espacial. Es decir, mientras que hay ciudadanos que votan o se abstienen consistentemente, en otros casos sus comportamientos son oscilantes (Blais, 2000). Esto es particularmente importante, sobre todo, si se tiene en cuenta que se estudiarán distintos tipos de elecciones, en un número notablemente alto de distritos, y las oscilaciones pueden ser significativas.

5

Un concepto abstracto es aquel caracterizado por un bajo nivel de intensión y un alto de extensión. Es decir, singularizado por contar con pocos atributos definitorios y, como consecuencia de ello, con la capacidad de explicar un alto número de casos, mostrando una significativa idoneidad para moverse en el tiempo y en el espacio.

9

2.2. ¿Dónde identifican las distintas corrientes teóricas las principales causas de la abstención?

Sin ser los únicos, existen dos elementos que han sido tradicionalmente estudiados como los motores o las bases de la participación y, por lo tanto, de la abstención: las virtudes cívicas y el cálculo racional. Sin embargo, la realidad no responde cabalmente a ninguno de estos dos tipos ideales, por lo que, en términos generales, es necesario recurrir a otros recursos que complementen el tipo de explicaciones apenas señaladas.

Utilizando este punto de partida, puede afirmarse que la línea más consistente de análisis que estudió esta clase de asuntos deriva del trabajo pionero (perteneciente a la escuela de la acción racional) realizado por Antony Downs (An Economic Theory of Democracy), quien, en 1957, aseguró que la participación se producirá solo en aquellas oportunidades en las que los beneficios de la acción sean mayores a los costos que la misma acarrea. Por lo tanto, cada votante se preguntará cuáles son las chances de que su voto defina si el candidato de su preferencia ganará o no la elección o accederá o no a algún tipo de espacio de representación. Es decir, evaluará cuán decisivo es efectivamente su voto (Riker y Ordeshook, 1968).

De este modo, partiendo de la premisa que el sufragio de cada individuo posee el mismo valor (1) habrá que dividirlo por el total de los votantes de un distrito, de modo que, cuanto más alto sea el denominador (total de votantes) menor será el impacto relativo del elector individual en la selección de quien ocupe un cargo. Así, como señalan Palfrey y Rosenthal (1983; 1985) al aumentar el tamaño del electorado, disminuyen los estímulos para la asistencia. Por ejemplo, un voto será mucho más decisivo en la elección de un alcalde de un municipio pequeño que en una elección presidencial. Pero incluso en el primero de los casos, donde el costo de votar tiende a ser más bajo, el beneficio de hacerlo, es decir la capacidad de impactar sobre el resultado, suele ser aún menor. Además, concurrir a las urnas es la última de una serie de decisiones caracterizadas por la presencia de costos, especialmente aquellos asociados al “costo de oportunidad”. En este sentido, Cox y Munger (1989) sostienen que existe una serie de barreras sucesivas que desincentivan la participación como la escasa propensión a sacrificar tiempo libre por lo que podría definirse como “deberes cívicos”.

Finalmente, también deben tenerse en cuenta los obstáculos que se erigen frente a ella y que Hinich y Munger (2003) denominan indiferencia y alineación. El primero implica que si los votantes perciben escasas (o ausencia de) diferencias entre los candidatos, disminuyen

10

las posibilidades de que voten; algo similar a lo que sucede si todas las opciones están lejos de su punto ideal (efecto conocido como alineación).

Sin embargo, como señala Blais (2000), este planteo original demostró una evidente debilidad al enfrentarse con una realidad inapelable: en el grueso de los casos (desafortunadamente para la teoría, no para la democracia) es mayor el número de personas que vota que aquel que no lo hace.6 Esto obligó a realizar una serie de indispensables ajustes7 en el modelo analítico (varios realizados “sobre la marcha” por los mismos autores, manteniéndose dentro de los parámetros de la teoría de la acción racional), asumiendo que los siguientes factores pueden impactar sobre la decisión de los ciudadanos con respecto a la participación: -

Contribuir al mantenimiento de la democracia. Asumiendo que la abstención masiva

podría implicar el colapso del régimen, existe un interés de largo plazo de su mantenimiento, asociado a los múltiples beneficios que este puede producir en términos de expresión de preferencias (Downs, 1957)8.

-

El sentido del deber o lo que Riker y Ordeshook (1968) denominaron gratificaciones

psíquicas de hacer lo que se supone correcto.

-

La aversión al riesgo, frente a la posibilidad de ver a su candidato favorito perder por

“un” voto (Ferejohn y Fiorina, 1974). En este sentido, la posibilidad de asumir que la abstención de otros individuos puede transformar el voto propio en uno decisivo, lo que los autores apenas planteados denominaron “la paradoja de no votar”. Esto puede producir incentivos, sobre todo, en aquel tipo de elecciones donde sea más fácil marcar una diferencia, es decir en aquellos casos en que el potencial de votantes es relativamente bajo (Mueller, 1989).

-

El sufragio puede ser impulsado por líderes políticos que, movilizando al electorado,

simplifican, reduciendo los costos del comportamiento, el acto de votar (Uhlaner, 1993; Aldrich, 1993).

6

Naturalmente existen excepciones. De hecho, en más de una de las elecciones estudiadas en el presente trabajo, los niveles de abstención superaron cómodamente el 60%. También existen casos extremos como los que señalan Hinich y Munger (2003) en elecciones municipales estadounidenses donde la participación es del 10%; incluso, los mismos autores remarcan el caso extremo de Pinellas (Florida) donde en 1973 no votó nadie.

Algo similar ocurrió en el caso de Barú, Colombia, donde, como señal de protesta, durante el primer turno de las elecciones presidenciales de 2014 la abstención fue del 100%.

7 La presente es una versión simplificada tomada de Blais, 2000.

8 Aunque los poco alentadores resultados señalados por los distintos “barómetros” realizados en la región (que muestran una llamativa disposición al cambio de régimen si este trajera prosperidad económica) no parecen soportar esta afirmación.

11

-

Porque el costo de votar es prácticamente nulo (Niemi, 1976) y aun cuando los

beneficios también tiendan a serlo, la abstención puede tener efectos personales socialmente negativos, fundamentalmente en relación con la percepción que terceros tengan sobre uno (Shapiro y Green, 1994; Barry, 1974).

-

Porque las personas renuncian a calcular los costos y beneficios, como consecuencia

de lo bajos que son ambos, y simplemente votan (Aldrich, 1993; Barry, 1978).

Pero, las cuestiones apenas planteadas no se constituyeron exclusivamente como un proceso de autocrítica realizada dentro de la escuela de la elección racional, también fueron el foco de cuestionamientos provenientes de enfoques analíticos alternativos, tanto complementarios como contradictorios. Blais (2000) señala como los principales al: a.

Modelo de los recursos: Impulsado por Brady, Verba y Schlozman (1995), este señala

que otros recursos como el tiempo libre, el dinero y las virtudes cívicas (naturalmente con distintos pesos) juegan un rol esencial en la participación política.

En este caso específico, se hace referencia a un modelo perfectamente complementario con el rational choice, pero enfocado más intensamente en los costos y no en los beneficios (Blais, 2000). Es decir, en un escenario en el que los costos de la participación son visiblemente bajos, disminuyen los incentivos para la abstención. b.

Modelo de movilización: Este se orienta mucho más intensamente hacia factores de

carácter sociológico, especialmente relaciones y redes sociales (familiares, laborales, de vecindad, etcétera) y en cómo éstas producen presión sobre los comportamientos de los individuos. De este modo, a través de la formación de redes de solidaridad, se termina rompiendo con la paradoja del votante señalada por Downs y la escuela de la elección racional (Rosenstone y Hansen, 1993).

También se asume a los políticos como productores de movilización. No solamente física (el día de la elección), sino también como generadores de atajos cognitivos que reducen significativamente los costos de acceso a la información. c.

Modelo sociológico: Estrechamente relacionado con el anterior (Blais, 2000), el

presente niega que las decisiones de los votantes sean exclusivamente individuales, afirmando que dependerán, en gran parte, de la influencia de la colectividad de la que forman parte. Dentro de este marco, la noción de ciudadanía no descansa en el autointerés, sino en el sentido del deber (subdesarrollado en los modelos de elección racional) en relación con la

12

sociedad e, incluso, en el hábito de votar9. En este sentido, es posible que los electores participen en las elecciones independientemente de los costos y los beneficios que éstas les puedan acarrear, ya que las personas no son “calculadoras” que toman decisiones en escenarios de “espléndido aislamiento”.

Es importante señalar que el presente trabajo no se enfocará, específicamente, en ninguna de las escuelas hasta ahora mencionadas, sino que utilizará elementos provenientes de las cuatro. De este modo, se buscará combinar, lo más armoniosamente posible, las premisas complementarias que permitan analizar con la mayor profundidad los distintos casos seleccionados.

Finalmente, también es importante resaltar que existe un último modelo, el psicológico. Enfocado exclusivamente en aspectos individuales, este sostiene que tanto abstención como participación dependerán del nivel de interés que cada persona deposite en los procesos políticos. Sin rechazar la validez de los argumentos que pueden desarrollarse desde él, no será tenido en cuenta ya que no se ajusta ni al tipo de análisis que pretende realizarse (espacial), ni a las características de los datos recolectados para llevar adelante la investigación.

2.3. Reordenando los focos interpretativos de forma temática Como fue señalado en el apartado anterior, las premisas teóricas utilizadas no parten de un único enfoque específico; por el contrario, responderán a una combinación de varios, concentrándose en tres núcleos productores de hipótesis (señaladas en el primer apartado) como son la dimensión política, la sociológica y la institucional, todas ellas atravesadas por una transversal como lo es la espacial.

En relación con la dimensión política, la literatura se enfocó en una serie de elementos que deben ser tenidos en cuenta con relación a la abstención. El primero es el nivel de competitividad de las elecciones. En este sentido, cuanto más alto sea (es decir, cuanto más difícil sea prever el resultado antes de la celebración de los comicios), mayor será la propensión por participar (Aldrich, 1993). Citando a Downs (1957), Maldonado et al. (2015) señalan que la incertidumbre hace que aumente la valoración marginal de la utilidad del voto por parte del sufragante, lo que incrementará las posibilidades de que este participe.

9

El desarrollo de los hábitos, no parece ser una cuestión menor, especialmente si se tiene en cuenta, como señalan Coppock y Green (2016), que tanto la participación como la abstención son comportamientos que tienden a ser temporalmente consistentes.

13

El segundo elemento a tener en cuenta es la fragmentación del sistema. A pesar de que Blais (2000) resalta que no existe evidencia definitiva en relación con el asunto (los resultados son contradictorios), parece existir una menor propensión al voto en aquellos sistemas más fragmentados (aunque esto, como se verá, depende directamente del tipo de sistema electoral). La explicación lógica más consistente, establece que un menú más amplio de opciones por las cuáles votar, incentiva la participación (Blais, 2000; Blais y Carty, 1990; Jackman, 1987). Por el contrario, otros autores como Black (1991) desestimaron la existencia de algún tipo de vínculo.

El tercer factor relevante dentro de esta dimensión es el tipo de elección. Desde este punto de vista, es necesario comparar, por un lado, entre las elecciones nacionales y las regionales y, por el otro, entre aquellas de carácter ejecutivo y legislativo. Dentro de este marco, como sostiene Blais (2000), el argumento racional señala que, a mayor importancia relativa de la elección, mayor participación (Hoffman-Martinot, 1994; Morlan, 1984).

Mientras tanto en lo referido a la comparación entre elecciones ejecutivas y legislativas la teoría remarca que las segundas se caracterizan por mayores niveles de participación (Blais, 2000). Siguiendo la explicación establecida por dicho autor, esto se debe a que, por un lado, en aquellos países con presidentes institucionalmente débiles, la abstención promedio tiende a ser alta, bajando cuando se revisan las elecciones para jefes de Estado en general. Por el otro, a que la mayor abundancia de opciones en una elección legislativa podría estar estimulando la participación.

Por último, una mención aparte merece la celebración de referendos y plebiscitos. Es interesante señalar cómo en estos casos, los niveles de abstención tienden a ser significativamente mayores que en las elecciones convencionales (Blais, 2000). Es probable que esto se deba a que en ellos se realizan preguntas abstractas, despersonalizando parcialmente las campañas, pero también a la utilización del abstencionismo estratégico como mecánica de mantenimiento del status quo.

En segundo lugar, al concentrarse en la dimensión sociológica, puede observarse que existe una serie de presupuestos básicos que evalúan la importancia de factores que van desde asuntos como la edad de los votantes (relacionada de forma positiva con la

14

participación PNUD, 2013; Blais, 2000), hasta el efecto de los niveles de educación (Brady et al., 1995)10.

Es justamente con respecto a este último asunto que se observa un mayor desarrollo teórico. Dentro de este marco, como señala Maldonado (2011), se espera que aquellos ciudadanos con mayores grados de formación participen más activamente. Esto parecería deberse a que la ampliación del horizonte en términos de socialización cívica valoriza la participación electoral. También se asume que la primera aporta mayores niveles cognitivos a las personas, reduciendo los costos de acceso a la información y, como consecuencia de ello, incrementando los de la participación.

Un efecto similar parecería estar directamente asociado a la distribución del ingreso (Powell, 1980; 1982, 1986; Ragsdale y Rusk, 1993; Fornos, Power y Garand, 2004). En este sentido, se sostiene que un mayor cubrimiento de necesidades básicas tiende a aumentar las probabilidades de participación (Blais, 2000; Powell, 1982)11. Dos explicaciones coexisten en relación con este fenómeno, la primera afirma que la satisfacción de este tipo de necesidades abre la puerta a un nuevo abanico de intereses hasta entonces no particularmente relevantes o aletargados (Blais, 2000). La segunda, sostiene que la mejora de las condiciones de vida consiente el acceso a mejores niveles de educación que, por las razones apenas señaladas, disminuye los incentivos para la abstención (Fornos et al., 2004). Por el lado contrario, tampoco puede atribuírsele los mayores niveles de abstención a los sectores más vulnerables (Caicedo, 2015).

Otra explicación recurrente, aunque variable de acuerdo al país, tiene que ver con las condiciones del lugar de residencia. Se hace referencia, específicamente, al entorno urbano o rural. En este sentido, puede observarse a través de trabajos clásicos, como los de Verba y Nie (1972), que en Estados Unidos los habitantes de áreas rurales, los suburbios y las grandes ciudades muestran mayores niveles de participación que aquellos de ciudades medianas.

Diferente es el caso del continente europeo donde este tipo de variables no parece tener impacto alguno sobre la participación y abstención (Lehoucq y Wall, 2004). Una tercera posición es asumida por Blais (2000), quien señala que existe una relación inversa entre la densidad de la población y la participación. La teoría también afirma que la presencia

10

Existen trabajos clásicos (Dogan y Narbonne, 1954) que también asociaron la abstención al género, argumentando que las mujeres tendían a ser más abstencionistas que los hombres, aunque la premisa se ha ido desdibujando con el paso del tiempo.

11 Aunque existen autores como Crewe (1981) o Jackman (1987) cuestionan la afirmación.

15

predomínate de minorías étnicas en un territorio específico tiende a aumentar los niveles de participación (Lehoucq y Wall, 2004).

La última dimensión que será tenida en cuenta es la institucional. En lo referido a ella, aparecen factores convencionalmente analizados como el del voto obligatorio que produce aumentos significativos en los niveles de participación (Blais, 2000; Powell, 1986; Blais y Carty, 1990). Sin embargo, no será revisado dado que este no aparece en ninguno de los casos analizados, por lo que no constituye una variable relevante. Sí, en cambio, lo son otro tipo de arreglos institucionales, como el tipo de sistema electoral (mayoritario o proporcional)12, o la concurrencia (simultaneidad) o no en la celebración de las elecciones.

En relación con primero de los puntos, muestra la existencia de una tendencia hacia un mayor nivel de participación en aquellos casos caracterizados por la presencia de sistemas proporcionales (Blais y Dobrzynska, 1998; Blais y Carty, 1990; Powell, 1986) especialmente a medida que su proporcionalidad es más alta. Entretanto, en lo referido a la simultaneidad de las elecciones, se espera que ésta aumente los niveles de participación. En este sentido, Cox y Munger (1989) sugieren que el aumento del número de dirigentes disputándose cargos produce un mayor nivel de gastos de campaña y, como consecuencia de ello, de información que, a su vez, aumenta la participación.

2.4. Revisión de la literatura sobre el caso colombiano Como ya fue mencionado, el abstencionismo en Colombia es un fenómeno relativamente inexplorado desde el punto de vista académico. De hecho, en relación con el desarrollo teórico hasta ahora planteado, puede afirmarse que es un campo caracterizado por un visible subdesarrollado. Son pocos los trabajos que (después de algunos esfuerzos pioneros como los de Losada y Vélez, 1981) abordan este tema con profundidad arrojando resultados interesantes; entre ellos se destacan, como se mencionó, casos como los de Caicedo (2015), Barrero et al. (2013), Maldonado et al. (2015), Franco Cuervo y Flórez (2009), Medellín (2014) y García y Cantor (2016).

La mayor parte se caracterizan por la realización de análisis de elecciones presidenciales o legislativas (Caicedo, 2015; Maldonado et al., 2015; Franco Cuervo y

12

Los sistemas mayoritarios son aquellos donde hay a disposición un solo asiento a distribuir. Mientras tanto, los proporcionales ofrecen un mayor número de escaños permitiendo (a través de fórmulas matemáticas de conversión) una distribución de estos que se asemeja a la proporción de votos obtenida por cada partido. Así, un sistema será perfectamente proporcional cuando haya una correlación exacta entre el porcentaje de votos que obtuvo en una elección y el porcentaje de asientos ganados en una corporación

16

Flórez, 2009) utilizando datos agregados nacionalmente o desagregados exclusivamente a nivel departamental. Solo en el caso de Barrero et al. (2013) puede observarse también un análisis de las elecciones a concejos municipales (aunque con un perfil mucho más descriptivo).

