Recibido: 12/11/2025
Aprobado: 19/03/2026
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1822
DOI: https://doi.org/10.70747/cr.v5i1.977
Indicador De Ingresos Con Análisis De Componentes Principales
(ACP) Para Municipios De México
Carlos Alejandro León González
https://orcid.org/0009-0009-5597-0606
carlos_leon22@hotmail.com
Secretaría de Finanzas, Municipio de Querétaro
México
Eric Urías Romero
https://orcid.org/0009-0005-0905-6638
eric_urias@yahoo.com
Universidad Anáhuac Cancún
México
Brayan Téllez Del Ángel
https://orcid.org/0009-0004-8156-7953
brayted14@gmail.com
Universidad Autónoma de Querétaro
México
Stephanie Barriga Ayala
https://orcid.org/0009-0009-4000-1474
barrigaastephanie@gmail.com
Universidad Autónoma de Querétaro
México
Luis Alberto Cepeda Villasana
https://orcid.org/0000-0002-9946-0503
lacv97@hotmail.com
Universidad Marista de Querétaro
México
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1823
RESUMEN
La medición de los ingresos en las entidades subnacionales se convierte en una labor
compleja por la falta de información, registros y recursos aplicados a la generación de
información, es por eso qué desarrollar un índice que muestre la posibilidad de generar
ingresos dentro del territorio, una manera construir un índice es mediante el Análisis de
Componentes Principales (ACP), es una técnica estadística multivariada empleada para
sintetizar información de múltiples indicadores en componentes independientes. Se
profundiza en los fundamentos teóricos y matemáticos del método, detallando el proceso
de estandarización, la construcción de la matriz de covarianza y la obtención de
eigenvalores y eigenvectores. Además, se discute su aplicación en la construcción de
índices de pobreza en México, así como sus ventajas, limitaciones y propuestas de mejora,
se destaca el ACP para el análisis
Palabras claves: análisis multivariado, ingresos y riqueza, normalización
Los autores declaran no tener conflicto de intereses.
El Editor y los Revisores declararon no tener conflicto de intereses.
Licencia:
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1823
RESUMEN
La medición de los ingresos en las entidades subnacionales se convierte en una labor
compleja por la falta de información, registros y recursos aplicados a la generación de
información, es por eso qué desarrollar un índice que muestre la posibilidad de generar
ingresos dentro del territorio, una manera construir un índice es mediante el Análisis de
Componentes Principales (ACP), es una técnica estadística multivariada empleada para
sintetizar información de múltiples indicadores en componentes independientes. Se
profundiza en los fundamentos teóricos y matemáticos del método, detallando el proceso
de estandarización, la construcción de la matriz de covarianza y la obtención de
eigenvalores y eigenvectores. Además, se discute su aplicación en la construcción de
índices de pobreza en México, así como sus ventajas, limitaciones y propuestas de mejora,
se destaca el ACP para el análisis
Palabras claves: análisis multivariado, ingresos y riqueza, normalización
Los autores declaran no tener conflicto de intereses.
El Editor y los Revisores declararon no tener conflicto de intereses.
Licencia:
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1824
Revenue Indicator with Principal Component Analysis (PCA) For
Municipalities in Mexico
ABSTRACT
The measurement of revenue in subnational entities constitutes a particularly complex task
due to limited availability of information, insufficient records, and constraints in the
resources allocated to data generation. In this context, the development of an index that
captures the potential capacity to generate revenue within a given territory becomes
especially relevant. One methodological approach for constructing such an index is
Principal Component Analysis (PCA), a multivariate statistical technique designed to
synthesize information from multiple indicators into a reduced set of independent
components. This study examines the theoretical and mathematical foundations of PCA in
depth, detailing the processes of data standardization, covariance matrix construction, and
the extraction of eigenvalues and eigenvectors. Furthermore, it discusses the application of
PCA in the construction of poverty indices in Mexico, while also addressing its main
advantages, limitations, and potential methodological improvements, underscoring the
relevance of PCA as an analytical tool
Keywords: public finance, local finance, poverty, statistical methods, indicators
The authors declare no conflict of interest.
The Editor and the Reviewers declared no conflict of interest.
License:
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1824
Revenue Indicator with Principal Component Analysis (PCA) For
Municipalities in Mexico
ABSTRACT
The measurement of revenue in subnational entities constitutes a particularly complex task
due to limited availability of information, insufficient records, and constraints in the
resources allocated to data generation. In this context, the development of an index that
captures the potential capacity to generate revenue within a given territory becomes
especially relevant. One methodological approach for constructing such an index is
Principal Component Analysis (PCA), a multivariate statistical technique designed to
synthesize information from multiple indicators into a reduced set of independent
components. This study examines the theoretical and mathematical foundations of PCA in
depth, detailing the processes of data standardization, covariance matrix construction, and
the extraction of eigenvalues and eigenvectors. Furthermore, it discusses the application of
PCA in the construction of poverty indices in Mexico, while also addressing its main
advantages, limitations, and potential methodological improvements, underscoring the
relevance of PCA as an analytical tool
Keywords: public finance, local finance, poverty, statistical methods, indicators
The authors declare no conflict of interest.
The Editor and the Reviewers declared no conflict of interest.
License:
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1825
INTRODUCCIÓN
El estudio de la marginación y el rezago social en México constituye una línea prioritaria
dentro de la investigación social y económica, pues permite comprender las desigualdades
estructurales que caracterizan al desarrollo regional del país. A lo largo de las últimas décadas,
la necesidad de cuantificar estas desigualdades ha impulsado la creación de métodos
estadísticos capaces de sintetizar información compleja proveniente de diferentes
dimensiones, económica, social y demográfica, en indicadores que sean comparables,
interpretables y útiles para la toma de decisiones en materia de política pública.
Entre los métodos más utilizados para este fin destaca el Análisis de Componentes Principales
(ACP), técnica multivariada que permite reducir grandes conjuntos de variables
correlacionadas en un número menor de componentes que retienen la mayor proporción
posible de la varianza total. Este proceso de reducción no solo simplifica la interpretación de
los datos, sino que también proporciona una base objetiva para asignar ponderaciones a las
variables.
El problema de investigación se define por la ausencia de una métrica sintética que integre
indicadores de registros administrativos, específicamente del IMSS (empleo formal y salarios)
y EFIPEM (finanzas públicas municipales), para los 2,478 municipios de México. A diferencia
de las mediciones del CONEVAL, que se actualizan cada dos o cinco años y se centran en
carencias sociales, este estudio aborda el vacío existente en la integración de variables de
coyuntura económica y capacidad fiscal. Como señalan Alkire y Santos (2010), la pobreza es
un fenómeno agudo y multidimensional; sin embargo, en el contexto municipal mexicano, la
dificultad radica en que los enfoques convencionales no logran capturar la correlación entre
la salud financiera del ayuntamiento y el bienestar laboral local. Ante esto, el Análisis de
Componentes Principales (ACP) se propone como la herramienta para resolver la dispersión
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1825
INTRODUCCIÓN
El estudio de la marginación y el rezago social en México constituye una línea prioritaria
dentro de la investigación social y económica, pues permite comprender las desigualdades
estructurales que caracterizan al desarrollo regional del país. A lo largo de las últimas décadas,
la necesidad de cuantificar estas desigualdades ha impulsado la creación de métodos
estadísticos capaces de sintetizar información compleja proveniente de diferentes
dimensiones, económica, social y demográfica, en indicadores que sean comparables,
interpretables y útiles para la toma de decisiones en materia de política pública.
Entre los métodos más utilizados para este fin destaca el Análisis de Componentes Principales
(ACP), técnica multivariada que permite reducir grandes conjuntos de variables
correlacionadas en un número menor de componentes que retienen la mayor proporción
posible de la varianza total. Este proceso de reducción no solo simplifica la interpretación de
los datos, sino que también proporciona una base objetiva para asignar ponderaciones a las
variables.
El problema de investigación se define por la ausencia de una métrica sintética que integre
indicadores de registros administrativos, específicamente del IMSS (empleo formal y salarios)
y EFIPEM (finanzas públicas municipales), para los 2,478 municipios de México. A diferencia
de las mediciones del CONEVAL, que se actualizan cada dos o cinco años y se centran en
carencias sociales, este estudio aborda el vacío existente en la integración de variables de
coyuntura económica y capacidad fiscal. Como señalan Alkire y Santos (2010), la pobreza es
un fenómeno agudo y multidimensional; sin embargo, en el contexto municipal mexicano, la
dificultad radica en que los enfoques convencionales no logran capturar la correlación entre
la salud financiera del ayuntamiento y el bienestar laboral local. Ante esto, el Análisis de
Componentes Principales (ACP) se propone como la herramienta para resolver la dispersión
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1826
de estos datos, permitiendo identificar cómo la combinación de bajas recaudaciones y
precariedad laboral golpean a un hogar al mismo tiempo.
