ANÁLISIS EXPLORATORIO DE DATOS SOCIO-ESPACIALES

Transcripción

1 Geografía y Sistemas de Información Geográfica (GEOSIG). Revista digital del Grupo de Estudios sobre Geografía y Análisis Espacial con Sistemas de Información Geográfica (GESIG). Programa de Estudios Geográficos (PROEG). Universidad Nacional de Luján, Argentina. (ISSN ) LUJÁN, AÑO 2, NÚMERO 2, 2010, SECCIÓN ARTÍCULOS: I PP ANÁLISIS EXPLORATORIO DE DATOS SOCIO-ESPACIALES MEDIANTE GRÁFICOS INTERACTIVOS: APROXIMACIÓN UNIVARIADA Y BIVARIADA APLICADA A LA PROVINCIA DE BUENOS AIRES (ARGENTINA) Luis M. Humacata Universidad Nacional de Luján Departamento de Ciencias Sociales Programa de Estudios Geográficos Grupo de Estudios sobre Geografía y Análisis Espacial con Sistemas de Información Geográfica (GESIG) Becario del Consejo de Investigaciones Científicas (CIC) de la Provincia de Buenos Aires luishumacata@hotmail.com Resumen El presente trabajo aborda las posibilidades del Análisis Exploratorio de Datos Espaciales (ESDA) en el estudio de las distribuciones y asociaciones espaciales de variables referidas a características socio-económicas y demográficas de la Provincia de Buenos Aires, mediante la vinculación entre gráficos interactivos y su cartografía. Para aproximarnos a la definición de espacios diferenciados dentro de la Provincia de Buenos Aires, se han seleccionado como unidades espaciales de análisis a los 134 partidos que componen la provincia para el año La fuente de información utilizada corresponde al Censo Nacional de Población, Hogares y Viviendas (INDEC, 2001). Para esta aplicación se han seleccionado diversas variables que se refieren a aspectos socioeconómicos, demográficos, de educación, pobreza, de habitabilidad, de la infraestructura de servicios de la vivienda. Se consideraron estas dimensiones para aproximarnos a la definición de la situación socio-habitacional del área de estudio. Se ha efectuado un ESDA univariado y bivariado como procedimiento que nos permite tener un conocimiento estructural de los datos socio-espaciales del área de estudio. La aproximación univariada, mediante el box-plot y box-map, resalta los datos anómalos o atípicos espaciales dentro del conjunto de la información que brinda cada variable 135

2 seleccionada; y el análisis bivariado, utilizando el scatter-plot, nos permite clasificar el espacio geográfico en base a los cuatro cuadrantes definidos en una perpectiva 2D. Estos dos procedimientos se enmarcan dentro de una Geografía Aplicada que brinda, a través del análisis espacial cuantitativo, las herramientas metodológicas para el estudio de las manifestaciones espaciales apoyadas en las tecnologías de los Sistemas de Información Geográfica (SIG) y Sistemas de Ayuda a la Decisión Espacial (SADE). A partir de la aplicación de la metodología del ESDA se llega a la definición de áreas socio-habitacionales en el interior de la Provincia de Buenos Aires. Donde existen partidos que reúnen condiciones extremadamente desfavorables y, por el contrario, partidos que cuentan con las mejores condiciones socio-habitacionales. Estos resultados nos permiten llegar a una definición estructural del comportamiento de las variables en el espacio geográfico. Introducción La presente aplicación se enmarca en una investigación exploratoria, donde existe la búsqueda de conocimientos generales y estructurales en una primera aproximación que tiende a verificar el comportamiento de variables individuales y de conjunto (EDA). A partir de la incorporación de la dimensión espacial a través de la interacción entre bases de datos alfanuméricas, gráficas y cartografía digital llegando a definirse el Análisis Exploratorio de Datos Espaciales (ESDA), donde las técnicas interactivas adquieren la mayor importancia en el análisis estructural de los datos socio-espaciales. Realizar un estudio geográfico referido a la Provincia de Buenos Aires, con el objetivo general de regionalizar el área de estudio, nos lleva a seleccionar las unidades espaciales de análisis adecuadas, las cuales nos permiten, mediante la aplicación de técnicas de estadística espacial, subdividir el espacio geográfico en base a la combinación en los valores medidos en las variables consideradas. De este modo, y para llegar a una regionalización como modelo territorial, que ponga en evidencia las heterogeneidades espaciales, con fines de planificación, hemos seleccionado como unidades espaciales a los 134 partidos que componen la provincia para el año Donde se considera a estas unidades espaciales como un mosaico espacial con límites bien definidos y las mediciones de características sociales, demográficas, económicas, habitacionales, etc., realizadas en cada unidad espacial, consideran implícitamente que los datos obtenidos se distribuyen en forma homogénea en su interior (Buzai, 2003). En el ordenamiento territorial, como una función llevada a cabo por organismos públicos, se considera que es adecuado definir las regiones geográficas a partir de unidades territoriales institucionalizadas, donde sea posible aplicar medidas para reducir las disparidades encontradas (Jiménez, 2010). Si consideramos a la región geográfica como un conjunto de partidos con características homogéneas, nuestro estudio contribuye a propiciar el establecimiento de estrategias de intervención diferenciales de acuerdo a las particularidades de cada región, ya que estas unidades espaciales permiten considerar al área de estudio como un mosaico espacial donde las diferencias en las variables socio- 136

