Hostelería; el salario más bajo de todas la ocupaciones.

La explotación de los microdatos de la Encuestas Cuatrienal de Estructura Salarial nos ofrece un resultado inequívoco, la Hostelería ofrece el salario más bajo de todos los sectores económicos.

El INE pone a libre disposición de investigadores y profesionales una amplia gama de encuestas con ficheros de microdatos asociados o expresado de otra forma, desagregados a nivel de respuesta individual. La ventaja de trabajar con microdatos es obvia, pues permite análisis flexibles, relacionar variables y operaciones estadísticas no siempre disponibles en las aplicaciones on-line del Instituto Nacional de Estadística (INE).  Disponibles gratuitamente para investigadores y usuarios en general entre estos productos estadísticos se encuentra la Encuesta Cuatrienal de Estructura Salarial (EES). Esta encuesta a diferencia de otras bases de datos con temáticas similares (por ejemplo, Encuesta de Población Activa (EPA)) permite la desagregación del archivo de microdatos en base a la Clasificación Nacional de Actividades Económicas (CNAE).

Una de las ventajas principales de trabajar con los microdatos de la EES es poder obtener la variable de ganancia por hora o salario/hora del trabajador. Resulta de especial interés el cálculo de esta variable pues permite cotejar el salario/hora entre trabajadores con diferentes jornadas, completas o parciales. Otra de las utilidades estadísticas de la variable salario/hora más generalizada es el cálculo de la brecha salarial de género, pues permite la comparación entre sexos sin la distorsión que produce el tipo de jornada o tiempo de trabajo realizado normalmente, en términos absolutos, deficitarias para las mujeres.

La ganancia por hora se calcula dividiendo el salario obtenido en el mes de referencia entre las horas trabajadas tanto horas de trabajo normales como extraordinarias. Realizado este cálculo con la ayuda de SPSS 25 se desagregan los resultados por sectores económicos. Los resultados pueden visualizarse en el gráfico que da inicio a esta entrada.

Especialmente interesante resulta el caso de la Hostelería que se coloca como último sector en cuanto a retribuciones a sus empleados no llegando a superar la barrera de los 9 euros de ganancia por hora. La Hostelería es el principal escenario laboral del Turismo. Un Turismo que debemos por imperativo rescatar pues resulta el principal motor económico del Estado en su conjunto. Resultaría conveniente plantear un plan de rescate del sector hostelero sin duda alguna, un plan que comience por la base de la pirámide, las trabajadoras precarizadas de este sector. Pero esta temática se sale de los objetivos metodológios de este blog y quizás será objeto de ampliación en otros canales.

Se adjunta en el siguiente párrafo las actividades que comprenden la Hostelería como sector económico.

IHostelería
55Servicios de alojamiento
551Hoteles y alojamientos similares
5510Hoteles y alojamientos similares
552Alojamientos turísticos y otros alojamientos de corta estancia
5520Alojamientos turísticos y otros alojamientos de corta estancia
553Campings y aparcamientos para caravanas
5530Campings y aparcamientos para caravanas
559Otros alojamientos
5590Otros alojamientos
56Servicios de comidas y bebidas
561Restaurantes y puestos de comidas
5610Restaurantes y puestos de comidas
562Provisión de comidas preparadas para eventos y otros servicios de comidas
5621Provisión de comidas preparadas para eventos
5629Otros servicios de comidas
563Establecimientos de bebidas
5630Establecimientos de bebidas

https://www.ine.es/dyngs/INEbase/es/operacion.htm?c=Estadistica_C&cid=1254736177032&menu=ultiDatos&idp=1254735976614.

Acevedo-Blanco Antonio-Jesús

Blog de investigación en Sociología. Acompañamiento de tesis doctoral sobre la temática del desempleo en Andalucía. Análisis Espacial Exploratorio aplicado al estudio del paro.

More Posts

Follow Me:
LinkedIn

Covid-19, des/empleo en Andalucía.

La pandemia del Covid-19 ha causado importantes estragos en la sociedad andaluza. Unido a la irremediable pérdida de vidas humanas la desolación, tristeza y depresión social se acrecienta con la poca optimista situación económica que para nada hace presagiar una salida rápida y sin traumas de la crisis.