La relevancia del estudio reside en la posibilidad de aplicar el ACP para evaluar las
condiciones socioeconómicas de los municipios mexicanos durante el periodo 2017–2023. Al
utilizar fuentes como el IMSS y el EFIPEM, es posible analizar variables de empleo formal y
finanzas públicas bajo la premisa de que estas condiciones estructurales determinan el acceso
a derechos fundamentales. En este sentido, Anzaldo y Prado (2009) subrayan que la salud es
una condición esencial del bienestar; sin embargo, el derecho a la protección de la salud se
ve limitado para un número importante de personas que carecen de derechohabiencia. Al
integrar estas perspectivas, el estudio reconoce que la precariedad económica capturada en
los datos financieros se traduce, en última instancia, en fenómenos como la mortalidad
prematura, la cual constituye la manifestación más extrema de cómo la marginación social
trunca la vida en comunidades vulnerables. De esta manera, el análisis no solo aporta una
visión cuantitativa del problema, sino que también proporciona evidencia útil para la
planeación y la evaluación de políticas públicas orientadas al desarrollo regional. Este esfuerzo
se alinea con los principios del análisis distributivo propuesto por Araar y Duclos (2009),
quienes enfatizan la importancia de estimar con precisión estadísticas de pobreza, desigualdad
y bienestar social para informar a los analistas de políticas. Al adoptar este enfoque, el estudio
busca no solo describir la marginación municipal, sino permitir comparaciones distributivas
que posean "robustez ética" y rigor estadístico, facilitando así la identificación de brechas de
equidad en el territorio. El uso institucional del ACP por parte del Consejo Nacional de
Población (CONAPO) y del Consejo Nacional de Evaluación de la Política de Desarrollo
Social (CONEVAL) en la construcción del Índice de Marginación y el Índice de Rezago Social
refuerza su pertinencia metodológica.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1826
de estos datos, permitiendo identificar cómo la combinación de bajas recaudaciones y
precariedad laboral golpean a un hogar al mismo tiempo.
La relevancia del estudio reside en la posibilidad de aplicar el ACP para evaluar las
condiciones socioeconómicas de los municipios mexicanos durante el periodo 2017–2023. Al
utilizar fuentes como el IMSS y el EFIPEM, es posible analizar variables de empleo formal y
finanzas públicas bajo la premisa de que estas condiciones estructurales determinan el acceso
a derechos fundamentales. En este sentido, Anzaldo y Prado (2009) subrayan que la salud es
una condición esencial del bienestar; sin embargo, el derecho a la protección de la salud se
ve limitado para un número importante de personas que carecen de derechohabiencia. Al
integrar estas perspectivas, el estudio reconoce que la precariedad económica capturada en
los datos financieros se traduce, en última instancia, en fenómenos como la mortalidad
prematura, la cual constituye la manifestación más extrema de cómo la marginación social
trunca la vida en comunidades vulnerables. De esta manera, el análisis no solo aporta una
visión cuantitativa del problema, sino que también proporciona evidencia útil para la
planeación y la evaluación de políticas públicas orientadas al desarrollo regional. Este esfuerzo
se alinea con los principios del análisis distributivo propuesto por Araar y Duclos (2009),
quienes enfatizan la importancia de estimar con precisión estadísticas de pobreza, desigualdad
y bienestar social para informar a los analistas de políticas. Al adoptar este enfoque, el estudio
busca no solo describir la marginación municipal, sino permitir comparaciones distributivas
que posean "robustez ética" y rigor estadístico, facilitando así la identificación de brechas de
equidad en el territorio. El uso institucional del ACP por parte del Consejo Nacional de
Población (CONAPO) y del Consejo Nacional de Evaluación de la Política de Desarrollo
Social (CONEVAL) en la construcción del Índice de Marginación y el Índice de Rezago Social
refuerza su pertinencia metodológica.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1827
Si bien el Índice de Marginación del CONAPO es el referente para clasificar territorios según
su exclusión y orientar programas sociales, su diseño estructural y periodicidad limitan la
medición de cambios coyunturales en el bienestar a través del tiempo. Al respecto, Cárdenas
(2010) subraya la necesidad crítica de construir indicadores basados en registros
administrativos que permitan cuantificar avances o retrocesos con mayor sensibilidad
temporal, facilitando una evaluación precisa del impacto de las políticas públicas locales.
El objetivo de este estudio es desarrollar una métrica sintética mediante el Análisis de
Componentes Principales (ACP) que integre indicadores de empleo formal y salarios del
IMSS, junto con variables de finanzas públicas del EFIPEM, para los municipios de México.
Lo anterior busca generar una herramienta verificable que capture la dinámica
socioeconómica municipal y permita identificar variaciones en el bienestar que los índices
tradicionales, de corte censal, no logran detectar con oportunidad.
Objetivo general
Desarrollar un marco teórico y metodológico ampliado del Análisis de Componentes
Principales (ACP) que permita explicar sus fundamentos matemáticos, ventajas, limitaciones,
aplicaciones y posibles mejoras metodológicas, con énfasis en su uso para la construcción de
indicadores socioeconómicos a nivel municipal en México durante el periodo 2017–2023.
MARCO TEÓRICO
El uso del ACP se justifica por su capacidad para "lograr una síntesis de un conjunto numeroso
de variables en un número reducido de componentes, de modo que la pérdida de información
sea mínima" (Abad, 1994, p.ii), eliminando así el sesgo asociado a los métodos tradicionales
basados en juicios arbitrarios o promedios simples. El Análisis de Componentes Principales
(ACP) es una técnica ampliamente utilizada en el análisis multivariado para identificar
patrones en conjuntos de datos con múltiples variables correlacionadas.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1827
Si bien el Índice de Marginación del CONAPO es el referente para clasificar territorios según
su exclusión y orientar programas sociales, su diseño estructural y periodicidad limitan la
medición de cambios coyunturales en el bienestar a través del tiempo. Al respecto, Cárdenas
(2010) subraya la necesidad crítica de construir indicadores basados en registros
administrativos que permitan cuantificar avances o retrocesos con mayor sensibilidad
temporal, facilitando una evaluación precisa del impacto de las políticas públicas locales.
El objetivo de este estudio es desarrollar una métrica sintética mediante el Análisis de
Componentes Principales (ACP) que integre indicadores de empleo formal y salarios del
IMSS, junto con variables de finanzas públicas del EFIPEM, para los municipios de México.
Lo anterior busca generar una herramienta verificable que capture la dinámica
socioeconómica municipal y permita identificar variaciones en el bienestar que los índices
tradicionales, de corte censal, no logran detectar con oportunidad.
Objetivo general
Desarrollar un marco teórico y metodológico ampliado del Análisis de Componentes
Principales (ACP) que permita explicar sus fundamentos matemáticos, ventajas, limitaciones,
aplicaciones y posibles mejoras metodológicas, con énfasis en su uso para la construcción de
indicadores socioeconómicos a nivel municipal en México durante el periodo 2017–2023.
MARCO TEÓRICO
El uso del ACP se justifica por su capacidad para "lograr una síntesis de un conjunto numeroso
de variables en un número reducido de componentes, de modo que la pérdida de información
sea mínima" (Abad, 1994, p.ii), eliminando así el sesgo asociado a los métodos tradicionales
basados en juicios arbitrarios o promedios simples. El Análisis de Componentes Principales
(ACP) es una técnica ampliamente utilizada en el análisis multivariado para identificar
patrones en conjuntos de datos con múltiples variables correlacionadas.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1828
De acuerdo con Ian T. Jolliffe (2002), el ACP permite reducir la dimensionalidad de los datos
conservando la mayor proporción posible de la varianza total, facilitando la interpretación de
fenómenos complejos.
La idea central de esta técnica es reducir la dimensionalidad de un conjunto de datos
compuesto por un gran número de variables interrelacionadas, reteniendo en la medida de lo
posible la mayor cantidad de variación presente. Esto se logra mediante la transformación
hacia un nuevo conjunto de variables, los componentes principales (CP), los cuales no están
correlacionados entre sí y se ordenan de tal manera que los primeros retienen la mayor parte
de la variación presente en todas las variables originales (Jolliffe, 2002). De esta manera, el
ACP permite simplificar la complejidad del fenómeno sin perder la riqueza informativa de los
datos base.
El objetivo fundamental es obtener un menor número de variables resultantes de la
combinación lineal de las primitivas; esto se logra transformando los datos en un nuevo grupo
de variables, los componentes principales (CP), que no están relacionados entre sí y están
ordenados de tal manera que el primer componente retiene la mayor variación presente en
todas las variables originales (Gómez, 2014).
Desde una perspectiva teórica, el ACP se sustenta en la descomposición espectral de matrices
y en los principios de la varianza y la covarianza, lo que le otorga una base matemática sólida
y replicable. Esta técnica se inscribe dentro del análisis multivariante, un campo compuesto
por técnicas estadísticas que consideran dos o más variables aleatorias relacionadas como
una sola entidad, intentando producir un resultado global que tome en cuenta la relación entre
ellas (Jackson, 2003). Bajo este enfoque, la mayoría de las técnicas multivariantes
inferenciales funcionan como generalizaciones de los procedimientos univariantes clásicos,
permitiendo un tratamiento integral de la información.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1828
De acuerdo con Ian T. Jolliffe (2002), el ACP permite reducir la dimensionalidad de los datos
conservando la mayor proporción posible de la varianza total, facilitando la interpretación de
fenómenos complejos.
