Forma Descripción generada automáticamente
Forma Descripción generada automáticamente
Revista Multidisciplinar Epistemología de las Ciencias
Volumen 3, Número 2, 2026, abril-junio
DOI: https://doi.org/10.71112/gvrkp858
ANÁLISIS DE COMPONENTES PRINCIPALES (ACP) DE LA DINÁMICA
SOCIOECONÓMICA DE OAXACA 2010–2024
PRINCIPAL COMPONENT ANALYSIS (PCA) OF THE SOCIOECONOMIC
DYNAMICS OF OAXACA 2010–2024
Francisco Javier Santiago Hernández
Luis Alberto Gómez Hernández
México
DOI: https://doi.org/10.71112/gvrkp858
2327 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Análisis de Componentes Principales (ACP) de la dinámica socioeconómica de
Oaxaca 2010–2024
Principal Component Analysis (PCA) of the Socioeconomic Dynamics of Oaxaca
2010–2024
Francisco Javier Santiago Hernández
a
,*
fjaviersantiagoh@gmail.com
https://orcid.org/0009-0008-2118-3340
Luis Alberto Gómez Hernández
b
luislaberto.goh@gmail.com
https://orcid.org/0009-0005-3072-8435
*Autor de correspondencia: fjaviersantiagoh@gmail.com,
a
División de Estudios de Posgrado,
Universidad Tecnológica de la Mixteca,
b
Facultad de Economía, Universidad Autónoma “Benito
Juárez” de Oaxaca, México
RESUMEN
El presente artículo analizó la dinámica socioeconómica de Oaxaca durante 2010–2024
mediante el Análisis de Componentes Principales (ACP) aplicado a 17 variables de bienestar
social, estructura productiva, migración e inversión pública. Se identificaron tres componentes
que explicaron el 88.8 % de la varianza total: el primero muestra cómo la economía pasó de
depender de la refinería de Salina Cruz y la inversión del gobierno estatal, a sostenerse más en
los salarios, la escolaridad y las remesas; el segundo identifica 2017 como el año en que ese
modelo se agotó y la construcción tomó protagonismo hacia el final del período; el tercero
captura con precisión el golpe que dejó la pandemia de COVID-19 en 2020 sobre el turismo y el
transporte. Los datos confirman que Oaxaca sigue atrapada en un círculo difícil de romper,
aunque los aumentos del salario mínimo desde 2019 y la llegada de proyectos federales de
infraestructura empezaron a mover algunas de esas condiciones.
DOI: https://doi.org/10.71112/gvrkp858
2328 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Palabras clave: análisis de componentes principales; Oaxaca; informalidad laboral; desarrollo
regional; estructura productiva; inversión pública.
ABSTRACT
This article analyzed the socioeconomic dynamics of Oaxaca during 2010–2024 using Principal
Component Analysis (PCA) applied to 17 variables covering social welfare, productive structure,
migration, and public investment. Three components were identified that explained 88.8% of the
total variance: the first shows how the economy shifted from depending on the Salina Cruz
refinery and state government investment toward greater reliance on wages, schooling, and
remittances; the second identifies 2017 as the year that model ran out of steam, with
construction taking center stage toward the end of the period; the third precisely captures the
blow that the COVID-19 pandemic dealt in 2020 to tourism and transport. The data confirm that
Oaxaca remains caught in a difficult cycle, although minimum wage increases since 2019 and
the arrival of federal infrastructure projects have begun to shift some of those conditions.
Keywords: principal component analysis; Oaxaca; labor informality; regional development;
productive structure; public investment.
Recibido: 15 mayo 2026 | Aceptado: 1 junio 2026 | Publicado: 2 junio 2026
INTRODUCCIÓN
Oaxaca, una de las entidades con mayor derrama económica por la llegada de turistas
nacionales y extranjeros, y uno de los estados productores de petroleo, reportó para el periodo
2010-2024 índices de pobreza por arriba del 60 % de su población (CONEVAL, 2024), una tasa
de informalidad laboral que mayor al 80 % de su población ocupada de manera sostenida y una
DOI: https://doi.org/10.71112/gvrkp858
2329 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
dependencia de las remesas provenientes principalmente de los Estados Unidos de América
(EEUUAA).
La relación de las variables ha sido estudiada desde el enfoque de variables sectoriales
(CONAPO, 2023), migratorias (Massey et al., 2010) y de política pública (Berdegué et al.,
2015), pero rara vez a través de enfoques multivariados como el Análisis de Componentes
Principales, (ACP) el cual permite capturar de forma simultánea las interrelaciones entre
distintas dimensiones del fenómeno.
El período de estudio resultó relevante por lo siguiente: la consolidación de las reformas
estructurales del período 2013–2014, el histórico aumento del salario mínimo iniciado en 2019,
el impacto de la pandemia de COVID-19 en 2020, el desarrollo del Corredor Interoceánico del
Istmo de Tehuantepec a partir de 2019–2020 (Padilla y De Sicilia, 2017), y los desastres
naturales (como los sismos de 2017 y 2018). Estos hechos a lo largo del periodo ofrecen una
oportunidad analítica única para examinar la estructura y evolución de la economía oaxaqueña.
Este trabajo analiza 17 variables y determina las dimensiones latentes que estructuran
la dinámica socioeconómica de Oaxaca durante 2010–2024, y la relación de estas con respecto
a la informalidad laboral, la migración internacional, la inversión pública estatal y la estructura
productiva sectorial. Para esto, se recurre al ACP, una técnica de reducción dimensional que
permite identificar patrones subyacentes en conjuntos de variables altamente correlacionadas y
rastrear cómo esos patrones evolucionan en el tiempo (Johnson y Wichern, 2007; Hair et al.,
2019).