En términos sociales todo indicador resulta incompleto cuando lo que se intenta es abarcar la complejidad del mundo laboral. La estadística de desempleo presenta muchas lagunas materializadas especialmente en amplios colectivos de efectivos laborales que al no ser incluidos como demandantes de empleo no quedan reflejados en los indicadores de paro registrado. Especialmente reseñable resulta esta situación en Andalucía donde las estadísticas de paro no incluyen, entre otros colectivos, a las Trabajadoras Agrícolas Eventuales Subsidiadas (TAES). Estos efectivos laborales solo presentes en Andalucía y Extremadura están compuestos principalmente por mujeres y representan un importante contingente de trabajadoras, en torno a 100.000 personas, que debido a su no inclusión en el indicador de paro registrado no cuentan como desempleados para medios de comunicación y organismos oficiales.

Éstas y otras particularidades nos hacen que para analizar la incidencia del COVID-19 en el mundo laboral andaluz nos inclinemos por el indicador “reverso de la moneda” del desempleo, el empleo.

En concreto en esta entrada centramos la atención en analizar someramente el número de Afiliados A la Seguridad Social que Trabajan En Andalucía (en adelante (ASSTA), registro resultante de la explotación estadística que de los datos de diferentes organismos oficiales realiza el Instituto de Estadística y Cartografía de Andalucía (IECA).

Con la intención de comparar las diferencias resultantes entre ambos se han seleccionado el trimestre de junio de 2019 y 2020. Hacer notar que los datos hacen referencia al último día del mes de junio y la afiliación registrada ese día puntualmente. El estado de alarma y las medidas de confinamiento entraron en vigor el 15 de marzo no iniciándose la normalidad económica hasta pasado el 21 de junio. Comprobar el número de ASSTA de ambos periodos no da una idea de la destrucción del empleo o expresado en otros términos, del número de personas que por incidencia del COVID han dejado de trabajar en Andalucía.

Como breve síntesis de la entrada cabe destacar que en términos absolutos la destrucción de empleo se cifra en 156786 personas. En términos porcentuales el decremento se cifra en torno al 5% en la media de sectores con un 7% de disminución de ASSTA en el régimen general. Las cifras hablan por si solas, por extensión de este post no vamos dedicar más espacio a la discusión de resultados. Emplazamos al lector e interesados al desarrollo de esta línea de trabajo e investigación puesta en marcha por el que suscribe y la profesora Titular del Departamento de Sociología III UNED, Violante Martínez, y que culminará con la exposición de resultados en el próximos Congreso Andaluz de Sociología a celebrar en Úbeda en el mes de noviembre.

Acevedo-Blanco Antonio-Jesús

Blog de investigación en Sociología. Acompañamiento de tesis doctoral sobre la temática del desempleo en Andalucía. Análisis Espacial Exploratorio aplicado al estudio del paro.

More Posts

Follow Me:
LinkedIn

ESDA con software GEODA. El territorio como variable explicativa en el análisis sociológico.

Acevedo-Blanco, A.-J. (2019). ESDA con software GEODA. El territorio como variable explicativa en el análisis sociológico. Estrella Gualda Caballero (Dir), Sociedades y Fronteras. Actas del IX Congreso Andaluz de Sociología (Collectanea, pp. 543–569). Huelva, Andalucía: UHU.ES PUBLICACIONES. Servicio de Publicaciones de la Universidad de Huelva. Retrieved from http://www.uhu.es/publicaciones/?q=libros&code=1208

Texto completo disponible en el enlace que se adjunta en la referencia.

ESDA CON SOFTWARE GEODA. EL TERRITORIO COMO VARIABLE EXPLICATIVA EN EL ANÁLISIS SOCIOLÓGICO. Antonio Jesús Acevedo Blanco. UNED.

Resumen.


La comunicación que presentamos propone mediante el estudio de caso de
la demanda de empleo en Andalucía revelar el creciente desarrollo del Análisis Espacial Exploratorio de Datos como metodología y técnica de investigación sociológica. Además de técnica exploratoria y de minería de datos, la metodología ESDA plantea, mediante técnicas estadísticas espaciales desarrolladas ex profeso, la identificación del territorio como variable explicativa de los fenómenos sociales.