Son este tipo de investigaciones aquellas que contribuyen a una comprensión más clara y precisa del fenómeno. Dentro de este marco, Barrero et al (2013) muestran como los altos niveles de abstención se han constituido como una marcada tendencia histórica. Afirman que, revisando los datos desde 1978, puede observarse que ésta fluctúa entre el 40% y el 60%, con tasas visiblemente más altas en las elecciones a cuerpos colegiados.

Por su parte, Maldonado et al. (2015), realizan un estudio de mayor profundidad.

Utilizando variables similares a las del presente trabajo (políticas, institucionales y sociológicas) muestran como independientemente del tipo de elección (presidencial o legislativa), los resultados tienden a ser estables bajo una lógica inter-elección y variables en la inter-departamental. Por otro lado, apuntan que las variables económicas (asociadas al bienestar) tienden a producir un incremento de la participación en las elecciones presidenciales, aunque no en las legislativas.

Señalan, además, que son los distritos con mayor número de votantes son aquellos donde menos gente acudió a las urnas, mientras que la competencia se constituyó como un disparador de la participación.

A su vez, García y Cantor (2016), a través de estudios de opinión pública (Encuesta Barómetro de la Américas 2014), profundizan también sobre variables como el nivel de formación y la participación. Entre sus hallazgos más significativos puede señalarse el hecho que existe una fuerte relación entre no votar y el desinterés por la política, mientras que el voto en blanco se asocia mucho más intensamente a la insatisfacción con el funcionamiento y las características del sistema político.

Por su parte, Caicedo (2015), a través de resultados electorales, contradice muchas de las conjeturas previamente formuladas, observando que varias de ellas no se cumplen en las elecciones de 2014. De este modo, subraya que no se observa la previamente remarcada relación positiva entre riqueza y participación. Del mismo modo, discute una fuerte tesis desarrollada para el caso colombiano como es la de la relación entre violencia armada y abstención (desarrollada por García, 2010), en la que aun sin manifestar la irrelevancia del conflicto, cuestiona el impacto directo que éste actualmente produce sobre la participación.

17

Finalmente, cabe remarcar que solo en los casos de García (2010) y Maldonado et al.

(2015) se incorpora la dimensión espacial para el estudio de la abstención (aunque a través de un tipo de estimaciones distintas a las del presente trabajo). Incluso, en términos generales, en lo referido al caso colombiano son muy pocos los trabajos donde se puede observar ejercicios de geografía electoral o asociados a ella, entre ellos se puede destacar los trabajos de Jácome Molina (2011; 2013)13. Aunque, en ambos casos, enfocados a otros tipos de factores como el perfil de los votantes y la manifestación de preferencias por algún candidato específico (en el primero de los casos en Bogotá y, en el segundo, en Cali y ninguno con el foco puesto en la abstención)14.

2.5. Marco Metodológico Metodológicamente hablando, difícilmente pueda afirmarse que exista “un” modo adecuado de investigar la abstención. De hecho, las perspectivas para para abordar este tipo de fenómeno varían notablemente de un caso a otro. No solo de acuerdo con la clase de pregunta que el investigador se formule, sino también según el enfoque que utilice (Shapiro, 2002, 2004).

Sin embargo, existe un tercer factor crucial, que contribuye a definir la selección de un método específico, como es la naturaleza misma de la investigación (ver tabla 1). Se hace referencia específicamente al hecho de que ésta esté orientada hacia las variables, y se pretenda a través de ella realizar generalizaciones universales o de alcance medio, o, si, por el contrario, esté enfocada en los casos y, por lo tanto, enfocada en la profundización del conocimiento en torno a los mismos (Della Porta, 2012).

Dentro de cada una de estas perspectivas, existe un amplio menú de opciones a través de las que se realizaron estudios asociados al comportamiento electoral (descritos ya con relativa precisión) y, más específicamente, de las razones que impulsan a participar o abstenerse.

Así, desde el punto de vista de los análisis enfocados en los casos, caracterizados por la utilización de un número (N) pequeño, existen múltiples formas desde las que el tema puede ser abordado. Desde estrategias (cualitativas) clásicas como la comparación histórica 13

Junto a otros esfuerzos como el de la mapoteca del Observatorio de Representación Política de la Universidad del Rosario. http://www.procesoselectorales.org/mapoteca-presidencial-2010/ 14 Como fue mencionado, la literatura basada en estudios de tipo espacial ha comenzado a hacerse más abundante en la región. Dentro de este marco, trabajos como los de Lizama Carrasco (2012A; 2012B) que analizan la abstención en el caso mexicano fueron una importante fuente de inspiración para el desarrollo de la presente investigación.

18

(Mahoney y Rueschemeyer, 2003), hasta otras desarrolladas durante las últimas décadas como es el caso del process tracing15 (Bennett y Checkel, 2013; Brady y Collier, 2010; Falleti, 2006; Mahoney, 2012) o el qualitative comparative analysis -QCA16 - (Ragin, 2008; Schneider y Wageman, 2012; Medina, Castillo Ortíz, Alámos Concha y Rihoux, 2017), todas basadas en la idea de complejidad causal y la identificación de condiciones necesarias y suficientes.

Tabla 1 Diferencias entre estudios orientados a casos y a variables Casos Conceptos Número de casos (N) Número de variables Selección de casos Diversidad como…

Uso del tiempo

Orientado hacia las variables Anónimos Predeterminados y operacionalizados Se busca incrementar N lo máximo posible Reducido en búsqueda de parsimonia y evitar problemas de grados de libertad Aleatoria

Orientado hacia los casos Unidades complejas Asociados a un proceso sintético de análisis Se busca mantener N bajo. Conocimiento profundo Alto, de modo que permita realizar descripciones densas Casos paradigmáticos

Parametrización (generalización)

Complejidad causal

Periodización

Secuencias temporales (historicidad)

Fuente: Della Porta 2012

Sin embargo, más allá de su innegable utilidad, las metodologías apenas planteadas muestran un defecto estructural para poder llevar adelante un estudio con las características del presente; como se mencionó, trabajan con un N pequeño o mediano (en el caso de QCA).

Mientras que en este caso específico existe la expectativa de hacerlo con un N grande, revisando un amplio número de municipios en varias elecciones.

Esto implica, necesariamente, cambiar de tipo de aproximación, pasando de técnicas cualitativas a cuantitativas (ofreciendo un tratamiento estadístico a los datos). Sin embargo, no cualquiera de éstas es necesariamente adecuada cuando se pretende realizar un análisis de tipo espacial. De hecho, numerosas investigaciones (como suele ocurrir con las de opinión pública) omiten esta dimensión o, en el mejor de los casos, la tienen en cuenta exclusivamente como una arena en la que se producen los acontecimientos.

15

O trazo de proceso causal. Sintéticamente, este busca identificar los mecanismos causales que explican el efecto que un conjunto de variables produce sobre un resultado a través de la identificación de piezas empíricas relevantes. Es una técnica que permite realizar tanto estudios de casos como comparados (caracterizados por un N pequeño).

16 Basado en teoría de conjuntos, el QCA alberga en sí mismo una variada familia de métodos (conjuntos nítidos, conjuntos multi valor sets y conjuntos difusos) que pueden identificarse simultáneamente tanto como enfoques investigativos y como una técnica para el análisis de los datos (Schneider y Wagemann, 2012).

19

En este caso específico, también se pretende darle un lugar relevante al territorio, por lo que utilizarán estrategias que rindan cuenta del asunto. Citando a Sánchez Peña (2012), se analizará si la ubicación de los eventos estudiados impacta sobre los resultados, empleando métodos que aprovechen el emplazamiento de los mismos tanto en términos absolutos (dónde ocurre), como en términos relativos (tanto la distribución como la distancia entre las observaciones).

En este sentido, el uso de la ubicación geográfica de la información contribuye a la captura de las interacciones espaciales (Haining, 2003). Dentro de este marco, como podrá observarse en el próximo apartado, los modelos que dan cuenta de fenómenos de este tipo permiten alcanzar resultados más fiables y precisos, resolviendo problemas como el reconocimiento de la no estacionalidad de los datos (Fotheringham, Brunsdon y Charlton, 2002).

20

3.

Metodología El estudio se circunscribirá específicamente a la República de Colombia. Ésta se ubica

en el extremo noroccidental de Sudamérica y posee un área continental abarca una superficie de 1.141.748 km² de superficie. Se encuentra entre los 4º13’S, los 16º10’N y los 66º50’O y 84º46’O y alberga una población de alrededor de 49 millones de habitantes (DANE, 2012).

No obstante, se hace referencia a un estado unitario, cuenta con organizaciones subnacionales de segundo y tercer nivel como son los departamentos y los municipios, respectivamente. Está constituido por treinta y dos departamentos administrativos más el distrito capital y, de acuerdo con los datos del Departamento Administrativo Nacional de Estadística17, cuenta con un total de 1122 municipios (entre los que se incluyen una serie de corregimientos departamentales de Amazonas, Vaupés y Guainía) que serán las unidades en las que se realizará en análisis de las variables18 (ver mapa 1).

Del mismo modo que sucede en la mayor parte de los países de la región, Colombia, experimenta un proceso de creciente y acelerada concentración de su población en las áreas urbanas (DANE, 2012). De hecho, en las últimas cinco décadas, el perfil demográfico, desde este punto de vista, cambió notablemente, pasando de ser un país predominantemente rural a uno urbano. Incluso, en la década pasada se registró, por primera vez, que más del 75% de la población está asentada en las cabeceras urbanas de los municipios y más del 40% lo hace en las cuatro principales ciudades (proporción que aumenta, si se tiene en cuenta las aglomeraciones formadas en sus zonas metropolitanas).

Por otro lado, de acuerdo con el Censo de 2005, el 14% de la población se auto reconoce como parte de minoría étnica. Entre ellos, predominan los afrocolombianos (con pertenencia étnica negra, palenquera y raizal) que alcanzan un 10,5 % del total; la población indígena, con un 3,4 %; y, marginalmente, rom, o gitanos, que representan un 0,01 % del total. Éstas se asientan especialmente (aunque no exclusivamente) en los departamentos de

17

Es importante señalar que existen discrepancias entre las distintas instancias gubernamentales colombianas (por ejemplo, el mencionado DANE, la Federación Colombiana de Municipios o el Departamento de Planeación Nacional), del mismo modo que existen disputas entre los departamentos en relación a la pertenencia de algunos municipios.

18 De acuerdo con el Artículo 311 de la Constitución Política de Colombia y la Ley 136 de junio 2 de 1994, se considera a los municipios como “(…) la entidad territorial fundamental de la división político-administrativa del Estado, con autonomía política, fiscal y administrativa dentro de los límites que le señalen la Constitución y las leyes de la República. Sus objetivos son la eficiente prestación de los servicios públicos a su cargo, la construcción de las obras que demande el progreso local, la ordenación de su territorio, la promoción de la participación comunitaria en la gestión de sus intereses y el mejoramiento social y cultural de sus habitantes” (DANE, 2009:2).

21

la región pacífico, el suroccidente del país, La Guajira y del Archipiélago de San Andrés, Providencia y Santa Catalina (DANE, 2005).

Mapa 1 División Política Colombia

22

Estas minorías no son únicamente relevantes por su alta proporción (en algunos municipios, incluso departamentos, son claramente mayoritarias), sino, además, por el trato especial que reciben constitucional y legalmente desde 199119, momento en que el Estado se proclamó como pluriétnico y multicultural.

Finalmente, cabe señalar que Colombia es considerada un país de desarrollo medio.

Incluso, de acuerdo con el Índice de Desarrollo Humano (PNUD, 2015) hasta puede ubicársela entre los últimos puestos entre los países de alto desarrollo. Sin embargo, también es importante destacar que existe una notable variación de esos resultados cuando se los revisa desde el punto de vista interno, observándose regiones (especialmente aquellas con grandes distritos urbanos) con buenos resultados y otras (las más periféricas) con perspectivas claramente desalentadoras. Esto se hace más visible cuando el indicador es desagregado y se revisan componentes específicos como es el coeficiente de Gini 20 que muestra no solamente que Colombia es uno de los quince países más desiguales del mundo, sino que esos niveles se vuelven mucho más dramáticos en muchos de los departamentos, especialmente, en los más pobres (Sánchez Torres, 2017).

Habiendo revisado las principales hipótesis y conceptos que serán utilizados en el estudio y realizada una caracterización del área geográfica del estudio, es el momento de dar paso a la descripción de las herramientas metodológicas. Desde este punto de vista, el trabajo se caracterizará por el empleo secuencial de una serie de instrumentos que permitirán la adquisición de una perspectiva tanto global (entendiéndose este término como un conjunto de resultados cuyo comportamiento es similar a lo largo del territorio) como local (como idea conceptualmente contrapuesta a la anterior).

El primer paso consiste en la utilización de un conjunto de modelos regresión multivariados, estimados mediante la técnica de mínimos cuadrados ordinarios (OLS, de acuerdo con su sigla en inglés), obviando la dimensión espacial. A través de estos se pretende detectar el efecto de una serie de variables explicativas, asociadas a las hipótesis anteriormente mencionadas, relacionadas con la abstención. Este permitirá alcanzar una perspectiva global de los resultados que, no obstante, se constituye como una referencia valiosa a la hora de producir las primeras conclusiones, no da cuenta de la especificidad

19

Especialmente con relación a cuestiones como la administración de sus propios territorios colectivos.

Medida convencionalmente utilizada para calcular la desigualdad de ingreso en una unidad de análisis (normalmente países).

20

23

espacial que estos pueden mostrar, ya que, como se mencionĂł, se asume que los parĂĄmetros estimados son territorialmente constantes.

Sin embargo, este supuesto puede ser violado por la heterogeneidad espacial de los datos (al omitir al espacio como potencial fuente de variabilidad) asociados a las variaciones en la media y en la varianza que dependen de la ubicaciĂłn geogrĂĄfica de las distintas observaciones. El incumplimiento de este principio trae aparejados problemas tanto de ineficiencia como de sesgo en las estimaciones (Anselin, 2006), perdiendo confiabilidad la estimaciĂłn de coeficientes y en la bondad del ajuste (Woodbridege, 2001)21.

Bajo estas circunstancias, el empleo de la ubicaciĂłn geogrĂĄfica de los fenĂłmenos favorece la captura de las interacciones espaciales (Haining, 2003) y, como consecuencia de ello, el uso de modelos que den cuenta de este tipo de fenĂłmenos permite alcanzar resultados mĂĄs fiables y precisos, ofreciendo mejor informaciĂłn en relaciĂłn con lo que sucede con la abstenciĂłn. Dentro de este marco, la utilizaciĂłn de regresiones geogrĂĄficamente ponderadas (GWR por su sigla en inglĂŠs) se constituye como una soluciĂłn al problema del reconocimiento de la estacionalidad (Fotheringham et al., 2002).

Cabe remarcar que, como paso previo al uso de este tipo de modelo espacial, se realizarån ejercicios de autocorrelación espacial de las variables dependientes, utilizando el coeficiente de Moran (1950)22 y de anålisis de sus índices locales de asociación espacial (LISA de acuerdo con su sigla en inglÊs -Anselin, 1995). Éstos permiten evaluar el grado de concentración o dispersión geogråfica de la abstención para cada una de las elecciones seleccionadas y su ubicación en el mapa de acuerdo con la homogeneidad o heterogeneidad espacial de los comportamientos, constituyÊndose ambos (para este caso específico) como parte del diagnóstico que sugiere si es necesario, como consecuencia de la existencia o inexistencia de estacionalidad, el cambio de modelo de regresión a utilizar.

21

Aunque cabe reconocer que, mĂĄs allĂĄ de los inconvenientes, este tipo de modelos no deja de ser un primer paso que brinda informaciĂłn relevante en cuanto a las variables, permitiendo establecer parĂĄmetros para un proceso de modelaciĂłn posterior (SĂşlez GĂłmez, 2014).

22 De acuerdo con Vilalta y Perdomo (2005) el coeficiente I de Moran es la tĂŠcnica mĂĄs antigua y utilizada para medir la autocorrelaciĂłn espacial de una variable. Este refleja el grado en que actividades u objetos presentes en un espacio geogrĂĄfico son similares a otros ubicados cerca de ellos (Goodschild, 1987). Su fĂłrmula para una variable continua es: đ??ź=

đ?‘› đ?‘—=đ?‘›

∑đ?‘–=đ?‘› đ?‘–=1 ∑đ?‘—=1 đ?‘Šđ?‘–đ?‘—

đ?‘—=đ?‘›

∗

∑đ?‘–=đ?‘› đ?‘–=1 ∑đ?‘—=1 đ?‘Šđ?‘–đ?‘— (đ?‘Ľđ?‘– − đ?‘ĽĚ… )(đ?‘Ľđ?‘— − đ?‘ĽĚ… ) 2 ∑đ?‘–=đ?‘› đ?‘–=1 (đ?‘Ľđ?‘– − đ?‘ĽĚ… )

Donde n es el nĂşmero de unidades distribuidas en el mapa, Wij es la matriz de contigĂźidad entre ĂĄreas o puntos.

El coeficiente es sometido a una prueba de significancia estadĂ­stica de valores Z, con el supuesto de una distribuciĂłn normal (Vilalta y Perdomo, 2005).

24

También es importante señalar que otro tipo modelos como los multivariados de regresión espacial autorregresivo (Anselin, 1992; Sánchez-Peña, 2012) pueden contribuir, mediante la inclusión en el modelo de un rezago (Lag) o de un error espacial, a resolver el problema de la dependencia espacial.23 Sin embargo, estos no permiten identificar la estacionalidad de los datos, cosa que si se soluciona a través de la utilización de los GWR. De hecho, esta técnica consiente un tipo de exploración que da cuenta de los efectos espaciales que pueden existir en la relación entre las variables.

