Ciencias Económicas 29-No. 1: 2011 / 445-477 / ISSN: 0252-9521

La segregación social como determinante del desarrollo urbano.1 Barrios cerrados y autosegregación en las ciudades de San José y ,

1 Este trabajo fue financiado por.2 el Lincoln Institute of Land Policy. Resultados3 preliminares fueron presentados en un seminarioRosendo de investigación Pujol organizado M , porLeonardo el Lincoln Institute Sánchez en octubre H. de 2009 y en las Jornadas de Investigación de la Facultad de Ingeniería en yagosto Eduardo de 2010. Los Pérez autores agradecenM.4 los comentarios de los asistentes a estas conferencias y a la Ing. Silvia Valentinuzzi por sus contribuciones a las discusiones que condujeron a los resultados que se presentan. Cualquier error es de nuestra exclusiva responsabilidad. Índice General 1. Introducción...... 447 2. Condominios horizontales: una forma de urbanización para sectores de altos ingresos...... 448 antecedentes latinoamericanos del desarrollo de barrios cerrados...... 448 Medición de conglomerados y patrones de dependencia espacial ...... 449 Concentración espacial del desarrollo de condominios...... 450 3. Patrones de segregación residencial en San José y Heredia...... 451 aspectos metodológicos para estimar la segregación socioeconómica . . . . .452

2 director del Programa de Investigación en Desarrollo Urbano Sostenible y de la Maestría Interdisciplinaria en Gestión Ambiental y Ecoturismo; catedrático de la Escuela de 1 Este trabajo fueIngeniería financiado Civil por de el la Lincoln Universidad Institute de Costa Rica. Lic.Correo en Ing. electrónico: Civil (UCR, [email protected] 1971), M.Sc. en ; Tel./ of Land Policy.Riesgo Resultados Sísmico (1973),preliminares MCP y PhfueronD en PlanificaciónFax.: Urbana (506) y Regional 2283 9427 por la Universidad presentados deen Californiaun seminario en Berkeley de investigación (1991). Tiene amplia experiencia en investigaciones de estudios organizado porurbanos el Lincoln y regionales, Institute planificación en octubre ambiental 3 y análisisInvestigador socioeconómico. del Programa Correo electró de Investigación- de 2009 y en nico:las Jornadas [email protected] de Investigación; Tel./Fax.: de la (506) 2283en 9427 Desarrollo Urbano Sostenible, Escuela de Facultad3 de IngenieríaInvestigador en del agosto Programa de 2010.de Investigación Los en DesarrolloIngeniería Urbano Civil Sostenible, y del Instituto Escuela de Investigacionesde autores agradecenIngeniería los comentariosCivil y del Instituto de los deasis Investigaciones- en Ciencias Económicas,Económicas, Universidad Universidad de Costa tentes a estasde conferenciasCosta Rica. Licenciado y a la Ing. en Economía Silvia (UCR, 2008),Rica. ha Licenciadotrabajado en en análisis Economía socioeco (UCR,- 2008), ha Valentinuzzi nómicopor sus paracontribuciones planificación a las territorial, discu- economía trabajadoespacial y eneconomía análisis urbana.socioeconómico Correo para plani- siones que condujeronelectrónico: [email protected] los resultados que se ; Tel./Fax.: (506)ficación 2283 territorial, 4815 economía espacial y economía presentan.4 CualquierInvestigador error del es Programade nuestra de exclusiva Investigación en Desarrollourbana. UrbanoCorreo Sostenible,electrónico: Escuela [email protected]. de responsabilidad.Ingeniería Civil, Universidad de Costa Rica. Licenciadoac.cr ; enTel./Fax.: Ingeniería (506) Civil 2283 (UCR, 4815 2006), ha desarrollado investigaciones sobre los impactos ambientales de sistemas de transpor- 2 director deltes Programa y asentamientos de Investigación humanos, centrado en en4 energía Investigador y emisiones de del carbono, Programa así como de enInvestigación Desarrollo Urbanoel uso deSostenible Sistemas dey deInformación la Maestría Geográfica y econometríaen Desarrollo espacial. Urbano Correo Sostenible,electróni- Escuela Interdisciplinariaco: [email protected] en Gestión Ambiental; Tel./Fax.: y (506) 2283 4815de Ingeniería Civil, Universidad de Costa Rica. Ecoturismo; catedrático de la Escuela de Licenciado en Ingeniería Civil (UCR, 2006), ha Ingeniería Civil de la Universidad de Costa Rica. desarrollado investigaciones sobre los impactos Lic. en Ing. Civil (UCR, 1971), M.Sc. en Riesgo ambientales de sistemas de transportes y asenta- Sísmico (1973), MCP y PhD en Planificación mientos humanos, centrado en energía y emisio- Urbana y Regional por la Universidad de California nes de carbono, así como en el uso de Sistemas de en Berkeley (1991). Tiene amplia experiencia en Información Geográfica y econometría espacial. investigaciones de estudios urbanos y regionales, Correo electrónico: [email protected]; Tel./ planificación ambiental y análisis socioeconómico. Fax.: (506) 2283 4815 446 Rosendo Pujol M., Leonardo Sánchez y Eduardo Pérez M.

Estimación de Indicadores de Segregación socioeconómica...... 453 análisis de resultados de patrones de segregación...... 456 4. determinantes de la localización de condominios: estructura social, accesibilidad y seguridad ciudadana ...... 461 Técnicas econométricas: regresiones geográficamente ponderadas ...... 464 Resultados y discusión de patrones de localización de condominios...... 466 5. Consideraciones Finales...... 473 6. Referencias...... 474

Índice de Tablas y Figuras

Figura 1. Zona de estudio: Áreas Metropolitanas de San José y Heredia...... 447 Cuadro 1. I de Moran para distintas medidas de localización de condominios. . . .450 Figura 2. I de Moran local para área total de condominios suponiendo contigüidad de primer orden...... 451 Cuadro 2: Indicadores de segregación para las áreas metropolitanas de San José y Heredia...... 460 Figura 3. Patrones de indicadores de segración residencial (grupos de altos ingresos) seleccionados...... 462 Cuadro 3. Estadísticas descriptivas de cantidad de fincas y áreas de condominios, y determinantes seleccionados...... 463 Cuadro 4. Modelos globales estimados con mínimos cuadrados ordinarios. . . . .467 Cuadro 5. Estadísticas resumen de modelos de regresiones geográficamente ponderadas...... 470 Cuadro 6. Heterogeneidad y significancia local de los coeficientes de regresión. Regresiones geográficamente ponderadas...... 471 Figura 4. Patrones de coeficientes de regresión y determinación seleccionados. Modelo 1 (Variable dependiente: área de todos los condominios) ...... 472

Resumen

En este artículo, se describen cuantitativamente los patrones de concentración de condominios en las ciudades de San José y Heredia, Costa Rica (en el año 2007) mediante la estimación de la I de Moran global y local (usando un indicador lisa). La ciudades fueron también analizadas en términos de segregación residencial; para cada distrito, se estimaron índices de igualdad, exposición y concentración, incluyendo correcciones por el área, forma y frontera de los segmentos censales que componen cada unidad, para grupos de altos y bajos ingresos. Estos índices, en conjunto con determinantes auxiliares (tasas de homicidios, ingresos y accesibilidad), fueron empleados para evaluar su influencia como determinantes de la localización de condominios residenciales. Los modelos fueron estimados empleando regresiones geográficamente ponderadas para reflejar las variaciones espaciales en parámetros y estadísticos. El análisis permite demostrar la fuerte influencia de los patrones de segregación sobre la localización de condominios en San José y Heredia.

Palabras clave: segregación residencial, barrios cerrados, regresiones geográficamente ponderadas, autocorrelación espacial, estratos socieconÓmicos

Abstract

This article provides a quantitative description of gated communities concentration patterns in the cities of San Jose and Heredia, Costa Rica (for 2007), by estimating Moran’s I globally and locally, using a LISA. The cities were also analyzed in terms of residential segretagion; for each district, indexes of equality, exposition, and

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 La segregación social como determinante del desarrollo urbano 447

concentration – including corrections by area, shape and frontier of census tracts composing each unit analyzed – for high and low income groups. These indexes, in conjunction with additional covariates (deaths by murder rates, income and accessibility to San Jose), were used to evaluate their influence as determinants of gated communities location. Models were estimated using Geographically Weighted Regressions to reflect spatial variability of parameters and statistical significance. This analysis seeks to prove the strong influence of residential segregation patternso on gated communities location in San Jose and Heredia.

Keywords: Socioeconomic residential Segregation, gated communities, geographically weighted regression, spatial autocorrelation, socioeconomic strata

1. Introducción las formas específicas en que se manifiestan las desigualdades sociales en el espacio urbano. El presente artículo discute los patrones El desarrollo de investigaciones en este tema de concentración de los condominios en las Área implica introducir en el conocimiento de la rea- Metropolitanas de San José (AMSJ) y Heredia lidad un enfoque hasta ahora muy poco explo- (AMH). Busca explicar su localización emplean- rado, que constituye la base para comprender, y do indicadores cuantitativos y espaciales de así poder actuar sobre, el problema de ordena- segregación. Como hipótesis general se propone miento urbano en el país. que la creación de grandes condominios hori- El área de estudio es un espacio de 750 zontales es una estrategia de autosegregación Km2 (1,5% del territorio de Costa Rica), donde por parte de sectores de altos ingresos. vive poco más del 40% de los hogares del total El análisis de la concentración de condo- nacional (385.159 hogares), casi el 40% de la minios, junto con el estudio de los fenómenos población nacional, el 81% de los hogares de de segregación, es importante porque permite Clase Muy Alta [Estrato 6] y el 22% de los hoga- identificar con mayor claridad la magnitud y res de Clase Baja [Estrato 1] del país.

Figura 1 Zona de estudio: Áreas Metropolitanas de San José y Heredia

Los resultados muestran variaciones ción de condominios, que en parte responden a espaciales importantes y sistemáticas en los la concentración de condominios al oeste de la factores sociales determinantes de la localiza- ciudad de San José. Las principales relaciones

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 448 Rosendo Pujol M., Leonardo Sánchez y Eduardo Pérez M. identificadas incluyen una relación directa con de bajos ingresos (Alpízar, 1994; Pujol et al., los índices de aislamiento (de grupos tanto de 2009). Sin embargo, estas dinámicas corres- altos como de bajos ingresos) y una relación pondieron a una relativamente pequeña parte inversa con el índice de desigualdad de grupos del proceso normal de crecimiento de la región. de bajos ingresos. No son significativos como En su conjunto, la región metropolitana de San determinantes ni la tasa de defunciones por José es producto de la expansión de muchos homicidios ni los índices de desigualdad para núcleos rurales y de cuatro ciudades principales grupos de ingresos altos. hacia sus periferias rurales, cuyo resultado fue El estudio está organizado en cuatro sec- una conurbación parcial, límitada por factores ciones. En la primera, se analiza la concentra- físicos como cañones de ríos y montañas (Pujol, ción espacial del desarrollo de condominios. En 2005). El patrón de propiedad rural que prece- la segunda sección, se ofrece una clara locali- dió a la urbanización incluyó muchos campe- zación de las áreas geográficas de concentra- sinos pobres pero dueños de su propia tierra, lo ción espacial de segregación para el grupo de cual facilitó el acceso al suelo para sus hijos (el Ingresos Bajos y Altos [Estratos 1 y 6 respecti- proceso de fragmentación de la propiedad, con- vamente] en las áreas metropolitanas de Here- secuencia de herencias sucesivas, es un hecho dia y San José. La tercera sección analiza las histórico analizado en Hall, 1978). Esto ocurrió relaciones entre el desarrollo de condominios y en un contexto nacional en que los niveles la segregación residencial. En la cuarta sección de desigualdad han sido históricamente bajos, se esbozan algunas conclusiones derivadas del comparados con América Latina estudio. Dentro de la lógica de ciudades forma- les, se inserta cada vez más la figura del barrio cerrado. Los barrios cerrados son “áreas cerra- 2. condominios horizontales: una das con accesos restringidos en los cuales los forma de urbanización para espacios normalmente públicos han sido priva- sectores de altos ingresos tizados” (Blakely y Snyder, 1997). Correspon- Antecedentes latinoamericanos del desarrollo den a una forma de urbanización claramente de barrios cerrados distinta del desarrollo tradicional, donde se privatiza la infraestructura pública por razones La forma de construcción de las ciudades sociales: se reducen así las interacciones socia- latinoamericanas incluye dos dinámicas parale- les entre los habitantes del barrio cerrado y su las y, en muchos casos, espacialmente diferen- entorno. Blakely y Snyder (1997) identificaron ciadas que contribuyen a explicar los patrones tres grupos que buscan este tipo de desarrollos de segregación residencial: un desarrollo formal, por razones muy específicas: pensionados u con infraestructura apropiada y régimen de hogares que adquieren una segunda vivienda tenencia de la tierra claro (donde el propietario con fines recreacionales, búsqueda de estatus ocupa su terreno o lo alquila legítimamente a social y prestigio por parte de los estratos de sus dueños) y una gran área de ocupación irre- ingresos más altos y seguridad como reacción gular con dinámicas propias, al margen de la ante delincuencia existente o percibida. acción regulatoria estatal y en la cual se asien- En Costa Rica, la figura de condominio tan, en general, los sectores de menos ingresos. ha sido empleada sistemáticamente para la La región metropolitana de San José creación de barrios cerrados. La legislación tuvo un proceso de formación parcialmente nacional permite que la infraestructura nor- diferente, mucho menos dual. Entre 1985 y malmente pública (calles, áreas recreativas, 1993, ocurrieron grandes invasiones de tierra, etc.) sea considerada propiedad común de consecuencia del desbordamiento en los sis- los condóminos. Tampoco existen límites al temas tradicionales de provisión de vivienda tamaño de estos desarrollos, aunque pueden social. La formalización de estas tomas de tie- ser afectados por las regulaciones municipa- rra tuvo el efecto de concentrar a la población les. Sin embargo, y en ausencia casi total de

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 La segregación social como determinante del desarrollo urbano 449 regulaciones, se han convertido en una forma ponderación que relaciona unidad i con cada conveniente para desarrollar barrios cerrados. una de las otras unidades, j.