Esta exposición oral, apoyada en diapositivas y cálculos in situ, propondrá un
estudio empíricoque muestre la auto-correlación espacial entre una variable espacialmente intensiva y el territorio. El caso práctico se desarrollará en 5 fases:
1º Breve introducción a la Geo-Sociología. 2º Naturaleza de los datos espaciales. Objetos espaciales poligonales. 3º Heterogeneidad, Dependencia y Autocorrelación Espacial. 4º El software GeoDA. Herramienta libre para ESDA. 5º Estudio de Caso de la Demanda de Empleo en Andalucía. 5.1 Variable tasa demanda de empleo. 5.2 Territorio. Mapa municipal de Andalucía. 5.2 Matriz de contigüidad espacial. 5.3 Blox Plot Map. 5.4 I Global de Moran. Significado, Prueba de aletoriedad. 5.5 I Local de Moran. Clústeres Espaciales. 5.6 Otros cálculos de agrupación a título ilustrativo.6º Conclusiones.

Mediante el estudio de caso de la demanda de empleo en los
municipios de Andalucía se expone el diseño metodológico básico de la primera parte del proyecto doctoral del autor.
Esta comunicación pretende dar a conocer a la comunidad sociológica andaluza la cada
vez en mayor medida utilizada metodología del análisis espacial exploratorio. En este sentido la presentación ofrecerá enlaces y referencias bibliográficas básicas para la introducción de investigadores y profesionales interesados en desarrollar proyectos ESDA con software GeoDa.

Acevedo-Blanco Antonio-Jesús

Blog de investigación en Sociología. Acompañamiento de tesis doctoral sobre la temática del desempleo en Andalucía. Análisis Espacial Exploratorio aplicado al estudio del paro.

More Posts

Follow Me:
LinkedIn

Autoubicación ideológica andalucista.

Estos días atrás me ha llamado la atención la cantidad de mensajes que por redes sociales vislumbran un resurgimiento del Andalucismo político a partir de inferir resultados de las preguntas sobre escala de «sentimiento nacionalista» en diferentes encuestas. No voy a entrar a valorar las puntuaciones marginales de las categorías de respuesta pues simplemente los considero ridículos para inferir resultados totales, en esta entrada me voy a centrar en el espectro ideológico que podría acaparar el, por otra parte, incipiente nuevo movimiento político andalucista.

Advertir que sobre el sesgo de la pregunta, orden en el que está realizada, diferentes encuestas que la formulan y bases teóricas sobre la identificación nacionalista andaluza, estoy preparando un proyecto de investigación aplicada en el que se expondrán éstas y otras consideraciones, por otra parte imprescindibles para una correcta interpretación de los resultados.

Fuente CIS estudio 3248.

Como breve resumen comentar que la ilustración que muestro proviene de procesar los microdatos del CIS en el estudio pos electoral 3248. En primer lugar se segmenta la muestra para Andalucía para trabajar sobre la pregunta sentimiento nacionalista cruzada con la autoubiación ideologica . Se representan medias y desviaciones de la autoubicación ideológica para cada una de las categorías del sentimiento nacionalista en Andalucía. Este procedimiento se realiza con el paquete informático SPSS versión 25.

La posición media en un espectro ideológico de 1 a 10 en el que 1 representa la izquierda y 10 la derecha se sitúa en 4,59 puntos. Cabe destacar que la puntuación que obtiene el nacionalismo andaluz con respecto a esta variable político-ideológica es de 3.76 y 3.22 en los respectivos grupos de mayor identidad nacionalista. Si nos fijamos en la desviación standard apreciamos que distancias por debajo del valor medio nos situarían en una distribución normalizada con valores no muy extremos en el espectro ideológico de la izquierda. De igual forma ocurre con la posición más hacia la derecha que describiría una curva normal que superaría el valor medio en pocas unidades.

 Concluyendo esta breve nota, se aprecia a la luz de los microdatos del CIS (único organismo que los facilita) que la futura construcción de organizaciones políticas que intenten acaparar el sentimiento andalucista debe construirse desde la izquierda. Cabe destacar que valores extremos de la escala por debajo, o sea planteamientos de extrema izquierda, quedarían fuera del espectro que el andalucismo político intenta aglutinar. El caso de la derecha no admite discusión, un futuro nacionalismo andaluz sería imposible construirlo desde posiciones de la derecha política.

