PALABRAS CLAVE
KEY WORDS
Regiones socioeconómicas, análisis espacial, variables socioeconómicas
Socioeconomic regions, spatial analysis, socioeconomic variables
RESUMEN
ABSTRACT
Con el objeto de regionalizar e identificar las variables que determinan la desigualdad socioeconómica, se aplicaron métodos de análisis espacial cuantitativo y análisis de correlación a 19 variables socioeconómicas obtenidas para cada una de las 36 localidades asentadas en la cuenca, lo que dio como resultado un modelo geográfico de regiones socioeconómicas en función a la correlación entre las variables. Concluyendo que las variables de población indígena, población de 18 a 24 años con acceso a la educación y la población económicamente activa son las que determinan la desigualdad socioeconómica entre las ocho regiones de la cuenca del río Mololoa.
In order to regionalize and identify the variables that determine socioeconomic inequality, spatial quantitative and correlation analysis methods were applied to 19 socioeconomic variables obtained for each of the 35 localities settled in the basin, which resulted in a geographic model of socioeconomic regions in function to the correlation amongst variables. Concluding that variables of indigenous population, population from 18 to 24 years old with access to education and economically active population are the ones that determine socioeconomic variables between the eight regions of the basin of River Mololoa.
Introducción
Introduction
La desigualdad, como diferencias apreciables y sistemáticas entre individuos y grupos sociales de una población (Fuenzalida, et al., 2009), atiende la forma de distribución de un bien valioso entre individuos u hogares con el objetivo de describir su grado de concentración (Tabaré, et al., 2010); la desigualdad se presenta como una construcción histórica: los niveles y tipos de desigualdad cambian de una sociedad a otra y a lo largo del tiempo, son fruto de procesos complejos y contradictorios (Reygadas, 2008), manifestándose en todos los órdenes de la vida nacional, como consecuencia de un enfoque histórico de las políticas públicas hacia la regionalización del desarrollo (Acosta, 2013).
Las desigualdades regionales de México en cuanto a niveles de desarrollo socioeconómicos han sido estudiadas principalmente tomando como unidades de análisis regional a las entidades federativas que forman la república, sin embargo la división política administrativa no permite una clara diferenciación regional, debido a que los criterios que le han ido conformando a través del tiempo han respondido casi siempre a decisiones poco vinculadas con las diferencias objetivas, ya sean geofísicas, culturales, económicas o de cualquier otra naturaleza que se dé en el país (Stern, 1994).
La creciente brecha social entre ricos y pobres se ha vuelto una vez más una problemática social importante (Braig y Göbel, 2015). Para el año 2012 América Latina presentaba un coeficiente de Gini promedio de 0.51, un nivel de desigualdad sustancialmente más alto que otras regiones del mundo, un 28.2 % de la población era pobre y la indigencia, o pobreza extrema, llegaba a un 11.3 %. Esto significaba que 164 millones de personas eran pobres, de las cuales 66 millones eran pobres extremos (Cepal, 2012). En los últimos 20 años, la economía mexicana ha presentado un estancamiento y se ha caracterizado por marcados desequilibrios regionales. La mayor parte de las zonas, algunas relativamente aisladas, presentan índices de desarrollo que reflejan la precaria situación de su economía, traducida no en «regiones pobres», sino en regiones de pobres, por lo que hay gran heterogeneidad en las condiciones sociales y económicas que presenta en la mayor parte de la entidad y no queda reflejada cuando se hacen estudios comparativos en que se toma como base la división del estado y sus territorios; para tener mejor conocimiento de las diferencias regionales conviene basarse en unidades analíticas más homogéneas (Stern, 1994).
La desigualdades son una expresión negativa del desarrollo, limitan el crecimiento equilibrado, incluyente y sostenido al tiempo que brindan oportunidades para algunos y se las niegan a otros, identificar la desigualdad es un paso previo y necesario a la planeación del desarrollo (De Haro et al., 2015).