3 económicas, demográficas, de pobreza, de educación, habitacionales y de la infraestructura de servicios de la vivienda, se ponen en evidencia resaltando las distribuciones de las características en cada partido para luego correlacionarlos y llegar a la definición de áreas homogéneas mediante la aplicación de técnicas de estadística espacial más complejas, como el Análisis Linkage. La presente aplicación fue realizada con información estadística proveniente del Censo Nacional de Población, Hogares y Viviendas del año 2001 (INDEC), como fuente de información estructural actualmente disponible. Las variables consideradas se han organizado en una matriz de filas (unidades espaciales) y columnas (variables) denominada Matriz de Datos Originales (MDO). A partir de esta primera organización de los datos se avanza hacia la conformación de la Matriz de Datos Índice (MDI) como primera transformación que relaciona cada dato como porcentaje de la población total del partido que ocupa, y cuyos atributos serán considerados para realizar la cartografía temática inicial, convirtiéndose en el insumo básico para la aplicación de los procedimientos realizados en el presente trabajo. Aspectos conceptuales-metodológicos Análisis socio-espacial con Sistemas de Información Geográfica Cuando desde el punto de vista geográfico nos proponemos indagar los hechos socio-espaciales éstos, en un principio, se presentan desplegando toda su complejidad y sus elementos aparecen en una intrincada trama de relaciones, con un aparente desorden (Santarelli y Campos, 2002). Las autoras citadas, ante la necesidad de abordar los aspectos esenciales del hecho a examinar, proponen descomponer analíticamente, mediante un proceso de abstracción, los conceptos centrales que integran y definen el espacio geográfico. Es decir descubrir las formas, las estructuras, las relaciones, los procesos y las funciones que lo conforman, así como los distintos actores que, en interacción continua, lo construyen. Asimismo, ante el abordaje del espacio geográfico se privilegian ciertos aspectos que se consideran centrales en el problema abordado, por lo que las mismas autoras señalan que para estudiar un hecho no es necesario contemplar todas las dimensiones teóricas presentadas anteriormente, sino aquellas que adquieren importancia de acuerdo con la naturaleza del problema a indagar. A pesar de todas las posiciones de tipo epistemológico, el objeto de estudio de la Geografía siempre ha sido el espacio geográfico, los elementos que lo componen y la relación entre éstos. No obstante, esta diversidad de abordajes ha dado como resultado distintas escuelas con sus particulares visiones del espacio y del objeto de estudio. Ello nos lleva a priorizar algunas de las categorías analíticas, por lo que cabe aclarar que en el transcurso de una investigación se pone mayor énfasis en una u otra, de acuerdo con la visión filosófica o ideológica del investigador (Santarrelli y Campos, 2002). 137

4 La presente aplicación se fundamenta en aspectos conceptuales y metodológicos de la Geografía Cuantitativa, donde esta perspectiva incluye los siguientes supuestos (Buzai y Baxendale, 2006; Delgado Mahecha, 2003; Santarelli y Campos, 2002): a)- Se considera el abordaje geográfico en una focalización espacial. b)- La diferenciación areal surge de un procedimiento de construcción: no existe una región como realidad objetiva previa al investigador, sino que éste pondrá límites de acuerdo a los objetivos y el marco teórico de la investigación. c)- La metodología de construcción por agregación de sitios puede basarse en técnicas cuantitativas: se privilegia el uso de métodos clasificatorios en los datos espaciales medidos. d)- Se intenta la construcción de modelos: los modelos espaciales son construcciones simplificadas de la realidad espacial que permiten comprenderla en sus rasgos fundamentales y también pueden actuar como una guía para la planificación territorial. Desde una perspectiva paradigmática, Buzai y Baxendale (2006) definen al análisis socioespacial en dos sentidos, como (a) el estudio de los patrones de distribución espacial univariado y multivariado de temas sociales, económicos y demográficos medidos en la población, y (b) la importancia que la componente espacial ejerce en dichos patrones de distribución. Poniendo nuestro foco de atención en el análisis de las distribuciones y asociaciones espaciales de variables socio-económicas, demográficas y habitacionales medidos en la población y destacando la importancia que la componente espacial ejerce en los patrones de distribución, vamos a aplicar la metodología del análisis socioespacial, abarcando dentro de esta definición al conjunto de procedimientos técnicos (estadísticomatemáticos) orientados al estudio de los datos geográficos en los que se considera sus características espaciales. Apoyan esta definición una serie de trabajos (Buzai, 2010; Torres Torres et al., 2009; Moreno Jiménez y Buzai, 2008; Del Canto Fresno et al., 1998; Bosque Sendra y Moreno Jiménez, 1994; Gamir Orueta et al., 1992) que destacan la vertiente aplicada de la Geografía mediante el uso de diversas técnicas de análisis de datos. Nuestra postura destaca la lógica que sustenta los procedimientos de construcción regional desde un punto de vista cuantitativo (Buzai, 2010; Delgado Mahecha, 2003; Bosque Sendra y Moreno Jiménez, 1994) para la determinación de diferencias socio-espaciales en la Provincia de Buenos Aires. El mapeo de estas diferencias y el análisis de sus distribuciones y asociaciones espaciales constituyen una herramienta de primer nivel para avanzar en una ciencia aplicada de utilidad concreta a los fines de intervención en materia territorial. Por lo que los estudios geográficos mediante tecnologías digitales, como los Sistemas de Información Geográfica (SIG) y Sistemas de Ayuda a la Decisión Espacial (SADE) permiten poner su atención en la organización espacial realizando un importante apoyo en las actividades de planificación y gestión, con el fin de conseguir mayor eficiencia en sus funciones y llevar mayor equidad a sus habitantes (Moreno Jiménez, 2008; Buzai y Baxendale, 2006). Donde, como señala Baxendale (2007), en el estudio de la región como sistema complejo, existe la posibilidad de incorporar un análisis de la historia de los procesos que condujeron al tipo de organización (estructura) que se presenta en un momento dado, al rescatar los aportes teóricos y metodológicos de los diferentes enfoques 138