La idea central de esta técnica es reducir la dimensionalidad de un conjunto de datos
compuesto por un gran número de variables interrelacionadas, reteniendo en la medida de lo
posible la mayor cantidad de variación presente. Esto se logra mediante la transformación
hacia un nuevo conjunto de variables, los componentes principales (CP), los cuales no están
correlacionados entre sí y se ordenan de tal manera que los primeros retienen la mayor parte
de la variación presente en todas las variables originales (Jolliffe, 2002). De esta manera, el
ACP permite simplificar la complejidad del fenómeno sin perder la riqueza informativa de los
datos base.
El objetivo fundamental es obtener un menor número de variables resultantes de la
combinación lineal de las primitivas; esto se logra transformando los datos en un nuevo grupo
de variables, los componentes principales (CP), que no están relacionados entre sí y están
ordenados de tal manera que el primer componente retiene la mayor variación presente en
todas las variables originales (Gómez, 2014).
Desde una perspectiva teórica, el ACP se sustenta en la descomposición espectral de matrices
y en los principios de la varianza y la covarianza, lo que le otorga una base matemática sólida
y replicable. Esta técnica se inscribe dentro del análisis multivariante, un campo compuesto
por técnicas estadísticas que consideran dos o más variables aleatorias relacionadas como
una sola entidad, intentando producir un resultado global que tome en cuenta la relación entre
ellas (Jackson, 2003). Bajo este enfoque, la mayoría de las técnicas multivariantes
inferenciales funcionan como generalizaciones de los procedimientos univariantes clásicos,
permitiendo un tratamiento integral de la información.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1829
Su flexibilidad y capacidad para adaptarse a distintos tipos de información lo convierten en
una herramienta idónea para el análisis de fenómenos complejos donde intervienen múltiples
factores interrelacionados. Aplicar esta técnica en el ámbito de la marginación municipal
implica no solo su utilización como instrumento estadístico, sino también la reflexión sobre
sus alcances, limitaciones y potencial de mejora, aprovechando su capacidad para sintetizar
relaciones complejas en un marco coherente.
La integración de variables laborales, financieras y poblacionales bajo un marco estadístico
homogéneo permitirá evaluar de manera más precisa los factores asociados a la marginación.
En este proceso, la elección del procedimiento de agregación resulta esencial para eliminar
la arbitrariedad al medir la importancia de cada variable. Al respecto, García Lautre et al.
(1998) señalan que el Análisis de Componentes Principales (ACP) ofrece una solución robusta
al proporcionar variables artificiales con propiedades óptimas para la construcción de índices.
Bajo esta lógica, se puede estructurar un Índice Sintético Global (ISG) que se construye de
forma jerárquica a partir de los índices de cada dimensión. Según Juárez Romero et al. (2017),
el procedimiento consiste en calcular primero un índice para cada dimensión del estudio
(como educación o situación económica) mediante el ACP; en este paso, los valores del
vector correspondiente a la primera componente principal se utilizan como ponderadores.
Posteriormente, el ISG se obtiene mediante la agregación de estos índices dimensionales.
De este modo, la aplicación del ACP no solo actúa como técnica reductora, sino que fortalece
la comparabilidad temporal y la aplicabilidad del modelo en contextos territoriales dinámicos,
permitiendo proponer lineamientos que capturen con mayor fidelidad la realidad
multidimensional bajo estudio. Algunos estudios señalan que la clasificación de los municipios
según su nivel de marginación mejora cuando se utilizan más de una componente principal
del ACP, en lugar de solo la primera.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1829
Su flexibilidad y capacidad para adaptarse a distintos tipos de información lo convierten en
una herramienta idónea para el análisis de fenómenos complejos donde intervienen múltiples
factores interrelacionados. Aplicar esta técnica en el ámbito de la marginación municipal
implica no solo su utilización como instrumento estadístico, sino también la reflexión sobre
sus alcances, limitaciones y potencial de mejora, aprovechando su capacidad para sintetizar
relaciones complejas en un marco coherente.
La integración de variables laborales, financieras y poblacionales bajo un marco estadístico
homogéneo permitirá evaluar de manera más precisa los factores asociados a la marginación.
En este proceso, la elección del procedimiento de agregación resulta esencial para eliminar
la arbitrariedad al medir la importancia de cada variable. Al respecto, García Lautre et al.
(1998) señalan que el Análisis de Componentes Principales (ACP) ofrece una solución robusta
al proporcionar variables artificiales con propiedades óptimas para la construcción de índices.
Bajo esta lógica, se puede estructurar un Índice Sintético Global (ISG) que se construye de
forma jerárquica a partir de los índices de cada dimensión. Según Juárez Romero et al. (2017),
el procedimiento consiste en calcular primero un índice para cada dimensión del estudio
(como educación o situación económica) mediante el ACP; en este paso, los valores del
vector correspondiente a la primera componente principal se utilizan como ponderadores.
Posteriormente, el ISG se obtiene mediante la agregación de estos índices dimensionales.
De este modo, la aplicación del ACP no solo actúa como técnica reductora, sino que fortalece
la comparabilidad temporal y la aplicabilidad del modelo en contextos territoriales dinámicos,
permitiendo proponer lineamientos que capturen con mayor fidelidad la realidad
multidimensional bajo estudio. Algunos estudios señalan que la clasificación de los municipios
según su nivel de marginación mejora cuando se utilizan más de una componente principal
del ACP, en lugar de solo la primera.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1830
Esto permite agrupar municipios más similares entre sí a comparación del método tradicional.
Al clasificar municipios según su nivel de desarrollo económico, se busca que los territorios
dentro de cada grupo sean lo más parecidos posible, y que las diferencias entre grupos reflejan
de forma clara las desigualdades existentes (Dalenius y Hodges, 1959).
A pesar de las limitaciones de datos, el presente estudio busca aprovechar la capacidad del
Análisis de Componentes Principales (ACP) para identificar patrones estructurales estables
en los municipios mexicanos entre 2017 y 2023. Esta aproximación es fundamental dado que,
como señalan Ayala, Jurado y Pedraja (2006), el estudio de la distribución interterritorial de
la renta personal ha sido una de las perspectivas más orilladas por las corrientes principales
de investigación. Según los autores, la yuxtaposición de factores de cambio en el proceso
distributivo regional, las dificultades teóricas de integración y la carencia de bases de datos
representativas han provocado que se dedique a esta dimensión una atención menor que a
otras formas de desigualdad.
En este marco, el trabajo se orienta a profundizar en la comprensión conceptual y operativa
del ACP, optimizando su uso en la generación de indicadores socioeconómicos. Esta
precisión técnica es fundamental, pues los datos buscan capturar la realidad de lo que Hannah
Arendt (2009) denomina la vita activa. Al analizar la marginación, el ACP evalúa
indirectamente las condiciones de la "labor" —vinculada a los procesos biológicos y
necesidades vitales— y del "trabajo", actividad que proporciona un mundo artificial de cosas
y estabilidad (mundanidad) más allá del ciclo natural.
Bajo esta lógica, la medición no solo requiere identificar patrones, sino también entender la
eficiencia con la que se transforman los recursos en bienestar. Es aquí donde el análisis se
enriquece con la perspectiva de Banker, Charnes y Cooper (1984), quienes proponen modelos
para estimar ineficiencias técnicas y de escala a través del Análisis Envolvente de Datos
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1830
Esto permite agrupar municipios más similares entre sí a comparación del método tradicional.
Al clasificar municipios según su nivel de desarrollo económico, se busca que los territorios
dentro de cada grupo sean lo más parecidos posible, y que las diferencias entre grupos reflejan
de forma clara las desigualdades existentes (Dalenius y Hodges, 1959).
A pesar de las limitaciones de datos, el presente estudio busca aprovechar la capacidad del
Análisis de Componentes Principales (ACP) para identificar patrones estructurales estables
en los municipios mexicanos entre 2017 y 2023. Esta aproximación es fundamental dado que,
como señalan Ayala, Jurado y Pedraja (2006), el estudio de la distribución interterritorial de
la renta personal ha sido una de las perspectivas más orilladas por las corrientes principales
de investigación. Según los autores, la yuxtaposición de factores de cambio en el proceso
distributivo regional, las dificultades teóricas de integración y la carencia de bases de datos
representativas han provocado que se dedique a esta dimensión una atención menor que a
otras formas de desigualdad.
En este marco, el trabajo se orienta a profundizar en la comprensión conceptual y operativa
del ACP, optimizando su uso en la generación de indicadores socioeconómicos. Esta
precisión técnica es fundamental, pues los datos buscan capturar la realidad de lo que Hannah
Arendt (2009) denomina la vita activa. Al analizar la marginación, el ACP evalúa
indirectamente las condiciones de la "labor" —vinculada a los procesos biológicos y
necesidades vitales— y del "trabajo", actividad que proporciona un mundo artificial de cosas
y estabilidad (mundanidad) más allá del ciclo natural.
