El marco de movilidad ascendente define la movilidad ascendente en tres dimensiones esenciales e interconectadas: éxito económico, poder y autonomía, y dignidad y pertenencia. Identifica más de 20 predictores basados en la evidencia que están estrechamente asociados a esas dimensiones de la movilidad. Las métricas de movilidad son un conjunto de medidas a corto y mediano plazo de cada uno de esos predictores.

Las métricas de movilidad visualizadas en el panel de datos de movilidad ascendente pueden utilizarse de varias maneras para crear nuevas estrategias locales (o apoyar las ya existentes) que tengan como objetivo aumentar la movilidad ascendente. Las siguientes son algunas de las maneras en que pueden utilizarse las métricas de movilidad:

• Comparar las métricas de una comunidad con las de comunidades homólogas para evaluar los obstáculos locales de la movilidad ascendente y conseguir apoyo público para eliminarlos.
• Descubrir las desigualdades raciales que aún persisten y las barreras estructurales que las perpetúan.
• Dar prioridad a los predictores de movilidad ascendente en los que una comunidad puede progresar más con atención y acción enfocadas.
• Destacar las interconexiones que existen entre los predictores de diferentes ámbitos de la política para reclutar socios e identificar el rol que pueden desempeñar en el impulso de la movilidad.
• Establecer objetivos para mejorar las métricas locales y reducir las desigualdades como parte de una estrategia para lograr un cambio profundo en las inversiones, las políticas y las prácticas locales. 
• Hacer un seguimiento de las métricas a lo largo del tiempo para evaluar el progreso de una comunidad y responsabilizar a los agentes locales.

Algunos predictores tienen dos métricas porque la primera métrica evidenciaba una clara brecha conocida en la cobertura que requería una segunda métrica para completarla. Como es difícil que una sola métrica capte todos los aspectos de un predictor, la exploración de datos locales adicionales puede ser útil para revelar más información sobre los factores que afectan a los predictores en su comunidad.

Algunas métricas de movilidad se miden utilizando varios puntos de datos, por lo que tienen más de un valor. Esto se debe a que cada métrica está destinada a captar un aspecto cuantificable de un predictor, pero, para hacerlo con precisión, es necesario dividir los datos métricos en grupos que varían según los predictores. Por ejemplo, los ingresos familiares son la métrica de movilidad para el predictor de oportunidades de ingresos. En lugar de mostrar los ingresos familiares promedio (un punto de datos), la métrica tiene tres puntos de datos: ingresos familiares en los percentiles 20, 50 y 80 de la distribución de ingresos.

Los investigadores urbanos versados en los datos de origen subyacentes (uno o más conjuntos de datos públicos) calcularon cada métrica con el asesoramiento de expertos en la materia que comprenden las investigaciones en las que se basan los predictores y su conexión con la movilidad. Estos expertos asesoraron a los investigadores sobre las interpretaciones razonables, los límites y las advertencias de esos datos. 

El código que se utilizó para crear las métricas está disponible en nuestro repositorio GitHub, en el que también se incluye documentación sobre cómo se obtuvieron los datos, cómo ejecutar el código y qué decisiones se tomaron al calcular cada métrica.

Las consideraciones de equidad racial están integradas en todos los elementos del marco de movilidad ascendente, así como en los datos de las métricas de movilidad. Para obtener más información, lea nuestro breve reporte “La función de la equidad en el marco de movilidad ascendente” .

Es posible que su ciudad no aparezca en el panel si tiene menos de 75,000 habitantes. 

Las métricas de movilidad se calculan para todos los condados y más de 480 ciudades de Estados Unidos. Cuando decimos “ciudad”, nos referimos a lugares incorporados con más de 75,000 habitantes. Lamentablemente, muchos datos de las métricas de movilidad no son lo suficientemente precisos para lugares con poblaciones más reducidas, por lo que no reportamos métricas para esas ciudades.

• Si no hay métricas de movilidad para su ciudad, puede explorar una de las siguientes alternativas:
• Examinar las métricas del condado en el que se encuentra su ciudad. Esto puede proporcionarle información de alto nivel sobre su región que puede combinarse con datos locales. Puede utilizar las métricas del condado como punto de partida para comprender las condiciones de movilidad ascendente en su comunidad.
• Explorar fuentes alternativas de datos para cada predictor.
• Crear sus propias métricas utilizando el código disponible en nuestro repositorio GitHub. Puede aprovechar el código para replicar los cálculos de métricas para su ciudad o para crear cálculos similares utilizando diferentes fuentes de datos.

