CAPITULO II, METODOLOGIA UTILIZADA EN EL ANALISIS ESPACIAL 2.1. Conceptos ‘A continuacién presentaremos la metodologia utilizada en este trabajo para analizar la distribuci6n espacial de las remesas, a través de la utilizacién de sistemas de informacién geografica (SIG), los cuales consisten en una integracién de datos estadisticos geogréficamente referenciados. En este estudio, estos sistemas de informacién serin procesados mediante de técnicas estadisticas espaciales. La metodolog(a utilizada en el andlisis espacial propuesto en este trabajo consiste en la evaluacién de la aglomeracién de las unidades geogréficas de observacién” en torno a los valores exhibidos por un atributo de interés, entendido éste como una variable que describe caracteristicas especificas de estas unidades. Para tal efecto analizaremos datos estadisticos obtenidos de fuentes oficiales de informacién y algunos construidos ex profeso para la realizacin de este trabajo. Segtin Haining (2001), anélisis espacial representa una coleccién de técnicas y modelos que explicitamente usan referencias espaciales asociadas con cada valor de una variable que esta especificado dentro del sistema que se esté estudiando, El anélisis espacial consta de tres elementos principales: el modelo cartogréfico, donde cada base de datos esté representada como un mapa; los modelos ‘matemadticos, donde los resultados dependen de la forma de interacci6n espacial entre los objetos en el modelo, 0 de relaciones espaciales, 0 bien de la posicién geogréfica de los objetos dentro del modelo; y el desarrollo y la aplicacion de técnicas estadisticas para el adecuado andlisis de los datos espaciales y el cual, como consecuencia, hace uso de la referencia espacial de los datos (Haining, 2001). Los métodos estadisticos tradicionales no involucran coordenadas geogréficas ni distancias fisicas y asumen que no hay interaccién entre las unidades de observacién, es decir, que los valores de los atributos son independientes entre sf. Cuando se realiza inferencia estadistica se asume que hay aleatoriedad en el comportamiento de los valores de los atributos, comtinmente dicha aleatoriedad se asocia a una distribuci6n estadistica que da origen a los datos (una distribucién normal, una poisson, etc). ® En el andlisis espacial, una unidad geogrifica de observacidn refiere al espacio geogréfico donde una variable ‘muestra caracteristcas valores en funcién de una escala geogritica definida, kimese ésta pais, estado, regién ‘municipio, localidad, ete 25Aqui cabe entonces, formular la siguiente pregunta: {Qué supone el andlisis estadistico tradicional para estudiar unidades geogréficas? El andlisis estadistico tradicional utilizado para analizar variables asociadas a un espacio geogréfico, se caracteriza por construirse sobre supuestos en los que no hay autocorrelacién entre las unidades de observacién, Por el contrario, el método estadistico propuesto para efectuar nuestro andlisis espacial en torno a la recepcién de remesas, considera la dependencia espacial entre las unidades de observacién. De este modo las caracteristicas geogrificas asociadas a las remesas y su distribucién regional (y que comentamos en el capitulo anterior) pueden ser analizados a través de técnicas que consideren la dependencia espacial y la autocorrelacién espacial. La dependencia espacial significa que los valores de una misma variable que son medidos en localidades que son cercanas entre sf tienden a ser similares, es decir, a mayor cercanfa geogréfica corresponde una mayor similitud en los valores, dicho en otras palabras, la dependencia espacial se produce cuando el valor de la variable dependiente en una unidad espacial, es parcialmente funcién del valor de la misma variable en unidades vecinas. La dependencia espacial hace diferente a la estadistica espacial de la tradicional debido a que considera la distancia y la contigiiidad existentes entre unidades de observacién. Este trabajo utiliza técnicas estadisticas que han sido desarrolladas para determinar los grados de asociacién espacial existentes entre nuestras unidades de observaci6n, aportando elementos importantes para estudiar la posible influencia y la dependencia espacial entre estas unidades. En el caso concreto del presente trabajo, el concepto de dependencia espacial lo utilizamos como una forma de explicar los componentes regionales de las remesas en México planteados en el primer capitulo. 