El mapa antes de la campaña

Un punto cero, no una sentencia

Este ejercicio sirve precisamente porque todavía está incompleto. A casi nueve meses de la elección, la política real apenas empieza a introducir variables que la línea base no conoce. La simulación responde una pregunta más austera: si hoy congeláramos la política y sólo dejáramos continuar las trayectorias electorales observadas, ¿qué forma tendría el mapa municipal?

La respuesta no es “quién va a ganar”. Es algo más útil para el seguimiento: desde dónde empieza cada municipio. Eso permite que, cuando aparezcan candidaturas, encuestas, rupturas, obras, crisis o cambios de partido, podamos medir cuánto se separa el escenario vivo de esta base.

La primera posición matemática del escenario

Al tomar la mediana P50 de cada fuerza, PAN aparece en primera posición matemática en 50 municipios, PRI en 22 y MORENA en 22. PT y PVEM encabezan tres cada uno; NAY tres; MC dos; PRD uno. Esto es una clasificación interna de la simulación, no una predicción electoral.

El dato territorial cambia cuando se mira el peso electoral: los 50 municipios con PAN en primera P50 concentran 72.8% de la lista nominal contenida en el archivo; los 22 de MORENA, 17.9%; los 22 del PRI, 6.0%. Esa concentración está muy influida por los municipios grandes y por eso no debe confundirse “número de municipios” con “peso del electorado”.

Los 106, sin esconder ninguno

Esta es la fotografía completa. “Primera P50” significa únicamente la fuerza con mayor mediana en la corrida. El margen es la distancia entre las dos medianas más altas.

Los municipios grandes cuentan otra historia

La geografía municipal puede engañar: un municipio vale uno en el conteo territorial, pero no uno en electores. Por eso los mayores padrones deben leerse por separado.

¿Quién aparece primero en cada territorio?

PAN · 50 municipios

MERIDA, KANASIN, PROGRESO, TEKAX, TICUL, MOTUL, CHEMAX, HALACHO, TIXKOKOB, TECOH, CONKAL, ACANCEH, ESPITA, YAXCABA, MUNA, TINUM, TEKIT, SEYE, BUCTZOTZ, DZIDZANTUN, PANABA, TEMAX, KINCHIL, OPICHEN, TEABO, MANI, HUHI, KANTUNIL, CUZAMA, CHANKOM, CANSAHCAB, CHICXULUB PUEBLO, IXIL, SANTA ELENA, CENOTILLO, UCU, TAHMEK, SUCILA, DZITAS, TUNKAS, MAYAPAN, SINANCHE, XOCCHEL, MAMA, MUXUPIP, TEKAL DE VENEGAS, SUDZAL, SANAHCAT, CUNCUNUL, QUINTANA ROO

PRI · 22 municipios

OXKUTZCAB, CHICHIMILA, HOMUN, CACALCHEN, TIMUCUY, TIXCACALCUPUL, ABALA, DZAN, TIXMEHUAC, CHOCHOLA, CALOTMUL, CHIKINDZONOT, CHAPAB, TELCHAC PUEBLO, DZONCAUICH, MOCOCHA, TEKOM, CHACSINKIN, DZILAM DE BRAVO, TELCHAC PUERTO, BOKOBA, SAN FELIPE

MORENA · 22 municipios

VALLADOLID, TIZIMIN, UMAN, HUNUCMA, IZAMAL, MAXCANU, PETO, TEMOZON, CELESTUN, DZILAM GONZALEZ, HOCTUN, HOCABA, TIXPEHUAL, UAYMA, TEKANTO, RIO LAGARTOS, CHUMAYEL, KAUA, KOPOMA, YOBAIN, CANTAMAYEC, TEYA

PT · 3 municipios

TZUCACAB, AKIL, TETIZ

PVEM · 3 municipios

SOTUTA, BACA, SAMAHIL

NAY · 3 municipios

TAHDZIU, YAXKUKUL, SUMA

MC · 2 municipios

SACALUM, DZEMUL

PRD · 1 municipios

TEPAKAN

Los listados anteriores no equivalen a municipios “ganados”; son agrupaciones por primera mediana P50.

Sin escolaridad: el mapa cambia según el perfil

Más alto = mayor proporción sin escolaridad. Los grupos son cuartiles de los 106 municipios: Q1=16.99, mediana=19.98, Q3=22.12. Esto describe asociación territorial, no causalidad.

Educación superior: el mapa cambia según el perfil

Más alto = mayor proporción con educación superior. Los grupos son cuartiles de los 106 municipios: Q1=1.51, mediana=2.63, Q3=4.82. Esto describe asociación territorial, no causalidad.

