INDICADORES LABORALES PARA LOS MUNICIPIOS DE MÉXICO (ILMM)
Primer trimestre de 2023
Estimación en áreas pequeñas
• Todos los municipios de Colima y Baja California Sur tenían una tasa alta de
población económicamente activa (PEA).
• Baja California, Campeche, Colima y Nayarit fueron las entidades con municipios
sin estratos bajo ni muy bajo en sus tasas de ocupación.
• La tasa de informalidad fue alta, o muy alta, en al menos dos tercios de los
municipios de Chiapas, Guerrero, Puebla y Oaxaca.
El Instituto Nacional de Estadística y Geografía (INEGI) publica los Indicadores Laborales para
los Municipios de México (ILMM) 2023. Los ILMM son un conjunto de tres estimaciones para
cada uno de los 2 469 municipios1 del país:
1. La tasa de la población económicamente activa (PEA) respecto a la población de
15 años y más de edad.
2. La tasa de la población ocupada (PEAO) respecto a la PEA.
3. La tasa de la población ocupada informal respecto a la PEAO.
Estas estimaciones se publican de manera anual y representan la información laboral del
primer trimestre de cada año. La primera edición contiene información relativa a 2017, y esta
séptima refiere a 2023.
Los ILMM se obtienen a través de técnicas de estimación en áreas pequeñas. Se trata de
herramientas estadísticas para obtener estimaciones confiables en dominios para los que no
se diseñó una encuesta probabilística. No se necesitó ampliar el tamaño muestral y se
emplearon fuentes de información combinadas e integradas, a saber, encuestas, censos,
registros administrativos, entre otras. Así, los resultados de los ILMM amplían la información
que se publica en la Encuesta Nacional de Ocupación y Empleo (ENOE), misma que no
proporciona estimaciones municipales
I. TASAS DE LA PEA, LA PEAO Y LA POBLACIÓN OCUPADA INFORMAL
Los municipios con valores altos en la tasa de la PEA estaban dispersos en todo el territorio
nacional. Las 32 entidades federativas tenían, al menos, un municipio con una tasa en el
estrato alto. Destacaron Baja California Sur y Colima: todos sus municipios lograron un valor
superior a 60 % en este indicador.
En el mapa 1 se aprecia que gran parte de las alcaldías de Ciudad de México y de los
municipios de Nayarit, Campeche, Quintana Roo y Yucatán tuvieron tasas altas de PEA. En
estas entidades federativas, por lo menos tres de cada cuatro de sus respectivos municipios
alcanzaron un valor de 60 % o más.
Mapa 1
POBLACIÓN ECONÓMICAMENTE ACTIVA, POR MUNICIPIO
primer trimestre de 2023
(tasa)
Nota: Cálculos derivados de las técnicas de estimación en áreas pequeñas.
Fuente: INEGI. ILMM, 2023.
La tasa de la PEAO presentó números elevados en todo el país. Cada uno de los municipios
tuvo un valor superior a 89 por ciento. Ahora bien, todos los municipios de Baja California,
Campeche, Colima y Nayarit presentaron valores mayores o iguales a 97 % (ver mapa 2).
También se observó que gran parte de los municipios de Oaxaca y Quintana Roo presentaron
una ocupación dentro de los estratos alto o muy alto. Baja California Sur y Ciudad de México
no tuvieron municipios en estos estratos.
Mapa 2
POBLACIÓN ECONÓMICAMENTE ACTIVA OCUPADA, POR MUNICIPIO
primer trimestre de 2023
(tasa)
Nota: Cálculos derivados de las técnicas de estimación en áreas pequeñas.
Fuente: INEGI. ILMM, 2023
II. CAMBIOS DE LOS INDICADORES LABORALES
En el cuadro 1 se presenta un resumen de los municipios con cambios estadísticamente
significativos en los indicadores laborales, agrupados a nivel estatal. Se aprecia que, en cada
una de las tasas calculadas para Chihuahua, estado de México, Michoacán, Nuevo León,
Sinaloa, Tlaxcala, Veracruz de Ignacio de la Llave y Zacatecas hubo, cuando menos, un
municipio con cambios significativos respecto al primer trimestre de 2022.
La mayoría de las tasas estimadas para los ILMM 2023 no presentaron cambios significativos
con respecto a la edición anterior. En el caso de la tasa de la PEA, 257 municipios aumentaron,
36 tuvieron reducciones y 2 176 se mantuvieron. Del total de municipios, ocho crecieron
significativamente en la tasa de PEAO, y tres decrecieron. Los 2 458 restantes no presentaron
cambios. Para la tasa de la población ocupada informal, 61 municipios aumentaron
significativamente, 58 disminuyeron y 2 350 no mostraron cambios estadísticamente
significativos.