Si bien la desigualdad ha sido estudiada y discutida ampliamente desde puntos de vista tanto económicos como sociológicos (Atkinson, 1970; Sen, 1992; Kanbur y Venables, 2005), la discusión teórico-metodológica de la espacialidad y la distribución de la desigualdad en unidades espaciales ha sido menos explorada (Suarez et al., 2012).
Para el análisis de la regionalización, la primera de las dificultades se presenta desde la definición del mismo término de “región”, por ser éste un concepto multivalente y, por ende, cargado de flexibilidad conceptual (Morales, 2007). El termino región proviene del latín “regio” que significa dirigir, quitar o trazar límites de donde surge su aplicación en el sentido de indicar límites y fronteras (Ortega, 2000), de esta manera la región esta relaciona a conceptos como frontera, límites, soberanía, apropiación, control y jurisdicción. Kayser (1967) define región como “Un espacio preciso pero no inmutable inscrito en un marco natural dado y que responde a tres características esenciales: los vínculos existentes entre sus habitantes, su organización en torno a un centro dotado de cierta autonomía y su integración funcional en una economía global” (Gasca, 2009).
La imprecisión metodológica ha llevado, en muchas ocasiones, a que las regiones terminen acoplándose a aquello que más conviene al investigador, de acuerdo con lo que éste se encuentra estudiando (Van Young, 1991); sin embargo, más allá de los desacuerdos metodológicos, lo que interesa en el análisis social son los procesos (económicos, políticos y sociales) que suceden en un espacio y no éste último como prioridad investigativa. Si bien sería válido asumir que las regiones son “comunidades imaginadas cuyas identidades se ven artificialmente construidas y promovidas para un conjunto específico de fines políticos sociales o culturales” (Hurrell, 1996 y Morales, 2007). La región de análisis es un recurso metodológico que a través de criterios de homogeneidad, funcionalidad y de análisis sistémico, permite dar cuenta de procesos de diferenciación, asociación espacial y relaciones funcionales entre diferentes elementos, a partir de ello, la regionalización puede ser entendida como un ejercicio de clasificación de componentes, fenómenos o un recurso para el análisis sistémico de relaciones espaciales, no existiendo límites ni criterios definitivos que determinen la frontera de lo que es o representa una región” (Gasca, 2009).
Bassols (1983), ha definido a la región socioeconómica como el producto de las relaciones interregionales y éstas, a su vez, son una dimensión de las relaciones sociales. Por lo que tomando en cuenta que las condiciones de vida determinan la situación de una población y que estas influyen directamente en ciertas características de la población tales como educación, vivienda, actividades productivas, demografía y aspectos sociales, es importante identificar las zonas o regiones que comparten condiciones similares en cuanto a factores de desarrollo económico (Romero, 1992).También es válido asumir que las regiones pueden ser “comunidades imaginadas cuyas identidades se ven artificialmente construidas y promovidas para un conjunto específico de fines políticos” (Hurrell, 1996); la regionalización como proceso es el que se encarga de articular estas regiones encaminadas hacia un objetivo determinado. Autores como Hettne (1997), Mittelman (1996) y Pipitone (1996) indican que una de las ventajas del análisis de la regionalización es su contribución en cuanto a la conformación de la estructura mundial.
La cuenca del río Mololoa es un sistema complejo de importancia debido a que en ella se asientan 36 localidades con una población de 404,442 habitantes, (INEGI, 2010), entre las que se encuentran particularmente Tepic (capital del estado) y Xalisco, como zona metropolitana (SEDESOL, 2005). Cuenta con una variedad de recursos naturales mantenidos por una dinámica de variabilidad climática (agua, temperatura y precipitación), que ha aprovechado la población para proveerse de bienes y servicios, (Nájera, et al., 2010), en esta región se localiza la mayor infraestructura y servicios (educación, salud, empleo y vivienda) donde además se localizan los poderes del Estado; sin embargo, la distribución y aprovechamiento de los recursos no es equitativo, lo que ha generado una desigualdad, no sólo en aspectos naturales, sino también humanos, económicos y culturales.