Los factores de ponderación Wij pueden ser organizados en una matriz, cuadrada de NxN Medición de conglomerados y patrones de dimensiones, llamada de pesos espaciales, donde dependencia espacial existen N unidades i. Esta matriz viene a resumir la relación espacial que se supone existe entre Se han utilizado técnicas de identifica- una unidad i y su vecindad (i.e. todas las otras ción de conglomerados espaciales para encon- unidades cuyo valor de xj influye sobre el valor trar las áreas que concentran el desarrollo de de xi, i ≠ j). El valor de Wij puede estar definido condominios en San José y Heredia – y como por la distancia entre dos puntos, bajo la supo- paso previo, para determinar si estas concen- sición de que cuanto mayor la distancia, menor traciones existen y si son estadísticamente sig- la influencia del valor xj sobre xi; de ahí que nificativas, i.e. representaciones de un proceso típicamente se suponga Wij como el inverso de espacial subyacente, o meramente aleatorias. la distancia o, más complejamente, estructuras El análisis de conglomerados consiste en gaussianas cuyo valor decae conforme aumen- la agrupación de observaciones – en el caso de ta dij (vea ecuación [9]). Cuando las unidades este análisis, unidades geográficas – que son geográficas son poligonales, se pueden especifi- similares en algún sentido: a saber, que tengan car relaciones de contigüidad: la vecindad de la cantidades similares de condominios y que unidad i queda definida por todas las unidades estén adyacentes (o muy cercanas) entre sí. El que comparten un segmento de su frontera con análisis de conglomerados permite (a) identi- i (si la contigüidad es de primer orden), por las ficar si existen concentraciones (en el sentido unidades k adyacentes – que comparten un seg- geográfico) estadísticamente significativas y (b) mento de frontera – a las unidades j (que son a delimitar estas concentraciones en el espacio, su vez adyacentes a i) y las unidades j cuando la identificando las unidades espaciales que perte- contigüidad es de segundo orden, y así sucesiva- necen a cada una de ellas. mente. En la matriz de pesos, se especifica Wij = La identificación de conglomerados se 1 si el elemento j forma parte de la vecindad de i, realizó mediante la exploración de la autoco- y 0 en caso contrario. rrelación espacial de la cantidad de condomi- La interpretación del Índice de Morán nios entre distritos. La autocorrelación espacial es análoga a un coeficiente de correlación con- supone que las observaciones de una misma vencional: su numerador se interpreta como la variable en unidades geográficas adyacentes o covarianza entre unidades espaciales contiguas cercanas entre sí, están relacionadas. La medi- y su valor oscila entre menos -1 cuando existe da tradicional de autocorrelación espacial (o una fuerte correlación negativa y 1 cuando más generalmente de dependencia espacial) es existe una fuerte correlación positiva. la I de Moran (Moran, 1950). La I de Moran se La significancia estadística de la I de define según la ecuación [1]: Moran se estima mediante un estadístico Z ~ N(0,1), bajo el supuesto de aleatoriedad en el cálculo del primer y segundo momento de la I de Moran. La normalidad de este estadístico “depende del número de vínculos considerados [1] y de cómo están conectados, es decir, de la estructura de la matriz de pesos espaciales, de donde i: unidad geográfica (distritos); xi: valor forma que con 20 localizaciones puede asumir- de variable que se evalúa (cantidad de fincas o se normalidad” (Mayor y López, 2005). área en condominios) expresado como desvia- La varianza de la I de moran viene ción con respecto a la media, y Wij: factor de dada por:

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 450 Rosendo Pujol M., Leonardo Sánchez y Eduardo Pérez M.

[2]

la cual se calcula (i.e. si es positivo y cercano a El estadístico Z se define como: [3] la unidad, el valor de x se parece mucho a las i unidades que lo rodean; si es negativo y cerca- [3] no a -1, es muy diferente). Agrupamientos de La I de Moran es una medida de la zonas con valores positivos y estadísticamente dependencia espacial estructural en una serie significativos del indicador LISA forman con- de datos: supone implícitamente un proceso glomerados – conjuntos de distritos con un espacial, resumido en la matriz de pesos espa- comportamiento similar. ciales, que es constantemente significativo a todo lo largo de la serie de datos. Esta supo- sición ha sido reconocida como poco realista Concentración espacial del desarrollo (Anselin, 1995). Una solución propuesta por de condominios Anselin (1995) son los indicadores locales de asociación espacial (LISA): cualesquiera esta- No existen en Costa Rica inventarios de dísticos para los que (a) el estadístico LISA de barrios cerrados. Sin embargo, del Registro cada observación representa el nivel de aglo- de Bienes Inmuebles (que incluye todas las meración de valores similares alrededor de esa propiedades del país) pueden extraerse todas observación y (b) la suma de todos los esta- las propiedades registradas como condominios dísticos LISA de una serie de observaciones es y la cantidad de fincas filiales – en el caso de proporcional al indicador global de asociación condominios residenciales, cantidad de vivien- espacial. En particular, Anselin (1995) propuso das – de cada propiedad. La geolocalización de un indicador LISA para la I de Moran, definido estas propiedades es a una escala máxima de por la ecuación [4]: distrito. A partir de los condominios registrados para los distritos que componen la GAM, en el año 2007, se construyó una base de datos que [4] incluye la cantidad de fincas y área total suma- da de todos los condominios ubicados en cada donde los factores tienen igual significado que distrito. Estos fueron utilizados para detectar para la ecuación [1] e Ii es el indicador LISA que patrones de concentración y, posteriormente, se interpreta en forma idéntica a la I de Moran como variables dependientes en los modelos de pero en la vecindad inmediata de la zona i para regresión.

Cuadro 1. I de Moran para distintas medidas de localización de condominios

Inverso de la distancia Contigüidad de primer orden Variable I de Moran Estad. Z (Prob.) I de Moran Estad. Z (Prob.) Área total de condominios 0,0384 5,6701 <0,0001 0,3005 6,3474 <0,0001 Área total de condominios grandes 0,0367 5,3112 <0,0001 0,2863 5,8673 <0,0001 Cantidad de filiales en condominios 0,0368 5,8309 <0,0001 0,3160 7,2814 <0,0001 Cantidad de filiales en condominios 0,0579 7,2320 <0,0001 0,3362 6,5416 <0,0001 grandes

Fuente: Estimado con base en Registro Nacional, 2007

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 La segregación social como determinante del desarrollo urbano 451

El cuadro 1 muestra los valores de la I para apartamentos residenciales; Pujol et al., de Moran, los estadísticos Z y sus valores de 2009 y Alpízar, 1994 para vivienda social). probabilidad para cuatro medidas de existencia Este indicador general esconde un fenó- de condominios. Para su estimación, se supuso meno de fuerte concentración de los condo- una relación entre los centroides de los distritos minios al oeste de San José. Se estimó la I de que decae con el inverso de la distancia eucli- Moran local (Anselin, 1995) y se utilizó para diana (y se repitió la prueba, como verificación, identificar conglomerados sobre el área total de usando contigüidad de primer orden como cri- condominios (figura 2). Como puede verse, exis- terio de dependencia espacial). Como se puede te una aglomeración al oeste de la región que ver, es clara la existencia de un patrón no alea- incluye dos distritos del cantón de Escazú y cua- torio en la distribución de todas las variables tro del cantón de Santa Ana, todos al oeste del que describen la localización de condominios AMSJ. Analizando los valores absolutos de área en la región (se rechaza la hipótesis de homo- total de condominios, se nota como el distrito geneidad con un 99% de nivel de confianza). Sánchez, al este de San José (cantón de Currida- Los valores de la I de Moran son positivos en bat) también presenta una gran área de espacio todos los casos, indicando aglomeraciones de dedicada a condominios pero sus distritos adya- valores. Este resultado es poco sorprendente; se centes presentan un comportamiento menos ha demostrado la existencia de concentraciones concentrado (a diferencia del oeste de la zona de espaciales del desarrollo urbano en la Gran estudio). En general, todas las variables asocia- Área Metropolitana (GAM) (e.g. Pérez, 2010 das a condominios presentan el mismo patrón.

Figura 2. I de Moran local para área total de condominios suponiendo contigüidad de primer orden

Fuente: Estimado con base en Registro Nacional, 2007

3. patrones de segregación sociales (White, 1983). (b) la homogeneidad residencial en San José y Heredia social de las distintas subdivisiones territo- riales en que se puede estructurar una ciudad Para Sabatini (2001), la segregación resi- (Sabatini, 1999). (c) la concentración de grupos dencial remite a formas de desigual distribu- sociales en zonas específicas de una ciudad ción de grupos de población en el territorio, que (Sabatini et al., 2001; Rodríguez, 2001; Jargows- se manifiestan de diferentes maneras. Entre ky, 1996; Massey et al., 1996). ellas tenemos: (a) La proximidad física entre los Sabatini (2001) se refiere al último punto espacios residenciales de los diferentes grupos como una dimensión subjetiva de la segregación

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 452 Rosendo Pujol M., Leonardo Sánchez y Eduardo Pérez M. que consiste en sentimientos de marginalidad y social, especialmente en las zonas urbanas del de “estar de más”. Sugiere que sentimientos de país. esta naturaleza representan un factor clave para El concepto de distancia acá involucrado, que la segregación “objetiva” dé lugar a efec- tiene al menos dos acepciones distintas: distan- tos de desintegración social. Dado lo anterior, cia física entre los conglomerados residenciales Sabatini et al. (2001), definen la segregación y distancias sociales entre los hogares tipo de residencial, en términos generales, como el los distintos conglomerados (grados de disimi- grado de proximidad espacial o de aglomera- laridad) y también al interior de ellos (grados de ción territorial de las familias pertenecientes homogeneidad). a un mismo grupo social, sea que éste se defi- El fenómeno de segregación residencial na en términos étnicos, etarios, de preferen- no ha sido sistemáticamente estudiado en el cias religiosas o socioeconómicos, entre otras país. Algunos antecedente al respecto en Costa posibilidades. Rica son el estudio sobre tendencias en el desa- De acuerdo con Massey y Denton (1988) rrollo urbano de Costa Rica, con un énfasis (citado en Arriagada, 2003) la segregación se es analizar las causas y consecuencias de la entiende como el grado en el que dos o más segregación de grupos de pobres en la GAM grupos de población viven distanciados entre en 1992 (Mora y Solano, 1992), así como el sí en las diferentes partes del entorno urba- estudio realizado en el 2001 donde se prepa- no; dicho distanciamiento en el caso costarri- raron dos trabajos sobre segregación espacial, cense se supone que es generado por factores uno con la condición de migrante como factor socioeconómicos. Para efectos de esta inves- explicativo (Brenes, 2004) y otro que exploró la tigación, se tomó esta definición. El principal distribución espacial del fenómeno de fecundi- motivo de dicha elección, es su potencial efecto dad adolescente (Collado, 2004). El primero de adverso sobre las desigualdades sociales, ya que estos trabajos utilizó los índices de disimilari- no solo es fuente de desigualdad, sino que ade- dad, proximidad y aglomeración y el segundo más actúa como mecanismo reproductor de las el método de escaneo estadístico espacial para desigualdades existentes. identificar conglomerados espaciales. Para Sabatini (2001), la construcción de Pujol et al. (2004), estudiaron la segre- “condominios cerrados” para grupos medios gación residencial socioeconómica en la GAM. El trabajo ofrece una clara localización de las y altos fuera de su área tradicional de concen- áreas geográficas de concentración espacial tración, es tal vez el cambio más notorio y de los estratos extremos de la distribución del generalizado que está afectando a la estructura ingreso en el AMSJ, algunas medidas de dis- interna de las ciudades chilenas y latinoameri- tancia entre ellos, una caracterización socio- canas. Para este autor, las rejas electrificadas y demográfica de cada uno. Este trabajo puede los guardias armados son formas violentas de considerarse el principal antecedente del estu- privatización del espacio público que contras- dio que se presenta por sus objetivos, enfoque y tan con el entorno inmediato, especialmente si técnicas aplicadas. éste es pobre y están provocando aumentos en la segregación residencial. Sobre Costa Rica, el tema de brechas 3.1 aspectos metodológicos para estimar la territoriales se ha trabajado mediante el análisis segregación socioeconómica de las distancias promedio de los principales indicadores sociales en dos perspectivas: las Base de Datos regiones de planificación y las zonas rural y urbana. Sin embargo, la magnitud de las dis- Para la estimación de los diferentes indi- tancias entre grupos sociales que se logran cadores de segregación del año 2000 se utilizó identificar con las mediciones tradicionales, el Indicador para estratificar hogares en vivien- no es suficiente para reflejar la forma en que das individuales y segmentos censales por nivel la ciudadanía vive las condiciones de exclusión de ingreso (Madrigal, 2002). Este Indicador