Cuadro 1
COMPORTAMIENTO DE LOS ILMM, POR ENTIDAD FEDERATIVA
primer trimestre de 2023
(tasa)
Nota: Los resultados de este cuadro son producto de pruebas de significancia estadística bilaterales.
Fuente: INEGI. ILMM, 2023.
Para consultas de medios y periodistas, escribir a: comunicacionsocial@inegi.org.mx
o llamar al teléfono (55) 52-78-10-00, extensiones 321064,321134 y 321241.
Dirección de Atención a Medios/ Dirección General Adjunta de Comunicación
NOTA TÉCNICA
INDICADORES LABORALES PARA LOS MUNICIPIOS DE MÉXICO (ILMM)
Primer trimestre de 2023
Estimación en áreas pequeñas
Las áreas pequeñas son subconjuntos de tamaño inferior al que considera el diseño original
de una encuesta por muestreo probabilístico. Pueden ser áreas geográficas o dominios
temáticos que no se consideren de manera explícita. Para generar los resultados de los ILMM,
se utilizan técnicas de estimación en áreas pequeñas. Estas son herramientas estadísticas
relativamente novedosas que permiten estimar parámetros sin necesidad de desarrollar
encuestas adicionales, sino que se hace mediante fuentes combinadas de información, como:
encuestas por muestreo, censos, registros administrativos, imágenes satelitales y otras.
El objetivo de estimar las características laborales para los municipios sobre la población
económicamente activa (PEA), la población ocupada (PEAO) y la población ocupada informal
es fortalecer el análisis estadístico y ampliar la oferta de información derivada de la Encuesta
Nacional de Ocupación y Empleo (ENOE). Para el primer trimestre de 2023, las variables
estimadas a nivel municipal fueron:
1. Tasa de la PEA
2. Tasa de la PEAO
3. Tasa de la población ocupada informal (informales)
El periodo del primer trimestre se estableció con base en el tiempo de referencia entre las
diferentes fuentes de información y la oportunidad de liberación de los indicadores
estratégicos. En general, los registros administrativos —de donde se toman las variables
auxiliares— tienen como fecha de referencia el final de año (31 de diciembre). Así, la fecha
de coincidencia más próxima con la ENOE fue el primer trimestre.
METODOLOGÍA
Descripción del proceso
Cada tasa estimada tiene un conjunto de covariables que se construyeron a partir de fuentes
combinadas de información. Además, se utilizaron las estimaciones directas que provienen
de los municipios con muestra en la ENOE e información relativa a las distancias geográficas
entre estos. El método que se utilizó en la obtención de las estimaciones fue el Spatial
Empirical Best Linear Unbiased Predictor (SEBLUP).2 En el proceso, se construyeron diversos
modelos estadísticos y se seleccionó uno por cada variable de estimación.
Los modelos partieron de supuestos estadísticos que debieron cumplirse para generar
estimaciones confiables:
• Observar linealidad, es decir, que la razón de cambio de la variable de interés 𝒀𝒂
respecto a cada covariable 𝑿𝒂 tienda a ser constante.
• Tener una distribución normal en los efectos aleatorios y residuales.
• Buscar igualdad de varianzas en los residuales de los modelos.
• Verificar que las variables auxiliares seleccionadas para el mismo modelo no presenten
dependencia de consideración.
• Contar con dependencia espacial entre las estimaciones de los municipios.
Después de verificar el cumplimiento de los supuestos estadísticos de los modelos
seleccionados, estos se aplicaron para generar los resultados, los cuales se someten a los
siguientes procedimientos de validación para confirmar consistencia y aproximar los parámetros
poblacionales desconocidos:
• Se contrastaron gráficamente las cifras poblacionales derivadas de los resultados
contra dos fuentes de comparación: las cifras de la estimación directa de la ENOE y las
cifras derivadas de aplicar la estructura porcentual de las variables de interés a estimar,
provenientes del Censo de Población y Vivienda (CPV) 2020 a las cifras estatales de la
encuesta.
• Se obtuvieron las diferencias porcentuales de las estimaciones poblacionales que
resultaron de las cifras de las fuentes de comparación.
• Se compararon los coeficientes de variación (CV): los relativos a los resultados y los
correspondientes a las estimaciones directas que provienen de la ENOE.