Informalidad laboral y desarrollo regional en América Latina
La informalidad laboral no es una característica propia de México, sino que se encuentra
presente en toda latinoamerica. En las zonas rurales de la región, el 66 % de la población vive
en hogares completamente informales, frente al 34 % en zonas urbanas (OCDE, 2024), lo que
se asocia directamente con la dependencia de la agricultura de subsistencia, la fragilidad de la
DOI: https://doi.org/10.71112/gvrkp858
2330 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
infraestructura y la dificultad de formalizar actividades dispersas geográficamente. Para
Oaxaca, este diagnóstico aplica con especial intensidad, ya que, de poco más de 10 mil
localidades (en su mayoría indígenas) el 72% cuentan con una población inferior a 15 mil
habitantes (INEGI,2020), además de considerar que la entidad se encuentra entre sistemas
montañosos que dificultan y alargan los traslados entre zonas urbanas y rurales.
Tokman (2001) distinguió entre una informalidad de subsistencia (producto de la
exclusión estructural del mercado formal) y una informalidad estratégica (adoptada
voluntariamente para evadir los costos de la regulación). En Oaxaca el primer tipo predomina
con claridad, debido al elevado índice de marginación (CONAPO, 2023) y a la concentración de
la actividad económica en la agricultura y el comercio de proximidad. Boltvinik (2003)
argumentó que en contextos como Oaxaca la pobreza y la informalidad son fenómenos co-
determinados que se retroalimentan en ausencia de política industrial activa. Lo anterior parece
concordar con los datos, que muestra que la tasa de informalidad laboral de la entidad se
mantuvo casi constante en el periodo de estudio (con coeficiente de variación de apenas 1.2
%) lo que refleja no una fluctuación cíclica sino una condición estructural estancada, por lo
tanto sugiere que ninguno de los eventos ocurridos en el período de estudio (ni el auge
petroquímico, el colapso de 2017, la pandemia, o la recuperación) alteró de forma apreciable la
estructura del mercado laboral informal. Migración, remesas y estructura económica en
Oaxaca.
En 2024 las remesas recibidas por el estado superaron los 3,433 millones de dólares
(Banxico, 2024), lo que la ubica entre las entidades con mayor captación del sur-sureste del
país. Para muchos hogares, este flujo no es un ingreso complementario sino el sostén principal:
estudios para la zona costera oaxaqueña han documentado que las remesas representan hasta
el 50 % del ingreso total en algunas localidades (Aragonés, A., et al, 2016), además de que
aproximadamente el 92 % de los hogares receptores de remesas en la entidad destinaban ese
DOI: https://doi.org/10.71112/gvrkp858
2331 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
recurso a cubrir los costos de la vida diaria (Cohen y Rodríguez, 2005, citado en Aragonés A.,
et al, 2016).
Espinosa et al. (2014) encontraron que, aunque las remesas reducen la pobreza
alimentaria en el corto plazo, su efecto sobre la desigualdad interna de las comunidades es
ambigua: en las etapas tempranas de la migración, ya que aquellos con familiares viviendo en
EEUUAA tienen una mayor ventaja para migrar (ya que las estas redes de familiares facilitan el
costear el viaje y el conseguir un empleo más rápido). Massey et al. (2010) argumentaron que
las remesas no sustituyen al ingreso doméstico, sino que lo complementan. Para Oaxaca, esto
significa que el crecimiento sostenido de las remesas durante 2010–2024 (aún durante la
pandemia) es evidencia de la madurez y resiliencia de esas redes, no simplemente de un
aumento en el número de migrantes.
Transformación estructural, inversión pública y desarrollo sectorial
La refinería Antonio Dovalí Jaime en Salina Cruz había aportado históricamente hasta el
89.3 % de la producción manufacturera estatal (CONCANACO, 2024), una concentración tan
elevada que hace de Oaxaca un caso casi único de dependencia monoindustrial en el contexto
mexicano. La declinación de esa refinería, que se aceleró a partir de 2016–2017, arrastró
consigo una parte importante del PIB estatal y dejó un vacío productivo que los sectores
sustitutos (comercio, servicios, construcción) llenaron solo de manera parcial y con menor
productividad.
Esta trayectoria encaja con precisión en la hipótesis de terciarización prematura que
Rodrik (2016) formuló para economías en desarrollo: los sectores de servicios absorben la
mano de obra expulsada de la industria, pero sin que ello implique ganancias de productividad,
perpetuando la trampa de baja productividad. Hanson (2007) documentó un mecanismo similar
en estados mexicanos con alta emigración, donde la contracción industrial correlaciona con la
expansión de sectores de baja productividad y con mayores flujos migratorios. En Oaxaca
DOI: https://doi.org/10.71112/gvrkp858
2332 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
ambos sectores (industria y migración) ocurrieron de forma simultánea, lo que sugiere una
estrecha relación entre estos.
En el caso de la inversión pública estatal, los datos de la Estadística de Finanzas
Públicas Estatales y Municipales del INEGI muestran que la inversión cayó de 11,539 millones
de pesos constantes 2018 en 2010 a apenas 1,322 millones en 2017: una reducción del 89 %
en términos reales en solo siete años. La reducción de la inversión coincide con la caída del
sector del petróleo, esto no es una coincidencia, sino que sugiere que la inversión pública actuó
durante el período 2010–2016 como complemento y sostén del complejo petroquímico, y que
su reducción tuvo consecuencias para este sector. Los resultados del ACP que se presentan
en este artículo aportan evidencia multivariada de esta co-determinación.