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 La segregación social como determinante del desarrollo urbano 453 toma como base la información de la Encuesta resultantes fueron aplicadas a los hogares del de Hogares de Propósitos Múltiples 2001 y esca- Censo 2000 y con el uso del K-Medias (Cluster la seis índices: educación, ocupación, pertenen- Analysis) se definieron seis niveles de ingreso, cias de la familia, hacinamiento, dependientes y donde el estrato 1 hace referencia al grupo de ocupados. Éstos se introducen como las varia- menores ingresos y el estrato 6 al de mayores bles independientes en un modelo de regresión ingresos. El coeficiente Etha 2 mostró que la multivariable, cuya variable dependiente es el ingreso per cápita del hogar. estratificación de los segmentos aplicada al Con el objeto de incluir todos los hoga- Marco Muestral de Viviendas 2000 explica el res del país el autor ajusta dos ecuaciones, una 80% de la variabilidad del ingreso per cápita en para hogares en los que el jefe se encontraba la zona urbana. Para efectos de este estudio se ocupado y otra en los que no. Las ecuaciones redefinieron los estratos de la siguiente forma:

Clase Baja Clase Media Baja Clase Media Media Clase Media Alta Clase Alta Clase Muy Alta

Estrato 1 2 3 4 5 6

En este estudio se relacionaron dos gru- a) Índices de Igualdad pos para analizar el fenómeno de la segrega- ción, el grupo de hogares dentro de los segmen- Índice de Duncan: Este índice de segre- tos censales clasificados dentro del estrato 1 ó gación (Duncan 1955a, Duncan, 1955b) mide Clase Baja (Ingresos Bajos) y el grupo de Clase la distribución de un determinado grupo de muy Alta ( Estrato 6). población en el espacio urbano. Varía entre cero El grupo de Ingresos Bajos o Clase Baja y uno, valores que corresponden respectiva- representa el 19,2% de los hogares del área mente a una distribución exactamente igualita- de estudio, el 19,5% del AMSJ y el 17,9% en ria y una distribución de máxima segregación. el AMH. El 80% de estos hogares se ubican el También se puede expresar en porcentaje. El AMSJ. Por otra parte, el grupo de Ingresos Altos valor de este índice también se puede interpre- o clase Muy Alta representa 3,9% de los hogares tar como la proporción del grupo minoritario del área de estudio, el 4,2% de los hogares en el que tendría que cambiar de residencia para AMSJ y el 3,1% en el AMH. El 84% de los hoga- obtener una distribución igualitaria (Jakubs, res de este grupo se ubica en el AMSJ. 1981; Massey, Denton, 1988b). El índice de segregación se define como:

Estimación de Indicadores de Segregación socioeconómica (5) Algunos autores (Massey y Denton,

1988) hacen una clasificación de estas medi- donde: xi : Población del grupo minoritario en das, estableciendo diversos tipos de segre- la sección censal i; X : Población total del grupo gación residencial, teniendo en cuenta las minoritario en el área de estudio; ti : Población diferentes perspectivas desde las cuales puede total en la sección censal i; T : Población total abordarse el problema del reparto de un grupo del área de estudio; n : Cantidad de Segmentos de población en una ciudad. De esta forma, los del área de estudio. Con este índice se calcula la indicadores cuantitativos de segregación resi- diferencia entre la proporción de individuos del dencial se pueden agrupar entre otros, en los grupo minoritario (X) y la proporción del resto siguientes tipos: de población en cada unidad espacial. De hecho,

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 454 Rosendo Pujol M., Leonardo Sánchez y Eduardo Pérez M. el valor cero sólo se alcanza cuando en todas las unidades hay la misma proporción entre el grupo X y el resto de población. Índice de disimilitud: El índice de disimi- litud (Duncan, 1955b) es muy similar en su for- [7] mulación al índice de segregación. La diferencia estriba en que ahora se comparan proporciones donde cij son los elementos de una matriz de de dos grupos, y no de un grupo respecto al contactos binaria; matriz cuadrada y simétrica resto, como hemos hecho en IS. El índice de de dimensiones n por n. Si dos unidades tienen disimilitud se define como: frontera común cij=1, si no la tienen cij=0. Zi y Zj son las proporciones del grupo X en el seg- mento i, y en el segmento j. Respecto a los dos índices precedentes, D (adj) presenta tres dife- [6] rencias sustanciales. Primera, tiene en cuenta la diferencia de proporciones en las unidades En D, yi es el número de individuos del que son vecinas. Segunda, es sensible a la pre- grupo mayoritario en cada sección censal, sencia de agrupamientos (clusters) de unidades e Y el total de población de este grupo en con proporciones similares. Y tercera, explota el área de estudio. Si este índice es igual a la relación topológica entre unidades espaciales cero, el grupo minoritario está repartido de donde se analiza la segregación. forma homogénea dentro de la zona de estu- La corrección anterior tiene en cuenta, dio. El índice de disimilitud, como IS, tam- conceptos desarrollados por la estadística espa- bién está acotado entre cero (mínimas segre- cial. Adopta una matriz de contactos binarios, gaciones) y uno (máxima segregación). Este pero no tiene en cuenta la longitud de la fronte- índice de desigualdad también admite una ra común entre unidades vecinas. Por lo tanto, interpretación en forma de porcentaje del no recoge la variación de la intensidad de la grupo analizado que debe cambiar de unidad interacción entre individuos del mismo grupo para alcanzar la igualdad en la distribución. que se deriva de la facilidad/dificultad de cruzar Por ejemplo, si D = 0,2765, el 27,65% de los la frontera a causa de su mayor/menor longi- individuos del grupo ha de cambiar de resi- tud. Este hecho es el que intenta incorporar el dencia para llegar a condiciones de homoge- siguiente índice. neidad socioeconómica dentro de la zona de Índice de desigualdad corregido por la estudio. longitud de la frontera: Con este índice (Wong, Tanto el índice de segregación como el 1993, 1999) se introduce la interacción entre índice de disimilitud no incorporan informa- los individuos de diferentes grupos en unidades ción sobre la configuración de las unidades en vecinas que se supone proporcional a la longi- el espacio. A continuación se presentan tres tud de la frontera común. Este efecto se obtiene indicadores de la segregación residencial que mediante la consideración de una nueva matriz tienen en cuenta esta información. Estos índi- de contactos que tiene en cuenta la longitud ces han sido desarrollados gracias a la utili- (Cliff, Ord, 1981): zación de sistemas de información geográfi- ca y a la disponibilidad de datos de población georreferenciados. Índice de desigualdad corregido por la frontera: El índice de desigualdad corregido [8] por la frontera (Morill, 1991, 1995) es el primer esfuerzo por reflejar la configuración espacial donde dij la longitud de la frontera entre el seg- de las unidades en el cálculo de los indicadores mento i, y el segmento j. La idea que subyace de segregación residencial. El índice se calcula en este planteamiento es que la interacción mediante la siguiente expresión: entre unidades disminuye el nivel de segre-

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 La segregación social como determinante del desarrollo urbano 455 gación expresado en términos de D. Con esta 1999) que la geometría o forma de las uni- corrección, la interacción es proporcional a la dades afecta a la probabilidad de interacción diferencia entre proporciones de las unidades entre individuos de diferentes grupos en uni- vecinas y la longitud de la frontera que las sepa- dades vecinas. La medida más básica de la ra. Hay también un tercer elemento a tener en forma es la relación entre perímetro y área. cuenta, si se quiere incorporar en la medida de El cociente de estas dos magnitudes deter- la segregación residencial elementos de confi- mina lo que se denomina compacidad de la guración espacial, es imprescindible tener en unidad. La compacidad es mínima cuan- cuenta la forma de las unidades. Para corregir do el cociente es máximo y a más compa- este problema se plantea el siguiente índice. cidad menos probabilidad de interacción. Índice de desigualdad corregido por Para incorporar este elemento, se formula el la forma: Se puede demostrar (Wong, 1993, siguiente índice:

[9]

donde, pi es el perímetro de la unidad (Segmen- admite una corrección para ajustarlo a las dife- to), y ai su área, y como se mencionó anterior- rentes proporciones sobre el total de población mente Zi = Segmento i, y Zj es el Segmento j. del segmento, que representan los grupos ana- lizados (Stearns, Logan, 1986; Massey, Denton, 1988). El índice de aislamiento corregido (etha b) Índices de interacción al cuadrado) se define

Este segundo grupo de indicadores se como: [11] caracteriza por incorporar el concepto de pro- babilidad. Por una parte, el índice de aisla- donde P es la proporción de población del grupo miento mide la probabilidad que un individuo X en el segmento. comparta la unidad espacial con un individuo Índice de interacción: El índice de inte- de su mismo grupo. Por su parte, el índice de racción, (Bell, 1954), está acotado entre los mis- exposición mide la probabilidad que un indivi- mos valores que los indicadores precedentes, es duo comparta la misma unidad con un indivi- decir, entre 0 y 1, pero tiene una interpretación duo de un grupo diferente. A continuación se diferente. Por ejemplo, si este índice toma el muestran los dos índices a estimar: valor 0,2, se interpreta que de media, en una Índice de aislamiento: Se define de la unidad donde reside un miembro del grupo X, siguiente forma (Bell, 1954; White, 1986): dos individuos de cada diez son del grupo Y (si sólo hay dos grupos de población). En conse- cuencia, en las situaciones más segregativas tomará valores pequeños. [10] Se define como:

Donde xi : Hogares del grupo minoritario en la s.c. i; X: Total de hogares del grupo mino- [12] ritario en el área de estudio y ti : Total de hoga- res en la s.c. i. Su valor máximo significa que Donde Xi : Hogares en estrato bajo o alto el grupo X está aislado en las unidades donde en la s.c. i; yi : Hogares en el resto de estra- reside (segmento censal). Este índice también tos en la s.c. i; X : Total de hogares del grupo

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 456 Rosendo Pujol M., Leonardo Sánchez y Eduardo Pérez M.

minoritario en el área de estudio y ti : Total de donde Xi : Hogares del grupo minoritario en la hogares en la s.c. i. Algunos autores (Stearns s.c. i; X: Total de hogares del grupo minoritario y Logan, 1986) dan más importancia a este en el área de estudio; ai: Total área de la s.c; A: índice que a las medidas de igualdad tradicio- Total de área de la zona de análisis nales. Según ellos, medir la probabilidad de interacción es clave, ya que la misma fomenta la integración en el idioma del país y puede Análisis de resultados de patrones de propiciar, por ejemplo, matrimonios mixtos, y segregación en general, todo proceso de asimilación. Por el contrario, otros autores (Bertrand y Chevalier, Segregación en las Áreas Metropolitanas 1998), argumentan que las relaciones socia- les no se limitan al espacio residencial, sino En general la concentración disminuye que también están presentes en otros ámbitos y la interacción aumenta, entre los grupos de como el trabajo, las relaciones de amistad y Ingresos Bajos y Altos [Estratos 1 y 6] conforme otras. Por lo tanto, no se puede poner límites el área de estudio aumenta, es decir a mayor a la interacción en una visión estrictamente área menor segregación. El cuadro 2, muestra espacial. que si se pasa de segmentos a distritos y de este En el caso de Costa Rica la segregación último a cantones, los valores son menores, no es necesariamente por aspectos religiosos, exceptuando el índice de interacción que pre- idiomáticos, étnicos o raciales. Lo importante senta una lógica inversa. es la segregación espacial socioeconómica. Los Para Massey (1985), existe fuerte segre- grupos de mayores ingresos tratan de vivir gación en los índices de igualdad cuando los segregados e interactuar poco con personas de valores se sitúan por encima del 60%. El AMSJ otros niveles socioeconómicos. Los más pobres alcanza los valores más altos en este índice se acomodan en lugares menos apetecidos por (58,96%) cuando se analiza por segmento, esto el resto. La clase media se distribuye por toda para el grupo de Ingresos Altos. Tanto el grupo la ciudad y es dominante en la mayor parte de Ingresos Bajos como el de Ingresos Altos en del espacio urbano. En este sentido los barrios el AMH muestra valores por debajo del 50%, lo cerrados pueden ser vistos como un medio para mismo sucede para el grupo de Ingresos Bajos excluir a los más pobres y por lo general a todos del AMSJ. aquellos que no pertenecen a la misma comuni- Como se muestra en el cuadro 2, al dad residencial. corregir el índice de Duncan (que no tiene en cuenta la configuración espacial de las unida- des analizadas), con aspectos como la frontera, c) Índice de concentración la longitud de la frontera, el área y el perímetro, la segregación disminuye. Esta disminución en El índice Delta (Duncan, 1961) calcula la la segregación que se da al incorporar compo- diferencia entre la proporción de la población nentes espaciales, se presenta en ambos grupos de un grupo en cada unidad respecto al total de Ingresos (Altos y Bajos) y en ambas áreas del grupo en el segmento, y la proporción de la metropolitanas. Como es de esperar a menor superficie de cada unidad con el total del área nivel de desagregación mayor es la disminución de estudio. Su valor máximo significa segre- en la segregación y viceversa. Esto significa gación máxima. También se puede interpretar que el nivel de segregación se puede considerar como el porcentaje de población del grupo X sobrevalorado cuando los cálculos se basan que ha de cambiar de residencia para obtener únicamente en los indicadores no espaciales. una densidad uniforme en el área de estudio. El Sin embargo, los resultados que se encuentran índice se define como: más cercanos a los del índice no espacial son los procedentes del índice más completo en cuanto a los elementos espaciales que incorpo- [13] ra, el índice de igualdad corregido por la forma

