2017516 Nuevastcnicasdeestadsticaespacialparaladeteccindeclustersresidencialesdepoblacininmigrante

Menprincipal ndicedeScriptaNova

ScriptaNova
REVISTAELECTRNICADEGEOGRAFAYCIENCIASSOCIALES
UniversidaddeBarcelona.ISSN:11389788.DepsitoLegal:B.21.74198
Vol.XII,nm.263,15deabrilde2008
[NuevaseriedeGeoCrtica.CuadernosCrticosdeGeografaHumana]

NUEVASTCNICASDEESTADSTICAESPACIALPARALADETECCINDECLUSTERSRESIDENCIALES
DEPOBLACININMIGRANTE
JoanCarlesMartori
Departamentd'Economia,MatemticaiInformtica.Facultatd'EmpresaiComunicaci.UniversitatdeVic.
martori@uvic.cat

KarenHoberg
UniversitatdeVic
karen.hoberg@uvic.cat

Recibido:17deseptiembrede2007.Devueltopararevisin:19dediciembrede2007.Aceptado:17deenerode2008.

Resumen

Laestadsticaaplicadaalageografahaexperimentadounavanceespectacularenlasltimasdosdcadasintroducindoseelespaciocomoeje
fundamentaldelanlisis.Esteavancesehavistoacompaadoporunrpidodesarrollodeaplicacionesestadsticasintegradasenlossistemasde
informacingeogrfica,constituyndosedeestaformaenunconjuntodeherramientasimprescindiblesenlaplanificacinterritorial.Porotro
lado,enEspaa,elincrementodepoblacininmigradaenuncortointervalodetiempohahechonecesarioanalizarsudistribucinespacialen
las reas urbanas. Los ndices de autocorrelacin espacial, tanto global como local, y su representacin cartogrfica constituyen una tcnica
adecuadaparaladeteccindeclustersypatronesespacialesyabrelaposibilidaddeplanteardiferentesmodeloseconomtricos.Apartirdelcaso
delaciudaddeBarcelonaseaplicanlastcnicasdescritasyseobservanlosdiferentescomportamientossegnelgrupodepoblacinestudiado.

Palabrasclave:cluster,autocorrelacinespacial,anlisisdelavarianza,econometraespacial.

Abstract

Thestatisticsappliedtothegeographyhasexperimentedaspectacularadvanceonthelasttwodecadesworkinginthespaceasafundamental
axisoftheanalysis.Thisadvancehasbeenseenaccompaniedwithafastdevelopmentofstatisticalapplicationsintegratedintothesystemsof
geographicalinformation,constitutingitselfthiswayinasetofindispensabletoolsintheterritorialplanning.Ontheotherhand,inSpain,the
increaseofimmigrantpopulationinashortintervaloftimehasmadeitsspatialdistributionanalyzenecessaryintheurbanareas.Theindexesof
spatialautocorrelation,globalaswellaslocal,anditscartographicrepresentationconstituteatechniquesuitableforthedetectionofclustersand
spatialpatternsandthepossibilitytoproposedifferenteconometricmodels.FromthecaseofthecityofBarcelona,thedescribedtechniquesare
appliedandthedifferentbehavioursareobservedaccordingtothegroupofpopulationstudied.

Keywords:Clusters,Spatialautocorrelation,ANOVA,SpatialEconometrics.

Laconfiguracinsocioespacialdelasciudadesespaolasestadaptndoseaunanuevarealidadmarcadaporelgranincrementodelapoblacin
inmigrada.Esteprocesoessusceptibledemedicincuantitativautilizandolasnuevasherramientaspropuestasdesdelaconjuncinentreespacio
yestadstica.Artculosrecienteshanaplicadoalgunasdelasnuevasherramientasalageografaurbana(Frank,2002LoganyZhang2004).El
presente trabajo tiene cuatro objetivos principales, en primer lugar ofrecer un somero estado de la cuestin sobre los recientes avances
metodolgicosenelanlisisespacialysusposibilidadesdeaplicacinconlaayudadelnuevosoftwareinformticodisponible.Lostresobjetivos
restantessepuedenconcretarenladeteccindepatronesdedistribucinespacialdelapoblacininmigrante,elanlisisdelascaractersticas
socioeconmicas de las zonas donde su presencia es significativamente alta, y, por ltimo, la seleccin de aquellos factores que son ms
relevantesparadeterminarlapertenenciadeunazonaurbanaaunclusterresidencialdepoblacininmigrante.

