aproximación metodológica al estudio de la diferenciación ... · resume una matriz de m...

Aproximaciónmetodológicaal estudiode la diferenciaciónresidencialurbana

en MadridBeatrizCristina JIMÉNEZ BLASCO

1. INTRODUCCIÓN

El estudio de la diferenciaciónresidencialurbanano es un tema re-ciente, ya en los inicios de la GeografíaUrbana,como disciplina con en-tidad propia,se ponede manifiesto el interéspor estacuestión.

El precedentemásclaro deestalíneade investigaciónlo constituyelaEscuelade EcólogosHumanosde Chicago,de hecho,grancantidaddees-tudios geográficos,sobre la estructurasocial de diversasciudades,hansido realizadoscon objeto de comprobarla validez de los postuladosdedicha Escuela.

Por otra parte, la teoríade análisis de áreassociales,propuestaporShevky y Belí, es,sin duda,un hito muy importante en la evolución delestudiode la diferenciaciónsocial urbana,apesarde quehoy en día sepiense,por lo general,queestateoríaes sólounaconstrucciónideológicarealizada a posteriori de la técnicade trabajo ideada por estosautores.

En resumen,estatécnicadescribeun procedimientoestadísticomuysimple, para llegar al establecimientode cuatroejeso dimensionesbási-casde diferenciaciónsocialen grandesciudades.Estosejesse construyenapartir dc variosindicadores,previamenteseleccionadospor considerar-se muy significativos de los procesosde segregaciónurbana.Así, varia-bles como nivel de instrucción, tipo de ocupación,costede la vivienda yposesiónde ciertosserviciosdomésticos,conformanun primer eje, deno-minado genéricamenterango social. De otro lado, el indice de fertilidad,la tasa de empleo femeninoy el porcentajede viviendasunifamiliares,constituyenla segundadimensión,llamadaurbanización.Porúltimo, de-terminaron otros dos ejes más,el status migratorio y el statusétnico, re-lacionados,respectivamente,con variablesde movilidad y de tipo racialy religioso.

Anales de Geografía de la Universidad Complutense, núm. 4. Ud. Unív. CompJutense,1984

168 Beatriz Cristina JiménezBlasco

No vamos aentraraquí en las críticashabidasa la teoría de áreasso-ciales, pues desbordaríanuestrosobjetivos, sin embargo, si queremosconstataruna crítica quese ha hechomása la técnicaen sí, quea la pro-pia teoría,ella es la denunciade que la definición de losejessehagadeforma previaal análisis,y que luego se compruebanmedianteunosindi-cadoresarbitrariamenteelegidos.Fue el propio Bel], quien apuntóesteproblema y recomendóel uso de técnicas de análisis factorial parapaliarlo.

En definitiva, el análisis factorial no hace más que resumir un grannúmerode variablesen un númeromenor de factores,de este modo, seelimina el subjetivismoen la definición de las dimensionesbásicasy enla selecciónde indicadores.

Surgen,a partir de estemomento,unagrancantidadde investigacio-nessobrediferenciaciónsocialqueempleantécnicasfactoriales,dandolu-gar a unalíneade trabajo, conocidacon el término de ecologíafactorial.Esta,en palabrasde Sweeter(1965)>constituye «el métodopor excelen-cia paracompararinter e intranacionalmentela diferenciaciónecológicade lasáreasresidencialesen lascomunidadesurbanasy metropolitanas».Otra definición muy difundida es la de Timms (1971): «La ecologíafac-torial consisteen la aplicación del análisisfactorial a los datos quedes-criben la diferenciaciónresidencialde la población».Probablemente,ladefinición más general seala de Herry y Kasarda(1977), quienesdicenque la ecologíafactorial es el « término utilizado actualmentepara carac-terizar los estudiosqueaplicanel análisis factorial a un estudioecológi-co». Pero,realmente>casi siemprese ha empleadoen ámbitosurbanos.

Fue en los EstadosUnidos, dondeprimero se trabajó enestalínea,y,dondeha tenido unamayoraceptación.Granpartede los trabajosempí-ricos existenteshastala fechasehanrealizadosobreciudadesnorteame-ricanas.Tambiénen Inglaterrala ecologíafactorial urbanaha tenido uneco importante,pero poniendoun mayor acentoen los aspectoshistóri-cos. Fueradel mundoanglosajónson pocos los trabajosde estaíndole,aunquedestacanalgunosestudiosllevadosacaboenciudadestercermun-distas, con la finalidad primordial de comprobarsi la teoría de análisisde áreassocialesessólo aplicableal mundodesarrollado,siendo los fac-toresde la organizaciónsocialde la ciudadtercermundistadistintosa losque actúanen los paísesindustrializados.Los resultadosobtenidosindi-canunasclarasdiferenciasen la estructurasocial urbanade ambostiposde sociedades.

En estecontexto,hemosde lamentarla falta de estudiossobreciuda-des mediterráneas,tan distintas de las de los paísesanglosajones,comode las del mundosubdesarrollado,aunqueexiste una importanteexcep-ción, la del trabajo de Roma, realizadopor McElrath.

En nuestraTesisDoctoralhacemosun estudiode la diferenciaciónre-sidencialen Madrid,aplicandolastécnicasde la ecologíafactorial, no só-loconelpropósitodedescribirmejorelmosaicosocialmadrileño,sinotam-

Aproximaciónmetodológicaal estudio de la dije rencracmon... ¡69

biénconel dellegar a la formulacióndeun modeloqueseajustemásade-cuadamenteal fenómenourbanode lospaisesmediterráneos,que loscon-cebidospara las ciudadesamericanas.