 Como comento reiteradamente a mi paciente directora de Tesis : http://portal.uned.es/portal/page?_pageid=93,704816&_dad=portal&_schema=PORTAL no existe una Sociología libre de valores, ni se pretende.

Con esperanza y anhelo emancipatorio y ante la desazón que produce no ver políticamente representado los intereses de mi pueblo; en primera persona y desde la perspectiva del actor participante, escribo este post basado en entradas anteriores de mi cuaderno de bitácora y blog personal ; en San José de la Rinconada a 6 de enero de 2020.

BIBLIOGRAFÍA DE REFERENCIA.

Aguiar, F., & Espinosa-de-los-Monteros, E. (2008). Identidad andaluza y realidad nacional. IESA-CSIC, (Artículo 1), 1–22.
Algañaraz, V. (2016). El “Análisis de Correspondencias Múltiples” como herramienta metodológica de síntesis teórica y empírica. Su aporte al estudio del locus universitario privado argentino (1955-1983). Revista Latinoamericana de Metodología de Las Ciencias Sociales, 6(1), 3.
Andalucía, C. de A. y D. P. y E. de A. (2018). Estudio General de Opinión Pública de Andalucía. Edición EGOPA Invierno 2018. Granada. Retrieved from http://cadpea.ugr.es/Egopa_ArchivoDocu.aspx
Benedicto, J., Funes, M.-J., Monferrer, J., Fernández-de-Monsteyrín, L., Morán, M. L., & Robles, J. M. (2011). La construcción del sujeto político entre los jóvenes en riesgo. Fundación Pública Andaluza Centro de Estudios Andaluces. Sevilla.
Contreras, J. (2015). Sociedad civil y movilización autonomista en Andalucía: los grupos de Solidaridad andaluza (1975-1985). Hispania Nova, (13), 134–157. Retrieved from http://e-revistas.uc3m.es/index.php/HISPNOV/article/view/2399
De-la-Fuente, F. (2011). Análisis de Correspondencias. Fac. Ciencias Económicas y Empresariales, 58.
Díaz, S. (2019). ¿Hacia un nuevo Andalucismo? Cuarto Poder.
González Quinzán, S. (2019). Emociones y política: el caso de los sentimientos hacia la política en las elecciones gallegas del 2016. RIPS: Revista de Investigaciones Políticas y Sociológicas, 18(1), 95. https://doi.org/10.15304/rips.18.1.6105
Martínez, V. (1999). Diseño de encuestas de opinión: Barómetro CIS. QÜESTIIÓ, 23(2), 343–362.
Moreno-Navarro, I. (2002). La cultura andaluza en el comienzo del tercer milenio: balance y perspectivas. Revista de Estudios Regionales, (63), 137–157.
Peña, A. L. C. (2001). Nacionalismo/regionalismo andaluz, ¿una invención de laboratorio? Historia Social, (40), 137–151. Retrieved from http://www.jstor.org/stable/40340763
Sánchez, R. G. (2008). Análisis de correspondencias. Análisis Multivariante Para Sociólogos Mediante SPSS, 106–116.

Acevedo-Blanco Antonio-Jesús

Blog de investigación en Sociología. Acompañamiento de tesis doctoral sobre la temática del desempleo en Andalucía. Análisis Espacial Exploratorio aplicado al estudio del paro.

More Posts

Follow Me:
LinkedIn

Box Plot; una herramienta ESDA para detección de outliers.

Esta entrada tiene por objetivo mostrar la herramienta de ESDA, “Box Plot”, implementada por el software libre GeoDa. Proponemos, en línea con el desarrollo de este blog, un caso práctico orientado a la detección e identificación de outliers y posterior mapeo por cuantiles de la distribución del porcentaje de personas bajo el umbral por unidad de consumo menor de 500 euros anuales para la ciudad de Sevilla.