Para alcanzar estos tres objetivos se propone una metodologa basada en la estadstica espacial como herramienta principal. La deteccin de
zonasurbanasdondeexisteunaproporcinaltadepoblacininmigrantesellevaacabomedianteindicadoreslocalesdeasociacinespacialo
indicadoresLISA(LocalIndicatorofSpatialAssociation)yelanlisisdelascaractersticaszonalesmedianteunAnlisisdelaVarianzayun
modeloeconomtricoespacial.Lascuestionesquepretendemosabordarsonlassiguientes,Cmosepuedendetectarlosclustersdepoblacin
inmigranteincorporandocaractersticasgeogrficasenelproceso?Culessonsuspatronesespaciales?Qucaractersticassocioeconmicas
tienen?Presentandiferenciassignificativasconotraszonas?

Elartculoseestructuracomosigue:elapartadodossededicaalarevisindelaestadsticaespacialenlassiguientesseccionessepresentanlas
herramientasutilizadasparalalocalizacindelosclustersresidencialesdelapoblacininmigranteyseanalizanlascaractersticasdelosclusters
haciendohincapienlasdiferenciasconotraszonasenlaseccincincoseproponeunmodeloeconomtricoparaseleccionarlosfactoresms
relevantesparaexplicarlapertenenciadeunazonaauncluster.Laaproximacinespacialqueproponemosseilustraconpartedelosresultados
obtenidosparalaciudaddeBarcelona.

Estadsticayespacio

La estadstica espacial es una disciplina de la estadstica general que trata del anlisis descriptivo e inferencial de datos geogrficos. La
aplicacindetcnicasestadsticasalageografatieneunmanualdereferenciaeneltrabajodeEbdon(1977),aunqueestetextoselimitaala
aplicacin de las tcnicas descriptivas e inferenciales ms bsicas a datos geogrficos. Un salto cualitativo de gran calado se produjo con el
trabajodeRipley(1981)queintroduceygeneralizaparadiversasdisciplinaseltrminoEstadsticaEspacialyanosetratadeaplicartcnicas
estadsticasadatosgeogrficos,sinoqueconestemanualseintroduceporprimeravezelespaciocomoelementofundamentaldelanlisis.Esta
http://www.ub.edu/geocrit/sn/sn263.htm 1/13
2017516 Nuevastcnicasdeestadsticaespacialparaladeteccindeclustersresidencialesdepoblacininmigrante
lnea ha continuado con los manuales de Cressie (1991), Fotheringham et al (2000) y el ms reciente de Haining (2003). Est claro que los
SistemasdeInformacinGeogrficahanjugadounpapelmuyrelevanteenesteavance,ofreciendoalosinvestigadoreslaposibilidaddecruzar
lasbasesdedatosconlacartografadigitalizada.

Un concepto bsico de la estadstica espacial es el de dependencia o autocorrelacin espacial, que analiza la falta de independencia que se
produceentrelasobservacionesdeunavariableparasusdiferenteslocalizaciones.Esunpuntodondelaestadsticaespacialseconectaconla
geografaenlalneadelostrabajosdeTobler(1979)ysuprimeraleydelageografaenlaqueseafirmaqueenelanlisisgeogrficotodoesta
relacionado con todo, pero las cosas cercanas estn ms relacionadas entre s que las cosas lejanas. La autocorrelacin espacial junto con el
concepto de heterogeneidad espacial ha dado lugar a la econometra espacial, entendida como el conjunto de tcnicas de especificacin,
estimacin, contraste y prediccin para el tratamiento espacial. Como se puede observar, la lnea que separa la estadstica y la econometra
espacialesesdifusa,perolaprincipaldiferenciaestribaenquelasegundaponesuprincipalpuntodeatencinenlamodelizacin.

LosprimerosndicesformalesparadetectarlapresenciadeautocorrelacinespacialsedebenaMoran(1948)yGeary(1954)laaplicacinde
esteconceptoadiferentesdisciplinasdelasCienciasSocialesjuntoanuevosdesarrollosmatemticostieneunpuntodereferenciaclaveenlos
trabajosdelosgegrafosCliffyOrd(1972,1973,1981).ElnombredeeconometraespacialsedebeaPaelinckyKlaasen(1979)ysustrabajos
decienciaregionalenlosPasesBajos.ElmanualclsicodeladisciplinasedebeaAnselin(1988),siendorelevantestambinlostrabajosde
AnselinyFlorax(1995),Anselinetal(2004),Getisetal(2004)yLesageetal(2004).EnEspaahanpublicadoexcelentestrabajosdesntesis
MorenoyVay(2000)yChasco(2003).