Bajo esta lógica, la medición no solo requiere identificar patrones, sino también entender la
eficiencia con la que se transforman los recursos en bienestar. Es aquí donde el análisis se
enriquece con la perspectiva de Banker, Charnes y Cooper (1984), quienes proponen modelos
para estimar ineficiencias técnicas y de escala a través del Análisis Envolvente de Datos
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1831
(DEA). Al igual que en su planteamiento, donde se busca obtener evaluaciones ex post facto
de los logros de gestión mediante programación matemática sin requerir una especificación
a priori de pesos, nuestro uso del ACP busca una objetividad técnica que revele las
disparidades territoriales. Así, el indicador se convierte en un espejo de la condición humana
en los municipios: mientras el ACP organiza la estructura de la marginación, la noción de
eficiencia técnica de Banker et al. permite vislumbrar si las operaciones municipales se
conducen en regiones de rendimientos a escala crecientes, constantes o decrecientes. En este
contexto de construcción de indicadores compuestos, cobra relevancia la búsqueda de
métodos que permitan realizar un benchmarking riguroso entre las unidades estudiadas. Al
respecto, Jiménez-Fernández et al. (2022) proponen el uso de modelos de medición
formativos basados en el concepto matemático de distancia (métrica 𝑙2), utilizando algoritmos
de aprendizaje automático (Machine Learning) no supervisados para determinar las
ponderaciones. Esta evolución metodológica, que perfecciona avances previos como el
método de Distancia 𝑃2, permite eliminar de manera eficiente la información redundante y
garantizar que los pesos de cada indicador reflejen adecuadamente su importancia relativa.
En última instancia, al integrar estas herramientas de vanguardia con las técnicas clásicas, se
mide con mayor fiabilidad qué tan garantizadas están las necesidades vitales y la permanencia
del entorno construido frente a las desigualdades regionales, evaluando si la gestión del
territorio logra efectivamente sustentar la estabilidad del mundo humano mediante una
métrica robusta y matemáticamente validada.
Hipótesis
La integración de variables laborales, financieras y poblacionales mediante el Análisis de
Componentes Principales (ACP) permite construir un indicador sintético que captura las
diferencias en los niveles de marginación entre municipios de México.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1831
(DEA). Al igual que en su planteamiento, donde se busca obtener evaluaciones ex post facto
de los logros de gestión mediante programación matemática sin requerir una especificación
a priori de pesos, nuestro uso del ACP busca una objetividad técnica que revele las
disparidades territoriales. Así, el indicador se convierte en un espejo de la condición humana
en los municipios: mientras el ACP organiza la estructura de la marginación, la noción de
eficiencia técnica de Banker et al. permite vislumbrar si las operaciones municipales se
conducen en regiones de rendimientos a escala crecientes, constantes o decrecientes. En este
contexto de construcción de indicadores compuestos, cobra relevancia la búsqueda de
métodos que permitan realizar un benchmarking riguroso entre las unidades estudiadas. Al
respecto, Jiménez-Fernández et al. (2022) proponen el uso de modelos de medición
formativos basados en el concepto matemático de distancia (métrica 𝑙2), utilizando algoritmos
de aprendizaje automático (Machine Learning) no supervisados para determinar las
ponderaciones. Esta evolución metodológica, que perfecciona avances previos como el
método de Distancia 𝑃2, permite eliminar de manera eficiente la información redundante y
garantizar que los pesos de cada indicador reflejen adecuadamente su importancia relativa.
En última instancia, al integrar estas herramientas de vanguardia con las técnicas clásicas, se
mide con mayor fiabilidad qué tan garantizadas están las necesidades vitales y la permanencia
del entorno construido frente a las desigualdades regionales, evaluando si la gestión del
territorio logra efectivamente sustentar la estabilidad del mundo humano mediante una
métrica robusta y matemáticamente validada.
Hipótesis
La integración de variables laborales, financieras y poblacionales mediante el Análisis de
Componentes Principales (ACP) permite construir un indicador sintético que captura las
diferencias en los niveles de marginación entre municipios de México.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1832
METODOLOGÍA
El presente estudio se desarrolla bajo un enfoque cuantitativo, con un diseño no experimental,
transversal y descriptivo, orientado a revisar, sistematizar y aplicar el Análisis de
Componentes Principales (ACP) para la construcción de indicadores socioeconómicos a nivel
municipal en México en el periodo 2017–2023.
La investigación se fundamenta en la recopilación y procesamiento de información
secundaria proveniente de fuentes oficiales, con el fin de construir una base de datos integral
que combine dimensiones laborales, demográficas y financieras. Entre las principales fuentes
utilizadas se encuentran:
● Instituto Mexicano del Seguro Social (IMSS): datos sobre empleo formal, número de
trabajadores asegurados y masa salarial municipal.
● Estadístico de Finanzas Públicas Estatales y Municipales (EFIPEM) del INEGI:
información sobre ingresos, egresos, deuda pública y estructura presupuestal.
● Consejo Nacional de Población (CONAPO) y CONEVAL: referencias metodológicas
sobre índices de marginación y rezago social.
Los datos recopilados se normalizaron mediante procesos de limpieza, depuración y
estandarización, garantizando consistencia temporal y homogeneidad en las unidades de
medida. Se eliminaron valores nulos, se ajustaron escalas y se identificaron outliers con el fin
de evitar distorsiones estadísticas. Posteriormente, cada variable fue transformada para tener
media cero y desviación estándar unitaria, requisito indispensable para la correcta aplicación
del ACP.
El análisis se ejecutó sobre una matriz de correlaciones, dado que las variables provienen de
distintas escalas y unidades de medición. El ACP se aplicó utilizando la descomposición
espectral de la matriz de varianzas-covarianzas, extrayendo los autovalores y auto vectores
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1832
METODOLOGÍA
El presente estudio se desarrolla bajo un enfoque cuantitativo, con un diseño no experimental,
transversal y descriptivo, orientado a revisar, sistematizar y aplicar el Análisis de
Componentes Principales (ACP) para la construcción de indicadores socioeconómicos a nivel
municipal en México en el periodo 2017–2023.
La investigación se fundamenta en la recopilación y procesamiento de información
secundaria proveniente de fuentes oficiales, con el fin de construir una base de datos integral
que combine dimensiones laborales, demográficas y financieras. Entre las principales fuentes
utilizadas se encuentran:
● Instituto Mexicano del Seguro Social (IMSS): datos sobre empleo formal, número de
trabajadores asegurados y masa salarial municipal.
● Estadístico de Finanzas Públicas Estatales y Municipales (EFIPEM) del INEGI:
información sobre ingresos, egresos, deuda pública y estructura presupuestal.
● Consejo Nacional de Población (CONAPO) y CONEVAL: referencias metodológicas
sobre índices de marginación y rezago social.
Los datos recopilados se normalizaron mediante procesos de limpieza, depuración y
estandarización, garantizando consistencia temporal y homogeneidad en las unidades de
medida. Se eliminaron valores nulos, se ajustaron escalas y se identificaron outliers con el fin
de evitar distorsiones estadísticas. Posteriormente, cada variable fue transformada para tener
media cero y desviación estándar unitaria, requisito indispensable para la correcta aplicación
del ACP.
El análisis se ejecutó sobre una matriz de correlaciones, dado que las variables provienen de
distintas escalas y unidades de medición. El ACP se aplicó utilizando la descomposición
espectral de la matriz de varianzas-covarianzas, extrayendo los autovalores y auto vectores
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1833
que explican la mayor proporción de la varianza total. La selección del número de
componentes principales se basó en el criterio de Kaiser (autovalores mayores a 1) y en la
curva de sedimentación (scree plot), complementados con la interpretación teórica de cada
componente.
La ponderación de las variables se obtuvo a partir de los auto vectores normalizados, que
representan las correlaciones entre las variables originales y los componentes extraídos. Con
base en estos resultados, se calculó un índice sintético de marginación económica municipal,
que integra las dimensiones seleccionadas bajo un esquema objetivo de ponderación.
Para fines de comparación y validación, se verificó la consistencia interna de los resultados
mediante el análisis de correlaciones entre componentes y la interpretación de las cargas
factoriales.
Asimismo, se elaboraron mapas y clasificaciones municipales con el propósito de visualizar
los patrones territoriales de marginación y su correspondencia con variables de contexto
económico.
La investigación es de tipo aplicada y documental, pues combina la revisión teórica con la
implementación empírica del método estadístico. Su carácter aplicado se refleja en el uso del
ACP como herramienta de reducción de dimensionalidad para sintetizar múltiples variables
socioeconómicas en un único indicador. Al mismo tiempo, posee un componente documental
al basarse en fuentes secundarias y en la sistematización de metodologías previas empleadas
por organismos nacionales e internacionales en el estudio de desigualdades territoriales.
