Dos décadas de cambios en la cohesión social en América Latina (2004-2023)

Autores/as
Afiliaciones

Juan Carlos Castillo

Universidad de Chile

Centro de estudios del conflicto y cohesión social (COES)

Núcleo milenio de desigualdades y oportunidades digitales (NUDOS)

Gabriel Cortés Paredes

Centro de estudios del conflicto y cohesión social (COES)

Andreas Laffert

Centro de estudios del conflicto y cohesión social (COES)

Kevin Carrasco

Centro de estudios del conflicto y cohesión social (COES)

Tomás Urzúa

Centro de estudios del conflicto y cohesión social (COES)

Resumen

En un contexto regional marcado por crisis políticas, desigualdades persistentes y episodios de conflictividad social, comprender la evolución de la cohesión social es fundamental para evaluar la estabilidad democrática y la legitimidad institucional. Si bien existen numerosos estudios sobre las causas y consecuencias de la desconfianza o la polarización en América Latina, aún persiste un vacío en el análisis sistemático y longitudinal de la cohesión social como fenómeno integral. Este proyecto busca llenar ese vacío mediante el desarrollo de un conjunto de indicadores que permitan analizar con comparabilidad temporal y regional la evolución de las distintas dimensiones de la cohesión social.

Este artículo busca cubrir esas brechas proponiendo y validando un modelo de medición que permita un análisis comparativo, longitudinal y multinivel de la cohesión social en América Latina. En concreto, buscamos avanzar en: (i) una operacionalización clara y validada que integre dimensiones claves a partir de la literatura existente y los datos disponibles para la región; (ii) la estimación de trayectorias regionales y nacionales durante las últimas dos décadas; y (iii) la identificación de factores asociados a estos cambios mediante la aplicación de modelos de regresión multinivel híbridos. Con esto, se espera aportar evidencia robusta sobre los cambios en la región en las últimas dos décadas, aportando a la discusión académica y política sobre los desafíos y oportunidades de la cohesión social en América Latina.

Palabras clave

cohesión social, análisis multinivel, análisis longitudinal

Introducción

En América Latina, los últimos años han estado marcadas por episodios de inestabilidad política, desigualdades persistentes y bajo crecimiento económico, y ciclos de conflictividad social (United Nations Development Programme 2023; Salazar-Xirinachs 2023) . De tal modo, las tensiones sociales parecen haber aumentado en la región, reflejando una falta de confianza en las instituciones democráticas y un descontento generalizado con la corrupción y la desigualdad. En este contexto, la cohesión social ha escalado en la agenda pública y académica, con diagnósticos recientes tanto de organismos internacionales como de gobiernos nacionales que advierten sobre sus tensiones y desafíos para la gobernabilidad democrática y el desarrollo inclusivo (United Nations Development Programme 2023; Salazar-Xirinachs 2023; Juan Carlos Castillo, Espinoza, y Barozet 2022; Ministerio de Desarrollo Social y Familia 2020).

Sin embargo, pese a su uso generalizado y cotidiano en la discusión pública, definir cohesión social teórica y operacionalmente sigue siendo un desafío. La literatura oscila entre estudios focalizados en a una o varias dimensiones específicas de la cohesión social (Ariely 2013; Juan Carlos Castillo, Espinoza, y Barozet 2022; Juan Carlos Castillo et al. 2023) a esfuerzos por sintetizar el fenómeno en índices comprehensivos (Langer et al. 2016; Delhey y Dragolov 2016; Delhey et al. 2018; Dragolov et al. 2013; Janmaat 2010). Esta heterogeneidad conceptual y metodológica dificulta la comparación entre países, así como la detección de transformaciones a lo largo del tiempo.

Por lo demás, la mayoría de estas definiciones se han puesto a prueba principalmente en países europeos o de altos ingresos (Ariely 2013; Delhey y Dragolov 2016), con solo menciones parciales a América Latina (Janmaat 2010). Esta limitación se mantiene pese a que la evidencia apunta a que las diferencias nacionales y regionales en los contextos culturales, históricos e institucionales moldean la cohesión de las sociedades y los factores que la determinan (Janmaat 2010; Delhey y Dragolov 2016). De tal modo, pese a la percepción generalizada de que la cohesión social es un fenómeno en tensión en las sociedades latinoamericanas, existe evidencia empírica de las diferencias entre países, las tendencias en el tiempo y los factores que explican estos cambios.

Este artículo busca cubrir esas brechas proponiendo y validando un modelo de medición que permita un análisis comparativo, longitudinal y multinivel de la cohesión social en América Latina. En concreto, buscamos avanzar en: (i) una operacionalización clara y validada que integre dimensiones claves a partir de la literatura existente y los datos disponibles para la región; (ii) la estimación de trayectorias regionales y nacionales durante las últimas dos décadas; y (iii) la identificación de factores asociados a estos cambios mediante la aplicación de modelos de regresión multinivel. Con esto, se espera aportar evidencia robusta sobre los cambios en la región en las últimas dos décadas, aportando a la discusión académica y política sobre los desafíos y oportunidades de la cohesión social en América Latina.

¿Qué es la cohesión social?

Aunque sus raíces teóricas se remontan a los inicios de la teoría social – y su uso extendido en la discusión pública - definir cohesión social sigue siendo una tarea difícil (Chan, To, y Chan 2006). Situada en la intersección entre enfoques teóricos y descriptivos que enfatizan las cooperación y la integración, y consideraciones normativas acerca de cómo la sociedades se mantienen unidad ante crisis, tensiones y transformaciones, la cohesión social se ha definido de múltiples maneras, reflejando diversas perspectivas, alcances e indicadores (Chan, To, y Chan 2006; Juan-Carlos Castillo, Olivos, y Iturra 2021).

Con todo, la mayoría de las definiciones comparten algunos elementos en común (Juan-Carlos Castillo, Olivos, y Iturra 2021):

  • Es un atributo del colectivo, no de los individuos.
  • Es un constructo multidimensional
  • Es una cualidad de las relaciones sociales que permite alcanzar fines compartidos.
  • Dado que los sujetos tiene un objetivo común, son capaces cooperar para lograr estos objetivos.

Una definición robusta de cohesión social debe integrar estos elementos. A la vez, debe ser una definición mínima e intuitiva, que permita su operacionalización y medición, así como la comparación en contextos diversos y posibilite la discusión e espacios públicos (Chan, To, y Chan 2006).