En entradas anteriores reseñábamos que la principal utilidad de ESDA recaía en su potencialidad inductiva en ausencia de marco teórico fuerte. Desarrollaremos este post desde esta perspectiva inductiva de manera que posponemos la analítica teórica al final del proceso de estudio empírico. Esta entrada se incia exponiendo brevemente la fuente de datos utilizada y la variable espacialmente intensiva. Posteriormente glosaremos el funcionamiento del Blox Plot mostrando las utilidades que GeoDa ofrece para el mapeo y detección de outliers. Se finaliza la entrada con una breve reflexión teórica sobre los procesos de gentrificación en las ciudades basada en el estudio empírico realizado y una propuesta de desarrollo futuro de este trabajo.

1)           Fuente de datos y variable.

DataBase. INE (Instituto Nacional de Estadística) recuperado en octubre de 2019. Estadística Experimental. https://www.ine.es/experimental/experimental.htm

El INE en colaboración con la AEAT (Agencia Estatal de Administración Tributaria) viene desarrollando desde 2016 el proyecto Indicadores Urbanos que consiste en la publicación de datos de renta media y otros indicadores para Atlas de Distribución de Renta de los Hogares (ADRH). Se trata de un proyecto experimental orientado a la construcción de indicadores estadísticos de nivel y distribución de renta de los hogares a nivel municipal e inframunicipal. La información de renta se construye al nivel territorial más desagregado posible, las secciones censales. La sección censal es una unidad territorial que subdivide al municipio con fines estadísticos y electorales. “Está definidas por límites fácilmente identificables (ríos, calles, etc.)y tiene un tamaño de entre 1000 y 2500 habitantes, salvo que el municipio tenga una población menor en cuyo caso todo el municipio constituye una única sección censal” (INE, 2019).

Variable.

La variable espacialmente intensiva que utilizamos para este trabajo hace referencia a la “Tasa de Población con ingresos por unidad de consumo por debajo del 5.000 Euros” para la ciudad de Sevilla, calculado el porcentaje poblacional por distritos censales. Todo indicador social o econométrico supone una reducción de las mecánicas sociales, sin embargo, el indicador que el INE propone, y nosotros representamos espacialmente, da buena cuenta de situaciones y dimensiones de pobreza residencial extrema en contextos urbanos donde la complejidad de escenarios torna difícil una metodología rigurosamente procedimental aplicada a un análisis empírico integral.

 La renta por unidad de consumo se obtiene dividiendo los ingresos totales del hogar entre el número de unidades de consumo equivalentes. El número de unidades de consumo se calcula utilizando la escala de la OCDE que “concede un peso de 1 al primer adulto, un peso de 0,5 a los demás adultos y un peso de 0,3 a los menores de 14 años. Una vez calculado el ingreso por unidad de consumo del hogar se adjudica éste por igual a cada uno de sus miembros” (INE., 2019). Calculada la renta por unidad de consumo el indicador construido calcula el porcentaje de población en cada distrito censal cuyos ingresos se sitúen por debajo de 5.000 euros, una medida que al tratarse de un indicador poblacional  ponderado da cuenta en gran medida de la pobreza económica extrema unida a situaciones de emergencia social en espacios urbanos.

2)           Resultados.

Gráfico 1: Blox Plot, tasa población <5000€. Sevilla Capital

 

El gráfico (1) representa un clásico gráfico de caja centrado en los cuantiles de la distribución. La mediana (marca el 50% de la distribución) se representa por la barra naranja horizontal delimitando la mitad de la distribución. El rectángulo marrón va del primer cuartil (25% o percentil 25) al tercer cuartil (75% o percentil 75). Las líneas horizontales dibujadas en la parte superior e inferior del gráfico son las llamadas cercas o bisagras. Corresponden a los valores del primer cuartil menos 1.5xIQR ( Inter Quartile Range) y el tercer cuartil más 1.5xIQR. Las observaciones que caen fuera de las cercas se consideran valores atípicos. Las bisagras normalmente se determinan en base al multiplicador típico 1.5 (aproximadamente equivalente a la práctica de usar dos desviaciones estándar en una configuración paramétrica). Sin embargo, un valor de 3.0 también es bastante común en la práctica de considerar observaciones verdaderamente extremas como valores atípicos (Anselin, 2019).