El alcance descriptivo del estudio se manifiesta en la identificación de los patrones
estructurales que determinan las condiciones económicas locales, sin pretender establecer
relaciones causales. De esta manera, el ACP se utiliza como un instrumento analítico y
exploratorio que permite observar la interdependencia entre variables y aportar evidencia
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1833
que explican la mayor proporción de la varianza total. La selección del número de
componentes principales se basó en el criterio de Kaiser (autovalores mayores a 1) y en la
curva de sedimentación (scree plot), complementados con la interpretación teórica de cada
componente.
La ponderación de las variables se obtuvo a partir de los auto vectores normalizados, que
representan las correlaciones entre las variables originales y los componentes extraídos. Con
base en estos resultados, se calculó un índice sintético de marginación económica municipal,
que integra las dimensiones seleccionadas bajo un esquema objetivo de ponderación.
Para fines de comparación y validación, se verificó la consistencia interna de los resultados
mediante el análisis de correlaciones entre componentes y la interpretación de las cargas
factoriales.
Asimismo, se elaboraron mapas y clasificaciones municipales con el propósito de visualizar
los patrones territoriales de marginación y su correspondencia con variables de contexto
económico.
La investigación es de tipo aplicada y documental, pues combina la revisión teórica con la
implementación empírica del método estadístico. Su carácter aplicado se refleja en el uso del
ACP como herramienta de reducción de dimensionalidad para sintetizar múltiples variables
socioeconómicas en un único indicador. Al mismo tiempo, posee un componente documental
al basarse en fuentes secundarias y en la sistematización de metodologías previas empleadas
por organismos nacionales e internacionales en el estudio de desigualdades territoriales.
El alcance descriptivo del estudio se manifiesta en la identificación de los patrones
estructurales que determinan las condiciones económicas locales, sin pretender establecer
relaciones causales. De esta manera, el ACP se utiliza como un instrumento analítico y
exploratorio que permite observar la interdependencia entre variables y aportar evidencia
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1834
empírica al diseño de políticas públicas orientadas a reducir la marginación socioeconómica.
Se desarrolló un diseño estructurado en seis fases:
Recolección de información:
Se integraron datos del Instituto Mexicano del Seguro Social (IMSS) y del Estadístico de Finanzas
Públicas Estatales y Municipales (EFIPEM) del INEGI, correspondientes al periodo 2017–2023
la unidad de análisis para esta investigación es el municipio por año
Depuración y normalización:
Las bases se limpiaron, homogeneizaron y cruzaron mediante identificadores comunes (clave
de entidad y municipio). Se eliminaron valores nulos y se ajustaron las escalas de medición
para garantizar consistencia y comparabilidad.
Construcción de la base integrada (ILMM):
Se generó la Base de Indicadores Laborales Municipales (ILMM), que consolida información
sobre población, empleo formal, masa salarial, impuestos, deuda pública, ingresos y egresos.
Estandarización de variables:
Cada variable se transformó para tener media cero y desviación estándar unitaria, evitando
que aquellas con mayor varianza dominaran el análisis.
Aplicación del ACP:
Se utilizó la biblioteca scikit-learn en Python para ejecutar el ACP con los módulos
StandardScaler y PCA. Se calcularon eigenvalores, eigenvectores y proporciones de varianza
explicada. Los componentes principales se ordenaron de acuerdo con su contribución a la
varianza total.
Interpretación y validación:
Se evaluaron los resultados mediante gráficos bivariados, análisis de cargas factoriales y
comparación de la varianza explicada acumulada. El primer componente (PC1) se normalizó
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1834
empírica al diseño de políticas públicas orientadas a reducir la marginación socioeconómica.
Se desarrolló un diseño estructurado en seis fases:
Recolección de información:
Se integraron datos del Instituto Mexicano del Seguro Social (IMSS) y del Estadístico de Finanzas
Públicas Estatales y Municipales (EFIPEM) del INEGI, correspondientes al periodo 2017–2023
la unidad de análisis para esta investigación es el municipio por año
Depuración y normalización:
Las bases se limpiaron, homogeneizaron y cruzaron mediante identificadores comunes (clave
de entidad y municipio). Se eliminaron valores nulos y se ajustaron las escalas de medición
para garantizar consistencia y comparabilidad.
Construcción de la base integrada (ILMM):
Se generó la Base de Indicadores Laborales Municipales (ILMM), que consolida información
sobre población, empleo formal, masa salarial, impuestos, deuda pública, ingresos y egresos.
Estandarización de variables:
Cada variable se transformó para tener media cero y desviación estándar unitaria, evitando
que aquellas con mayor varianza dominaran el análisis.
Aplicación del ACP:
Se utilizó la biblioteca scikit-learn en Python para ejecutar el ACP con los módulos
StandardScaler y PCA. Se calcularon eigenvalores, eigenvectores y proporciones de varianza
explicada. Los componentes principales se ordenaron de acuerdo con su contribución a la
varianza total.
Interpretación y validación:
Se evaluaron los resultados mediante gráficos bivariados, análisis de cargas factoriales y
comparación de la varianza explicada acumulada. El primer componente (PC1) se normalizó
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1835
en una escala de 0 a 100 para generar un índice sintético.
Análisis Base de Datos
Tabla 1. Definición de las variables
Variable Tipo Interpretación resumida
Periodo Numérico Año de observación (2017–2023)
CLAVE_Población Numérico Código de población
CLAVE_ENT_Población Numérico Código de la entidad federativa
asociada a la población
Nombre_Entidad_Población Texto Nombre de la entidad federativa
Nombre_Municipio_Població
n
Texto Nombre del municipio
ID_ENTIDAD_EFIPEM Numérico Identificador de la entidad en la fuente
EFIPEM
ID_MUNICIPIO_EFIPEM Numérico Identificador del municipio en
EFIPEM
Clave_Entidad_ILMM Numérico Identificador de la entidad en el
sistema ILMM
Clave_Municipio_ILMM Numérico Identificador del municipio en ILMM
Clave_Entidad_IMSS Numérico Identificador de la entidad en el IMSS
Clave_Municipio_IMSS Texto Identificador del municipio en el IMSS
Clave_Delegación_IMSS Numérico Identificador de la delegación del
IMSS
Población Total Numérico Total de habitantes
Derechos Numérico Posiblemente número de personas
con derechos sociales o de salud
Deuda_Publica Numérico Monto de la deuda pública
Impuesto_Predial Numérico Ingreso por impuesto predial
Impuestos Numérico Suma de impuestos recaudados
Impuestos_sobre_patrimonio Numérico Impuestos sobre el patrimonio
Total_egresos Numérico Gasto total
Total_ingresos Numérico Ingreso total
Pea Numérico Población económicamente activa
Ocupados Numérico Población ocupada
Informales Numérico Población en la informalidad
Ta_sal Numérico Tasa salarial o promedio de ingresos
laborales
Masa_sal_ta Numérico Masa salarial total (producto de salario
y población asalariada)
Fuente: elaboración propia
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1835
en una escala de 0 a 100 para generar un índice sintético.
Análisis Base de Datos
Tabla 1. Definición de las variables
Variable Tipo Interpretación resumida
Periodo Numérico Año de observación (2017–2023)
CLAVE_Población Numérico Código de población
CLAVE_ENT_Población Numérico Código de la entidad federativa
asociada a la población
Nombre_Entidad_Población Texto Nombre de la entidad federativa
Nombre_Municipio_Població
n
Texto Nombre del municipio
ID_ENTIDAD_EFIPEM Numérico Identificador de la entidad en la fuente
EFIPEM
ID_MUNICIPIO_EFIPEM Numérico Identificador del municipio en
EFIPEM
Clave_Entidad_ILMM Numérico Identificador de la entidad en el
sistema ILMM
Clave_Municipio_ILMM Numérico Identificador del municipio en ILMM
Clave_Entidad_IMSS Numérico Identificador de la entidad en el IMSS
Clave_Municipio_IMSS Texto Identificador del municipio en el IMSS
Clave_Delegación_IMSS Numérico Identificador de la delegación del
IMSS
Población Total Numérico Total de habitantes
Derechos Numérico Posiblemente número de personas
con derechos sociales o de salud
Deuda_Publica Numérico Monto de la deuda pública
Impuesto_Predial Numérico Ingreso por impuesto predial
Impuestos Numérico Suma de impuestos recaudados
Impuestos_sobre_patrimonio Numérico Impuestos sobre el patrimonio
Total_egresos Numérico Gasto total
Total_ingresos Numérico Ingreso total
Pea Numérico Población económicamente activa
Ocupados Numérico Población ocupada
Informales Numérico Población en la informalidad
Ta_sal Numérico Tasa salarial o promedio de ingresos
laborales
Masa_sal_ta Numérico Masa salarial total (producto de salario
y población asalariada)
Fuente: elaboración propia
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1836
Población y muestra
La población de estudio estuvo conformada por los 2,469 municipios de México con una
población mayor a 400 mil habitantes
Técnicas e instrumentos
Instrumentos de recolección: bases de datos institucionales del IMSS e INEGI.
Técnicas de análisis: ACP multivariable, estandarización z-score y análisis de varianza
explicada.
