Ir al contenido principal

Conceptos de los índices espaciales

Como ya se ha anticipado, un índice espacial podría ser introducido como una medida relativa en la que la situación adoptada como referencia es la correspondiente a cierto ámbito territorial.

Desde este punto de vista, en el caso más simple podría admitirse como válida la aproximación genérica efectuada para índices temporales, con sólo sustituir la dimensión temporal por la espacial. Así, dada una magnitud X, cuyo valor analizamos en distintas zonas j = 1,..., h, el índice simple de la zona h respecto al área de referencia r vendría dado por la expresión Ihr = Xh/Xr.

A pesar de que la traslación desde indicadores simples temporales a espaciales es aparentemente inmediata, surgen ciertos problemas conceptuales que no siempre tienen solución. Uno de los más frecuentes es el derivado de las definiciones que una misma variable tiene en distintos ámbitos espaciales (por ejemplo, el PIB en distintos países).

Por otra parte, el hecho de que la magnitud sea única no garantiza la homegeneidad de los valores que pretendemos comparar, ya que éstos podrían venir afectados por distintas unidades que es necesario unificar.

Supongamos que hemos sido designados para efectuar un análisis de la distribución territorial de la renta en nuestra comunidad autónoma, por lo cual decidimos llevar a cabo una primera aproximación adoptando un área r de referencia (cierto municipio con renta en torno a la media, por ejemplo) y calculando para cada unidad espacial considerada los índices con respecto a r.

Es evidente que la interpretación de estos indicadores no presenta diferencias sustanciales con la vista para índices temporales. Si, por ejemplo, el índice Ihr adopta el valor 1,15, podemos concluir que la zona h tiene una renta superior en un 15% al área de referencia.

Aunque la aproximación anterior podría resultar de interés en algunos casos puntuales, con frecuencia nos interesa analizar conjuntamente distintas variables estadísticas X1, X2, ..., Xn cuyos valores son observados en varias zonas 1,2,..., h. El análisis de este tipo de situaciones conduce al estudio de ciertos indicadores espaciales que no siguen el planteamiento general expuesto para los índices complejos (recuerda que los índices complejos resumían la variación global de una serie de magnitudes entre dos periodos de tiempo), sino que son desarrollados específicamente para esta problemática.

Son varias las ópticas alternativas que podemos adoptar en una aproximación estadística. La más inmediata sería, probablemente, cuantificar a través de un indicador sintético las disparidades existentes entre regiones en cuanto a distribución de una variable, estudio que resulta factible a través de medidas ya conocidas.

Otra posibilidad consistiría en medir los factores que influyen en la localización de una determinada actividad económica en una región, análisis que nos conducirá a los denominados estudios de localización. Si este enfoque se extiende hasta analizar las interacciones entre puntos o zonas de un mismo espacio económico aparecen los modelos gravitacionales.

Cualquiera de las tres posibilidades expuestas nos ayudaría en el análisis de la renta que nos ha sido encomendado. Si optamos por la elaboración de indicadores sintéticos nos encontraremos con medidas de homogeneidad o desigualdad intermunicipal, mientras que la segunda alternativa podrá medir la capacidad que tienen algunos municipios para atraer la localización de industrias.


Comentarios

Entradas populares de este blog

Ojivas

Recibe el nombre de ojiva un gráfico que, mediante el trazado de una línea, muestra las frecuencias acumuladas de la serie. Si representa frecuencias absolutas acumuladas se llama simplemente ojiva, y si representa los porcentajes de las frecuencias relativas acumuladas se llama ojiva porcentual. Para representar una ojiva, se marcan en el eje de abscisas los valores de la variable y en el eje de ordenadas las frecuencias acumuladas. Se utiliza para representar series atemporales de frecuencia. Ejemplo Vamos a representar una ojiva de la serie correspondiente a los complementos salariales (dietas, desplazamientos...) expresados en euros de los 130 empleados y empleadas de una empresa, que aparecen reflejados en la siguiente tabla. Complementos N.º de empleados [50-60) 16 [60-70) 20 [70-80) 32 [80-90) 28 [90-100) 20 [100-110) 10 [110-120) 4 130

Polígonos de frecuencias

Un polígono de frecuencias es un gráfico que se obtiene a partir de un histograma, uniendo los puntos medios de los techos, o bases superiores, de los rectángulos. Se acostumbra a prolongar el polígono hasta puntos de frecuencia cero. Un polígono de frecuencia permite ver con gran claridad las variaciones de la frecuencia de una clase a otra. Son muy útiles cuando se pretende comparar dos o más distribuciones, ya que, así como es difícil representar dos o más histogramas en un mismo gráfico, resulta muy sencillo hacerlo con dos o más polígonos de frecuencias. La suma de las áreas de los rectángulos de un histograma de amplitud constante, es igual al área limitada por el polígono de frecuencias y el eje X. Ejemplo Vamos a construir a partir del histograma explicado en la entrada anterior , su correspondiente polígono de frecuencias. Ejemplo de polígono de frecuencias Interpretación de un polígono de frecuencias El polígono de frecuencias resume, en una sola lín

Ejemplo de tabla de frecuencia para una variable cuantitativa continua

Cuando el estudio se refiere a una variable cuantitativa continua, como el peso, la talla, velocidad, etc., o cuando tratándose de una variable cuantitativa discreta, el número de observaciones es muy grande y la cantidad de valores diferentes que toma la variable también, se recurre a agrupar los datos en intervalos. Cada uno de estos intervalos recibe el nombre de clase. Por ejemplo: En un estudio realizado sobre la estatura de cuarenta alumnos de un curso (variable cuantitativa continua, puesto que entre dos estaturas distintas puede haber un alumno que tenga una estatura intermedia), se han obtenido los siguientes resultados en metros: 1,55 1,66 1,69 1,63 1,64  1,67 1,63 1,56 1,62 1,68 1,68 1,62 1,66 1,62 1,69  1,56 1,57 1,60 1,65 1,64 1,67 1,69 1,63 1,64 1,60  1,62 1,63 1,71 1,62 1,72 1,61 1,61 1,64 1,60 1,70  1,76 1,65 1,65 1,68 1,66 Para su estudio, se procede a la agrupación de los datos en intervalos o clases. Primero se observa cuáles son los valores