Juntoconlaexplosindemtodosyaplicacionesdelaestadsticayeconometraespaciales,enladcadadelosnoventaseiniciarondiversos
esfuerzos para desarrollar nuevas herramientas informticas para el anlisis espacial en las ciencias sociales. La aplicacin ms extendida es
GeoDa,setratadeunprogramalibredesarrolladoporelLaboratoriodeAnlisisEspacialdelaUniversidaddeIllinois,querealizaanlisis
exploratoriodedatosespaciales,norequieredeconocimientospreviossobreSistemasdeInformacinGeogrficaysloutilizalosmapasdeeste
tipo de programas como input. El programa permite efectuar todas las etapas de un anlisis emprico de datos espaciales representacin
cartogrfica,estudioanalticoygrficodelaautocorrelacinespacial,anlisisexploratoriomultivarianteyregresinespacial.

El segundo esfuerzo que cabe destacar se debe al profesor Roger Bivand de la Norwegian School of Economics and Business que ha
implementadoungrupoimportantedefuncionesenellenguajedeprogramacinR.Cubredesdelaconstruccindediversasformasdematrices
espaciales,autocorrelacinespacialyungrupomuyextensodecontrastesymtodosdeestimacindemodeloseconomtricosespaciales.Otro
recursointeresante,ytambindelibreaccesoloconstituyeelprogramadeestadsticaespacialCrimeStat,aunqueenfocadoalacriminologa,
permiteanlisisgeogrficos,epidemiolgicos,botnicosogeolgicos.Cubrelamayoradetpicosdelaestadsticaespacialmsdescriptivayes
unprogramapensadoparasuutilizacinconjuntaconArcView,ArcGisoMapInfo.

EnelcampodelaeconometraespacialunrecursodereferenciaeslalibreraparaMatlabdesarrolladaporSergioReydelaUniversidaddeSan
Diego.Setratadelrecurso ms completo para la modelizacin de datos espacialesquecubreextensamentetodoslosmtodosdeestimacin,
incluyendoestimacinBayesiana,modelosdevariableendgenacualitativayregresinponderadageogrficamente[1]. Todo este conjunto de
tcnicas y recursos informticos ofrece a los investigadores mltiples posibilidades de aplicacin de anlisis de datos espaciales abriendo un
fructferocampoparalainvestigacinenlascienciassociales.

Ladeteccindeclustersresidencialesypatronesespaciales
En el contexto de este artculo el concepto de cluster residencial est ligado a la determinacin de aquellas zonas urbanas donde existe una
presenciasignificativadepoblacininmigrante.Eltrminopresenciasignificativaes,enlamayoradelaliteratura,unumbraldelporcentajede
poblacin inmigrante sobre el total de poblacin de la zona analizada, este porcentaje, sin embargo es escogido de forma ad hoc[2]. La
estadsticaespacialofrecealgunosinstrumentosmetodolgicosalternativosquepuedenayudarenlaconsecucindeesteobjetivo,incorporando
ademselementosdeconfiguracinzonal.

Enprimerlugar,elanlisisdelaautocorrelacinespacialpermitedescubrirsisecumplelahiptesisdequeunavariabletieneunadistribucin
aleatoria o si, por el contrario, existe una asociacin significativa de valores similares o no similares entre zonas vecinas. La autocorrelacin
espacialpuedeserdefinidacomoelfenmenoporelcuallasimilitudlocacional(observacionesprximasespacialmente)seuneconlasimilitud
devalores.Deestemodo,valoresaltosobajosdeunavariablealeatoriatiendenaagruparseenelespacio(autocorrelacinespacialpositiva),o
biensesitanenlocalizacionesrodeadasdeunidadesvecinasconvaloresdismiles(autocorrelacinespacialnegativa).Elpresentetrabajose
tratadeaveriguarsiladistribucinespacialdeundeterminadogrupodepoblacinesaleatoriaono.ElestadsticodepruebaglobalIdeMoran
(1948)quepermitecontrastarestehechosedefinecomo:

Dondeeslamediadelavariablex,cijsonloselementosdelamatrizdepesosespaciales[3],NeselnmerodeobservacionesyS0=ijcij.

LadistribucindeesteestadsticoestandarizadoZ(I)esnormalcuandoeltamaomuestralessuficientementegrande.Unvalornosignificativo
deZ(I)llevaranorechazarlahiptesisnuladenoautocorrelacinespacial,mientrasqueunvalorsignificativopositivo(negativo)informarde
la presencia de un esquema de autocorrelacin espacial positiva (negativa), es decir, la presencia de una concentracin de valores similares
(dismiles)delavariableanalizadaenunidadesvecinas.