Un indicador de las desigualdades regionales lo constituye el Índice de Marginación, que expresa el proceso de exclusión de la población y la dificultad para propagar el progreso técnico (Moreno, 2006), donde particularmente para la cuenca del Río Mololoa se han determinado índices que van desde altos, para localidades de Salvador Allende, Cerro de los Tigres, Las Pilas, hasta índices muy bajos para localidades de Tepic, Camichín de Jauja, La Escondida, Las Delicias, San Cayetano, Bellavista y Pantanal; por otro lado se tienen comparaciones en los índices de desarrollo humano para los municipios que conforman la cuenca teniendo índices altos para los municipios de Tepic-Xalisco con valores hasta de 0,884 que en comparación con las otros municipios no se tienen los mismos niveles de desarrollo (Hernández et al., 2014), lo que hace notar los contrastes sociales, que se ven reflejados en una desigualdad socioeconómica, que va desde un menor o mayor acceso a los servicios básicos, hasta un menor o mayor potencial económico, existiendo una diferencia en la correlación entre la población, acceso a los servicios básicos, educación, vivienda y potencial económico, por lo anterior, se realizó la presente investigación con el objetivo de identificar cuáles son las variables que determinan la desigualdad socioeconómica entre las localidades, con base a estas diferencias construir un modelo de regionalización de la cuenca del río Mololoa.
Inequality, understood as noticeable and systematic differences between individuals and social groups in a population (Fuenzalida, et al., 2009), it addresses to the form of distribution of a valuable asset between individuals or homes in order to describe their concentration degree (Tabaré, et al., 2010); inequality is presented as a historic construction: levels and types of inequality change from one society to another and along time, they come from complex and contradictory processes (Reygadas, 2008), manifesting in all orders of national life, as consequence of a historic event in public politics towards regionalization of development (Acosta, 2013).
Regional inequalities in Mexico regarding socioeconomic development levels have been studied mainly taking as units of regional analysis to federal entities that form the republic; however, politic administrative division does not allow a clear regional differentiation due to criterion that have conformed it through time and have almost always responded to decisions not linked to objective differences, whether geophysical, cultural, economic or any other nature that occurs in this country (Stern, 1994).
The growing social divide between the rich and the poor has become an important social problem once again (Braig and Göbel, 2015). For 2012, Latin America presented an average Gini coefficient of 0.51, an inequality level substantially higher than in other regions of the world, a 28.2 % of the population was poor, and indigence or extreme poverty reached to 11.3 %. This means that 164 million people were poor, from which 66 million were in extreme poverty (Cepal, 2012). In the past 20 years Mexican economy has presented an impasse and has been characterized by marked regional imbalance. Most part of the zones, some relatively isolated, present development indexes that reflect the precarious situation in their economies, translated not in “poor regions” but in poor-people regions, so there is a great heterogeneity in the social and economic conditions that are present in most part of the entity and it is not reflected when comparative studies are performed, where the state and their territories division is taken as basis; in order to have better knowledge on the regional differences, it is convenient to base more homogeneous analytical units (Stern, 1994).
Inequalities represent a negative expression of development, limit including and sustained balanced growth, and at the same time they give opportunities for some and refused to others, identifying inequality is a previous and necessary step towards development planning (De Haro et al., 2015).
Even though inequality has been widely studied and argued from economic and sociological points of view (Atkinson, 1970; Sen, 1992; Kanbur and Venables, 2005), the theoretical-methodological discussion of spatiality and distribution of inequality in spatial unit has been less explored (Suarez et al., 2012).