No obstante,en esteartículo sólo pretendemosmostrarla metodolo-gía quevamosaaplicar al estudiodela diversificaciónresidencialde Ma-drid> señalandolos problemasgeneralesque presentanlas técnicasde laecologíafactorial y las dificultadesconcretasqueencontramosenel casode Madrid. Paraello vamos a hacerunosanálisiscon los dos niveles su-perioresde la jerarquíaespacialde la división admistrativadel munici-pio madrileño: distritos y barrios,utilizandodatosdel Padrónmunicipalde 1975,actualizadosa 1977’.

2. EL ANÁLISIS FACTORIAL: PROBLEMAS METODOLÓGICOS

En primer lugar, hemosde puntualizarqueen nuestraTesisestamostrabajandocon las dosmil trescientascuatroseccionescensalesquecom-ponen el término municipal de Madrid, como unidadesde observación

Esta actualización censal es una explotación que realizó el Ayuntamiento de Madridpara COPLACO, organismo que nos permitió la consulta de estos datos.


paralosanálisisestadísticos.Conestenivel dedesagregacióncreemosquelosresultadospuedenserverdaderamentesignificativosdelosprocesosdesegregaciónsocial queactúanen nuestraciudad. Sin embargo,aquísólopresentamoslos resultadosobtenidoscon los datos de los dieciochodis-tritos y los ciento diecinuevebarriosmunicipales,con la intención,úni-camente,de mostrarlos métodosmásusualesen los trabajosdeestetipo,sin que se trate de unainvestigaciónexhaustivasobrela estructuraresi-dencial de Madrid.

En estesentido,tambiénhemosde aclararque los datosutilizadoses-tán algo anticuados,pero aún no hemospodido vaciar toda la informa-ción del Censo de 1981, fuente estadísticaprincipal de nuestraTesis.

Finalmente,incluimos el análisisa nivel de distrito, pocointeresantepor el enormetamañode las unidadesde observación,con el fin de mos-trar las distorsionesqueproduceel cambiode la escalade análisisen lassolucionesfactoriales.

Comenzaremosexplicando,en pocaspalabras,y de unamaneraintui-tiva, que el análisisfactorial no es más que una técnicaestadísticaqueresumeuna matriz de m variablespor n casos(unidadesde observación)en otra de s factorespor n casos,siendos menorquem.

Estosfactoresson,en realidad,nuevasvariablesqueexplicanun por-centaje muy elevadode la varianzade los datos de entrada.Su objetivofundamental>pues,es la identificación de gruposdc variablescon unaalta correlación interna; estos grupos son los denominadosfactores.

El uso de las técnicasde análisis factorial se ha generalizadomucho,graciasasufacilidad de obtenciónmediantela informática, perono pordIo debemosdesatenderciertos requisitosmínimos quehande cumplirlos datos,para que las solucionesfactorialesseanválidas.

Por esta razón, vamos a comentarbrevementetodas las etapasquehande seguirseen la consecucióndeun análisisfactorial, siguiendoel es-quemapropuestopor Johnston(Herbert y Johnston,1976).

La primera etapaconsisteen la seleccióny estudiode las variablesdeentrada.Esta etapaconstade dos fases, la primera de ellas es la selec-ción, entre todas las variablesdisponibles,de aquéllasmás interesantesparaintroducir en eí análisisfactorial. No existenreglasprecisas,peroesconvenienteevitar redundancias,no incluyendovariablesque indiquenexactamentelo mismo, ni variablesque seanjustamentela inversadeídras, como sería, por ejemplo, la variable número de viviendascon undeterminadoservicio y la variable númerode viviendassin esedetermí-nadoservicio. Cuandolas variablesvienen expresadasen porcentajes,nose debenutilizar todaslas categorías,puesestaniosintroduciendounain-formación redundante.Asimismo, es preferibleque el número de varia-bIessea bastantemenorqueel de casos.

Es imprescindible para un buen análisisfactorial queexista una teo-rta general que guíe la elecciónde variables,de ¡nodo queéstastenganun sentido,en orden a explicar algo que les seacomún (Cuadras,1974).

Aproximaciónmetodológicaal estudiode la diferencrncwn... 171

La introducciónde un gran númerode variablesde forma indiscrimina-da, y sin un estudioprevio, invalida los resultadosdel análisis factorial.

En nuestroejemplo,hemoselegidoun totalde dieciséisvariables.Nú-mero, a nuestrojuicio, suficiente,pero no excesivamenteelevado,dadoqueen el análisispor distritos trabajamoscon un númeropequeñodeca-sos(ver cuadro 1).

CUADRO 1

VARIABLES INTRODUCIDAS EN LOS ANALISIS FACTORIALES. MADRID.

1.’~) % de poblaciónde 5 a 19 añossobreel total de población.2.) % de poblaciónde65 y másañossobreel total de población.3;) % de personascasadassobreel total de población.4.”) % de varonessolteros mayoresde 15 años sobre el total de población.5.) % de mujeresdedicadasa suslaboressobreel total de población.6.”) % de trabajadoresmanualessobreel total de población.7.) % de personasque trabajanen los cuadrossuperioresdela producciónso-

bre eí total de población.8;) % de menoresy estudiantessobreeí total de población.9.”) % de tituladossuperioressobreel total de población.

lO.) % de viviendashabitadaspor 1 ó 2 miembrossobreel total de viviendas.it .“) Indicede hacinamiento:cocienteentreel númerode habitantesy el núme-

ro de viviendas.12.) % de personasque trabajanen el serviciodomésticode las viviendassobre

e’ total de población.13.) % de personasviudassobreel total de población.14.) % de personasque trabajanen los cuadrosmediosde la producciónsobre

el total de población.¡5.) % depersonascuyonivel deinstrucciónmáximoes la Primariaincompleta

sobreel total de poblacion.16.) % depersonascuyonivel de instrucciónmáximoeseíBachilleratoSuperior.