 En la parte inferior de la caja se enumeran las estadísticas descriptivas que incluyen 1º y 3º cuartil, valor de rango mínimo y máximo, media, mediana y desviación estándar. Significar que en nuestro caso el valor de la media se sitúa en un rango del 12.25% de la población por secciones censales de Sevilla con ingresos por unidad de consumo por debajo de 5000 euros. Por su parte la mediana de la distribución se sitúa en el valor 14.85% o en otras palabras, la mediana marca el valor para situar a la mitad de las secciones censales lo cual viene a decirnos que en el 50% de las secciones censales de Sevilla residen más de un 14.85% de la población en estado de pobreza e ingresos vitales mínimo, alcanzando algunas secciones censales valores extremos de hasta un 39% de la población bajo el umbral de ingresos mínimos (máximo valor). La desviación típica se sitúa en los 9.1 puntos.

La interpretación de los resultados excede el propósito de esta entrada basada en el uso del Box Plot para la detección de outliers. Como se comentaba anteriormente aquellas ubicaciones que queden fuera del umbral de 1.5 IQR son consideradas atípicas. En la figura (2) observamos la funcionalidad de GeoDa para interactivamente detectar las ubicaciones fuera de rango. Simplemente marcando los outliers el software nos los muestra tanto  en el mapa como en la tabla de códigos asociada facilitando el trabajo de detección con una manera cómoda de trabajo interactivo entre pantallas.

Figura (2) detección interactiva de outliers

Fuente: Elaboración Propia con GeoDa. a partir de  INE

Sin embargo para una exposición de resultados, detección e identificación eficaz la funcionalidad de mapeado del Box Plot Map nos ofrece mayores posibilidades de interpretación y análisis al representar la distribución representada por el gráfico de caja en el mapa. De esta forma, como se muestra en el siguiente mapa (3), podemos identificar fácilmente los casos atípicos de la distribución así como los diferentes cuartiles, el número de ubicaciones que comprenden cada categoría y los valores asociados a cada uno de los cuartiles y outliers. 

Mapa (3) Box Plox Map

Fuente: Elaboración Propia con GeoDa. a partir de  INE

En este mapa se ofrece con mayor detalle la distribución de la población según cuartiles así como la categoría de color rojo oscuro (Upper outlier) representa los valores atípicos. La distribución espacial de la variable por cuartiles nos permite indagar con mayor facilidad sobre los focos de pobreza en Sevilla capital. Cabe destacar que en 45 secciones censales de Sevilla (outliers de nuestra distribución) reside entre un 28.2% y un 39% de población con ingresos inferiores a 5000 euros.

En la estrategia exploratoria de nuestra entrada el objetivo principal del Blox Plot es identificar observaciones atípicas. Más adelante en próximas entradas, veremos cómo evaluar si tales valores atípicos también coinciden en el espacio y sí, llegado el caso, las ubicaciones guardan algún tipo de autocorrelación o dependencia que dé cuenta de la relación entre fenómeno social y espacio físico.

Mapa (3). Box Plot Map proyectado.

Fuente: Elaboración Propia con GeoDa. a partir de  INE

3)           A modo de conclusión y desarrollo futuro.

Este ejercicio exploratorio pone de relieve la existencia de espacios urbanos de extrema exclusión en cuanto a su capacidad de ingresos. Pero los procesos sociales urbanos además de dibujar paisajes de degradación y vulnerabilidad guardan una estrecha relación con otros tipo de factores económicos y/o de acción/innacción política. El mapa de la ciudad de Sevilla en cuanto a la población con menores niveles de ingresos propone comenzar a prestar atención a los procesos de gentrificación que conllevan la expulsión de las clases populares del centro de la ciudad hacia barrios periféricos. La exclusión residencial supone una serie de hándicaps difícilmente superables que condicionan las trayectorias vitales de las personas de forma que el factor residencial reproduce y amplifica la vulnerabilidad y exclusión social.

La práctica de metodología ESDA propone revelar estos patrones de dependencia espacial de los fenómenos sociales. Este breve trabajo se ha planteado en base a futuros desarrollos en los que intentaremos dilucidar la relación entre vulnerabilidad social urbana y espacio físico, y cómo esta relación sigue un patrón espacial de concentración de activos y expulsión de clases populares urbanas de los centros neurálgicos de la ciudad red (Castells, 1979). Estos nuevos espacios dan lugar a nuevas centralidades y archipiélagos urbanos donde es fácil reconocer la diferenciación social y los procesos que están dando lugar a una nueva reconfiguración posmoderna de la estructura urbana(Guzmán & Hernádez-Sainz, 2013).

