IMHICIHU   13380
INSTITUTO MULTIDISCIPLINARIO DE HISTORIA Y CIENCIAS HUMANAS
Unidad Ejecutora - UE
capítulos de libros
Título:
Apuntes metodológicos para la determinación de tipologías espaciales multivariadas homogéneas.
Autor/es:
SANCHEZ DARIO CESAR
Libro:
II Jornadas de Investigación: Migrantes y territorios urbanos en la Argentina: entre la segregación y la integración. Resúmenes.
Editorial:
IMHICIHU - CONICET
Referencias:
Lugar: Buenos Aires; Año: 2007; p. 5 - 6
Resumen:
APUNTES  METODOLÓGICOS  PARA  LA    DETERMINACIÓN  DE  TIPOLOGÍAS    ESPACIALES MULTIVARIADAS HOMOGÉNEAS                                                                      Darío César Sánchez IMHICIHU – CONICET RESUMEN En geografía el paso metodológico de la clasificación se refiere fundamentalmente al espacio geográfico, y las clasificaciones se denominan en general tipologías espaciales. Nos ocuparemos en esta oportunidad de aquellas que se realizan partiendo del criterio de homogeneidad y no de funcionalidad. Se han desarrollado distintos métodos al respecto, y además del método intuitivo podemos mencionar el de superposición de cartas, el de intersección de conjuntos, el árbol taxonómico, el procedimiento de las siluetas, la matriz ordenable de Bertín, etc. No obstante, la metodología habitual tiene su origen en el método de asociación de sitios presentado por J. F. Unstead en 1916, el cual consiste en el progresivo agrupamiento de las unidades espaciales en función de su semejanza, hasta alcanzar un reducido número de unidades de mayor tamaño. Tras la aparente simpleza del método, se esconde un buen número de tareas que comienzan con la definición del objetivo, la problemática y el territorio a clasificar y continúan con la determinación de las unidades espaciales, la selección de los indicadores de homogeneidad, que conviene realizar en dos etapas, la obtención de una matriz de semejanzas entre las unidades espaciales, luego su agrupamiento y por último la optimización de la tipología.  Definidos el objetivo, la problemática y el territorio, se debe proceder a la elección de las unidades espaciales. Se podrá recurrir a unidades administrativas, divisiones censales, unidades físicas como las cuencas fluviales o grillas geométricas con unidades de igual forma y tamaño. En esta instancia se deberán sopesar con detenimiento las distintas alternativas, considerando si se producirá información primaria o no, analizando la desagregación utilizada por las fuentes secundarias de información y teniendo en cuenta las formas de localización involucradas, que posibilitan o dificultan la reasignación de la información a una nueva división espacial. Como para dejar señalado el camino, diremos que lo óptimo para la representación es utilizar grillas hexagonales, pero esto sólo es posible cuando la información puede asignarse a puntos. De lo contrario, siempre hay que tratar de minimizar las diferencias de tamaño y maximizar la compacidad general de las unidades espaciales. En síntesis, lo primero que deberá tenerse en cuenta es cómo se halla atribuida la información a utilizar: puntos, redes, centros, flujos, superficies variables, superficies constantes e iguales, superficies constantes y distintas, etc. y puede hacerse necesario la cuantificación de la forma de estas últimas a los efectos de algún agrupamiento previo. El paso siguiente es la selección de indicadores teniendo en cuenta los tipos posibles a la vez que una equilibrada desagregación temática. Por otra parte, los indicadores no dinámicos tienen que mantener cierto grado de sincronismo, lo que lleva a la necesidad de realizar interpolaciones y extrapolaciones. A continuación se establece una Matriz de Datos Brutos (Dnxd) y luego la Matriz Geográfica de Variables (Vnxv), la Matriz de Variables Estandarizadas (Znxv) y su traspuesta (Ztvxn), para obtener la Matriz de Correlaciones Lineales de Pearson (Rvxv). Los coeficientes de correlación permitirán hallar situaciones de redundancia en la información por combinaciones lineales de variables (r = 1; r = –1), así como inferir errores de medición o comprobar que el nivel de desagregación espacial es inadecuado para alguna variable (rAB ≈ 0). De esta manera se ponen en evidencia situaciones que llevan a la eliminación de algunos indicadores y su eventual reemplazo por otros. Asimismo, la