Hemosescogidoochovariablesde tipo socioeconómicoy ochode tipo

puramentedemográfico,a fin de no primar ningunade las dimensionesque,como hipótesis,juzgamosque puedendeterminarJa estructuraso-cial dc la ciudad de Madrid.

Hubiera sido muy interesanteintroducir variables sobreel grado demovilidad de la población,pero no hemos podidodisponerde estaclasede datos.

En la segundafase de estaprimera etapahemosde estudiarla natu-ralezay distribución de las variableselegidas,ya que no todasson sus-ceptiblesde incluirse en un análisis factorial.En efecto,el análisis facto-rial se basaen las correlacionessimplesentrelas variables,por lo queés-tas debenguardarentresí una relaciónlineal. La linealídadde las varia-bles es, pues,un requisito básico. Porotro lado, es convenienteque lasvariables tenganuna distribución normal.Por todo estoa veceses preci-

Be

atriz

Cristin

aJim

én

ezB

lasco

09

OP

.O

QN—

0

o¡¾

ace

—0

0

—0

00

¡

O—

~‘o

-~O

U~

NO

VO

QN

—o

ao

a

04

LOO

Ct.

LO0

•LO

.qu

~u

t¡N

o—

aa

00

0¡

¡¡

8N

e—LS

4t-

LOQ

NNC

QNN

ON

oe-.

—a

O0

00

0

2 ~‘o

¡-.Q

Ne

.~

OCu-o

QN4

r-QN

QN

o<o

<NQ

N¡N

~N

QN—

—

00

e-.e-.

OOC

Oo

—

—0

00

0a

oca

¡¡

¡¡

¡

OO

QN<o

0LS

.0LS

eN.0

0QN

NC

LOQN

4O

CQ

NQ

N

—O

00

00

00

0a

¡¡

OLO

e-‘O

~]4

NC

<-ua

Co

,N.C

ON

OQN

I~-

NC

OC

U-o

QN

QNQ

N

—co

ód

dd

bó

~&

¡¡

¡¡

r¡

¡

N<O

QNe-.

rs—

r~N

CQ

NN

ON

CO

‘ON

CU

-o4

00

r~LO

r~-,

LS~

o.¿

66

66

56

66

65

—r

¡¡

¡¡

¡¡

0e

-rO

OQN

O’

LO0

e-O<O

e-.—

40

O~4

4NC

4e~

e-

LOOC

44

LO—

00

00

00

00

00

00

¡¡

a—

‘O4

0<-0

44

—QN

00

4O

UN

.4

e-

OC<O

OC

e-

NCOC

ONC

e-

CO—

00

00

00

00

00

00

0¡

¡¡

¡¡

¡¡

¡

04

LO

t4

QN

Co

O<-O

QNOC

QNOC

Oe

-~

—NO

LOe-

NOQN

QNNC

QNLO

LONC

—0

00

00

00

0&

5&

66

5¡

¡¡

¡

0OC

4t

—e-

OCN

CLO

Co

NC4

N—

<O0

4o

QNe

-O

C—

NOLO

e-.NC

QNQN

NCQN

NCNO

e-

—0

00

00

00

00

00

00

00

¡¡

¡¡

¡¡

¡¡

¡

172

No

LS

NC

04

ooowuze-ji

o(ji

NcO

~o

(ji

zQi

~JJzou-JouoN

oooua‘OO-

COO)O-

oo0oa-tOoaENOoO)Oo.NO-j‘Ooo-oNOe>

—O

tLO

NO

LN

.O

CQ

N0

—0

4<O

-4LO

NC

NCLS<o

oOO)o

Aproxim

acióntnetodológica

alestudio

dela

di/erencmacm

on...

—0

o<o

<o9

NO

NO—

00

—a

ao

—0

00

0

—5

55

55

¡¡

¡

04

N4

40

4o

04

04

00

44

40

—0

00

00

0¡

¡

sO

%~

r-~N

C<

fl~<

C-o

¡¡

o‘O

QN

QN

00

QN

OC

—e

-0

<-O

NO

——

e-o

—a

—0

00

00

00

0¡

¡¡

O’-C

LO

Úe

-.<S

N

-45

&¿

¿ca

ao

O

O4

LON

CO

CC

~O

~<o

e-

OO

Co

—VO

40

CCCO

NCQN

QN—

00

00

00

00

00

¡¡

¡¡

¡¡

¡¡

¡

SQN

ONO

00OC

QN4

00

LO04

LO4

4,

NO4

04

04

<o<O

—0

00

00

00

00

00

¡É

¡¡

¡¡

¡

0O

’40

-Q

NQ

NO

N<

o—

QN

00

Un

ON

CO

CO

OC

0N

O4

~e

-00

—0

00

00

00

00

00

0¡

¡¡

¡¡

ur—

4Q

Nt.-0

0N

C~

~

—O

O0

00

00

00

00

00

¡¡

¡¡

¡¡

¡

8~

tNÚ

ÚC

.-LO

O0

040

’t-.

QN

CO

<o

4—

00

00

00

00

00

00

00

¡¡1

¡¡

oLS

04OC

QN0

00

0QN

004

04QN

<oNC

‘Oe

-0

’O—

e-<

oQ

N<

o—

~‘O~Ú

—0

00

00

00

00

00

00

00

¡¡

¡¡

¡¡

¡¡

¡

OQN00tN‘oLS

oO)o-

CO<.00’

oooO)-ao-aEO)Eooo.‘O-aCO-QOoO)oca-o‘OCOa-

oo(/1-Ja4u2(jioa-o

--ooO

o

(ji2(ji

2ououoN

‘73

<-O‘O

4LO

NOe

-OC

QN0

04<o

4LO

NCCO


so realizaruna transformaciónpreviade las variablesquequeremosin-troducir en el análisis.