4)           Referencias.

Anselin, L. (2019). Análisis Exploratorio de Datos (1). Retrieved November 1, 2019, from http://geodacenter.github.io/workbook/2a_eda/lab2a.html#box-plot.

Castells, M. (1979). La cuestión urbana (No. 711: 316). Siglo Veintiuno de España.

Guzmán, A., & Hernádez-Sainz, K. (2013). La Fragmentación Urbana Y La Segregación Social Una Aproximación Conceptual. Revista Legado de Arquitectura y Diseño, (14), 41–55.

INE. (2019). Productos y Servicios. Renta anual neta media por persona y unidad de consumo de los hogares según edad. Personas por decil de renta (por unidad de consumo) según edad. Tasa de sustitución agregada de ingresos de las personas mayores. Retrieved November 1, 2019, from https://www.ine.es/ss/Satellite?L=es_ES&c=INESeccion_C&cid=1259925432454&p=1254735110672&pagename=ProductosYServicios%2FPYSLayout&param1=PYSDetalle&param3=1259924822888

INE. (2019). Atlas de distribución de renta de los hogares ( ADRH ) Proyecto técnico. Retrieved from https://www.ine.es/experimental/atlas/exp_atlas_proyecto.pdf

 

Acevedo-Blanco Antonio-Jesús

Blog de investigación en Sociología. Acompañamiento de tesis doctoral sobre la temática del desempleo en Andalucía. Análisis Espacial Exploratorio aplicado al estudio del paro.

More Posts

Follow Me:
LinkedIn

Análisis espacial exploratorio.

Iniciamos este proyecto de difusión en el blog con una explicación genérica e ilustrada con ejemplo a modo experimental de Análisis Espacial Exploratorio, ESDA por sus sigla en inglés (Exploratory Spatial Data Analysis). Sandy Dall’erba (2009) define ESDA como una extensión del analisis exploratorio de datos especialmente focalizado en las características particulares del espacio geográfico. La principal fortaleza de ESDA se basa en su capacidad de minería de datos, especialmente útil cuando no contamos con marco teórico previo elaborado.

Pongamos por ejemplo para ilustrar la definición propuesta; la distribución geográfica del riesgo de pobreza en la provincia de Sevilla. El indicador más comúnmente utilizado por el instituto estadístico europeo (EUROSTAT) para definir el riego de pobreza es la población que vive por debajo del 60% de renta mediana disponible por unidad de consumo (Álvarez-Blanco 2015), aunque también son consideradas medianas por debajo del 50% ó 40%. Para este post proponemos un experimento ESDA en el que consideramos el indicador de porcentaje de población municipal con ingresos inferiores al 40% de la mediana en la provincia de Sevilla.

Tanto si el experimento tiene carácter aplicado como si éste se propone en base a una investigación deductiva carecemos a priori de un marco teórico previo relevante.

Introducción

Premisas.

1- Podemos intuir que mayores porcentajes de población a nivel municipal se concentrarán en los municipios urbanos más poblados y con mayores bolsas de exclusión social.

2-Sin embargo considerar una teoría opuesta, mayores desigualdades sociales y riesgo de pobreza en municipios despoblados y envejecidos, tampoco resultaría descabellado.

3-Incluso es perfectamente verosímil plantear que no existe relación o patrón de comportamiento diferenciado entre riesgo de pobreza y territorio.

DATAbase. INE Estadística Experimental recuperado (2019)

Software. GeoDa (Anselin, L., Syabri, I., & Kho, Y. 2006).

Resultados. Análisis univariante variable = porcentaje de población municipal con ingresos inferiores al 40% de la mediana.

Gráfico 1. Box Plot variable.

fuente: Elaboración propia con GeoDa a partir de INE e IECA.

El gráfico 1 en sus estadísticos descriptivos muestra los primeros signos de una distribución municipal de la variable no homogénea. Expresado en otras palabras, el rango de la variable es bastante amplio (0-25) lo que sugiere que pueden existir diferencias relevantes entre municipios en cuanto a mayor porcentaje de población bajo riesgo de pobreza. Media y Mediana coinciden, proponiendo simetría en la distribución de la variable, no existen outliers en los cuantiles superiores y un sólo atípico en el nivel cuantílico inferior (El Madroño).