En cuanto al sector de construcción se observó un crecimiento de 2022–2024, esto
concuerda con el inicio del Corredor Interoceánico del Istmo de Tehuantepec y a los proyectos
de infraestructura asociados, que representan la intervención pública federal más significativa
en la región en décadas (Padilla y De Sicilia, 2017). Análisis multivariado en economía regional
Kamari et al. (2025) demostraron recientemente que el ACP, combinada con análisis de
conglomerados, permite clasificar países latinoamericanos según patrones de desarrollo
multidimensional sin perder capacidad explicativa respecto a los indicadores originales
(siempre que las variables presenten alta correlación interna, condición que en este estudio se
verifica con claridad: la prueba de Bartlett arroja χ² = 1,064.95 con p < 0.001). En México,
Dircio-Palacios-Macedo et al (2022) construyeron un índice de inclusión financiera municipal
mediante ACP, argumentando que la técnica es idónea cuando el objetivo es capturar
dimensiones latentes subyacentes a un conjunto de indicadores observables con estructura de
correlación conocida.
J. Emmanuel Fantcho y Patrick Konnin N. (2024) analizaron los factores estructurales
de las economías informales en 189 países y encontraron que el grado de informalidad está
DOI: https://doi.org/10.71112/gvrkp858
2333 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
inversamente relacionado con el nivel de desarrollo, y que las economías latinoamericanas
presentan perfiles factoriales consistentes con el predominio de la informalidad de subsistencia.
Esto da sentido a la decisión metodológica de este estudio de tratar la tasa de informalidad
oaxaqueña como variable ilustrativa (y no activa) en el ACP: su escasa variabilidad temporal es
precisamente el reflejo estadístico de ese carácter estructural que la literatura comparada ha
documentado.
La pandemia de 2020 expuso la vulnerabilidad de las economías con alta informalidad y
dependencia turística. McKibbin y Fernando (2020) documentaron que los sectores con mayor
exposición al contacto social registraron contracciones de entre el 15 % y el 30 % ese año; el
tercer componente del ACP captura este impacto con precisión estadística: la puntuación pasa
de −1.231 en 2019 al máximo de toda la serie en 2020 (+2.857 desviaciones estándar), una
oscilación sin precedente que no aparece enmascarada por otras tendencias estructurales.
METODOLOGÍA
Lorem La investigación adoptó un diseño cuantitativo no experimental de tipo
longitudinal para el estado de Oaxaca para el periodo 2010-2024 con una muestra de 15
observaciones anuales con datos consistentes para las 17 variables activas seleccionadas, sin
exclusión de ningún año.
La selección de variables respondió a un criterio de representatividad multidimensional
del fenómeno socioeconómico oaxaqueño, siguiendo la tradición de los índices compuestos de
desarrollo regional (Berdegué et al., 2015; PNUD, 2014). Las 17 variables activas se agruparon
en 5 dimensiones teóricas: bienestar social, mercado laboral, estructura productiva, migración e
inversión pública (Tabla 1). Tres variables adicionales se trataron como suplementarias y no
participaron en la extracción de componentes.
DOI: https://doi.org/10.71112/gvrkp858
2334 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Tabla 1.
Variables utilizadas en el Análisis de Componentes Principales.
Dimensión
Variable
Transformación
Fuente
Bienestar
Tasa de pobreza
Directa
CONEVAL
Bienestar
Escolaridad promedio
Directa
SEP
Merc. laboral
Salario mínimo
ln(sal. × 365)
CONASAMI
Migración
Remesas per cápita
ln(rem. × TC/pob.)
Banxico
Productiva
PIB per cápita
ln(PIB/pob.)
SCNM
Inv. pública
Inv. pública pc
ln(inv. × defl./pob.)
EFIPEM
Productiva
Agricultura (111)
Directa
SCNM
Productiva
Ind. Alimentaria (311)
Directa
SCNM
Productiva
Construcción (23)
Directa
SCNM
Productiva
Petroquímica (324–326)
Directa
SCNM
Productiva
Comercio mayor (43)
Directa
SCNM
Productiva
Comercio menor (46)
Directa
SCNM
Productiva
Transportes (48–49)
Directa
SCNM
Productiva
Inmobiliario (53)
Directa
SCNM
Productiva
Educación (61)
Directa
SCNM
Productiva
Turismo (72)
Directa
SCNM
Productiva
Gobierno (93)
Directa
SCNM
Variables suplementarias (no activas en el ACP)
Supl.
Tasa de informalidad
Directa
ENOE
Supl.
Brecha salarial
Directa
CONASAMI
Supl.
Log turistas
Logaritmo
SECTUR
Nota: Tasa de informalidad excluida del ACP activo por CV = 1.2 %; log_turistas por CV
= 1.7 %; brecha salarial por colinealidad con salario mínimo.
Fuente: Elaboración propia con datos de CONEVAL (2024), SEP (2024), ENOE/INEGI
(2024a), CONASAMI (2024), Banxico (2024), SCNM/INEGI (2024c), EFIPEM/INEGI (2024b),
CONAPO (2023), SECTUR (2024).
La tasa de pobreza del CONEVAL se midió bienalmente; los años intermedios se
estimaron mediante interpolación lineal entre mediciones consecutivas. Las remesas en
DOI: https://doi.org/10.71112/gvrkp858
2335 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
millones de dólares se convirtieron a pesos con el tipo de cambio FIX promedio anual (serie
SF43718, Banxico) y se expresaron per cápita antes de aplicar el logaritmo. La inversión
pública estatal se obtuvo del Capítulo 6000 de la EFIPEM/INEGI, se deflactó a precios
constantes 2018 utilizando el INPC promedio anual (serie SP1) y se expresó per cápita con las
proyecciones de CONAPO antes de aplicar el logaritmo natural. Las participaciones sectoriales
del PIB se utilizaron directamente de la estructura porcentual en valores constantes del SCNM.