• Se examinaron los resultados respecto a los intervalos de confianza de las
estimaciones directas procedentes de la ENOE.
Fuentes de datos
La ENOE fue la fuente de datos para obtener las variables dependientes del primer trimestre
de 2023. En el marco conceptual de la ENOE, la población de 15 años y más, según situación
laboral, se compone de acuerdo con la gráfica 1.
Gráfica 1
RAMIFICACIÓN DE LA VARIABLE POBLACIÓN DE 15 AÑOS Y MÁS
SEGÚN CONDICIONES LABORALES
Nota: La población ocupada tiene más categorías, en la ilustración solo se presentan las principales. Las estimaciones de tasas se
calcularon para las variables con recuadro en rosa.
Fuente: INEGI, ENOE.
Población de 15 años y más. Conjunto de personas quienes en el momento de la entrevista
tenían 15 años cumplidos o más.
Población económicamente activa (PEA). Personas de 15 años y más que tuvieron vínculo
con una actividad económica o que la buscaron en la semana de referencia, por lo que se
encontraban ocupadas o desocupadas.
Población ocupada. Personas de 15 años y más que en la semana de referencia realizaron
alguna actividad económica durante al menos una hora. Incluye a las y los ocupados que
tenían trabajo, pero no lo desempeñaron temporalmente por alguna razón —sin que por ello
perdieran el vínculo laboral— así como a quienes ayudaron en alguna actividad económica
sin recibir un sueldo o salario.
Población ocupada informal. Personas de 15 años y más quienes, por el contexto en el que
trabajan, no pueden invocar a su favor el marco legal o institucional que corresponda a su
inserción económica. Se considera ocupación o empleo informal todo el espectro de
modalidades ocupacionales, ya sea dependientes o independientes, con esta circunstancia.
Aquí se agrupan todas las modalidades de empleo informal, sector informal, trabajo doméstico
remunerado, trabajo agropecuario no protegido, y trabajo subordinado que, aunque se realice
en unidades económicas formales, se lleva a cabo en modalidades fuera de la seguridad
social.
Para obtener las variables explicativas, se realizó un análisis de las experiencias nacionales e
internacionales para conocer las que se han utilizado en ejercicios similares. Después, se recurrió
a distintas fuentes de información, mismas que debían ser consistentes con la fecha de referencia,
la unidad de observación y la unidad de análisis de la ENOE. Finalmente, se procesaron las bases
de datos y, mediante la aplicación de procedimientos estadísticos, se seleccionaron las variables
con el mayor poder explicativo. Las variables auxiliares seleccionadas se describen en el
cuadro 1.
Cuadro 1
VARIABLES AUXILIARES SELECCIONADAS PARA LOS ILMM 2023
primer trimestre de 2023
Fuente: INEGI. ILMM, 2023.
Además de las estimaciones directas de la ENOE y las estimaciones de las covariables, se
requirieron las distancias euclidianas entre municipios. Lo anterior, para el cálculo de las
estimaciones en áreas pequeñas.
El predictor espacial tiene un componente que se construye a partir de la distancia de los
municipios con muestra. Con estos se realiza cada uno de los tres modelos seleccionados.
Este componente consideró la distancia recíproca de un número fijo de municipios vecinos.
En el mapa 1, se muestran los municipios seleccionados para el modelo que corresponde a la
población ocupada informal, y sus cuatro vecinos más cercanos, a los que el modelo también
seleccionó.
Mapa 1
MUNICIPIOS VECINOS DEL MODELO SELECCIONADO PARA
LA TASA DE LA POBLACIÓN OCUPADA INFORMAL
primer trimestre de 2023
Fuente: INEGI. ILMM, 2023.
Diagnóstico de los mejores modelos
Para que las estimaciones en áreas pequeñas fueran estadísticamente confiables, se debió
cumplir con los supuestos de los modelos seleccionados con los que se generaron los ILMM.
A continuación, se explican los cálculos estadísticos que se utilizaron para la comprobación
de los supuestos.
En cada uno de los modelos seleccionados hay una relación lineal entre la variable de interés
y cada una de sus respectivas variables auxiliares seleccionadas, es decir, la razón de cambio
de una variable respecto a la otra tiende a ser constante. En el cuadro 2, se presentan los
coeficientes de regresión asociados a cada variable auxiliar en el modelo respectivo. Los
coeficientes se evaluaron mediante pruebas estadísticas, en las que la hipótesis nula
establece que el valor del coeficiente de la variable en particular es igual a cero. En el mismo
cuadro, se tienen los p-valores3 de estas pruebas, lo que implica rechazar la hipótesis nula en
todos los casos. Por lo tanto, las covariables consideradas tuvieron poder explicativo en el
modelo lineal múltiple.
