ENFOQUE ESTADISTICO MULTIVARIADO APLICADO A LA REGION DEL MAULE
3.2 Análisis de las diferentes tipologías de economías rurales presentes en la Región del Maule (objetivo 1)
3.2.2 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 Fabbris (1997)
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, 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
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
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);
f) economía rural-agrícola (cluster 6).
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).
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
cod. Cluster 1: Economía urbana
7101 TALCA Depresión central
7301 CURICÓ Depresión central – Precordillera Andina – Cordillera Andina Cluster 2: Economía urbana-rural
7304 MOLINA Depresión central – Precordillera Andina – Cordillera Andina 7404 PARRAL Depresión central – Precordillera Andina
7401 LINARES Depresión central – Precordillera Andina – Cordillera Andina 7102 CONSTITUCIÓN Costa – Cordillera Costera
7201 CAUQUENES Costa – Cordillera Costera
Cluster 3: Economía agrícola
7108 RÍO CLARO Depresión central
7308 TENO Depresión central
7106 PELARCO Depresión central
7110 SAN RAFAEL Depresión central
7107 PENCAHUE Depresión central - Secano interior
7405 RETIRO Depresión central
7408 YERBAS BUENAS Depresión central 7407 VILLA ALEGRE Depresión central Cluster 4: Economía tradicional del Secano 7104 EMPEDRADO Cordillera Costera
7103 CUREPTO Secano interior
7406 SAN JAVIER Secano interior – Depresión central
7302 HUALAÑÉ Secano interior
Cluster 5: Economía tradicional de la costa 7309 VICHUQUÉN Costa – Cordillera Costera 7203 PELLUHUE Costa – Cordillera Costera 7303 LICANTÉN Costa – Cordillera Costera 7202 CHANCO Costa – Cordillera Costera
Cluster 6: Economía rural-agrícola
7306 ROMERAL Depresión central – Precordillera Andina – Cordillera Andina 7109 SAN CLEMENTE Depresión central – Precordillera Andina – Cordillera Andina 7402 COLBÚN Depresión central – Precordillera Andina – Cordillera Andina
7105 MAULE Depresión central
7403 LONGAVÍ Depresión central – Precordillera Andina – Cordillera Andina 7307 SAGRADA FAMILIA Depresión central – Secano interior
7305 RAUCO Depresión central – Secano interior Fuente: ns. elaboración
3.2.3 Indicadores para la descripción de los cluster de las