Análisis Socio-Demográfico De Los Municipios De La
Total Page：16
File Type：pdf, Size：1020Kb
ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA María Victoria Verdugo Matés - [email protected] María Isabel Cal Bouzada - [email protected] Universidad de Vigo Reservados todos los derechos. Este documento ha sido extraído del CD Rom “Anales de Economía Aplicada. XIV Reunión ASEPELT-España. Oviedo, 22 y 23 de Junio de 2000”. ISBN: 84-699-2357-9 ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA María Victoria Verdugo Matés. Departamento de Economía Aplicada. Facultad de Ciencias Económicas y Empresariales. Universidad de Vigo. [email protected] María Isabel Cal Bouzada. Departamento de Economía Aplicada. Facultad de Ciencias Económicas y Empresariales. Universidad de Vigo. [email protected] PALABRAS CLAVE Análisis Factorial, Análisis Cluster, Componentes Principales, Rotación Varimax. RESUMEN Con este trabajo se pretende la clasificación de los municipios de la provincia de Pontevedra en diferentes zonas homogéneas en función de las características ocupacionales de su población. ÁREA DE ADSCRIPCIÓN: B. ECONOMÍA REGIONAL Y LOCAL 2 ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA M.V. Verdugo, M.I. Cal. Universidade de Vigo ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA 1. INTRODUCCIÓN. Con este trabajo se pretende la clasificación de los municipios de la provincia de Pontevedra en diferentes zonas homogéneas, en función de las características ocupacionales de su población. Para ello el trabajo se ha estructurado en tres bloques. En el primero, se ha realizado una selección de las variables que nos podían ayudar a determinar el perfil ocupacional de los distintos municipios. En la segunda parte se realizó un análisis factorial con el fin no sólo de determinar la estructura común a todas esas variables, sino también de obtener variables ortogonales y tipificadas que pudieran ser utilizadas para realizar la clasificación de los municipios (análisis cluster), que se lleva a cabo en la última parte del trabajo, y que es nuestro principal objetivo. 2. VARIABLES UTILIZADAS. A partir de la información suministrada por la Estadística de Poboación de Galicia realizada en 1996, el IGE ha elaborado una base de datos a nivel municipal en la que se incluyen las principales variables demográficas y socio-económicas, y en dichos datos nos hemos basado para realizar la selección de variables. Las variables utilizadas son: Porcentaje de Población menor de veinte años (PPOBM20) Porcentaje de Población mayor de sesenta y cuatro años (PPOBM64) Porcentaje de Jubilados (PJUB) Porcentaje de Estudiantes (PEST) Porcentaje de Amas de Casa (PAMAS) Porcentaje de Ocupados en el Sector Agricultura y Pesca (POA) Porcentaje de Ocupados en el Sector Industrial (POI) Porcentaje de Ocupados en el Sector Construcción (POC) Porcentaje de Ocupados en el Sector Servicios (POS) Porcentaje de Ocupados Cualificados en la Dirección de las Administraciones Públicas y Grandes Empresas (POGEMP) Porcentaje de Ocupados Cualificados en Profesiones que requieren Títulos Universitarios o Afines (POTUNIV) Porcentaje de Ocupados Cualificados de Tipo Administrativo (POADMI) Porcentaje de Ocupados Cualificados en los Servicios de Restauración, Protección, Seguridad y Comercio (POREST) Porcentaje de Ocupados Cualificados en Artesanado, Industrias Manufactureras, Construcción y Minería (POARTE) Porcentaje de Ocupados Cualificados en Agricultura y Pesca (POAGRI) Tasa de Ocupación Femenina (TOCF) Las dos primeras variables (PPOBM20 y PPOBM64) tratan de recoger la estructura de edad de la población, puesto que ésta puede influir en el grado de cualificación de los individuos, habitualmente los jóvenes suelen estar más cualificados que la gente mayor. Las tres variables siguientes (PJUB, PEST y PAMAS) tratan de recoger a todas aquellas personas que son económicamente inactivas, que no están clasificadas ni como paradas ni como ocupadas, como son las personas que se dedican a las labores del hogar sin fines lucrativos (amas de casa), los estudiantes y los jubilados, fundamentalmente. A continuación se incluyen una serie de variables que recogen a los ocupados clasificados según el sector económico en el que desarrollan su actividad y su grado de cualificación. Por último, se incluye la tasa de ocupación femenina (TOCF), por creer que se trata de una variable que puede 1 ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA M.V. Verdugo, M.I. Cal. Universidade de Vigo discriminar bien entre los municipios. 