Un instrumento grfico habitual en el anlisis de la autocorrelacinespacialeseldenominadoscatterplot de Moran. En el eje de abscisas se

representan las observaciones de la variable normalizada, y en el de ordenadas el retardo espacial de la misma variable, definido como el
productoentreelvectordeobservacionesdexylamatrizdepesosespaciales.Deestemodo,loscuatrocuadrantesreproducendiferentestiposde
asociacin espacial. Si la nube de puntos est dispersa en los cuatro cuadrantes es indicio de ausencia de autocorrelacin espacial. Si, por el
contrario, los valores se encuentran concentrados sobre la diagonal que cruza los cuadrantes derecha superior e izquierda inferior, existe una
elevadaautocorrelacinpositiva.Laautocorrelacinsernegativasilosvaloresseconcentranenlosdoscuadrantesrestantes.

Comoejemplo,enelsiguientegrficosepresentaelscatterplotdeMorancorrespondientealratiodepersonasdenacionalidadextracomunitaria
respectoalapoblacintotalenlas1.483seccionescensalesdeBarcelonaenelao2005mostrandounasituacindeautocorrelacinpositiva.

http://www.ub.edu/geocrit/sn/sn263.htm 2/13
2017516 Nuevastcnicasdeestadsticaespacialparaladeteccindeclustersresidencialesdepoblacininmigrante

Figura1.EjemploScatterplotdeMoran.
Fuente:Elaboracinpropia

Ensegundolugar,laasociacinsignificativapuedenodarseentodalaciudad,sinosloendeterminadaszonas,porloquesehaderecurriralos
denominadosindicadoreslocalesdeasociacinespacialoindicadoresLISA(LocalIndicatorofSpatialAssociation),quetienencomoobjetivo
que el estadstico obtenido para cada zona suministre informacin acerca de la relevancia de valores similares alrededor de la misma. El
estadsticodepruebadelcontrastedeasociacinespaciallocalIideMoran(Anselin,1995)sedefinecomo:

con ,ydondeelsumatoriojhacereferenciaalconjuntodeunidadesvecinasdei.

ElcontrastedeasociacinespaciallocalIideMoran(Anselin,1995)puedeofrecermediantesurepresentacincartogrficayelscatterplot de
Moran,informacinsobreclustersyoutliersdeunidadesconpresenciaaltademiembrosdeungrupo.Utilizandoelmapadelasignificacinde
los indicadoreslocales asociado alscatterplot podemos identificar zonas con presencia alta de miembros de un grupo rodeadas de zonas con
presenciatambinalta(situacinHighHighenelscatterplotdeMoran),obienzonasconpresenciaaltarodeadasdeunidadesconpresenciabaja
(situacinHighLowenelscatterplotdeMoran).Asimismotambinsepermiteladeteccindezonasconpresenciabajarodeadasdeunidades
tambinconpresenciabaja(situacinLowLow),obienzonasdepresenciabajarodeadasdeunidadesconpresenciaaltadelavariableanalizada
(situacinLowHigh).Porltimo,tambinsepuedendetectarzonassinasociacinespacialsignificativa.Esteanlisissecentraenaquellaszonas
dondehaypresenciasignificativadeuncolectivo,seencuentrerodeadadezonasconigualsituacinobienseaunazonarodeadadesituaciones
diferentesenamboscasosnosreferiremosaellascomozonascluster.

Desdeunaperspectivamstcnicacabehacerunaseriedeprecisionesquedeterminanelprocesodeanlisisdelaautocorrelacindeformams
habitualenlaamplialiteraturaespecializada[4].Cuandosehancalculadoloscoeficientesdeautocorrelacinglobalylocalsehautilizadoelratio
decadanacionalidadconrespectoalapoblacintotaldelaseccin.Cuandoseoperadeestemodosepuedeviolarelprincipiodeestacionalidad
delprocesoespacialporexistirinestabilidadenvarianza.Estainestabilidadsedacuandolavariablebasedelratio(lapoblacintotal)difiere
entrelasunidadesanalizadas(seccionescensales).Paracorregirlo,elratioutilizadoeseldenominadoEmpiricalBayessugeridoporAssunaoy
Reis(1999).

Parallevaracaboloscontrastesdeautocorrelacinglobalylocalsehacenecesarialautilizacindelamatrizdecontactobinariaquepermite
expresarlavecindadentredoszonasmediantevalores01.Sidoszonastienenunafronteracomnselasconsideracontiguasyselesasignael
valoruno[5].OtrodetallemetodolgicoaconsiderareslaformadecontrastarlahiptesisdenoautocorrelacinutilizandoelestadsticoI(i)que
acabamosdeexponeryquetieneunadistribucindesconocida,porlotantosedebeutilizarunaaproximacinaleatoriamedianteuncriteriode
permutacinpararealizarelcontraste(Anselin,2003)[6].