Cuadro 2
COEFICIENTES DE LAS VARIABLES AUXILIARES SELECCIONADAS EN EL MODELO LINEAL MÚLTIPLE
Fuente: INEGI. ILMM, 2023.
Otros de los supuestos fueron la normalidad de los residuales y efectos aleatorios, así como
la homocedasticidad. Se realizaron tres pruebas para analizar estos supuestos en los tres
modelos seleccionados. Se buscó no rechazar las hipótesis nulas, mismas que indican que
tanto los residuales como los efectos aleatorios se distribuyen normalmente y que hay
homocedasticidad. Los p-valores asociados se presentan en el cuadro 3, donde se observa
que, con un nivel de significancia de 1 %, hubo al menos una prueba que avaló los supuestos
de normalidad y homocedasticidad para cada modelo.
Cuadro 3
COEFICIENTES DE LAS VARIABLES AUXILIARES SELECCIONADAS EN EL MODELO LINEAL MÚLTIPLE
Fuente: INEGI. ILMM, 2023.
También se examinaron la dependencia espacial y la baja colinealidad, por ser propiedades que se consideraron en los modelos. Respecto a la primera, se revisó el supuesto de que las estimaciones de cada municipio impactan en las correspondientes de los otros municipios geográficamente cercanos. Para hacer el análisis, se consideraron pruebas estadísticas en las que la hipótesis nula establece que hay una distribución geográfica aleatoria en los valores de cada variable de interés. Para las tres variables se rechazó tal hipótesis. Eso implica que se refuta la idea de que, geográficamente, las estimaciones para las variables de interés tienen valores meramente aleatorios.
En el caso de la colinealidad, las variables auxiliares que se seleccionaron para un mismo modelo no debían presentar dependencia de consideración. Para evaluar este supuesto, se recurrió al número de condición (κ). Este permite determinar si hay o no una multicolinealidad entre el conjunto de variables explicativas de un modelo múltiple. Cuando el valor de κ es mayor a 100, hay serios problemas de colinealidad. Las tasas de la PEA y de la población ocupada presentaron un valor de 28.3, y la tasa de la población ocupada informal tenía un valor de 57.8. Así, no hubo problemas de colinealidad en ninguno de los tres modelos seleccionados.
Validación de estimaciones
Los resultados se validaron con distintos procedimientos. Estos consistieron en comparar las
estimaciones con otras fuentes de información y examinar las medidas de calidad.
Primero, se generaron cifras poblacionales de las estimaciones en áreas pequeñas. Los resultados de los ILMM se obtuvieron como tasas, sin embargo, fue posible obtener cifras poblacionales a partir de estas tasas. Así, todos los municipios tuvieron una cifra poblacional derivada de la estimación en áreas pequeñas para cada una de las tres variables de interés.
Posteriormente, se obtuvieron cifras poblacionales a partir de la encuesta o de la estructura
porcentual del CPV 2020. La mayoría de las estimaciones municipales que provenían de la
ENOE tenía un CV grande: la muestra era pequeña porque el objetivo de la encuesta era dar
estimaciones estatales y no municipales. Entonces, se seleccionaron las cifras poblacionales
cuyo CV era menor a 20 por ciento. Para el resto de los municipios, se aplicó la estructura
porcentual (EPORC) del CPV 2020 a las cifras poblacionales de la encuesta. Así, para cada
municipio y variable de interés, se obtuvo una cifra poblacional que provenía de una fuente de
información distinta a la estimación en áreas pequeñas (en unos casos la fuente era la ENOE y
en otros casos, la EPORC).
En un primer procedimiento de validación, se compararon, por medio de gráficas, las cifras
poblacionales derivadas de la estimación en áreas pequeñas con las correspondientes de las
otras fuentes de información (ENOE o EPORC). Para las tres variables estimadas, los resultados
de esta comparación indicaron que las cifras poblacionales derivadas de las estimaciones en
áreas pequeñas coincidieron con las cifras poblacionales de otras fuentes de información. En
otro procedimiento de validación, se utilizó la información anterior para calcular diferencias
porcentuales entre las cifras poblacionales derivadas de la estimación en áreas pequeñas
respecto a las de las otras fuentes de información. En general, las diferencias fueron pequeñas
para las tres variables estimadas.