3. ANÁLISIS FACTORIAL. El análisis factorial es una técnica que permite representar un conjunto de variables cuantitativas en un espacio de menor dimensión, denominado espacio factorial, espacio que permitirá interpretar las relaciones entre las variables. Partiendo de una muestra de cincuenta y nueve municipios de la provincia de Pontevedra y dieciséis variables (espacio original), utilizando el método de Componentes Principales, se han extraído dieciséis factores incorrelados entre sí (espacio factorial), que son combinaciones lineales de las dieciséis variables originales. Estos factores son los que se utilizarán para la clasificación de los municipios pontevedreses, permitiendo mostrar sus analogías y sus diferencias. Debido al elevado número de factores que se obtienen y la dificultad para su interpretación, se busca un espacio de la menor dimensión posible y con la menor pérdida de información relativa a las relaciones entre las variables originales. Si analizamos la Tabla de Varianza Total Explicada (Tabla 1), se observa que a partir del quinto factor los autovalores asociados son todos menores que la unidad, por ello, basándonos en el criterio de Kaiser, se extraen los cinco primeros factores (subespacio factorial). Cuando representamos nuestro conjunto de variables sobre el subespacio generado por los cinco primeros factores, es decir, cuando reducimos nuestro espacio factorial a un espacio de cinco dimensiones, la calidad de representación de toda nuestra muestra se reduce al 84.60%, lo que se traduce en la variación de la calidad de representación de las variables, que vendrá dada por la comunalidad después de la extracción, de manera que si analizamos la Tabla de Comunalidades (Tabla 2), vemos que todas son elevadas con una variación entre el 72.5% y el 94.0%, excepto para la Tasa de Ocupación Femenina, que es del 64.9%, lo que implica una buena representación para las variables en general. Como la interpretación de las relaciones entre las variables mediante su proyección en el espacio factorial, analizando los elementos de la matriz de componentes (Tabla 3) resulta difícil, se propone como alternativa la rotación de los ejes del subespacio factorial. Se utiliza la Rotación Varimax de los factores por ser una rotación ortogonal cuyo objetivo es la minimización del número de variables con saturaciones altas en un factor, facilitando con ello la interpretación de las relaciones entre las variables. Debe tenerse en cuenta que tras la rotación varimax, los factores siguen estando incorrelados, esta rotación se proporciona en la Matriz de Componentes Rotados (Tabla 4). Se debe observar que después de la rotación la comunalidad (calidad de representación sobre el subespacio factorial) no cambia, pero no ocurre lo mismo con los autovalores asociados a cada factor y el porcentaje de variabilidad total de la muestra que es explicado por cada uno de ellos, que variará respecto a la solución sin rotar, pudiendo por lo tanto alterarse la importancia de los factores respecto a la solución sin rotar. Basándonos en las variables de mayor peso en cada uno de los factores rotados, la interpretación que podemos dar a los mismos es la siguiente: Factor 1: Factor ocupación en el sector industrial y estructura de edad de la población. Este factor pondera positivamente a los municipios con altos porcentajes de población ocupada en el sector industrial y elevados porcentajes de población menor de veinte años y pondera negativamente a los municipios con importantes porcentaje de ciudadanos mayores de sesenta y cuatro años y jubilados. Factor 2: Factor ocupados de alta cualificación. Factor que tiene valores altos en los municipios con porcentajes elevados de profesionales altamente cualificados de la administración, de grandes empresas, etc. Factor 3: Factor ocupación en el sector construcción y agrario. Este factor pondera positivamente a los municipios que tienen un elevado porcentaje de ocupación en el sector construcción y negativamente a los que tienen una elevada ocupación en el sector agrario. Factor 4: Factor nivel de ocupación femenina. Factor que pondera positivamente a los municipios con altas tasas de ocupación femenina y negativamente a los municipios con elevados porcentajes de amas de casa respecto a la población de dieciseis años y más. Factor 5: Factor ocupación en el sector servicios Este factor pondera negativamente a los municipios con un elevado porcentaje de ocupados en el sector servicios. 4. ANÁLISIS CLUSTER. El análisis cluster es una técnica que permite agrupar los elementos de la muestra en grupos o conglomerados, de manera que cada conglomerado sea lo más homogéneo posible y respecto al resto de los conglomerados haya la 2 ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA M.V. Verdugo, M.I. Cal. Universidade de Vigo mayor heterogeneidad posible, en lo referente a los valores de las variables. Con los cinco factores obtenidos en el Análisis Factorial previo se realiza un Análisis por Conglomerados utilizando el método de