De tal modo, en este artículo partiremos de la definición propuesta por Chan, To y Chan (2006, 90), para quienes la cohesión social

is a state of affairs concerning both the vertical and the horizontal interactions among members of society as characterized by a set of attitudes and norms that includes trust, a sense of belonging and the willingness to participate and help, as well as their behavioural manifestations.

De la definición, pues, se desprenden dos dimensiones principales. En primer lugar, la cohesión social tiene una dimensión horizontal. Con esto nos referimos a las interacciones cotidianas entre los miembros de una sociedad. Contiene aspectos subjetivos (tales como el sentido de pertenencia y la confianza interpersonal), como aspecto objetivos, como las redes sociales y las condiciones materiales que facilitan o dificultan estas interacciones.

En segundo lugar, la cohesión social tiene una dimensión vertical, que se refiere a las relaciones entre los individuos y las instituciones sociales y políticas. Esta dimensión incluye aspectos como la confianza en las instituciones, la legitimidad del sistema político y la participación cívica.

Tendencias y factores relacionados a la Cohesión Social

Diversos estudios muestran que las trayectorias de la cohesión social difieren ampliamente entre países. Entre los factores que influyen en estas trayectorias se cuentan el crecimiento y la desigualdad económica, la configuración de los sistemas de bienestar, la composición cultural y étnica, y los legados autoritatorios. La intensidad y la dirección de sus efectos, sin embargo, dependen en gran medida del contexto. Por ejemplo, mientras en Europa el crecimiento económico, la igualdad social y las democracias liberales suelen asociarse con mayores niveles de cohesión, en varios países de Asia se observan niveles comparables en contextos de desigualdad moderada y regímenes autoritarios. Ahora bien, en todos estos estudios las menciones a determinantes de la cohesión social en sociedades latinoamericanas son escasas.

Con todo, es posible agrupar los factores identificados en tres dimensiones:

  1. Factores socioeconómicos
  2. Factores institucionales
  3. Factores culturales

A continuación se revisan cada una de ellas.

1) Factores socioeconómicos

La prosperidad económica, a menudo medida a través del PIB per cápita, se ha asociado con mayores niveles de cohesión social. Esta asociación se ha encontrando en diversos contextos culturales (Janmaat 2010; Delhey, Dragolov, y Boehnke 2023), aunque parece atenuarse en algunas sociedades asiáticas de altos ingresos (Delhey et al. 2018). Estos hallazgos van en línea con las perspectivas universalistas o modernistas de la cohesión social, para quienes la cohesión es un fenómeno estrechamente relacionado con distintas etapas del desarrollo socioeconómico (Janmaat 2010). De estos hallazgos, se desprende la primera hipótesis del artículo:

H1(a): Aumentos en el desarrollo económico de un país estarán asociados con incrementos en los niveles de cohesión social

H1(b): Los países con un mayor desarrollo económico presentarán mayores niveles de cohesión social

Por otro lado, la desigualdad económica se ha asociado generalmente con menores niveles de cohesión social (Delhey et al. 2018; Janmaat 2010). Nuevamente, sin embargo, la asociación se atenúa en sociedades asiáticas, donde niveles medios de desigualdad están asociados con mayores niveles de cohesión (Janmaat 2010; Delhey et al. 2018).

No hay evidencia sobre como los niveles de desigualdad en América Latina se relacionan con la cohesión social. Por un lado, pese a ser considerada una de las regiones más desiguales del mundo, los latinoamericanos muestran altísimas expectativas de movilidad social (Somma y Valenzuela 2015), posiblemente debido de al aumento de la cobertura educativa en muchos países de la región o al predominio de las justificaciones meritocráticas para la desigualdad educativa y económica(Somma y Valenzuela 2015; Juan Carlos Castillo et al. 2024). Con todo, las demandas de mayor igualdad, redistribución y trato justo (Cabib et al. 2025; Araujo et al. 2022), que se han traducido en protestas masivas en varios países de la región, sugieren que la desigualdad económica es un factor relevante para la cohesión social en América Latina. Por lo tanto, planteamos las siguientes hipótesis:

H2(a): Aumentos en la desigualdad económica de un país estarán asociados con menores niveles de cohesión social

H2(b): Países con mayores niveles de desigualdad presentarán menores niveles de cohesión social

H3(a): Individuos con mayor nivel educativo mostrarán mayores nivel de cohesión social

H3(b): El efecto de la desigualdad económica sobre la cohesión social será menor en países con mayores oportunidades educativas.

2) Factores institucionales

La capacidad del Estado para responder de manera efectiva a las problemáticas de la población, especialmente de los grupos más vulnerables, ha sido identificada como una de las principales fuentes de cohesión social en diversas sociedades (Kustov y Pardelli 2024; Njozela, Shaw, y Burns 2016; ANDREWS y JILKE 2015). En esta línea, una gobernanza eficaz y la presencia de instituciones sólidas suelen asociarse con mayores niveles de cohesión soical en contextos tan diversos como Asia, América Latina y Europa (Delhey et al. 2018; Green, Janmaat, y Cheng 2011).

En contraste, la relación entre los sistemas políticos y el régimen democrático con la cohesión social parece ser más dependiente del contexto. Mientras que en sociedades occidentales de altos ingresos la democracia liberal tiende a reforzar los niveles de cohesión social, en algunos países asiáticos los regímenes autoritarios se han viculado con niveles igualmente elevados de cohesión (Delhey et al. 2018)

En América Latina, los Estados suelen caracterizarse por menores niveles de eficiencia y mayores índices de corrupción, acompañados de una ciudadnaía que presenta bajos niveles de confianza en las instituciones políticas y una menor participación en comparación con el mundo desarrollado. Sin embargo, esta desconfianza institucional convive con un fuerte sentido de identificación nacional, incluso más pronunciado que en el primer mundo (Somma y Valenzuela 2015). Para Somma (2015), esta aparente paradoja se relaciona con la propensión de las sociedades latinoamericanas hacia liderazgos personalistas y populistas. En este contexto, en línea con lo que Guillermo O’Donnell describió como democracias delegativas (Toppi 2018), amplios sectores de la ciudadanía estarían dispuestos a transar principios de la democracia liberal en favor a liderazgos autoritarios cuando perciben que las instituciones democráticas no logran resolver sus problemas cotidianos. Esto sugiere que la efectividad de la gobernanza – más que el tipo de régimen político – es el factor institucional que ejerce un mayor peso en los niveles de cohesión social en las sociedades latinoamericanas. A partir de esta discusión, planteamos las siguientes hipótesis:

H4(a): Aumentos en los niveles de gobernanza en un país estarán asociados con mayores niveles de cohesión social

H4(b): Países con mayores niveles de gobernanza presentarán mayores niveles de cohesión social

3) Factores culturales

Las variables culturales y demográficas, incluidas las identidades étnicas, religiosas y nacionales, han mostrado efectos complejos sobre niveles de cohesión social, variando sustancialmente según el contexto. Este carácter contextual es especialmente evidente en el impacto de la diversidad étnica sobre la cohesión social.