To perform the analysis of regionalization, the first difficulty is shown in the definition of the term “region” itself, since it is a multiple concept and therefore, it presents wide conceptual flexibility (Morales, 2007). The term region comes from the Latin “regio” that means direct, remove or trace boundaries, where its application in the sense of indicating limits and boundaries comes from (Ortega, 2000), hence, the region is related to concepts such as boundary, limits, sovereignty, appropriation, control and jurisdiction. Kayser (1967) defines region as “a precise non-mutable space inscribed in a given natural frame that responds to three essential characteristics: existing linkage amongst its inhabitants, its organization regarding a core with certain autonomy and its functional integration to a global economy” (Gasca, 2009).
Methodological imprecision has taken regions to end up settling to what is better for the investigator, in many occasions, in accordance to what is being studied (Van Young, 1991); however, beyond methodological disagreements, what interests in the social analysis are the processes (economic, political and social) that take place in a space and not the latter as a research priority. Even it would be valid to assume that regions are “imagined communities which identities are artificially built and promoted for a specific group of social or cultural political aims” (Hurrel, 1996 and Morales, 2007). The region of analysis is a methodological resource that through criterion of homogeneity, functionality and systemic analysis, it allows to realize differentiation processes, spatial association and functional relations amongst different elements, from there, regionalization can be understood as an exercise of classification of components, phenomena or a resource for the analysis of spatial relations, not existing limits or definite criteria that determine the boundary of what a region is or represents” (Gazca, 2009).
Bassols (1983), has defined the socioeconomic region as the product of interregional relations and these are a dimension of social relations. Therefore, taking into account that life conditions determine the situation of a population and these directly influence in certain characteristics of the population such as education, housing, productive activities, demography and social aspects, it is important to identify the zones or regions that share similar conditions regarding economic development factors (Romero, 1992). It is valid to assume that regions can be “imagine communities which identity is artificially build and promoted for a specific group of political aims” (Hurrell, 1996); regionalization as a process is in charge of articulating these regions pointed towards a determined objective. Authors as Hettne (1997), Mittelman (1996) and Pipitone (1996) indicate that one of the advantages of the analysis of regionalization is its contribution towards the conformation of worldwide structure.
The basin of the River Mololoa is a complex system of great importance since 36 localities with a population of 404,442 inhabitants (INEGI, 2010) are settled there; amongst which there is Tepic (capital of the State) and Xalisco, as metropolitan zone (SEDESOL, 2005). It has a variety of natural resources maintained by a dynamic of climate variability (water, temperature and precipitation) that the population has exploited to provide themselves of goods and services (education, health, employment and housing) where the three branches of the State are located; however, the distribution and exploitation of resources is not equal, which has generated inequality, not only in natural aspects, but in human, economic and cultural.
An indicator on the regional inequalities is constituted by the Index of Margination, which expresses the process of exclusion of the population and the difficulty to spread technical progress (Moreno, 2006), where, particularly for the basin of the River Mololoa indexes have been determined, that range from high for localities as Salvador Allende, Cerro de los Tigres, Las Pilas, to really low indexes for Tepic, Camichín de Jauja, La Escondida, Las Delicias, San Cayetano, Bellavista and Pantanal; on the other hand, there are comparisons in the human development indexes for the municipalities of Tepic-Xalisco with values up to 0,884 which in comparison to the other municipalities do not have the same development levels (Hernández, et al., 2014), which notices social contrast that are reflected in a socioeconomic inequality, that ranges from a minor or major access to basic services, to a minor or major economic potential, existing a difference in the correlation between population, access to basic services, education, housing and economic potential; therefore, this investigation was performed with the aim to identify what the variables that determine socioeconomic inequalities amongst localities, and based on these differences, to construct a model of regionalization of the basin of the River Mololoa.
Materiales y Métodos
Material and Methods
La cuenca del Rio Mololoa se localiza, según el Instituto Nacional de Estadística y Geografía (INEGI, 2010), en la parte central del estado de Nayarit (Figura 1), entre las coordenadas geográficas 21° 43’ 26” Latitud Norte, 104° 56’ 46” Longitud Oeste y 21° 16’ 12” Latitud Norte, 104° 43’ 06” Longitud Oeste, cuenta con una superficie de 56,937 ha, está delimitada por 5 elevaciones de origen volcánico: volcán San Juan, Coatepec, Tepetiltic, Sangangüey y Caldera de Tepic que en su conjunto forman en el centro el Valle de Matatipac, donde se asienta la población aproximada de 409, 944 habitantes, incluyendo la población de la capital del estado, Tepic.