Mapa 1 : Box Plot Map

fuente: Elaboración propia con GeoDa a partir de INE e IECA.

El mapa 1 nos sitúa geográficamente la distribución de la variable por cuantiles. El cuantil superior se distribuye principalmente en dos polos al norte y sur de la capital. Por el contrario el cuantil inferior, o donde el porcentaje de población en riesgo de pobreza es menor, muestra mayor dispersión en el territorio.

Discusión .

A modo de conclusión para este post hemos partido de un débil marco teórico siguiendo un proceso de minería de datos inductivo. No podemos refutar ninguna de las premisas que a priori enunciamos. Sin embargo, los datos expuestos sugieren un patrón de comportamiento regionalizado de la variable en los municipios al norte y sur de la capital.

Pese a no plantear teorías apriorísticas, el experimento planteado en este post parece proponer estructuras en el espacio geográfico de la provincia de Sevilla que conforman territorios contiguos en los que existen mayores porcentajes de población en riesgo de pobreza. Por tanto, y al hilo de las reflexiones planteadas al inicio de esta publicación, el experimento que planteamos refuta la utilidad de ESDA en contextos exploratorios.

Continuaremos las publicaciones con estadísticos más avanzados tantos descriptivos como relacionales. Gracias.

Referencias utilizadas.

Álvarez-Blanco, R. (2015). Estadísticas de renta , riqueza y condiciones de vida : la medición de la desigualdad. Revista de Libros, Segunda Época. Retrieved from https://www.revistadelibros.com/articulo_imprimible_pdf.php?art=5259&t=articulos

Anselin, L., Syabri, I., & Kho, Y. (2006). GeoDa: An Introduction to Spatial Data Analysis. Geographical Analysis, 38(1), 5–22. https://doi.org/10.1111/j.0016-7363.2005.00671.x

Dall’erba, S. (2009). Exploratory Spatial Data Analysis. International Encyclopedia of Human Geography, 683–690. https://doi.org/10.1016/B978-008044910-4.00433-8

INE «Estadística Experimental» recuperado 09/2019 https://www.ine.es/experimental/experimental.htm

Anexos

Acevedo-Blanco Antonio-Jesús

Blog de investigación en Sociología. Acompañamiento de tesis doctoral sobre la temática del desempleo en Andalucía. Análisis Espacial Exploratorio aplicado al estudio del paro.

More Posts

Follow Me:
LinkedIn

Renta por hogares. Sevilla.

En esta primera entrada del blog quisiera agradecer al equipo de Hypotheses la deferencia de haber considerado admitir que mi propuesta de investigación pase a formar parte de la plataforma de blog académicos en abierto de Ciencias Sociales y Humanidades. La primera entrada será breve pues me encuentro aún en la fase de construcción y diseño del blog.

En estos días el INE ha publicado la sección de estadística experimental abordando indicadores sociales con alto nivel de desagregación residencial https://www.ine.es/experimental/experimental.htm

En línea con nuestro trabajo; trabajo que iremos desarrollando progresivamente en este espacio, presentamos el mapa de desviación estándar de renta de los hogares en Sevilla por secciones censales.

STANDARD DESVIATION MAP

fuente: elaboración propia con GeoDa a partir de INE e IECA

Una visualización rápida del mapa ya nos indica signos de Heterogeneidad Espacial en el sentido de polarización de las rentas por hogares entre zonas céntricas y residenciales, y otros barrios de extrarradio y zonas populares. Por tanto la renta por hogar en Sevilla parece indicar signos de Dependencia Espacial, pero esto ya será motivo de próximas entradas.

Para los no familiarizados con la geografía urbana de la ciudad del río Betis a continuación mostramos el mapa proyectado.

Muchas Gracias.

Acevedo-Blanco Antonio-Jesús

Blog de investigación en Sociología. Acompañamiento de tesis doctoral sobre la temática del desempleo en Andalucía. Análisis Espacial Exploratorio aplicado al estudio del paro.

More Posts

Follow Me:
LinkedIn