Por un lado, diversos estudios han identificados esfectos negativos de la diversidad étnica sobre indicadores como el sentido de pertenencia o la fortaleza de las redes vecinales(Gijsberts, van der Meer, y Dagevos 2011; Ariely 2013), asociación que resulta particularmente marcada en contexto de alta segregación racial, como el de los Estados Unidos (Meer y Tolsma 2014). No obstante, otros trabajos han mostrado que factores institucionales y la implementación de políticas inclusivas pueden moderar, o incluso invertir, esta relación (Meer y Tolsma 2014; Kustov y Pardelli 2024; Delhey et al. 2018; Reeskens y Wright 2012).

La gestión de la diversidad étnica en Europa y América del Norte constrasta de manera importante con la realidad latinoamericana, caracterizada por una mayor heterogeneidad étnica y lingüistica. Pese a episodios de conflictividad derivados de las relacioens entre los Estados y los pueblos indígenas, los países latinoamericanos han demostrados fuertes identidades nacionales (Somma y Valenzuela 2015).

Sin embargo, los cambios recientes en los patrones migratorios, que han favorecido la migración intrarregional tanto en términos relativos como absolutos (Stefoni 2018), podrían constituir nuevas fuentes de tensión para la cohesión social en las sociedades latinoamericanas. Aunque los latinoamericanos tienden a mostrar niveles de tolerancia étnico-religiosa y nacional superiores a los observados en varios países europeos (Somma y Valenzuela 2015), casos como el chileno —frente a la migración masiva de población venezolana— evidencian signos de deterioro en las relaciones entre migrantes y no migrantes durante los últimos años (Juan Carlos Castillo et al. 2023). Frente a esto, proponemos las siguientes hipótesis:

H5(a): Aumentos en la proporción de población migrante en un país estarán asociados a disminuciones en los niveles de cohesión social

H5(b): El impacto de la migración sobre la cohesión social será menor en países con mejores niveles de gobernanza

Metodología

Datos

La principal fuente de datos para este estudio es la AmericasBarometer del Latin American Public Opinion Project (LAPOP Lab), también conocida como Encuesta LAPOP. La encuesta tiene por objetivo recolectar datos la opinión pública sobre democracia y gobernanza en el continente americano. El diseño de la encuesta es probalístico y representativo de la población adulta de cada país (LAPOP LAb 2023).

La encuesta se ha realizado de manera regular desde el año 2004. A la fecha, se han realizado 9 olas que han incluido entre 11 a 23 países, sumando un total sobre 400.000 entrevistas en dos décadas. El cuestionario se administra a través de encuestas cara a cara, con la excepción de Canadá y Estados Unidos.

Como criterio, se incluyeron en este estudio únicamente los países de la región que tengan disponible datos para los indicadores principales del estudio en al menos 5 puntos en el tiempo. Como se resume en Tabla 1, se incluyen en este estudio un total de 238.257 individuos anidados en 174 olas-paises en 25 países del continente americano.

Tabla 1: Disponibilidad de datos por olas y países
Casos por país
País Frecuencia
Bolivia 18453
Ecuador 16775
Panama 12100
Mexico 11716
Canada 11700
Peru 11490
Honduras 11411
Nicaragua 10863
Chile 10862
Uruguay 9778
Jamaica 9136
Dominican Republic 8938
United States 8769
Argentina 8642
Brazil 8405
Haiti 8106
Paraguay 8052
El Salvador 7805
Costa Rica 7664
Colombia 7556
Venezuela 7404
Guatemala 7276
Guyana 6294
Belize 5753
Trinidad & Tobago 3309
Total 238257

Para datos contexuales de los países, se recurrió a diversas fuentes de datos que incluyen:

  1. Los datos abiertos del Banco Mundial. Incluye diversos indicadores sobre desarrollo social y económico de la mayoría de los países del mundo. El portal es de datos es accesible en: https://datos.bancomundial.org/.

  2. The Worlwide Governance Indicators del Banco Mundial. Se trata de una encuesta a expertos que recopila datos primeros sobre diveros indicadores de gobernanza, cubriendo múltiple países con información actualizada entre 1996 y 2003. Los datos son accesibles en: https://www.worldbank.org/en/publication/worldwide-governance-indicators.

  3. The V-Dem Dataset que recoge un conjunto multidimensional de datos que busca medir la calidad de la democracia alrededor del mundo. La base de datos es accesible mediante el paquete de R vdemdata (Maerz et al. 2025)

Variables

Variables Dependientes

Se construyó un índice de Cohesión Social que se compone de dos dimensiones que, a su vez, son índices sumativos construidos a partir de indicadores de LAPOP. La selección de indicadores, subdimensiones y dimensiones está basado en el trabajo previo a nivel agregado del Observatorio de Cohesión Social, accesible aquí: https://ocscoes.github.io/medicion-cohesion-LA/.

El Índice de Cohesión Horizontal se compone de dos subdimensiones, Seguridad Urbana y Confianza Interpersonal. Seguridad urbana integra indicadores de seguridad objetiva y seguridad subjetiva. Confianza Interpersonal, en tanto, es un único indicador sobre que tan confiuable son las personas en general. Aunque conceptualmente se entiende que el sentido de pertenencia es un componente importante para la cohesión horizontal, ni LAPOP ni Latinobarómetro cuentan con un indicador que permita medir ese fenómeno de manera adecuada. Por otro lado, si bien se esperaba que la participación comunitaria fuera parte del índice, un análisis factorial exploratorio indicó que no forma parte del mismo concepto latente que las otras dos subsimensiones.

El Índice de Cohesión Vertical se compone de dos dimensiones: Confianza en instituciones, Actitudes hacia la democracia. Confianza en las instituciones integra indicadores relativos a la confianza de los ciudadananos en el congreso, en el poder judicial y en los partidos políticos. Actitudes hacia la democracia se compone de dos indicadores sobre apoyo al sistema democrático y la satisfacción con el funcionamiento de la democracia en su país. Otras variables conceptualmente pertinentes, como participación política o percepciones de justicia, no se incluyeron debido a la falta de indicadores disponibles.