También se analizaron las medidas de calidad de las estimaciones. Lo anterior, mediante
comparaciones de los CV de la estimación en áreas pequeñas frente a los de la ENOE en
municipios que tenían, al menos, dos unidades primarias de muestreo. También se realizaron
mapas que muestran la calidad de las estimaciones en áreas pequeñas para cada municipio
Para el caso de la tasa de la PEA, los coeficientes de la estimación en áreas pequeñas fueron
aceptables y, de manera general, menores que los de la encuesta. Para la tasa de la PEAO,
también se obtuvieron coeficientes pequeños en ambas fuentes de información (estimación
en áreas pequeñas y ENOE). Los coeficientes de la estimación en áreas pequeñas y los de la
encuesta, para la población ocupada informal, resultaron similares y, en muchos casos,
mayores a los CV de las otras dos variables. Aun así, eran bajos.
En el mapa 2 se presentan los CV de las estimaciones correspondientes a la tasa de la PEA.
Los CV no superaron el valor de 10 por ciento. Por medio del mapa se pueden localizar zonas
con estimaciones de mejor calidad que otras. Los municipios con tono oscuro superan en
número a los de tono claro, pero todos tienen una calidad de estimación aceptable.
Mapa 2
COEFICIENTES DE VARIACIÓN
DE LA TASA DE LA PEA
primer trimestre de 2023
Nota: Cálculos derivados de las técnicas de estimación en áreas pequeñas.
Fuente: INEGI. ILMM, 2023.
En el mapa 3 se observa la calidad de los CV relativos a la tasa de la PEAO. Estos fueron
similares a los del caso anterior porque estas dos variables están estrechamente relacionadas
entre sí. Estos CV tampoco superaron el valor de 10 %, lo que significa que las estimaciones
correspondientes fueron de alta calidad estadística. No obstante, a diferencia de la tasa de la
PEA, en este caso, los municipios con CV por abajo de 5 % fueron más que aquellos con un CV
de entre cinco y 10 por ciento.
Mapa 3
COEFICIENTES DE VARIACIÓN
DE LA TASA DE LA POBLACIÓN OCUPADA
primer trimestre de 2023
Nota: Cálculos derivados de las técnicas de estimación en áreas pequeñas.
Fuente: INEGI. ILMM, 2023
La tasa de la población ocupada informal presentó mayor variabilidad en sus estimaciones
respecto a las otras dos características laborales (ver mapa 4). La gran mayoría de sus
precisiones fue de alta calidad, pues las estimaciones de 2 237 municipios tuvieron CV
menores a 15 por ciento. Sin embargo, hubo 232 que se salieron de este rango, aunque
ninguno de estos superó 25 por ciento. Estos, de precisión moderada, se localizan en algunas
entidades del norte y centro del país, así como en Quintana Roo.
Mapa 4
COEFICIENTES DE VARIACIÓN
DE LA TASA DE LA POBLACIÓN OCUPADA INFORMAL
primer trimestre de 2023
Nota: Cálculos derivados de las técnicas de estimación en áreas pequeñas.
Fuente: INEGI Fuente: INEGI. ILMM, 2023.
Los intervalos de confianza también se analizaron. Para ello, solo se contemplaron los
municipios que en la encuesta tuvieran un cv menor a 20 por ciento. Para la tasa de la PEA se
tiene que 90.2 % de las estimaciones en áreas pequeñas se encontró dentro de los respectivos
intervalos de confianza que provenían de la ENOE. La situación fue la misma para la tasa de la
PEAO. Este porcentaje bajó y llegó a 85.6 %, para el caso de la tasa de la población ocupada
informal.
Resultados
Las estimaciones de los ILMM fueron estratificadas para comprender mejor la situación laboral
del país. En el caso de las tasas de la PEA, se definieron cuatro estratos; para la tasa de la
PEAO y la población ocupada informal, se generaron seis. En la gráfica 2 se muestra el número
de municipios en cada uno.
Gráfica 2
MUNICIPIOS POR ESTRATO DE LAS VARIABLES ESTIMADAS
primer trimestre de 2023
(número)
Nota: Cálculos derivados de las técnicas de estimación en áreas pequeñas.
Fuente: INEGI. ILMM, 2023.
En el cuadro 4 se presentan estadísticas descriptivas de los estratos de las tres variables
estimadas. También se muestra información del conjunto que forman todos los municipios. De
este modo, se observa que tres de cada cuatro municipios tuvieron una estimación en la tasa
de la PEA inferior a 61.3 por ciento. La desviación estándar de las estimaciones para la tasa
de PEAO fue de 1.0 puntos, y la media de las estimaciones para la tasa de informales fue de
78.8 por ciento.