El hecho de considerar el análisis de variables corresponde al intento de determinar la manera en que los valores medidos en las unidades espaciales varían conjuntamente y así determinar una situación de causa y efecto, es decir; de qué forma varia una variable cuando se modifica la otra. A partir de esta variación conjunta se podrá afirmar que una correlación es perfecta en sentido positivo cuando los valores de una varían exactamente en la misma proporción que los valores de la otra, o que es perfecta en un sentido negativo cuando los valores varían en una proporción similar, pero de forma inversa. Los valores positivos indican que las relaciones entre las localidades son proporcionales de manera positiva y los valores negativos significan que la relación es inversamente proporcional, o sea que si el conjunto de valores de las variables en una localidad aumentan, en una proporcionalidad inversa (correlación negativa) los valores de las otras localidades tenderán a reducirse, estableciendo con esto una comparación negativa.
El procedimiento de análisis de encadenamiento ha sido presentado como una solución eficaz y con sustento técnico-científico para resolver los problemas relacionados con la agrupación de unidades espaciales y obtener regiones, a partir de la Matriz de Correlación de Unidades Espaciales; considerando el planteamiento de restricción de contigüidad propuesto por Buzai (2003), al considerar únicamente los valores de correlación entre unidades espaciales limítrofes, lo cual conlleva a la formación de regiones contiguas, condición requerida para la planeación y focalización de intervenciones como base para la planeación ambiental.
Para establecer el modelo de regionalización socioeconómica de la cuenca del río Mololoa se aplicó la metodología de análisis espacial cuantitativo con fundamento en los conceptos de correlación de variables a través del coeficiente “r” de Pearson aplicado al análisis de unidades espaciales, y el procedimiento de análisis de encadenamiento aplicada en estudios socioespaciales orientadas a la regionalización en ámbitos urbanos, como una adaptación a la metodología utilizada por Buzai (2003) y Jimenez (2009).
Considerando que las condiciones de vida determinan la situación de una población y que estas influyen directamente en las desigualdades como educación, vivienda, actividades productivas, demografía y aspectos sociales (Bassols, 1983), se eligieron 19 variables medidas para cada localidad asentada dentro de la cuenca del río mololoa que reflejaron las características de las condiciones de vida de los habitantes en función de la población urbana, indígena, nivel de educación, viviendas, acceso a servicios básicos y fuerzas económicas, toda vez que tratándose de regiones socioeconómicas estas variables son consideradas como válidas para llevar a cabo regionalizaciones a nivel macro (nacional) y microrregiones (a nivel estatal, municipal y ejidal), (Kunz, 1986 y Bassols, 1983),
Las variables utilizadas fueron tomadas del censo general de población y vivienda, (INEGI, 2010), (Tabla 1), para cada una de las localidades, estas últimas se superpusieron geográficamente en un mapa, tipo shape, de delimitación ejidal de la cuenca del río Mololoa para obtener las localidades asentadas en cada ejido, lo anterior utilizando la delimitación ejidal del Registro Agrario Nacional (RAN, 2010), como base para el análisis espacial.
Partiendo de la delimitación ejidal como unidades espaciales se conformó una matriz de datos originales (MDO), sobre la cual se inició el análisis de correlación de variables.
Cuando se tienen datos medidos para diferentes temas en las unidades espaciales incluidas en el área de estudio surge la necesidad de poder compararlos y así comenzar a conocer las propiedades fundamentales que caracterizan las diferentes variaciones de los valores que presenta cada variable. Reducir una importante cantidad de datos a pocas características que los sinteticen no solamente permite su más fácil comparación sino principalmente su interpretación. En este caso la estadística descriptiva brinda elementos para llevar a cabo estos procedimientos; se pueden obtener medidas de posición (media) que resuman el grupo de valores a un resultado en el centro de la distribución y medidas de dispersión (varianza) que sinteticen la amplitud de los datos respecto de los valores centrales.