Lametodologaexpuestaenestaseccintienedosclarasventajasrespectoalprocesohabitualdedeteccindeclustersdepoblacininmigrante
enreasurbanas.Nosetienequeestableceraprioriunumbraldelporcentajedepoblacindeungruposobreeltotaldepoblacindelazona
estudiadaeincorporainformacinnotanslodelazonaanalizada,sinotambindelaszonasadyacentes.Estasegundacaractersticadelproceso

http://www.ub.edu/geocrit/sn/sn263.htm 3/13
2017516 Nuevastcnicasdeestadsticaespacialparaladeteccindeclustersresidencialesdepoblacininmigrante
esrelevanteparaincorporarfenmenoscomolainteraccinconlapoblacindeotraszonas,apartedelainteraccinqueseproduceenelestricto
espacioresidencial.

Caractersticasdelosclustersresidenciales
Enlaseccinanteriorsehavistocmodetectarzonasconpresenciasignificativadeloscolectivosquesepretendenanalizar,estaseccinse
centraencuantificarlasdiferenciasquepresentanlaszonasclustersrespectoaaquellaszonasdondenosedetectapresenciasignificativa.De
hecho,eslaprimerafaseenelprocesodecaracterizacindelosclusters.

Lasdiferenciasquesepretendencuantificarhandereferirseaunconjuntodevariablesquerecojanlascaractersticassocioeconmicasdecada
zona urbana. La bibliografa tampoco es homognea en este sentido ya que se proponen diferentes caractersticas como explicativas del
agrupamiento espacial de los diferentes colectivos, en la mayora de las ocasiones limitados por la informacin disponible a escala
inframunicipal.Enelestudiodecasodeesteartculo,siguiendolostrabajosdePeach(1998)yMusterdyDeurloo(2002),sehanescogidolas
variablesquesepresentanenelcuadro1.

Para cada variable se ha contrastado su valor medio en las secciones clasificadas HighHigh o HighLow con aquellas que presentan una
situacin diferente en el anlisis de la autocorrelacin espacial. Es decir, se han estudiado las diferencias en las caractersticas de las zonas
cluster/outlier de cada colectivo, con las caractersticas de las zonas donde los diferentes grupos no residen de forma estadsticamente
significativa.Latcnicaestadsticaadecuadaaesteobjetivoeselanlisisdelavarianzaconunfactoroensudenominacinabreviadaeningls
ANOVA.Estatcnicapermiteelanlisisdelavarianzadeunavariabledependientecuantitativasegnelvalordeunavariableindependienteo
factor,yseconsideraunageneralizacindelcontrastetsobrediferenciademedias.Assehanespecificadolassiguienteshiptesis:

Siendo1lamediadecadaunadelasvariablesenlasseccionesclusterdecadagrupoynacionalidad,y2lamediaenlasseccionesqueno
formanpartedeuncluster.Bajolahiptesisnulalavariabilidaddelasdiferentescaractersticasentrelaszonasclusterylasquenoloson,no
debesuperarlavariabilidaddentrodelosdosgruposdeseccionesanalizados.Lavariabilidadseexpresaentrminosdesumasdecuadrados,as
lavariabilidadentregrupossedeterminacomoeshabitualmediantelasumadecuadradosentregrupos(SCE)ylavariabilidaddentrodecada
grupocomosumadecuadradosintragrupos(SCI),siendoelestadsticodepruebadelcontrastedemediaslasiguienteexpresin:

Dondekeselnumerodegrupos,ennuestrocasodos,zonasclusteryzonasnoclusterynelnmerodeobservaciones.

Cuadro1
Variablesutilizadas

Variable
CategoraCensal
utilizada
Viviendasfamiliaresprincipales
ndicede
habitabilidad
Sumadelaspuntuacionesdehabitabilidad/Totalviviendasprincipales.Laspuntuacionesdehabitabilidadtomanlosvaloresde0
a100enfuncindelascondicionesenlasqueseencuentrelavivienda[7].
(nmero
absoluto)
Niveldeestudios(Poblacinde16aosoms)
Sinestudios
Nosabeleeroescribir.Sabeleeryescribirperofuemenosde5aosalaescuela.Fuealaescuelamsde5aosperonoha
completadoningnciclo. (en
proporcin)
Diplomatura,ArquitecturaoIngenieraTcnica. Estudios
Universitarios
Licenciatura,ArquitecturaoIngenieraSuperior.
(en
Doctorado. proporcin)
Paro
Seconsideraparadasalaspersonasde16aosomsqueestnsimultneamente: Tasadeparo
sintrabajo,esdecir,quenotienenunempleoporcuentaajenaoporcuentapropia.
enbuscadetrabajo,esdecir,quehantomadomedidasconcretasparabuscaruntrabajoporcuentaajenaohayanhechogestiones (en
paraestablecerseporsucuenta. proporcin)
Poblacin
Mayoresde65
aos
Intervalodetiempotranscurridodesdelafechadenacimientohastalafechacensal(1112001),expresadaenaos.
(en
proporcin)
Logaritmodelcocienteentreeltotalderesidentesylasuperficiedelaseccincensalenkm2 . Densidad
Fuente:elaboracinpropia