2.2, Autocorrelacién espacial La autocorrelacién espacial es utilizada en la medici6n de la asociaci6n lineal entre dos variables aleatorias."” y puede definirse como la influencia de la coincidencia de valores similares de una variable en espacios geogrificos cercanos, es decir, cuando una variable tiende a asumir valores * Una variable aleatoria es una funcién que asigna un valor numérico a cada suceso elemental del espacio muestral Es decir, una variable aleatoria es una variable cuyo valor numérico esta determinado por el resultado del experimento aleatorio, 26similares en unidades geogréficamente cercanas (Anselin, 2001). Es decir, una vez que se involucra la distancia, queremos saber qué tan semejante o diferente es el valor de la variable “consigo misma”, una vez que consideramos la variacién de los valores de estos atributos entre los diferentes puntos en el espacio. En sintesis, la autocorrelacién espacial refleja el grado en que objetos o actividades en una unidad geografica, son similares a otros objetos o actividades en unidades geogréficas préximas. La propiedad basica de los datos espacialmente autocorrelacionados es que los valores no son aleatorios en el espacio, es decir, los valores de los datos estan espacialmente relacionados entre sf (Lee y Wong, 2001). Conceptualmente, podemos hablar indistintamente de autocorrelacin y dependencia espacial, aunque puede distinguirse entre estos dos términos a partir de cémo se involucra una reflexién teérica.™! La autocorrelacién espacial puede presentarse con valores positivos 0 negativos; existe autocorrelacién positiva cuando valores similares de una variable aleatoria tienden a aglomerarse en el espacio, habiendo dependencia espacial entre ellos; por otra parte, la autocorrelacién negativa se presenta cuando las unidades geogréficas de observacién tienden a estar rodeadas de valores opuestos estadisticamente significativos. Las aglomeraciones resultantes son caracterizadas por la similitud de los valores de las unidades de observacién, clasificéndose en altas, con valores superiores a la media del conjunto de observaciones y bajas, con valores inferiores a esa misma media, Para distinguir las aglomeraciones que exhiben valores de nuestros atributos, superiores o inferiores a la media del total de las observaciones, utilizaremos métodos asociados al andlisis exploratorio espacial recientemente desarrollados (Anselin, 1992, 1995). EI andlisis exploratorio de datos espaciales (ESDA,”” por sus siglas en inglés) consiste en un conjunto de técnicas utilizadas para describir y visualizar distribuciones espaciales, detectar patrones de asociacién espacial y aglomeraciones en torno a un atributo, asf como sugerir regimenes espaciales u otras formas de heterogeneidad espacial (Haining, 1990; Anselin, 1995; Lee & Wong, 2001). Este tipo de anilisis de exploracién visual distingue dos tipos de autocorrelacién: la autocorrelacién global y la local; el primer tipo considera los valores de todas las observaciones, mientras el segundo considera la autocorelacién de los valores de las unidades de observacién y los de sus vecinos (Anselin, 1995). Paralelamente, incluye la * Dado la similitud existente entre los conceptos de autocorrelacién espacial y dependencia espacial, cabe sefalar aque se presentan de forma separada puesto que la existe una diferencia entre elas, la cual radica en que la primera se refiere simulténeamente a un fenémeno y técnica estadistica, y la segunda a una explicacién teérica (Vilalta, 2004) © Exploratory Spatial Data Analysis. a7identificaci6n de las propiedades de los datos y Ia formulacién de hipétesis a partir de estos mismos datos georeferenciados. Para identificar en nuestro trabajo a cada una de estas modalidades podemos caracterizar la forma en que la recepcién de remesas y la relacién entre remesas y PIB estén localizadas en México y al interior de sus regiones, asf como la forma en que estos patrones de localizaci6n han cambiado a través del tiempo. La