Sin bienes: el mapa cambia según el perfil

Indicador material disponible; no equivale a ingreso. Los grupos son cuartiles de los 106 municipios: Q1=5.88, mediana=9.15, Q3=15.54. Esto describe asociación territorial, no causalidad.

Piso de tierra: el mapa cambia según el perfil

Indicador de rezago habitacional; no equivale a marginación oficial. Los grupos son cuartiles de los 106 municipios: Q1=2.36, mediana=4.14, Q3=8.64. Esto describe asociación territorial, no causalidad.

Sin drenaje: el mapa cambia según el perfil

Rezago de servicio. Los grupos son cuartiles de los 106 municipios: Q1=36.51, mediana=50.69, Q3=64.23. Esto describe asociación territorial, no causalidad.

Sin electricidad: el mapa cambia según el perfil

Rezago de servicio. Los grupos son cuartiles de los 106 municipios: Q1=2.36, mediana=3.62, Q3=5.72. Esto describe asociación territorial, no causalidad.

Agua de red: el mapa cambia según el perfil

Cobertura de servicio. Los grupos son cuartiles de los 106 municipios: Q1=7.31, mediana=18.92, Q3=35.72. Esto describe asociación territorial, no causalidad.

Componente maya: el mapa cambia según el perfil

Proporción municipal en variable Censo_Pct_Maya. Los grupos son cuartiles de los 106 municipios: Q1=28.29, mediana=49.95, Q3=62.91. Esto describe asociación territorial, no causalidad.

Edad promedio: el mapa cambia según el perfil

Estructura etaria. Los grupos son cuartiles de los 106 municipios: Q1=29.12, mediana=31.64, Q3=34.77. Esto describe asociación territorial, no causalidad.

Población 60+: el mapa cambia según el perfil

Envejecimiento relativo. Los grupos son cuartiles de los 106 municipios: Q1=8.26, mediana=9.40, Q3=11.06. Esto describe asociación territorial, no causalidad.

La zona donde el mapa puede moverse primero

Los casos más informativos no siempre son aquellos que cambian de etiqueta. Son aquellos donde la diferencia P50 es pequeña y los intervalos se pisan ampliamente. Ahí una intervención real futura tendría más espacio para separar la distribución viva de la línea base.

Lo que los cruces sí empiezan a revelar

Los cruces territoriales no deben buscar una explicación única. Su valor está en encontrar recurrencias y contradicciones: si una fuerza aparece con más frecuencia en el cuartil alto de educación superior, si otra concentra primeras posiciones en municipios con mayor componente maya, o si los escenarios sensibles se acumulan donde ciertos servicios son más precarios. Eso no prueba que esas características produzcan el voto. Señala dónde conviene investigar.

La evidencia más interesante será la que rompa el patrón: municipios sociodemográficamente parecidos que llegan a escenarios electorales muy distintos. Esos pares permiten formular hipótesis sobre lo que la base histórica no contiene: liderazgos locales, calidad del gobierno municipal, candidatos, redes territoriales, conflictos o acontecimientos específicos.

La siguiente vida del modelo

Esta línea base debe congelarse. No conviene “mejorarla” retrospectivamente cada vez que aparezca un dato nuevo, porque perderíamos la capacidad de medir el cambio. La arquitectura útil es: BASE 2027 → INTERVENCIÓN → NUEVA DISTRIBUCIÓN → DELTA.

La siguiente iteración debería añadir, en capas separadas, ingreso/pobreza y marginación oficiales; una clasificación real de urbanidad; composición por sexo; satisfacción con alcalde; aprobación estatal; conocimiento y reconocimiento de aspirantes; intención de voto; candidaturas y coaliciones; renuncias y cambios de partido; obras e inversiones; conflictos, crisis y escándalos documentados. Cada incorporación debe dejar huella de cuánto altera el escenario anterior.

Nota metodológica y límites

Fuente exclusiva: libro HOWEDOING MonteCarlo Municipal 2027 Hogares. Ponderación histórica documentada: 2018=15%, 2021=30%, 2024=55%; simulación Dirichlet; 5,000 simulaciones por municipio; semilla 20270920. P50 es mediana de simulaciones; P10–P90 expresa incertidumbre interna del modelo. No se incorporó información web ni acontecimientos políticos externos. Los cruces censales son descriptivos y no causales. El archivo presenta además una inconsistencia ya detectada entre CENSO_POB_2020 y LISTA_NOMINAL_2024, por lo que el peso electoral se expresa principalmente con lista nominal.