Los indicadores fueron estandarizados de modo que todas las subdimensiones y dimensiones de los índices tienen un rango de 0 a 10 con 0 indicando bajos niveles de cohesión social y 10 indicando altos niveles de cohesión.

Variables Independientes

Se incluyeron como variables independientes factores económicos, institucionales y culturales. Reconociendo la estructura jerarquica de los datos, se incluyen predictores a nivel individual, a nivel de olas-país, y a nivel país.

Variables Individuales

El principal predictor individual utilizado en este estudio es el nivel educativo de las personas. Las múltiples codificaciones de LAPOP para este indicador fueron únificadas para crear una variable de 3 categorías, distinguiendo individuos con educación primeria, secundaria y terciaria.

Además, se incluyen como variables de control el sexo, la edad y la posición políticas de los individuos.

Variables Contextuales

Prosperidad económica se medirá a través del logaritmo del PIB per cápita a valores de paridad de poder adquisitivo (PPA). Desigualdad económica en tanto se medirá a partir del Índice Gini. Ambos indicadores se extrajeron del banco de datos del Banco Mundial. Además, se incluirá el porcentaje de individuos con educación terciaria en un país como proxy de oportunidades educativas.

En cuanto a factores institucionales, se incluyó el Índice de Democracia Electoral, o poliarquía, para medir la Calidad democrática de los países. Por otro lado, se incluyó un índice de gobernanza (\(\alpha\) = 0.96) calculado a partir de los Worldwide Governace Indicators del Banco Mundial (Kaufmann y Kraay 2024).

Se medirá diversidad cultural como el porcentaje de población migrante sobre la población total del país, usando datos del Banco Mundial. Dado que la serie está disponible cada cinco año, se construyó una serie anual imputando los años intermedios mediante una interpolación logistica.

Método

Análisis Factorial Confirmatorio

Se realizó un análisis factorial confirmatorio con el fin de poner a prueba el modelo construido por el Observatorio de Cohesión Social (2025) y la propuesta teórica de Chan, To y Chan. Como se observa en la Figura 1, se entiende la Cohesión Social como un constructo latente constituido de dos dimensiones latentes – Cohesión Vertical y Cohesión Horizontal.

Figura 1: Esquema Conceputal de Cohesión Social

Análisis Multinivel

Dada la estructura jerárquica de los datos, se estimaron modelos de regresión multinivel híbridos. Esta técnica permite utilizar datos a nivel individual para descomponer los efectos a nivel país en sus componentes entre países (efectos between) y dentro de un país en el tiempo (efectos within) (Schmidt-Catran y Fairbrother 2016; Fairbrother 2014). Los modelos fueron estimados usando el paquete de R lme4 (Bates et al. 2015).

El modelo propuesto se podría expresar formalmente como:

\[ y_{jti} = \beta_{0}(t) + \beta_{1}X_{jti} + \gamma_{we}(Z_{jt}-\bar{Z}_{j}) + \gamma_{be}\bar{Z}_{j} + v_j + u_{jt} + e_{jti} \] El modelo integra 3 niveles con individuos \(i\) anidados en olas-países \(t\) anidados países \(j\). \(X_{jti}\) representa variables de nivel individual mientras que \(Z_{jt}\) son variables contextuales a nivel ola-país. Dado que \(Z_{jt}\) contiene varianza tanto de nivel 2 como de nivel 3, se descompuso en el promedio de la variable a lo largo de todas sus olas (\(\bar{Z}_{j}\)) y en la desviación intra-país en una ola dada (\(Z_{jt}-\bar{Z}_{j}\)). De tal forma, \(\gamma_{we}\) representa en el efecto within, es decir, el efecto del cambio en un país en el tiempo; mientras que \(\gamma_{be}\) representa el efecto between, es decir, las diferencias estructurales entre países. Además, \(\beta_{0}(t)\) controla cambios en el tiempos no explicados por el modelo. Por último, \(v_j\), \(u_{jt}\) y \(e_{jti}\) representan los errores a nivel país, ola-país e individual.

Resultados

Descriptivos

Figura 2: Evolución dimensiones Cohesión Horizontal (2004-2022)
Figura 3: Evolución dimensiones Cohesión Vertical (2004-2022)
Figura 4: Correlación subdimensiones de la Cohesión Social

Análisis Factorial Confirmatorio

Análisis Factorial Confirmatorio Modelo de Medición de Cohesión Social

Nota. RMSEA = 0.022, CFI = 0.998, Chi-cuadrado = 111.6, gl = 1, p-valor = 0.

Figura 5

Modelos Multinivel

# ICC by Group

Group        |   ICC
--------------------
country_wave | 0.022
pais         | 0.054
# ICC by Group

Group        |   ICC
--------------------
country_wave | 0.065
pais         | 0.064
# ICC by Group