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 La segregación social como determinante del desarrollo urbano 457

D(s). Este hecho parece indicar que la sobrees- de segregación está principalmente localizado timación detectada puede ser más baja que la en el AMSJ. percepción inicial. El índice de Duncan muestra valores El índice de aislamiento mide la proba- relativamente bajos en el grupo de Ingresos bilidad que un individuo comparta la unidad Bajos, a pesar de que existen claras concentra- espacial con un individuo de su mismo grupo. ciones de pobreza, lo cual se podría explicar En este sentido, los resultado muestran que porque los hogares en estrato 1 están distri- existe mayor probabilidad de que los hogares de buidos por todos los segmentos de ambas áreas Bajos y Altos Ingresos [Estratos 1 y 6] compar- metropolitanas y en particular en los segmen- tan ya sea el segmento, el distrito, el cantón o tos donde los grupos de ingresos medios (Estra- en general el AMSJ que el AMH (ver cuadro 2). tos 2 a 4) predominan. (Refiérase a la Figura 3) Los resultados del índice de aislamiento dismi- Una cantidad importante de distritos con nuyen cuando se ajusta por la población de cada valores altos en el índice de Duncan estimado grupo (Aislamiento Corregido), sin distinción para el grupo de Ingresos Altos [Estratos 6] de grupos de Ingresos ni área de estudio. están mucho más cerca del centro de San José Tanto el índice de aislamiento como el que los valores altos en el indicador estimado corregido, muestran que las probabilidades para el grupo de Ingresos bajos [Estrato 1], los de interacción entre miembros de un mismo cuales se ubican en muchos casos bastante más grupo, es mayor en el grupo de Bajos Ingresos distantes; esto podría explicarse de cierta mane- que en el de altos ingresos. Esto es cierto para ra por los programas de viviendas de hace dos ambas áreas metropolitanas. décadas, que si bien es cierto tuvieron enormes El índice de interacción muestra que impactos positivos para la sociedad costarricen- el grupo de Ingresos Bajos para ambas áreas se, paradójicamente descentralizaron la pobreza metropolitanas presenta menor probabilidad de urbana, lo que significó el alejamiento físico de interactuar o compartir con el resto de hogares muchas fuentes de empleo del centro y también de otros estratos o Ingresos (grupo mayorita- la concentración de hogares pobres en núcleos rio), aunque el problema de segregación no es muy grandes que todavía existen. Aunque es tan grave, ya que los valores son mayores al importante señalar que en distritos como Purral 0,65, y bajo este índice conforme el indicador (Guidos y Los Cuadros) y La Uruca (La Carpio) se acerca a la unidad la segregación disminuye. no fueron proyectos de vivienda sino tomas de El índice de Concentración (Delta), tierra, al estilo de la inmensa mayoría de los cre- muestra que el grupo de Ingresos Altos en el AMH y el de Ingresos Bajos en el AMSJ se con- cimientos urbanos del resto de América Latina. centran en áreas más pequeñas, mientras que (Pujol, Pérez y Sánchez, 2009). los hogares de Ingresos Altos en el AMSJ tien- En el caso del cantón de San José, exis- den a concentrarse en áreas mayores. De ahí ten dos distritos que presentan altos valores que los mayores valores de segregación se pre- en el índice de Disimilitud tanto de Ingresos senten en el grupo de Ingresos altos del AMH y Bajos como de Ingresos Altos [Estratos 1 y 6], en el grupo de Ingresos Bajos en el AMSJ. estos son: Pavas y La Uruca. Esta combinación de valores altos en este indicador, para las dos poblaciones analizadas, se explica porque en Segregación por distritos y cantones estos distritos existe paradójicamente zonas con una cantidad importante de hogares en Indicadores de Igualdad: La evidencia estrato 6 (Rohrmoser y Sabana Oeste) y zonas empírica analizada por distinto índices permite con un número importante de hogares en afirmar que existe segregación residencial, que estrato I (La Libertad y Rincón Grande en Pavas claramente la condición de pobreza (Grupo de y la Carpio en la Uruca). Por otro lado, también Ingresos Bajos [Estrato 1]) es el determinante se presentaron altos valores en el índice de Disi- principal de esa segregación, y que, el problema militud para el grupo de Ingresos Altos en la

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 458 Rosendo Pujol M., Leonardo Sánchez y Eduardo Pérez M. zona este del cantón de San José, en Granadilla para uso residencial de grupos socioeconómicos de Curridabat y en San Antonio de Escazú. relativamente homogéneos. Esto se combinó Como es de esperar, los valores del índi- con grandes diferenciales de accesibilidad den- ce de desigualdad corregido por la frontera D tro de la región y en particular en el AMSJ y (s), muestra valores menores en ambos grupos el AMH consecuencia de la abundancia de ríos (Ingresos Altos-Bajos) respecto al índice de montañosos y sus cañones y la gran escasez de desigualdad de Duncan, tanto por segmentos, puentes (Pujol, 1988). La cercanía a las princi- distritos o cantones, como para el total de las pales vías de comunicación, existentes, a medio áreas metropolitanas. Y algunos distritos y can- construir o planeadas fue un imán para los tones disminuyen proporcionalmente más el grupos de más altos ingresos que poco a poco valor del índice, precisamente porque cuentan crearon aglomeraciones territoriales (Pujol et con un porcentaje mucho mayor o menor de al., 2004), de ahí que su interacción con otros hogares de Ingresos Bajos ó Altos [Estratos 1 grupos sea menor, como se demuestra en los y 6] respecto a sus distritos o cantones con los valores de este índice. El índice de Índice de cuales comparte frontera. desigual corregido por la forma, muestra que El índice de desigualdad corregido por para los grupos de Ingresos Altos y Bajos, los la longitud de la frontera D (W), permite afir- resultados de los índices espaciales son más mar que para ambos grupos de Ingresos, los bajos que los de la variante no espacial, debido resultados de este índice son más bajos que los a la corrección introducida. Esta observación mostrados en el Índice de segregación de Dun- nos indica, como se mencionó anteriormente can, debido a la corrección introducida. Aunque para las áreas metropolitanas que el nivel de aumenta en la mayoría de los segmentos, dis- segregación se puede considerar sobrevalorado tritos y cantones, la segregación si se compara cuando los cálculos se basan únicamente en los con el índice anterior (Índice de desigualdad indicadores no espaciales. corregido por la frontera). Solo para el grupo de Los distritos con mayores valores se Ingresos Bajos [Estratos 1] a nivel cantonal se mantienen invariables como por ejemplo San presentaron valores menores al índice corregi- Felipe de Alajuelita, Rancho Redondo de Goi- do por la frontera. coechea, Concepción de Alajuelita y Río Azul de El incremento en D (W) respecto al índi- La Unión, cuyos valores pueden estar respon- ce anterior D (adj) varía mucho entre un distri- diendo principalmente a la baja proporción de to y otro, ya que las longitudes de fronteras son hogares con ingresos altos más que a la rela- muy heterogéneas, esto provoca que la varia- ción entre perímetro y área. ción de la intensidad de la interacción, entre De acuerdo con el índice D (s), los distri- individuos del mismo grupo (Ingresos Altos – tos que presentan una mayor disminución en Bajos) difiera, ya que la facilidad ó dificultad de la segregación, en comparación con el índice cruzar la frontera a causa de su mayor ó menor de Duncan son: San Vicente de Moravia, San longitud va ser diferente para cada distrito. Pedro de Montes de Oca, San Francisco y Gua- Otro de los resultados del índice D (W) es dalupe de Goicoechea, para estos distritos, las que para las diferentes longitudes de fronteras, relaciones entre perímetro y áreas son relativa- los grupos de Ingresos Bajos [Estrato 1] inte- mente altas lo que implica que las formas de los ractúan más con otros grupos, que los grupos distritos facilitan las posibilidades de interac- de Ingresos Altos. Esta mayor interacción entre ción entre hogares de distintos estratos y esto los grupos de Ingresos Bajos, especialmente potencia mejoras en la igualdad. con grupos de ingresos medios (Estratos 2 a 4) Indicadores de Exposición: El índice de obedece de cierta manera en el caso de las áreas aislamiento muestra que la probabilidad de metropolitanas de San José y Heredia a la crea- compartir una misma área geográfica es mucho ción de grandes proyectos de vivienda para las mayor en el grupo de Bajos Ingresos que en el personas de menos recursos, lo cual casi auto- de Altos Ingresos, situación que se acentúa más máticamente especializó zonas de las ciudades en el caso del AMSJ especialmente en ciertos

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 La segregación social como determinante del desarrollo urbano 459 distritos. Ejemplos de distritos con alta inte- Domingo y San Pedro en Santa Bárbara, donde racción son: La Uruca (64,1%) y Pavas (46,82%) los valores mostrados son menores al 2%. en San José; San Felipe (50,87%) en Alajueli- La interacción en términos generales ta; Sánchez (49,12%) en Curridabat; Patarra disminuye en todos los distritos y cantones, (47,9%) en Desamparados y Río Azul (46,90%) conforme se ajusta el índice de aislamiento de la Unión. por las diferentes proporciones sobre el total Los menores valores de interacción se de población del área que se este estudiando. presentan el AMH en su mayoría los valores En otras palabras la segregación aumenta al se ubican entre el 20 y 30%, aunque hay casos corregir el indicador, aunque los distritos que como el distrito de Santo Domingo (9,9%) en el mostraban mayor interacción de acuerdo al cantón del mismo nombre y el distrito primero índice sin corrección siguen siendo los mismos, de Heredia (13,4%) donde el indicador mos- pero muestran menor intensidad de interacción tró valores inferiores al 15%. Esto implica que y los que mostraban mayor segregación siguen la probabilidad de interacción de personas de siendo los mismos, aunque mas segregados. Ingresos Bajos [Estrato 1] en estos dos distritos Los resultados del índice de interacción es mucho menor al resto del AMH. El grupo de Altos Ingresos [Estrato 6] muestran que los grupos de mayores ingresos muestra la mayor interacción en los distritos tratan de vivir segregados e interactuar poco de Granadilla (21,7%) y Sánchez (30%) en el con personas de otros niveles socioeconómicos. cantón de Curridabat y Asunción (21,07%) en Los más pobres se acomodan en lugares menos el cantón de Belén y Mata Redonda (20,5%) en apetecidos por el resto. La clase media (estratos San José. En estos distritos, la probabilidad de 2 a 5) se distribuye en ambas áreas metropo- interacción entre hogares de estrato 6 es mucho litanas y es dominante en la mayor parte del mayor al resto de distritos del área, donde des- espacio urbano, interactuando más con los tacan distritos como León XIII, San Felipe, San grupos de Bajos Ingresos. (De ahí que el grupo Josecito y Concepción en Alajuelita; San Juan de Bajos Ingresos presente los mayor índices de de Dios en Desamparados, en Santo interacción.