Los datos de una métrica concreta podrían estar marcados como no disponibles en el panel en los siguientes casos: (a) los datos faltan en la fuente de datos original y no pueden calcularse o (b) el valor se eliminó porque el tamaño de la muestra es demasiado pequeño para ser una representación exacta.

Por ejemplo, el condado de Loving, Texas, que tenía una población de 44 habitantes en 2022, carece de datos para varias métricas porque hay muy pocos habitantes para calcular esas métricas con precisión. No informamos las métricas en estos casos porque las estimaciones imprecisas no son útiles para la toma de decisiones basada en la evidencia y pueden ser engañosas.

Cuando es posible, desglosamos los datos de las métricas de movilidad por raza, origen étnico y otras categorías. Sin embargo, hay un par de razones por las que no podríamos proporcionar estimaciones para algunos grupos raciales y étnicos. En primer lugar, si un grupo racial o étnico representa un porcentaje pequeño de la población local, el tamaño de la muestra de los datos disponibles podría ser demasiado reducido para proporcionar información estadísticamente relevante o fiable. Las muestras de tamaño pequeño también conllevan inquietudes por la privacidad. En segundo lugar, las prácticas de recopilación y documentación de datos de las fuentes públicas que utilizamos limitan nuestra capacidad de desglosar los datos más allá de las categorías de la fuente. Por ejemplo, los Centros para el Control y la Prevención de Enfermedades (Centers for Disease Control and Prevention) combinan varios grupos raciales más pequeños en una categoría denominada “otros”.

Si no hay datos sobre algunas métricas para su comunidad, tenga en cuenta la posibilidad de seguir alguna de las siguientes estrategias:  

• Aprovechar los datos locales. Podría consultar otros recursos de datos, incluidos los que podrían estar disponibles solo a nivel local. En muchos casos, los socios locales pueden proporcionar acceso directo o indirecto a datos, como datos administrativos, registros históricos, datos de encuestas y opiniones cualitativas de la comunidad, que ofrecen una imagen más completa de las condiciones de movilidad ascendente de una comunidad.
• Llevar a cabo una encuesta. El panel podría carecer de datos sobre métricas y categorías que son importantes para su comunidad, por lo que realizar una encuesta es una manera de recopilar esa información que falta o de complementar los datos.
• Flexibilizar la definición de una métrica. Cuando se eliminan los datos de una métrica debido a la insuficiencia de datos o a su baja calidad, podría deberse a que la definición de la métrica es demasiado estrecha y solo capta una pequeña parte de un grupo. Por ejemplo, suelen eliminarse los datos sobre el número de personas de 19 y 20 años con un diploma de enseñanza secundaria o de educación general (GED) porque el rango de edad limitado es un grupo relativamente pequeño. Flexibilizar la definición de la métrica para incluir un rango de edad más amplio (p. ej., de 19 a 25 años) o combinar datos de varios archivos quinquenales de la Encuesta sobre la Comunidad Estadounidense podría resolver este problema proporcionando más datos para el análisis.

Si hay entradas duplicadas para su localidad en el panel de datos de movilidad ascendente, podría deberse a que es uno de los pocos lugares incorporados a la vez como ciudad independiente y como condado en Estados Unidos.

Además, es posible que los valores de las métricas sean diferentes si su localidad se considera un condado y no una ciudad. Esto se debe a la variación subyacente en los métodos utilizados para calcular las métricas a nivel de condado frente a nivel de ciudad.

En 2022, Connecticut empezó a utilizar nueve regiones de planificación, en lugar de ocho condados, como unidades geográficas. Como resultado, mostramos los datos para los ocho condados hasta 2021 y también los datos para las nueve regiones de planificación (si están disponibles) a partir de 2022.

Planeamos actualizar el panel y los datos de las métricas de movilidad al menos una vez al año, en primavera o verano. Estas actualizaciones podrían incluir la incorporación al panel de los años de datos más recientes disponibles, los años de datos anteriores, las nuevas categorías, características y funcionalidades. Suscríbase a nuestro boletín informativo para recibir las actualizaciones.

Muchas de las métricas de movilidad pueden ser desglosadas por raza u origen étnico, pero la disponibilidad limitada de datos no nos permite desglosar algunas de ellas de manera creíble. Aunque intentamos ofrecer un desglose por tantas razas y grupos étnicos como sea posible, las fuentes de datos en que nos basamos suelen tener un alcance limitado. Por lo tanto, estos desgloses pueden no proporcionar una visión completa de los datos demográficos en su comunidad. Le animamos a consultar fuentes de datos locales para obtener más información. Si le interesa ver cuáles son las métricas que pueden ser desglosadas por otras categorías además de raza u origen étnico, o averiguar los años específicos para los cuales se dispone de datos desglosados, puede encontrar esa información en la sección “Available Data” (Datos disponibles) del Upward Mobility Data Dashboard: Appendix (Panel de datos de movilidad ascendente: apéndice).