5 geográficos. Lo que implica reconocer la posibilidad de realizar estudios multiparadigmáticos e interdisciplinarios donde coexistan visiones diversas pero complementarias bajo una misma cosmovisión para el análisis de los diferentes niveles que propone la realidad socio-espacial (Baxendale, 2007). Análisis Exploratorio de Datos Espaciales (ESDA) Con el objetivo de aproximarnos al estudio de la estructura de la información socio-espacial en el área de estudio vamos a aplicar los métodos gráficos del Análisis Exploratorio de Datos Espaciales (ESDA) utilizando la Matriz de Datos Índice (MDI). Este estudio inicial de los datos, mediante aproximaciones gráficas, se considera una etapa previa a la realización del análisis multivariado, procedimiento estadístico de mayor complejidad. El ESDA, en palabras de Anselin (1999, citado por Chasco Yrigoyen, 2003), puede definirse como el conjunto de técnicas que describen y visualizan las distribuciones espaciales, identifican localizaciones atípicas o atípicos espaciales ( spatial outliers ), descubren esquemas de asociación espacial, agrupamientos ( clusters ) o sitios calientes ( hot spots ) y sugieren estructuras espaciales u otras formas de heterogeneidad espacial. Este análisis inicial de los datos puede ser aplicado para conocer el comportamiento estructural de una variable (análisis univariado), de la relación entre dos variables (análisis bivariado) o desde una perspectiva multivariante. Análisis univariado La información socio-espacial organizada en la matriz de datos en SIG vectorial permite realizar un análisis de cada variable considerada en la aplicación. En este sentido, el conocimiento estadístico de una variable cuantitativa supone poder determinar tres características que la definen: su valor central, su variabilidad en torno a ese valor central y su distribución de frecuencias (Bosque Sendra, 1994). La representación cartográfica de las características de cada variable sobre el espacio geográfico queda expresada por la cartografía temática, en donde se visualiza la distribución espacial de cada tema o variable determinada por un color a partir de un valor en cada unidad espacial (mapas coropléticos). Como análisis exploratorio univariado, hemos aplicado el gráfico box-plot que toma a la mediana como valor central y de ahí se definen los intervalos de clase en los que se dividirán el conjunto de unidades espaciales. En este caso, las unidades espaciales fueron agrupadas en cuatro intervalos de clase dando como resultado un mapa de cuartil (boxmap), donde se resaltan los valores extremos, tanto superior como inferior, generando dos categorías adicionales. De este modo, como se presenta a continuación, quedan definidos seis intervalos de clase. 1 intervalo: valor extremo bajo 2 intervalo: <25% 3 intervalo: 25% - 50% 4 intervalo 50% - 75% 5 intervalo: >75% 6 intervalo: valor extremo alto 139

6 El 1 y 2 intervalo contienen el 25% de las unidades espaciales con valores muy bajos, el 3 el 25% con valores bajos, el 4 el 25% con valores altos y finalmente el 5 y 6 el 25% con valores muy altos. Este gráfico y su derivación en el box-map nos permitirán visualizar los valores anómalos que superan en 1,5 el rango intercuartílico formado por la diferencia entre los valores que ocupan el puesto 25 % y 75 % respectivamente. Análisis bivariado Cuando nos aproximamos a determinar la relación entre dos variables, se hace notar que está caracterizada por tres elementos: la fuerza, el sentido y la forma de la relación (Bosque Sendra, 1994). Lo que nos permite considerar el grado de relación entre los valores medidos en las distintas unidades espaciales. En el análisis bivariado, realizado a través del uso de gráficos de dispersión (scatter diagram), cada variable queda representada por un eje ortogonal (90 ) y cada unidad espacial como un punto de localización x-y a partir de sus valores de coordenadas en cada eje (Buzai y Baxendale, 2006). Los valores de las variables en el diagrama fueron transformados a puntajes estándar (puntaje z) dando como resultado la definición de cuatro cuadrantes en el espacio de relaciones. De este modo, el cuadrante inferior izquierdo representa las unidades espaciales con valores bajos en ambas variables, el cuadrante superior izquierdo con bajos valores en x y altos en y, el cuadrante superior derecho con valores altos en ambas variables, y el cuadrante inferior derecho con valores altos en x y bajos en y. Cuando analizamos el sentido de la relación entre ambas variables se calcula la recta de regresión tomando la nube de puntos formada por todas las unidades espaciales en el sistema de coordenadas. Si la recta va desde el espacio - - al espacio + + se dice que existe una relación positiva y cuando se dirige desde el espacio - + al espacio + - la relación es negativa. Cuando la nube de puntos adquiere una forma redondeada, donde se hace imposible determinar un sentido, no existe correlación. El coeficiente de correlación más utilizado en el análisis espacial es r de Pearson: r = z n x z y Se puede obtener una correlación perfecta positiva (r=1), cuando los valores de una variable varían en la misma proporción que los valores de la otra, o una correlación perfecta negativa (r=-1), cuando los valores de cada variable varían completamente de forma inversa. Cuando se produce una distribución aleatoria, el coeficiente de correlación toma un valor r=0. 140

7 Siguiendo la definición del ESDA, en la presente aplicación vamos a realizar un análisis univariado mediante el gráfico y mapa de caja (box-map) resaltando los valores anómalos de cuatro variables que presentan situaciones diferenciadas; y un análisis bivariado por diagrama de dispersión (scatter diagram), que nos permitirá agrupar las unidades espaciales con respecto a sus cuadrantes en el espacio de relaciones en una perspectiva 2D, para ello hemos tomado variables que determinan las relaciones entre situaciones de favorabilidad / desfavorabilidad que nos permite realizar las primeras clasificaciones parciales en base a variables de beneficio y costo 2. Aplicación e interpretación de los resultados Aproximacón univariada Como se señaló anteriormente, el análisis univariado, mediante el gráfico de caja y su vinculación cartográfica, pretende resaltar los valores anómalos que toma cada variable considerada relevante para aproximarnos a definicir la situación socio-habitacional de los partidos de la Provincia de Buenos Aires. De este modo, se seleccionaron cuatro variables que reúnen características de favorabilidad / desfavorabilidad en la definición de las condiciones de vida de la población de cada partido. Se presentan los resultados obtenidos: Figura 1. Población sin inodoro. Como se puede observar en el gráfico de caja y en el box-map, con un punto de ruptura (hinge:1.5), son seis las unidades espaciales que representan los valores extremos, destacados como valores anómalos en color negro pleno, correspondientes a la categoría 2 -Consideramos variables de beneficio aquellas que en sus máximos valores expresan una situación de máxima favorabilidad. - Se consideran variables de costo aquellas que en sus máximos valores expresan una situación de máxima desfavorabilidad. 141

8 muy alto, es decir, extremadamente desfavorable. Estas unidades espaciales corresponden a los partidos de Moreno, Florencio Varela, Ezeiza, Presidente Perón, José C. Paz y Tordillo. Cabe destacar que cinco de estos partidos pertenecen al segundo anillo del Gran Buenos Aires, los cuales se encuentran rodeados de partidos con valores muy altos. Por otro lado, el partido de Tordillo se aleja de esta descripción ya que se encuentra en el extremo este de la provincia junto a partidos con valores muy altos correspondientes al cuarto cuartil. Se suman a esta categoría los partidos de Villarino y Patagones en el sur, además de otros partidos distribuidos en el centro provincial. Figura 2. Población con necesidades básicas insatisfechas. La distribución de los valores de la variable Población con necesidades básicas insatisfechas muestra que, con un punto de ruptura (hinge:1.5), son dos los partidos con valores extremos, ellos son Florencio Varela y Presidente Perón, con valores muy altos correspondientes al cuarto cuartil. Cabe destacar que la distribución espacial de esta variable se asemeja en grandes rasgos a la distribución correspondiente a la variable Población sin inodoro; se destacan los partidos del segundo anillo del Gran Buenos Aires, los partidos del extremo este y sur provincial, se suman a esta categoría los partidos del eje fluvial del Paraná, como Zárate y Campana. 142