Una vez construida la matriz de datos transformados de dimensión 15 × 17, se verificó
la adecuación del ACP mediante la prueba de esfericidad de Bartlett (Bartlett, 1950) y el
determinante de la matriz de correlaciones. El ACP se implementó sobre la matriz de
correlaciones utilizando la función prcomp() con scale = TRUE del entorno estadístico R versión
4.x (R Core Team, 2024). La retención de componentes siguió el criterio de Kaiser (Kaiser,
1960), complementado con la inspección visual del gráfico de sedimentación. Se aplicó rotación
Varimax (Kaiser, 1958) sobre la matriz de componentes, y las visualizaciones se construyeron
con los paquetes FactoMineR (Le et al., 2008) y factoextra (Kassambara y Mundt, 2020). Las
variables suplementarias se proyectaron sobre el espacio factorial calculando sus correlaciones
con las puntuaciones de los componentes sin rotar.
El ACP transforma un conjunto de p variables originales en k < p componentes
ortogonales que capturan la máxima varianza posible. Cada componente principal yj se
construye como combinación lineal de las variables estandarizadas, con coeficientes dados por
los vectores propios de la matriz de correlaciones. La comunalidad hi2 de cada variable
representa la proporción de su varianza explicada por los k componentes retenidos. La rotación
Varimax redistribuye la varianza entre componentes sin alterar el total explicado, produciendo
una estructura donde cada variable presenta cargas altas en un solo componente (Hair et al.,
2019; Johnson y Wichern, 2007).
DOI: https://doi.org/10.71112/gvrkp858
2336 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
RESULTADOS
La Tabla 2 presenta las estadísticas descriptivas de las 17 variables activas. Destacaron
por su elevada variabilidad relativa las participaciones de la construcción (CV=30 %) y de la
industria petroquímica (CV=30.7 %), lo que anticipó su papel central en los primeros
componentes del análisis. La variable log_inv_pc presentó un CV=15.8 %, comparable al del
turismo (CV=15.9 %), confirmando su idoneidad para el ACP activo.
Tabla 2.
Estadísticas descriptivas de las variables activas (2010–2024).
Variable
Media
D.E.
Mín.
Máx.
CV (%)
Tasa de pobreza
0.6163
0.0425
0.5114
0.6671
6.9
Escolaridad (años)
7.6533
0.5449
6.8000
8.5000
7.1
Log salario mínimo
10.464
0.4807
9.9510
11.417
4.6
Log remesas per cápita
−4.928
0.4710
−5.571
−4.274
9.6
Log PIB per cápita
−2.347
0.0687
−2.483
−2.221
2.9
Log inv. pública pc
6.3899
1.0077
4.6218
8.0140
15.8
Part. agricultura (%)
2.9677
0.2878
2.6275
3.5975
9.7
Part. ind. alimentaria (%)
3.2879
0.1503
2.9996
3.5476
4.6
Part. construcción (%)
10.331
3.1025
7.3418
18.570
30.0
Part. petroquímica (%)
13.142
4.0290
8.1309
18.862
30.7
Part. comercio mayor (%)
8.9628
0.5336
8.0685
9.9438
6.0
Part. comercio menor (%)
13.172
1.0096
11.695
14.806
7.7
Part. transportes (%)
4.5188
0.1865
3.9987
4.7177
4.1
Part. inmobiliario (%)
9.9896
0.8137
9.0557
11.563
8.1
Part. educación (%)
6.1089
0.6187
5.2784
7.2296
10.1
Part. turismo (%)
2.7941
0.4453
1.9833
3.5712
15.9
Part. gobierno (%)
5.1010
0.4282
4.3420
5.8928
8.4
Tasa de informalidad
0.8062
0.0096
0.7806
0.8201
1.2
Nota: D.E. = desviación estándar; CV = coeficiente de variación. n = 15 observaciones (2010–
2024). * Variable suplementaria, no activa en el ACP.
Fuente: Elaboración propia.
DOI: https://doi.org/10.71112/gvrkp858
2337 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
La prueba de esfericidad de Bartlett arrojó un estadístico χ2=1,064.95 con 136 grados
de libertad y un valor-p < 0.001, rechazando contundentemente la hipótesis nula de ausencia
de correlaciones. El determinante de la matriz de correlaciones resultó |R| = 2.152 × 10−62,
valor positivo y prácticamente nulo que confirmó la existencia de alta multicolinealidad entre
variables y justificó plenamente la reducción dimensional mediante ACP. La inspección de la
matriz de correlaciones permitió identificar tres grupos de variables altamente correlacionadas:
(i) un grupo de bienestar-laboral, con correlaciones absolutas superiores a 0.80; (ii) un grupo
donde la petroquímica y la inversión pública mostraron correlaciones pronunciadas (r = +0.89);
y (iii) un grupo de PIB y sectores tradicionales, donde el PIB per cápita correlacionó
negativamente con el gobierno (r = −0.91).
Aplicando el criterio de Kaiser, se retuvieron tres componentes principales con valor
propio superior a la unidad (Tabla 3). En conjunto, estos tres componentes explicaron el 88.9 %
de la varianza total de las 17 variables activas, resultado satisfactorio para el objetivo del
análisis. El gráfico de sedimentación mostró un quiebre pronunciado entre el tercer y cuarto
componente, confirmando la idoneidad de la solución de tres factores (véase Figura 1).
Figura 1
Gráfico de sedimentación (scree plot).
Nota: La línea discontinua roja indica el criterio de Kaiser (eigenvalor = 1).
Fuente: Elaboración propia.
DOI: https://doi.org/10.71112/gvrkp858
2338 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Tabla 3.
Eigenvalores y varianza explicada por componente.
Comp.
Nombre
Eigenvalor
Var. (%)
Acum. (%)
CP1
Inv. pública y petroquímica vs. capital
humano y remesas
7.362
43.0
43.0
CP2
Estructura productiva tradicional vs.
PIB y construcción
6.213
36.5
79.5
CP3
Vulnerabilidad turismo–transporte
1.530
9.4
88.9
CP4
—
0.811
4.8
93.6
CP5
—
0.586
3.4
97.1
Nota: Componentes sombreados retenidos según criterio de Kaiser (λj > 1). Varianza
Varimax: 43.0 %, 36.5 % y 9.4 %.