Métricas desglosadas por raza u origen étnico:

Trabajo gratificante 

• Oportunidades de empleo: proporción de adultos de 25 a 54 años que tienen empleo
• Oportunidades de ingresos: ingreso familiar en los percentiles 20, 50 y 80
• Seguridad financiera: proporción de adultos con deudas por cobrar
• Oportunidades para acumular riquezas: relación entre la proporción del valor total de las viviendas poseídas por un grupo racial o étnico y la proporción de los hogares del mismo grupo 

Educación de alta calidad 

• Acceso a preescolar: proporción de niños de 3 y 4 años inscritos en una guardería o preescolar
• Educación pública efectiva: promedio de mejora anual en Lengua y Literatura Inglesa
• Diversidad económica escolar: proporción de estudiantes que asisten a escuelas con niveles elevados de pobreza, por raza u origen étnico
• Preparación para estudios universitarios: proporción de jóvenes de 19 y 20 años con diploma de escuela secundaria
• Acceso digital: proporción de hogares con una computadora y suscripción a internet de banda ancha en el hogar

Vecindarios inclusivos y con gran potencial de oportunidades 

• Estabilidad de la vivienda: cantidad y proporción de niños en escuelas públicas que se encuentran sin hogar durante el año escolar
• Inclusión económica: proporción de personas en situación de pobreza que viven en vecindarios con niveles altos de pobreza
• Diversidad racial: índice de exposición de las personas a vecinos de diferentes razas u orígenes étnicos
• Acceso al transporte: proporción de viajeros diarios que utilizan el transporte público; proporción de los ingresos gastados en transporte 

Entorno saludable y acceso a una buena atención médica 

• Salud del neonato: proporción de bebés con bajo peso al nacer
• Calidad ambiental: calidad del aire 

Gestión pública justa y receptiva 

• Representación descriptiva: relación entre la proporción de funcionarios locales de un grupo racial o étnico que fueron elegidos y la proporción de residentes del mismo grupo
• Políticas justas: arrestos juveniles por cada 100,000 jóvenes 

Métricas que no pueden ser desglosadas por raza u origen étnico: 

Trabajo gratificante 

• Empleos con salarios dignos: remuneración por un trabajo promedio en comparación con el costo de la vida 

Vecindarios inclusivos y con gran potencial de oportunidades 

• Asequibilidad de la vivienda: cantidad de viviendas asequibles y disponibles por cada 100 hogares con ingresos bajos, muy bajos y extremadamente bajos
• Capital social: cantidad de asociaciones con membrecía por cada 10,000 personas; índice de vinculación económica 

Entorno saludable y acceso a una buena atención médica 

• Acceso a los servicios de salud: cantidad de personas por médico de atención primaria
• Seguridad ante traumatismos: muertes causadas por lesiones por cada 100,000 personas 

Gestión pública justa y receptiva 

• Participación política: proporción de la población en edad de votar que participa en las elecciones
• Seguridad ante delitos: cantidad de delitos violentos y contra la propiedad denunciados por cada 100,000 personas
• Políticas justas: arrestos juveniles por cada 100,000 jóvenes

Los años varían según la métrica. Consulte “Mobility Metrics Selection Criteria and Available Data” (Criterios de selección y datos disponibles de las métricas de movilidad) <<link>> para ver los años de datos disponibles para cada métrica.

Las categorías varían según la métrica. Consulte “Mobility Metrics Selection Criteria and Available Data” (Criterios de selección y datos disponibles de las métricas de movilidad) <<link>> para ver cómo se pueden desglosar los datos y qué categorías están disponibles para cada métrica.

Las medianas nacionales ofrecen un punto de referencia con el que puede comparar los resultados de su comunidad en una métrica. Calculamos una mediana nacional para cada métrica clasificando todos los condados del país según su valor para una métrica y ponderando esos valores por la población de cada condado. El valor que se sitúa en el centro es la mediana nacional y se calcula para cada año de datos disponibles para cada métrica. Estas medianas están basadas en condados (no en ciudades) porque toda la población de EE. UU. vive en un condado, pero no todos viven en una ciudad. Esto garantiza que las medianas sean representativas de la población nacional.

No proporcionamos una mediana nacional si los condados con datos de baja calidad o no disponibles para una métrica en un año determinado tienen una población combinada que representa el 15% o más de la población estadounidense.