En otro orden de cosas,suelesermuy útil efectuarun análisisdeteni-do de los indices de correlaciónentrevariables,de caraa una mejor in-terpretaciónde las solucionesfactoriales.

En el cuadro2 puedeversela matriz de correlacionesentrevariablescon los datos de los distritos, y en el cuadro3 lo mismo con los datosdelos barrios. Parafacilitar su interpretación,aparecenen cursivalos coe-ficientesmásaltos positiva y negativamentede cadavariable.

Comoconclusióngeneraldel estudiode las matricesde correlaciones,podemosdecir que las variablesde un mismo tipo tienen,realmente,unamayor relaciónentresí, que con las del otro tipo.

Una segundaconclusiónesque los coeficientessonbastantemás ele-vadosen el análisis por distritos que en el de los barrios, estoes lógico,ya que,cuantomayor es la unidadde observación,el valor medio que laresumeencubrela heterogeneidadde la distribución de la variableden-tro de cadaunidad.Por tanto, un estudiode ecologíafactorial debeope-rar con el mayornivel de desagregaciónposible.

Finalmente,podemosdeducirqueexistenalgunasvariablesno dema-siadosignificativas, por susbajoscoeficientesde correlacióncon las res-tantes.En nuestrocasohemosdescubiertoque la variable:porcentajedemujeresdedicadasa suslabores,y la variable:porcentajede personasca-sadas,no sonmm’ ¡ riteresantesenordenala comprensióndelaestructuraresidencial de Madrid. Esto nospuedellevar a realizarotros análisisfac-toriales,en los que sustituyamosestasvariablespor ¿trasde contenidosimilar> pero más representativas;en este sentido,hubiéramosqueridosustituir la variable: porcentajede mujeresdedicadasa suslabores,porla del númerode mujeresque trabajanfuera de casa,peroha sido impo-sible obtenerestosdatos.

La segundaetapade un análisisfactorial consisteen la estimacióndelas comunalidades.La comunalidades la partede la varianzade unava-riable que explicanlos factorescomunes.La partequeno quedaexplica-da por éstosse le llama unicidad.

La terceraetapaes la factorización.En ella se obtiene la matriz fac-torial. Las dosmodalidadesmásimportantesdel análisis factorial, sonelde componentesprincipalesy el de factoresprincipales.En el primero deellosse elige el primer factor de forma queexpliquela mayorpartede lavarianza.Obtenidoéstese le restaa lasvariablesy dela varianzaqueque-da se elige el segundofactor, con el mismo criterio, y así sucesivamente.Al final se obtienentantosfactorescomo variablesoriginales,perosólosc escogenlos primeros, porquelos demásexplican una partemuy pe-queñade la varianza, y algunosninguna.

El análisisde factoresprincipalesobtienesiempremenosfactoresquevariables,puesconsideraque existenotrasvariables,no introducidasencl análisis,que explicanpartede la varianzatotal.

Aproximaciónmetodológicaal estudiode la diferencrac¡on... 175

El análisisde componentesprincipaleses másfácil de interpretarqueel de factoresprincipales,y, por esto,esel más utilizado en los trabajosde ecologíafactorial urbana.Nosotrostambiénhemosutilizado estatéc-nica en el casode Madrid.

En ambasalternativas los factoreshalladosson nuevasvariablesor-togonales,esdecir, queentreellas la correlaciónesnula.

La cuartaetapaes la rotaciónde los factoresobtenidoshaciaotros fac-tores,de maneraque la varianzaexplicadaseamáxima,

El método de rotación másempleadoes el VARIMAX, deja invarian-tes lascomunalidadesy obtieneunanuevamatriz quecorrespondea fac-tores ortogonales.Es el método más adecuadocuandoel númerode fac-tores es pequeño,quees lo más corrienteen los análisis de ecologíafac-torial urbana.Cuando el númerode factoresseagrande,se suele reco-mendarel método OUARTIMAX.

Tambiénpodemosobtener,tras unarotación,factoresoblicuos,esde-cir, que tienen una correlaciónentresí. Hay que teneren cuentaque losfactoresoblicuosprovienensiemprede unosortogonalespreviamenteha-llados. En el casode una rotación oblicua deja de sercierto que lo queexplica un factor no tiene relación con lo explicadopor los demásfacto-res, pero,en muchasaplicaciones,espreferibleobtenerfactoresoblicuosy conocerla relación que hay entreellos. El métodomás utilizado parauna rotación oblicua es el PROMAX, por su gran rapidez de cálculo.

En nuestroejemplohemoshechola rotaciónde factorescon el méto-do VARIMAX, ya que nos interesabaobtenerfactoresortogonales,cuyainterpretaciónes más fácil, aunqueescierto que ello suponeuna simpli-licación de la realidad,al considerarqueno tienenrelación unosfactorescon otros. De todos modos, tambiénes interesanteque los factoresseanortogonales,a la horade realizarprocedimientosestadísticosde agrupa-mientocon los resultadosfactoriales.

A continuaciónincluimos las matricesde correlacionesentre factoresy variablesde los dosanálisis llevadosa cabo,unavezrealizadala rota-ción de factores.Como ya hemos dicho anteriormentehemos seguidolatécnicade componentesprincipalesy el sistemade rotaciónVARIMAX2.

