Variables para el análisis de cluster de las comunas de la Región del Maule

Las 37 variables-indicadores seleccionadas del database del SINIM se encuentran en la tabla 3.3. Tales variables están reagrupadas en las siguientes cuatro macro categorías: a) variables socio-demográficas (SOC- DEM); b) variables socio-económicas (SOC-ECO); c) variables referidas

al sector primario y al territorio extraurbano (AGR-TER); d) variables relativas al gasto público (SP).

Las diferentes macro categorías representan, por tanto, la compleja realidad de la Región del Maule y evidencian ya sea aspectos típicamente agronómicos (como el porcentaje de superficies agrícolas sobre el total regional, el número de empresas con superficie inferior a la hectárea, etc.), como aspectos sociales (la escolaridad media de la población, la distribución de las organizaciones comunitarias, etc.,), aspectos económicos (como el ingreso medio familiar, la pobreza de la población, etc.) y la destinación del gasto público (disponibilidad de gasto público local por habitante)48.

El análisis de cluster realizado en las 30 comunas de la Región del Maule ha sido realizado utilizando, en un primer momento, las 37 variables de la lista de la tabla 3.3. Este tipo de análisis tiene el valor de destacar cómo las variables “se mueven” en la formación de cluster, independientemente de las premisas adoptadas por el investigador.

En lo específico el cluster analysis se desarrollo en dos fases:

1. la primera, en la cual se determina la correlación total entre las

variables-indicadores de modo de construir la matriz de similaridad;

2. la segunda, en la cual se adopta un algoritmo que consiente el

reagrupamiento de las comunas a través de los indicadores, teniendo por base la matriz de similaridad. En este caso se utilizó el

método WARD49.

48 _{Evidentemente las relaciones que se pueden individualizar entre las variables-} indicadores ayudan a describir las diferentes tipologías de economías presentes en las diferentes comunas de la región, evidenciando mayores o menores cercanías, también bajo el perfil socio-económico y no sólo geográfico, entre las mismas. Los valores registrados por las diferentes variables en función de las diferentes comunas fueron sucesivamente estandarizados según la fórmula: [Vx(i) – Vx(min)] / [Vx(max) – Vx(min)], donde Vx(i) representa el valor iesimo de la variable xesima, Vx(min) el valor mínimo atribuíble a la variable x, Vx(max) el valor máximo de la misma.

49 _{«Con el método de WARD la pareja de entidades a agregar a un escalón del}

análisis es aquella que minimiza la desviación entre dos centroides de los posibles grupos. La desviación tiene un mínimo igual a 0, cuando todas las unidades están aisladas y un máximo, igual a la suma de las desviaciones de las variables de clasificación, cuando todas las unidades forman parte de un único grupo». Fuente

118

El árbol jerárquico (figura 3.2) emerge del clustering utilizando 37 variables referidas a las 30 comunas. En él afloran algunos aspectos problemáticos, en cuanto el empleo de un elevado número de variables (en este caso superior al número de comunas) determina un sensible aumento de la covarianza, y esto establece la formación de muchos pequeños cluster, que se agregan a más altos niveles jerárquicos como se observa en el dendograma.

Por tal motivo se opta por reducir el número de variables (y entonces reducir la covarianza) pasando de 37 a 14. Estas últimas variables fueron seleccionadas de modo de representar las cuatro precedentes macro categorías de referencia, observando además la distribución de los datos para cada variable en particular y la lectura de la matriz de correlación total. En lo específico se utilizaron, para el segundo cluster analysis, las siguientes variables: demográficas (v1, v2), sociales (v5, v9, v10, v33, v34), económicas (v11, v13, v32), agronómicas y territoriales (v16, v26, v28, v30).

El dendograma que emerge está representado por la figura 3.3. La zonificación evidencia 6 diferentes cluster, si el árbol jerárquico es “cortado” a un nivel muy bajo (el punto 4 en la escala que muestra las distancias de los elementos que forman el cluster) garantizando grupos muy similares. Tal segundo árbol esta a la base de los sucesivos pasajes analíticos.

La denominación de cada cluster ha sido adoptada en relación a dos aspectos:

a) las variables utilizadas en el cluster analysis, las que expresan

datos respecto a la economía, con especial atención al rol desarrollado por el sector primario y, más en general, al desarrollo socio-económico, demográfico y territorial de la Región del Maule. Esto permite delinear el “confín” del cluster en relación a una determinada caracterización socio-económica.

b) El análisis cartográfico que deja aflorar una colocación de cada

cluster en específicas áreas geomorfológicas de la Región del

Maule (figura 3.4 y tabla 3.4) o bien: (a) área de la depresión central (b) área de la depresión central y de la pre-cordillera andina; (c) área de la depresión central, pre-cordillera andina y cordillera andina; (d) área de la depresión central y del Secano interior; (e) área del Secano interior; (f) área de la costa y de la cordillera costera.