Group        |   ICC
--------------------
country_wave | 0.050
pais         | 0.070
Tabla 2: Modelos para cohesión horizontal
  m1 m2 m3 m4
Predictors Estimates p Estimates p Estimates p Estimates p
(Intercept) 6.10 <0.001 6.11 <0.001 6.10 <0.001 6.07 <0.001
factor(nivel_educ)Secondary -0.12 <0.001 -0.12 <0.001 -0.12 <0.001 -0.12 <0.001
factor(nivel_educ)Tertiary 0.03 0.088 0.03 0.088 0.03 0.092 0.03 0.092
factor(sexo)Male 0.22 <0.001 0.22 <0.001 0.22 <0.001 0.22 <0.001
edad c 0.10 <0.001 0.10 <0.001 0.10 <0.001 0.10 <0.001
I(edad_c^2) 0.06 <0.001 0.06 <0.001 0.06 <0.001 0.06 <0.001
factor(pos_politica)Center 0.12 <0.001 0.12 <0.001 0.12 <0.001 0.12 <0.001
factor(pos_politica)Right 0.22 <0.001 0.22 <0.001 0.22 <0.001 0.22 <0.001
factor(pos_politica)Not declared 0.17 <0.001 0.17 <0.001 0.17 <0.001 0.17 <0.001
scale(ola) -0.12 <0.001 -0.28 0.008 -0.23 0.027 -0.23 0.031
pib we 0.15 0.098 0.12 0.168 0.14 0.129
gini we -0.04 0.422 -0.03 0.557 -0.03 0.510
dem we -0.06 0.101 -0.05 0.158 -0.05 0.196
wgi we -0.03 0.436 -0.02 0.477 -0.02 0.487
mig we -0.07 0.055 -0.08 0.041 -0.10 0.025
edu we 0.00 0.979 0.00 0.971 -0.00 0.994
pib be 0.01 0.956 0.01 0.919
gini be -0.05 0.609 -0.06 0.542
dem be -0.29 0.049 -0.27 0.086
wgi be 0.51 0.005 0.49 0.011
mig be 0.36 0.036 0.32 0.116
edu be -0.35 0.009 -0.36 0.011
mig_we:wgi_be 0.02 0.520
gini_be:edu_be -0.04 0.614
gini_we:edu_be -0.04 0.372
Random Effects
σ2 4.99 4.99 4.99 4.99
τ00 0.10 country_wave 0.10 country_wave 0.10 country_wave 0.10 country_wave
0.27 pais 0.29 pais 0.08 pais 0.09 pais
ICC 0.07 0.07 0.03 0.04
N 130 country_wave 130 country_wave 130 country_wave 130 country_wave
22 pais 22 pais 22 pais 22 pais
Observations 179377 179377 179377 179377
Marginal R2 / Conditional R2 0.012 / 0.081 0.015 / 0.086 0.056 / 0.089 0.057 / 0.090
``````````{=html}
  m4 m5
Predictors Estimates p Estimates p
(Intercept) 6.07 <0.001 6.07 <0.001
factor(nivel_educ)Secondary -0.12 <0.001 -0.12 <0.001
factor(nivel_educ)Tertiary 0.03 0.092 0.03 0.093
factor(sexo)Male 0.22 <0.001 0.22 <0.001
edad c 0.10 <0.001 0.10 <0.001
I(edad_c^2) 0.06 <0.001 0.06 <0.001
factor(pos_politica)Center 0.12 <0.001 0.12 <0.001
factor(pos_politica)Right 0.22 <0.001 0.22 <0.001
factor(pos_politica)Not declared 0.17 <0.001 0.17 <0.001
scale(ola) -0.23 0.031 -0.30 0.006
pib we 0.14 0.129 0.18 0.051
gini we -0.03 0.510 -0.01 0.804
dem we -0.05 0.196 -0.04 0.312
wgi we -0.02 0.487 -0.00 0.915
mig we -0.10 0.025 -0.11 0.018
edu we -0.00 0.994 0.01 0.656
pib be 0.01 0.919 -0.01 0.932
gini be -0.06 0.542 -0.04 0.679
dem be -0.27 0.086 -0.25 0.101
wgi be 0.49 0.011 0.51 0.007
mig be 0.32 0.116 0.33 0.099
edu be -0.36 0.011 -0.37 0.008
mig_we:wgi_be 0.02 0.520 0.06 0.086
gini_be:edu_be -0.04 0.614 -0.02 0.823
gini_we:edu_be -0.04 0.372 -0.05 0.318
scale(ola):mig_be -0.16 0.034
Random Effects
σ2 4.99 4.99
τ00 0.10 country_wave 0.09 country_wave
0.09 pais 0.08 pais
ICC 0.04 0.03
N 130 country_wave 130 country_wave
22 pais 22 pais
Observations 179377 179377
Marginal R2 / Conditional R2 0.057 / 0.090 0.057 / 0.089
Tabla 3: Modelos para cohesión vertical
  m1 m2 m3 m4
Predictors Estimates p Estimates p Estimates p Estimates p
(Intercept) 5.37 <0.001 4.65 <0.001 4.64 <0.001 4.63 <0.001
factor(nivel_educ)Secondary -0.12 <0.001 -0.12 <0.001 -0.12 <0.001 -0.12 <0.001
factor(nivel_educ)Tertiary -0.04 0.001 -0.10 <0.001 -0.10 <0.001 -0.10 <0.001
factor(sexo)Male 0.12 <0.001 0.02 0.024 0.02 0.024 0.02 0.024
edad c 0.04 <0.001 -0.01 0.008 -0.01 0.007 -0.01 0.007
I(edad_c^2) 0.08 <0.001 0.09 <0.001 0.09 <0.001 0.09 <0.001
factor(pos_politica)Center 0.12 <0.001 0.12 <0.001 0.12 <0.001 0.12 <0.001
factor(pos_politica)Right 0.37 <0.001 0.52 <0.001 0.52 <0.001 0.52 <0.001
factor(pos_politica)Not declared 0.05 <0.001 -0.07 <0.001 -0.07 <0.001 -0.07 <0.001
scale(ola) -0.15 <0.001 -0.30 0.021 -0.42 0.002 -0.41 0.002
pib we -0.01 0.963 0.07 0.556 0.05 0.648
gini we -0.09 0.170 -0.11 0.104 -0.12 0.085
dem we -0.20 <0.001 -0.21 <0.001 -0.20 <0.001
wgi we 0.10 0.021 0.09 0.035 0.06 0.161
mig we -0.04 0.370 -0.03 0.490 -0.00 0.989
edu we 0.01 0.809 0.02 0.624 0.03 0.463
pib be 0.04 0.821 0.05 0.736
gini be -0.28 0.013 -0.29 0.014
dem be -0.05 0.780 -0.03 0.881
wgi be 0.27 0.184 0.22 0.309
mig be 0.15 0.441 0.12 0.605
edu be -0.35 0.018 -0.37 0.018
mig_we:wgi_be -0.07 0.097
gini_be:edu_be -0.03 0.748
gini_we:edu_be -0.04 0.577
Random Effects
σ2 2.33 2.96 2.96 2.96
τ00 0.11 country_wave 0.16 country_wave 0.17 country_wave 0.16 country_wave
0.17 pais 0.21 pais 0.09 pais 0.10 pais
ICC 0.11 0.11 0.08 0.08
N 130 country_wave 130 country_wave 130 country_wave 130 country_wave