2 Hemosefectuadolos análisis factorialesque, en parte,presentamos,en el Centro de

cálculo de la Universidadcomplutensede Madrid (CcUM), mediantela aplicacióndel pro-grama de análisis factorial, existenteen la Biblioteca de ProgramasestadisticosBMDPN


CUADRO 4

COEFICIENTESFACTORIALES.

ANALISIS POR DISTRITOS.MADRID

Variables Factor 1 Factor 2

7? 0.98 0.009.> 0.95 0.27

15.” —094 0.006.> —0.92 —0.30

16.” 0.92 0.3612.” 0.90 0.2914 0.80 0.315.” —0.76 0.5032 —0.75 —048

J32 0.26 0.968; 0.00 —0.962.’ 0.39 —0.91

11.” —035 —0.901.” —0.43 —0.90

lO.> 0.49 0.854.” 0.30 0.81

Las filas de la matriz hansido ordenadasdc modoque paracadafactor loscoeficientesmayoresde 0.50aparezcanprimero.Las columnashansidoordenadasvnordendecrecientedela varianzaexplicadaporcadafactor. Los coeficientesmenoresde 0.25 hansido sus-tituidospor 0.00.

CUADRO 5

COEFICIENTESFACTORIALES. ANALISIS PORBARRIOS.MADRID.

Variables Factor 1 Factor 2 Factor 3

7.” 0.95 000 0.009.” 0.95 0.00 0.00

16; 0.95 ono o.oo15.” —0.92 0.00 0.006.” —0.92 o.oo ono

12.” 0.72 0.00 —0.3014.” 0.70 0.00 0.0013 ‘ 0.00 0.95 0.008.” 0.28 —0.93 0.001.” —0.30 —0-91 0.002.” —0.27 0.91 —0.30

10.-’ 0.38 0.88 ono

Aproximación metodológicaal estudiode la di/erenclacton... 177

4.> 0.00 0.81 0>4911.” 0.00 0.00 —0.883-’ —0.38 0.00 0.855.” —0.41 0.33 0.80

Estamatriz hasidoordenadasiguiendolos mismoscriteriosque losde la ma-triz presentadaen el cuadro4.

La interpretaciónde los resultadosconstituyela quinta y última fase.Cadafactor debeserentendidode acuerdoal significadode las variablescon las que estámás correlacionado.Por estoes fundamentalhaberhe-cho unabuenaselecciónde variablesde entrada.

No es muy común,peropuededarseel casode queun factor agrupevariablesque entresí no estánmuy correlacionadas,esto puedeconsta-tarseestudiandopreviamentela matriz de correlacionesentrevariables,y, de estemodo, determinaremosmejor el significadodel factor. Asimis-mo, es posibleque variablesaltamentecorrelacionadasentre sí hayansido incluidas en factoresdistintos, igualmente,una observacióndeteni-da de la matriz de correlacionesnosayudaráa paliar esteproblema.Enestesentido,es precisoaclararqueel análisisfactorial es unatécnicaqueno puedeser aplicadaindiscriminadamentey ha de saberseinterpretaren su justa medida,si no queremosincurrir en apreciacioneserróneas.

Al estudiarla matriz de correlacionesentrevariablesy factores,con-vieneno sólocomprobarla varianzaexplicadapor cadafactor,sino tam-bién la que explica cadavariable dentro de la estructurafactorial obte-nida, ya que puedenexistir variablespocosignificativas.

Nosotros,en un análisisque hicimoscon veintiunavariables,con losdatosde los barrios de Madrid, comprobamosque existían cinco varia-bles pocorepresentativas,por lo que las eliminamosen los análisispos-teriores. Dichas variables eran: la evolución demográficaentre 1970 y1977, porcentajede poblaciónde O a4 años,porcentajede población de20 a 39 años,índice de fertilidad y procentajede poblacióncuyo nivel deinstrucción máximoes la Primaría.

La existenciade estetipo de variables,de pocaimportanciaen la es-tructura factorial, puedealterar las puntuacionesfactorialesen algunoscasosdel análisis,elevandosuvalor, debidoa estasvariablespocorepre-sentativas,y no a las que influyen realmenteen el significadodel factor.

Seguidamente,vamos a interpretarlosresultadosde nuestrosanálisisfactoriales. La solución factorial obtenidacon los datos por distritos esmuy clara, en ella dosfactoresexplicanel 91,205por 100 de la varianza.El primero deellos agrupanuevede las dieciséisvariablesoriginales.Es-tas variablessondecontenidosociceconómíco,aexcepcióndel porcentajede personascasadas,de índole demográfica.Estefactor podríamosdeno-minarle nivel socioeconómico,en él observamosquetienen correlacionesmuy altas,de forma positiva, las siguientesvariables:


7.>) de cuadrossuperiores(0,98).9.”) de tituladossuperiores(0,95).

16.>) de personasconBachilleratoSuperior(0,92).12;) de personasen el serviciodoméstico(0,90).14.>) de cuadrosmedios(0,80).

Estasvariablesestáncorrelacionadasnegativamentecon:

15.”) % de personascon EnseñanzaPrimaria incompleta (—0,94).6.>) % de trabajadoresmanuales(—0,92).5.>) % de mujeresdedicadasa suslabores(-—0,76).3.”) % de casados(—0,75).

Esteprimer factor explicapor sí solo el 49,38 por 100 de la varianza.El segundofactor agrupasietevariables,todasellas de tipo demográ-

fico. Este factor indica aquellosdistritos que tienen una población másenvejeciday un mayornúmerodepersonassolteras,sobretodo hombres.Susviviendassuelenestarocupadaspor pocosmiembros,muchasvecesse trata de personasmayoresque viven solas, obsérvesela importanciade la variable: porcentajede viudos. En los estudiosde ecologíafactoriala estefactor se le sueledenominarurbanización,al igual que la segundadimensiónde la teoríade Shevky y Helí, porque caracterizalos barriosmásantiguosy consolidadosurbanísticamentede la ciudad.