Fuente: Elaboración propia.
La Tabla 4 presentó las comunalidades obtenidas con tres componentes. Todas las
variables activas superaron el umbral mínimo de 0.60, con un promedio de h2= 0.889. Las
variables mejor representadas fueron el PIB per cápita (h2= 0.987), el salario mínimo (h2=
0.983) y la construcción (h2= 0.982). La nueva variable log_inv_pc presentó una comunalidad
de h2= 0.856, confirmando su adecuada representación. La calidad del ajuste se corroboró
mediante la matriz residual: solo 22 de los 136 residuos no redundantes (16.2 %) superaron el
valor absoluto de 0.05.
Tabla 4.
Comunalidades con tres componentes principales.
Variable
Comunalidad (h²)
Varianza explicada (%)
Log PIB per cápita
0.9872
98.72
Log salario mínimo
0.9831
98.31
Part. construcción
0.9819
98.19
Part. petroquímica
0.9777
97.77
Part. inmobiliario
0.9766
97.66
Escolaridad promedio
0.9758
97.58
Part. comercio menor
0.9519
95.19
DOI: https://doi.org/10.71112/gvrkp858
2339 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Log remesas per cápita
0.9339
93.39
Tasa de pobreza
0.9062
90.62
Part. gobierno
0.9050
90.50
Part. agricultura
0.8761
87.61
Part. educación
0.8698
86.98
Log inv. pública pc
0.8555
85.55
Part. turismo
0.8529
85.29
Part. transportes
0.7520
75.20
Part. ind. alimentaria
0.7088
70.88
Part. comercio mayor
0.6100
61.00
Promedio
0.8885
88.85
Fuente: Elaboración propia.
Interpretación de los componentes principales
CP1: Inversión pública y petroquímica vs. capital humano y remesas (43.0 %).
El primer componente, que explicó el 43.0 % de la varianza tras la rotación Varimax,
opuso el período de dominio de la industria petroquímica respaldado por alta inversión pública
estatal, frente a la era de expansión del capital humano y las remesas. Las cargas positivas
más altas correspondieron a la participación de la industria petroquímica (+0.941) y a la
inversión pública per cápita (+0.909), junto con la tasa de pobreza (+0.771). Las cargas
negativas más pronunciadas pertenecieron a la escolaridad promedio (−0.980), las remesas
per cápita (−0.960), el comercio al por menor (−0.913) y el salario mínimo logaritmizado
(−0.914). Este patrón sugirió que valores altos caracterizaron los años 2010–2013, respaldados
por una inversión pública estatal de 11,539 millones de pesos constantes 2018 en 2010,
mientras que valores bajos reflejaron la nueva dinámica del período 2017–2024 con
crecimiento del capital humano, los flujos migratorios y la expansión del comercio. La estructura
de cargas de los tres componentes se ilustra en el círculo de correlaciones (véase Figura 2).
DOI: https://doi.org/10.71112/gvrkp858
2340 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Figura 2
Círculo de correlaciones CP1 vs. CP2.
Nota: El color de cada flecha indica la contribución de la variable al plano factorial (azul
oscuro = mayor contribución).
Fuente: Elaboración propia.
CP2: Estructura productiva tradicional vs. PIB y construcción (36.5 %)
El segundo componente (36.5 % de la varianza) capturó la tensión entre una estructura
productiva basada en sectores públicos y tradicionales frente al dinamismo del PIB per cápita y
la construcción. Las cargas positivas más altas correspondieron a la participación del gobierno
(+0.948), la industria alimentaria (+0.832), los servicios educativos (+0.828), el inmobiliario
(+0.754) y la agricultura (+0.729). Las cargas negativas más pronunciadas pertenecieron al PIB
per cápita (−0.975) y la construcción (−0.871). Destacó que la inversión pública per cápita
presentó una carga prácticamente nula en este componente (−0.148), evidenciando que el
boom de construcción de 2022–2024 operó de manera ortogonal a la inversión pública estatal.
DOI: https://doi.org/10.71112/gvrkp858
2341 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
CP3: Vulnerabilidad en turismo y transporte (9.4 %)
El tercer componente, aunque de menor peso relativo (9.4 %), presentó la interpretación
más precisa y directa. Sus cargas dominantes fueron las participaciones de transportes
(−0.832) y turismo (−0.807), con el resto de variables con cargas cercanas a cero. Las
puntuaciones en este componente alcanzaron su máximo en 2020 (+2.857), seguido de 2021
(+1.171), mientras que 2019 registró el valor más bajo (−1.231). Este patrón capturó con
exactitud el impacto de la pandemia de COVID-19 sobre los sectores de movilidad y turismo.
Tabla 5.
Cargas factoriales tras rotación Varimax (valores |𝑐
𝑖𝑗
| ≥ 0.10).
Variable
CP1
CP2
CP3
Escolaridad promedio
−0.980
Log remesas per cápita
−0.960
Log salario mínimo
−0.914
−0.352
+0.151
Part. petroquímica
+0.941
−0.298
Log inv. pública pc
+0.909
−0.148
Part. comercio menor
−0.913
+0.339
Tasa de pobreza
+0.771
+0.523
−0.196
Part. inmobiliario
−0.630
+0.754
+0.103
Part. agricultura
−0.473
+0.729
+0.347
Part. educación
−0.428
+0.828
Part. construcción
−0.462
−0.871
Part. comercio mayor
+0.457
+0.631
Part. ind. alimentaria
+0.113
+0.832
Log PIB per cápita
−0.975
−0.123
Part. gobierno
+0.948
Part. transportes
+0.242
−0.832
Part. turismo
−0.352
−0.269
−0.810
Varianza (%)
43.0
36.5
9.4
Varianza acumulada (%)
43.0
79.5
88.9
Nota: Se omiten cargas con valor absoluto inferior a 0.10. La varianza acumulada corresponde
a la solución rotada (Varimax).