22 pais 22 pais 22 pais 22 pais
Observations 179377 179377 179377 179377
Marginal R2 / Conditional R2 0.025 / 0.132 0.040 / 0.148 0.078 / 0.152 0.079 / 0.154
``````````{=html}
  m4 m5
Predictors Estimates p Estimates p
(Intercept) 4.63 <0.001 4.62 <0.001
factor(nivel_educ)Secondary -0.12 <0.001 -0.12 <0.001
factor(nivel_educ)Tertiary -0.10 <0.001 -0.10 <0.001
factor(sexo)Male 0.02 0.024 0.02 0.024
edad c -0.01 0.007 -0.01 0.007
I(edad_c^2) 0.09 <0.001 0.09 <0.001
factor(pos_politica)Center 0.12 <0.001 0.12 <0.001
factor(pos_politica)Right 0.52 <0.001 0.52 <0.001
factor(pos_politica)Not declared -0.07 <0.001 -0.07 <0.001
scale(ola) -0.41 0.002 -0.36 0.005
pib we 0.05 0.648 0.03 0.783
gini we -0.12 0.085 -0.08 0.225
dem we -0.20 <0.001 -0.20 <0.001
wgi we 0.06 0.161 0.12 0.012
mig we -0.00 0.989 0.00 0.989
edu we 0.03 0.463 0.02 0.594
pib be 0.05 0.736 0.01 0.932
gini be -0.29 0.014 -0.29 0.017
dem be -0.03 0.881 0.05 0.785
wgi be 0.22 0.309 0.16 0.471
mig be 0.12 0.605 0.17 0.467
edu be -0.37 0.018 -0.35 0.029
mig_we:wgi_be -0.07 0.097 -0.08 0.042
gini_be:edu_be -0.03 0.748 -0.01 0.917
gini_we:edu_be -0.04 0.577 -0.01 0.916
scale(ola):wgi_we -0.11 0.005
Random Effects
σ2 2.96 2.96
τ00 0.16 country_wave 0.15 country_wave
0.10 pais 0.11 pais
ICC 0.08 0.08
N 130 country_wave 130 country_wave
22 pais 22 pais
Observations 179377 179377
Marginal R2 / Conditional R2 0.079 / 0.154 0.083 / 0.157
  completo sin influyentes
Predictors Estimates p Estimates p
(Intercept) 4.63 <0.001 4.47 <0.001
factor(nivel_educ)Secondary -0.12 <0.001 -0.16 <0.001
factor(nivel_educ)Tertiary -0.10 <0.001 -0.13 <0.001
factor(sexo)Male 0.02 0.024 0.00 0.885
edad c -0.01 0.007 -0.03 <0.001
I(edad_c^2) 0.09 <0.001 0.10 <0.001
factor(pos_politica)Center 0.12 <0.001 0.22 <0.001
factor(pos_politica)Right 0.52 <0.001 0.65 <0.001
factor(pos_politica)Not declared -0.07 <0.001 0.02 0.258
scale(ola) -0.41 0.002 -0.38 0.006
pib we 0.05 0.648 0.06 0.620
gini we -0.12 0.085 -0.16 0.050
dem we -0.20 <0.001 -0.19 <0.001
wgi we 0.06 0.161 0.06 0.246
mig we -0.00 0.989 -0.03 0.666
edu we 0.03 0.463 0.02 0.605
pib be 0.05 0.736 0.14 0.357
gini be -0.29 0.014 -0.28 0.010
dem be -0.03 0.881 -0.08 0.611
wgi be 0.22 0.309 0.13 0.469
mig be 0.12 0.605 0.19 0.323
edu be -0.37 0.018 -0.42 0.004
mig_we:wgi_be -0.07 0.097 -0.06 0.144
gini_be:edu_be -0.03 0.748 -0.05 0.465
gini_we:edu_be -0.04 0.577 -0.08 0.279
Random Effects
σ2 2.96 2.99
τ00 0.16 country_wave 0.17 country_wave
0.10 pais 0.05 pais
ICC 0.08 0.07
N 130 country_wave 114 country_wave
22 pais 20 pais
Observations 179377 151215
Marginal R2 / Conditional R2 0.079 / 0.154 0.084 / 0.147
Tabla 4: Modelos para cohesión social
  m1 m2 m3 m4
Predictors Estimates p Estimates p Estimates p Estimates p
(Intercept) 5.37 <0.001 5.38 <0.001 5.37 <0.001 5.35 <0.001
factor(nivel_educ)Secondary -0.12 <0.001 -0.12 <0.001 -0.12 <0.001 -0.12 <0.001
factor(nivel_educ)Tertiary -0.04 0.001 -0.04 0.001 -0.04 0.001 -0.04 0.001
factor(sexo)Male 0.12 <0.001 0.12 <0.001 0.12 <0.001 0.12 <0.001
edad c 0.04 <0.001 0.04 <0.001 0.04 <0.001 0.04 <0.001
I(edad_c^2) 0.08 <0.001 0.08 <0.001 0.08 <0.001 0.08 <0.001
factor(pos_politica)Center 0.12 <0.001 0.12 <0.001 0.12 <0.001 0.12 <0.001
factor(pos_politica)Right 0.37 <0.001 0.37 <0.001 0.37 <0.001 0.37 <0.001
factor(pos_politica)Not declared 0.05 <0.001 0.05 <0.001 0.05 <0.001 0.05 <0.001
scale(ola) -0.15 <0.001 -0.28 0.007 -0.30 0.002 -0.30 0.003
pib we 0.06 0.472 0.08 0.349 0.08 0.335
gini we -0.07 0.204 -0.06 0.205 -0.07 0.165
dem we -0.13 <0.001 -0.12 <0.001 -0.12 0.001
wgi we 0.04 0.261 0.03 0.284 0.02 0.560
mig we -0.06 0.117 -0.06 0.117 -0.05 0.226
edu we 0.00 0.882 0.01 0.783 0.01 0.669
pib be 0.02 0.820 0.03 0.748
gini be -0.16 0.029 -0.17 0.022
dem be -0.17 0.097 -0.15 0.174
wgi be 0.38 0.003 0.35 0.009
mig be 0.26 0.028 0.23 0.102
edu be -0.34 <0.001 -0.36 <0.001
mig_we:wgi_be -0.02 0.446
gini_be:edu_be -0.03 0.557
gini_we:edu_be -0.04 0.370
Random Effects
σ2 2.33 2.33 2.33 2.33
τ00 0.11 country_wave 0.10 country_wave 0.10 country_wave 0.10 country_wave
0.17 pais 0.18 pais 0.03 pais 0.03 pais
ICC 0.11 0.11 0.05 0.05
N 130 country_wave 130 country_wave 130 country_wave 130 country_wave
22 pais 22 pais 22 pais 22 pais
Observations 179377 179377 179377 179377
Marginal R2 / Conditional R2 0.025 / 0.132 0.033 / 0.136 0.094 / 0.140 0.095 / 0.142
``````````{=html}
  m4 m5
Predictors Estimates p Estimates p
(Intercept) 5.35 <0.001 5.35 <0.001
factor(nivel_educ)Secondary -0.12 <0.001 -0.12 <0.001
factor(nivel_educ)Tertiary -0.04 0.001 -0.04 0.001
factor(sexo)Male 0.12 <0.001 0.12 <0.001
edad c 0.04 <0.001 0.04 <0.001
I(edad_c^2) 0.08 <0.001 0.08 <0.001