Las variablescorrelacionadasde formapositiva son:

13.”) % de viudos (0,96).2;) % de personasmayoresde 65 años(0,91).

10.>) % de viviendascon 1 ó 2 miembros(0,85).4.>) % de varonessolterosmayoresde 15 años(0,81).

Y de forma negativa:

8.>) % de menoresy estudiantes(—0,96).11.”) Indice de hacinamiento(—0,90).

1.”) % de poblaciónentre5 y 19 años(—0,90).

Este factorexplica un 41,83por 100 de la varianza,peroes máscom-pacto queel primero, ya que las variablesque agrupa tienen unacorre-lación entre ellas más fuerte que las que conforman el factor de nivelsocioecouónhico.

Esta estructurafactorial tan simple se ve complicadaen el análisispor barrios, apareciendoun factor más,y, entre los tres, se explica un86,95 por 100 de la varianza,menosque los dosfactoresdel análisis pordistritos.

El primer factor agrupa siete variablesde tipo socioeconómico,susmayorespuntuacionesse localizan,lógicamente,en aquellos barrioscuyapoblacióntieneun alto nivel socioeconómico.Explica el 38,03por 100 dela vartanza.

El segundofactor, al igual queen el análisispor distritos,es el de nr-

Aproximaciónmetodológicaal estudiode la di/erenciacton... 179

banización; agrupa seis variables y explica un 31,97 por 100 de lavarianza.

Porúltimo, el tercerfactor,queexplicasólo el 16,94por 100 de la va-rianza,acogelas siguientesvariables:

11.>) Indice de hacinamiento(—0,88).3,>) % de casados(0,85).5.>) % de mujeresdedicadasa suslabores(0,80).

Son tresvariablespocosignificativas,como ya habíamoscomentado,especialmentelas dos últimas. Se han unido formandoun factor margi-nal, que no tiene interésen la conformaciónde la estructuraresidencialde Madrid.

Aunqueel análisisaescalade barrionosconfirma la existenciade dosfactoresesenciales:nivelsociocconómicoy urbanización,queexplican,engranparte,la diferenciaciónsocialde nuestraciudad,nosindica tambiénque,al reducir el tamañode las unidadesde observación,la estructurafactorial esmáscompleja.Así, enel segundoanálisis,los dosprimerosfac-tores explican un 70,01 por 100 de la varianzade los datos,lo que dejaun considerablemargenen el que incidenotros componentesde diversi-ficación residencial,no determinados.

En los mapas1 y 2~,sehan cartografiadolas puntuacionesfactorialesde los dos primerosfactoresobtenidasen cadaunode los barriosde Ma-drid. El barriode Horcajo (distrito de Moratalaz)no aparececartografia-do, porquecarecede población.No hemosincluido los mapascon la dis-tribución de laspuntuacionesfactorialesen los distritos,por resultarpocoilustrativos,dado el escasonivel de desagregacion.

3. DELtMITACIÓN DE ÁREAS SOCIALES

La delimitación de áreasde homogeneidadsocialen un ámbitourba-no constituyeuno de los objetivosesencialesde un estudio de ecologíafactorial.

Una vez descubiertoslos factoresexplicativos de la estructurasocialde una ciudad o espaciometropolitano,el investigadorsuele delimitar,en relación con su distribución, áreasde homogeneidadsociodemográfi-ca. Pero>esto no descartala formulación de modelosespacialesgénera-les. Y, así, paralelamenteal desarrollode la aplicación de técnicasmuí-tivariantesen GeografíaUrbana,sehan realizadoevaluacionesmáspre-cisasde los clásicosmodelosde organizaciónespacial:concéntrico,sec-torial y polinuclear.

Estos mapashan sido realizadosen el CentrodeCálculodel Instituto GeográficoNa-cional, utilizando un programade cartografiaautomáticade mapasdecoropletas(CORO-MAP), diseñadopor J. A. Cebriánde Miguel y presentadoen su TesisDoctoral:Diseño me—díanie ordenadoren resolucióndeproblemasde representacióngráfica y cartográfica en Ceo—grafia. UCM, 1983.

180 BeatrizCristina JiménezBlasco

SegúnMurdie (1976),sonvarios los procedimientosmatemáticosuti-lizados paracomprobarempíricamentela validez de estos modelos.Elmásconocido de todos ellos es el análisis de la varianza.Sin entrarensusfundamentosmatemáticos,podemosdecir que el análisis de la va-rianzapermitecomprobar,con un determinadonivel de significación,silas mediasde diversascaracterísticasde cadazonadelimitada son sen-siblementediferentesentresí. En estecaso,hemosde admitir que la zo-nificación no respondea criterios puramentealeatorios,sino que real-menterefleja la estructurade la segregaciónsocial. Pero,si las mediassonmuy similares,la delimitación efectuadano seacomodaa la realidadsocial de la ciudadestudiada.