autocorrelaci6n espacial puede ser medida en términos de su intensidad; una fuerte autocorrelacién espacial significa que los valores del atributo de las unidades de observacién geogrdfica adyacentes, estén intensamente relacionados. En el caso de que los valores de los atributos parezcan no tener una relacién clara, es decir, cuando no exhiben significancia estadistica, la distribucién presenta entonces una autocorrelacién débil, o bien refleja un patrén aleatorio (Lee y Wong, 2001). Este tipo de anélisis requiere de contar con una medida de asociacién lineal para medir grados de semejanza entre las observaciones en funcién de sus atributos. Para tal efecto en esta tesis utilizamos el indice de Moran, que es una medicién usada ampliamente desde la década de 1990, para evaluar autocorrelacién espacial en miiltiples investigaciones que incluyen variables econémicas, sociales y demogréficas, principalmente, 2.2.1. Medidas de autocorrelacién global: Indice de Moran EI indice de Moran expresa de manera formal el grado de asociacién lineal entre dos variables aleatorias independientes, representadas funcionalmente por el vector Z de los valores observados y el vector W, de las medias ponderadas espacialmente de los valores de las unidades de observacién vecinas, llamado el vector (lag) espacial. Este coeficiente esté fundamentado en un modelo de autocovarianza. La proximidad entre “i” y “j” (filas y columnas) se denota como dij , y son elementos de la matriz de distancia (W), El indice de Moran se expresa formalmente n Doe oe 022) be Donde n es el mimero de unidades geogréficas de observacién, wij son los elementos de una mediante la siguiente ecuaci6n: I Ecuacién (1) Ss matriz binaria de contigiiidad, s es la suma de todos los elementos de la matriz. W y iy’ zjson los 28valores estandarizados de la variable a analizar de la unidad geografica de observacién i y j. La doble sumatoria de i y j esté comparando a los valores con la media de toda la regiGn estudiada. Los valores del indice de Moran oscilan entre +1 y -1, donde el primer valor significa una autocorrelacién positiva perfecta (perfecta concentracién), y el segundo una autocorrelacién negativa perfecta (perfecta dispersién); el cero significa un patrén espacial completamente aleatorio. En el indice de Moran, la asociacién de valores en el conjunto de datos esté determinada por una matriz de distancias 0 contigiiidad, la cual predefine los valores vecinos para el célculo del coeficiente de autocorrelacin. Esta matriz, también Hamada de pesos espaciales, esta basada en los vecinos k-mds cercanos calculados desde la distancia radial entre los centroides regionales (Le Gallo, 2003). EI indice de Moran puede interpretarse como una medici6n estandarizada de la autocovarianza de una variable, una vez que se calcula una matriz de distancia. El indice de Moran tiene un valor esperado de no autocorrelacién que esta dado por la siguiente expresién: £ () = 7 , donde E (1) es el valor esperado; y n es el miimero de las observaciones. Para aceptar 0 rechazar la hipétesis nula de no autocorrelacién espacial, pueden utilizarse pruebas de inferencia estadistica basadas en supuestos de normalidad, o en distribuciones experimentales, como es el caso de la distribucién Monte Carlo, utilizada como método no deterministico para aproximar numéricamente expresiones mateméticas complejas y costosas de evaluar con exactitud. Este tipo de distribuci6n es el que serd utilizada en el anélisis exploratorio espacial de las remesas que ocupa a este trabajo. Las técnicas propuestas de andlisis espacial estén basadas en los criterios de contigiiidad y de distancia. Asf, la relacién de vecindad y de interaccién espacial entre las unidades de observacién, tiene que ser determinada antes de efectuar los célculos estadisticos. El criterio de contigiiidad (vecindad), es aplicado a partir de una matriz. de contigiiidad 0 pesos geogrificos de dimensiones nx n, la cual sera determinante en la evaluaci6n de la aglomeracién y/o dispersién de las unidades de observacién, en funci6n a la semejanza de los valores que presenta un atributo y asu ubicacién en el espacio. Asimismo, el criterio de distancia utilizado, considera la distancia entre