Retomando el discurso original, a diferencia de las OLS, las GWR permiten no solo la estimación de parámetros globales, sino también locales donde los β pueden variar espacialmente (Fotheringham et al., 2002; De Smith, Goodchild y Longley, 2007). Estos últimos implican la incorporación de la información de unidades dentro de un ancho de banda y la evaluación del impacto sobre cada unidad geográfica de los “vecinos más cercanos”24, teniendo en cuenta que estos últimos tienden a producir un impacto mayor que aquellos más distantes. De este modo, la técnica cuestiona el supuesto teórico de los modelos estándar (globales) que asume que éstos pueden ser interpretados de forma homogénea en la totalidad del espacio geográfico al que se aplican (Sánchez-Peña, 2012) y establecen ecuaciones individuales en las entidades espaciales incorporadas dentro del ancho de banda señalado, para capturar las variaciones geográficas (Fotheringham et al., 2002).

Dentro de este marco, las GWR lineales25 estiman el siguiente tipo de modelo: yi = βo (ui,vi) + β1 (ui,vi)x1i + β2 (ui,vi)x2i + … + βn (ui,vi)xni + ε(i) Donde se calcula un coeficiente β por cada ubicación tomando en cuenta los valores vecinos, siendo u y v las coordenadas geográficas26 de (en este caso) el municipio i en el que se analizan las variables, mientras que la estimación de los parámetros se obtiene de: β' = (xt W(I)x)-1 xt W(I)y

23

En ésta, el término de error viola el supuesto no correlación de los errores propio de los OLS. Como señala Sánchez-Peña (2012), este no afecta los coeficientes de los modelos y a través de la utilización de un Modelo Espacial del Error, puede hacerse más eficiente la estimación. La utilización de cada uno de ellos dependerá del tipo de dependencia espacial que sea identificada. Una de ellas puede ser interpretada como ruido o ajena al foco del análisis (Anselin, 1992).

24 Además de la ubicación absoluta, un aspecto importante de las observaciones de datos espaciales es el análisis de posicionamiento relativo que implica la interacción de una unidad con sus vecinos (Anselin, 1992).

25 También existen versiones logísticas y poisson. De hecho, las GWR pueden ser entendidas como una familia de modelos más que como un tipo específico de regresión.

26 Este tipo de modelos utiliza las coordenadas de centroides como target points.

25

Donde W(I) es la matriz de contigüidad de Ord (1975), o de pesos (a través de las que se incluye al espacio como un elemento relevante dentro del modelo), elaborada para la ubicación de i y permite producir la ponderación de las observaciones más cercanas y distantes al punto de referencia. De este modo, los parámetros locales de la regresión contienen ponderaciones que se transforman de acuerdo con la proximidad.

En esencia, una matriz espacial resume la topología de un set de datos bajo teoría de grafos. En ella se predefinen los valores vecinos que serán tenidos en cuenta para efectuar el análisis. Lo anterior se realiza a través de un diseño de asignación binaria de valores (donde 1 representa la proximidad entre la región de referencia y las vecinas y 0 lo contrario) que serán clasificados teniendo en cuenta dos criterios: en primer lugar, los órdenes de contigüidad en la vecindad. En segundo lugar, se hace referencia al tipo de límite común que, a su vez, puede clasificarse a partir de tres categorías: contigüidad de tipo torre, también conocida como criterio del borde común, la de tipo alfil (o de vértice común) y finalmente de tipo reina (o criterio de radio), donde las unidades comparten tanto vértices como lados en común (Anselin, 1992; Sánchez, Velasco y Medina, 2013).

Dentro de este marco, la estimación de los parámetros para cualquiera de los puntos analizados dependerá de la selección de un kernel (es decir, una curva de peso gaussiano) que se utiliza para calcular el ancho de banda. Existen, desde este punto de vista, dos tipos específicos de kernel, el fijo y el adaptativo. En el primero se utiliza el mismo ancho de banda en todos los casos, mientras que, en el segundo, éste varía ajustándose a la distancia existente entre los espacios analizados (en la medida de la variación de la densidad de los datos) identificando un ancho de banda óptimo.

El modelo proveerá un número equivalente de regresiones locales al de unidades espaciales tenidas en cuenta en el estudio. Por esta razón los resultados se simplifican, exhibiéndose cinco valores resultantes de una división en umbrales (valor mínimo, primer cuartil, mediana, tercer cuartil y valor máximo) en los que se presentarán los valores de los coeficientes de regresión β. A través de ellos, podrán apreciarse los niveles de variación geográfica de los mismos a lo largo del territorio analizado (del mismo modo en que se puede hacer con el coeficiente de determinación R2 que es calculado localmente por el tipo de regresión).

La evaluación en torno a la bondad del ajuste (en comparación con los modelos globales) puede realizarse a través de una serie de indicadores como el R2 y el R2 ajustado, una prueba ANOVA que compara ambos tipos de modelos y, especialmente, por el

26

diagnóstico producido el criterio de información de Akaike (AICc). En este último caso, el valor que resulte más bajo será aquel del modelo que se ajuste mejor al análisis de los datos.

Por último, también es importante utilizar un test de Monte Carlo, que consiente estimar si la variabilidad local de los parámetros es estadísticamente significativa. Es decir, si la variable explicativa afecta o no a la independiente desde el punto de vista local.

3.1. Descripción de las variables En relación con lo ya planteado en las hipótesis, la variable dependiente es la abstención, entendida como el porcentaje de ciudadanos con derecho a voto que no asistirán a las urnas en las nueve elecciones señaladas con anterioridad. Se analizará su comportamiento en las elecciones presidenciales y legislativas de 2014, departamentales y municipales 2015 y en el plebiscito de 2016 en los 1122 municipios del país (ver mapa 1).

Mientras tanto, entre las explicativas puede identificarse a: el porcentaje de “población urbana” de cada municipio, el porcentaje de población perteneciente a “minorías étnicas” (indígena y afrodescendiente) presente en los mismos, el nivel de educación medido a través de la variable “secundario”, el bienestar, a través de “necesidades básicas insatisfechas (NBI)”, las “acciones armadas” (log) realizadas por un grupo armado al margen de la Ley, el número de “homicidios” (log) realizados en cada municipio, el nivel de “fragmentación” del sistema de partidos y, finalmente, el nivel de “competitividad” de este último.

Su selección responde a una serie de factores relevantes. En primer lugar, ninguna de ellas fue escogida por razones arbitrarias, sino como resultado de una meticulosa revisión bibliográfica. De hecho, como puede observarse en el apartado de revisión de la literatura, se tuvieron en cuenta variables de carácter “general”, es decir utilizadas para análisis en los que se buscaron realizar generalizaciones “universales” o de alcance medio, y otras específicas del caso colombiano (como la de acciones de grupos armados).

También es importante señalar que, como se mencionó, su selección estuvo asociada al tratamiento espacial que se les puede dar. Es decir, se omitieron variables indudablemente relevantes, pero asociadas a cuestiones psíquicas y que no pueden ser utilizadas en un estudio de estas características.

Finalmente cabe remarcar que, en todos los casos, la operacionalización también se realizó seleccionando indicadores convencionales tomados de la literatura especializada. En la tabla 2, puede observarse una síntesis de la operacionalización de las variables previamente mencionadas.

27

Tabla 2 Información sintética de las variables Variable Abstención (variable dependiente) Población urbana (variable explicativa)

Minorías étnicas (variable explicativa) Secundario* (variable explicativa)

NBI (variable explicativa)

Acciones Armadas (variable explicativa) Homicidios (variable explicativa)

Tipo Continua.

Indicador Porcentaje de personas habilitadas para votar que no ejercen el derecho al sufragio.

Cálculo Abstención =

total población votante total población autorizada para votar

Fuente Registraduría Nacional del Estado Civil Departamento Administrativo Nacional de Estadística (estimaciones 2014) Departamento Administrativo Nacional de Estadística (estimaciones 2014)

Continua

Porcentaje del total de la población de un municipio que vive en su área urbana.

población que reside en áreas urbana del municipio Población urbana = total población del municipio

Continua

Porcentaje de la población de un municipio que pertenece a grupos étnicos indígena o afrodescendiente.

población indígena + afrodescendiente del municipio Minorías étnicas = total población del municipio

Continua

Porcentaje de la población con edad de colegio secundario matriculada en el sistema.

número de estudiantes de secundaria en el municipio Secundario = población en el rango de edad "secundadria"

Ministerio de educación (datos 2015)

Continua

Porcentaje de personas que tienen insatisfecha alguna (o más de una) de las necesidades definidas como básicas para subsistir en la sociedad a la cual pertenece. Capta condiciones de infraestructura y se complementa con indicadores de dependencia económica y asistencia escolar.

número de personas con alguna necesidad básica insatisfecha en un municipio NBI = total de la población del municipo

Departamento Administrativo Nacional de Estadística (datos 2010)

logaritmo

Número de acciones armadas llevadas adelante por un grupo armado al margen de la Ley.

Vicepresidencia de la República (datos 2010-2014)

logaritmo

Número de homicidios llevados a cabo en un municipio.

Vicepresidencia de la República (datos 2014)

28

FragmentaciĂłn (variable explicativa) Competitividad (variable explicativa)

Continua

Continua

NĂşmero efectivo de partidos (NEP). Este constituye una medida de fragmentaciĂłn electoral, consistente en el nĂşmero de partidos ponderado por su tamaĂąo en votos (Laakso y Taagepera, 1979).

Diferencia en porcentaje de votos entre el partido o candidato ganador y el segundo. Donde 0 es la mĂ­nima diferencia y, por lo tanto, el mayor nivel de competitividad y 1 lo contrario.

đ?‘ đ??¸đ?‘ƒ =

1 ∑đ?‘›đ?‘–=1 đ?‘ƒđ?‘–2

Donde Pi es la proporciĂłn de votos de cada partido i. Siendo el lĂ­mite inferior igual a 1 en aquellos casos donde se presenta un solo partido a la elecciĂłn, no habiendo un lĂ­mite superior.

Es Competitividad= % de votos de partido ganador - % de votos del segundo

RegistradurĂ­a Nacional del Estado Civil

0 1 2

RegistradurĂ­a Nacional del Estado Civil

3 4 5

6 7 8 9

Nota: los datos de las variables PoblaciĂłn Urbana, MinorĂ­as ĂŠtnicas, Secundario, NBI, Acciones armadas y Homicidios, fueron adquiridos de la base de datos del Sistema de InformaciĂłn GeogrĂĄfica para la PlaneaciĂłn y el Ordenamiento Territorial (SIGOT) del Instituto GeogrĂĄfico AgustĂ­n Codazzi. * En el caso de la variable secundario, son varios los municipios que supera la cobertura del 100%, esto puede explicarse ya sea por la asistencia los colegios de jĂłvenes de localidades vecinas o por la matrĂ­cula de “estudiantes fantasmasâ€? utilizados para el cobro de recursos por cupo que ofrece el Ministerio de EducaciĂłn

29

3.2.

Secuencia de pasos metodológicos Finalizado el proceso que va desde la formulación del problema hasta el procesamiento

de los datos, la secuencia de pasos metodológicos continúa con la estimación de los modelos de mínimos cuadrados ordinarios (ver apartado 4.1). Estos permiten identificar los primeros resultados y extraer las conclusiones iniciales. Sin embargo, la revisión de la distribución espacial (no aleatoria) de los residuos estándar, muestra un problema de especificación del modelo que induce a la utilización de un de tipo espacial (local). Esta situación es ratificada por los resultados exhibidos por lo coeficientes I de Moran y los LISA de la variable dependiente (ver sección 4.2).

Finalmente, la sumatoria de estos elementos lleva a la utilización de los GWR que terminan de confirmar y mostrar el efecto espacial de las variables (ver apartado 4.3), exponiendo un ajuste global evidentemente superior al de la OLS y una mayor capacidad explicativa de los resultados en la que se puede observar los efectos diferenciales desde el punto de vista local.

Dicha secuencia puede ser observada en la siguiente figura.

Figura 1 Diagrama de flujo: pasos del proceso metodológico

30

Tanto para los modelos de mínimos cuadrados ordinarios como los geográficamente ponderados (junto a los test de Monte Carlo) se utiliza el software WGR427 desarrollado por Tomoki Nakaya, Martin Charlton, Paul Lewis, Stewart Fotheringham y Chris Brunsdon (2015). Se optó por la selección de un modelo gaussiano con un kernel adaptativo. El uso de este tipo de kernel se centró en el hecho de que el fijo puede ser redundante en algunos tipos de submuestras, tanto en aquellas regiones densas en datos (donde el coeficiente puede sufrir un sesgo) o donde son escasos (donde el modelo puede ser ineficiente). Por el contrario, el adaptativo se expande en las áreas donde las observaciones son escasas y se contrae donde muestran una alta densidad corrigiendo los problemas anteriormente señalados (Fotheringham et al., 2002).

El mismo software selecciona el ancho de banda óptimo para cada uno de los modelos.

Este también realiza los test de Monte Carlo, que permiten identificar la significancia espacial de cada una de las variables. Por su parte, tanto para el cálculo del I de Moran como de los LISA se emplea la versión 1.8.16.4.1 de GeoDa, desarrollado por Luc Anselin (2015)28.

Para la realización del análisis espacial, el sistema de coordenadas utilizado fue Bogota_UTM_Zone_17N (Transverse_Mercator), que proyecta los datos en un espacio ortogonal de dos dimensiones (x-y). Este es adecuado tanto desde el punto de vista de la escala -menor a (1:10.000)- como de la superficie que se pretende mostrar (IGAC, 2004).

27

Su uso se combinó con el de ArcGIS 10.5 (ESRI, 2018). Mientras que este tiene evidentes ventajas desde el punto de vista de la visualización y el análisis de a multicolinealidad local, el GWR4 permite realizar tanto las pruebas ANOVA para evaluar el ajuste de los modelos que consiente estimar si de la variabilidad local de los parámetros es estadísticamente significativa.

28 Ambos son softwares libres de fácil utilización y realizan las pruebas necesarias para la comparación basada en la bondad del ajuste de los distintos modelos (ver apartado de descripción de los datos).

31

4.

Resultados Como se mencionó en el apartado metodológico, el primer paso consistió en la

utilización de una serie de modelos de regresión lineal múltiple, estimados mediante la técnica de mínimos cuadrados ordinarios. Se hace referencia a modelos de tipo global replicados en las nueve elecciones estudiadas.

Es interesante destacar que esto no produce explicaciones homogéneas en todos los casos. De hecho, como puede observarse en la tabla 3, solo la mitad de las variables explicativas posee un comportamiento similar con relación a con la estabilidad del valor t y del signo del coeficiente β. Éstas son: cobertura bruta de secundario, homicidios, acciones armadas y fragmentación.

En el primero de los casos (educación -H1-) se rechaza la hipótesis nula, observándose que, ceteris paribus, a medida que la tasa de cobertura de secundario en un municipio aumenta, disminuye la abstención. También se rechaza la hipótesis nula en H7 y H7’ 29; sin embargo, a diferencia del caso anterior, existe una relación directa entre las respectivas variables independientes (acciones armadas y homicidios) y la dependiente. Es decir, en ambas oportunidades, manteniendo inalterados los valores de las otras variables, un aumento de cualquiera de las dos en un municipio tiende a producir también un incremento de la abstención electoral. Hay que recordar, además, que estas variables fueron transformadas en logaritmos (ver tabla 2) y en todos los casos el valor del exponencial es mayor a 1 por lo que los efectos deben ser considerados como positivos. La única excepción es acciones armadas en el plebiscito de 2016 donde el efecto fue el opuesto (una reducción de la abstención).

Finalmente, el último caso donde pueden observarse efectos homogéneos es el de fragmentación; sin embargo, a diferencia de los anteriores, se confirma la hipótesis nula de H6 (el aumento de la fragmentación electoral en un municipio produce un aumento de la abstención en el mismo)30, siendo su comportamiento opuesto a las expectativas lógicas.

29

En el caso de acciones armadas existe una excepción en el caso del plebiscito de 2016. Una explicación al respecto será esbozada en el apartado de análisis.

30 Cabe señalar que en dos casos (segundo turno presidencial y plebiscito) no es tenida en cuenta ya que se detectó este efecto a través del factor de inflación de la varianza -VIF-, mostrando un problema de multicolinealidad con la variable competitividad. Esto no es casual, dado que son las únicas elecciones dicotómicas (es decir donde hay exclusivamente dos opciones) presentándose una intensa correlación negativa entre ambas variables. En esos casos, el número efectivo de partidos necesariamente oscila entre 1 y 2. Cuando la competencia es alta, es decir es escasa la diferencia de las votaciones de los dos partidos, el NEP se acercará al valor máximo, lo contrario ocurrirá cuando sea baja. Naturalmente, esto no tiene por qué suceder cuando son más los actores en competencia.

32

En el resto de los casos, las hipótesis no pueden ser ni rechazadas ni confirmadas completamente, mostrando un comportamiento errático desde el punto de vista interelección, ya sea por la variación de los signos de los coeficientes beta como de la significancia estadística.

Dentro de este marco, puede observarse como el nivel de desarrollo (H2) posee un impacto positivo (aumento de la abstención) en las elecciones con mayor grado de nacionalización (presidencial y plebiscito), negativo (disminución) en las legislativas y oscilante en las subnacionales (no es significativo en las departamentales y es negativo en las municipales). Por el lado de población urbana (H3) no es significativo en las presidenciales, es negativo en las legislativas y positivo en las subnacionales. Finalmente, en lo referido a minorías étnicas (H4) su mayor presencia en un municipio aumenta la atención en las elecciones más nacionalizadas posee un comportamiento errático en las legislativas y las subnacionales Algo similar a lo que ocurre con H6).

Como se señaló, estos resultados ofrecen los primeros indicios de la heterogeneidad de las conductas generadas desde un punto de vista inter-elección; aunque vale la pena aclarar la existencia de comportamientos relativamente homogéneos entre los segmentos de elecciones pertenecientes a ámbitos similares (presidenciales, legislativas, departamentalesmunicipales, etc.) o celebradas de forma concurrente. Lo anterior conduce también a la aceptación de la hipótesis nula en H5, rechazando que las elecciones nacionales (a las que se asumen como más relevantes) tienden a producir una menor abstención.

