El cambio en el uso del suelo puede tener impactos ambientales locales y globales, como la pérdida de biodiversidad y el cambio climático, así como impactos socioeconómicos, como la desigualdad social. Los modelos que se construyen para analizar el cambio en el uso del suelo pueden ayudarnos a comprender las causas y efectos del cambio, lo que puede proporcionar apoyo y evidencia para la planificación del uso del suelo y las políticas de uso del suelo para eliminar o aliviar posibles resultados negativos. Se han desarrollado e implementado una variedad de enfoques de modelado para representar el cambio en el uso del suelo, en los cuales se utilizan a menudo métodos estadísticos en la clasificación del uso del suelo, así como para probar hipótesis sobre la significancia de los posibles impulsores del cambio en el uso del suelo. La utilidad de los modelos estadísticos radica en la facilidad de su implementación y aplicación, así como en su capacidad para proporcionar una representación general del cambio en el uso del suelo dado un tiempo, recursos y datos limitados. A pesar del uso de muchos métodos estadísticos diferentes para modelar el cambio en el uso del suelo, la comparación entre más de dos métodos estadísticos es rara y falta una evaluación del rendimiento de una combinación de diferentes métodos estadísticos con el mismo conjunto de datos. La investigación presentada llena este vacío en la literatura de modelado del uso del suelo utilizando cuatro métodos estadísticos: cadena de Markov, regresión logística, modelos aditivos generalizados y análisis de supervivencia, para cuantificar su capacidad para representar el cambio en el uso del suelo. Los cuatro métodos se compararon en tres dimensiones: precisión (general y por tipo de uso del suelo), tamaño de muestra e independencia espacial a través de validación cruzada convencional y espacial. Nuestros resultados muestran que el modelo aditivo generalizado superó a los otros tres modelos en términos de precisión general y fue el mejor para modelar la mayoría de los cambios en el uso del suelo con validación cruzada convencional y espacial, independientemente del tamaño de la muestra. La regresión logística y el análisis de supervivencia fueron más precisos para tipos específicos de uso del suelo, y la cadena de Markov pudo representar aquellos cambios que no pudieron ser modelados por otros enfoques debido a restricciones de tamaño de muestra. Las precisiones de validación cruzada espacial fueron ligeramente inferiores a las precisiones de validación cruzada convencional. Nuestros resultados demuestran que no solo es más importante la elección del modelo por tipo de uso del suelo que el tamaño de la muestra, sino también que un modelo híbrido de uso del suelo que comprenda los mejores enfoques de modelado estadístico para cada cambio en el uso del suelo puede superar enfoques estadísticos individuales. Si bien la cadena de Markov no fue competitiva, fue útil para proporcionar representación utilizando otros métodos o en otros casos donde no hay datos de predicción.