realización de un Linkage Analysis o un Análisis Factorial a partir de Rvxv permite determinar la pertinencia de los indicadores, establecer los más representativos de los ejes temáticos y evaluar el necesario equilibrio entre estos últimos. La clasificación multivariada constituye una metodología inductiva y exploratoria que presenta dos etapas principales: la correspondiente a la cuantificación de las semejanzas y la que produce el agrupamiento de las unidades espaciales. Respecto a la primera etapa existe otra división en los métodos, según se pretenda establecer tipologías continuas o discontinuas, lo cual dependerá del objetivo que se persiga. Existen dos procedimientos bastante difundidos que suelen aplicarse a la medición de las semejanzas: uno es el coeficiente Sargent Florence y el otro es el índice de Gini, pero ambos presentan serias limitaciones al pretender utilizarlos para obtener una matriz de semejanzas para un elevado número de unidades espaciales. Otros procedimientos bastante difundidos son los métodos binarios, que transforman cada variable en dos categorías, las correlaciones espaciales, el análisis factorial con sus puntajes factoriales, que pueden ser mapeados e interpretados y la función distancia con sus distancias multidimensionales. Para la agregación de las unidades espaciales se cuenta básicamente con dos importantes procedimientos: el linkage analysis, que parte del método original de J. Mc Quitty pero ha sido adaptado a los estudios espaciales, y el cluster analysis o análisis en racimos, desarrollado a partir de la labor de R. C. Tryon, que es un método típicamente inductivo, es decir que agrupa o clasifica desde abajo, ya que parte de considerar que cada unidad espacial es en principio una clase, debiendo reducirse el número de las mismas a una cantidad menor. Para este método lo primero que se debe definir es un límite de confiabilidad, el cual podrá ser un cierto número de clases o un valor determinado que denominaremos umbral de corte. Tras una primera etapa el método reduce el número de clases areales de n a n–1; tras la segunda etapa quedarán n–2 clases, etc. Se trata entonces de un procedimiento iterativo que se repite hasta alcanzar el umbral previamente definido. Se suele representar el proceso de agrupamiento de las unidades espaciales en un diagrama denominado árbol de clasificación o dendrograma que muestra el orden en que se produjeron los agregaciones y los valores correspondientes a las mismas. Un tercer método es el propuesto por J. B. Racine y H. Raymond, que partiendo de la Matriz de Puntajes Factoriales (Pnxf) asocia las unidades espaciales a los factores con los que tuvieran mayor puntaje. A sabiendas de las limitaciones de los algoritmos de agregación, que suelen provocar fuertes desviaciones en los baricentros geométricos de las clases en gestación, se suele utilizar como paso final el análisis discriminante, con el objeto de optimizar geométricamente las clasificaciones. Se trata de un método iterativo que parte de establecer las distancias matemáticas entre cada unidad espacial y los baricentros de todas las clases. Las unidades más próximas a otra clase que a la propia son entonces reasignadas, pero esto produce cambios en las coordenadas de los baricentros, y por ende también en las distancias entre estos y las unidades espaciales, por lo que se deben determinar entonces las nuevas distancias y eventualmente producir nuevas reasignaciones, en un proceso iterativo que se repite hasta alcanzar estabilidad en la clasificación, es decir hasta que cada unidad espacial integre la clase con la cual presente mayores semejanzas. En síntesis, el proceso converge hacia una solución única, aunque condicionada por el número de clases originalmente definido, y el método persigue los objetivos intrínsecos de toda clasificación: minimizar las diferencias intraclase y maximizar las diferencias interclases. Para la evaluación final de la tipología, se deben considerar, para todas las combinaciones de clases las k distancias medias intraclase y las distancias medias interclases. Lo ideal es que la mayor distancia media intraclase sea inferior a la menor de las distancias medias interclases. Por otra parte, el promedio de las distancias medias intraclase debe ser mucho menor que el promedio de las distancias medias interclases.