De este modo, comienza a desvanecerse cualquier tipo de interpretación que la asuma como un fenómeno homogéneo y estructural. De hecho, basta una rápida y superficial aproximación a datos de tipo descriptivo (incluso, nacionalmente agregados) para demostrar que esta clase de afirmación es evidentemente cuestionable.

33

Tabla 3 Estimadores de modelos de regresión de mínimos cuadrados ordinarios Presidencia 1° Presidencia Turno 2° turno 0,496191*** 0,530791***

0,554194***

0,61073***

(0,017943)

(0,014383)

(0,023447)

(0,02934)

Población urbana

0,010915

0,016072

(0,010282)

Minorías étnicas

0,038803***

Intercepto

Secundario NBI Acciones Armadas Homicidios Fragmentación

Asambleas

Alcaldías

Concejos

Plebiscito

0.295368***

0.299222***

0,322805***

0,327946***

0,581448***

(0.024031)

(0.021313)

(0,019026)

(0,018685)

(0,013474)

-0,107525*** -0,09731***

0.026507*

0.017347

0,029531**

0,027367*

0,029303**

(0,010951)

(0,012615)

(0,012349)

(0.012095)

(0.012565)

(0,01154)

(0,01271)

(0,0105)

0,053103***

-0,018815

-0,021754*

0.022244*

0.018975

0,020359*

0,022808*

0,035754***

(0,010229)

(0,010993)

(0,01233)

(0,012265)

(0.012075)

(0.012302)

(0,011561)

(0,011854)

(0,010714)

-0,035516***

-0,058961*** -0,037008*** -0,040385*** -0.042522***

-0.039022*** -0,040218*** -0,03689***

-0,029103***

(0,007984)

(0,008513)

(0,009617)

(0.009569)

(0,009016)

(0,009244)

(0,008244)

0,219627***

0,131574***

-0,050358*** -0,052487*** -0.011492

0.005356

-0,044246**

-0,040561**

0,171369***

(0,013963)

(0,013545)

(0,015715)

(0,015648)

(0.015392)

(0.015684)

(0,014722)

(0,014974)

(0,013448)

0,00057***

0,001052***

0,002037***

0,002157***

0.000835**

0.000745**

0,001059***

0,000999***

-0,000705***

(0,000221)

(0,000234)

80,000264)

(0,000262)

(0.000264)

(0.000267)

(0,000247)

(0,000255)

(0,000225)

0,000576***

0,000734***

0,000932***

0,000708**

0.001856***

0.001804***

0,001845***

0,001871***

0,000686***

(0,000204)

(0,000218)

(0,000247)

(0,000248)

(0.000241)

(0.000245)

(0,000231)

(0,00024)

(0,00021)

0,02594***

0,017878***

0.025471***

0.011478***

0,018965***

0,007493***

(0,00339)

0,016795***

Cámara

(0,00956)

Gobernaciones

(0.009411)

(0,00444)

(0.005257)

(0.001775)

(0,0035)

(0,001619)

0,003314

-0,060879*** 0,03952

-0,074361*

0.076066***

0.098350***

0,07778***

0,150018***

-0,037958***

(0,011085)

(0,010385)

(0,025875)

(0,03798)

(0.017166)

(0.026817)

(0,021831)

(0,04299)

(0,012218)

0.324640

0.252943

0.188882

0.205113

0.156560

0.165791

0.199434

0.198051

0.205523

R ajustado 0,319183 0,247583 0,182329 0,198691 0.149727 Elaboración propia con datos de Registraduría Nacional del Estado Civil y SIGOT * p<0,05, ** p<0,01, *** p<0,001 Valores t de una cola.

Errores estándar entre paréntesis.

0.159033

0,192878

0,191484

0,199822

Competitividad R

2 2

(0,003211)

Senado

34

De hecho, como puede observarse en la tabla 4, existe una significativa variación entre una elección y otra, alcanzándose en los casos extremos (gobernaciones 2014 y plebiscito 2016) más de veinte puntos de diferencia.

Tabla 4 Abstención de acuerdo el tipo de elección Elección % abstención Tipo Presidencial 2014. 1° turno 59,53 Presidencial 2014. 2° turno 52,11 Nacional Plebiscito 2016 62,57 Senado 2014 56,42 Nacional (altamente Cámara 2014 56,43 regionalizada) Gobernación 2015 36,69 Asamblea 2015 41,08 Sub-nacional Alcaldía 2015 40,68 Concejo 2015 42,4 Elaboración propia con datos de la Registraduría Nacional del Estado Civil

Pero si este primer acercamiento muestra que la abstención está lejos de ser un fenómeno constante, la evidencia comienza a tornarse aún más clara a medida que los datos son analizados de forma desagregada. En el gráfico 1 puede observarse como no solo existe una visible variación desde el punto de vista inter-elección, sino también intra-elección, ofreciendo los primeros indicios de la variación geográfica de los datos.

Gráfico 1 Niveles de abstención por elección y municipio

Elaboración propia con datos de la Registraduría Nacional del Estado Civil

35

Como consecuencia de ello, se decidió recurrir a la utilización de modelos locales buscando alcanzar estimaciones más eficientes e interpretaciones más específicas del fenómeno analizado.

En este sentido, el primer paso consiste en la realización de ejercicios de autocorrelación espacial de las variables dependientes y el análisis de sus índices locales de asociación espacial. Estos permiten evaluar tanto el grado de concentración o dispersión de la abstención como su ubicación geográfica de acuerdo con la homogeneidad o heterogeneidad espacial de los comportamientos (aunque no detectar con certeza la existencia de estacionalidad). Para su ejecución se elaboró de una matriz de tipo reina (o criterio de radio entre unidades que comparten ya sea un lado o un vértice con la unidad de referencia) con un orden de contigüidad.

Los resultados para todos los casos muestran que el coeficiente I de Moran (Moran, 1950) es significativo con un nivel de confianza del 99%, careciéndose de evidencia a favor de la hipótesis nula de no autocorrelación (ver tabla 5). Además, la revisión de dichos coeficientes ofrece valores razonablemente altos de dependencia positiva (oscilan entre el 45% y el 65%)31 y se caracterizan por una relativa homogeneidad al observarse cada segmento de elecciones.

Tabla 5 I de Moran de la variable abstención para las nueve elecciones I de Valor-z Moran Presidencia 1° turno 0,6263 33,8400 Presidencia 2° turno 0,6544 37,1272 Senado 0,5795 31,6002 Cámara 0,5882 33,5718 Gobernaciones 0,4780 25,7504 Asambleas 0,4565 25,1200 Alcaldías 0,4995 26,2442 Concejos 0,4525 245444 Plebiscito 0,5985 32,6103 Elaboración propia con datos de la Registraduría Nacional del Estado Civil Valores con 999 permutaciones

Existe dependencia espacial en aquellos casos en que “el valor de la variable dependiente en una unidad espacial es parcialmente función del valor de la misma variable en unidades vecinas” (Flint, Harrower y Edsall, 2000). Es decir, cuando la autocorrelación de la variable es sustantiva y o existe un factor de aleatoriedad (Vilalta y Perdomo, 2005).

31

36

Lo anterior puede reafirmarse al revisar los gráficos de 2 a 10 donde se puntualizan los clústeres (interpretados como un indicador que muestra la existencia de aglomeraciones de valores similares u opuestos dentro de un conjunto de unidades espaciales determinadas) constituidos por municipios con valores similares (tanto positivos como negativos).

De hecho, su observación permite identificar en el cuadrante superior derecho los municipios caracterizados por la posesión de altos valores de abstención y por estar rodeados por vecinos con un comportamiento similar. En el inferior izquierdo, aquellos que presentan la situación opuesta; es decir, casos con bajas tasas de abstención, rodeados por municipios en análoga situación. Finalmente, los otros dos cuadrantes restantes muestran la existencia de casos atípicos (para este estudio específico), donde coexisten valores altos y bajos de participación.

Cabe aclarar que en el eje x se ubica la variable analizada, mientras que en el y lo hace el rezago espacial (Lag) de la misma.

Gráfico 2 I de Moran abst. Pres. 1°T

Gráfico 3 I de Moran abst. Pres. 2°T

Elaboración propia con datos de Registraduría Nacional del Estado Civil

37

Gráfico 4 I de Moran abstención. Plebiscito

Elaboración propia con datos de Registraduría Nacional del Estado Civil

Gráfico 5 I de Moran abst. Senado

Gráfico 6 I de Moran abst. Cámara

Elaboración propia con datos de Registraduría Nacional del Estado Civil

38

Gráfico 7 I de Moran abst. Gobernaciones

Gráfico 8 I de Moran abst. Asambleas

Elaboración propia con datos de Registraduría Nacional del Estado Civil

Gráfico 9 I de Moran abst. Alcaldías

Gráfico 10 I de Moran abst. Concejos

Elaboración propia con datos de Registraduría Nacional del Estado Civil

De lo anterior, pueden deducirse los siguientes corolarios: 1. Geográficamente hablando, independientemente del tipo de elección a la que se haga referencia, el abstencionismo no se distribuye de forma aleatoria.

2. Esta distribución espacial tiende a concentrarse en torno a focos de valores altos, por un lado, y bajos, por el otro. Es decir, tanto la abstención como la participación parecen

39

tener comportamientos de tipo regional/local que difícilmente puedan ser explicados con precisión solo a través de modelos globales.

Reconocida la presencia de los clústers, es el momento de tratar de identificar su ubicación espacial. Para lograrlo, se pasa del desarrollo de un modelo global como es el de autocorrelación espacial a uno de tipo local para lo que se utilizará el LISA. Desarrollado por Anselin (1995), este permite establecer la localización geográfica de hot spots, es decir áreas de concentración de valores altos de la variable analizada y cold spots, ejes entorno a los que se concentran valores bajos. En este caso específico, en los mapas 2 a 10, pueden observarse en color rojo los puntos calientes y en azul los fríos. Aquellos de color azul claro representan por su parte, centros de baja abstención rodeados por otros de alta y los rojos tenues, municipios caracterizados por la alta abstención, pero rodeados por otros con baja.

40

Mapa 2 Análisis LISA. Presidencia 1° turno

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 3 Análisis LISA. Presidencia 2°turno

41

Mapa 4 Análisis LISA. Plebiscito

Basado en datos de Registraduría Nacional del Estado Civil

Dentro de este marco, puede distinguirse que en las elecciones caracterizadas por un perfil más claramente nacional (presidenciales y plebiscito) existe un claro eje de alta participación ubicado en el centro (centro/este) geográfico del país, más específicamente en municipios de los departamentos de Cundinamarca, Boyacá, Santander y parte de Norte de Santander y Casanare, con algunos “manchones” dispersos (cambiantes de acuerdo a la elección) en el eje cafetero y Nariño (para una referencia más precisa de la ubicación geográfica de los departamentos ver mapa 1 en el apartado metodológico).

Mientras tanto, los puntos calientes en términos de abstención pueden ser ubicados en la región Amazónica (y parte de la Orinoquía) el Chocó, parte de Antioquia, Santander y la costa Caribe. De hecho, este último caso es particularmente interesante por mostrar una significativa variación entre el primer turno y el plebiscito, por un lado, y el segundo por el otro. Esto da una muestra consistente de una de las regiones que se “mueven” más intensamente de acuerdo con la distribución extensiva de recursos materiales para incentivar el voto por distintos candidatos.

42

Mapa 5 Análisis LISA. Senado

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 6 Análisis LISA. Cámara

43

Simultáneamente, cabe destacar que desaparece el cold spot del área central/oriental, observándose, en su lugar, una distribución aleatoria. Es decir, a pesar de que deja de ser un foco de participación, no pasa a ser uno de abstención. También es interesante señalar que se rompe el patrón abstencionista de la región Amazónica/Orinoquía.32 Pasando a las elecciones departamentales y municipales, es interesante apuntar que, del mismo modo que ocurre en el caso de la legislativas, el comportamiento inter-elección es extraordinariamente homogéneo; incluso aun cuando dos de los comicios pertenecen a distintos tipos de unidades geográfico-administrativas como son departamentos y municipios, y mecánicas institucionales diversas como elecciones de tipo mayoritario y proporcional.

Dentro de este marco, la suma de problemas de los modelos globales con la información apenas presentada permite afirmar que existe suficiente evidencia empírica para asumir la necesidad de trabajar con un modelo geográficamente ponderado que permitan interpretar más precisamente los efectos espaciales de las variables explicativas en cada una de las elecciones.

Sin embargo, como se mencionó, si bien los modelos apenas señalados pueden mostrar indicios de estacionalidad, no logran confirmarla. Para conseguirlo es necesario apelar a otro tipo de estrategia como es la utilización de las GWR. La aproximación a los datos a través de éstas evidencia, para todos los casos estudiados, una mejora sensible en el ajuste de los modelos, ratificando la intuición proveniente de la evaluación realizada a través del coeficiente de autocorrelación de Moran y de los LISA.

32

Contribuyendo a poner en cuestión a la (razonable) intuición que indica que los bajos niveles de participación en la región podrían estar asociados, a la dificultad de acceso a los puestos donde se ejerce el sufragio, como consecuencia de las condiciones deficitarias que enfrentan desde el punto de vista infraestructural. Más específicamente, de acceso físico a los puestos de votación en municipios caracterizados por ser los que poseen las mayores superficies y estar “en medio de la selva”.

44

Mapa 7 Análisis LISA. Gobernaciones

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 8 Análisis LISA. Asambleas

45

Mapa 9 Análisis LISA. Alcaldías

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 10 Análisis LISA. Concejos

46

Esto puede observarse a través de una serie de resultados que van desde los análisis de varianza -ANOVA- (donde, en todos los casos, fue rechazada la hipótesis nula que sostiene que la regresión geográficamente ponderada no representa una mejora frente a la de mínimos cuadrados ordinarios), hasta la evidente mejoría de la bondad del ajuste existente en los coeficientes de determinación. Pero, especialmente, mediante el diagnóstico del criterio de información de Akaike (AICc), que exhibe un ajuste significativamente superior de los modelos locales sobre los globales (ver desde tabla 7 hasta tabla 15).

Sin embargo, las ventajas ofrecidas por este tipo de regresión no se detienen exclusivamente allí. Asimismo, ofrece la oportunidad de realizar un análisis de la variabilidad espacial de los coeficientes locales, de modo que se logra incrementar la precisión de las inferencias y reducir, simultáneamente, el sesgo de la estimación al tener en cuenta la proximidad geográfica.

Por otro lado, aun cuando no se puede dejar de señalar que la autocorrelación espacial de Moran de los errores estándar continúa siendo en todos los casos significativa al 99% (es decir que tampoco en estos casos pueden descartarse completamente los problemas de especificación de los modelos), el I tiende a ser notablemente bajo (sensiblemente inferior a los observados en los OLS), exhibiendo una distribución aleatoria (ver tabla 6) que mostraría una corrección de los problemas de dependencia espacial.

Tabla 6 I de Moran de los residuos estándar de los modelos de regresión

WGR OLS

Presidencia 1° turno 0.009485004 0.07755346 Gobernaciones

Presidencia 2° turno 0.0116454 0.07744824 Asambleas

0.0114651 0.1009096 Alcaldías

0.002699262 0.1136475 Concejos

WGR OLS

0.008140487 0.08597053

0.01060823 0.0802046

0.007751508 0.0814599

0.009288072

Plebiscito

Senado

Cámara 0.009955563 0.1127143

0.07920571

Por último, es importante señalar que se descarta cualquier problema de multicolinealidad local de las variables. Esto puede afirmarse gracias a los valores asumidos por los números de condición, que en ningún caso alcanzaron los umbrales estipulados como parámetros de identificación de ese efecto. De este modo, se garantiza la estabilidad de los resultados.

Pasando a los casos, la revisión de los coeficientes de determinación resultantes de las estimaciones realizadas con los GWR (R2 locales), puede notarse nuevamente una variación

47

sensible en la capacidad predictiva del modelo básico, que oscila tanto desde el punto de vista inter-elección como intra-elección, mostrando evidentes desigualdades en sus capacidades explicativas de acuerdo con la región. Sin embargo, vale señalar que más allá de dichas divergencias es posible diferenciar y agrupar los resultados por segmento de elección (caracterizados, otra vez, por un razonable nivel de semejanza de acuerdo con el tipo de comicio: presidencial/plebiscito, legislativas y municipales/departamentales).

Mapa 11 R2 local. Presidencia 1° turno

Basado en datos de Registraduría Nacional del Estado Civil

48

Mapa 12 R2 local. Presidencia 2° turno

Basado en datos de RegistradurĂ­a Nacional del Estado Civil

Mapa 13 R2 local. Plebiscito

49

Mapa 14 R2 local. Senado

Basado en datos de RegistradurĂ­a Nacional del Estado Civil

Mapa 15 R2 local. CĂĄmara

50

Mapa 16 R2 local. Gobernaciones

Basado en datos de RegistradurĂ­a Nacional del Estado Civil

Mapa 17 R2 local. Asambleas

51

Mapa 18 R2 local. AlcaldĂ­as

Basado en datos de RegistradurĂ­a Nacional del Estado Civil

Mapa 19 R2 local. Concejos

52

Pero la revisión de los coeficientes de determinación se limita exclusivamente a la explicación del ajuste de los modelos en general, sin indicar el efecto específico que producen las variables explicativas sobre la abstención desde el punto de vista geográfico.

En este sentido, el siguiente paso consiste en la estimación de la variabilidad espacial de los parámetros, cuya significancia estadística fue revisada a través del test de Monte Carlo, basados en los resultados de las estimaciones locales. En términos generales (aunque con razonables diferencias) puede afirmarse que, valga la redundancia, la mayor parte de las variables muestra la existencia de dicho tipo de variabilidad (señalada en las tablas de regresión por el signo negativo en la columna DIFF of Criterion -Nakaya, 2016- ), asegurándose que son significativas desde el punto de vista espacial (de modo que se refuerza la idea de no estacionalidad de las mismas).

Existen solo algunos casos excepcionales en los que esto no ocurre sistemáticamente como “homicidios” (no es significativo en ninguna de las oportunidades) o “acciones armadas”, apenas en cuatro de los modelos. En el resto, las variables son espacialmente significativas en más de dos tercios de las elecciones analizadas.