9 Figura 3. Población en departamentos. La representación gráfica y cartográfica de esta variable muestra que, con un punto de ruptura (hinge:1.5), son diecisiete las unidades espaciales que poseen valores extremos en la categoría muy alto. Los partidos del primer anillo del Gran Buenos Aires, como San Isidro, Vicente López, Tres de Febrero, General San Martín, Avellaneda, Lanús y San Fernando, partidos con ciudades de importancia regional como Bahía Blanca, La Plata y Tandil, junto a los partidos de la costa, de importancia en el turismo a nivel nacional, como General Pueyrredón, La Costa, Villa Gessel, Necochea, Monte Hermoso y Pinamar, caracterizan la distribución de estos valores extremos en el conjunto de valores tomados por la variable en cuestión. El resto de los partidos correspondientes al cuarto cuartil se distribuyen en el norte y sur provincial, entre ellos se encuentran Pergamino, Zárate, Campana, Junín, Tres Arroyos, General Alvarado, Azul y Olavarría. Figura 4. Población con máximo nivel educativo alcanzado: terciario-universitario completo. La distribución espacial de esta variable presenta como valores extremos superiores, con un punto de ruptura (hinge:1.5), a siete partidos en la categoría muy alto, en color negro pleno. 143

10 Ellos son San Isidro, Vicente López y Morón en el primer anillo del Gran Buenos Aires, rodeados de partidos con valores altos y muy altos; el Gran La Plata, donde se destaca el partido de La Plata como valor extremo; en el sur provincial Bahía Blanca se destaca entre los partidos de Tornquinst, Coronel Rosales y Monte Hermoso con valores muy altos. Entre los partidos de la costa, General Pueyrredón y Pinamar completan el conjunto de unidades espaciales caracterizados por encontrarse en el extremo superior. Por otro lado, entre los valores anómalos de la distribución de esta variable, se hallan tres partidos en el extremo inferior, representados por los valores muy bajos, que se visualizan en color blanco pleno. Ellos son los partidos de Florencio Varela, Presidente Perón y José C. Paz, correspondientes al segundo anillo del Gran Buenos Aires, que está integrado por partidos que en su mayoría toman valores muy bajos correspondientes al primer cuartil. Los valores extremos superiores e inferiores en cada variable fueron considerados como indicadores de condiciones diferenciadas de la situación socio-habitacional, donde los partidos que tomaban valores muy altos en las variables Población sin inodoro y Población con necesidades básicas insatisfechas eran considerados representativos de condiciones extremadamente desfavorables, mientras que aquellos partidos con valores extremos superiores en las variables Población en departamentos y Población con máximo nivel educativo alcanzado: terciario-universitario completo indicarían el conjunto de unidades espaciales que reúnen las mejores condiciones socio-habitacionales en base a las variables seleccionadas. Un criterio más estricto en la fijación de los valores atípicos consiste en multiplicar por 3.0 el recorrido intercuartílico. Ello nos permitirá visualizar los valores anómalos que superan en este punto de ruptura (hinge: 3.0) formado por la diferencia entre los valores que ocupan el puesto 25 % y 75 % respectivamente 3. Los resultados arrojan que la variable Población en departamentos y Población con máximo nivel educativo alcanzado: terciario-universitario completo son las que presentan valores atípicos en el extremo superior. En el primer caso cabe nombrar a los partidos del primer anillo del Gran Buenos Aires como San Isidro, Vicente López, Tres de Febrero y Avellaneda, el partido de La Plata, La Costa, General Pueyrredón y Bahía Blanca completan las unidades espaciales correspondientes a los valores extremos superiores, representados en color negro pleno. En la segunda variable con valores extremos superiores se encuentran los partidos de Vicente López, San Isidro, La Plata y Pinamar. El resto de las variables no registra valores atípicos en ninguno de los extremos. Aproximación bivariada Destacando la flexibilidad que brinda la interactividad en la vinculación de bases de datos alfanuméricas (variables) y gráficas (cartografía digital), la metodología del ESDA apoyada a través de los Sistemas de Ayuda a la Decisión Espacial (SADE) permite obtener las primeras clasificaciones del espacio geográfico. 3 Por cuestiones de espacio no fueron incorporados los gráficos y su correspondiente cartografía. 144

11 Se han seleccionado seis variables de la Matriz de Datos Índice (MDI) para determinar la relación entre cada par de variables, donde los partidos agrupados en cada cuadrante quedan representados en un cuadro síntesis para cada relación bivariada y su correspondiente cartografía, que muestra una clasificación parcial del espacio geográfico, para llegar a un mapa síntesis que subdivide el área de estudio en base a los cuatro cuadrantes resultantes en cada par de variables. Población con necesidades básicas insatisfechas vs. Población sin inodoro El gráfico de dispersión realizado para las variables de costo Población con necesidades básicas insatisfechas y Población sin inodoro permite observar que existe una relación positiva e intensa entre estas variables. Es decir, que cuanto mayor es el valor obtenido por la variable Población con necesidades insatisfechas mayor es el valor representado en la variable Población sin inodoro. Figura 5. Diagrama de dispersión. En este diagrama se puede apreciar que el coeficiente de correlación es de r= 0,8857. Este resultado indica que la relación existente entre ambas variables es positiva y el grado de relación es de importancia ya que se acerca a r= 1. Los mapas que se presentan a continuación corresponden a la selección de unidades espaciales en cada uno de los cuadrantes del diagrama de dispersión. 145