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 460 Rosendo Pujol M., Leonardo Sánchez y Eduardo Pérez M. 0,82 antón 0,179 0,1419 0,1419 0,1301 0,0512 0,1305 0,1235 0,0047 0,9671 0,0492 0,0359 0,0329 0,0032 0,2581 0,0866 0,0866 0,4665 C eredia 0,8 istrito 0,1789 0,1789 0,0108 0,1301 0,1003 0,1934 0,1235 0,2301 0,0205 0,9595 0,2241 0,2472 0,2472 0,0405 0,4062 0,5875 0,2298 D etropolitana de H Área M s 0,71 0,469 0,9147 0,4781 0,1072 0,4796 0,3591 0,3501 ana 0,7353 0,0556 0,4992 0,4992 0,0853 0,3627 0,3627 0,3497 0,5895 0,2804 egmento S lit o p o s metr antón a 0,052 0,0179 0,1613 0,1613 0,1164 0,7699 0,0676 0,0579 0,9421 0,1263 0,2301 0,0323 0,0993 0,0309 0,2567 0,2567 0,3309 0,2464 C a i d s áre a an José ere a l r a é y H s istrito uadro 2 0,1987 0,1606 0,3791 0,7596 0,3791 0,2716 0,2716 0,0755 0,0355 0,3451 0,0536 0,9245 0,2075 0,3697 0,3397 0,4406 0,3462 0,2404 D ón p C ci a etropolitana de S e San Jo d Área M e segreg 0,1014 0,1517 0,1415 0,6611 0,5107 0,6821 0,4361 0,4361 0,5672 0,4299 0,4294 0,4307 0,5698 0,8585 0,5542 0,5896 0,5896 0,3389 egmento S res d ado ic acional de Población y Vivienda, 2000 Ind A I A I A I A I A I A I A I A I A I BI BI BI BI BI BI BI BI BI rupos G uncan elta isimilitud islamiento islamiento esigualdad Corregido esigualdad Corregido esigualdad Corregido

Índice de Interacción Índice de D por la Forma Índice de A Corregido D por la longitud de la Frontera D por la Frontera Índice A de Índice de D (Concentración) Índice de D Índice de D Índice de

tración

Indicadores de exposición de Indicadores Indicadores de igualdad de Indicadores Concen- Índices Fuente: Elaboración propia con base en Censo el N

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 La segregación social como determinante del desarrollo urbano 461

Índice de Concentración: De acuerdo con 4. determinantes de la el índice de Concentración, para el grupo de localización de condominios: Ingresos Bajos [Estratos 1] a nivel distrital, el estructura social, accesibilidad y seguridad ciudadana AMH muestra los mayores de segregación, es decir presentan una densidad menos uniforme La segregación residencial latinoameri- entre los hogares de altos ingresos [Estrato 6] cana presenta patrones y dinámicas no nece- en relación con el resto de hogares. Los distri- sariamente análogas al caso estadounidense, tos con valores más altos son: Purabá (95,2%), aunque en general parece dominar una mezcla Santo Domingo (84,7%), San Pedro (76,9%) y de exclusividad social y miedo por inseguridad Jesús (70,6%) en Santa Bárbara, así como La ciudadana. Sabatini et al. (2001), analizando Ribera (71,83%) en Belén y (71,6%) Santiago de Chile, distinguen una estructura en . de cono que parte del centro hacia una de las En el caso del AMSJ, los valores son muy periferias como zona apropiada por los sectores de altos ingresos y una amplia área en donde se homogéneos entre los distritos y oscilan entre asientan los sectores populares. Esta segrega- 49 y 50% (ver anexos 2.1 a 2.4). Esto índica ción es de “gran escala” geográfica. que la densidad de los segmentos censales que En América Latina, aunque los barrios componen los diferentes distritos tiende a ser cerrados muchas veces buscan la periferia de relativamente más homogénea entre los grupos las cuidades, no necesariamente ocurre gentri- de ingresos altos ficación ni tampoco un aumento en las interac- El comportamiento del grupo de Ingre- ciones entre estratos de altos y bajos ingresos. sos Bajos [Estrato 1] es diferente al presentado Los espacios de los pobres no son fáciles de por el grupo de Ingresos Altos [Estratos 6] en gentrificar porque carecen de servicios urba- términos espaciales, en este caso, el AMSJ es nos adecuados y, en muchos casos, la situación la que presenta no solo los mayores valores legal de la tenencia de tierra es difusa. Estas características generan inelasticidad espacial en este índice sino que son muy heterogéneos en la localización residencial, fomentando una entre las diferentes unidades de estudio (seg- segregación espacial estructuralmente más mentos, distritos y cantones). Los distritos con fuerte en las ciudades latinoamericanas. mayor segregación de acuerdo a este índice El análisis de las relaciones entre barrios se concentran en: La Uruca (79,4%) y Mata cerrados y segregación residencial, reportado Redonda (72,3%) en San José; Patarrá (72,5%) en la literatura, supone una relación directa en Desamparados; Jesús (66,8%) en Vásquez de entre ellos. Sin embargo, existen contraejem- Coronado y Dulce Nombre (78,4%) y plos que sugieren posibles reducciones en los (74%) en La Unión. niveles de segregación. Para Santiago de Chile, En resumen, las zonas de Ingresos Altos Sabatini et al. (2001) encontraron que la des- [Estrato 6] localizados sobre todo en el AMSJ, centralización de población de altos ingresos, al crear barrios cerrados en la periferia de Santia- se caracteriza por densidad de población mucho go, redujo la distancia entre estos y las concen- menor, hasta cuatro veces menos que las con- traciones de poblaciones de bajos ingresos. La centraciones de Bajos Ingresos [Estrato 1]. El explicación de esta divergencia podría estar en grupo de Altos Ingresos se agrupa territorial- los niveles de segregación residencial iniciales mente en pocos distritos dispersos especial- y en la disponibilidad de áreas libres para la mente del Area Metropolitana de San José y la construcción de barrios cerrados, así como en de Heredia. el tipo de barrio que se construye.

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 462 Rosendo Pujol M., Leonardo Sánchez y Eduardo Pérez M.

Figura 3 Patrones de indicadores de segregación residencial (grupos de altos ingresos) seleccionados

Fuente: Estimado con base en con base en Madrigal, 2004; Censo Nacional de Población y Vivienda, 2000

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 La segregación social como determinante del desarrollo urbano 463

La segregación residencial incide ini- condominios horizontales – que funcionan cialmente sobre la creación de barrios cerra- como barrios cerrados de estratos de mayores dos, i.e. los barrios cerrados son consecuen- ingresos. Esta particularidad representa una cia de dinámicas sociales ya existentes. Pero oportunidad valiosa para analizar las etapas ini- muy rápidamente, ambos procesos (segrega- ciales, donde los patrones sociales son determi- ción residencial y creación de barrios cerrados) nante de la forma de urbanización. Se explora, comienzan a reforzarse mutuamente. Blakely y entonces, la hipótesis de que los condominios Snyder (1997) explícitamente afirman: “Puertas cerrados son una nueva forma de urbanización y muros no son consecuencias necesarias ni que refuerza procesos de segregación preexis- naturales de estas tendencias sociales [se refiere tentes en las áreas metropolitanas de San José a la percepción de la degradación de ambientes y Heredia. Complementariamente, se busca urbanos, en particular de seguridad ciudadana] estimar los efectos del nivel de ingresos del ni sus causas; son, en cambio, una dramática entorno sobre la localización de condominios manifestación de ellas.” Atkinson y Flint (2004) horizontales, bajo el principio de que el tipo concluyen que los barrios cerrados son un de urbanización dominante para personas de ejemplo extremo y una extensión de tendencias altos ingresos es precisamente el condomi- hacia la segregación residencial preexistentes. nio cerrado. Se incluye la tasa de muertes por Para San José y Heredia, dado el inci- homicidios por cada 100 000 habitantes como piente desarrollo de condominios en 2000 (año una variable proxy de inseguridad ciudadana para el cual se han estimado los indicadores de con el fin de explorar la posible influencia de segregación residencial), la segregación debe- la criminalidad sobre la localización de barrios ría ser un causante de la localización de con- cerrados. Se busca también normalizar por el dominios en 2007, especialmente de grandes efecto de accesibilidad al centro de San José.

Cuadro 3 Estadísticas descriptivas de cantidad de fincas y áreas de condominios, y determinantes seleccionados Cantidad de Desviación Coef. de Variable Promedio Mínimo Máximo observaciones estándar variación Área total de condominios (m2) 113 60 964,46 165 854,30 2,721 0,00 1 248 080,00 Área de condominios grandes 113 41 885,60 123 167,30 2,941 0,00 892 675,90 (m2) 1/ Cantidad de fincas filiales en 113 205 453 2,204 0 3967 condominios Cantidad de fincas filiales en 113 81 195 2,408 0 1174 condominios grandes 1/ Índice de desigualdad corregido 113 0,273 0,120379 0,441 0,073 0,668 (bajos ingresos) 2/ Índice de aislamiento corregido 113 0,075 0,0506526 0,678 0,012 0,281 (bajos ingresos) Índice de desigualdad corregido 113 0,516 0,1799351 0,348 0,089 0,955 (altos ingresos) 2/ Índice de aislamiento corregido 113 0,044 0,0305905 0,693 0,011 0,148 (altos ingresos) Mediana del ingreso por hogar 113 51 933,94 21 454,67 0,413 28 226,30 161 013,00 3/ Tiempo de viaje a San José 113 13,510 7,266 0,538 0,139 35,261 centro en minutos Tasa de defunciones por causa de homicidios por cada 100 113 11,394 13,512 1,186 0,000 128,968 mil hab. 1/ Condominios grandes: aquellos cuya área es mayor a 1 ha. 2/ Corrección por longitud de frontera. 3/ Según Cardona et al., 2005, en colones constantes de 2001. Fuentes: Estimado con base en Registro Nacional, 2007; Censo Nacional de Población y Vivienda, 2000; Madrigal, 2004; INEC, 2009; bases de datos ProDUS, 2009

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 464 Rosendo Pujol M., Leonardo Sánchez y Eduardo Pérez M.

La ecuación [14] resume la estructura en el contexto de modelos de localización resi- supuesta. El modelo ha sido estimado supo- dencial, es un tema de investigación en curso. niendo una relación lineal entre factores, pues La formulación lineal busca evitar sesgos aso- su objetivo es aislar el impacto de los determi- ciados a transformaciones poco exploradas y no nantes y su dimensión espacial. La búsqueda estandarizadas: de formulaciones matemáticas más precisas,

[14]

El cuadro 3 resume la estadística des- casos, existen problemas de estabilidad espa- criptiva de las distintas variables recopiladas. cial en los parámetros y, consecuentemente, el La unidad de análisis de la base de datos son riesgo grave de sesgos por dependencia espa- los distritos administrativos, según la división cial. El análisis de regresiones geográficamente existente en el año 2000: 113 distritos en las ponderadas (Fotheringham et al., 2004) fue áreas metropolitanas de San José y Heredia, desarrollado para explícitamente incorporar la incluyendo los distritos del cantón de La Unión, variación espacial en los parámetros. En ella, que funcionalmente están asociados a San José se estima una regresión para cada punto en el pero administrativamente, pertenece a Cartago. espacio en lugar de una única regresión que Cuatro distintas variables han sido formali- incluya todos los datos y represente todas las zadas para describir la “cantidad” de barrios posiciones (la suposición inherente en el uso de cerrados por distrito: el área de (a) todos los mínimos cuadrados ordinarios). Cada regresión condominios y (b) de condominios grandes es estimada con una submuestra del total de (cuya área total, incluyendo áreas comunes, es datos disponibles, ponderados con un factor mayor a 1 ha.), y la cantidad de fincas filiales que representa la distancia desde el punto en el – i.e. cantidad de unidades habitacionales – de espacio a partir del cual se estima la regresión (c) todos los condominios y (d) de solo los con- local. Para cada regresión local (y), se esti- dominios grandes. Los condominios grandes man parámetros que dependen de la posición deberían ser más representativos de los barrios tanto del punto de referencia (llamado punto de cerrados, pues también existen edificaciones regresión) como de la localización de cada dato organizadas como condominios (que requie- i – representado por las coordenadas (ui,vi) (vea ren menos área porque utilizan el espacio más ecuación 15). intensamente). Las estimaciones de regresiones geográ- ficamente ponderadas fueron realizadas con el [15] paquete spgwr desarrollado para el programa R Los parámetros se estiman según la (R Development Core Team, 2009). La estima- ecuación [16], donde X es una matriz con los ción de modelos globales – mediante mínimos datos de todas las variables independientes cuadrados ordinarios – se hizo mediante el pro- correspondiente a los coeficientes y W(u ,v ) es grama gretl 1.8.1. i i una matriz que, en su diagonal, incluye un fac- tor de ponderación relacionando la posición de cada dato, i, con el punto en el espacio a partir Técnicas econométricas: regresiones geográficamente ponderadas del cual se estima la regresión local:

El uso de mínimos cuadrados ordinarios para explorar las relaciones entre una serie de [16] determinantes y una variable dependiente es poco apropiado cuando los datos tiene patro- La clave en la estimación de regresiones nes espaciales fuertemente definidos. En estos geográficamente ponderadas está en la definición

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 La segregación social como determinante del desarrollo urbano 465

de la matriz W(ui,vi), que incluye dos elementos: como contexto, se han calculado dos pruebas el parámetro de suavizado (bandwidth) y la fun- para verificar el aporte de las regresiones geo- ción de decaimiento, que describe como varía gráficamente ponderadas: una prueba sobre el la importancia de cada dato conforme se aleja ajuste adicional sobre el estándar de mínimos del punto en que se está estimando la regresión cuadrados ordinarios, propuesto por Leung et local. El bandwidth es el parámetro esencial de al. (2000), y una prueba sobre la significancia la función de decaimiento. En general, se ha estadística en la diferencia entre la magnitud de comprobado que las regresiones geográfica- los coeficientes locales de una misma variable mente ponderadas son relativamente insensi- (Brundson et al., 1999). bles a la forma de la función de decaimiento, no Leung et al. (2000) propusieron el esta- así a la magnitud del bandwidth (Fotheringham dístico F2, que compara la suma del cuadra- et al., 2004). do de los residuales, estimada con mínimos Se seleccionó una función de decaimien- cuadros ordinarios (RSS0), con la suma de los to gaussiana (según la ecuación [17]), que viene errores residuales de cada dato . Esta dife- a representar la función de probabilidad de rencia puede ser interpretada como la prueba cada factor de ponderación, Wij, como función de si el modelo de regresiones geográficamente de la distancia entre i, j y del parámetro b (el ponderadas (cuyo nivel de ajuste está represen- parámetro de suavizado). Se supone mediante tado por ) se ajusta mejor a los datos que ella que los datos en posiciones j más cercanos la estimación mediante mínimos cuadrados al punto de regresión i tienen un peso mayor, ordinarios. siendo el caso extremo i = j, para el cual dij = 0 y wij = 1.