Sin embargo, para lograr una aproximación más precisa es necesario examinar los casos tanto por elección como por bloque de éstas. El efecto de estas variables podrá ser observado en los mapas (de 20 a 63) del siguiente modo. El color amarillo indica el cuartil caracterizado por la coexistencia de ambos signos (y, por lo tanto, el de la presencia del cero) en los valores beta, el gradiente del color azul señala la intensidad del efecto negativo (es decir una disminución de la abstención) de la variable explicativa sobre la dependiente (cuya secuencia va desde los valores más bajos hasta los más altos), mientras que el rojo muestra, por el contrario, un aumento de la de la abstención. Dentro de cada uno de los cuartiles se agrupa un número similar de casos, que coincide con la división presentada en las tablas de regresión.

En lo referido específicamente al primer turno presidencial, al margen de la variable anteriormente mencionada, puede observarse un comportamiento homogéneo de “población urbana” (a medida que el porcentaje de ésta aumenta, disminuye la abstención) y “necesidades básicas insatisfechas” (que tiende a aumentar sistemáticamente la abstención).

En ambos caos, se aprecia la persistencia del signo del coeficiente beta en más de un 75% de los casos. Esto no puede afirmarse en otros como “cobertura de secundario” y “acciones armadas”. En ellos, aun cuando existe un efecto predominante (negativo), los

53

comportamientos son evidentemente más erráticos, no pudiéndose mostrar resultados caracterizados por la homogeneidad de los anteriores.

Tabla 7 Estimaciones de modelo de regresión Presidencia 1° turno (GWR) Min.

Cuartil bajo 0,446359 -0,068569 -0,020414 -0,049029 0,086193 -0,000838 -0,000131 0,012927 -0,01184

Mediana

Cuartil alto 0,559907 -0,006935 0,034734 0,000043 0,263126 0,001342 0,000749 0,035458 0,039816

Intercepto 0,269662 0,498247 Población urbana -0,228874 -0,038902 Minorías étnicas -0,378546 0,006178 Secundario -0,186058 -0,021239 NBI -0,147334 0,155752 Acciones Armadas -0,003241 -0,000058 Homicidios -0,002977 0,000401 Fragmentación -0,028724 0,024625 Competitividad -0,053474 0,01254 2 R 0.672712 R2 ajustado 0,590443 AICc (local) -3099.197077 AICc (global) -2673.956002 Elaboración propia con datos de Registraduría Nacional del Estado Civil

Max. 0,74099 0,087316 0,418548 0,048846 0,54491 0,003196 0,002126 0,064717 0,233819

DIFF of Criterion -871.757.952 -37.292.345 8.839.960 -132.057.658 -81.205.517 -14.560.935 17.939.168 -386.967.508 6.750.624

Por su parte, en lo referido al segundo turno, nuevamente, puede observarse la presencia de comportamientos homogéneos en el efecto de la falta de cobertura de necesidades básicas (aunque con variaciones en lo referido a la distribución espacial). De hecho, ésta se constituye como la única variable con impacto sistemáticamente positivo en este tipo de elección, siendo excepcionales los casos en los que ocurre lo contrario.

Tabla 8 Estimaciones de modelo de regresión Presidencia 2° turno (GWR) Min.

Cuartil bajo 0.428541 -0.026298 -0.024589 -0.050106 0.031414 -0.000270 -0.000089

Mediana

Cuartil alto 0.593492 0.043655 0.068716 -0.001849 0.172794 0.001619 0.001000

Max.

Intercepto 0.319673 0.493731 0.855167 Población urbana -0.281391 0.008505 0.125181 Minorías étnicas -0.320160 0.007820 0.394194 Secundario -0.197898 -0.030643 0.052207 NBI -0.137906 0.107568 0.370359 Acciones Armadas -0.002840 0.000509 0.004640 Homicidios -0.002770 0.000560 0.002947 Fragmentación Competitividad -0.215993 -0.082507 -0.050844 -0.020797 0.168109 R2 0.686264 R2 ajustado 0.608918 AICc (local) -3122.303784 AICc (global) -2531.745477 Elaboración propia con datos de Registraduría Nacional del Estado Civil y SIGOT

DIFF of Criterion -604.187.152 -45.318.467 -42.337.706 -202.399.501 -75.597.473 -1.430.737 24.926.648 -0.927101

54

Mientras tanto, adquiere una mayor consistencia la variable “secundario” que presenta una más alta proporción (que en la elección anterior) de casos con valores negativos (produce un efecto reductor de la abstención) superando el 75% de los municipios, del mismo modo que lo hace “competitividad”.

Finalmente, en lo que respecta al resto de las variables espacialmente significativas (“minorías”, “población urbana” y “acciones armadas”), vuelven a mostrarse comportamientos caracterizados por una menor homogeneidad que las anteriores.

Nuevamente, para estos casos, la distribución geográfica de los coeficientes beta puede ser observada en los mapas 20 a 33.

Tabla 9 Estimaciones de modelo de regresión Plebiscito (GWR) Min.

Cuartil bajo

Mediana

Cuartil alto

Max.

Intercepto 0.325094 0.558496 0.626426 0.693771 0.871445 Población urbana -0.183411 -0.069715 -0.038511 -0.013454 0.129998 Minorías étnicas -0.261600 -0.036244 0.007173 0.047776 0.308567 Secundario -0.124564 -0.037448 -0.017431 0.009275 0.065733 NBI -0.093824 0.047366 0.085441 0.198069 0.559313 Acciones Armadas -0.006030 -0.001417 -0.000507 0.000736 0.002991 Homicidios -0.002411 -0.000280 0.000275 0.000722 0.001601 Fragmentación Competitividad -0.182454 -0.081298 -0.053059 -0.004210 0.191571 R2 0.672712 R2 ajustado 0.590443 AICc (local) -3131.915614 AICc (global) -2615.009411 Elaboración propia con datos de Registraduría Nacional del Estado Civil y SIGOT

DIFF of Criterion -907.132.534 -24.130.220 5.660.446 -114.248.563 -59.077.995 -17.077.092 28.944.523 -7.226.159

Por último, asociado a este primer segmento de elecciones, en el Plebiscito por la paz (ver tabla 9), puede apreciarse que los resultados tienden a ser similares a los del primer turno electoral, observándose comportamientos análogos en los casos de las variables “población urbana” y “NBI”. También puede señalarse que la “competitividad” (del mismo modo que en el segundo turno electoral) posee una relación negativa con abstención.

55

Mapa 20 β local NBI. Presidencia. 1° turno

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 21 β local NBI. Presidencia. 2° turno

56

Mapa 22 β local NBI. Plebiscito

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 23 β local Secundario. Presidencia. 2° turno

57

Mapa 24 β local Secundaria. Presidencia 1° turno

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 25 β local Secundaria. Plebiscito

58

Mapa 26 β local Población Urbana. Presidencia 1° turno

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 27 β local Población Urbana Plebiscito

59

Mapa 28 β local Población Urbana. Presidencia 2° turno Mapa 29 β local Acciones Armadas. Presidencia 2° turno

Basado en Basado en datos de Registraduría Nacional del Estado Civil

60

Mapa 30 β local Acciones Armadas. Presidencia 1° turno

Basado en Basado en datos de Registraduría Nacional del Estado Civil

Mapa 31 β local Acciones Armadas. Plebiscito

61

Mapa 32 β local Competitividad. Presidencia 2° turno

Basado en Basado en datos de Registraduría Nacional del Estado Civil

Mapa 30 β local Competitividad Plebiscito

62

Así, aunque naturalmente estos resultados no puedan ser desasociados de aquellos producidos por las OLS, la síntesis del análisis del primer bloque permite observar la clara existencia de efectos espaciales sobre la abstención. Esto muestra que, más allá de las diferencias que produce cada variable desde el punto de vista intra-elección, se aprecian interesantes convergencias de carácter inter-electoral, especialmente entre el primer turno presidencial y el plebiscito. Situación interesante, ya que señala la existencia de lógicas que motivan comportamientos temporal y geográficamente consistentes, incluso, a pesar de que la celebración de los comicios no se realice de forma simultánea.

Por su parte, en relación con el segundo bloque de comicios (Senado y Cámara), puede apreciarse, incluso, un más alto nivel de uniformidad (el más alto si se tiene en cuenta todo el ciclo electoral 2014/2016) de los resultados desde el punto de vista inter-elección. Es decir, se aprecia una distribución espacial muy homogénea de los valores de los coeficientes (especialmente de los cuartiles) de cada variable entre ambas elecciones. Esta situación es lógicamente esperable como consecuencia de la concurrencia del calendario electoral (aunque, como podrá apreciarse, no en todos los bloques se producirá tan enérgicamente).

Además, en ambos casos, la mayor parte de los factores explicativos son espacialmente significativos (solo “homicidios” y “acciones armadas” no lo son).

Tabla 10 Estimaciones de modelo de regresión Senado (GWR) Min.

Cuartil bajo 0.321066 -0.067531 -0.042769 -0.043466 -0.009904 -0.000002 -0.000057 0.007790 -0.038171

Mediana

Cuartil alto 0.540242 0.031826 0.055255 0.017778 0.157442 0.002020 0.001206 0.034225 0.110130

Max.

Intercepto -0.004561 0.440864 0.900281 Población urbana -0.397646 -0.023966 0.151983 Minorías étnicas -0.190207 -0.003458 0.624688 Secundario -0.157069 -0.017660 0.064763 NBI -0.272719 0.066556 0.369223 Acciones Armadas -0.003216 0.000753 0.007407 Homicidios -0.001832 0.000482 0.007531 Fragmentación -0.018250 0.019185 0.082128 Competitividad -0.350707 0.051500 0.392402 R2 0.677269 R2 ajustado 0.587176 AICc (local) -2859.131503 AICc (global) -2256.978991 Elaboración propia con datos de Registraduría Nacional del Estado Civil y SIGOT

DIFF of Criterion -414.946267 -23.240148 -14.730488 -14.545816 -175.171587 5.952378 7.262800 -224.854159 -11.412270

No obstante, es importarte remarcar que, bajo esta perspectiva, solo “fragmentación” muestra un razonablemente alto grado de homogeneidad espacial en términos de los signos (dimensión intra-elección) tanto para Cámara como para Senado (ver mapas 58 y 59). De

63

hecho, en lo referido al resto, en ninguna de las dos elecciones se percibe una similitud tan claramente marcada a lo largo del territorio.

Tabla 11 Estimaciones de modelo de regresión Cámara (GWR) Min.

Cuartil bajo 0.346424 -0.057254 -0.042181 -0.044175 -0.000700 -0.000031 -0.000104 0.006650 -0.111623

Mediana

Cuartil alto

Max.

Intercepto 0.116615 0.435113 0.526881 0.898787 Población urbana -0.367350 -0.012924 0.037730 0.136954 Minorías étnicas -0.279312 0.010733 0.074470 0.514932 Secundario -0.143653 -0.014575 0.015230 0.148516 NBI -0.268115 0.073563 0.169371 0.454543 Acciones Armadas -0.003432 0.000751 0.002128 0.006937 Homicidios -0.002549 0.000433 0.001226 0.007047 Fragmentación -0.041071 0.021406 0.034148 0.071664 Competitividad -0.484341 -0.013687 0.132317 0.447698 R2 0.680212 R2 ajustado 0.591477 AIC (local) -2862.462418 AIC (global) -2270.130162 Elaboración propia con datos de Registraduría Nacional del Estado Civil y SIGOT

DIFF of Criterion -608.343798 -29.712530 -36.713856 -96.332597 -222.681386 8.22129 5.785846 -572.617784 -15.926793

Tampoco en esta oportunidad los resultados se distancian significativamente de aquellos arrojados por los modelos globales, aunque, nuevamente, no puede dejar de mencionarse que existe un más que evidente efecto de la geografía sobre la abstención que, como se mencionó en el párrafo anterior, influye sobre la variación de los resultados.

64

Mapa 34 β local Población Urbana. Senado

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 35 β Población Urbana. Cámara

65

Mapa 31 β local Minorías. Senado

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 37 β local Minorías. Cámara

66

Mapa 38 β local secundario. Senado

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 39 β local Secundario. Cámara

67

Mapa 40 β local NBI. Senado

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 32 β NBI. Cámara

68

Mapa 42 β local Competitividad. Senado

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 33 β local Competitividad. Cámara

69

Por último, en relación con el segmento de elecciones locales y departamentales, puede presenciarse, en términos generales, un mayor nivel de heterogeneidad, desde el punto de vista inter-elección, al concentrarse la atención en la variabilidad espacial de los factores explicativos. De hecho, estos se comportan de forma irregular, independientemente de su carácter municipal o departamental (ver tablas 12, 13, 14 y 15) y de la simultaneidad de los comicios.

Sin embargo, al limitarse exclusivamente a la revisión de las variables que cumplen con ese criterio (es decir, que son espacialmente significativas), la tendencia cambia de manera sensible. De hecho, puede observarse, nuevamente, una evidente homogeneidad de la distribución en cuartiles de los casos de acuerdo con los signos de los coeficientes beta que vuelven a disponerse, espacialmente hablando, de forma similar (aunque, como se mencionó, menos intensamente si se lo compara con los casos de Cámara y Senado).

Revisado los casos de manera individual, en lo referido a los comicios de gobernadores, se observan comportamientos análogos a aquellos experimentados en los de Senado y Cámara. De hecho, son nuevamente “homicidios” y “acciones armadas” las únicas variables no significativas. Sin embargo, a diferencia de lo sucedido en esas elecciones, aumenta el número de factores explicativos caracterizados por la homogeneidad territorial de los coeficientes beta. En este caso, se hace referencia específicamente a “población urbana”, “fragmentación” y “competitividad”, en todos los casos aumentado la abstención.

Tabla 22 Estimaciones de modelo de regresión Gobernación (GWR) Min.

Cuartil bajo 0.123363 0.013203 -0.058977 -0.033097 -0.004672 -0.000221 0.000728 0.007004 0.023579

Mediana

Cuartil alto 0.274812 0.093413 0.020525 0.018469 0.084995 0.001619 0.001533 0.060154 0.131561

Max.

Intercepto -0.062919 0.181147 0.663533 Población urbana -0.205496 0.048896 0.212501 Minorías étnicas -0.192391 -0.015041 0.501558 Secundario -0.131698 -0.008746 0.048964 NBI -0.112367 0.034713 0.237364 Acciones Armadas -0.004834 0.000661 0.003739 Homicidios -0.001666 0.001097 0.002661 Fragmentación -0.047662 0.028181 0.153613 Competitividad -0.299288 0.072068 0.323305 R2 0.576655 R2 ajustado 0.489180 AIC (local) -2757.852447 AIC (global) -2302.161999 Elaboración propia con datos de Registraduría Nacional del Estado Civil y SIGOT

DIFF of Criterion -523.638685 -5.075171 -9.714335 -2.679586 -13.159823 2.813016 26.196530 -214.343091 -14.309217

70

Tabla 33 Estimaciones de modelo de regresión Asamblea (GWR) Min.

Cuartil bajo 0.203411 0.003904 -0.054850 -0.039166 -0.012659 -0.000335 0.000721 0.003473 0.017926

Mediana

Cuartil alto 0.321142 0.086413 0.017554 0.017373 0.080146 0.001533 0.001395 0.015927 0.113279

Max.

Intercepto -0.024741 0.255188 0.507507 Población urbana -0.211131 0.029466 0.239379 Minorías étnicas -0.140002 -0.014036 0.356555 Secundario -0.110058 -0.016961 0.059148 NBI -0.133727 0.032633 0.234035 Acciones Armadas -0.004551 0.000360 0.004111 Homicidios -0.001454 0.001158 0.002641 Fragmentación -0.014117 0.009248 0.029182 Competitividad -0.185226 0.074175 0.409223 R2 0.533328 R2 ajustado 0.449928 AIC (local) -2644.821482 AIC (global) -2266.534474 Elaboración propia con datos de Registraduría Nacional del Estado Civil y SIGOT

DIFF of Criterion -324.723082 -14.190964 -3.368633 1.843590 -8.947565 -8.123716 20.239460 -24.510594 7.010539

Con relación a las asambleas, disminuye sensiblemente el número de variables geográficamente significativas, limitándose a “minorías éticas”, “acciones armadas”, “población urbana” y “fragmentación”. Solo en estos dos últimos casos puede observarse un comportamiento espacialmente homogéneo, produciendo, además, un efecto positivo.

Los resultados vuelven a mostrar divergencias frente a los casos revisados anteriormente cuando se evalúa lo sucedido con las alcaldías y los concejos. En las primeras, nuevamente se observa un cambio con respecto a los factores caracterizados por la existencia de variabilidad espacial (“población urbana”, “minorías étnicas”, “NBI”, “fragmentación” y “competitividad”).

Tabla 14 Estimaciones de modelo de regresión Alcaldía (GWR) Min.

Cuartil bajo 0.173604 0.007314 -0.047368 -0.040638 -0.025285 -0.000279 0.000640 0.008029 0.035072

Mediana

Cuartil alto 0.326074 0.100213 0.039031 0.010242 0.078171 0.001840 0.001578 0.028091 0.161835

Max.

Intercepto -0.043529 0.219344 0.707115 Población urbana -0.205821 0.054818 0.231909 Minorías étnicas -0.276656 -0.005467 0.771475 Secundario -0.178871 -0.009648 0.064497 NBI -0.182398 0.012083 0.265220 Acciones Armadas -0.007474 0.000831 0.004104 Homicidios -0.002504 0.001014 0.003288 Fragmentación -0.033036 0.018671 0.078424 Competitividad -0.466677 0.105784 0.469166 2 R 0.612815 R2 ajustado 0.502453 AIC (local) -2771.997450 AIC (global) -2401.415162 Elaboración propia con datos de Registraduría Nacional del Estado Civil y SIGOT

DIFF of Criterion -442.857440 -6.179146 -5.104641 1.134162 -92.261896 15.801414 32.845572 -20.976612 -5.527039

71

Tabla 4 Estimaciones de modelo de regresión Concejo (GWR) Min.