Fuente: Elaboración propia.
DOI: https://doi.org/10.71112/gvrkp858
2342 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Posición de variables suplementarias
La proyección de las variables suplementarias sobre el espacio factorial produjo
resultados de alto valor interpretativo. La tasa de informalidad presentó una correlación de
−0.772 con el tercer componente, lo que implicó que los años de mayor actividad turística y de
transporte (2019, CP3 = −1.231) coincidieron con menor informalidad laboral, mientras que el
colapso turístico de 2020 (CP3 = +2.857) coincidió con un repunte de la informalidad. La brecha
salarial presentó una correlación de −0.895 con el primer componente, indicando que el cierre
de la brecha salarial observado desde 2019 fue parte del mismo proceso de transformación
estructural que capturó el CP1.
Evolución temporal y puntuaciones factoriales
En la solución definitiva sin rotar, el CP1 mostró puntuaciones positivas durante 2010–
2016 (dominio petroquímico con alta inversión pública y pobreza elevada), seguidas de un
quiebre en 2017 y una tendencia decreciente hasta 2024 (−2.662). El CP2 registró un repunte
positivo significativo entre 2017 y 2021, seguido de una caída pronunciada en 2023 (−4.199) y
2024 (−5.558), indicando aceleración del dinamismo productivo formal. El CP3 presentó el
máximo de 2020 (+2.857) y el mínimo de 2019 (−1.231). La Figura 3 ilustra estas trayectorias
para el período completo.
Figura 3.
Evolución temporal de las puntuaciones factoriales por año, Oaxaca 2010–2024.
Fuente: Elaboración propia.
DOI: https://doi.org/10.71112/gvrkp858
2343 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Tabla 6.
Puntuaciones factoriales por año — solución sin rotar y rotada (Varimax)
Año
CP1
CP2
CP3
CP1rot
CP2rot
CP3rot
2010
3.691
0.605
0.229
1.391
0.020
0.090
2011
3.288
−0.148
0.555
1.216
−0.278
0.342
2012
3.131
−0.343
0.844
1.163
−0.366
0.574
2013
3.149
−0.551
0.578
1.142
−0.431
0.354
2014
2.489
−0.384
−0.098
0.874
−0.283
−0.165
2015
1.650
−0.434
−0.668
0.534
−0.217
−0.599
2016
1.288
0.088
−0.759
0.430
0.015
−0.647
2017
−1.265
3.265
−1.341
−0.331
1.452
−0.945
2018
−1.094
1.498
−1.271
−0.376
0.739
−0.945
2019
−2.334
2.270
−1.701
−0.802
1.142
−1.231
2020
−3.454
3.977
+2.857
−0.844
1.568
+2.516
2021
−2.600
1.268
1.171
−0.799
0.565
1.057
2022
−2.189
−1.354
−0.814
−0.926
−0.359
−0.627
2023
−3.087
−4.199
−0.883
−1.434
−1.429
−0.738
2024
−2.662
−5.558
1.300
−1.241
−2.138
0.964
Nota: CP1–CP3 = puntuaciones sin rotar. CP1rot–CP3rot = puntuaciones
estandarizadas tras Varimax. Fila gris= 2020 (máximo de CP3 = +2.857, pandemia COVID-19).
Fuente: Elaboración propia con base en resultados del ACP en R.
DISCUSIÓN
Los resultados permiten conectar lo que encontramos con lo que otros investigadores
han documentado sobre Oaxaca y sobre economías similares. Lo primero que llama la atención
es que la caída de la refinería de Salina Cruz no fue un accidente ni algo que simplemente le
pasó a Oaxaca desde afuera. Ocurrió al mismo tiempo que el gobierno del estado dejaba de
gastar en inversión pública de forma muy pronunciada: entre 2010 y 2017 ese gasto cayó un 89
% en términos reales. Los dos fenómenos se movieron juntos durante años, y el análisis
estadístico los captura en el mismo componente con valores casi idénticos. Padilla y De Sicilia
DOI: https://doi.org/10.71112/gvrkp858
2344 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
(2017) ya habían analizado la fragilidad del sector petroquímico en Salina Cruz, pero este
análisis añade una pieza que antes no había sido considerada: la inversión del propio gobierno
estatal como factor que lo mantenía en pie.
El análisis encontró que después de 2017, el espacio que dejó la refinería no lo ocupó
otra industria ni un sector dinámico y bien pagado, sino el gobierno, la educación pública y la
agricultura, que, aunque no generan riqueza nueva de la misma manera que una industria:
redistribuyen lo que ya existe o producen a pequeña escala. Eso es lo que Rodrik (2016) llamó
terciarización prematura, y Hanson (2007) lo había observado en otros estados mexicanos que
perdieron su base industrial sin encontrar algo que la reemplazara. Lo que este estudio agrega
es un dato que ayuda a entender el boom de construcción de 2022 a 2024: ese crecimiento no
vino del gobierno de Oaxaca, que en 2023 invirtió en obra pública la cantidad más baja de todo
el período. Vino de afuera, del gobierno federal a través del Corredor Interoceánico. En otras
palabras, Oaxaca creció en construcción no porque su gobierno lo impulsara, sino a pesar de
que no lo hizo.
Sobre la pandemia, el tercer componente ofrece algo valioso: una medida concreta de
cuánto daño causó en la economía oaxaqueña. Pasar del punto más alto de actividad turística
en 2019 al peor año en 2020 en un solo salto es una señal estadística que no deja lugar a
dudas. McKibbin y Fernando (2020) ya habían mostrado que los sectores que dependen del
contacto entre personas (turismo, transporte, comercio) fueron los más golpeados en todo el
mundo. En Oaxaca ese golpe fue especialmente duro porque esos sectores representaban una
parte importante de su economía y porque la mayoría de quienes trabajaban ahí lo hacían de
manera informal, sin red de protección. Que la recuperación haya sido parcial años después es
algo que Fantcho y Konin N'Gouan (2024) también documentaron en economías rurales
parecidas a la oaxaqueña: cuando un sector colapsa así de repente, el mercado laboral tarda
mucho en volver a donde estaba.