[17] [19]

La calibración de la ecuación [8], i.e. la donde es el valor del residuo del dato yi, esti- estimación del parámetro b, se realizó mediante mado con la regresión local i. validación cruzada (refiérase a Fotheringham Este estadístico puede ser aproximado et al., 2004; Leung et al., 2000): se minimizó 2 por una distribución F con v1 /v2 y n - p -1 el valor CV de la función representada por la grados de libertad, de modo tal que se rechaza ecuación [18], seleccionando así el parámetro la hipótesis nula de que la diferencia entre los ^ cuyas predicciones, y j, se ajustan mejor a las cuadrado de los residuos estimados con míni- observaciones yi. mos cuadrados ordinarios y regresiones geográ- 2 ficamente ponderadas, no es estadísticamente significativa, si F F (v 2/v , n - p -1), con un [18] 2 > 1 2 nivel de confianza 1 - . Los grados de libertad

Por razones conceptuales, las estima- se definen a partir de dos parámetros, v1 y v2, ciones a partir de regresiones geográficamente estimados a partir de matrices con los datos de ponderadas son una mejora sobre el método de las variables independientes y los factores de mínimos cuadrados ordinarios cuando se inves- ponderación espaciales (refiérase a Leung et al., tigan fenómenos espacialmente variantes. Sin 2000, para la formulación matemática), n es la embargo, existe la posibilidad de que el proceso cantidad de puntos de regresión (i.e. de regre- espacial subyacente a la variable que se busca siones locales) y p es la cantidad de variables explicar sea tan débil que pueda lícitamente independientes. despreciarse. En este caso, debería preferirse Una segunda prueba se realiza sobre la la explicación metodológicamente más sim- significancia estadística de la deriva espacial de ple y fácil de interpretar (mínimos cuadrados los parámetros estimados mediante regresiones ordinarios). Con este principio epistemológico geográficamente ponderadas. La pregunta, en

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 466 Rosendo Pujol M., Leonardo Sánchez y Eduardo Pérez M. este caso, es si la diferencia entre parámetros puede demostrarse (refiérase a Brundson el al., de la misma variable estimados en localizacio- 1999) que existe Sz tal que: nes diferentes es estadísticamente significativa.

Si no lo fueran, la estimación del parámetro [22] de la variable en cuestión sería más confiable utilizando el método más simple (de mínimos donde y son las variables dependientes observa- cuadrados ordinarios), lo cual implica que la das y son las predicciones realizadas con el regresión geográficamente ponderada no apor- modelo de regresión; es a partir de este opera- ta poder explicativo adicional en la estimación dor Sz que se definen las dos matrices, Rz. del parámetro. Brundson et al. (1999) propusieron uti- lizar el estadístico F, dado por la ecuación [20], Resultados y discusión de patrones de para probar la hipótesis nula de que los coefi- localización de condominios cientes de una variable no varían en el espacio vs. la hipótesis alternativa de que sí lo hacen. Se estimó la ecuación [14] mediante mínimos cuadrados ordinarios para distintas En esta ecuación, se comparan las matrices R 0 formas de la variable dependiente (modelos 1 y R correspondientes a estimaciones de míni- 1 a 4 del cuadro 4). Este modelo corresponde al mos cuadrados ordinarios (R0) y regresiones “modelo global” en el análisis de regresiones geográficamente ponderadas (R1). geográficamente ponderadas. Como es evidente del estadístico de Breusch-Pagan (refiérase al cuadro 4), existen graves problemas de hete- roscedasticidad en el modelo y los errores no se distribuyen normalmente (estadístico de Jar- [20] que-Bera). La primera condición es de esperar, pues tanto la variable dependiente como algu- donde v es la suma de los elementos de la dia- nas variables independientes presentan fuertes gonal de la matriz (R -R ) y es la suma de los 0 1 correlaciones espaciales. Los coeficientes de elementos de la diagonal de la matriz R . El 1 determinación ajustados (R2) son en general estadístico F se distribuye aproximadamente bastante bajos, varían entre 0,21 y 0,27. 2 con una distribución F(v /v’, ), donde v’ El cuadro 5 resume los resultados de es la suma de los elementos de la diagonal de estimación de parámetros para las regresiones 2 (R0-R1) y es la suma de los elementos de la locales; como puntos de regresión, se utiliza- 2 diagonal de R1 . ron los centroides geométricos de todos los Suponiendo z=0,1, puede definirse que distritos administrativos que conforman las existe la matriz Rz de acuerdo con la ecuación ciudades de San José y Heredia. Es evidente que [21], donde si z = 0, la matriz se estima a partir la estimación mediante regresiones geográfica- del modelo de mínimos cuadrados ordinarios, y mente ponderadas ha mejorado los resultados si z =1, la matriz corresponde a las regresiones del modelo estimado con mínimos cuadrados geográficamente ponderadas. ordinarios (modelo global): al permitir la varia- ción de parámetros en el espacio, se reduce la heteroscedasticidad presente en el modelo [21] global. El nivel de ajuste también aumenta considerablemente: el coeficiente de determi- donde es un vector con los residuos de la nación (R2) ajustado para los modelos locales regresión, y por lo tanto es la suma del aumenta en más de un 50% para la generalidad cuadrado de los residuos en ambos modelos de los casos. Tanto el estadístico F2 (Leung de regresión. Tanto para el modelo estándar et al., 2000) como la prueba F propuesta por de mínimos cuadrados ordinarios como para Brundson et al. (1999) permiten afirmar que regresiones geográficamente ponderadas, el modelo GWR es mejor que su modelo global

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 La segregación social como determinante del desarrollo urbano 467 asociado al rechazar la hipótesis nula de que pruebas son significativas con un 99% de la diferencia en el cuadrado de los residuos confianza para todos los modelos, excepto no es significativamente diferente en ambos el modelo 4 (cuya variable dependiente es casos (prueba F2) y de que los coeficientes cantidad de fincas filiales en condominios de regresión son constantes con respecto a grandes), el cual tiene una probabilidad de su posición (Brundson et al., 1999). Estas rechazo de 1.2% en el estadístico F2. Cuadro 4 Modelos globales estimados con mínimos cuadrados ordinarios

Modelo 2. Cantidad de fincas Modelo 1. Área total de condominios Variable filiales en condominios Coef. Estad. t Pr(>|t|) Coef. Estad. t Pr(>|t|) Intercepto -33,59 -2,794 0.006 -499.00 -1.561 0.122 Índice de desigualdad corregido (AI) 1/ 7,647 0,650 0.517 3.813 0.012 0.990 Índice de aislamiento corregido (AI) 164,00 2,972 0.004 2621.00 1.786 0.077 Índice de desigualdad corregido (BI) 1/ -109,60 -2,631 0.010 -3432.00 -3.098 0.003 Índice de aislamiento corregido (BI) 208,10 2,861 0.005 8243.00 4.263 0.000 Mediana del ingreso 0,00066 4,044 0.000 0.01587 3.666 0.000 Defunciones por homicidios por cada 100 -0,031 -0,283 0.778 -0.791 -0.271 0.787 mil habitantes Tiempo de viaje a San José centro 0,668 2,891 0.005 6.810 1.109 0.270 N 113 113 R2 ajustado 0,237 0,275 Estadístico F, 7 y 105 g.l. (Prob.) 5,963 (<0,001) 7,078 (<0,001) Estad. de Breusch-Pagan, 7 g.l. (Prob.) 23,016 (0,002) 28,535 (<0,001) Estad. de Jarque-Bera, 2 g.l. (Prob.) 2859,114 (<0,001) 4233,765 (<0,001) Modelo 3. Área total de condominios Modelo 4. Cant. de filiales en Variable grandes 2/ condominios grandes 2/ Coef. Estad. t Pr(>|t|) Coef. Estad. t Pr(>|t|) Intercepto -26,61 -2,935 0.004 -210.80 -1.487 0.140 Índice de desigualdad corregido (AI) 1/ 6,946 0,783 0.436 -41.750 -0.301 0.764 Índice de aislamiento corregido (AI) 134,20 3,225 0.002 1380.00 2.121 0.036 Índice de desigualdad corregido (BI) 1/ -67,73 -2,156 0.033 -1283.00 -2.612 0.010 Índice de aislamiento corregido (BI) 118,80 2,167 0.033 3439.00 4.009 0.000 Mediana del ingreso 0,00045 3,660 0.000 0.00460 2.398 0.018 Defunciones por homicidios por cada 100 -0,015 -0,187 0.852 0.872 0.674 0.502 mil habitantes Tiempo de viaje a San José centro 0,572 3,285 0.001 7.149 2.625 0.010 N 113 113 R2 ajustado 0,213 0,231 Estadístico F, 7 y 105 g.l. (Prob.) 5,339 (<0,001) 5,794 (<0,001) Estad. de Breusch-Pagan, 7 g.l. (Prob.) 20,761 (0,004) 29,528 (<0,001) Estad. de Jarque-Bera, 2 g.l. (Prob.) 2278,053 (<0,001) 411,348 (<0,001)

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 468 Rosendo Pujol M., Leonardo Sánchez y Eduardo Pérez M.

El análisis de las regresiones locales per- lejanía del centro, al ubicarse los condominios mite identificar una muy fuerte influencia de en la periferia, y disponibilidad de área libre los patrones y magnitudes de la variable depen- (variable que no fue incluida en los modelos diente sobre la relaciones espaciales entre los pero que posiblemente sea muy importante)– distintos factores pero sin que existan modifica- no existían sino en unos pocos distritos del este ciones estructurales sobre el modelo base (glo- de San José (e.g. Sánchez y en menor medida bal: todas las variables dependientes en general Granadilla, Curridabat), por lo cual la instala- son explicadas por factores de segregación (des- ción de condominios se vio bloqueada. igualdad de grupos de ingresos bajos y aisla- Los cuadros 5 y 6 permiten sintetizar, a miento tanto de grupos de ingresos altos como partir del análisis de todas las regresiones loca- bajos), ingresos y accesibilidad; y estos determi- les, los rasgos principales que impactan la loca- nantes tienen signos consistentes para todos los lización de condominios en San José y Heredia. modelos. La variable dependiente sí incide sobre El índice de desigualdad para altos ingre- el bandwidth y los niveles de significancia local sos (estrato 6) no es estadísticamente significa- de varias regresiones. El bandwidth es mayor tivo (excepto para algunas regresiones locales para áreas (modelos 1 y 3 del cuadro 5) que del modelo 2), a diferencia de todos los otros para cantidad de fincas filiales (modelos 2 y 4) y índices de segregación (vea cuadro 6): desigual- para todos los condominios (modelos 1 y 2) que dad para bajos ingresos (estrato 1) y aislamiento para solo los condominios grandes (modelos 3 y tanto para altos como para bajos ingresos. La 4). Es muy posible que esto se debe a una mayor localización de condominios parece seguir una cantidad de distritos con valor 0 cuando solo se lógica de evitar a los pobres. De ahí que un consideran condominios grandes y a una mayor aislamiento alto, tanto de altos como de bajos variabilidad en las series de datos de área, com- ingresos, resulte en mayor cantidad de condo- paradas con cantidad de filiales. minios, i.e. un signo positivo en los parámetros La magnitud mayor del bandwidth para (refiérase a cuadro 5): porque implica menos modelos con todos los condominios, relativo interacciones entre estos grupos. Igualmente, a los modelos solo con condominios grandes, una baja concentración de población pobre – también tiene un trasfondo sustantivo: existen índice de desigualdad de estrato 1 bajo – impli- dos áreas de la ciudad de San José (y algunas ca mayor cantidad de condominios (parámetros zonas de Heredia comienzan a presentar los con signo negativo, según el cuadro 5). Así, se mismos patrones sociales) que comparten las confirman las hipótesis sobre segregación y características determinantes de localización una lógica de exclusión que permite explicar en de condominios, a saber, poca concentración de cierta medida la localización de condominios. pobres (índices de desigualdad bajos) y fuerte La mediana del ingreso presenta un aislamiento de los estratos sociales (tanto altos comportamiento análogo a los índices de segre- como bajos), así como ingresos relativamen- gación: coeficientes positivos y significativos, te altos: el oeste del AMSJ, en una aglomera- pero con mayor magnitud para condominios ción centrada en Pozos de Santa Ana y una totales que para condominios grandes. Para el segunda zona de potencial concentración en área total de condominios grandes, no parece torno al distrito Sánchez de Curridabat y que se existir una variación geográfica del parámetro extiende desde aproximadamente San Pedro de de mediana del ingreso. Montes de Oca. Sin embargo, el sector este fue En ningún modelo es significativa la desarrollado antes que el oeste y en una forma cantidad de defunciones por homicidios por mucho más orgánica con el centro de San José, cada 100 mil habitantes. Algunos coeficien- de modo que las condiciones físicas que per- tes en regresiones locales del modelo 4 tienen miten la instalación de condominios –relativa estadísticos t significativos pero, en general, es