factor(pos_politica)Center 0.12 <0.001 0.12 <0.001
factor(pos_politica)Right 0.37 <0.001 0.37 <0.001
factor(pos_politica)Not declared 0.05 <0.001 0.05 <0.001
scale(ola) -0.30 0.003 -0.27 0.005
pib we 0.08 0.335 0.07 0.388
gini we -0.07 0.165 -0.05 0.348
dem we -0.12 0.001 -0.12 <0.001
wgi we 0.02 0.560 0.06 0.100
mig we -0.05 0.226 -0.05 0.229
edu we 0.01 0.669 0.01 0.789
pib be 0.03 0.748 0.01 0.946
gini be -0.17 0.022 -0.17 0.032
dem be -0.15 0.174 -0.10 0.404
wgi be 0.35 0.009 0.31 0.033
mig be 0.23 0.102 0.26 0.083
edu be -0.36 <0.001 -0.35 0.001
mig_we:wgi_be -0.02 0.446 -0.03 0.273
gini_be:edu_be -0.03 0.557 -0.02 0.745
gini_we:edu_be -0.04 0.370 -0.02 0.639
scale(ola):wgi_we -0.08 0.010
Random Effects
σ2 2.33 2.33
τ00 0.10 country_wave 0.09 country_wave
0.03 pais 0.04 pais
ICC 0.05 0.05
N 130 country_wave 130 country_wave
22 pais 22 pais
Observations 179377 179377
Marginal R2 / Conditional R2 0.095 / 0.142 0.097 / 0.145
  completo sin influyentes
Predictors Estimates p Estimates p
(Intercept) 5.35 <0.001 5.64 <0.001
factor(nivel_educ)Secondary -0.12 <0.001 -0.15 <0.001
factor(nivel_educ)Tertiary -0.04 0.001 -0.05 <0.001
factor(sexo)Male 0.12 <0.001 0.10 <0.001
edad c 0.04 <0.001 0.03 <0.001
I(edad_c^2) 0.08 <0.001 0.08 <0.001
factor(pos_politica)Center 0.12 <0.001 0.19 <0.001
factor(pos_politica)Right 0.37 <0.001 0.45 <0.001
factor(pos_politica)Not declared 0.05 <0.001 0.11 <0.001
scale(ola) -0.27 0.005
pib we 0.07 0.388 0.15 0.068
gini we -0.05 0.348 -0.09 0.128
dem we -0.12 <0.001 -0.11 <0.001
wgi we 0.06 0.100 0.05 0.127
mig we -0.05 0.229 -0.14 0.001
edu we 0.01 0.789 0.03 0.256
pib be 0.01 0.946 0.06 0.628
gini be -0.17 0.032 -0.16 0.064
dem be -0.10 0.404 -0.13 0.292
wgi be 0.31 0.033 0.28 0.055
mig be 0.26 0.083 0.26 0.093
edu be -0.35 0.001 -0.37 0.001
mig_we:wgi_be -0.03 0.273 0.00 0.990
gini_be:edu_be -0.02 0.745 -0.03 0.537
gini_we:edu_be -0.02 0.639 -0.07 0.120
scale(ola):wgi_we -0.08 0.010
factor(ola)2006 -0.04 0.821
factor(ola)2008 -0.18 0.362
factor(ola)2010 -0.09 0.652
factor(ola)2012 -0.14 0.531
factor(ola)2014 -0.35 0.167
factor(ola)2016 -0.83 0.003
factor(ola)2018 -0.85 0.007
factor(ola)2023 -0.81 0.031
wgi_we:scale(ola) -0.06 0.044
edu_we:scale(ola) 0.06 0.038
Random Effects
σ2 2.33 2.35
τ00 0.09 country_wave 0.06 country_wave
0.04 pais 0.04 pais
ICC 0.05 0.04
N 130 country_wave 114 country_wave
22 pais 20 pais
Observations 179377 151215
Marginal R2 / Conditional R2 0.097 / 0.145 0.108 / 0.146

Referencias

ANDREWS, RHYS, y SEBASTIAN JILKE. 2015. «Welfare States and Social Cohesion in Europe: Does Social Service Quality Matter?» Journal of Social Policy 45 (1): 119-40. https://doi.org/10.1017/s0047279415000513.
Araujo, Kathya, Macarena Orchard, Alejandra Rasse, y Antonio Stecher. 2022. «Primer Informe de Resultados Encuesta Nacional de Autoridad NUMAAP 2021». Santiago de Chile: NUMAAP.
Ariely, Gal. 2013. «Does Diversity Erode Social Cohesion? Conceptual and Methodological Issues». Political Studies 62 (3): 573-95. https://doi.org/10.1111/1467-9248.12068.
Bates, Douglas, Martin Mächler, Ben Bolker, y Steve Walker. 2015. «Fitting Linear Mixed-Effects Models Using Lme4». Journal of Statistical Software 67 (1). https://doi.org/10.18637/jss.v067.i01.
Cabib, Ignacio, Daniel Miranda, Juan Pablo Ormeño, y Daniela Moyano. 2025. «Nuestras Trayectorias. Dinámicas intra-individuales e inter-individuales en Chile (2016-2023)». https://doi.org/10.13140/RG.2.2.23888.62720.
Castillo, Juan Carlos, Macarena Bonhomme, Daniel Miranda, y Julio Iturra. 2023. «Social Cohesion and Attitudinal Changes toward Migration: A Longitudinal Perspective amid the COVID-19 Pandemic». Frontiers in Sociology 7 (enero): 1009567. https://doi.org/10.3389/fsoc.2022.1009567.
Castillo, Juan Carlos, Vicente Espinoza, y Emmanuelle Barozet. 2022. «Cohesión social en Chile en tiempos de cambio: indicadores, perfiles y factores asociados».
Castillo, Juan Carlos, Mauricio Salgado, Kevin Carrasco, y Andreas Laffert. 2024. «The Socialization of Meritocracy and Market Justice Preferences at School». Societies 14 (11): 214. https://doi.org/10.3390/soc14110214.
Castillo, Juan-Carlos, Francisco Olivos, y Julio Iturra. 2021. «Conceptos y Medición de Cohesión Social En Proyectos Internacionales». Documentos de {{Trabajo COES}} 47. Santiago: COES.
Chan, Joseph, Ho-Pong To, y Elaine Chan. 2006. «Reconsidering Social Cohesion: Developing a Definition and Analytical Framework for Empirical Research». Social Indicators Research 75 (2): 273-302. https://doi.org/10.1007/s11205-005-2118-1.