Para el análisis de los datos se realizó una estandarización de variables, a efecto de llevar los valores a una misma unidad de medida y con ello hacerlos perfectamente comparables, para este proceso se utilizó el puntaje ”z” o puntaje estándar, calculado a partir del promedio y la desviación estándar para cada una de las mediciones individuales a partir de la siguiente ecuación:
Se aplicó el coeficiente “r” de Pearson que desde el punto de vista de correlación de variables mide la intensidad de la variación conjunta de los valores calculados en cada una de las unidades espaciales:
El cálculo del coeficiente de correlación “r” se obtuvo directamente a partir de las variables estandarizadas multiplicando cada par de puntajes estándar, obteniendo la sumatoria y dividiendo este resultado por la cantidad de unidades espaciales (n).
Si bien el valor de “r” indica la intensidad de la relación, la medición de la variación conjunta entre dos variables no significa que se establezca entre ellas una relación causa-efecto, sino que esta determinación surgirá del análisis conceptual. El resultado de la correlación se ubicará entre estos puntajes: un valor máximo de r=1 (máxima positiva), r=-1 (máxima negativa) y r=0 (sin correlación). Entre estos valores variarán los resultados obtenidos de acuerdo a su intensidad. Partiendo de la base anterior se llevó a cabo la correlación de las variables seleccionadas a través de la herramienta de análisis de datos utilizando el sistema Excel, con lo que se obtuvo la Matriz de Correlación de Unidades Espaciales (MCUE).
Para resolver los problemas relacionados con la agrupación de unidades espaciales y obtener regiones se utilizó el procedimiento de análisis de encadenamiento a partir de la Matriz de Correlación de Unidades Espaciales considerando únicamente los valores de correlación entre unidades espaciales limítrofes lo que conlleva a la formación de regiones contiguas, condición requerida para la planeación y focalización de intervenciones de planeación ambiental.
El método de análisis de encadenamiento se aplicó a la MCUE, en este caso se desestiman los valores de r=1 ya que en este punto se están correlacionando los mismos ejidos lo que no es objeto del análisis, para el análisis de encadenamiento se encuentran los máximos coeficientes de correlación en cada columna de la matriz y se realiza un listado de correlación máxima, a partir de la cual es posible encontrar los pares recíprocos en los cuales, las máximas correlaciones se producen de forma bi-direccional. Los pares restantes se denominan pares residuales que son conformados dentro de los pares recíprocos de acuerdo a su afinidad, dando lugar a la conformación de las regiones.
Posteriormente se aplicó el procedimiento de análisis de encadenamiento propuesto originalmente por McQuitty (1957) y presentado por Racine y Raymond (1973) con gran utilidad desde el punto de vista geográfico, y más recientemente por Buzai, (2003) en aplicaciones socioespaciales orientadas a la regionalización en ámbitos urbanos.
Los procedimientos metodológicos se aplican a la matriz de correlaciones de variables(MCV); no obstante, en el ámbito geográfico debe ser aplicado con fines de regionalización a la matriz de correlación de unidades espaciales (MCUE). Cuando el procedimiento se realiza en la MCV se definen grupos de variables y al aplicar nuevamente el procedimiento agrupando grupos se pueden obtener grandes grupos de variables, mientras que cuando se trabaja con la MCUE el primer procedimiento obtiene áreas y el agrupamiento de áreas puede brindar zonas, de mayor extensión superficial y menor cantidad.
Algunas restricciones adoptadas en la realización del análisis de encadenamiento son el agrupamiento de altos valores “r” negativos con los positivos, esto significa que los coeficientes de las matrices de correlaciones se consi deran en valores absolutos, o determinan diferentes niveles de significatividad para las correlaciones y trabajan únicamente utilizando esos valores.