El procesomáscomúnen un trabajo decomprobaciónde modeloses-paciales,medianteanálisis de la varianza,comienzacon el trazado,so-bre el plano urbano,de una seriede anillos concéntricos,y, a suvez, desectores,lo que da lugar, pues,aun mosaicodesectoresanulares.En es-tos se calculanlos valoresmediosde unasdeterminadascaracterísticas,con los que se lleva a caboel análisis de la varianza.Si las mediassonbastantediferentesentrelas diversaspartesde un sector, pero no entrelas de un mismo anillo, podemosafirmar que el modelo concéntricoseacomodaa la estructurasocial de la ciudad estudiada.Si ocurre lo con-trario, dichaciudad tendráunaorganizaciónsocial sectorial.Si las me-dias sonmuy diferentes,tanto dentrodeun sector,comode un anillo, he-mos de considerarla hipótesis de interacción entre los dos modelos.

Algunos autoreshan tomado como característicaspara este tipo deanálisislos índicespropuestospor Shevkyy Belí, o ciertasvariablescen-sales. Pero ha sido más frecuente la utilización de puntuacionesfac-toriales

MODELOS ESPACIALES

concéntrico sectorial interacción

Aproximaciónmetodológicaal estudiode la diferenciac¡on... ‘SI

Dentrodel temade delimitación de áreassociales,no incluidas en unmodelo generalde organizaciónespacial,sino como expresiónreal de laestructuraresidencialde cadaciudaden concreto,hemosde comentarlatécnicapropuestapor Shevskyy Belí. En resumen,se tratade dividir lasdosprimerasdimensiones:rangosocialy urbanización,en tres intervalos(ver fig. 3),y, de estemodo, cadaunidadde observación,debíaadscribir-se a uno de los nuevetipos resultantes.A suvez, cadatipo tiene dosva-riantes,segúnel gradode movilidad, terceradimensión.Esteesquemasecomplicaaúnmás,teniendoencuentael statusétnico.Posteriormente,enun plano sedibuja cadaáreacon la tramacorrespondienteal tipo al quepertenece,resultandoasí un mosaicode áreassociales.

II1 VII

F¡c,. 3—Esquemadeclasificacióndeáreassociales,segúnlas dimensiones:rangosocialy ur—banización.Dibujo original de Shevkyy Bel

1.

Conel desarrollode la ecologíafactorial sehanbuscadométodosmásobjetivosparala delimitación de áreassocialesy, por otra parte,quees-tuvieranconectadoscon el modelo factorial obtenidoen la primera partedeunainvestigaciónsobrediferenciaciónresidencial.En estesentido,unade las técnicasestadísticasmás divulgadashasido el análisisde agrupa-mientoo análisiscluster.

uR8 ______ ________

AN Alto

zAc Medio

oN Bajo

Bajo Medio AltoRANGO SOCIAL


El cometido de estatécnicaesagrupar,segúnun criterio de similari-daddeterminado,las variablesde un estudio,o bien loscasosde éste.Porsupuesto,en ecologíaurbana,lo que interesaes la agrupaciónde casosolugares.Estoslugaresgeográficosvienencaracterizaspor unaseriede va-riables,que,en general,suelenser las puntuacionesfactorialesde dichoscasos.Al sermás de uno los factoreshemos de elegir un índice de simi-laridad que los unifique.

En nuestroejemplo4,estavez, sólocon los barriosmadrileños,hemosconsideradocomoíndice de similaridad la distanciaeuclidiana5,y las va-rtables introducidasson las puntuacionesde los dos primeros factores.

A nuestrojuicio, no tienemucho sentidorealizarunadelimitación deáreassociales,tomandocomo unidadesde agregaciónzonastan hetero-geneascomo lo sonla mayoríade losbarriosdeMadrid.No obstante,cree-mosque puedetenerun interésmetodológico.Porconsiguiente,los resul-tados que presentamosno debenconsiderarsezonasde uniformidad so-cial, sino ampliasáreascon un nivel social y un comportamientodemo-gráfico similar en conjunto.

En el mapa3 podemosobservarla localización de los siete tipos debarriosque ha distinguido el análisiscluster.

El tipo A caracterizaaquellosbarrios con un grado de urbanizaciónmuy bajo; son zonashabitadaspor familias jóvenesy su nivel socialesmedio-alto.

El tipo B tambiénestápoco urbanizado>peroel statussocialde supo-blación es menor queen los barriosde tipo A.

El tipo C reúneunagrancantidaddecasos,setratadebarrioscon pun-tuacionesbajasen ambosfactores,sobre todo, en el primero, casi todosellos se encuentranen la periferia Sur y Este de Madrid.

Los barrios de tipo D, con un grado de urbanizaciónparecidoa losdel C, se diferencian de éstos en que su nivel socioeconótnicoes algomayor-

En el tipo E seencuadranun númeroreducidode barrios, caracteri-zadospor teneruna poblaciónde bajo nivel social y un gradode urbani-zación medio.

El tipo F agrupabarrioscon altosvaloresen los dasfactores,comoesel caso de casi todo el Ensanchey zonas del distrito de Moncloa.

En el último tipo, se encuentranel cascoviejo de la ciudad y los nú-

Esteanálisislo hemosllevadoa caboen el CCUM, mediantela aplicacióndel progra-ma deanálisis cluster,existenteen la BibliotecadeProgramasestadísticosBMDP.

La distanciaeuclidianaentredos lugares i yj es:

di] = ~ (X~ — XV~Á] ¡12

n n/’ devariablesconsideradas(y 12,.., n).

Aproximación*netodológica al estudiode la dilerenciacion 183

cleosde Chamberí,Tetuány Vallecas,quesonlas zonasde mayorconso-lidación urbanística,y cuyapoblaciónestámuy envejeciday sueletenerun bajostatus social.

Estatipología>sinconstituirun mapade áreassociales,ofreceunavi-sión generalsobrela estructuraespacialde la diferenciaciónresidencialen nuestraciudad.

Octubre 1983

BíBLIOGRAFIA

Abu-Lughod, 1. (1969): «Testing the theory of social are-aanalysis: the ecology of Cairo,Egypt».AmericanJournalof Sociology,34.

