José Luis Murguía

Economista & Data Scientist | UAM Xochimilco

Camino al 24th ACQS Biennial Conference - Montreal 2026

@JoseluisMurguia @PepiiMurguia LinkedIn

Geopolítica: China vs EE.UU.

Análisis sobre el riesgo de dependencia periférica y la oportunidad del nearshoring.

Brechas de Desigualdad

Desarrollo económico real. Contrasta la vida en el Sur Global vs Norte Global.

GeoOracle & Inteligencia Espacial

No desarrollamos cocinas fantasma; diseñamos espacios físicos exclusivos con identidad y dinámica. Modelamos la viabilidad auditando con precisión arquitectónica los nodos poblacionales masivos —incluyendo zonas críticas como Iztapalapa—.

1. La Ciudad como Sistema Vivo

Has llegado a un punto en tu trayectoria donde mapear la realidad ya no es suficiente; el siguiente nivel exige probar matemáticamente cómo esa realidad se transforma y reacciona ante choques externos.

Tu intuición analítica es tu mayor activo. Entiendes que los proyectos de infraestructura para el Mundial CDMX 2026 o los desplazamientos comerciales no ocurren en el vacío. Sin embargo, las herramientas tradicionales limitan tu investigación a mapas descriptivos. Te dicen dónde están las cosas, pero no prueban por qué suceden ni cómo se contagian espacialmente.

El objetivo de esta inmersión tecnológica es darte la arquitectura para que pases de la observación a la predicción causal.

2. Arquitectura del Efecto Derrame

Modelaremos la dinámica comercial de la CDMX. Construiremos una matriz de pesos espaciales ($W$) para cuantificar el Efecto Derrame (Spatial Spillover) desde los corredores centrales (Roma-Condesa) hasta las alcaldías de mayor densidad demográfica y comercial.

Spatial Autoregressive Model (SAR)

$$ y = \rho W y + X \beta + \epsilon $$

Donde ρ captura la intensidad del contagio espacial y W define la topología de la red.

pipeline_espacial.R

library(osmdata)
library(sf)
library(spdep) # Core engine para matrices espaciales

# 1. Extracción de infraestructura
bbox_cdmx <- c(xmin = -99.20, ymin = 19.30, xmax = -99.00, ymax = 19.50)
query_osm <- opq(bbox = bbox_cdmx) %>%
  add_osm_feature(key = "amenity", value = "restaurant") %>%
  osmdata_sf()

puntos_comerciales <- query_osm$osm_points

# 2. Topología y Matriz de Rezago (Queen Contiguity)
malla_hex <- st_make_grid(puntos_comerciales, cellsize = 0.005, square = FALSE) %>% st_sf()
malla_hex$densidad <- lengths(st_intersects(malla_hex, puntos_comerciales))

vecinos <- poly2nb(malla_hex, queen = TRUE)
W_matrix <- nb2listw(vecinos, style = "W", zero.policy = TRUE)

Moran's I: p < 0.001

Mapa de Aglomeración Comercial y Efecto Derrame

Inferencia: Rechazo de aleatoriedad espacial. El polo central genera un campo gravitacional que eleva el valor del suelo y desplaza fronteras comerciales de manera predecible.

3. Syllabus Tecnológico

Semanas 1-3

Bases Espaciales

Despliegue de bases de datos con PostGIS. Limpieza paramétrica, proyecciones geométricas y manejo eficiente de datos masivos.

Semanas 4-6

Topología de Red

Definición de contigüidad (Reina/Torre), cálculo de matrices de pesos espaciales y pruebas formales (Índice de Moran).

Semanas 7-9

Inferencia Causal

Estimación de Modelos SAR/SEM. Interpretación de impactos directos, indirectos (spillovers) y totales en el entorno urbano.

Semanas 10-12

Modelado Avanzado

Regresión Geográficamente Ponderada (GWR) para entender la heterogeneidad. Cierre con un modelo matemático irrefutable de tu autoría.