12 Figura 6. Cuadrante I espacio - - (inferior izquierdo). Figura 7. Cuadrante II- espacio - + (superior izquierdo). 146

13 Figura 8. Cuadrante III espacio + + (superior derecho). Figura 9. Cuadrante IV espacio + - (inferior izquierdo). En la selección del cuadrante I, correspondiente al espacio - - (inferior izquierdo) se observa la distribución espacial de 71 partidos que poseen bajos valores en ambas variables y que representan el 53 % de las unidades espaciales. Este porcentaje de partidos se distribuye en el espacio geográfico formando un amplio conjunto de unidades contiguas; se distinguen el conjunto de partidos pertenecientes al tradicional núcleo maicero en el norte provincial, como Pergamino, San Nicolás, Salto, Capitán Sarmiento, Junín; los partidos del oeste de la provincia como Trenque Lauquen, Rivadavia, Huaminí, Pellegrini, Tres Lomas y Adolfo Alsina forman otro de los agrupamientos de unidades espaciales; contiguo a este conjunto de partidos se encuentra la franja sur de la provincia ocupada ampliamente por partidos que presentan valores bajos en ambas variables, se destaca el partido de Bahía Blanca, junto a Torquinst y Coronel Rosales, el partido de General Pueyrredón que junto a los restantes partidos de la costa forman el eje turístico de nivel nacional; en el centro de la 147

14 provincia los partidos de 9 de Julio, Saladillo, Las Flores, General Alvear, Bolivar, entre otros. forman un cuarto agrupamiento; por último se destacan los partidos pertenecientes al primer anillo del Gran Buenos Aires como San Isidro, Vicente López, Tres de Febrero, y el partido de La Plata. En el cuadrante II espacio - + (superior izquierdo) se pueden observar aquellos partidos que cuentan con valores altos en la variable Población con necesidades insatisfechas y bajos en la variable Población sin inodoro. Son 10 partidos que representan el 7,5 % de las unidades espaciales. Entre ellos podemos nombrar a Luján, General Las Heras, Navarro, Carlos Tejedor, Lobos, entre otros, distribuidos de forma dispersa en el área de estudio. En el cuadrante III del espacio de relaciones + + (superior derecho) se pueden observar como se distribuyen los valores altos en ambas variables, es decir altos valores de Población sin inodoro y altos valores de Población con necesidades básicas insatisfechas. La selección corresponde a 43 partidos que representan el 32 % de las unidades espaciales. Estos partidos se distribuyen formando algunas zonas de agrupamientos. Los partidos pertenecientes al segundo anillo del Gran Buenos Aires junto a los del eje fluvial del Paraná forman el mayor conjunto de partidos contiguos dentro de esta categoría de valores. Entre ellos podemos nombrar a los partidos de Almirante Brown, Florencio Varela, Berisso, Cañuelas, San Vicente, General Rodríguez, Ezeiza, Estaban Echeverría, Presidente Perón, San Miguel, José C. Paz, Malvinas Argentinas, Zárate y Campana. Los partidos de Tordillo, General Lavalle y General Madariaga, forman otro agrupamiento en el sureste provincial. En el extremo sur se destacan Villarino y Patagones; en el norte los partidos de Leandro N. Alem, General Villegas y General Pinto, entre otros partidos distribuidos de forma dispersa en casi toda la provincia. Estos partidos presentarían las peores situaciones ya que cuentan con valores altos en ambas variables seleccionadas para aproximarnos a la situación socio-habitacional de la población. Finalmente el cuadrante IV espacio + - (inferior izquierdo) señala que son 10 los partidos (7,5 %) que cuentan con altos valores en la variable Población con necesidades básicas insatisfechas y bajos valores en la variable Población sin inodoro. Estos partidos son Baradero, Hipólito Yrigoyen, Daireaux, General Alvarado, Punta Indio, entre otros distribuidos de forma dispersa. A continuación se presenta un cuadro síntesis que destaca el agrupamiento de los partidos a sus correspondientes cuadrantes. 148

15 CUADRANTES PARTIDOS Cant. % I San Nicolás, Pergamino, Colón, Bartolomé Mitre, Rojas, General Arenales, Salto, Capitán Sarmiento, San Antonio de Areco, Carmen de Areco, Junín, Chacabuco, Florentino Ameghino, Suipacha, Lincoln, San Isidro, Mercedes, Vicente López, Bragado, Tres de Febrero, Chivilcoy, Avellaneda, Alberti, Lanús, La Plata, Rivadavia, 9 de Julio, Monte, Carlos Casares, Chascomus, Trenque Lauquen, Saladillo, General Belgrano, Las Flores, General Alvear, Pellegrini, Bolivar, Castelli, Pila, Tres Lomas, Rauch, Azul, Olavarría, Guaminí, Salliquello, Carhue, Ayacucho, Maipú, Coronel Suárez, Tandil, Laprida, Benito Juárez, Saavedra, Puán, Villa Gessel, Adolfo Gonzalez Chavez, Coronel Pringles, Lobería, Necochea, General Pueyrredón, Tornquinst, Tres Arroyos, San Cayetano, Coronel Dorrego, Bahía Blanca, Coronel de Marina Rosales, Monte Hermoso, Morón, Ituzaingó, Hurlingham y Pinamar. II Luján, General Las Heras, Navarro, Carlos Tejedor, Lobos, Pehuajó, Tapalqué, Dolores, General Guido y General La Madrid. 10 7,5 III Ramallo, San Pedro, Zárate, Campana, Exaltación de la Cruz, Leandro N. Alem, General Villegas, San Andrés de Giles, General Pinto, Escobar, Tigre, Pilar, Moreno, General Viamonte, Merlo, La matanza, Marcos Paz, Lomas de Zamora, Quilmes, Berazategui, Almirante Brown, Florencio Varela, Berisso, Cañuelas, San Vicente, Brandsen, 25 de Mayo, General Paz, Roque Pérez, Tordillo, General Lavalle, General Juan Madariaga, Balcarce, Villarino, Patagones, General Rodríguez, Ezeiza, Estaban Echeverría, Presidente Perón, San Miguel,José C. Paz, Malvinas Argentinas y San Fernando. IV Baradero, General San Martín, Ensenada, Hipólito Yrigoyen, Daireaux, La Costa, Mar Chiquita, General Alvarado, Magdalena, Punta Indio. 10 7,5 TOTAL Cuadro 1. Partidos de la Provincia de Buenos Aires agrupados en base a sus correspondientes cuadrantes. Finalmente a las unidades espaciales seleccionadas se le asigna un número correspondiente a su cuadrante. El mapa de resultado contiene como síntesis una clasificación de unidades espaciales de acuerdo a la ubicación de cada partido en los cuatro cuadrantes del diagrama de dispersión. 149