http://www.ub.edu/geocrit/sn/sn263.htm 4/13
2017516 Nuevastcnicasdeestadsticaespacialparaladeteccindeclustersresidencialesdepoblacininmigrante
Despusdehaberestudiadolasdiferenciassignificativasenlasmediasdelasvariablesentrelasreasdetectadascomoclusterylasnocluster,el
siguientepasoconsisteenescogeraquellasvariablesquemejordefinenlascaractersticasdelaszonasclusterparacontestaralapreguntaqu
variablessonsignificativasparadeterminarlapertenenciadeunaseccincensalaunazonacluster?

Pararesponderaestapreguntasedebeespecificarunmodeloeconomtrico,enelquelavariableendgenasealapertenenciaonodelaseccina
la zona cluster y las variables exgenas sean sus caractersticas de vivienda, densidad y perfil socioeconmico de la poblacin que reside en
ella[8].LaespecificacinadecuadaparamodelizarestasituacinesunaregresinlogsticaoLOGIT,dondelaprobabilidad(pi)queunazona
pertenezcaaunclustervienedadaporunafuncinlambdadelasvariablesexgenasenesazona(X2i,,Xki)ydelosparmetrosdelmodelo
(1,2,..,k).

Lasnicasdiferenciasentrelaespecificacindeestemodeloyladeunmodeloderegresinlinealclsicoson,porunladoquelavariablea
explicaresunaprobabilidad,yporotroquelafuncindelasvariablesexplicativasnoeslinealsinologstica.

Paraseleccionarlasvariablessignificativassehaseguidouncriterioestrictamenteestadstico,usandounprocesodeseleccinhaciadelante,que
esunmtododeseleccinporpasosquecontrastalaentradaylaeliminacinbasndoseenlaprobabilidaddelestadsticodeWald[9].

Sin embargo el modelo LOGIT presenta la desventaja de no llevar asociado los efectos espaciales en la especificacin y tener un trmino de
perturbacinheterocedstico.Eltrminodeperturbacinrecogeaquellosfactoresqueafectanalaprobabilidaddepertenenciaaunclusteryque
no aparecen en forma de variables exgenas en la especificacin del modelo. Una hiptesis bsica sobre el trmino de perturbacin en el
contextodelmodeloderegresinlinealclsicoesquelavarianzadelasperturbacionesesconstante(trminodeperturbacinhomocedstico).
ComobienhasealadoMcMillen(1992)estahiptesisseincumplehabitualmenteenelmodeloLOGIT.

IncorporarelefectoespacialenlaespecificacinobligaautilizarelmodelosugeridoporLesage(1999),basndoseenlostrabajosdeAlberty
Chib(1993).Laespecificacinfinaldelmodeloeslasiguiente:

SiendoYlamatrizdedimensionesnx1querecogelasobservacionesdelavariableendgena,XeslamatrizdelasvariablesexgenasyB el
vectordeparmetrosaestimareselparmetroquecapturalaautocorrelacinentreperturbacionesyWeslamatrizdecontactosdefinidaenla
seccin uno. Como ya hemos comentado los modelos espaciales con variable endgena cualitativa son habitualmente heterocedsticos es
necesariopuesdefinirunaestructuraparalamatrizdevarianzasycovarianzasdelasperturbaciones.EstamatrizdenominadaVesunamatriz
diagonalquerecogelasponderacionesdecadaobservacinparaobtenerunaestimacineficientedelosparmetros.

Ennotacinescalarlaprimeraecuacinsepuedereescribircomo:

El mtodo de estimacin de este tipo de modelos es Bayesiano, por lo tanto es necesario determinar la secuencia de las distribuciones
condicionales de los parmetros del modelo y generar las muestras. Para obtener la distribucin de los parmetros se utiliza la tcnica de
muestreodeGibbs,basadaenlageneracindecadenasdeMarkovmedianteelmtododeMonteCarlo(MarkovChainMonteCarlooMCMC),
elprocedimientocompletosepuedeseguirenLesage(1999).

