El territorio y los datos espaciales

La imagen del espacio urbano a gran escala muestra una única estructura difusora de tipo tentacular-vial mientras que en la escala

micro, cada “nodo” de esta red; contiene características particulares

(Dematteis, 1998). Cuando la dinámica interna de las ciudades es cuantificada en un valor agregado, las disparidades que pudieran existir dentro de la ciudad (o dentro de la provincia), quedan contenidas en un valor “medio” de la variable que puede estar afectado por diferencias de escala y por la agrupación arbitraria de los datos. Hechos que encubren la presencia de una dependencia espacial contenida en los datos con lo que trabaja la economía urbana y que, inclusive, puede no corresponderse con los límites administrativos de estos valores medios. Lo anterior no indica que la regionalización de los datos discretos con los que trabaja la econometría carezcan de sentido, sino que las tendencias diferenciales de la variable en el territorio son explicativas de la heterogeneidad del espacio microterritorial. Las técnicas de estimación de indicadores de aproximación urbana, han de considerar las características “espaciales” de los datos y las relaciones espaciales que se producen tales observaciones.

Los datos vinculados a su localización espacial, presentan unas pautas que los hacen muy peculiares y justifican su tratamiento aparte por parte de la estadística espacial. La estadística espacial se relaciona con los métodos específicos que utilizan la distancia y las relaciones espaciales como parte de las matemáticas para sus cálculos, a fín de determinar patrones, tendencias y relaciones espaciales que permitan entender mejor el comportamiento de fenómenos territoriales. Para ello, dispone de herramientas que cuantifican el patrón espacial con la finalidad de detectar si las características se distribuyen al azar, están concentradas o dispersas en el territorio, mientras que con otras, se

identifican las características de la distribución de la variable respondiendo a preguntas de dónde está el centro, o cómo determinadas características se distribuyen alrededor del centro. Mientras que la estadística clásica prueba en los datos la hipótesis de independencia y aleatoriedad30_{, los datos vinculados al territorio o}

localización no cumplen estos supuestos básicos al estar relacionados unos con otros en el espacio geográfico31_{. Si se incluye y se toma en}

cuenta esta relación espacial de los datos territoriales, se puede obtener mayor información sobre el fenómeno estudiado (Aroca, 2000).

3.1.1 Naturaleza de los datos espaciales.

El valor medio de los datos ha de tomar en cuenta la naturaleza de los datos espaciales que se relaciona con unas características de georreferenciación, multidireccionalidad y multidimensionalidad.

3.1.1.1 Georreferenciación.

La característica georreferencial de los datos espaciales está relacionada con las coordenadas geográficas de los mismos. A partir de éstas, se define la localización de un objeto espacial según el sistema de coordenadas y datum determinado (Alcalá, 2005). Un datum define el origen del sistema de coordenadas geográficas (origen dado por el único punto donde el esferoide coincide perfectamente con la superficie de la Tierra). Los sistemas de coordenadas intentan modelizar la Tierra y ubicar las entidades con precisión y se clasifican en sistemas geográficos o los sistemas proyectados. El primero de ellos se utiliza       

30 _{Como se verá más adelante, las hipótesis planteadas por la Geoestadística son}

necesarias por cuanto los datos observados Z(x) no son una muestra ordinaria de tamaño n en el sentido tradicional sino una única realización de la variable en un sub- espacio s del espacio geográfico D. Por tanto no existen réplicas de los mismos y en consecuencia la aleatorización y la repetición no son posibles (IGAC, 1998).

31 _{Montero y Larraz (2008) advierten sobre el riesgo que se corre en presencia de}

para ubicar objetos en la superficie curva de la Tierra, mientras que con el segundo se ubican objetos en una superficie plana (un mapa en papel o un mapa digital visualizado en una pantalla de ordenador plana) (ESRI). El sistema métrico, que para el caso español es el Sistema de Coordenadas Universal Transversal de Mercator (En inglés Universal

Transverse Mercator, UTM), dispone de distintos husos en el territorio

peninsular, como son el 29, 30 y 31 y para incluir Canarias se suma el huso 28 (Alcalá, 2005). En esta tesis, los datos espaciales estarán georreferenciados al huso 30 de UTM.

3.1.1.2 Multidireccionalidad.

En el análisis espacial, la relación de cercanía es de forma multidireccional en contraste, por ejemplo, con los datos temporales, que se desarrollan en una estructura regular en el tiempo y variaciones estables y coherentes con el propio pasado de la serie (Chasco, 2003). Los datos geográficos por su parte, presentan inestabilidad en las relaciones de las variables puesto que proceden de unidades de observación diferente.

3.1.1.3 Multidimensionalidad.

Si se considera que los datos geográficos son entidades espacio- temporales que cuantifican la distribución, el estado y los vínculos de distintos objetos (bienes urbanos) o fenómenos naturales y/o sociales (IGAC, 1998), el análisis de las relaciones espacio-temporales varía según el nivel de detalle de los datos geográficos, nivel de complejidad y su alcance temporal (Cely y Bedard, 2006). Por ejemplo, la relación espacio temporal contenida en las variables demográficas puede ser utilizada para observar el fenómeno de dispersión urbana a través del tiempo, que afecta un área geográfica particular así como el porcentaje

de terreno de uso agrícola que ha sido reemplazado por terreno de uso residencial.

