Ir al contenido principal

La desigualdad espacial y su medida

Los desequilibrios regionales concebidos como diferencias entre los valores que una magnitud adopta en las distintas unidades espaciales podrían ser cuantificados de distintos modos.

Una primer posibilidad viene dada por las medidas de dispersión, que cuantifican hasta qué punto la situación de las regiones puede ser considerada homogénea.

Si adoptamos como punto de partida la varianza, medida habitual de la dispersión, es posible observar que su expresión proporciona interpretaciones erróneas al cuantificar la homogeneidad entre regiones. En concreto, esta medida no permitiría distinguir entre estructuras espaciales homogéneas o polarizadas, ya que un mismo valor de S2 puede ser obtenido como resultado de desviaciones moderadas o a partir de desviaciones pequeñas salvo una relativamente grande.

Como consecuencia de su propia interpretación, resulta imprescindible que los indicadores de desigualdad espacial sean descomponibles. Este requisito viene a reflejar únicamente el hecho de que parte de los desequilibrios son internos a cada una de las áreas consideradas, mientras que, por otra parte, existen desigualdades en otras áreas que también deben ser tenidas en cuenta.

La propiedad de descomponibilidad, que es satisfecha por la varianza, conduce a la familia de medidas de desigualdad aditivamente descomponibles que (como ya se ha explicado en el tema de los números índices) nos proporciona un marco de referencia adecuado para la cuantificación de los desequilibrios económicos.

Si adoptamos como referencia espacial el valor medio de x de la magnitud estudiada, que podría coincidir o no con el correspondiente a alguna de las regiones consideradas, es posible asignar a cada una de las unidades espaciales el índice de desigualdad individual dado por la expresión dj = (x/xj) - 1, de modo que su síntesis en las distintas áreas consideradas permiten aproximar el nivel de desigualdad espacial existente.

El valor de d asociado a cada región indica su situación relativa respecto al conjunto mientras la síntesis de todas estas posiciones relativas, obtenida como D = ∑(x/xj) -1)fj, representa el nivel de desequilibrio global.

Ejemplo

A modo de ejemplo, vamos a examinar el caso concreto de la distribución del PIB en España. Los datos son inventados (es un ejemplo).

Si adoptamos como unidades espaciales las comunidades autónomas que integran el conjunto nacional, sería posible cuantificar para cada de ellas su posición relativa en el conjunto, dada por la expresión dc = x/xc - 1, y la síntesis de todas ellas, D, la desigualdad global en España. 

Comunidad
Autónoma
PIB
(en millones de euros)
Desigualdad
Individual
Andalucía 5000 -0,57
Aragón 1200 0,78
Asturias 1000 1,14
Baleares 900 1,37
Canarias 1300 0,64
Cantabria 450 3,75
Castilla-León 2230 -0,04
Castilla-La Mancha 1350 0,58
Cataluña 6600 -0,68
Comunidad Valenciana 3600 -0,41
Extremadura 675 2,17
Galicia 2100 0,02
Madrid 5500 -0,61
Murcia 1000 1,14
Navarra 610 2,50
País Vasco 2500 -0,15
La Rioja 315 5,78

Desigualdad Colectiva 1,02782

En este ejemplo hemos calculado exclusivamente desigualdades espaciales, estudiando sólo hasta que punto las distintas comunidades autónomas difieren en su PIB. Igualmente, sería posible plantear estudios similares adoptando algún criterio de ponderación (población, extensión...) los cuales conducirían a diferentes interpretaciones.

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