Cuartil bajo 0.184887 0.010174 -0.043144 -0.045926 -0.024525 -0.000352 0.000774 0.002432 0.025795

Mediana

Cuartil alto 0.335652 0.084065 0.022359 0.012360 0.060369 0.001788 0.001458 0.013403 0.267533

Max.

Intercepto 0.051926 0.235852 0.532081 Población urbana -0.213182 0.047958 0.232843 Minorías étnicas -0.166539 -0.015014 0.472963 Secundario -0.129568 -0.014862 0.058572 NBI -0.131480 0.012452 0.223406 Acciones Armadas -0.004693 0.000735 0.004123 Homicidios -0.001994 0.001040 0.003006 Fragmentación -0.007502 0.006916 0.024337 Competitividad -0.631478 0.098599 0.626580 R2 0.553411 R2 ajustado 0.458005 AIC (local) -2670.978817 AIC (global) -2347.050960 Elaboración propia con datos de Registraduría Nacional del Estado Civil y SIGOT

DIFF of Criterion -297.815014 1.100242 -0.680752 -5.989515 -56.712023 1.157052 26.170213 -13.814159 11.798795

Mientras tanto, las variables que muestran mayor homogeneidad en relación con los coeficientes de regresión, como ocurre en buena parte del resto de las elecciones, son “población urbana”, “fragmentación” y “competitividad”.

Finalmente, una evidente disminución de las variables espacialmente significativas vuelve a producirse en el caso de los concejos (“minorías”, “secundario”, “NBI” y “fragmentación”), donde solamente “fragmentación” posee un resultado homogéneo desde el punto de vistas de los signos (produciendo aumentos de la abstención).

En síntesis, como ocurre en la mayor parte del resto de los casos, la secuencia de mapas restantes (44 a 56), muestra que, como es razonable que sea, entre las variables espacialmente significativas, existe en este bloque una tendencia hacia la homogeneidad inter-elección y heterogeneidad intra-elección.

72

Mapa 44 β Minorías. Gobernaciones

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 34 β Minorías. Asambleas

73

Mapa 35 β local Minorías. Alcaldías

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 36 β local Minorías. Concejos

74

Mapa 48 β local NBI. Gobernaciones

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 49 β local NBI. Asambleas

75

Mapa 50 β local NBI: Alcaldías

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 51 β local NBI. Concejos

76

Mapa 52 β local Competitividad. Gobernaciones

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 53 β local Competitividad. Alcaldías

77

Mapa 54 β local Población Urbana. Gobernaciones

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 55 β local Población Urbana. Asambleas

78

Mapa 56 β local Población Urbana. Alcaldías

Basado en datos de Registraduría Nacional del Estado Civil

Para culminar el presente apartado, es importante señalar que existe una de las variables cuyo comportamiento tienden a ser homogéneo tanto desde el punto de vista del signo como bajo una óptica inter-electoral en todos los segmentos. Se hace referencia a NBI. De hecho, son esporádicas las oportunidades en que se produce el efecto opuesto, apenas en menos de un 25% de ellos puede observarse que el signo cambia (exclusivamente cuando se señala el valor más bajo, ni siquiera en el cuartil inferior).

Es decir, solo algunas constadas excepciones, desde el punto de vista espacial puede decirse que el aumento (aunque con diferentes intensidades) de las necesidades insatisfechas aumenta los niveles de abstención.

79

Mapa 57 βlocal fragmentación. Presidencia1° turno

Basado en datos de Registraduría Nacional del Estado Civil

80

Mapa 58 β local Fragmentación. Senado.

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 59 β local de Fragmentación. Cámara

81

Mapa 60 β local Fragmentación. Gobernaciones

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 61 β local Fragmentación Asambleas

82

Mapa 62 β local fragmentación. Alcaldías

Basado en datos de Registraduría Nacional del Estado Civil

Mapa 63 β local Fragmentación. Concejos

83

5. Análisis de los resultados Partiendo de los resultados planteados, este primer segmento del análisis se concentrará en la interpretación de aquellos asociados a los modelos globales (concentrados en la tabla 3); en primer lugar, del efecto que pueden estar produciendo las variables de tipo político-institucional sobre la abstención, comenzando, específicamente, con la quinta hipótesis.

A pesar de los pocos casos disponibles (a diferencia del resto, para esta hipótesis deben tenerse en cuenta los nueve comicios de forma agregada), la información relacionada con el ciclo electoral 2014/2016 conduce a afirmar que las elecciones nacionales (o “más nacionalizadas”) no producen el esperado crecimiento de la participación político-electoral.

Por el contrario, tanto los datos agregados como desagregados lo desmienten, mostrando la tendencia opuesta (como puede observarse en la tabla 4). Los niveles de participación aumentaron sensiblemente en los casos en que se eligieron autoridades locales y departamentales, que oscilan entre 63.3% y 57,6%, disminuyendo cuando lo que está en juego son los cargos de orden nacional (cuyos rangos de valor son 47,9% y 37,4%).

Esto ocurre con mayor intensidad a medida que los municipios se vuelven más pequeños y periféricos,33 siendo, por el contrario, más estables los niveles de abstención (de una elección a otra) en los grandes y medianos/grandes centros urbanos.

Pero cuáles son las explicaciones potenciales para este fenómeno. La primera que puede esbozarse no deja de estar relacionada al modelo racional que inspiró a la hipótesis (H5), siendo posible argumentar que la trascendencia de una elección y del voto no está necesariamente asociada a la importancia objetiva del cargo por el que se compite, sino a la que el votante le otorga; es decir, la relevancia funcional concedida por el elector. Desde este punto de vista, es posible que estos últimos consideren que las autoridades locales inciden más directamente en sus vidas cotidianas que lo que lo hacen las nacionales (especialmente a medida que el municipio se vuelve más periférico), destinándole mayor atención e interés y, por lo tanto, participando más activamente.

Además, al ser menor el número total de votantes, la percepción en cuanto a lo decisivo que puede ser el voto propio aumenta (Palfrey y Rosenthal, 1983, 1985; Mueller, 1989), aun cuando los costos de la participación se mantengan invariados. Esta idea continúa la línea de los clásicos planteos downsianos, especialmente aquellos realizados por Riker y Ordeshook 33

El análisis está en línea con el realizado por Maldonado et al. (2015) para las elecciones 2014, donde señalan que son los distritos con mayor número de votantes aquellos donde menos gente acudió a las urnas.

84

(1968) que señalan que cuan más decisivo sea un voto (e indudablemente lo es cuanto más local es una elección) existen mayores incentivos para la participación.

La segunda explicación, probablemente la más plausible, está directamente asociada a la utilización de maquinarias electorales de tipo clientelista. En este sentido, es importante recordar que, como sostiene Uhlaner (1993), los líderes políticos son los más eficaces y eficientes movilizadores de votos; en el caso colombiano lo son especialmente los intermediarios locales, quienes lo hacen a cambio de transacciones de carácter particularista34. Estos no solo trabajan mucho más activamente cuando los resultados los afectan de forma directa (cosa que ocurre en las elecciones departamentales y municipales donde aspiran a la obtención de mayores recursos vía cargos o contratos), también pierden eficiencia al multiplicarse el número de instancias o etapas de transacción, que hacen que los recursos que llegan a ellos tiendan a ser menores (quedándose una parte significativamente mayor en los “estratos superiores” de la dirigencia).

Este comportamiento encaja con las explicaciones que señalan que especialmente en aquellas partes donde el aparato estatal es más débil y está más ausente, el clientelismo juega un importante rol de distribuidor (y redistribuidor) de recursos y los líderes políticos con capacidad de lograrlo son quienes resultan más atractivos para los actores sociales desfavorecidos (Barreo et al., 2013).

En este sentido, no es sorpresivo que en las elecciones para el Congreso los niveles de participación sean mayores (aunque no por una brecha particularmente amplia) que en las presidenciales (1° turno), dado que la activa presencia territorial de los múltiples candidatos (de la que carece el presidente o los candidatos presidenciales en general) los acerca más intensamente a los intermediarios apenas mencionados (ver tabla 4 y gráfico 1).

De este modo, comienza también a percibirse la importancia de la formación de redes y el impacto que éstas tienen sobre la movilización del electorado (Uhlaner, 1993; Aldricht, 1993). Además, podría asumirse (aunque la afirmación es susceptible de comprobación empírica), que, en unidades más pequeñas como los municipios, las interacciones sociales tienden a ser más intensas (es más probable que exista un contacto directo entre los candidatos y el electorado –de hecho, “son vecinos”-), produciéndose una mayor variedad de mecanismos sociales que impulsan la participación.

34

Este tipo de relaciones también podría ser tenidas en cuenta por el modelo de la movilización. En este sentido, Rosenstone y Hansen (1993), señalan que las redes y relaciones sociales terminan constituyéndose como un importante movilizador de votantes.

85

Empero, como se mencionó, se hace presente un factor institucional relevante que, combinado con los anteriores, puede ayudar a la sensible disminución de la abstención: la concurrencia de las elecciones. Desde este punto de vista, es interesante señalar que los comicios caracterizados por las menores tasas de participación son justamente aquellos celebrados en jornadas electorales exclusivas (los dos turnos presidenciales y el plebiscito).

Esto puede ser observado tanto en la tabla 4 a lo que puede sumársele los primeros indicios de similitud espacial de los comportamientos visibles en la tabla 5 (I de Moran) y en los mapas 2 a 10. Esto lleva a señalar que la geografía parece empezar a constituirse como un factor indiscutiblemente relevante.

En este sentido, parece observarse que la multiplicación y superposición de esfuerzos en diferentes elecciones simultáneas, podría estimular a un mayor número de potenciales votantes espontáneos, que se verían impulsados al ejercicio del sufragio como consecuencia de la disminución de los costos de adquisición de la información gracias a la presencia de un mayor número de intermediarios dispuestos a distribuirla y producir un efecto multiplicador (siguiendo la línea de Converse, Campbell, Miller, y Stokes, 1961).

Por otro lado, la simultaneidad en el calendario tiende a producir una movilización más intensa de las maquinarias desplegadas sincrónicamente por los dirigentes (Barrero et al., 2013), lo que genera una mayor participación (arrastre) por parte del electorado. Incluso, es habitual que se produzcan escenarios de cooperación inter-maquinaria; es decir, donde los candidatos a distintos tipos de cargos, muchas veces, independientemente del partido, se intercambian los votos aumentando recíprocamente sus caudales.

Existe, desde este punto de vista, un caso atípico como es el segundo turno presidencial, cuya participación supera a la legislativa, aunque por escasos puntos porcentuales (4,3). Nuevamente, son dos explicaciones las que ayudan a entender por qué sucede esto. En primer lugar, dado el carácter definitorio que posee la segunda vuelta misma (sobre todo, cuando ninguno de los candidatos se acercó razonablemente a la mitad más uno de los votos en la primera), que impulsa a una más intensa movilización de aparatos que en el turno precedente. Además, los recursos políticos de tipo particularista (patronazgo y clientelismo) tienden a utilizarse más intensamente en ella (justamente por su carácter definitorio), ya que son escasos y no pueden distribuirse con la misma intensidad en ambas vueltas.

Un ejemplo claro desde este punto de vista (naturalmente no el único), puede ser observado en el caso de la Costa Caribe a la que se la puede identificar como una región

86

visiblemente vulnerable a este tipo de estructuras de tipo clientelistas. En este caso, los modelos LISA señalan cómo se constituye como un clúster de abstención (hot spot) en el primer turno electoral presidencial (ver mapa 2), para transformarse en una zona donde la abstención se vuelve aleatoria en el segundo (ver mapa 3), o, incluso, un cold spot (clúster de baja abstención) en las elecciones legislativas (mapas 5 y 6). Esto muestra un cambio significativo en los niveles de movilización asociada a la activación de aparatos (vinculada a la distribución de recursos particularistas) de acuerdo con el tipo de elección. Lo anterior está directamente relacionado con lo que la literatura desarrolla como la presencia de “casas” o “familias” políticas (Guzmán Mendoza, 2016) que impulsan las maquinarias más intensamente.

La segunda interpretación si bien no explica la mayor participación en el segundo turno, contribuye, por lo menos, a distinguir por qué no se produjo una disminución de la misma. La escasa diferencia de votos entre los dos candidatos que finalmente accedieron a él, sumada a la relevancia del contexto en el que estaba en juego (la continuidad de los diálogos de paz entre gobierno y FARC), hicieron que muchos de los votantes cuyas opciones “favoritas” no pasaron a la segunda vuelta, eligieran alguno de los sub-óptimos restantes (comportamiento convencionalmente conocido como “voto estratégico”) , con el objetivo de impedir que la peor de las posibilidades (de acuerdo a sus preferencias) en competencia se quedara con la presidencia. Por ejemplo, existen altas probabilidades de que un votante de izquierdas, que en condiciones normales no hubiese votado ni por Juan Manuel Santos ni por Jorge Iván Zuluaga, haya decantado -bajo la coyuntura existente- por la primera de las opciones.

Esta clase de comportamiento se simplifica ya que en esta elección se cuenta con un antecedente inmediato (el primer turno) que consiente realizar un cálculo mucho más preciso de la utilidad esperada del voto; es decir, permitiendo ver más claramente si “vale la pena” o no ir a votar (Aldrich, 1993; Downs, 1957).

Continuando con las variables asociadas a aspectos político-institucionales, el siguiente paso es el del análisis de la fragmentación. Como se mencionó, en los casos en que es tenida en cuenta (en dos se omite por problemas de multicolinealidad (ver tabla 3), siendo las únicas oportunidades en los que se detectó este efecto a través del factor de inflación de la varianza -VIF-), la fragmentación evidencia resultados opuestos a los esperados desde el punto de vista lógico, donde se asumiría que una mayor diversificación de la oferta electoral aumentará la participación (Blais, 2000; Blais y Carty, 1990). De hecho, son los municipios

87

que exhiben mayores niveles aquellos caracterizados por una más alta tasa de abstención (confirmándose la hipótesis nula en H6). En este sentido, el presente trabajo continúa suministrando, en línea con lo ya planteado por Blais (2000), resultados que hacen que sea complejo realizar afirmaciones taxativas con relación al efecto que la fragmentación posee sobre la abstención. Esto se debe a que los resultados provenientes de investigaciones asociadas a esta variable oscilan notablemente.

Revisando particularmente otras fuentes que estudian el caso colombiano, se ratifica la tendencia señalada por Losada y Liendo (2016) quienes afirman que, en términos generales, los niveles de abstención han disminuido a medida que se intensifica la contracción de la oferta electoral experimentada en las elecciones de Congreso, contradiciendo lo señalado por Maldonado et al. (2015). Por el contrario, se confirma la afirmación de estos últimos autores que observan una correlación positiva entre la fragmentación (también medida en número efectivo de partidos) y los niveles de abstención.

La explicación general de este fenómeno puede estar directamente relacionada con la idea de “indiferencia” desarrollada por Hinich y Munger (2003). Ésta señala que la multiplicación de opciones no necesariamente implica que aumente el abanico de intereses representados y, por lo tanto, aquellos que no se identifiquen con el amplio número de candidatos y/o partidos existentes, continuará sin ir a votar. Por el contrario, podría suceder (aunque es susceptible de ser comprobado empíricamente) que allí donde el número de opciones sea menor, podría ser más fácil para el votante identificar que opción se acerca más precisamente a sus preferencias.

Finalmente, la última variable de perfil político-institucional es competitividad. En referencia a ella puede observarse el comportamiento lógicamente esperado en las elecciones departamentales y municipales, donde en aquellos municipios donde disminuye de la distancia (en votos) entre los candidatos con mayores chances, tiende a disminuir la abstención, motivando la participación como consecuencia de percepción de aumento de la utilidad esperada del voto (Blais, 2000).

Paradójicamente, se produce el efecto contrario en tres elecciones (Cámara, 2° turno presidencia y plebiscito), rompiendo con la expectativa racional y contradiciendo los resultados obtenidos por Maldonado et al. (2015), aunque, en su caso, en análisis se realiza con un nivel de agregación departamental. Esto es especialmente llamativo, en los dos últimos casos, en los que (de acuerdo con las premisas de este tipo de modelos) debido a las menores dificultades del cálculo de la utilidad esperada del voto (sólo hay dos opciones)

88

podría incentivar la participación en aquellos distritos en los que se espera un resultado ajustado (escenario previsto en las dos elecciones señaladas). Sin embargo, el resultado fue justamente el opuesto, produciéndose los más elevados niveles de participación en aquellos casos donde la brecha entre las diferentes opciones es mayor. Una explicación intuitivamente razonable que podría esbozarse en este escenario es que existió un efecto de “refuerzo” y que, en aquellas regiones donde una opción es predominante, se movilizaran más intensamente a favor de ella (por ejemplo, Antioquia a favor de Zuluaga y el No en el plebiscito).

Cerrado el análisis de las variables político-institucionales, es el momento de pasar a aquellas de corte social o sociológico. La primera es la cobertura bruta de secundario cuyos resultados están perfectamente en línea con las principales aproximaciones teóricas relacionadas al asunto tanto desde el punto de vista general (Fornos et al., 2004; Brady, Verba y Schlozman, 1995) como en el caso latinoamericano (PNUD, 2013) y, más específicamente, colombiano (Maldonado, 2011; Losada y Vélez, 1981). Es decir, en aquellos municipios donde los niveles educativos son mayores (o, por lo menos, así lo indica el nivel de cobertura, aunque no pueda realizarse afirmación alguna con respecto a la calidad), existe una tendencia hacia la disminución de la abstención.

Esto estaría mostrando evidencia que parece sostener la presunción de que la socialización cívica valoriza la participación electoral; posiblemente, como se mencionó, por el aporte que ésta produce en relación con el aumento de los niveles cognitivos a las personas. En este sentido se espera que la reducción de los costos de acceso a la información y, como consecuencia de ello, incrementando los niveles de participación.