3.1.2 Representación de los datos espaciales.

Según el Instituto Geográfico Agustín Codazzi (IGAC), “los datos geográficos son entidades espacio-temporales que cuantifican la distribución, el estado y los vínculos de los distintos fenómenos u objetos naturales o sociales”, de acuerdo a una posición absoluta sobre un sistema de coordenadas, posición relativa frente a otros elementos del paisaje (adyacencia, contigüidad, pertenencia, conectividad e inclusión) y una presentación del dato mediante una figura geométrica que lo representa (punto, línea, polígono) y que posee propiedades intrínsecas a su misma naturaleza geométrica. La representación de las variables espaciales intenta mostrar la “realidad geográfica” y su conceptualización o representación mediante formas discretas o continuas (Goodchild y Haining 2005). Las variables geográficas conceptualizadas de forma continua son aquéllas con las que trabaja la Geoestadística, mientras que la econometría espacial lo hace con variables discretas con entidades susceptibles de medición matemática (Chasco, 2003).

3.1.3 Cambio de escala de los datos espaciales.

Además de la consideración de las características particulares de los datos espaciales, las técnicas de estimación y desagregación de datos en el territorio han de considerar las diferencias de escala. Chasco (2003) indica que cuando las correlaciones realizadas en ámbitos geográficos agregados, son inferidas a unidades de diferente escala como los datos microterritoriales, se puede caer en una falacia ecológica, es decir; aquella posible falsedad de las relaciones espaciales en los datos a la que puede llevar una inferencia ecológica (IE) cuando las observaciones

procedentes de un determinado nivel, proporcionan una información que no es aplicable a los niveles inferiores, particularmente cuando se observan patrones de heterogeneidad espacial. La desagregación de datos en áreas de diferente tamaño, Chasco (2003) lo relaciona con el “problema de la unidad espacial modificable” (MAUP, “Modifiable Areal Unit Problem”), que tiene que ver con las diferentes formas y criterios con que puede dividirse un espacio geográfico, así como con las desviaciones significativas experimentadas por algunos estadísticos cuando son calculados en diversos ámbitos geográficos, con mayor o menor agregación espacial (Bailey y Gatrell, 1995). Chasco aclara que, en caso de desagregación espacial, ha de tenerse en cuenta que el comportamiento del fenómeno estudiado no necesariamente es uniforme entre unidades de diferentes tamaños. No evaluar este hecho, puede conducir fácilmente a una falacia ecológica (Peeters y Chasco, 2006).

3.1.4 Vecindad espacial.

Otra consideración a tener en cuenta es la dificultad asociada a la agrupación o medida de vecindad espacial de los datos. En el caso de los datos temporales, la unidireccionalidad evita esta circunstancia, cosa contrario que sucede en los datos espaciales en donde las relaciones que se generan en el espacio no pueden obviarse puesto que pueden contribuir a generar hipótesis sobre su génesis. Por ejemplo, la ocurrencia de un proceso de “contagio”, en el que el valor de la variable para un determinado lugar está afectado por el valor de “sus vecinos”. La identificación de las unidades de observación “vecinas” se define en la econometría espacial mediante la construcción de una matriz de contigüidad o de pesos espaciales en la que se establecen las relaciones espaciales entre cada par de localizaciones, o como en la Geoestadística, que se definen en función de las semivarianzas de los valores de las variables.

3.1.5 Efectos espaciales en los datos territoriales.

Por otro lado, al trabajar con datos vinculados geográficamente, ha de valorarse dos efectos espaciales: el efecto de la dependencia también conocida como autocorrelación espacial y el efecto de la heterogeneidad espacial. El primero se produce cuando el valor de una variable en una unidad espacial mantiene una similitud o disimilitud, respecto al valor que asume la misma variable en las zonas vecinas, superior a lo que tendría lugar por casualidad, mientras que la heterogeneidad, se relaciona con las características propias de los datos espaciales.

De los efectos espaciales, Chasco (2003) indica que el más conocido es el de la dependencia espacial gracias a los trabajos pioneros de Cliff y Ord (1973, 1981). Sin embargo, acota que el problema causado por la heterogeneidad espacial; a diferencia de lo que sucede con la dependencia espacial, podría en gran parte ser resuelto mediante procedimientos de la econometría estándar (como el análisis cluster), aunque existen casos en que la compleja interacción resultante de la estructura y los flujos espaciales pueden generar dependencia espacial combinada con heterogeneidad espacial, haciéndose altamente complicado distinguir entre ambos efectos. Por otro lado, ignorar los efectos espaciales en la estimación de modelos puede conducir a obtener estimadores ineficientes o incluso sesgados (Aroca, 2000). En Mella et al. (2005) se hace una estimación del PIB municipal para 122 capitales de provincia y municipios superiores a 50.000 habitantes mediante un modelo de extrapolación espacial basado en la imputación por regresión, que utiliza como explicativas, variables disponibles en el ámbito provincial y municipal. La consideración de la existencia de efectos espaciales en la distribución de estas variables así como en la relación que mantienen con el PIB, hace posible una mejor

aproximación de los datos municipales a partir de las relaciones existentes en el ámbito provincial.