los centroides de las unidades geogrdficas, entendidos como los centros geométricos de los polfgonos irregulares, asociados con cada unidad de observacién en el plano real sobre el terreno fisico, 29El indice de Moran es una estadistica global que considera los valores de todas las observaciones, el cual, si bien no permite evaluar la estructura local de la autocorrelacién espacial, muestra la existencia de aglomeraciones espaciales locales en torno a valores superiores © inferiores a la media de todas las observaciones, y especialmente cuales son las regiones que contribuyen més a la autocorrelacién espacial global. Las medidas originales de dependencia espacial desarrolladas por Moran (1948) y Geary, estaban basadas en las nociones de contigitidad binaria™ entre unidades espaciales, desde donde se genera una matriz cuyos elementos eran ceros y unos, queriendo reflejar con los unos que la unidad espacial a la que le correspondia aquella fila y la unidad espacial a a que le correspondfa la columna tenfan algin tramo de frontera en comiin, mientras que los elementos ceros significaban que no tenfan ningtin tramo de frontera en comiin, Esta definicisn de contigitidad naturalmente asume la existencia de un mapa, a partir del cual se pueda discernir la existencia 0 no de fronteras. Si las distintas unidades espaciales son irregulares, esta matriz se puede obtener de manera directa, sin embargo no diferencia aquellas unidades que tienen una frontera en comin muy amplia de las que apenas tienen un borde en comiin, La contigitidad simple solamente proporciona una representaci6n limitada, de hasta que punto la interaccién espacial puede expresarse en un modelo. De cualquier forma, la utilidad analitica que significa el uso de estos constructos metodolégicos, ofrece ventajas considerables para efectuar andlisis espaciales, respecto a los métodos estadisticos tradicionales. En general, los datos geogréficos se presentan en un mapa continuo, como en el siguiente ejemplo simple de tan s6lo nueve localizaciones proximas: alb]c ® “BI concepto de contigiidad binaria, fue extendido por Cliff y Ord (1973, 1981) para incluir una medida general de la interaccién potencial entre dos unidades espaciales. La sugerencia inicial de Cliff y Ord consiste en la utilizacién de una combinacién de medidas de distancia (inversa de la distancia, una funcién exponencial negativa de la distancia) y 1a longitud relativa de la frontera que tienen en comiin dos unidades espaciales en relacién a la Tongitud de frontera que tiene una unidad espacial con el resto de unidades de su alrededor. Los elementos resultantes serin por tanto asimétricos, a menos que ambas unidades espaciales tengan la misma longitud de frontera” (Gémez de Antonio, 1999).La contigitidad respecto de la localizacién central (e), puede entonces definirse de tres ‘maneras principales: En el caso de Rooks, se consideran adyacentes a la localizaci6n “e” las b, d, £, h; la contigitidad de Bishops, por el contrario, analiza las relaciones de proximidad en relacién diagonal, y consideraria vecinas a la localizaci6n “e” I a,c, g, i: el criterio de Queen combina los dos anteriores. Entonces, el criterio de vecindad de la matriz de tipo Queen, considera la contigiiidad respecto a la celda “e”, en las celdas a, b,c, d, f, g,h, i. En este trabajo se utilizard el tipo de contigtiidad Queen. Grafica 2.1. Tipos de matrices de contigitidad Rooks Bishops Queen . Medidas de autocorrelacién local: LISA™ El calculo del indice de Moran a nivel global esta ba ado en que el grado de autocorrelacién espacial de un atributo entre unidades espaciales es igual para todos los polfgonos 0 puntos analizados, es decir existe un supuesto implicito de estacionalidad (homogeneidad) espacial. Este supuesto puede desviarse de lo que pasa en la asociacién espacial a nivel local. Es decir, probablemente la estadistica global del Moran pueda estar distorsionando lo que sucede a niveles locales. La expresién formal del indicador local queda como sigue (-9D,"@)-9 Ecuacién (2) De L xin Donde n es el ntimero de unidades geogréficas de observacién, wij son los elementos de una matriz binaria de contigiiidad, x es el atributo de la variable y es la media del producto cruzado, * Local Indicators of Spatial Autocorrelation (Indicadores locales de autocorrelacién espacial). 