Andersony Bearo(1961): «The Shevky-Bellsocial arcas:confirmation of resultsand a rein-terpretation”. Social Forres, 40, PP.119-124.

Beguin. H. (1976): M¿thodesd’analvsegéographiquequantitative.París,LITEC.Belí, W. (1955): «Economic,family andethroic status:an empirical testo. AmericanSociolo-

gical Review,20, PP.45-52.Berry, E. J. L., y Rees,P. 1-1. (1969): «Thefactorial ecologyof Calcuta».AmericanJournalof

Socio/ogv, ~4, PP.447-491 -Bourne,L. 5. (Ed.), (1982):Interna)Structureof 0w City. New York, Oxford LJniversityPress.CuadrasAvellana,C. (1974): «Métodosde análisis factorial”. PublicacionesdelLaboratorio

de Cálculo de la Universidadde Barcelona,7.Herbert,D. T.. y ]ohnston,R. J. (Edsj, (1976):SpatialProcessesandForrn, vol. 1. New York,

cd. Wiley and Sons.Johnston,R. J. (1969): «Zonal andsectoralpatternsin Melbourne’sresidentialstructureo

Latid Economies,45, pp. 463-467.McElrath, D.C. (1962): «Re social arcasof Rome: a comparativeanalysis’.AmericanSo-

ciologicalReview,27, pp. 376-391.McElrath, D.c. (1969): «Societalscaleand social differentiation: Accra, Ghana”. Ihe New

[irbanization, Pp.33-52, New York, Martin’s Press.Murdie, R. A. (1969): «The factorial ecology of metropolitanToronto, 1951-1961«Chicago,

DepartmentofGeography,Univ. ResearchPaper, 116.Santos.J, M., y Mugu¡-uza,C. (1982).-«Introduccióna la utilización del paquetedeprogra-

masBMDP en el análisisdedatosgeográficos».Cuadernodetrabajo de Geografía,3. Edi-torial de la UniversidadComplutense.

Shevky, E.. y Ecli W. (1955):SocialArea Analysis:Theorv, Illustrative,Applicalion a.ídCon¡-puaitionalprocedure.Sanford,California, Stanford tlníversity Press.

Shevky, E., y Williams, M. (1949): TIte socialarea.s ofLos Angeles.Berkeley,California. Uni-versity of California Press.

Sweetser,F. L. (1965): «Factorsíructureas ecologicalstructure in Helsinki and Boston”.ActaSociologica,8, pp. 205-225.

Timms, D. W. G. (1971): TIte urban ,nosaic. Cambridge,Cambridge University P¡ess.Tryon, R. C. (1955): Identification of Social Areasby ClusterAnalysis.Berkeley,California,

University of California Press.


RESUMEN

Enestearticulo, abordamosel estudiode la diferenciaciónresidencialurbanadentrodelenfoquede la ecología factorial, centrándonosen los problemasmetodológicosy técnicosque conlíeva la aplicaciónde los procedimientosdeanálisis más usualesen estalínea deinvestigación.Entredichosproblemasdestacan,por su interés,la elección delasvariablesy de la escalade observación,los requisitosparaun empleoe interpretacióncorrectosdelas técnicasfactoriales y los métodos de clasificación y delimitación de áreassociales.

Comoilustración,mostramoslos resultadosobtenidosendiversosanálisisdeecoloiafac-torial, que hemosllevado a cabo con datoscensalesde los distritos y barrios madrileños.

RÉSUMÉ

Danscetarticteon étudeladifférentiatiott residentielleurbaineaveclesméthodesdelé-cologie factorielle, ense centrantsurlesproblémesméthodologiqueset techuiquesqui sontconséquencedel’application desproceduresd’analyseíesplus usuellesdanscetteligne din-vestigation. Parmi cesproblémeson pourrait soulignercommeplus interessantslélectiondes variablesel de léchelle dobservation,les conditions pourun emploi et interpretationeorrectsdes techniquesfactorielleset les méthodesdeclassification et définition desairessocit2lles.

Commeillustration, nous montronslesrésultatsobtenusdansplusiersanalysesdécolo-gie factorielle faites avecdesdonnéesdesquartiersa districts deMadrid.

ABSTRACT

This paperis an approachto the studyof Ihe residentialdifferentiation in urbanarcasunder thefactorial ecology point of view. Our main objectiveare methodologicaland tech-nical problemsof usualproceduresin this trend. The more important problemsare choiceof variables,sizeof thespatial unitiesanalized,and requirementsfor correctuseand inter-pretationof factorial techniquesand for identification methodsof social arcas.

As example,we show theresultsof severa3factorial analysiswith censusdatafrom quar-

ters aud districtsof Madrid.

185

0.50 P.F 130

Aproximación metodológicaal estudio de la di/erenciacwn

-2.50 55. -150w-130 PP —0.50

- 0.50 55.

5.5. 0.50ono

1.50 OF. 3.000.00

MAPA 1.—Puntuacionesfactoriales delprimer factor: nivel socioeconámico.


LII-1.50 ~F

‘.0.0 ‘E’

P 1 r1r qcj~

0~

MAPA 2.—Puntuacionesfizctorialesdel segundofactor.- grado de urbanización.

Aproximaciónmetodológicaal estudiode la diferenciacton 187

TIPOLOGíA DE AREAS SOCIALES

LIZAE

F

Delinead drvV. Nl. Jiménez Blasco

G

MAPA 3.—Tipologíasdeáreas sociales.

aproximación metodológica al estudio de la diferenciación ... · resume una matriz de m...

Documents