DOI: https://doi.org/10.71112/gvrkp858
2345 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Por último, se encontró que en Oaxaca la informalidad está relacionada con el sector
turismo y de transporte, ya que cuando a esta lea va bien, una parte de los trabajadores pasa al
empleo formal, aunque sea modestamente, y cuando esos sectores colapsan, como en 2020,
esa pequeña ganancia se pierde de golpe.
CONCLUSIONES
El presente trabajo que analizó la dinámica socioeconómica de Oaxaca entre 2010 y
2024 encontró tres hallazgos. El primero es el paso de un modelo que dependía de la refinería
y del gasto del gobierno estatal a uno que se sostiene más en los salarios, la escolaridad y el
dinero que envían los migrantes. El segundo es el quiebre de 2017, cuando ese primer modelo
se agotó sin que nada equivalente lo reemplazara, y la posterior llegada de la construcción
impulsada desde el gobierno federal. El tercero es el golpe de la pandemia sobre el turismo y el
transporte, cuyas consecuencias todavía se notaban al final del período analizado. Estas tres
fuerzas, juntas, explican casi el 89 % de lo que cambió en la economía oaxaqueña durante
estos 15 años.
De todos los factores analizados, el incremento del salario mínimo fue el que más
claramente se asoció con una mejora en las condiciones de vida durante la segunda mitad del
período. La segunda es que el gobierno del estado necesita repensar en qué gasta su dinero.
El crecimiento reciente llegó desde afuera, no desde adentro, lo que significa que el gasto
estatal no está generando el arrastre que debería en la economía local. Así mismo, se
considera ideal apostar por el turismo y el transporte como sectores donde las políticas de
formalización pueden rendir más: los datos muestran que cuando a esos sectores les va bien,
algo de esa mejora se contagia al mercado laboral en general.
El presente artículo tiene ciertas limitaciones: quince años de datos son suficientes para
identificar patrones, pero no para hacer afirmaciones muy contundentes desde el punto de vista
DOI: https://doi.org/10.71112/gvrkp858
2346 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
estadístico y los datos de pobreza (que solo se miden cada dos años) se completaron
estimando los años intermedios, lo que introduce cierta imprecisión. Sin embargo es importante
reconocer que el uso del ACP para determinar la correlación entre variables (que normalmente
se estudian por separado) como: la inversión pública, la informalidad, las remesas, la industria
y el turismo, permite entender de manera más integral la dinámica socioeconómica de Oaxaca
y las fuerzas que la han moldeado durante el período analizado.
Declaración de conflicto de interés
Los autores declaran no tener ningún conflicto de interés relacionado con esta
investigación.
Declaración de contribución a la autoría
Francisco Javier Santiago Hernández: metodología, análisis formal, software,
visualización, validación y redacción del borrador original.
Luis Alberto Gómez Hernández: conceptualización, curación de datos, revisión y edición
de la redacción.
Declaración de uso de inteligencia artificial
Los autores no utilizaron inteligencia artificial en ninguna parte del manuscrito.
REFERENCIAS
Aragonés, A. M., Ávila, S., y Salgado, U. (2016). Migración rural, remesas y su relación con la
diversificación sustentable y los patrones de consumo: un estudio de caso en la zona
costera de Oaxaca. Migración y Desarrollo, 28(117), 109–134. DOI:
https://doi.org/10.35533/myd.1427.ama.sa.us
Dircio-Palacios-Macedo, M.C., Cruz-García, P., Hernández-Trillo, F., Tortosa-Ausina E. (2022).
Constructing a financial inclusion index for Mexican municipalities. Finance Research
Letters, 50, 103–112. DOI: https://doi.org/10.1016/j.frl.2022.103112
DOI: https://doi.org/10.71112/gvrkp858
2347 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Fantcho, Joseph E., Konin N´Gouan, Patrick (2024). Spatial characteristics and dynamic
modeling of informal economies. International Economics and Economic Policy, 21,
609–634. DOI: https://doi.org/10.1007/s10368-024-00609-9
Banco de México (2024). Balanza de pagos: remesas familiares por entidad federativa. Ciudad
de México: Banxico. Consultado en abril de 2025 en
https://www.banxico.org.mx/SieInternet/consultarDirectorioInternetAction.do?sector=1&a
ccion=consultarCuadro&idCuadro=CE81&locale=es
Banco Mundial (2021). Mexico Poverty and Equity Assessment 2021. Washington, D.C.: World
Bank Group. URL: https://openknowledge.worldbank.org/handle/10986/35535
Bartlett, M. S. (1950). Tests of significance in factor analysis. British Journal of Statistical
Psychology, 3(2), 77–85. DOI: https://doi.org/10.1111/j.2044-8317.1950.tb00285.x
Berdegué, J. A., Rosada, T., y Bebbington, A. (2015). The rural transformation. En C. Shepherd
(Ed.), The Routledge Handbook of Poverty in the US (pp. 383–394). Routledge.
Boltvinik, J. (2003). Opciones metodológicas para medir la pobreza en México. Comercio
Exterior, 53(5), 396–408. URL:
http://revistas.bancomext.gob.mx/rce/magazines/55/6/RCE.pdf
Cohen, J. H., y Rodríguez, L. (2005). Remittance outcomes in rural Oaxaca, Mexico.