Delhey, Jan, Klaus Boehnke, Georgi Dragolov, Zsófia S. Ignácz, Mandi Larsen, Jan Lorenz, y Michael Koch. 2018. «Social Cohesion and Its Correlates: A Comparison of Western and Asian Societies». Comparative Sociology 17 (3-4): 426-55. https://doi.org/10.1163/15691330-12341468.
Delhey, Jan, y Georgi Dragolov. 2016. «Happier Together. Social Cohesion and Subjective Well-Being in Europe: HAPPIER TOGETHER-COHESION AND SWB». International Journal of Psychology 51 (3): 163-76. https://doi.org/10.1002/ijop.12149.
Delhey, Jan, Georgi Dragolov, y Klaus Boehnke. 2023. «Social Cohesion in International Comparison: A Review of Key Measures and Findings». KZfSS Kölner Zeitschrift für Soziologie und Sozialpsychologie 75 (S1): 95-120. https://doi.org/10.1007/s11577-023-00891-6.
Dragolov, Georgi, Zsófia Ignácz, Jan Lorenz, Jan Delhey, y Klaus Boehnke. 2013. «Social Cohesion Radar Measuring Common Ground: An International Comparison of Social Cohesion Methods Report».
Fairbrother, Malcolm. 2014. «Two Multilevel Modeling Techniques for Analyzing Comparative Longitudinal Survey Datasets». Political Science Research and Methods 2 (1): 119-40. https://doi.org/10.1017/psrm.2013.24.
Gijsberts, Mérove, Tom van der Meer, y Jaco Dagevos. 2011. «“Hunkering Down” in Multi-Ethnic Neighbourhoods? The Effects of Ethnic Diversity on Dimensions of Social Cohesion». European Sociological Review 28 (4): 527-37. https://doi.org/10.1093/esr/jcr022.
Green, Andy, Germ Janmaat, y Helen Cheng. 2011. «Social Cohesion: Converging and Diverging Trends». National Institute Economic Review 215 (enero): R6-22. https://doi.org/10.1177/0027950111401140.
Janmaat, Jan Germen. 2010. «Social Cohesion as a Real-life Phenomenon: Assessing the Explanatory Power of the Universalist and Particularist Perspectives». Social Indicators Research 100 (1): 61-83. https://doi.org/10.1007/s11205-010-9604-9.
Kaufmann, Daniel, y Aart Kraay. 2024. «The Worldwide Governance Indicators». Policy {{Research Working Paper}} WPS10952. Washington D.C.: World Bank.
Kustov, Alexander, y Giuliana Pardelli. 2024. «Beyond Diversity: The Role of State Capacity in Fostering Social Cohesion in Brazil». World Development 180 (agosto): 106625. https://doi.org/10.1016/j.worlddev.2024.106625.
Langer, Arnim, Frances Stewart, Kristien Smedts, y Leila Demarest. 2016. «Conceptualising and Measuring Social Cohesion in Africa: Towards a Perceptions-Based Index». Social Indicators Research 131 (1): 321-43. https://doi.org/10.1007/s11205-016-1250-4.
LAPOP LAb. 2023. «AmericasBarometer».
Maerz, Seraphine F., Amanda B. Esgell, Sebastian Hellemeier, Nina Illchenko, y Linnea Fox. 2025. «Vdemdata: An R Package to Load, Explore and Work with the Most Recent V-Dem (Varieties of Democracy) Dataset.»
Meer, Tom van der, y Jochem Tolsma. 2014. «Ethnic Diversity and Its Effects on Social Cohesion». Annual Review of Sociology 40 (1): 459-78. https://doi.org/10.1146/annurev-soc-071913-043309.
Ministerio de Desarrollo Social y Familia. 2020. «Informe Final Consejo Asesor Para La Cohesión Social. Diagnóstico Para Una Aproximación a La Cohesión Social En Chile y Recomendaciones Para Fortalecer El Aporte de La Política Social».
Njozela, Lindokuhle, I. Shaw, y J. Burns. 2016. «Towards Measuring Social Cohesion in South Africa».
Observatorio de Cohesión Social. 2025. «Medición Cohesión Social América Latina». Santiago: COES.
Reeskens, Tim, y Matthew Wright. 2012. «Nationalism and the Cohesive Society». Comparative Political Studies 46 (2): 153-81. https://doi.org/10.1177/0010414012453033.
Salazar-Xirinachs, José Manuel. 2023. «Repensar, reimaginar, transformar: los “qué” y los “cómo” para avanzar hacia un modelo de desarrollo más productivo, inclusivo y sostenible». Revista de la CEPAL 2023 (141): 11-43. https://doi.org/10.18356/16820908-2023-141-2.
Schmidt-Catran, Alexander W., y Malcolm Fairbrother. 2016. «The Random Effects in Multilevel Models: Getting Them Wrong and Getting Them Right». European Sociological Review 32 (1): 23-38. https://doi.org/10.1093/esr/jcv090.
Somma, Nicolás M, y Eduardo Valenzuela. 2015. «Las Paradojas de La Cohesión Social En América Latina». Revista del CLAD Reforma y Democracia, n.º 61: 43-74.
Stefoni, Carolina. 2018. «Panorama de la migración internacional en América del Sur».
Toppi, Hernán Pablo. 2018. «Guillermo O’Donnell y Su Aporte al Desarrollo de La Democracia En América Latina Desde La Tercera Ola de Democratización». REVISTA IUS 12 (42). https://doi.org/10.35487/rius.v12i42.2018.407.
United Nations Development Programme. 2023. Trapped: High Inequality and Low Growth in Latin America and the Caribbean: Regional Human Development Report 2021. United Nations. https://doi.org/10.18356/9789210057844.