Herramientas informáticas: Python (pandas, NumPy, scikit-learn, matplotlib) y Microsoft
Excel para validación y visualización.
El procedimiento metodológico descrito asegura la trazabilidad de cada etapa del análisis,
permitiendo replicar los resultados y mantener la objetividad de las ponderaciones obtenidas
mediante el ACP.
RESULTADOS.
El Análisis de Componentes Principales (ACP) aplicado a los datos municipales de México
para el periodo 2022–2023 permitió identificar las dimensiones principales que explican la
variabilidad de los indicadores laborales y financieros.
El primer componente principal (CP1) concentró la mayor proporción de varianza total, lo
que confirma que un solo factor puede sintetizar gran parte de la información contenida en
las variables originales.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1836
Población y muestra
La población de estudio estuvo conformada por los 2,469 municipios de México con una
población mayor a 400 mil habitantes
Técnicas e instrumentos
Instrumentos de recolección: bases de datos institucionales del IMSS e INEGI.
Técnicas de análisis: ACP multivariable, estandarización z-score y análisis de varianza
explicada.
Herramientas informáticas: Python (pandas, NumPy, scikit-learn, matplotlib) y Microsoft
Excel para validación y visualización.
El procedimiento metodológico descrito asegura la trazabilidad de cada etapa del análisis,
permitiendo replicar los resultados y mantener la objetividad de las ponderaciones obtenidas
mediante el ACP.
RESULTADOS.
El Análisis de Componentes Principales (ACP) aplicado a los datos municipales de México
para el periodo 2022–2023 permitió identificar las dimensiones principales que explican la
variabilidad de los indicadores laborales y financieros.
El primer componente principal (CP1) concentró la mayor proporción de varianza total, lo
que confirma que un solo factor puede sintetizar gran parte de la información contenida en
las variables originales.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1837
Tabla 2. Varianza explicada por los componentes principales.
Tabla 3. Cargas Factoriales.
Variables
2022 2023 Dominancia
/
significancia
Evolución y
ComparaciónCP1 CP2 CP1 CP2
formales 0.44079
8
0.18951
3
0.40998
5
0.17785
5
Dominante
CP1.
Significanci
a moderada
en 2023
Pierde peso en
cp1 (-15%) y se
vuelve
relevante en
CP2 de forma
negativa
ocupados 0.10571
3
0.34407
4
0.18194
9
0.30431
7
Dominante
CP1.
Moderado
en 2023
Desplazamient
o estructural:
su influencia
cambia del CP1
hacia el CP2
masa_sal/ta_sal 0.45070
6
0.10924
5
0.43195
6 -0.01606
Dominante
CP2.
Significativa
Variable más
estable
PIB_Per_Cápita 0.54956
3 -0.27041 0.46629
1 -0.45917
Dominante
CP2.
Moderada
en 2023
Disminuye su
peso en CP2,
pero triplica su
presencia en
CP1
Impuestos sobre
Ingresos
0.15549
4
0.62756
7
0.27846
2 0.52259
Significanci
a moderada
en CP1
Alta estabilidad
en CP1 pierde
toda relación
con el CP2 en
2023
Año Componente % Varianza
explicada Varianza acumulada
2022 CP1 38.49% 38.49%
2022 CP2 21.03% 59.52%
2023 CP1 41.43% 41.43%
2023 CP2 22.70% 64.14%
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1837
Tabla 2. Varianza explicada por los componentes principales.
Tabla 3. Cargas Factoriales.
Variables
2022 2023 Dominancia
/
significancia
Evolución y
ComparaciónCP1 CP2 CP1 CP2
formales 0.44079
8
0.18951
3
0.40998
5
0.17785
5
Dominante
CP1.
Significanci
a moderada
en 2023
Pierde peso en
cp1 (-15%) y se
vuelve
relevante en
CP2 de forma
negativa
ocupados 0.10571
3
0.34407
4
0.18194
9
0.30431
7
Dominante
CP1.
Moderado
en 2023
Desplazamient
o estructural:
su influencia
cambia del CP1
hacia el CP2
masa_sal/ta_sal 0.45070
6
0.10924
5
0.43195
6 -0.01606
Dominante
CP2.
Significativa
Variable más
estable
PIB_Per_Cápita 0.54956
3 -0.27041 0.46629
1 -0.45917
Dominante
CP2.
Moderada
en 2023
Disminuye su
peso en CP2,
pero triplica su
presencia en
CP1
Impuestos sobre
Ingresos
0.15549
4
0.62756
7
0.27846
2 0.52259
Significanci
a moderada
en CP1
Alta estabilidad
en CP1 pierde
toda relación
con el CP2 en
2023
Año Componente % Varianza
explicada Varianza acumulada
2022 CP1 38.49% 38.49%
2022 CP2 21.03% 59.52%
2023 CP1 41.43% 41.43%
2023 CP2 22.70% 64.14%
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1838
Salario_per_cápit
a (ta_sal/
población)
0.50938 -0.30921 0.42543
2 -0.47623
Significanci
a moderada
en CP1
Se mantiene
como indicador
secundario
estable de la
formalidad
Deuda Pública
sobre Impuestos -0.07563 -0.52076 -0.36913 -0.40592
Significanci
a moderada
en CP2.
Muestra un
crecimiento de
importancia en
el CP1 (+71%)
Fuente: elaboración propia
Asimismo, la matriz de cargas factoriales reveló que las variables masa salarial, tasa salarial y
población ocupada presentan las contribuciones más altas al primer componente, lo cual
sugiere que CP1 representa un eje económico-laboral. En cambio, el segundo componente
(CP2) agrupa las variables financieras como deuda pública e impuestos sobre el patrimonio,
conformando un eje secundario de desempeño fiscal.
Los valores positivos en CP1 muestran que el crecimiento de los indicadores laborales
incrementa el valor del componente, mientras que las variables fiscales presentan cargas
opuestas, evidenciando una estructura dual: municipios con mayor formalidad y masa salarial
tienden a presentar menor presión fiscal relativa.
Tabla 4. Posiciones de los municipios por el Índice de Ingresos.
Posición Municipio Índice_PC1 Periodo
1 Apodaca 100 2022
2 Juarez 87.79 2022
3 Tlalnepantla De Baz 86.37 2022
4 San Nicolás De Los Garza 85.89 2022
5 Garcia 85.65 2022
6 Xalapa 81.88 2022
7 San Luis Potosí 79.9 2022
8 Querétaro 77.86 2022
9 Ensenada 73.83 2022
10 Saltillo 72.67 2022
1 Apodaca 100 2023
2 Juarez 92.57 2023
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1838
Salario_per_cápit
a (ta_sal/
población)
0.50938 -0.30921 0.42543
2 -0.47623
Significanci
a moderada
en CP1
Se mantiene
como indicador
secundario
estable de la
formalidad
Deuda Pública
sobre Impuestos -0.07563 -0.52076 -0.36913 -0.40592
Significanci
a moderada
en CP2.
Muestra un
crecimiento de
importancia en
el CP1 (+71%)
Fuente: elaboración propia
Asimismo, la matriz de cargas factoriales reveló que las variables masa salarial, tasa salarial y
población ocupada presentan las contribuciones más altas al primer componente, lo cual
sugiere que CP1 representa un eje económico-laboral. En cambio, el segundo componente
(CP2) agrupa las variables financieras como deuda pública e impuestos sobre el patrimonio,
conformando un eje secundario de desempeño fiscal.
Los valores positivos en CP1 muestran que el crecimiento de los indicadores laborales
incrementa el valor del componente, mientras que las variables fiscales presentan cargas
opuestas, evidenciando una estructura dual: municipios con mayor formalidad y masa salarial
tienden a presentar menor presión fiscal relativa.
Tabla 4. Posiciones de los municipios por el Índice de Ingresos.
Posición Municipio Índice_PC1 Periodo
1 Apodaca 100 2022
2 Juarez 87.79 2022
3 Tlalnepantla De Baz 86.37 2022
4 San Nicolás De Los Garza 85.89 2022
5 Garcia 85.65 2022
6 Xalapa 81.88 2022
7 San Luis Potosí 79.9 2022
8 Querétaro 77.86 2022
9 Ensenada 73.83 2022
10 Saltillo 72.67 2022
1 Apodaca 100 2023
2 Juarez 92.57 2023
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1839
3 Tlalnepantla De Baz 88.69 2023
4 Reynosa 86.22 2023
5 Querétaro 85.88 2023
6 San Luis Potosí 85.28 2023
7 Xalapa 84.35 2023
8 San Nicolás De Los Garza 83.96 2023
9 Benito Juarez 77.98 2023
10 Chihuahua 77.04 2023
Fuente: elaboración propia
DISCUSIÓN
Los resultados confirman que el ACP es un método eficaz para condensar información
socioeconómica en índices sintéticos, reduciendo la redundancia y permitiendo clasificar
territorios según su perfil económico-laboral.
El incremento de la varianza explicada de 38.49 % a 41.43 % entre 2022 y 2023 indica una
mayor homogeneidad estructural entre los municipios; este hallazgo es consistente con la
dinámica de recuperación económica post pandemia y la estabilización del empleo formal.