16 Figura 10. Mapa síntesis. Clasificación espacial en base a los cuadrantes del diagrama de dispersión. Población con suministro de agua por red pública vs. Población con suministro de agua por motobomberador El gráfico de dispersión realizado para las variables Población con suministro de agua por red pública y Población con suministro de agua por motobomberador permite observar que existe una relación negativa entre estas variables. Es decir, que cuanto mayor es el valor obtenido por la variable Población con suministro de agua por motobomberador menor es el valor representado en la variable Población con suministro de agua por red pública. Figura 11. Diagrama de dispersión. En este diagrama se puede apreciar que el coeficiente de correlación para ambos puntajes es de r= Este resultado indica que la relación existente entre ambas variables es negativa y el grado de relación es de importancia ya que se acerca a r=

17 Los mapas que se presentan a continuación corresponden a la selección de unidades espaciales en cada uno de los cuadrantes del diagrama de dispersión. Figura 12. Cuadrante I - espacio - - (inferior-izquierdo) Figura 13. Cuadrante II espacio - + (superior izquierdo) 151

18 Figura 14. Cuadrante III espacio + + (superior derecho) Figura 15. Cuadrante IV espacio + - (inferior derecho) La selección del cuadrante I espacio + - (inferior derecho), muestra la distribución de aquellos partidos que adquieren bajos valores en ambas variables. Son seis partidos que representan el 4.5 % del conjunto de unidades espaciales. Entre ellos podemos nombrar a General Villegas, Marcos Paz, Carlos Tejedor, entre otros partidos distribuidos de forma dispersa. El cuadrante II muestra aquellos partidos seleccionados con valores bajos en la variable Población con suministro de agua por motobombeador y altos en la variable Población con suministro de agua por red pública. Los partidos de este cuadrante representan la mayor cantidad de unidades espaciales (77 partidos), con un 57.5 %. 152

19 Este cuadrante muestra aquellos partidos que reúnen las mejores condiciones sociohabitacionales, ya que señala valores altos en la variable de beneficio Población con suministro de agua por red pública y, por el contrario, valores bajos en la variable de costo Población con suministro de agua por motobombeador. Estos partidos se hayan distribuidos formando amplios sectores de contiguidad. En el norte se destacan aquellos partidos pertenecientes al núcleo maicero, entre ellos se encuentra Pergamino, Rojas, San Nicolás, Junín; en el centro provincial, los partidos de Chivilcoy, 25 de Mayo y Saladillo, entre otros, complementan esta descripción; los partidos del eje fluvial industrial, como Zárate y Campana; partidos localizados en el suroeste provincial como Adolfo Alsina, Saavedra, Puán y Villarino junto a la franja costera sur donde se hayan Bahía Blanca, Monte Hermoso, General Pueyrredón, entre otros. forman un amplio conjunto de partidos contiguos que alcanza el sector sureste provincial. Completan esta descripción aquellos partidos pertenecientes al primer anillo del Gran Buenos Aires como San Isidro, Vicente López, Tres de Febrero, entre otros, junto a aquellos partidos integrantes del Gran La Plata. En el cuadrante III, se puede observar la selección de siete partidos que representan el 5 % del conjunto de unidades espaciales. Entre ellos podemos nombrar a General Arenales, Alberti, Guaminí, Coronel Suarez, entre otros, distribuidos de forma dispersa. Estos partidos poseen altos valores en ambas variables, denotando situaciones intermedias en las condiciones socio-habitacionales. Por último, el cuadrante IV muestra aquellos partidos que presentarían las peores condiciones socio-habitacionales, ya que poseen altos valores en la variable de costo y bajos valores en la variable de beneficio. Son 44 partidos que representan el 33 % de las unidades espaciales. La distribución espacial de estos partidos se concentra mayormente en el segundo anillo del Gran Buenos Aires y sus alrededores. Entre ellos podemos nombrar a Merlo, Presidente Perón, José C. Paz, Malvinas Argentinas, Moreno, General Rodríguez, Luján, San Andrés de Giles, Exaltación de la Cruz, Suipacha, entre otros. Otro agrupamiento se encuentra en el extremo sureste provincial, donde son representativos los partidos de Tordillo y General Lavalle. El resto de los partidos se distribuyen de forma dispersa. A continuación se presenta un cuadro síntesis que agrupa a los partidos pertenecientes a sus correspondientes cuadrantes. CUADRANTES PARTIDOS Cant. % General Villegas, Marcos Paz, Carlos Tejedor, Rivadavia, I Olavaria y Magdalena II San Nicolas, Ramallo, Pergamino, Colón, San Pedro, Baradero, Bartolomé Mitre, Rojas, Zárate, Salto, Campana, Capitán Sarmiento, San Antonio de Areco, Junín, General Pinto, Chacabuco, Florentino Ameghino, Lincoln, San Isidro, Mercedes, General San Martín, Vicente López, Bragado, Tres de Febrero, Chivilcoy, Avellaneda, Lanús, Lomas de Zamora, Quilmes, Berazategui, Ensenada, La Plata, Berisso, 9 de Julio, 25 de Mayo, Carlos Casares, Pehuajó, Chascomus, Trenque Lauquen, Saladillo, Las Flores, General Alvear, Pellegrini, Bolivar, Castelli, Hipólito Yrigoyen, Tres Lomas, Rauch, Dolores, Azul, Saliquello, Adolfo