31El andlisis espacial a nivel local implica la comparaci6n de la diferencia de la media de cada observacién con la media de todo el conjunto de observaciones, asf como de la diferencia de la media de las observaciones vecinas. En este trabajo analizamos la autocorrelacién espacial local con dos herramientas: el diagrama de dispersién de Moran y los Indicadores Locales de Autocorrelacién Espacial LISA (Anselin, 1992), Este indicador satisface dos criterios: en primer lugar, la LISA de a cada observaci6n indica aglomeracién espacial estadisticamente significativa de valores similares alrededor de esa observacién; segundo, la sumatoria de las LISA para todas las observaciones es proporcional a un indicador global de asociacién espacial —Moran- (Le Gallo, 2005). En otros términos, el andlisis de la autocorrelacién espacial local consiste en la comparacién de la diferencia de la media de la observaci6n con la de todo el pafs, aunque en el andlisis local no se esté considerando lo global. Este nivel de andlisis compara también la diferencia con la media de las observaciones vecinas. EI andlisis de las LISA, permite explorar visualmente los patrones de aglomeracién formados en funci6n a los valores de una variable que presentan las unidades de observacién analizadas y las unidades vecinas. De esta forma, puede apreciarse en que unidades geogrificas existe homogeneidad en los patrones de aglomeracién, es decir, cuando existe una autocorrelacién espacial positiva; y heterogeneidad cuando existe autocorrelacién espacial negativa, Cuando se presenta la autocorrelacién espacial negativa, se cumplen las condiciones elementales de heterogeneidad espacial, la cual se presenta cuando en una unidad de observaci6n, el valor de una variable que esté por arriba del promedio de todas las observaciones, esté rodeada por vecinos que presentan valores por debajo de ese mismo promedio y viceversa. Indica la presencia de diferencias sisteméticas en la ocurrencia de un fenémeno en distintas regiones geogréficas, de tal forma que este podria tener diferentes distribuciones (media, varianza u otros pardmetros) en un subgrupo espacial de los datos o bien, simplemente cambiar con la ubicacién de las unidades (Anselin 1992). Significa que el comportamiento de la variable analizada en un espacio geogréfico, no es espacialmente estable y puede generar patrones espaciales caracteristicos bajo la forma de regimenes espaciales (Le Gallo, 2003),En el marco de este trabajo en especifico, consideramos pertinente hacer la aclaracién de que la heterogeneidad espacial presentada en este apartado, no es conceptualmente equivalente al planteamiento de heterogeneidad espacial, atribuida a la recepcién y a los impactos de las remesas en México a nivel pafs del apartado 1.6 del primer capitulo. La heterogeneidad espacial citada en este apartado se presenta en el andlisis de autocorrelacién espacial local del tercer capitulo. 2.3. Exploracién visual de datos georeferenciados La técnica de exploraci6n visual en el andlisis espacial propuesta para este trabajo utiliza el diagrama de dispersién de Moran (Anselin, 1992), el cual muestra el Jag espacial (matriz de contigiiidad) Wz contra los valores originales % Los diferentes cuadrantes del diagrama de dispersi6n corresponden a los cuatro tipos de asociacién espacial local entre una regién y sus vecinos. El diagrama propuesto resulta un instrumento util para analizar distribuciones de puntos que representan un valor para identificar algtin patrén reconocible. Cada distribucién de puntos es el resultado de algunos procesos en un tiempo y espacios determinados (Lee y Wong, 2001). Grafica 2.2. Diagrama de dispersi6n (scatterplot) de Moran. Moras 356s Matriz de contigilidad (W) de remesas totales Remesas totales La exploracién visual de las LISA permite identificar el signo de la autocorrelacién espacial entre los puntos (observaciones) en todos los cuadrantes del diagrama de dispersién delMoran, donde es posible identificar tanto homogeneidad como heterogeneidad espacial. La heterogeneidad se presenta cuando hay presencia en los cuatro cuadrantes del diagrama de dispersi6n, particularmente en el A-B y el B-A. La exploraci6n visual de las LISA permite identificar el signo de la autocorrelacién de los puntos (observaciones) en todos los cuadrantes del diagrama de dispersién de Moran, En los casos de los cuadrantes A-B (valores altos del atributo en la observacién-valores bajos de los vecinos) y B-A (valores bajos del atributo en la observacién y valores altos de los vecinos) podemos dar cuenta de la presencia de heterogeneidad espacial. Los andlisis de cuadrantes son también utiles para la deteccién de valores extraordinarios. 