Cuadro 4
ESTADÍSTICAS DESCRIPTIVAS DE LOS ILMM, POR ESTRATO
primer trimestre de 2023
Fuente: INEGI. ILMM, 2023.
De manera gráfica, se presentan los valores para los 40 municipios con las menores
estimaciones para cada una de las tasas. La gráfica corresponde a la tasa de la PEA. El
promedio de las estimaciones de este conjunto de municipios fue de 45.8 %, frente al de todas
las estimaciones (58.3 %) y al de los municipios en el estrato bajo (47.5 %). Así, este valor
resultó 12.5 y 1.7 puntos abajo de la media de las estimaciones de todos los municipios y del
promedio de las estimaciones dentro del estrato bajo, respectivamente (ver gráfica 3).
Gráfica 3
LOS 40 MUNICIPIOS CON LAS ESTIMACIONES MÁS BAJAS DE LA TASA
DE LA PEA
primer trimestre de 2023
(tasa)
Fuente: INEGI. ILMM, 2023.
El único municipio que no alcanzó una tasa de PEAO de 90 % fue Xicoténcatl, Tamaulipas. En
general, las tasas de ocupación tuvieron valores superiores a 95 por ciento. Hubo casos que
no alcanzaron este valor. De los 17 municipios de Tabasco, tres estuvieron en esta lista. En
el caso de Tlaxcala, siete de sus 60 municipios también se ubicaron en este grupo
(ver gráfica 4).
Gráfica 4
LOS 40 MUNICIPIOS CON LAS ESTIMACIONES MÁS BAJAS DE LA TASA
DE LA POBLACIÓN OCUPADA
primer trimestre de 2023
(tasa)
Fuente: INEGI. ILMM, 2023.
En la gráfica 5 se puede ver que los municipios con las menores tasas de población ocupada
informal se concentraron en la frontera norte. Destacaron Coahuila, con 10 municipios y Nuevo
León, con nueve. El municipio de Juárez, en Chihuahua, presentó la menor tasa de
informalidad, con 24.9 por ciento.
Gráfica 5
LOS 40 MUNICIPIOS CON LAS ESTIMACIONES MÁS BAJAS DE LA TASA
DE LA POBLACIÓN OCUPADA INFORMAL
primer trimestre de 2023
(tasa)
Fuente: INEGI. ILMM, 2023.
En general, las estimaciones de los ILMM 2023 se mantuvieron respecto a las del año anterior.
En la gráfica 6 se observa que ningún municipio tuvo cambios estadísticamente significativos
en sus tres tasas de forma simultánea. Hubo 26 municipios que presentaron diferencias
significativas en dos de sus tasas: seis cambiaron en las tasas de la PEA y de población
ocupada; 18, en las tasas de la PEA y personas en la informalidad, y dos, en las tasas de
personal ocupado y personas en la informalidad.
En 371 municipios, la diferencia fue solo en una de las tres tasas estudiadas:
269 en la tasa de PEA, tres para la tasa de personal ocupado y 99 para la tasa de personas en
la informalidad. El resto de los municipios (2 072) no tuvo cambios destacables.
Gráfica 6
MUNICIPIOS CON CAMBIOS SIGNIFICATIVOS EN LOS ILMM 2023 RESPECTO A LOS ILMM 2022
primer trimestre de 2022 y de 2023
(número de municipios)
Nota: La información de los pergaminos indica el número de municipios con aumento o decremento estadísticamente
significativos. Por ejemplo, de los 18 municipios con cambios destacables solo en las tasas de la PEA y personas
en la informalidad, cuatro de estos aumentaron significativamente su tasa de la PEA (flecha roja hacia arriba) y
al mismo tiempo decrementaron su tasa de personas en la informalidad (flecha verde hacia abajo).
Fuente: INEGI. ILMM, 2022 y 2023.
Los resultados de los ILMM incluyen la estimación y sus medidas de calidad. Por medio de
estas se puede observar que las estimaciones fueron, en su mayoría, de alta calidad. Por lo
tanto, son un referente para apoyar a la toma de decisiones a niveles locales. La publicación
de los ILMM 2023 corresponde a la séptima edición y da continuidad a la serie cuya primera
publicación refiere al primer trimestre de 2017.
La información completa puede consultarse en:
No hay comentarios:
Publicar un comentario