El procedimiento utilizado contempla los siguientes pasos:
Determinar si el objetivo de la aplicación es agrupar variables o unidades espaciales; en el primer caso se usa la matriz de correlación de variables MCV, en el segundo la matriz de correlación de unidades espaciales MCUE; Realizar un listado con la máxima correlación limítrofe para cada unidad espacial, Realizar un listado en el cual se contemple la identificación de cada unidad espacial y los vínculos limítrofes a través del coeficiente de correlación r;
Determinar los pares recíprocos, esto es, las relaciones entre unidades espaciales en las cuales las máximas correlaciones se producen de forma bi-direccional; Determinar el centroide geométrico de cada unidad espacial y unirlos en base a la contigüidad de las unidades del área de estudio; Unir los pares recíprocos y luego unir a ellos los centroides geométricos residuales; y, Superponer los resultados obtenidos al mapa del área a fin de delimitar las áreas contiguas en el mapa y obtener la regionalización.
The basin of the River Mololoa is located, according to the National Institute of Statistic and Geography (INEGI, 2010), in the central part of the State of Nayarit (Figure I), in the geographic coordinates 21° 43’ 26” North Latitude, 104° 56’ 46” East Longitude and 21° 16’ 12” North Latitude, 104° 43’ 06” West Longitude, it has a total surface of 56,937 ha; it is delimited by 5 volcanic elevations: San Juan volcano, Coatepec, Tepetiltic, Sangangüey and Caldera of Tepic, which altogether from the center of the Valle de Matatipac, where the approximate settled population is 409,944 inhabitants, including the population of the State capital, Tepic.
The fact of considering the analysis of variables corresponds to the attempt of determining the way in which measured values in the spatial units vary altogether, and so determine a situation of cause and effect, meaning, in which way a variable varies when the other is modified. From this variation, it will be possible to affirm that a correlation is perfect in positive sense when values vary exactly in the same proportion than the values of the other, or that it is perfect in a negative sense, when values vary in a similar proportion, but inversely. Positive values indicate that relations amongst localities are proportional positively and negative values mean that relation is inversely proportional, meaning that is the group of values of variables in a locality increase, in an inverse proportionality (negative correlation), values from other localities tend to reduce, establishing with this a negative comparison.
The procedure of linkage analysis has been presented as an efficient solution with technical-scientific background to resolve problems related with the aggrupation of spatial units and obtaining regions, from the Matrix of Correlation of Spatial Units; considering the statement of restriction of contiguity proposed by Buzai (2003), by only considering the values of correlation between bordering spatial units, which carries to the formation of contiguous regions, required condition for the planning and focalization of interventions as base for the environmental planning.
To establish the model of socioeconomic regionalization of the basin of the River Mololoa, the methodology of spatial quantitative analysis was applied, founded in the concepts of correlation of variables through the coefficient “r” of Pearson, applied to the analysis of spatial units, and the procedure of linkage analysis applied in socio-spatial studies oriented to regionalization in urban areas, as an adaptation to the methodology used by Buzai (2003) and Jimenez (2009).
Considering that life conditions determine the situation of a population and these influence directly in the inequalities such as education, housing, productive activities, demography and social aspects (Bassols, 1983), 19 customized variables for each locality settled within of the River Mololoa were chosen, which reflected the characteristics of life conditions of the inhabitants in function of the urban and indigenous population, education level, housing, access to basic services and economic forces, since these socioeconomic regional with these variables are considered as valid to carry regionalization at a macro level (national) and microregions (at state, municipal and ejido levels) (Kunz, 1986 and Bassols, 1983).
Used variables were taken from the general census of population and housing (INEGI, 2010) (see chart 1), for each of the localities, the latter were geographically superimposed in a map type shape, of ejidal delimitation of the basin of the River Mololoa to obtain the localities settled in each ejido, the latter using the ejido delimitation of the Agrarian National Registry (RAN, 2010) as basis for the spatial analysis.