Population, Space and Place, 11(1), 49–63. DOI: https://doi.org/10.1002/psp.346
Comisión Nacional de los Salarios Mínimos. (2024). Tabla de salarios mínimos generales y
profesionales por áreas geográficas 2010–2024. CONASAMI.
https://www.gob.mx/conasami/documentos/tabla-de-salarios-minimos-generales-y-
profesionales-por-areas-geograficas
Confederación de Cámaras Nacionales de Comercio, Servicios y Turismo (2024). Se
fortalecerá desarrollo económico en Salina Cruz, Oaxaca. Ciudad de México:
CONCANACO SERVYTUR. URL: https://www.concanaco.com.mx
DOI: https://doi.org/10.71112/gvrkp858
2348 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Consejo Nacional de Evaluación de la Política de Desarrollo Social (2024). Medición de
pobreza por entidad federativa 2010–2024. Ciudad de México: CONEVAL. URL:
https://www.coneval.org.mx/Medicion/Paginas/PobrezaInicio.aspx
Consejo Nacional de Población (2023). Proyecciones de la población de México y de las
entidades federativas 2016–2050. Ciudad de México: CONAPO. URL:
https://www.gob.mx/conapo/documentos/proyecciones-de-la-poblacion-de-mexico-y-de-
las-entidades-federativas-2016-2050
Espinosa, M., García, J., Hernández, O., y Santiago, M. (2014). Remesas, desigualdad y
pobreza: un caso de estudio en el estado de Oaxaca, México. Estudios Fronterizos,
15(29), 125–141. URL:
https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0187-
69612014000100004
Hair, J. F., Black, W. C., Babin, B. J., y Anderson, R. E. (2019). Multivariate Data Analysis (8.ª
ed.). Cengage Learning.
Hanson, G. H. (2007). Emigration, labor supply, and earnings in Mexico. En G. J. Borjas y J.
Crisp (Eds.), Poverty, International Migration and Asylum (pp. 289–322). Palgrave
Macmillan. URL: https://www.nber.org/papers/w11412
Instituto Nacional de Estadística y Geografía (2024a). Encuesta Nacional de Ocupación y
Empleo (ENOE). Indicadores estratégicos por entidad federativa 2010–2024. URL:
https://www.inegi.org.mx/programas/enoe/15ymas/
Instituto Nacional de Estadística y Geografía (2024b). Estadística de Finanzas Públicas
Estatales y Municipales (EFIPEM) 2010–2024. URL:
https://www.inegi.org.mx/programas/finanzas/
DOI: https://doi.org/10.71112/gvrkp858
2349 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Instituto Nacional de Estadística y Geografía (2024c). Sistema de Cuentas Nacionales de
México. PIB por entidad federativa 2010–2024. URL:
https://www.inegi.org.mx/app/tableau/pib/
Johnson, R. A., y Wichern, D. W. (2007). Applied Multivariate Statistical Analysis (6.ª ed.).
Pearson Prentice Hall.
Kaiser, H. F. (1958). The varimax criterion for analytic rotation in factor analysis. Psychometrika,
23(3), 187–200. DOI: https://doi.org/10.1007/BF02289233
Kaiser, H. F. (1960). The application of electronic computers to factor analysis. Educational and
Psychological Measurement, 20(1), 141–151. DOI:
https://doi.org/10.1177/001316446002000116
Kamari, A., et al. (2025). Classification of Latin American and Caribbean countries based on
multidimensional development indicators. Economies, 13(6), 178. DOI:
https://doi.org/10.3390/economies13060178
Kassambara, A., y Mundt, F. (2020). factoextra: Extract and Visualize the Results of Multivariate
Data Analyses (R package version 1.0.7). URL: https://CRAN.R-
project.org/package=factoextra
Le, S., Josse, J., y Husson, F. (2008). FactoMineR: An R package for multivariate analysis.
Journal of Statistical Software, 25(1), 1–18. DOI: https://doi.org/10.18637/jss.v025.i01
Massey, D. S., Arango, J., Hugo, G., Kouaouci, A., Pellegrino, A., y Taylor, J. E. (2010).
Theories of international migration: A review and appraisal. Population and Development
Review, 19(3), 431–466. DOI: https://doi.org/10.2307/2137429
McKibbin, W., y Fernando, R. (2020). The global macroeconomic impacts of COVID-19: Seven
scenarios. Asian Economic Papers, 20(2), 1–30, DOI:
https://doi.org/10.1162/asep_a_00796
DOI: https://doi.org/10.71112/gvrkp858
2350 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 2, 2026, abril-junio
Organización para la Cooperación y el Desarrollo Económicos, OCDE (2024). Informality and
Households' Vulnerabilities in Latin America. París: OECD Publishing. DOI:
https://doi.org/10.1787/e29d9f34-en
Padilla, L. S., y De Sicilia, R. A. (2017). El Puerto de Salina Cruz: Zona Económica Especial,
futuro incierto. En Memorias del Seminario Internacional de Investigación Urbana y
Regional. México: IIEC-UNAM. URL: https://ru.iiec.unam.mx/3870/
Programa de las Naciones Unidas para el Desarrollo (2014). Índice de Desarrollo Humano
Municipal en México: nueva metodología. Ciudad de México: PNUD México. URL:
https://www.mx.undp.org/content/mexico/es/home/library/poverty/indice-de-desarrollo-
humano-municipal-en-mexico--nueva-metodologi.html
R Core Team (2024). R: A Language and Environment for Statistical Computing. Viena: R
Foundation for Statistical Computing. URL: https://www.R-project.org/
Rodrik, D. (2016). Premature deindustrialization. Journal of Economic Growth, 21(1), 1–33. DOI:
https://doi.org/10.1007/s10887-015-9122-3
Secretaría de Educación Pública (2024). Sistema Educativo de los Estados Unidos Mexicanos.
Principales cifras 2010–2024. Ciudad de México: SEP.
Tokman, V. E. (2001). De la informalidad a la modernidad. Boletín Técnico Interamericano de
Formación Profesional, 151, 105–128. URL:
https://www.planeacion.sep.gob.mx/principalescifras/