Desde un punto de vista metodológico, la consistencia de las cargas factoriales entre años
demuestra la robustez de las ponderaciones y la validez del ACP para generar medidas
comparables cuando se mantiene un diseño de datos homogéneo.
Sin embargo, la variación de los eigenvalores entre periodos también evidencia la limitación
temporal del ACP, pues las ponderaciones recalculadas impiden comparaciones
longitudinales directas sin ajuste.
La interpretación de los componentes permite establecer regularidades empíricas: el primer
componente sintetiza el desempeño económico-laboral (empleo, masa y tasa salarial),
mientras que el segundo refleja el comportamiento fiscal (deuda e impuestos). Esta dicotomía
explica por qué los municipios con mayor actividad formal muestran niveles menores de
dependencia financiera.
En términos de novedad científica, este trabajo amplía el marco teórico al incorporar la
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1839
3 Tlalnepantla De Baz 88.69 2023
4 Reynosa 86.22 2023
5 Querétaro 85.88 2023
6 San Luis Potosí 85.28 2023
7 Xalapa 84.35 2023
8 San Nicolás De Los Garza 83.96 2023
9 Benito Juarez 77.98 2023
10 Chihuahua 77.04 2023
Fuente: elaboración propia
DISCUSIÓN
Los resultados confirman que el ACP es un método eficaz para condensar información
socioeconómica en índices sintéticos, reduciendo la redundancia y permitiendo clasificar
territorios según su perfil económico-laboral.
El incremento de la varianza explicada de 38.49 % a 41.43 % entre 2022 y 2023 indica una
mayor homogeneidad estructural entre los municipios; este hallazgo es consistente con la
dinámica de recuperación económica post pandemia y la estabilización del empleo formal.
Desde un punto de vista metodológico, la consistencia de las cargas factoriales entre años
demuestra la robustez de las ponderaciones y la validez del ACP para generar medidas
comparables cuando se mantiene un diseño de datos homogéneo.
Sin embargo, la variación de los eigenvalores entre periodos también evidencia la limitación
temporal del ACP, pues las ponderaciones recalculadas impiden comparaciones
longitudinales directas sin ajuste.
La interpretación de los componentes permite establecer regularidades empíricas: el primer
componente sintetiza el desempeño económico-laboral (empleo, masa y tasa salarial),
mientras que el segundo refleja el comportamiento fiscal (deuda e impuestos). Esta dicotomía
explica por qué los municipios con mayor actividad formal muestran niveles menores de
dependencia financiera.
En términos de novedad científica, este trabajo amplía el marco teórico al incorporar la
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1840
validación empírica del ACP sobre datos recientes, el uso de herramientas de programación
reproducibles (Python) y la integración de fuentes oficiales heterogéneas en una base
consolidada. Asimismo, se plantea la perspectiva teórica de estabilidad temporal,
recomendando el uso de ponderaciones fijas o ACP conjunto como alternativa para
comparaciones interanuales.
Finalmente, los resultados confirman la pertinencia del ACP dentro de la línea de
investigación en análisis multidimensional aplicado a indicadores sociales, aportando una
metodología replicable y transparente para evaluar desigualdades territoriales y fortalecer el
diseño de políticas públicas basadas en evidencia.
CONCLUSIONES
Los resultados obtenidos confirman que el Análisis de Componentes Principales (ACP)
permite identificar con precisión estructuras latentes entre variables laborales y financieras,
transformando información multidimensional en indicadores sintéticos de alta
interpretabilidad. El cumplimiento del objetivo general se evidencia en la capacidad del
modelo para sintetizar patrones de marginación en México, permitiendo una jerarquización
clara de las unidades territoriales. Asimismo, se valida la hipótesis planteada: la
estandarización rigurosa de las variables y la aplicación de ponderaciones derivadas de la
varianza explicada producen índices más precisos, comparables y técnicamente sustentados
para el diagnóstico socioeconómico.
Desde una perspectiva metodológica, el ACP se consolida como un marco fundamental para
la construcción de indicadores compuestos en contextos territoriales diversos. La integración
de bases de datos oficiales mediante este método garantiza un equilibrio entre el rigor
matemático y la aplicabilidad práctica en el diseño de políticas públicas.
La metodología empleada demuestra que la reducción de dimensionalidad no solo simplifica
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1840
validación empírica del ACP sobre datos recientes, el uso de herramientas de programación
reproducibles (Python) y la integración de fuentes oficiales heterogéneas en una base
consolidada. Asimismo, se plantea la perspectiva teórica de estabilidad temporal,
recomendando el uso de ponderaciones fijas o ACP conjunto como alternativa para
comparaciones interanuales.
Finalmente, los resultados confirman la pertinencia del ACP dentro de la línea de
investigación en análisis multidimensional aplicado a indicadores sociales, aportando una
metodología replicable y transparente para evaluar desigualdades territoriales y fortalecer el
diseño de políticas públicas basadas en evidencia.
CONCLUSIONES
Los resultados obtenidos confirman que el Análisis de Componentes Principales (ACP)
permite identificar con precisión estructuras latentes entre variables laborales y financieras,
transformando información multidimensional en indicadores sintéticos de alta
interpretabilidad. El cumplimiento del objetivo general se evidencia en la capacidad del
modelo para sintetizar patrones de marginación en México, permitiendo una jerarquización
clara de las unidades territoriales. Asimismo, se valida la hipótesis planteada: la
estandarización rigurosa de las variables y la aplicación de ponderaciones derivadas de la
varianza explicada producen índices más precisos, comparables y técnicamente sustentados
para el diagnóstico socioeconómico.
Desde una perspectiva metodológica, el ACP se consolida como un marco fundamental para
la construcción de indicadores compuestos en contextos territoriales diversos. La integración
de bases de datos oficiales mediante este método garantiza un equilibrio entre el rigor
matemático y la aplicabilidad práctica en el diseño de políticas públicas.
La metodología empleada demuestra que la reducción de dimensionalidad no solo simplifica
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1841
el análisis de datos masivos, sino que fortalece la fundamentación teórica de los estudios
sociodemográficos al ofrecer una validación empírica robusta que es replicable en otros
entornos de América Latina.
Para garantizar la utilidad del modelo en análisis longitudinales, es imperativo abordar la
estabilidad temporal del método y evitar distorsiones en las comparaciones interanuales. Se
propone como estrategia de mejora la implementación de un ACP conjunto (Joint PCA) o el
uso de ponderaciones fijas derivadas de un periodo base, asegurando que las variaciones en
los índices reflejen cambios reales en las condiciones sociales y no fluctuaciones en la
estructura de los coeficientes técnicos. Estas líneas futuras permitirán robustecer la
comparabilidad de los resultados y minimizar los artefactos estadísticos derivados de la
actualización de las fuentes de datos.
REFERENCIAS BIBLIOGRÁFICAS
Actis Di Pasquale, E. (2013). Bienestar Social, resignificación del concepto y de su
operacionalización. Un aporte metodológico aplicado al caso argentino (1988-2005) (Tesis
doctoral). Universidad Nacional de Quilmes.
Agamben, G. (2003). Homo sacer. El poder soberano y la nuda vida. Pre-Textos.
Alkire, S., & Santos (2010). “Acute Multidimensional Poverty: A New Index for Developing
Countries”. Background paper for the 2010 Human Development Report. UNDP
(United Nations Development Programme).
Allardt, E. (1975). Dimensions of Welfare in a Comparative Scandinavian Study. University of
Helsinki.
Anzaldo, C., & Prado, M. (2006). Índices de marginación, 2005. Consejo Nacional de Población.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1841
el análisis de datos masivos, sino que fortalece la fundamentación teórica de los estudios
sociodemográficos al ofrecer una validación empírica robusta que es replicable en otros
entornos de América Latina.
Para garantizar la utilidad del modelo en análisis longitudinales, es imperativo abordar la
estabilidad temporal del método y evitar distorsiones en las comparaciones interanuales. Se
propone como estrategia de mejora la implementación de un ACP conjunto (Joint PCA) o el
uso de ponderaciones fijas derivadas de un periodo base, asegurando que las variaciones en
los índices reflejen cambios reales en las condiciones sociales y no fluctuaciones en la
estructura de los coeficientes técnicos. Estas líneas futuras permitirán robustecer la
comparabilidad de los resultados y minimizar los artefactos estadísticos derivados de la
actualización de las fuentes de datos.
REFERENCIAS BIBLIOGRÁFICAS
Actis Di Pasquale, E. (2013). Bienestar Social, resignificación del concepto y de su
operacionalización. Un aporte metodológico aplicado al caso argentino (1988-2005) (Tesis
doctoral). Universidad Nacional de Quilmes.
Agamben, G. (2003). Homo sacer. El poder soberano y la nuda vida. Pre-Textos.
Alkire, S., & Santos (2010). “Acute Multidimensional Poverty: A New Index for Developing
Countries”. Background paper for the 2010 Human Development Report. UNDP
(United Nations Development Programme).