Unestudiodecaso:laciudaddeBarcelona
Espaa,ymsconcretamentelaciudaddeBarcelona,haexperimentadounaafluenciaconsiderabledepoblacinextranjeradesdeladcadade
los aos noventa. Acompaado del crecimiento econmico y la pertenencia a la Unin Europea se ha pasado de ser un pas de emigrantes y
fuertes procesos migratorios internos a ser un pas receptor de inmigrantes procedentes de diferentes orgenes. Segn los datos del Padrn
continuo con fecha de referencia 112005, la ciudad de Barcelona tiene 1.593.075 habitantes, con un 13,80% de esta poblacin que posee
nacionalidad no espaola. En el desglose por nacionalidades de este porcentaje, el grupo ms numeroso es el de los ecuatorianos (13,83%),
seguidoporlosperuanos(6,57%)ylosmarroques(6,15%)encuartolugarsesitanloscolombianos(6,04%).Enlagranmayoradeloscasos
setratadepoblacinquesehaestablecidoenlaciudad,mediantesuinscripcinenelpadrndehabitantes,enlosltimoscincoaos[10].Porlo
tanto,eslcitoqueenelpresenteestudiosehabledeprimeraresidencia,marcadaporunprocesodeacogidadelosrecinllegadosporcolectivos
delamismanacionalidadqueyaresidanenlaciudad.Algunosexcelentestrabajospreviossobrelalocalizacindelapoblacinextranjeraen
BarcelonasedebenBayonaetal(2004a,2004b,2005)[11].

Parallevaracabounanlisiscuantitativocomoelquesepresenta,apriorisetienequeclarificaralgunosconceptosydefinicionesparaasegurar
la comprensin correcta de los resultados. En el caso de las variables candidatas a ser estudiadas para obtener las caractersticas socio
econmicas de los clusters, la estadstica oficial ofrece una gran cantidad potencialmente utilizables, pero nuestro enfoque presenta una
restriccin importante ya que se requieren variables que puedan ser observadas a un nivel mximo de desagregacin espacial. Debido a este
motivonoshemosdecentrarenaquellascaractersticasquerecogenloscensosdepoblacinyvivienda.Estasfuentespresentanlalimitacinde
sudisponibilidadligadaalosperodoscensales,siendoelltimoenelcasoespaolel2001.Sinembargo,estalimitacinpuedeserunaventaja
ya que nos referimos, como ya hemos comentado y para la mayora de los colectivos, a las caractersticas de las secciones en el perodo de
acogidaoprimeraresidencia,ynotantodelascaractersticasactuales,loqueatenalaposiblecorrelacinentrecaractersticasyporcentajede
poblacindelgrupoestudiado.

Adaptar las tcnicas descritas en las pginas precedentes exige un estudio detallado de la informacin disponible teniendo en cuenta su
desagregacin territorial y la posibilidad de referenciacin geogrfica. En primer lugar, se debe establecer el tipo de unidad espacial que se
emplea.Enestesentido,enEspaalaunidadespacialqueessusceptibledemejoradaptacinalasherramientasestadsticaseslaseccincensal,

http://www.ub.edu/geocrit/sn/sn263.htm 5/13
2017516 Nuevastcnicasdeestadsticaespacialparaladeteccindeclustersresidencialesdepoblacininmigrante
quepermiteunanlisisconelmximoniveldedesagregacinterritorial,conlaventajaqueparaloshabitantesdecadaseccinsedisponedela
informacinquesuministranelCensodePoblacinyelPadrndeHabitantes.Sehautilizadolacartografadelseccionadosuministradaporel
AyuntamientodeBarcelonaconuntotalde1.483seccionescensales[12].

En segundo lugar, se debe definir qu se entiende por poblacin inmigrante. Se ha optado por considerar como poblacin inmigrante los
individuosconnacionalidadnoespaolasegnlaclasificacincensal.Sehanagrupadolasnacionalidadesenseisgruposysehaanalizandocon
detalleelcomportamientodelasoncenacionalidadesquesuperanel3%delapoblacinextranjeradeBarcelona.Sehanformadolosgruposcon
la suma de individuos de diferentes nacionalidades, de acuerdo con la siguiente ordenacin (slo aparecen las nacionalidades con ms
poblacin): Magreb (Argelia, Marruecos) Resto de frica (Gambia, Senegal)[13] Amrica Latina (Ecuador, Per, Colombia, Repblica
Dominicana, Argentina, Cuba, Chile, Brasil, Uruguay, Bolivia) Europa del Este (Rumania, Ucrania, Rusia, Polonia) Asia (China, Pakistn,
Filipinas, India, Oceana excepto Australia y Nueva Zelanda) UE15 y otros pases de la OCDE (Francia, Italia, Alemania, Reino Unido,
Portugal,EstadosUnidosyJapn).TambinhemosformadounsptimogrupodenominadoExtracomunitarios,quesecomponedelasumade
loscincoprimeros,odichodeotramanera,deltotaldeextranjerossincontarlosprocedentesdelaUE15yotrospasesdelaOCDE[14].