2.4. Construccién de la base de datos y fuentes utilizadas. Este trabajo utilizard dos unidades de andlisis espacial, o escalas geogréficas de acuerdo con Jones (1998); municipios y estados para la seccién del anélisis exploratorio de los montos de remesas recibidas en el afio 2000, y estados para la seccién del andlisis del crecimiento de las participaciones porcentuales de las remesas por estado y de la raz6n entre remesas y producto interno bruto para el perfodo 1995-2004. La seleccién de tinicamente estados como unidades de andlisis para la tiltima seccién obedecié a que no hay disponibilidad de informacién de montos de remesas ni de producto interno bruto a nivel municipal. La variable propuesta para el andlisis exploratorio a nivel municipal es la cantidad en pesos que recibié cada municipio en el 2000. Estas cantidades son producto de unas estimaciones inéditas realizadas por Fernando Lozano (sin fecha). Las estimaciones de los montos de remesas a nivel municipal, se realizaron con base a la informacién obtenida de la pregunta ntimero 31 del cuestionario ampliado del XII Censo de Poblacién y Vivienda (INEGI, 2000): si el encuestado recibe dinero por ayudas de familiares en otro pais. La informacién obtenida a nivel de individuos fue agregada a nivel de hogares y se determinaron los montos mensuales dependiendo de la frecuencia en la que los recursos son recibidos. Posteriormente se calcularon los montos de las ayudas de otro pafs a nivel municipal. En los casos de los municipios donde se encontré un ® Ver grifica 3.1 de la péigina 43.porcentaje mayor al 10% de hogares en los que se reciben ayudas monetarias de otro pafs pero no se reporta la cantidad, se les asigné el promedio por hogar calculado para el resto del estado al que pertenecen. Este promedio se obtuvo considerando la informacién de las cantidades de los hogares que si fueron declaradas. En el capitulo III se consideraron los montos de remesas y las participaciones porcentuales por entidad del Banco de México anualizados para 1995 y 2006, En el capitulo IV, se relacionan los montos de remesas expresadas en miles de pesos de los afios 1995 y 2004 con el Producto Interno Bruto de los mismos afios a nivel estatal (remesas como porcentaje del PIB). Para ambos afios las cifras en délares fueron transformadas a pesos corrientes considerando el tipo de cambio promedio anual del délar intercambiario a ta venta para cada afio (tanto para 1995 y tanto para 2004). Para hacerlos comparables con las cifras de los productos internos brutos en el capitulo cuarto, los célculos con los montos de remesas son efectuados en miles de pesos. Se utiliz6 la informacién de los PIB’s estatales del portal de INEGI. La construccién de esta variable busca demostrar los grados de dependencia a nivel estatal controlados por su adscripcién regional, desde una perspectiva espacial que los agrupa en las regiones migratorias propuestas por CONAPO (2005) como referencia para nuestro andlisis, EI anélisis longitudinal explorara la participacién de las remesas en el crecimiento econémico, 0 visto de otro modo, la dependencia de la economia de un producto extemo, mediante la exploracién del crecimiento de esta razén a diferentes escalas geogréficas: estado y regi6n. De esta forma podremos apreciar como se forman patrones regionales en funcién al crecimiento de la raz6n remesas sobre producto. Hemos seleccionado el PIB como variable que expresa crecimiento econémico, ya que a nuestro juicio, resulta relevante relacionar el producto interno local con recursos que constituyen un producto generado en el exterior del pas.