Allardt, E. (1975). Dimensions of Welfare in a Comparative Scandinavian Study. University of
Helsinki.
Anzaldo, C., & Prado, M. (2006). Índices de marginación, 2005. Consejo Nacional de Población.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1842
Anzaldo, C., & Prado, M. (2007). Índice de marginación a nivel localidad 2005. Consejo Nacional
de Población.
Anzaldo, C., y Prado, M. (2009). Índice de marginación urbana 2005. Consejo Nacional de
Población.
Aparicio, R. (2004). Índice absoluto de marginación, 1990-2000. Consejo Nacional de Población.
Araar, A. y Duclos, J.Y. (2009). DASP: Distributive Analysis Stata Package, USER MANUAL,
Version 2.3, Université Laval, PEP, CIRPÉE y Banco Mundial, Junio, p. 137.
Arendt, H. (2009). La condición humana. Paidós.
Arrow, K. J. (1951). Social Choice and Individual Values. Cowles Commission.
Ayala, L., & Navarro, C. (2004). Multidimensional indices of housing deprivation with application
to Spain. Papeles de Trabajo, 12/04, 1-31.
Ayala, L., Jurado, A., & Pedraja, F. (2006). Desigualdad y bienestar en la distribución intraterritorial
de la renta 1973-2000. Investigaciones Regionales, 8, 5-30.
Balaguer Coll, M. T. (2001). Análisis de la situación en la Administración Local. Una aplicación a
los ayuntamientos de la Comunidad Valenciana [Tesis doctoral, Universidad Jaume I].
Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some models for estimating technical
and scale inefficiencies in data envelopment analysis. Management Science, 30(9),
1078-1092.
Barba, C. (2004). Régimen de bienestar y reforma social en México. CEPAL.
Barba, C., & Valencia, E. (2013). La transición del régimen de bienestar mexicano: entre el
dualismo y las reformas liberales. Revista Uruguaya de Ciencia Política, 22(SPE), 28–
54.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1842
Anzaldo, C., & Prado, M. (2007). Índice de marginación a nivel localidad 2005. Consejo Nacional
de Población.
Anzaldo, C., y Prado, M. (2009). Índice de marginación urbana 2005. Consejo Nacional de
Población.
Aparicio, R. (2004). Índice absoluto de marginación, 1990-2000. Consejo Nacional de Población.
Araar, A. y Duclos, J.Y. (2009). DASP: Distributive Analysis Stata Package, USER MANUAL,
Version 2.3, Université Laval, PEP, CIRPÉE y Banco Mundial, Junio, p. 137.
Arendt, H. (2009). La condición humana. Paidós.
Arrow, K. J. (1951). Social Choice and Individual Values. Cowles Commission.
Ayala, L., & Navarro, C. (2004). Multidimensional indices of housing deprivation with application
to Spain. Papeles de Trabajo, 12/04, 1-31.
Ayala, L., Jurado, A., & Pedraja, F. (2006). Desigualdad y bienestar en la distribución intraterritorial
de la renta 1973-2000. Investigaciones Regionales, 8, 5-30.
Balaguer Coll, M. T. (2001). Análisis de la situación en la Administración Local. Una aplicación a
los ayuntamientos de la Comunidad Valenciana [Tesis doctoral, Universidad Jaume I].
Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some models for estimating technical
and scale inefficiencies in data envelopment analysis. Management Science, 30(9),
1078-1092.
Barba, C. (2004). Régimen de bienestar y reforma social en México. CEPAL.
Barba, C., & Valencia, E. (2013). La transición del régimen de bienestar mexicano: entre el
dualismo y las reformas liberales. Revista Uruguaya de Ciencia Política, 22(SPE), 28–
54.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1843
Barkin, D. (1972). ¿Quiénes son los beneficiarios del desarrollo regional? En D. Barkin (Comp.),
Los beneficiarios del desarrollo regional (pp. 74-89). Secretaría de Educación Pública.
Beltrán Pascual, M., & Pacheco Bonrostro, J. A. (2001). Nuevos métodos para el diseño de
clusters no jerárquico. Estadística Española, 43(148), 209-224.
Buchanan, J.M. (1975): “A Contractarian Paradigm for Applying Economic Theory”, American
Economic Review, vol. 65, mayo, pp. 225-230.
Bustos, A. (s.f.). Niveles de marginación: una estrategia multivariada de clasificación.
Cárdenas, Ó.J. (2010). Cardenalización del índice de marginación: una metodología para
evaluar la eficiencia del gasto ejercido en el Ramo 33. EconoQuantum, 7(1), 41-66.
CONAPO [Consejo Nacional de Población]. (2021a). Índice de marginación por entidad
federativa y municipio 2020. Nota técnico-metodológica. Recuperado de:
https://www.gob.mx/cms/uploads/attachment/file/685354/Nota_te_cnica_IMEy
M_2020.pdf
Dalenius, T. y Hodges, J. (1959). Minimum variance stratification. Journal of the American
Statistical Association, 54, 88-101.
García Lautre, I.; Gil Canaleta, C.; Pascual Arzoz, P. y Rapún, M. (1998): “Una propuesta
metodológica para la ordenación de las infraestructuras regionales”, Estudios
Regionales, nº 51, pp. 145-170.
Jackson, J. E. (2003). A user's guide to principal components. John Wiley & Sons.
Jiménez-Fernández, E., Sánchez, A., & Ortega-Pérez, M. (2022). Dealing with weighting
scheme in composite indicators: An unsupervised distance-machine learning
proposal for quantitative data. Socio-Economic Planning Sciences, 83, 101339.
Jolliffe, I. T. (2002). Principal component analysis (2nd ed.). Springer.
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1843
Barkin, D. (1972). ¿Quiénes son los beneficiarios del desarrollo regional? En D. Barkin (Comp.),
Los beneficiarios del desarrollo regional (pp. 74-89). Secretaría de Educación Pública.
Beltrán Pascual, M., & Pacheco Bonrostro, J. A. (2001). Nuevos métodos para el diseño de
clusters no jerárquico. Estadística Española, 43(148), 209-224.
Buchanan, J.M. (1975): “A Contractarian Paradigm for Applying Economic Theory”, American
Economic Review, vol. 65, mayo, pp. 225-230.
Bustos, A. (s.f.). Niveles de marginación: una estrategia multivariada de clasificación.
Cárdenas, Ó.J. (2010). Cardenalización del índice de marginación: una metodología para
evaluar la eficiencia del gasto ejercido en el Ramo 33. EconoQuantum, 7(1), 41-66.
CONAPO [Consejo Nacional de Población]. (2021a). Índice de marginación por entidad
federativa y municipio 2020. Nota técnico-metodológica. Recuperado de:
https://www.gob.mx/cms/uploads/attachment/file/685354/Nota_te_cnica_IMEy
M_2020.pdf
Dalenius, T. y Hodges, J. (1959). Minimum variance stratification. Journal of the American
Statistical Association, 54, 88-101.
García Lautre, I.; Gil Canaleta, C.; Pascual Arzoz, P. y Rapún, M. (1998): “Una propuesta
metodológica para la ordenación de las infraestructuras regionales”, Estudios
Regionales, nº 51, pp. 145-170.
Jackson, J. E. (2003). A user's guide to principal components. John Wiley & Sons.
Jiménez-Fernández, E., Sánchez, A., & Ortega-Pérez, M. (2022). Dealing with weighting
scheme in composite indicators: An unsupervised distance-machine learning
proposal for quantitative data. Socio-Economic Planning Sciences, 83, 101339.
Jolliffe, I. T. (2002). Principal component analysis (2nd ed.). Springer.
Ciencia y Reflexión - Revista Científica Multidisciplinaria
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1844
Juárez Romero, O., Cañedo Villarreal, R., & Barragán Mendoza, M. del C. (2017). Medición
de la calidad de vida mediante índices sintéticos en localidades del municipio de
Acapulco, Guerrero, México. Población y Salud en Mesoamérica, 14(2), 1–19.
Mardia, K. V., Kent, J. T., & Taylor, C. C. (2024). Multivariate analysis (2nd ed.). John Wiley &
Sons.
La Revista utiliza códigos para identificar al Editor y al equipo de
PARES REVISORES. Si tiene dudas o consultas, contacte a:
contacto@cienciayreflexion.org
Código de Editor: 106
Código de Revisores: 977
ISSN 3045-5537 (en línea) Enero-Marzo, 2026, Volumen 5, Número 1 Pág. 1844
Juárez Romero, O., Cañedo Villarreal, R., & Barragán Mendoza, M. del C. (2017). Medición
de la calidad de vida mediante índices sintéticos en localidades del municipio de
Acapulco, Guerrero, México. Población y Salud en Mesoamérica, 14(2), 1–19.
Mardia, K. V., Kent, J. T., & Taylor, C. C. (2024). Multivariate analysis (2nd ed.). John Wiley &
Sons.
La Revista utiliza códigos para identificar al Editor y al equipo de
PARES REVISORES. Si tiene dudas o consultas, contacte a:
contacto@cienciayreflexion.org
Código de Editor: 106
Código de Revisores: 977