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 La segregación social como determinante del desarrollo urbano 469 claro que esta variable no influye sobre la loca- segregación que los condominios grandes. En lización de condominios. cambio, por ejemplo, la mediana del coeficiente Contrario a lo esperado, los condomi- para el índice de aislamiento de altos ingresos nios grandes muestran coeficientes para los (de las regresiones locales, vea cuadro 5) tiene índices de segregación cuyo valor absoluto es una magnitud de 151,50 ha. para el modelo 1 menor a su equivalente en el modelo de con- (área total de condominios) y de 118,0 ha. para dominios totales. Se esperaba que, dado que el modelo 3 (área de condominios grandes); los condominios más pequeños pueden mejor análogamente, este parámetro es 2698 fincas ubicarse en los intersticios de la trama urbana filiales para el modelo 2 (total de fincas filiales (en muchas zonas de la cual existen pequeños en condominios) vs. apenas 1280, menor que la núcleos de población pobre), el total de con- mitad, para el modelo 4 (fincas filiales en con- dominios respondiera menos a los índices de dominios grandes).

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 470 Rosendo Pujol M., Leonardo Sánchez y Eduardo Pérez M. 7.1492 0.8718 0.00460 3439.02 -1283.40 1379.86 -41.747 -210.84 Global 6.8095 -0.7905 0.0159 8243.4 -3431.7 2620.63 3.813 -499.05 Global 17.0400 0.7262 0.0232 11510.0 -2156.0 4160.00 151.800 -281.20 Máx. 19.3000 5.1570 0.01154 6731.00 -185.40 3848.00 28.350 -87.44 Máx. 9.5930 -0.6290 0.0172 8710.0 -2820.0 3145.00 70.330 -429.10 3º cuartil 10.6600 1.3650 0.00503 4016.00 -624.60 1851.00 18.480 -186.90 3º cuartil s ediana 8.3230 0.5416 0.00377 2932.00 -966.60 1280.00 9.451 -239.70 Mediana 7.5300 -1.0940 0.0153 7941.0 -3237.0 2698.00 31.930 -518.10 M ada er ond 5.3290 0.1136 0.00268 2079.00 -1487.00 929.00 -12.760 -293.20 1º cuartil 4.8400 -1.3800 0.0137 7032.0 -3667.0 2343.0 4.364 -632.50 1º cuartil 1º ant. de fincas filiales en condominios grandes 1/ antidad de fincas filiales en condominios te p n me a odelo 4. C odelo 2. C 2,472 (0,001) 2,472 3,010 (<0,001) 8541,56 93,638 1.6610 19,362 -0.4246 0.00142 739.70 -3123.00 665.60 -62.370 -592.90 Mín. M 2,2081 (0,012) 2,2081 2,3361 (<0,001) 13963,04 100,443 12,557 -0.3665 -1.9570 0.0109 5539.0 -5048.0 1741.0 -46.550 -880.40 M M ín. gráfic o lobal 0.6676 -0.0310 0.00070 208.09 -109.63 164.01 7.647 -33.59 G 0.5721 -0.0155 0.00040 118.83 -67.73 134.18 6.946 -26.61 Global es ge on o 5 áx. 0.9960 0.0179 0.00079 265.20 -72.82 286.10 11.710 M -30.92 0.8899 0.0394 0.00050 155.00 -39.04 272.20 12.980 -20.74 Máx. u ad r C e regresi s d o el 0.6246 -0.0024 0.00045 122.70 -52.77 155.90 10.360 -26.07 3º cuartil 0.7315 -0.0210 0.00067 215.50 -92.86 186.50 10.040 3º cuartil -33.33 od e m ediana ediana n d 0.5745 -0.0225 0.00043 110.40 -60.90 118.00 8.989 -27.77 M 0.6732 -0.0373 0.00064 199.90 -103.30 151.50 9.402 M -34.39 s resume 0,5344 -0,0360 0,00042 100,20 -71,55 90,93 6,955 -29,16 1º cuartil 1º 0,6274 -0,0492 0,00061 183,80 -115,20 125,50 8,384 1º cuartil 1º -35,54 a ístic odelo 3. Área total de condominios grandes 1/ odelo Área 1. total de condominios ad 4,070 (<0,001) 4,709 (<0,001) 14136,94 100,554 12,446 0,4552 -0,0581 0,00039 80,08 -99,02 49,97 2,732 -31,52 M ín. M 3,5421 (<0,001) 3,8778 (<0,001) 16142,99 101,542 11,458 0,5368 -0,0716 0,00057 152,70 -149,70 81,81 6,195 M ín. -41,66 M st E esigualdad corregido (bajos ingresos) 2/ esigualdad corregido (altos ingresos) 2/ esigualdad corregido (bajos ingresos) 2/ esigualdad corregido (altos ingresos) 2/ ncho de banda (constante) 3/ islamiento corregido (bajos ingresos) islamiento corregido (altos ingresos) ncho de banda (constante) 4/ islamiento corregido (bajos ingresos) islamiento corregido (altos ingresos) ariable ariable F2 g.l. con y 105 (Prob.) 5/ 13.70 Estad. y 103.65 g.l. F con (Prob.) 4/ 51.61 A Grados de libertad efectivos Cantidad efectiva de parámetros Tiempo de viaje a San José centro Homicidios por cada mil 100 hab. Mediana del ingreso A D A D Intercepto V F2 con 12.24 g.l. y 105 6/ Estad. g.l. (Prob.) 5/ y 104.11 F con 50.11 A Grados de libertad efectivos Cantidad efectiva de parámetros Tiempo de viaje a San José centro Homicidios por cada mil 100 hab. 3/ Mediana del ingreso A D A D V Intercepto

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 La segregación social como determinante del desarrollo urbano 471

Cuadro 6 Heterogeneidad y significancia local de los coeficientes de regresión. Regresiones geográficamente ponderadas

Modelo 2. Cantidad Modelo 4. Cantidad Modelo 1. Área total en Modelo 3. Área total en Variable de fincas filiales en de fincas filiales en condominios condominios grandes condominios condominios grandes F3 no permite F3 no permite rechazar F3 no permite rechazar rechazar la hipótesis F3 implica la hipótesis de la hipótesis de de homogeneidad de heterogeneidad de los homogeneidad de los homogeneidad de los Intercepto los parámetros (Prob.: parámetros (Prob.: 0.003) parámetros (Prob.: 0.683) parámetros (Prob.: 0.229) 0.858) Estadísticos t: mín 2.153 Estadísticos t: máx 2.473 Estadísticos t: máx 2.894 Estadísticos t: mín (Prob. 0.016) (Prob. 0.007) y mín 0.835 (prob. 0.002) y mín 0.514 2.520 (Prob. 0.006) (Prob. 0.202) (Prob. 0.304) F3 no permite F3 no permite rechazar la hipótesis F3 no permite rechazar F3 no permite rechazar rechazar la hipótesis de homogeneidad de la hipótesis de la hipótesis de Desigualdad de homogeneidad de los parámetros (Prob.: homogeneidad de los homogeneidad de los corregido (altos los parámetros (Prob.: 1.000) parámetros (Prob.: 0.533) parámetros (Prob.: 1.000) ingresos) 2/ 1.000) Estadísticos t: máx 1.464 Estadísticos t: máx 0.414 Estadísticos t: máx 0.414 Estadísticos t: máx (Prob. 0.072) y mín 0.277 (prob. 0.339) (Prob. 0.339) 0.993 (Prob. 0.160) (Prob. 0.391) F3 implica F3 implica F3 implica F3 implica heterogeneidad de los heterogeneidad de los heterogeneidad heterogeneidad de los Aislamiento parámetros (Prob.: parámetros (Prob.: de los parámetros parámetros (Prob.: 0.060) corregido (altos <0.001) <0.001) (Prob.<0.001) Estadísticos t: máx 5.914 ingresos) Estadísticos t: 5.914 máx Estadísticos t: máx 4.018 Estadísticos t: mín (Prob. <0.001) y mín (Prob. <0.001) y mín (Prob. <0.001) y mín 1.456 (Prob. 0.073) 1.176 (Prob. 0.120) 1.176 (Prob. 0.120) 0.839 (Prob. 0.201) F3 implica F3 implica F3 implica F3 implica heterogeneidad de los Desigualdad heterogeneidad heterogeneidad de los heterogeneidad de los parámetros (Prob.: corregido de los parámetros parámetros (Prob.<0.001) parámetros (Prob.: <0.001) (bajos ingresos) (Prob.<0.001) Estadísticos t: máx 3.066 <0.001) Estadísticos t: máx 4.628 2/ Estadísticos t: mín (<0.001) y mín 1.239 Estadísticos t: mín 1.849 (Prob. <0.001) y mín 1.740 (Prob. 0.041) (Prob. 0.108) (Prob. 0.032) 0.307 (Prob. 0.380) F3 implica F3 implica F3 implica F3 implica heterogeneidad de los heterogeneidad Aislamiento heterogeneidad de los heterogeneidad de los parámetros (Prob.: de los parámetros corregido parámetros (Prob.<0.001) parámetros (Prob.: 0.003) <0.001) (Prob.<0.001) (bajos ingresos) Estadísticos t: mín 1.470 Estadísticos t: mín 2.750 Estadísticos t: máx 6.212 Estadísticos t: mín (Prob. 0.071) (Prob. 0.003) (Prob. <0.001) y mín 2.107 (Prob. 0.018) 0.704 (Prob. 0.241) F3 implica F3 implica F3 no permite rechazar F3 implica heterogeneidad de los heterogeneidad la hipótesis de heterogeneidad de los parámetros (Prob.: Mediana del de los parámetros homogeneidad de los parámetros (Prob.<0.001) <0.001) ingreso (Prob.<0.001) parámetros (Prob.: 0.943) Estadísticos t: mín 3.062 Estadísticos t: máx 4.085 Estadísticos t: mín Estadísticos t: mín 2.389 (Prob. 0.001) (Prob. <0.001) y mín 3.464 (Prob. <0.001) (Prob. 0.008) 0.604 (Prob. 0.273) F3 no permite F3 implica F3 implica rechazar la hipótesis F3 implica heterogeneidad de los heterogeneidad de los Homicidios por de homogeneidad de heterogeneidad de los parámetros (Prob.: parámetros (Prob.: cada 100 mil los parámetros (Prob.: parámetros (Prob.: 0.001) <0.001) 0.029) hab. 0.252) Estadísticos t: máx 0.675 Estadísticos t: máx 2.939 Estadísticos t: máx Estadísticos t: máx 0.735 (Prob. 0.251) (Prob. 0.002) y mín 0.332 0.671 (Prob. 0.251) (Prob. 0.231) (Prob. 0.370) F3 implica F3 implica F3 implica F3 implica heterogeneidad de los heterogeneidad de los heterogeneidad Tiempo de heterogeneidad de los parámetros (Prob.: parámetros (Prob.: de los parámetros viaje a San José parámetros (Prob.<0.001) <0.001) <0.001) (Prob.<0.001) centro Estadísticos t: mín 2.579 Estadísticos t: máx 2.585 Estadísticos t: máx 5.784 Estadísticos t: mín (0.005) (Prob. 0.005) y mín 0.055 (Prob. <0.001) y mín 2.300 (Prob. 0.011) (Prob. 0.478) 0.444 (Prob. 0.328) F3: estadístico F según Leung et al. (2000). En negrita: no existe heterogeneidad espacial en los coeficientes. En cursiva: estadístico t no es localmente significativo en ningún caso.

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 472 Rosendo Pujol M., Leonardo Sánchez y Eduardo Pérez M.