20 III Alsina, General Guido, Ayacucho, Maipú, Tandil, Laprida, Benito Juárez, Saavedra, Puán, Villa Gessel, Balcarce, Adolfo Gonzales Chaves, Coronel Pringles, Lobería, Necochea, General Pueyrredón, Tornquist, Tres Arroyos, San Cayetano, General Alvear, Coronel Dorrego, Bahía Blanca, Villarino, Coronel de Marina L. Rosales, Patagones y San Fernando. General Arenales, Alberti, Guaminí, Coronel Suarez, Monte Hermoso, Morón y Punta Indio. 7 5 IV Exaltación de la Cruz, Carmen de Areco, Leandro N. Alem, San Andrés de Giles, Escobar, Tigre, Pilar, Luján, Suipacha, Moreno, General Viamonte, Merlo, La Matanza, General Las Heras, Navarro, Almirante Brown, Florencio Varela, Cañuelas, San Vicente, Lobos, Brandsen, General Paz, Monte, Roque Pérez, General Belgrano, Pila, Tapalqué, Daireaux, Tordillo, La Costa, General Lavalle, General La Madrid, General Juan Madariaga, Mar Chiquita, General Rodríguez, Ezeiza, Estaban Echeverría, Presidente Perón, Ituizangó, Hurlingham, San Miguel, José C. Paz, Malvinas Argentinas y Pinamar TOTAL Cuadro 2. Partidos de la Provincia de Buenos Aires agrupados en base a sus correspondientes cuadrantes. Los cuatro cuadrantes han sido cartografiados conjuntamente en un mapa que presenta la clasificación espacial resultante. A continuación se presenta el mapa síntesis donde los partidos se diferencian en base a sus correspondientes cuadrantes. Figura 16. Mapa síntesis. Clasificación espacial en base a los cuadrantes del diagrama de dispersión. Población en departamentos vs. Población con máximo nivel educativo alcanzado: terciariouniversitario completo 154

21 El gráfico de dispersión realizado para las variables Población en departamentos y Población con máximo nivel educativo alcanzado: terciario-universitario completo permite observar que existe una relación positiva entre estas variables. Es decir, que cuanto mayor es el valor obtenido por la primer variable mayor es el valor representado en la segunda variable. Figura 17. Diagrama de dispersión. En este diagrama se puede apreciar que el coeficiente de correlación para ambos puntajes es de r= Este resultado indica que la relación existente entre ambas variables es positiva y el grado de relación es significativo al acercarse a r= 1. Los mapas que se presentan a continuación corresponden a la selección de unidades espaciales en cada uno de los cuadrantes del diagrama de dispersión. Figura 18. Cuadrante I espacio - - (inferior izquierdo). 155

22 Figura 19. Cuadrante II espacio - + (superior izquierdo). Figura 20. Cuadrante III espacio + + (superior derecho). 156

23 Figura 21. Cuadrante IV espacio + - (inferior derecho). En la selección del cuadrante I espacio - - (inferior izquierdo) se observan aquellos partidos que poseen bajos valores en ambas variables, denotando las peores condiciones. Son setenta y cuatro partidos que representan el 55 % de las unidades espaciales. Estos partidos se distribuyen en casi toda la provincia, donde podemos mencionar a Villarino y Patagones en el sur, en el norte se destacan Colón, General Villegas y Florentino Ameghino, entre otros; en el centro se encuentran los partidos de 25 de Mayo, General Alvear y Tapalqué. Finalmente se pueden apreciar agrupamientos en el eje fluvial industrial donde de destaca Baradero; los partidos de Merlo, José C. Paz, Presidente Perón, entre otros, que pertenecen al segundo anillo del Gran Buenos Aires; en el extremo sureste, se hayan los partidos de Tordillo, General Lavalle, Maipú y General Madariaga, entre otros partidos que toman similares valores. La selección del cuadrante II espacio - + (superior izquierdo) señala aquellos partidos con valores bajos en Población con máximo nivel educativo alcanzado: terciario-universitario completo y valores altos en la variable Población en departamentos. Son siete los partidos que representan el 5 % del conjunto de unidades espaciales. Se distribuyen en el segundo anillo del gran Buenos Aires, el frente fluvial industrial del Paraná y la zona costera sur. Entre estos partidos podemos nombrar a Zárate, La Matanza, Almirante Brown, San Cayetano y General Alvarado. El cuadrante III espacio + + (superior derecho) agrupa a treinta partidos que representan el 23 % del total de unidades espaciales, partidos que poseen valores altos en ambas variables denotando las mejores condiciones. Estos partidos se distribuyen en el primer anillo del Gran Buenos Aires, donde son representativos los partidos de San Isidro, General San Martín, Vicente López, entre otros. En el norte se destacan San Nicolás y Pergamino; en la costa sur, se hayan los partidos de importancia turística a nivel nacional como General Pueyrredón, Villa Gessel, y Necochea. La Plata, Bahía Blanca, Azul y Tandil completan este agrupamiento caracterizado por la presencia de ciudades intermedias y de importancia regional. 157

24 Finalmente el cuadrante IV espacio + - (inferior derecho) representa a 23 partidos con el 17 % de las unidades espaciales. Estos partidos poseen altos valores en la variable Población con máximo nivel educativo alcanzado: terciario-universitario completo y bajos valores en Población en departamentos, denotando una situación intermedia. La distribución espacial se presenta de forma dispersa. Podemos nombrar como partidos representativos a Luján, Berisso, Brandsen y Tornquist. A continuación se presenta un cuadro síntesis que agrupa a los partidos en sus correspondientes cuadrantes. CUADRANTES PARTIDOS Cant. % I Ramallo, Colón, San Pedro, Baradero, Arrecifes, General Arenales, Salto, Capitán Sarmiento, Carmen de Areco, Leandro N. Alem, General Villegas, San Andrés de Giles, General Pinto, Escobar, Tigre, Chacabuco, Florentino Ameghino, Suipacha, Moreno, Bragado, General Viamonte, Merlo, Marcos Paz, Navarro, Berazategui, Florencio Varela, Carlos Tejedor, Cañuelas, San Vicente, Rivadavia, 25 de Mayo, General Paz, Carlos Casares, Roque Pérez, Las Flores, General Alvear, Pellegrini, Bolivar, Castelli, Pila, Hipólito Yrigoyen, Tapalqué, Tres Lomas, Daireaux, Rauch, Tordillo, Guaminí, Salliqueló, Adolfo Alsina, General Guido, General Lavalle, Ayacucho, Maipú, General La Madrid, Coronel Suárez, General Juan Madariaga, Laprida, Benito Juárez, Saavedra, Puán, Mar Chiquita, Adolfo González Chaves, Coronel Pringles, Lobería, Coronel Dorrego, Villarino, Patagones, General Rodríguez, Ezeiza, Esteban Echeverría, Presidente Perón, José C. Paz, Malvinas Argentinas y Magdalena, II Zárate, La Matanza, Almirante Brown, San Cayetano, General Alvarado, Hurlingham y San Miguel. 7 5 III San Nicolás, Pergamino, Campana, Junín, San Isidro, General San Martín, Vicente López, Tres de Febrero, Chivilcoy, Avellaneda, Lanús, Lomas de Zamora, Quilmes, Ensenada, La Plata, Azul, Olavarría, La Costa, Tandil, Villa Gessel, Balcarce, Necochea, General Puetrredón, Tres Arroyos, Bahía Blanca, Coronel de Marina L. Rosales, Monte Hermoso, Morón, Pinamar y San Fernando. IV Rojas, San Antonio de Areco, Exaltación de la Cruz, Pilar, Luján, Lincoln, Mercedes, Alberti, General Las Heras, Berisso, Lobos, Brandsen, 9 de Julio, Monte, Pehuajó, Chascomús, Trenque Lauquen, Saladillo, General Belgrano, Dolores, Tornquist, Ituzaingó y Punta Indio TOTAL Cuadro 3. Partidos de la Provincia de Buenos Aires agrupados en base a sus correspondientes cuadrantes. La definición de cuatro cuadrantes en el espacio de relaciones 2D nos permite agrupar a aquellos partidos que se diferencian a través de la combinación de valores en base a la relación de estas dos variables. Este resultado lleva a la delimitación en el espacio geográfico de cuatro agrupamientos de unidades espaciales que corresponden a los cuatro cuadrantes del diagrama de dispersión, representados cartográficamente en el siguiente mapa síntesis. 158