From the ejido delimitation as spatial units, a matrix of original data (MOD) was conformed, on which the analysis of correlation of variables was started.
When there are data measured by different topics in spatial units included in the study are, the need to compare them comes and so knowing the fundamental properties that characterize the different variations of the values that each variable presents. Reducing an important amount of fata with few characteristics that synthetize them not only allow its easier comparison, but also its interpretation. In this case, descriptive statistic gives elements to carry these procedures. Measurements of position (average) that summarize the group of values to a result in the center of the distribution can be obtained, and also dispersion measurements (variance) that synthetize the amplitude of data in regard of the central values.
A standardization of variables was performed for the data analysis, in order to take values of a same unit of measurement and therefore making them perfectly comparable, for this process “z” score o standard score was used, calculated form the average and standard deviation for each of the individual measurements from the next equation:
The “r” coefficient of Pearson was applied, which measures intensity of the total variation of the calculated values in each of the spatial units from a variable correlation point of view:
The calculus of the coefficient of correlation “r” was obtained directly from the standardized variables by multiplying each pair of standard scores, obtaining the sum and dividing this result between the amount of spatial units (n).
While the value of “r” indicates the intensity of the relation, the measurement of the total variation between these two variables does not mean that there is a cause-effect relation among them, but that this determination will arise from the conceptual analysis. The result of the correlation will be located among these scores: a maximum value of r=1 (maximum positive), r=-1 (maximum negative) and r=0 (with no correlation). Between these values obtained results will vary in accordance to their intensity. From the latter, the correlation of selected variables from the tool of data analysis using Excel was carried out, obtaining the Correlation Matrix of Spatial Units (CMSU).
In order to solve problems related with the grouping of spatial units and obtaining regions the procedure of linkage analysis from the Correlation Matrix of Spatial Units, considering only the correlation values between bordering spatial units which carries to the formation of adjacent regions, required condition for the planning and focalization of environmental planning interventions.
The method of linkage analysis was applied to the CMSU, in this case, values of r=1 are dismissed since at this point the same ejidos are being correlated, which is not object of analysis; for the linkage analysis, the maximum coefficients of correlation are found in each column of the matrix and a list of maximum correlation is performed, from where is possible to find reciprocal pairs in which the maximum correlations are produced bi-directionally. The remaining pairs are called residual pairs, which are formed within reciprocal pairs in accordance to their affinity, generating the conformation of regions.
After, the linkage analysis procedure originally proposed by McQuitty (1957) and presented by Racine and Raymond (1973) was applied with great utility from the geographic point of view, and more recently by Buzai (2003) in socio-spatial applications oriented to the regionalization in urban areas.
Methodological procedures are applied to the correlation of variables matrix (CVM); nevertheless, in the geographic area it must be applied to regionalize to the CMSU. When the procedure is performed in the CVM, groups of variables are defined and by applying the procedure again grouping groups, great groups of variables can be obtained, while working with the CMSU, the first procedure obtains areas and the grouping of areas can give zones, of further superficial extension and lower quantity.
Some restrictions adopted in the realization of the linkage analysis are the grouping of high negative “r” values with the positive, meaning that the coefficients of matrices of correlations are considered in absolute values, or determine the different significance values for the correlations and work only using those values.
The procedure used considers the following steps:
Determining if the aim of the application is grouping variables or spatial units; in the first case, the correlation of variables matrix (CVM) is used, in the second, the correlation matrix of spatial units CMSU; Performing a list with the maximum bordering correlation for each spatial unit; Performing a list where the identification of each spatial unit and the bordering linkages through the correlation coefficient r is considered; Determining the reciprocal pairs, meaning, the relations between spatial units where the maximum correlations are produced bi-directionally; Determining the geometrical centroid in each spatial unit and joining them based in the contiguity of the area units of study; Joining reciprocal pairs and the joining them to the geometrical residual centroids; and, Overlap the obtained results to the area map in order to delimit the adjoin areas in the map and obtain the regionalization.