Proporcionamos medianas nacionales que serán válidas por algunos años para las siguientes métricas:

Trabajo gratificante

· Oportunidades de empleo: proporción de adultos de 25 a 54 años que tienen empleo

· Empleos con salarios dignos: remuneración por un trabajo promedio en comparación con el costo de la vida

· Oportunidades de ingresos: ingreso familiar en los percentiles 20, 50 y 80

· Seguridad financiera: proporción de adultos con deudas por cobrar

Educación de alta calidad

· Acceso a preescolar: proporción de niños de 3 y 4 años inscritos en una guardería o preescolar

· Educación pública efectiva: promedio de mejora anual en Lengua y Literatura Inglesa

· Diversidad económica escolar: proporción de estudiantes que asisten a escuelas con niveles elevados de pobreza, por raza u origen étnico

· Preparación para estudios universitarios: proporción de jóvenes de 19 y 20 años con diploma de escuela secundaria

· Acceso digital: proporción de hogares con una computadora y suscripción a internet de banda ancha en el hogar

Vecindarios inclusivos y con gran potencial de oportunidades

· Asequibilidad de la vivienda: cantidad de viviendas asequibles y disponibles por cada 100 hogares con ingresos bajos, muy bajos y extremadamente bajos

· Estabilidad de la vivienda: proporción de niños de escuelas públicas que se encuentran sin hogar durante el año escolar; número de niños de escuelas públicas que se encuentran sin hogar durante el año escolar

· Inclusión económica: proporción de personas en situación de pobreza que viven en vecindarios con niveles altos de pobreza

· Diversidad racial: índice de exposición de las personas a vecinos de diferentes razas u orígenes étnicos

· Capital social: cantidad de asociaciones con membrecía por cada 10,000 personas; índice de vinculación económica

· Acceso al transporte: proporción de viajeros diarios que utilizan el transporte público; proporción de los ingresos gastados en transporte

Entorno saludable y acceso a una buena atención médica

· Acceso a los servicios de salud: cantidad de personas por médico de atención primaria

· Calidad ambiental: calidad del aire

· Seguridad ante traumatismos: muertes causadas por lesiones por cada 100,000 personas

Gestión pública justa y receptiva

· Participación política: proporción de la población en edad de votar que participa en las elecciones

· Representación descriptiva: relación entre la proporción de funcionarios locales de un grupo racial o étnico que fueron elegidos y la proporción de residentes del mismo grupo

No podemos proporcionar medianas nacionales para las siguientes métricas:

Trabajo gratificante

· Oportunidades para acumular riquezas: relación entre la proporción del valor total de las viviendas poseídas por un grupo racial o étnico y la proporción de los hogares del mismo grupo

Entorno saludable y acceso a una buena atención médica

· Salud del neonato: proporción de bebés con bajo peso al nacer

Gestión pública justa y receptiva

· Seguridad ante delitos: cantidad de delitos violentos y contra la propiedad denunciados por cada 100,000 personas

· Políticas justas: arrestos juveniles por cada 100,000 jóvenes

Investigadores urbanos familiarizados con los datos de origen calcularon cada métrica con la colaboración de expertos en la materia que comprenden las investigaciones en las que se basan los predictores y su conexión con la movilidad. Estos expertos orientaron a los investigadores sobre las precauciones, las limitaciones y las interpretaciones apropiadas de los datos. También determinaron la calidad de los datos. Su razonamiento se describe en la documentación de los datos.

Se proporciona un índice de calidad de los datos para comunicar la fiabilidad de cada métrica. Al visualizar las métricas, verá una de las siguientes designaciones para cada punto de datos:

• Sólido o aceptable: esto indica que la métrica calculada es de alta calidad o tiene pocos problemas; es decir, no existen inconvenientes importantes en relación con errores de medición, datos que faltan, tamaños de muestra o la precisión. Los socios comunitarios pueden actuar a partir de esta información, pero deben corroborarla con fuentes de datos locales.
• Deficiente: esto indica que la métrica calculada tiene problemas serios, como inconvenientes críticos con errores de medición, datos que faltan, tamaños de muestra o la precisión. Los socios comunitarios no deben tomar medidas a partir de esta métrica.
• N/A: esto indica que la métrica no está disponible; es decir, no se pudo calcular de forma responsable una métrica para el condado o la ciudad a partir de los datos disponibles o faltaron datos.

Los datos de calidad deficiente podrían no ser fiables debido a errores de medición, la falta de datos, muestras de tamaño pequeño o la falta de precisión. Si bien no debe actuar únicamente a partir de esos datos, estos podrían servir como señal de las condiciones de movilidad ascendente en su comunidad. Debe validar estos datos examinando las métricas relacionadas, corroborándolos con fuentes alternativas de datos o confirmando ideas con información cualitativa.