Tabla 3.3: Variables elegidas por tipologías (SOC-DEM, SOC-ECO, AGR-TER, SP)

Cod Tipo Variable Cod Tipo Variable

v1 SOC- DEM

Porcentaje de la población comunal respecto a la población regional

v20 AGR- TER

Porcentaje de superficies urbanas e industriales respecto a la superficie total de la comuna

v2 SOC- DEM

Porcentaje de la población rural respecto a la población total de la comuna

v21 AGR- TER

Porcentaje de otras superficies respecto a la superficie total de la comuna

v3 SOC- DEM

Porcentaje de la población urbana respecto a la población total de la comuna

v22 AGR- TER

Porcentaje de empresas agro-zoo- forestales censadas en la comuna respecto al total regional v4 SOC-

DEM

Porcentaje de cobertura instrucción municipal

v23 AGR- TER

Porcentaje de empresas agro- zootécnicas en la comuna respecto al total de empresas agro-zootécnicas regionales

v5 SOC- DEM

Escolaridad media de la población comunal

v24 AGR- TER

Porcentaje de empresas forestales en la comuna respecto al total de empresas forestales regionales

v6 SOC- DEM

Porcentaje de escuelas municipales respecto al total de las escuelas de la región

v25 AGR- TER

Porcentaje de superficie agrícola irrigada

v7 SOC- DEM

Porcentaje de viviendas con red de alcantarillado respecto al número total de viviendas de la comuna

v26 AGR- TER

Índice de fertilidad de los suelos

v8 SOC- DEM

Porcentaje de viviendas con fosa biológica respecto a las viviendas totales de la comuna

v27 AGR- TER

Porcentaje de empresas agrícolas con superficie <1 ha

v9 SOC- DEM

Porcentaje de viviendas con conexión a la red de agua potable respecto al número de viviendas totales

v28 AGR- TER

Porcentaje de empresas agrícolas con superficie de 1 a 5 ha

v10 SOC- DEM

Número de habitantes por organización comunitaria

v29 AGR- TER

Porcentaje de empresas agrícolas con superficie de 5 a 20 ha

v11 SOC- DEM

Porcentaje de población pobre respecto a la población total de la comuna

v30 AGR- TER

Porcentaje de empresas agrícolas con superficie de 20 a 100 ha

v12 SOC- DEM

Porcentaje población indigente respecto a la población total de la comuna

v31 AGR- TER

Porcentaje de empresas agrícolas con superficie > a 100 ha

v13 SP Gasto público comunal por habitante (miles de pesos)

v32 SOC- ECO

Ingreso medio familiar ($)

v14 SP Porcentaje gasto de mantenimiento de parques y jardines respecto al gasto total de servicios a la comunidad

v33 SOC- ECO

Subsidios medios familiares ($)

v15 SP Superficie en m² de áreas verdes públicas (con mantenimiento) por habitante

v34 SOC- DEM

Distancia de la comuna al hospital de referencia (km)

v16 AGR- TER

Porcentaje de superficies agrícolas respecto a la superficie total de la comuna

v35 SOC- DEM

Número de consultores urbanos y rurales

v17 AGR- TER

Porcentaje de superficies de padros y pastos respecto a la superficie total de la comuna v36 SOC- ECO IDH v18 AGR- TER

Porcentaje de superficies boscosas respecto a la superficie total de la comuna

v37 SOC- DEM

Densidad de población comunal

v19 AGR- TER

Porcentaje de superficies desprovistas de vegetación respecto a la superficie total de la comuna Fuente: ns. elaboración

120

Figura 3.2: Dendrograma de las 30 comunas del Maule con 37 variables

Fuente: ns. elaboración

Esta señal parece relevante en cuanto la dotación de factores productivos es bastante diferenciada en las áreas antes mencionadas y consecuentemente también la tipología de economía parece necesariamente diversificada. De las premisas y del análisis de las comunas que recaen en los diversos grupos se ha pensado denominar los cluster por zonas predominantes de:

a) economía urbana (cluster 1);

b) economía urbana-rural (cluster 2);

c) economía agrícola (cluster 3);

d) economía tradicional del Secano interior (cluster 4);

e) economía tradicional de la costa y de la cordillera costera (cluster 5);

Figura 3.3: Dendrograma de las 30 comunas del Maule con 14 variables

Fuente: ns. elaboración

Es oportuno subrayar que la repartición en cluster manifestada en el dendrograma de 14 variables se evidencia igualmente en el dendrograma de 37 variables. Este último distribuye, en el octavo nivel jerárquico, las 30 comunas del Maule en cinco cluster que tienen las características antes evidenciadas (no obstante, con algunas inevitables diferenciaciones para algunas comunas).

122

Figura 3.4: Cluster de la Región del Maule

Fuente: ns. elaboración

En el análisis de cluster de 37 variables las comunas que recaen en el área de la economía tradicional de la costa y en el área de la economía tradicional del Secano se insertan en un único cluster, mientras las otras tipologías permanecen sustancialmente. Tal aspecto, evidentemente, sostiene el análisis, subrayando cómo en la Región del Maule se da la presencia de estructuras latentes entre las comunas que emergen claramente también si se modifica en parte el set de las variables empleadas en el análisis.

Tabla 3.4: Zonificación de los 6 diferentes cluster

CLUSTER UBICACION GEOGRAFICA DE LA COMUNA

In document El aporte de la ruralidad al desarrollo (página 117-123)