Es posible que este fenómeno se encuen- donde en algunas zonas ya existe una consi- tre asociado a la disponibilidad de tierra libre derable cantidad de población de bajos ingre- suficiente que permita construir condomi- sos, notablemente al sur de la ciudad), una nios horizontales (generalmente en la periferia restricción no considerada en los presentes de las ciudades es que existe suficiente área, modelos. Figura 4 Patrones de coeficientes de regresión y determinación seleccionados. Modelo 1 (Variable dependiente: área de todos los condominios)

Los modelos centrados en los distritos Igualmente, el valor absoluto del coeficiente del oeste de la GAM son más poderosos predic- de la variable índice de desigualdad corregido tivamente (tienen estadísticos más significa- (de ingresos bajos) tiene un patrón similar. Sin tivos, coeficientes de determinación ajustados embargo, este patrón no es completamente mayores) y los factores determinantes tienen dominante: por ejemplo, el coeficiente de deter- magnitudes mayores en términos absolutos minación ajustado de las regresiones locales del cuanto más al oeste de la zona de estudio se modelo 1 es mayor para los puntos de regresión encuentren. La figura 3 muestra, para el mode- (centroides de distritos) hacia el Sureste de la lo 1, la variación del coeficiente de las regre- zona de estudio (conjunto de distritos que con- siones locales para los índices de aislamiento forman las áreas metropolitanas de San José y corregido (de ingresos altos) y su estadístico t, Heredia), con los valores de R2 menores en el donde se ve claramente el patrón Este-Oeste. extremo Norte.

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 La segregación social como determinante del desarrollo urbano 473

5. consideraciones Finales en los modelos locales). Los condominios están en zonas donde existe poca interacción entre En general se puede decir que, dentro distintos grupos sociales (índices de aislamien- del área de estudio, los más pobres parecen to positivamente relacionados con cantidad de obligados y, los más ricos intentan vivir, lo más condominios para modelos globales y locales). cerca posible de personas de disponibilidades Los condominios buscan localizarse en económicas similares, lo cual no es extraño, y zonas relativamente alejadas de San José, lo sigue una lógica similar a la de cualquier país cual probablemente sea una variable proxy para con importantes brechas sociales de equidad y la periferia –y el área libre que allí abunda. de oportunidades económicas. Aspectos como Refleja además una mayor afluencia de los habi- que el AMSJ ofrezca más oportunidades de tantes de los condominios (los tiempos de viaje empleo y acceso a servicios y que cuente con un estimados corresponden a vehículos privados; sistema de transporte público con limitaciones los viajes de mayor duración probablemente no provocan que el crear en las regiones metropo- sean factibles en transporte público del todo, litanas analizadas una ciudad realmente inte- por lo cual se requiere un ingreso mínimo que grada sea difícil. incluya la tenencia y uso de automóviles para Tanto el AMSJ como el AMH crecieron poder vivir en las zonas que concentran más mucho en las últimas décadas, de una manera condominios). desordenada, fomentada por la falta de una Los resultados encontrados, parecen política de planificación territorial. Como con- insinuar una segregación creciente puesto que secuencia, la ciudad amplió su segregación a los condominios se están generalizando rápida- áreas más grandes y en general, las distancias mente en las áreas metropolitanas estudiadas. físicas entre los grupos aumentaron. La topo- Una hipótesis es que esto está relacionado con grafía y la orografía de la zona de estudio han la creciente desigualdad (coeficiente de Gini) sido elementos diferenciadores importantes y que muestra Costa Rica. Es necesario explorar barreras naturales que aumentan la segrega- todavía más las características de los condomi- ción efectiva a consecuencia de los cañones de nios y su relación con otras variables urbanas. los ríos montañosos, a pesar de las apariencias Eventualmente el nuevo censo del 2011 cuyos de la gran cercanía en algunos casos (Belén, La segmentos censales son diferentes permitirá Carpio por ejemplo). comparar algunos de estos resultados y captu- Se encontraron variaciones espacia- rar los fuertes cambios. les importantes y sistemáticas en los factores Por último, es importante desarro- sociales determinantes de la localización de llar un conjunto de investigaciones que condominios, que en parte responden a la con- mejoren, complementen y profundicen los centración de condominios al oeste de la ciudad análisis presentados en este estudio y espe- de San José. Las principales relaciones identi- cialmente se orienten a: explorar la interac- ficadas incluyen una relación directa con los ción entre diferentes factores determinantes índices de aislamiento (de grupos tanto de altos de la segregación residencial, y analizar los como de bajos ingresos) y una relación inversa mecanismos mediante los cuales el proble- con el índice de desigualdad de grupos de bajos ma de segregación se reproduce interge- ingresos. No son significativos como determi- neracionalmente. Además es urgente iden- nantes ni la tasa de defunciones por homicidios tificar el impacto positivo o negativo que ni los índices de desigualdad para grupos de un conjunto de intervenciones de política ingresos altos. pública tiene sobre el problema de segrega- Los condominios no se localizan en con- ción. Son en particular relevantes aquellas centraciones de altos ingresos per se: evitan relacionadas con construcción de vivien- concentraciones de población de bajos ingresos da y regulaciones urbanas, equipamiento (relación negativa con el índice de desigualdad urbano, desarrollo de infraestructura vial y para bajos ingresos en los modelos globales y medios de transporte.

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 474 Rosendo Pujol M., Leonardo Sánchez y Eduardo Pérez M.

6. referencias Carmona, K., M. Ramos y F. Sánchez (2005). Dimensión espacial de la pobreza, Alpízar, M. 1994. Evaluación del desigualdad y polarización en Costa crecimiento residencial en el Gran Rica incorporando el principio de Área Metropolitana. Período 1984- la línea de ingreso, periodo 2000- 1992. Trabajo final de graduación de 2001. Trabajo final de graduación de Licenciatura. Escuela de Ingeniería Civil, Licenciatura. Escuela de Economía, Universidad de Costa Rica Universidad de Costa Rica

Anselin, L. 1995. Local Indicators of Spatial Cliff, A.D. y J.K. Ord. 1981. Spatial Processes: Association – LISA. Geogr Anal, 27(2), Models and Applications. Londres: Pion 93-115 Collado, A. 2004. Distribución espacial de la Arriagada Luco, C. 2003. Segregación fecundidad adolescente en la Gran residencial en áreas metropolitanas Area Metropolitana de Costa Rica. de América Latina: magnitud, En Costa Rica a la luz del censo del características, evolución e implicaciones 2000, ed. L. Rosero, 29-62. San José: de política. Santiago: CEPAL. Centro Centroamericano de Poblacion, Universidad de Costa Rica, Programa Atkinson, R. y J. Flint. 2004. Fortress UK? Gated Estado de la Nacion, Instituto Nacional Communities, the Spatial Revolt of the de Estadística y Censos Elites and Time-Space Trajectories of Segegation. Hous. Stud., 19(6), 875-892 Duncan, O.D. y B. Duncan. 1955a. A methodological analysis of segregation Bell, W. 1954. A probability model for the indexes. American Sociological Review, measurement of ecological segregation. 41, p. 210-217 American Sociological Review, 32, 357- 364. Duncan, O.D. y Duncan, B. 1955b. Residential distribution and occupational Blakely, E.J. y M.G. Snyder. 1997. Fortress stratification. American Journal of America. Gated Communities in Sociology, 60, 493-503 the United States. Washington DC y Cambridge, MA: Brookings Institution y Duncan, O.D., R.P. Cuzzoert y B. Duncan. Lincoln Institute of Land Policy 1961. Statistical geography. Problems in analyzing areal data. Glencoe, Illinois: Brenes, G. 2004. Segregación residencial de los The Free Press of Glencoe inmigrantes nicaragüenses en Costa Rica en 2000. En Costa Rica a la luz del censo Fotheringham, A.S., C. Brundson y M. del 2000, ed. L. Rosero, 29-62. San José: Charlton. 2002. Geographically Weighted Centro Centroamericano de Población, Regression. West Sussex: John Wiley & Universidad de Costa Rica, Programa Sons Estado de la Nacion, Instituto Nacional de Estadística y Censos Hall, C. 1978. El café y el desarrollo histórico geográfico de Costa Rica. San José: Brundson, C., A.S. Fotheringham y M. Charlton. Universidad Nacional 1999. Some notes on parametric significance tests for geographically Jakubs, J. F. 1981. A distance based segregation Weighted regression. Journal of Regional index. Journal of Socio-Economic Science, 39(3), 497-524 Plannig Sciences, 15, 129-141

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 La segregación social como determinante del desarrollo urbano 475

Leung, Y., C.L. Mei y W.X. Zhang. 2000. Moran, P.A.P. 1950. Notes on Continuous Statistical tests for spatial nonsationarity Stochastic Phenomena. Biometrika, based on the geographically wighted 37(1-2), 17-23 regression model. Environment and Planning A, 32(1), 9-32 Morrill, R.L. On the measure of geographical segregation. Geography Research Madrigal, J. 2004. Estratificación de hogares y Forum, 1991, vol. 11, p. 25-36. segmentos por niveles de ingreso en el censo 2000. En Costa Rica a la luz del Morrill, R.L. Racial segregation and class in censo del 2000, ed. L. Rosero. San José: a liberal metropolis. Geographical Centro Centroamericano de Población, Analysis, 1995, vol. 27, p. 22-41. Universidad de Costa Rica, Programa Estado de la Nación, Instituto Nacional Pérez, E. 2010. Tendencias en los patrones de Estadística y Censos de urbanización en la Gran Área Metropolitana, 2001-2008. Presentado Massey, D. 2002. A brief history of human en las Jornadas de Investigación de la society: the origin and role of emotion in Facultad de Ingeniería 2010, 17-20 de social life. American Sociological Review, agosto 67, 1. Pujol Mesalles, R. 1988. Policy Instruments Massey, D.S. 1985. Ethic residential for Spatial Development of the San segregation: a theoretical syntesis and Jose Greater Metropolitan Area: empirical review. Sociology and Social Regulation, Taxation and Infrastructure Research, 69, 315-350. Investments. Tesis de Maestría. Departamento de Planificación de Massey, D.S. y N.A. Denton. 1988 The Ciudades, Universidad de California- dimensions of residential segregation. Berkeley Social Forces, 67, 281-315 Pujol Mesalles, R. 2002. Diferencias entre zonas Massey, D., M. White y V. Phua. 1996. The urbanas y rurales de Costa Rica: análisis dimensions of segregation revisited. estadístico de la información del Censo Sociological Methods & Research, 2000. Presentado en el simposio Costa 24, 2. Rica a la luz del Censo del 2000

Massey, D.S. y N.A. Denton. 1989. Pujol, R. y el equipo de ProDUS. 2004. Hypersegregation in U.S. Metropolitan Segregación Social en el Gran Área Areas: Black and Hispanic segregation Metropolitana. San José, ProDUS para el along five dimensions. Demography, Programa Estado de la Nación. 26(3), 373-391. Pujol, R. 2005. Sistema de transporte en la Mayor, M. A.J. López. 2005. El análisis shift- región metropolitana de San José. En share espacial: nuevos desarrollos. Transporte urbano en Latinoamérica Oviedo, Universidad de Oviedo, y el Caribe: Estudio de casos (San José, Departamento de Economía Aplicada. Puebla, Puerto España, Puerto Príncipe), ed. Y. Bussière. San José, FLACSO-Costa Mora, M. y. F. Solano. 1992. Nuevas tendencias Rica del desarrollo urbano en Costa Rica: el caso del Area Metropolitana de San José. Pujol R, E. Pérez y L. Sánchez. 2009. Hacia San José, Alma Mater un cambio en la oferta de vivienda en

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521 476 Rosendo Pujol M., Leonardo Sánchez y Eduardo Pérez M.

la GAM: Una exploración desde los Stearns, L.B. y J.R. Logan. 1986. Measuring grandes desafíos planteados por la trends in segregation: three dimensions, demanda potencial de vivienda de la three measures. Urban Affairs Quarterly, región. Programa Estado de la Nación 22, pp. 124-150. en Desarrollo Humano Sostenible. XV Informe. San José, Costa Rica. White, M. J. 1986. Segregation and diversity measures in population distribution. R Development Core Team 2009. R: A language Population Index, 52, pp. 198-221. and environment for statistical computing. R Foundation for Statistical White, M. J. 1983. The measurement of spatial Computing. Viena, Austria. ISBN segregation. American Journal of 3-900051-07-0, URL http://www.R- Sociology, 88, pp. 1008-1019. project.org Wong, D.W.S. 1993. Spatial indices of Sabatini, F., G. Cáceres y J. Cerda. 2001. segregation. Urban Studies, 30, pp. 559- Segregación residencial en las 572. principales ciudades chilenas: Tendencias de las tres últimas décadas y posibles Wong, D.W.S. 1999. Geostatistics as measures cursos de acción. Eure, 27(82), 21-42 of spatial segregation. Urban Geography, 20, pp. 635-647 Solano, J. y R. Pujol Mesalles. 2005. Análisis sobre la Localización Espacial de los Wong, D.W.S. 1998. Measuring multiethnic Precarios en la Gran Área Metropolitana. spatial segregation. Urban Geography, San José: ProDUS, Universidad de Costa 19, pp. 77-87 Rica para FUPROVI

Ciencias Económicas 29-No. 1: 2011 / 445-476 / ISSN: 0252-9521