25 Figura 22. Mapa síntesis. Clasificación espacial en base a los cuadrantes del diagrama de dispersión. Consideraciones finales El análisis exploratorio de datos espaciales (ESDA) que hemos aplicado nos permitió determinar características diferenciadas de la situación socio-habitacional de la población en base a variables de beneficio y costo, que reúnen la mayor especificidad discriminatoria para aproximarnos a la dimensión educativa, de pobreza, de habitabilidad y de la infraestructura de servicios de la vivienda. La aproximación univariada, mediante el gráfico de caja (blox-plot) con su correspondiente cartografía (box-map), nos señaló la distribución espacial de aquellos partidos que poseen valores extremadamente desfavorables en las variables Población con necesidades básicas insatisfechas y Población sin inodoro y, por el contrario, aquellos partidos con valores extremadamente favorables en las variables Población en departamentos y Población con máximo nivel educativo alcanzado: terciario-universitario completo. De este análisis se desprende que la mejor situación socio-habitacional, señalada por los valores extremos superiores en Población en departamentos y Población con máximo nivel educativo alcanzado: terciario-universitario completo, corresponde a los partidos del primer anillo del Gran Buenos Aires y aquellos partidos con ciudades intermedias de importancia regional como lo son La Plata, General Pueyrredón, y Bahía Blanca. Cabe mencionar a los partidos que se distribuyen en el norte y sur provincial, entre ellos se encuentran Pergamino, San Nicolás, Junín, Zárate, Campana, Tres Arroyos, General Alvarado, Tandil y Azul. 159

26 Por otro lado, la peor situación socio-habitacional, señalado por los valores extremos superiores en Población con necesidades básicas insatisfechas y Población sin inodoro, corresponde a los partidos que conforman el segundo anillo del Gran Buenos Aires, el partido de Tordillo que se encuentra en el extremo sureste de la provincia junto a partidos con valores muy altos. Se suman a esta situación los partidos de Villarino y Patagones en el sur, además de otros partidos distribuidos en el centro provincial, destacándose el partido de Tapalqué. Estas características, que nos permiten aproximarnos a la definición de la situación sociohabitacional, se amplían con el análisis bivariado, al establecer las primeras relaciones entre variables de costo, como Población con necesidades básicas insatisfechas vs. Población sin inodoro; variables de beneficio, como Población en departamentos vs. Población con máximo nivel educativo alcanzado: terciario-universitario completo; y una relación combinada beneficio-costo, como Población con suministro de agua por red pública vs. Población con suministro de agua por motobombeador. Los resultados de estas relaciones bivariadas nos indican que, para el caso de las variables de costo, los partidos pertenecientes al segundo anillo del Gran Buenos Aires junto a los del eje fluvial del Paraná, a excepción de Baradero, forman el mayor conjunto de partidos contiguos dentro de las relaciones positivas entre ambas variables. Los partidos de Tordillo, General Lavalle y General Madariaga, forman otro agrupamiento en el sureste provincial. En el extremo sur se destacan Villarino y Patagones; en el norte los partidos de Leandro N. Alem, General Villegas y General Pinto, entre otros partidos distribuidos de forma dispersa en casi toda la provincia. Estos partidos presentarían las peores condiciones ya que cuentan con valores altos en ambas variables seleccionadas para aproximarnos a la situación sociohabitacional de la población. Para el caso de las variables de beneficio, los partidos que poseen valores altos en ambas variables, denotando las mejores condiciones socio-habitacionales, se distribuyen en el primer anillo del Gran Buenos Aires, donde son representativos los partidos de San Isidro, General San Martín, Vicente López, entre otros. En el norte se destacan San Nicolás y Pergamino; en la costa sur, se hayan los partidos de importancia turística a nivel nacional como General Pueyrredón, Villa Gessel, y Necochea. La Plata, Bahía Blanca, Azul y Tandil completan este agrupamiento caracterizado por la presencia de ciudades intermedias y de importancia regional. Por último la relación combinada entre ambos tipos de variables nos permite detectar la vinculación entre situaciones favorables y desfavorables. Por un lado, se destacan aquellos partidos que reúnen las mejores condiciones socio-habitacionales, ya que cuentan valores altos en la variable de beneficio y, por el contrario, valores bajos en la variable de costo. Estos partidos se hayan distribuidos formando amplios sectores de contiguidad, entre los cuales podemos nombrar aquellos partidos pertenecientes al primer anillo del Gran Buenos Aires como San Isidro, Vicente López, Tres de Febrero, entre otros, junto a los partidos del Gran La Plata. En el norte se destacan aquellos partidos pertenecientes al tradicional núcleo maicero, entre ellos se encuentra Pergamino, Rojas, San Nicolás y Junín; en el centro provincial, los partidos de Chivilcoy, 25 de Mayo y Saladillo, entre otros; los partidos del eje fluvial industrial, como Zárate y Campana; partidos localizados en el suroeste 160