Pasando a la variable población urbana, los resultados señalados como erráticos están en línea con las conclusiones de los análisis señalados en el apartado teórico (el efecto de la variable varía notablemente tanto desde el punto de vista de los casos de referencia como desde el temporal). De hecho, parece ser relevante exclusivamente en las elecciones de Senado y Cámara, donde se observa que, a mayor proporción de este tipo de población en un municipio, tiende a disminuir la abstención, y en las de gobernaciones y alcaldías, donde la relación es la inversa. Esto podría estar directamente relacionado a la idea previamente mencionada que distintos tipos de votantes (urbano/rurales) le asignan diferentes valores a cada una de las elecciones, ya sea por el impacto directo que pueda producir sobre sus vidas, como por la movilización de maquinarias electorales, etc.

89

Por otro lado, revisando otra variable con resultados heterogéneos como como es el caso de NBI, puede observarse que cuanto “más nacional” sea una elección (presidenciales, ambos turnos y plebiscito), se observará un aumento de la abstención en aquellos municipios con más altas proporciones de la población con necesidades básicas insatisfechas. El efecto contrario se produce en las legislativas y municipales (las departamentales se caracterizan por la falta de significancia estadística).

En relación con esto, no podría afirmarse taxativamente que, como señalan Blais (2000), Powell (1982) y Fornos et al. (2004), la satisfacción de necesidades básicas abra un nuevo abanico de intereses (en este caso relacionados con la participación política). Pero, simultáneamente, cuestiona la idea que las poblaciones más pobres (siendo las más vulnerables a las maquinarias clientelistas) son aquellas que de forma intrínseca se movilizarán más intensamente en las jornadas electorales (Caicedo, 2015). De hecho, como se mencionó, esto depende también del tipo de elección y de los incentivos que tengan los intermediarios a la hora de producir movilización. Del mismo modo, como afirman Maldonado et al. (2015) y Caicedo (2015), tampoco puede sostenerse que sean los sectores más vulnerables aquellos que muestran las menores tasas de participación.

Finalmente, en el caso de las minorías étnicas (última de las variables sociológicas), siguiendo los planteos de Lehoulcq y Wall (2004), se espera que, a mayor pertenencia a algunos de estos grupos en un municipio, disminuyan los niveles de abstención. Sin embargo, la evidencia empírica muestra resultados diferentes a los esperados. Solamente en una de las nueve elecciones (Cámara) se produjo ese efecto, no siendo una variable significativa en dos oportunidades y aumentando la abstención en seis.

Esto no necesariamente indica la presencia de minorías desafectadas políticamente hablando; de hecho, numerosas investigaciones previas manifiestan lo contrario. Sin embargo, sí parecería estar mostrando que las mecánicas de participación más relevantes están en “otras partes”, como los procesos de institucionalización comunitaria (cabildos indígenas, concejos comunitarios afro, etc.) y los de consulta previa, pero no en el ámbito electoral. De hecho, para el caso indígena, como señala Laurent (2005; 2015), las formas tradicionales de vocería frente al Estado continúan siendo las más importantes; especialmente desde el punto de vista territorial.

No obstante, es importante reconocer que el comportamiento de las minorías étnicas no es homogéneo. De hecho, los municipios habitados por minorías indígenas en el suroccidente del país (especialmente el caso del pueblo Awá) muestran algunos de los

90

mayores niveles de participación en las elecciones (ver cold spots en todos los comicios excepto del primer turno presidencial en mapas de 2 a 10), mientas que lo opuesto ocurre en la frontera noreste con Venezuela en el departamento de La Guajira (caracterizada especialmente por la presencia del pueblo Wayuu). Posiblemente, esto esté relacionado con las formas en que cada uno de estos grupos, especialmente sus dirigencias, se relacionan con el aparato estatal y de los beneficios y prejuicios que pueden obtener de él.

Por último, las últimas dos variables tenidas en cuenta son aquellas asociadas a la violencia. Naturalmente estas también pueden ser asumidas como políticas o sociológicas; sin embargo, se las separa como consecuencia de las especificidades asociado al caso colombiano.

Con relación a este punto, como fue señalado en el apartado anterior, los resultados congruentes con las expectativas teóricas. De hecho, en relación con H7’, el número de homicidios cometidos en un municipio se relaciona de forma positiva con la abstención como los señalan los estudios de Trelles y Carreras (2012) para el caso mexicano. Esto podría ser interpretado, en principio, como una suerte de “malhumor” social (protesta) manifestado en las urnas.

En este mismo sentido, también es interesante remarcar el efecto producido por el número de acciones armadas (violencia específica del caso colombiano) que, en todos los casos, presenta, como se señala en la hipótesis H7 (en línea con lo ya subrayado por García, 2010), un efecto similar al de homicidios (a excepción del plebiscito). Sin embargo, antes de continuar, es importante aclarar que, como menciona Caicedo (2015), esto no necesariamente significa que aquellas regiones con mayor número de acciones armadas son necesariamente las que presentan los más altos niveles de abstención, sino que la primera produce un aumento de la segunda.

En relación con este punto, el plebiscito del 2 de octubre merece una mención aparte por constituirse como el único caso en que las acciones armadas provocan un efecto negativo sobre la abstención. Es decir, en aquellos municipios donde la presencia y la operación de grupos armados durante los últimos cinco años fueron más intensa, tendió a incrementar la participación. Este se constituye como un efecto razonable ya que se esperaría que en esos lugares la gente participara más activamente votando tanto a favor de la paz (con el objetivo que disminuyan los niveles de violencia) como en contra (repudiando a los actores que le hicieron un daño significativo durante los años de conflicto). Además, como demuestra

91

García (2010), la presencia territorial de las FARC disminuía la participación en esas regiones, por lo que no sería extraño que, en este caso, se produjera el efecto contrario.

Sin embargo, como se mencionó, aun cuando las estimaciones mediante mínimos cuadrados ordinarios dan un amuestra del comportamiento general de las variables, no solo presentan sesgos de estimación (visibles en las pruebas señaladas en el apartado anterior), sino, además, un evidente problema asociado a la estacionalidad de los datos sugerido por los LISA y que se hizo evidente a través de la utilización de los GWR.35 Se hace especialmente referencia a la distribución espacial no aleatoria de los errores estándar que (junto a un claro problema de heterocedasticidad detectado a través de la prueba Breusch Pagan) muestra un problema de especificación del modelo en todos los casos (ver tabla 6) y revelan evidentes indicios de no estacionalidad. Esto se constituye como un llamado a la prudencia desde el punto de vista de la interpretación de los resultados anteriormente señalados (Anselin, 1992)36.

La primera forma de resolverlo hubiese sido la identificación de la, o las, variables omitidas. Sin embargo, esto implicaría, por un lado, saltarse el marco teórico utilizado y las hipótesis planteadas (incluso debiendo incluir variables no medibles desde un punto de vista espacial) y, por el otro, una selección inductiva de variables explicativas que podría llegar a ser “infinita”. Como consecuencia de ello, se decidió recurrir a la utilización de modelos locales buscando alcanzar estimaciones más eficientes e interpretaciones más específicas del fenómeno analizado.

De hecho, éstas relativizan rápidamente parte de los hallazgos obtenidos con las OLS, obligando a ser prudentes en relación con las apreciaciones realizadas. Lo anterior se debe principalmente a los efectos diferenciales que cada variable puede producir a lo largo y ancho del territorio. Es muy claro, desde este punto de vista, que no puede hacerse referencia a variables que impactan de forma estacionaria; por el contrario, la geografía parece jugar un rol esencial a la hora de explicar un fenómeno como la abstención, tanto en los distintos tipos de elecciones como en los bloques de éstas. Así puede observarse cómo el impacto (mayor o menor) diferenciado de los distintos factores explicativos (también el ajuste del modelo en 35

Además de, como se mencionó, una variación significativa de los coeficientes de determinación que muestran que los resultados de los distintos modelos explicación de forma distintas la producción de abstención. De hecho, existe una variación significativa en lo referido al nivel de ajuste de cada modelo, pudiéndose observar cómo oscila notablemente desde el primer turno presidencial (donde el R2 es un razonablemente más alto 0,32), hasta las gobernaciones (donde ese valor está por debajo de la mitad), explicando proporciones significativamente distintas de su efecto sobre la abstención.

36 Aunque cabe señalar que, según este mismo autor, es un inconveniente recurrente en el estudio de fenómenos sociales como consecuencia de las interacciones espaciales y las externalidades espaciales (Anselin, 1992).

92

su conjunto) tiende a concentrarse espacialmente hablando en segmentos precisos del territorio nacional mostrando la existencia de clústers.

De este modo, aunque los resultados no puedan ser desasociados de los producidos por las OLS, la síntesis del análisis del primer bloque permite observar la clara existencia de efectos espaciales sobre la abstención. De hecho, no existe ninguna variable que haya sido completamente homogénea en relación con el signo del coeficiente de regresión. Dentro de este marco, por solo utilizar una serie de ejemplos, puede observarse cómo variables altamente consistentes (tanto desde el punto de vista de la significancia como del singo del coeficiente de regresión) en las OLS (evaluando todo el ciclo de elecciones) como “secundario”, “acciones armadas” u “homicidios”, no necesariamente producen dicho tipo de efectos desde el punto de vista espacial. De hecho, esto quedaría oculto bajo la interpretación global que ofrece este tipo de modelo, escondiendo información relevante que permite comprehender el fenómeno más cabalmente.

Partiendo de esta premisa puede observarse una tendencia muy clara hacia una convergencia del efecto de las variables desde el punto de vista inter-electoral y heterogeneidad intra-electoral. Es decir, el impacto de las variables en una sola elección en las distintas regiones del país es claramente desigual, mientras que, en la misma región, pero en distintos comicios (especialmente en cada bloque de elecciones) tiende a ser mucho más homogéneo.

En este sentido, puede apreciarse que en cada ciclo no solo existe una alta coincidencia con respecto a las variables espacialmente significativas, también en cuanto a la agrupación similar desde el punto de vista de la distribución en cuartiles y la ubicación geográfica que experimentan los signos de los coeficientes de regresión. De hecho, la revisión de los mapas tanto de los coeficientes de determinación como de los beta permite observar con claridad dicho tipo de efectos apreciándose los efectos espaciales.

Dentro de este marco, puede apreciarse comportamientos similares entre tipos de elecciones similares como son, por un lado, el primer y segundo turno electoral y el plebiscito de 2016, aun cuando no se celebren de forma simultánea. Por su parte, en relación con el segundo bloque (legislativo) puede observarse un mayor nivel de convergencia (el más alto nivel de uniformidad si se tiene en cuenta todo el ciclo electoral 2014/2016), aunque en este caso es más esperable como consecuencia de la concurrencia del calendario electoral.

Por último, el segmento de elecciones sub-nacionales puede apreciarse un mayor nivel de heterogeneidad desde el punto de vista de inter-electoral al concentrarse en la variabilidad

93

espacial de los factores explicativos. Sin embargo, al limitarse a las variables que efectivamente cumplen con ese criterio (son espacialmente significativas), pueden observarse lo máximos niveles de homogeneidad en la distribución de los cuartiles de los coeficientes β (más que en los otros dos casos de segmentos de elecciones).

Para finalizar, cabe remarcar que, como señala Thomson (2007), aunque puedan existir numerosos casos en los que las personas que se abstienen de votar estructuralmente, es mucho más factible que este tipo de comportamiento sea fluctuante o contingente desde el punto de vista temporal y no estacionario desde el espacial. Es decir, mientras existen ciudadanos que votan o se abstienen consistentemente (en cada comicio), otros se comportan de forma oscilante (Blais, 2000).

Se logró así alcanzar una serie de hallazgos relevantes asociados que explican la relación entre distintos tipos de variables (políticas y sociales), el territorio y la abstención.

Dentro de este marco, la utilización de modelos espaciales permitió no solo mostrar con claridad la heterogeneidad espacial de la variable dependiente, sino también la no estacionalidad del efecto de las independientes sobre ella en cada elección y la relativa homogeneidad existente entre las distintas elecciones.

Sin embargo, son varios los aspectos que pueden ser considerados desde el punto de vista de la agenda futura. El primero es, sin duda, ampliar el número de elecciones a analizar.

Esto permitiría no solo alcanzar resultados con un mayor poder explicativo desde el punto de vista general, sino también para cada tipo específico de comicio. Es decir, obtener patrones más consistentes en el análisis de elecciones presidenciales, por un lado, legislativas por otro, etc.

El segundo, una vez ampliado el número de elecciones, implicaría pasar de la utilización de modelos geográficamente ponderados con panel data (Bruna y Yu, 2013).

Estos permitirían superar la “visión temporalmente estática” (posiblemente el principal defecto que posee el tipo de modelos utilizados en el presente trabajo) de los modelos utilizados en este trabajo, consintiendo la obtención no solo resultados asociados al espacio, sino también al tiempo. Como se mencionó esto permitiría robustecer los resultados, pidiéndose realizar generalizaciones con un mayor nivel de consistencia para comprender el caso colombiano.

Finalmente, otro paso que puede ser ulteriormente dado es el de la selección de casos específicos que permitan la realización de comparaciones con un n más pequeño. El paso de evaluaciones enfocadas en los casos y no en las variables (ver tabla 1), puede permitir un

94

conocimiento más profundo de casos excepcionales que puedan iluminar más precisamente la comprensión del fenómeno estudiado, superando otro de los límites que muestran las GWR.

95

6. Conclusiones La abstención no constituye ni un fenómeno unicausal ni uno estacionario. Dos de las principales intuiciones presentes desde el mismo inicio de la investigación son los primeros aspectos fundamentales que pueden señalarse en las conclusiones del trabajo. No obstante, aun cuando esta afirmación no pueda ser perfectamente generalizable (dado que se está estudiando un número relativamente reducido de elecciones), brinda información relevante para tratar de comprender un hecho social cuyas interpretaciones suelen estar cargadas de prejuicios.

Así a través de la utilización de variables clásicas de este tipo de estudios, los modelos globales permitieron observar el efecto general que esos factores explicativos tuvieron sobre la abstención, señalando, además, las generalidades del ciclo electoral completo y las especificidades de cada comicio en particular.

Esto no solo permitió obtener los primeros resultados generales, sino también, derivarse, desde allí, otra conclusión no prevista entre las hipótesis (pero que podría establecerse como una hipótesis ad hoc) como es el hecho que la concurrencia de las elecciones parece constituirse como un factor robusto a la hora de la producción de mayor participación.

Simultáneamente, esto contribuyó a contradecir, parcialmente, otra premisa señalada en el marco teórico (también por fuera de los objetivos del trabajo) como es la asunción de que distintos tipos de sistemas electorales podrían influir sobre mayores niveles de abstención, cosa que no parece ser cierta, especialmente, cuando los comicios se realizan de forma simultánea. Se hace referencia, específicamente, a las elecciones municipales y departamentales donde conviven sistemas mayoritarios (gobernaciones y alcaldías) con proporcionales (asambleas y concejos), mostrando similares niveles de participación.

Sin embargo, las pruebas de control realizadas junto a las estimaciones de los OLS expusieron la necesidad de utilizar un modelo local. Esto fue reconfirmado por la identificación de clústers señalada por los ejercicios de autocorrelación de Moran y los índices locales de asociación espacial que comenzaron a mostrar con mayor claridad la no estacionalidad del fenómeno. Los resultados de ambos se tradujeron esencialmente en dos corolarios: -

Geográficamente hablando, independientemente del tipo de elección a la que se haga

referencia, el abstencionismo no se distribuye de forma aleatoria.

96

-

Esta distribución espacial tiende a concentrarse en torno a focos de valores altos, por

un lado, y bajos, por el otro. Es decir, tanto la abstención como la participación parecen tener comportamientos de tipo regional/local que difícilmente puedan ser explicados solo a través de un modelo global.

De este modo, el siguiente paso consistió en la realización de estimaciones a través de modelos geográficamente ponderados que reconfirmaron la suposición apenas mencionada, reafirmado, además, en todos los casos, la primera ley de Tobler (1970), que señala que “todo está relacionado con todo, pero las cosas cercanas están más relacionadas que las distantes”. De hecho, los resultados de las GWR señalan que (sin alejarse de las tendencias generales exhibidas por las OLS) se debe ser cuidadoso a la hora de interpretar estimaciones de carácter global como generalizables, y que es necesario atender lo que ocurre con la geografía como una variable relevante en los fenómenos electorales. En otras palabras, es riesgoso, y hasta irresponsable, asumir la perfecta homogeneidad del efecto de las variables en el espacio.

Dentro de este marco, los resultados arrojaron en términos generales una tendencia hacia la homogeneidad inter-electoral de la mayor parte de las variables (especialmente al analizarlas por bloque de elecciones) y una relativamente grande, aunque desigual, de acuerdo con los casos, heterogeneidad intra-electoral, situación que muestra la relevancia del análisis local. De este modo, pudo confirmarse, con un mayor nivel de minuciosidad, el planteo realizado previamente por Maldonado et al. (2015). Es decir, es más (aunque no perfectamente) homogéneo el comportamiento de una región de una elección a la otra que el de distintas en una sola elección (como también señalan Coppock y Green, 2016).

Este indicio también permitiría inducir que aun cuando existen numerosos grupos de personas que se abstienen de votar estructuralmente, es más probable que este tipo de comportamiento sea más bien fluctuante o contingente (Thomson, 2007) desde el punto de vista temporal y espacial. Es decir, mientras que hay ciudadanos que votan o se abstienen consistentemente, en otros casos sus comportamientos son oscilantes (Blais, 2000). Esto es particularmente visible, por ejemplo, en los distritos “menos urbanos” donde las oscilaciones entre una elección presidencial y una local son notables, del mismo modo que los son sus explicaciones.