Los intervalos de confianza se utilizan en los métodos estadísticos para expresar el grado de precisión de una estimación dentro de un rango. Los investigadores los utilizan porque los recuentos y porcentajes calculados a partir de encuestas, datos de estadísticas vitales y otros sistemas de vigilancia no son el reflejo exacto de una población.

Los intervalos de confianza más estrechos implican una mayor probabilidad de que la estimación se aproxime al valor real. Por el contrario, los intervalos de confianza más amplios implican que es menos probable que la estimación se aproxime al valor real. Por ejemplo, un intervalo de confianza del 95% de 0.1 a 0.5 indica que, si el investigador calculara la estimación a partir de un número infinito de muestras del mismo tamaño extraídas de la misma población base, la estimación se situaría entre 0.1 y 0.5 el 95% de las veces.

La amplitud de un intervalo de confianza también puede indicar la precisión. Por ejemplo, un intervalo de confianza estrecho indica un mayor grado de precisión. Una buena regla general al comparar la estimación de su comunidad con la de otra comunidad es evaluar el solapamiento de los intervalos de confianza. Si los intervalos no se solapan, las estimaciones son muy diferentes entre sí desde el punto de vista estadístico. Si se solapan, es posible que la diferencia entre las estimaciones sea el resultado de un error de muestreo, lo que significa que las estimaciones no son muy diferentes desde el punto de vista estadístico. Cuanto menos se solapen los intervalos de confianza, más probable será que la diferencia observada sea una diferencia real. Esto también se aplica cuando se comparan estimaciones entre categorías de datos.

Determinamos las sugerencias de comunidades homólogas utilizando datos demográficos, de vivienda, de población y de proximidad geográfica para calcular una medida general de similitud entre dos ciudades o dos condados. (No se sugieren ciudades como homólogas de condados y viceversa). La metodología y el enfoque que utilizamos se inspiran en gran medida en la herramienta de identificación de ciudades homólogas desarrollada por el Banco de la Reserva Federal de Chicago. Las variables utilizadas para determinar la similitud son las siguientes:  

• Datos demográficos
  • población total     
  • densidad poblacional (población dividida por pies cuadrados de superficie)
  • porcentaje de la población respecto de la población total del área estadística metropolitana 
  • porcentaje de la población nacida en el extranjero 
  • porcentaje de la población menor de 18 años
  • porcentaje de la población mayor de 65 años
  • porcentaje de la población blanca no hispana 
• Vivienda 
  • tasa de vacantes
  • mediana de costos mensuales por vivienda (alquiler promedio por contrato para inquilinos y costo promedio del capital, los impuestos, los intereses y el seguro para propietarios)
• Cambios en la población 
  • cambios en la población desde 2010
  • cambios en el porcentaje de la población con un título universitario desde 2010
• Proximidad geográfica 
  • distancia entre los centroides del condado o la ciudad
     

Puede descargar los datos de las comunidades y los predictores específicos que haya seleccionado a través del botón “Export All Data” (Exportar todos los datos) en el panel. Visite nuestro diccionario de datos si necesita ayuda para entender las variables en estos archivos.

Los conjuntos de datos que contienen los datos de las métricas de movilidad para todas las ciudades y todos los condados están disponibles en el catálogo de datos de Urban Institute. Los conjuntos de datos para las iteraciones previas de las métricas también están disponibles en el catálogo. El código utilizado para producir estos conjuntos de datos está disponible en el repositorio GitHub.

Para aprender a navegar por el repositorio GitHub y aprovechar su contenido, consulte el archivo integral “README” (LÉAME), en el que se describen la estructura, el contenido y las normas utilizadas para construir el repositorio.

El código utilizado para calcular cada métrica puede aprovecharse para hacer lo siguiente: 

• recalcular los datos de origen a límites geográficos diferentes o más específicos cuando sea posible;
• desglosar los datos de diferentes maneras; 

reutilizar la estructura o los procesos de los cálculos para otros proyectos de datos. 

Los miembros de la comunidad pueden utilizar las métricas de movilidad para comunicar, validar, interrogar y comprender mejor las condiciones locales de movilidad ascendente. El compromiso de los habitantes con las métricas y el marco de movilidad ascendente reforzará la relevancia y repercusión del trabajo de movilidad de una comunidad mediante la incorporación de experiencias vividas. Para obtener mayor información, lea nuestro informe Participación de las comunidades en la medición y la toma de decisiones basadas en datos.

Recibimos preguntas y comentarios en [email protected]. Si tiene problemas al usar el panel, haga clic en el botón “See a problem?” (¿Tiene algún problema?).