Habiendo respondido las preguntas presentadas al inicio del trabajo (y cumplido los objetivos del mismo), no está de más recordar que el trabajo se constituye como un campo de estudio novedoso, especialmente en lo que se refiere al caso colombiano, como es el de

97

la geografía electoral, lo que lleva con facilidad a establecer objetivos en términos de agenda futura. En relación con ella, se espera, profundizar el análisis, escudriñando más específicamente en las diferencias existentes entra las diferentes regiones en relación con cada una de las variables (de forma más precisa de lo que se hace en el presente trabajo; es decir no solo presentando los resultados generales) e intentando identificar de relaciones robustas de causalidad (y analizar cualitativamente casos específicos que puedan resultar paradigmáticos). Pero también se vislumbra la posibilidad de extenderlo al análisis de otros fenómenos relacionados con el estudio de las elecciones (distribución de preferencias electorales, voto en blanco, etc.), o incluso, “exportarlo” a otros espacios de la ciencia política, donde, hasta hoy, ha sido desaprovechado, como pueden ser, entre otros, los estudios legislativos.

Naturalmente, esto se realizaría no solo con la expectativa de producción de conocimiento como fin en sí mismo, sino también pensando en la posibilidad de que pueda influir en reformas institucionales asociadas al sistema electoral en un período de transición como es el del pos-conflicto.

98

7.

Referencias bibliográficas

Alcubilla, A. (2000). Abstencionismo electoral. En O. Fernández y Rovira, Diccionario electoral. San José, C.R: Instituto Interamericano de Derechos Humanos.

Aldrich, J. (1993). Rational Choice and Turnout. American Journal of Political Science, 246278.

Anselin, L. (1992). Spatial data analysis with GIS: An introduction to applications in the social sciences. Tecnical Report 92-10, National Centrer for Geographic Information and Analysis, University of California Santa Barbara.

Anselin, L. (1995). Local Indicators of Spatial Association-LISA. Geographical Analysis, vol. 27(2), 93-115.

Anselin, L. (2006). How (not) to lie with spatial statistics. American journal of preventive medicine, vol. 30, núm. 25, 3-6.

Anselin L. (2015) GeoDa 1.6.7. Center for Spatial Data Science, The University of Chicago.

Barrero, F., Liendo, N., Mejía, L., Orjuela, G., y Caicedo, J. (2013). Abstencionismo electoral en Colombia: una aproximación a sus causas. Bogotá: CEDAE. Barry, B. (1974). The Economic Approach to the Analysis of Power and Conflict.

Government and Oposition, Volume 9, Issue 2, 01 April 1974, pp. 189-223 Barry, B. (1978). Sociologists, Economists and Democracy. Chicago, University of Chicago Press.

Bennett, A. y Checkel, J. (2013). Process tracing: From philosophical roots to best practices.

En Process tracing in the social sciences: From metaphor to analytic tool Cambridge, MA: Cambridge University Press Black, J. (1991). The Multicandidate Calculus of Voting: Application to Canadian Federal Elections. American Journal of Political Science 22, 609-638.

Blais, A. (2000). To Vote or Not to Vote: The Merits and Limits of Rational Choice Theory.

Pittsburgh: University of Pittsburgh Press.

Blais, A., y Carty, R. (1990). Does proportional representation foster voter turnout?

European Journal of Political Research 18(2), 167–181.

Blais, A., y Dobrzynska, A. (1998). Turnout in Electoral Democracies. European Journal of Political Research 33(2), 239-262.

Brady, H. y Collier, D. (2010). Rethinking social inquiry. Diverse tools, shared standards.

Lanham, MD: Rowman & Littlefield.

Brady, H., Verba, S., y Schlozman, K.L. (1995). Beyond SES: A Resourse Model of Political Participation. American Political Science Review 89, 271-95.

99

Bruna, F. y Yu, D. (2013). Geographically Weighted Panel Regression. 6th Seminar Jean Paelinck, Madrid, 18-19th October, 2013, Universidad Autónoma de Madrid, Spain Caicedo, J. (2015). Abstención electoral y voto en blanco en la consolidación democrática colombiana. En F. Barrero, y M. Batlle, Elecciones en Colombia, 2014 ¿Representaciones Fragmentadas? (págs. 43-85). Bogotá: Konrad Adenauer Stiftung.

Converse, P., Campbell, A., Miller, W., y Stokes, D. (1961). Stability and Change in 1960: A Reinstating Election. American Political Science Review 55: 269-70.

Coppock, A., y Green, D. (2016). Is voting habit forming? New evidence suggests that habit formation varies by election type. American Journal of Political Science, 60(4), 1044– 1062.

Cox, G., y Munger, M. (1989). Closeness, expenditures and turnout in the 1982 US house elections. American Political Science Review, 83(1), 217-230.

Crewe, I. (1981). Electoral partisipation. En H. Penniman, A. Ranney, y D. Butler, Democracy at the Polls; A Comparative of Competitive Study of Competitive National elections (pág. 216-263): Standfor Universitie Press.

Dahl, R. (1956). A Preface to Democratic Theory. Chicago: University of Chicago Press.

Dahl, R. (1989). Democracy and Its Critics. New Heaven: Yale University Press.

DANE, Departamento Administrativo Nacional de Estadística (2012). Atlas estadístico de Colombia. Bogotá: DANE. DANE, Departamento Administrativo Nacional de Estadística (2009). Conceptos básicos.

Bogotá: DANE. Recuperado el 20/03/2018 de: https://www.dane.gov.co/files/inf_geo/4Ge_ConceptosBasicos.pdf?phpMyAdmin=a9ticq8 rv198vhk5e8cck52r11&phpMyAdmin=3om27vamm65hhkhrtgc8rrn2g4 DANE, Departamento Administrativo Nacional de Estadística (2005). Censo General 2005. Recuperado el 20/03/2018 de: https://www.dane.gov.co/index.php/estadisticaspor-tema/demografia-y-poblacion/censo-general-2005-1 Della Porta, D. (2012). Comparative analysis: case-oriented versus variable-oriented research. En D. Della Porta y M. Keating, Approaches and methodologies in the social sciences: a pluralist perspective (198-222): Cambridge, New York, Cambridge University Press De Smith, M., Goochild, M. et Longley, P. (2007). Geospatial Analysis: A Comprehensive Guide to Principles, Techniques and Software Tools. Winchelsea: The Winchelsea Press.

Dogan, M. y Narbonne, J. (1954). L'abstentionnisme électoral en France. Revue Française de Science Politique, 5-26.

100

Downs, A. (1957). An Economic Theory of Democracy. New York: Harper and Row. ESRI (2018). ArcGIS Desktop: Release 10.5. Redlands, CA: Environmental Systems Research Institute.

Falleti, T. G. (2006). Theory-guided process tracing in comparative politics. Something old, something new. Newsletter of the Organized Section in Comparative Politics of the American Political Science Association, 17 (1), 1-8 Ferejohn, J. y Fiorina, M. (1974). The Paradox of Not Voting: A Decision Theoretic Analysis. The American Political Science Review 68, 525-536.

Flint, C., Harrower M., y Edsall, R. (2000). But How Does Place Matter? Using Bayesian Networks to Explore a Structural Definition of Place. Paper presented at the New Methodologies for the Social Sciences Conference. University of Colorado at Boulder.

Fornos, C., Power, T. y Garand, J. (2004). Explaining Voter Turnout in Latin America, 1980 to 2000. Comparative Political Studies 37(8), 1-32.

Fotheringham, S., Brunsdon, C. y Charlton, M. (2002). Geographically Weighted Regression. Sussex: Wiley.

Franco Cuervo, B. y Florez, J. (2009). Participación electoral: radiografía teórica y práctica de un fenómeno en Colombia caso de estudio: Senado 1974-2006. Bogotá: Editorial Universidad del Rosario.

García, M. (2010). Bajo la mira de los actores armados. Contextos violentos, participación.

En A. Rettberg, El conflicto armado, la seguridad y la construcción de paz en Colombia (págs. 159-202). Bogotá: Universidad de los Andes.

García, M. y Cantor, C. (2016). Hechos recurrentes, fenómenos diferentes. Abstención electoral y voto en blanco en las elecciones presidenciales de 2014. Working Paper, Barómetro de las Américas, Colombia, 1-21.

Goodchild, M. (1987). Spatial Analytical Perspective on Geographical Information Systems.

International Journal of Geographical Information System, 1, 327-334.

Guzmán Mendoza, C. (2016). El Caribe Oriente, elecciones subnacionales de 2015: ¿gobernantes del posconflicto? En F. Barrero, y M. Batlle, Elecciones regionales 2015: los retos de un país en camino hacia la Paz (págs. 59-92). Bogotá: Konrad Adenauer Stiftung.

Nakaya, T., Charlton, M., Lewis, P., Fotheringham, S. y Brunsdon, C. (2015). GWR4.

National Centre for Geocomputation, National University of Ireland Maynooth; Department of Geography, Ritsumeikan University, Japan.

101

Haining, R. (2003). Spatial Data Analysis: Theory and Practice. Cambridge: Cambridge University Press.

Hinich, M. y Munger, M. (2003). Teoría Analítica de la Política. Barcelona: Gedisa.

Hoffman-Martinot, V. (1994). Voter turnout in French municipal elections. En L. LópezNieto, Local Elections in Europe (págs. 13-42). Barcelona: Institut de ciences politiques I socials.

IGAC, Instituto Geográfico Agustín Codazzi (2004). Aspectos prácticos de la adopción del marco geocéntrico nacional de referencia MAGNA-SIRGAS como datum oficial de Colombia.

Jackman, R. (1987). Political Institutions and Voter Turnout in the Industrial Democracies.

America Political Science Review 81, 405-423.

Jácome Molina, J. (2011). Patrones espaciales sobre ideología y comportamiento electoral en Bogotá. Tesis presentada como requisito parcial para optar al título de: Magister en Geomática de la Universidad Nacional de Colombia, Bogotá, Colombia.

Jácome Molina, J. (2013). Patrones espaciales en las elecciones locales del 2007 en Bogotá.

Cuadernos De Geografía, v.22 fasc.1, 141-168.

Laurent, V. (2015). Elecciones 2014 y movilización política indígena: apuestas, ajustes y ¿(re)consolidación? M. Batlle y F. Barrero, Elecciones presidenciales y de Congreso en Colombia, 2014. Bogotá: Konrad Adenauer Stiftung.

Laurent, V. (2005). Comunidades indígenas, espacios políticos y movilización electoral en Colombia, 1990-1998. Motivaciones, campos de acción e impactos. Bogotá: ICANH, IFEA. Crossref Lehoucq, F. y Wall, D. (2004). Explaining Voters Turnout Vores in New Democracies: Guatemala. Electoral Studies 23(3), 485-500.

Lizama Carrasco, G. (2012A). Una geografía electoral del abstencionismo en los municipios de México (1994-2009). Trabajo de tesis para obtener el grado de Doctor en Geografía.

UNAM. Lizama Carrasco, G. (2012B). Geografía electoral del abstencionismo en los municipios de México (1994-2009). Espacialidades. Revista de temas contemporáneos sobre lugares, política y cultura, 2, 23-51.

López, R. y Gratchew, M. (2002). Voter Turnout since 1945. Stockholm: IDEA. Losada, R. y Liendo, N. (2016). El partido "Centro Democrático" en Colombia: Razones de su surgimiento y éxito. Análisis Político n°87, 41-59.

Losada, R. y Vélez, E. (1981). Identificación y participación política en Colombia. Bogotá: Fedesarrollo.

102

Mahoney, J. (2012). The logic of process tracing tests in the social sciences. Sociological Methods & Research, 41(4), 570-597.

Mahoney, J. y Rueschemeyer, D. (2003): Comparative Historical Analysis in the Social Sciences.Cambridege, Cambridge University Press.

Maldonado, A. (2011). Compulsory voting and the decision to vote. Americas Barometer Insights (69).

Maldonado, A., Barrero, F. y Liendo, N. (2015). Abstención en las elecciones legislativas y presidenciales 2014. En M. Batlle, Elecciones 2014 en Colombia. Candidatos, estrategias y resultados (págs. 233-264). Bogotá: Universidad Externado de Colombia.

Medellín, P. (2014). Determinantes de la participación electoral en las elecciones Colombia 2014. Bogotá: CEDAE. Medina, I; Castillo Ortiz, P.; Álamos-Concha, P. Rihoux, B. (2017). Análisis Cualitativo Comparado. México, CIS. Moran, P. (1950). Notes on Continuous Stochastic Phenomena. Biometrika Vol. 37, No. 1/2, 17-23.

Morlan, R. (1984). Municipal vs. National Election Voter Turnout: Europe and the United States. Political Science Quarterly 99, 457-470.

Mueller, D. (1989). Public choice II. Cambridge: Cambridge University Press.

Nakaya, T. (2016). GWR4.09 User Manual. Kyoto: Ritsumeikan University.

Niemi, R. G. (1976) ‘Costs of Voting and Nonvoting’, Public Choice, 27, 115–9 Nohlen, D. (2004). La participación electoral como objeto de estudio. Revista Elecciones, Oficina Nacional de Procesos Electorales N°3, 137-157.

Ord, J. (1975). Estimation methods for models of spatial interaction. Journal of the American Statistical Association, vol. 70. núm. 349, 120-126.

Palfrey, T., y Rosenthal, H. (1985). Voter Participation and Strategic Uncertainty. The American Political Science Review, Vol. 79, No. 1, 62-78.

Palfrey, T., y Rosenthal, H. (1983). A strategic calculus of voting. Public Choice 41: 7, 753.

Pino Uribe, J. (2013). Régimen y territorio. Trayectorias de desarrollo del régimen político a nivel subnacional en Colombia 1988-2011. Documentos del Departamento de Ciencia Política 23 (Uniandes), 6-34.

103

PNUD, Programa de las Naciones Unidas para el Desarrollo. (2015). Informe sobre desarrollo Humano 2015. Nueva York, PNUD. PNUD, Programa de las Naciones Unidas para el Desarrollo. (2013). Explorando la dinámica de la participación política juvenil en la gobernabilidad local de América Latina.

Panamá: Centro Regional para América Latina y el Caribe (PNUD).

Powell, B. (1980). Voting Turnout in Thirty Democracies. En R. Rose, Electoral Paticipation (págs. 5-34). Beverly Hills: Sage.

Powell, B. (1982). Contemporary Democracies: Participation, Stability and Violence.

Cambridge: Harvard University Press.

Powell, B. (1986). American Voter Turnout in Comparative Perspective. Political Science Review 80, 17-45.

Przeworski, A. (2010). Qué esperar de la democracia. Límites y posibilidades del autogobierno. Buenos Aires: Siglo XXI. Ragin, C. C. (2008). Redesigning social inquiry: Fuzzy sets and beyond. Chicago: University of Chicago Press.

Ragsdale, L., y Rusk, J. (1993). Who are Nonvoters? Profiles from the 1990 Senate Elections. American Journal of Political Science 37, 721-746.

Registraduría Nacional del Estado Civil (2018). Histórico de resultados electorales.

Recuperado el 20/03/2018 de: https://www.registraduria.gov.co/-Historico-deResultados,3635-.html Riker, W., y Ordeshook, P. (1968). A theory of the calculus of voting. American Political Science Review, 62, 25-42.

Rosenstone, S y Hansen M. (1993). Mobilization, Participation, and Democracy in America.

MacMillan: New York.

Sánchez, R., Velasco, F., y Medina, M. (2013). Modelación espacial para la identificación de subcentros de empleo en el Gran Santiago. XVI Congreso Chileno de Ingeniería en Transporte.

Sánchez-Peña, L. (2012). Alcances y límites de los métodos de análisis espacial para el estudio de la pobreza urbana. Papeles de Población, vol. 18, núm. 72, 147-179.

Sánchez-Torres, R. M. (2017). Desigualdad del ingreso en Colombia: Un estudio por departamentos. Cuadernos de Economía, 36(72), 261-300.

Sartori, G. (1980). La Política: Lógica y Método en las Ciencias Sociales. México: Fondo de Cultura Económica.

104

Shapiro, I. y Green, D. (1994). Pathologies of Rational Choice Theory: A Critique of Applications in Political Science. New Haven, Yale University Press.

Shapiro, I. (2002). Problems, methods, and theories in the study of politics, or: What’s wrong with political science and what to do about it. Political Theory, 30(4), 596-561.

Shapiro, I. (2004). Introduction: Problems and methods in the study of politics. En I. Shapiro, R. M. Smith y T. E. Masoud (eds.), Problems and methods in the study of politics (pp.

1-18). Nueva York, NY: Cambridge University Press.

Schneider, C. y Wagemann C. 2012. Set-theoretic methods for the social sciences: A guide to qualitative comparative analysis (QCA). Cambridge: Cambridge University Press.

Siegfried, A. (1913), Tableau politique de la France de l’Ouest sous la Troisième République, Armand Colin, Paris.

Súlez Gómez, S. (2014). Colombia, la región y geográfica: un análisis de las diferencias regionales en pobreza y desigualdad con técnicas econométricas y espaciales. Trabajo de grado para optar por el título de Economista. Cali, Colombia: Universidad del Valle.

Thomson, J. (2007). La abstención y la participación electoral. En D. Nohlen, S. Picado, and D. Zovatto, Tratado de derecho electoral comparado de América Latina (págs. 267290)). México: Fondo de Cultura Económica.

Tobler, W. (1970). A Computer Movie Simulating Urban Growth in the Detroit Region.

Economic Geography 46, 234-240.

Trelles, A., y Carreras, A. (2012). Bullets and votes. Violence and electoral participation in Mexico. Journal of Politics in Latin America, 2, 89-123.

Uhlaner, C. (1993). What the downsian weights: A reassessments of cost and benefits of actions. En B. Grofman, On formation, Participation and Choice: An Economic Theory of Democracy in Perspective. Ann Arbor: University of Michigan Press.

Verba, S., y Nie, N. (1972). Participation in America: Political Democracy and Social Equality. New York: Harper and Row. Vilalta y Perdomo, C. (2005). Cómo enseñar autocorrelación espacial. Economía, Sociedad y Territorio, vol. V, num. 18, 323-333.

Warf, B. y Leib, J. (ed) (2011). Revitalizing Electoral Geography. Burlington, Ashgate Publishing Company.

Woodbridge, J. (2001). Econometric analysis of cross section and panel data. Boston: MIT Press.