Enlosmapasdelassiguientespginas(figura2)sehaceunadescripcindelasituacindecadanacionalidadsiguiendoelenfoquedesarrollado
en las pginas anteriores. Los mapas de clusters permiten identificar cuatro patrones claros de distribucin espacial de las diferentes
nacionalidades.PorunladoMarruecosyPakistntiendenalaconcentracinenCiutatVella,SantsMontjuc,yenmenormedida,enSantMart.
MarruecospresentaademsunaimportantepresenciaenNouBarrisEnsegundolugar,lapoblacindepasesdelaUninEuropeacomoFrancia
e Italia ocupa partes de CiutatVella, la zona central del Eixample y se extienden siguiendo el eje NorteSur por los distritos de Les Corts y
SarriSant Gervasi. Un comportamiento que tambin sigue, aunque en menor medida, la poblacin argentina, constituyendo la primera
excepcindentrodelospaseslatinoamericanos.

Entercerlugar,lapoblacindenacionalidadchinapresentaunpatrnmuchomsdisperso,detectndoseclustersenlosdistritosdeEixample,
SantMartypresentaciertaszonasdeconcentracinenSantsMontjuc.Lapoblacindominicanaeslasegundaexcepcindentrodelospases
latinoamericanos,yaquesigueunesquemasimilarperopresentaseccionesconpresenciasignificativatambinenCiutatVella.Yporltimose
puededetectarunpatrnmsdispersoparaelrestodenacionalidadeslatinoamericanas,aunquecondiferenciasencuantoaladeteccindezonas
clusters. As, Per, Colombia y Bolivia presentan un patrn claramente ms disperso que las nacionalidades anteriores, y Ecuador tambin
presentaunpatrndispersoperoconciertaconcentracindezonasclusterseneldistritodeNouBarris.

En el cuadro 3 se presentan el nmero de secciones cluster detectadas para cada nacionalidad y el porcentaje sobre el total de secciones de
Barcelona.Tresnacionalidades,Francia,ItaliayArgentina,presentanelmayornmerodeseccionesconpresenciasignificativa,superandoel
10%detotal.Estastresnacionalidadesnosloestnmsextendidasenelterritoriosinoquetambinpresentanpatronesespacialessimilares
como se ha podido comprobar en los apartados precedentes. El caso de la poblacin con nacionalidad francesa e italiana es especialmente
ilustrativo, Francia con el 3,30% e Italia con el 5,12% de la poblacin extranjera de la ciudad son grupos poco numerosos respecto a los
principales colectivos no obstante, su presencia se extiende de forma significativa en numerosas secciones, aunque concentradas, con la
excepcindeCiutatVella,enlosdistritosconmayorniveldevidadelaciudad.LasnacionalidadesconmenosseccionessonBolivia,Chinay
Pakistn, en este caso se puede calificar la situacin de concentracin pero como tambin se ha visto de signo muy distinto. Bolivia y China
concentradas en pocas secciones pero dispersas en el territorio y Pakistn concentrado en una pequea rea en torno al Distrito I. Adems,
destacaelaltoporcentajedepoblacinpakistanqueresideenestasseccionescluster(58,6%).

Encuantoalanlisisdelasvariablesdelasituacindelosdiferentesgruposentreseccionesclusterynocluster,loprimeroqueseobservaesque
para cuatro variables (ndice de habitabilidad, paro y los dos niveles de estudio) se producen diferencias significativas para todos los grupos
(cuadro4).Tresgruposmuestrandiferenciassignificativasenlasseisvariables:Asia,AmricaLatinayUE.

Elestudiodelossignosylosvaloresdelasdiferenciaspermitecaracterizarlaszonasparacadaunodelosgrupostalycomoseexponeenel
cuadro2.

Cuadro2
Caractersticasmsrelevantes

Grupo Caractersticasdelaszonasqueocupan
Magreb Calidadbajadelavivienda

Poblacinsinestudios,paroydensidadelevados
Restodefrica Calidadbajadelavivienda

Poblacinsinestudiosyparoelevados
AmricaLatina Diferenciasentodaslasvariables

Proporcinaltadepoblacindemsde65aos.
EuropadelEste Pocacalidaddelavivienda

Diferenciasenparoyniveldeestudiosperomenoresquelosgrupos
anteriores
Asia Diferenciasentodaslasvariables

Segundogrupoenpocacalidaddelavivienda

Primeroenparo
UE Diferenciasentodaslasvariablesperodesignoopuestoalrestode
grupos

Densidadyestudiosuniversitariosmuydiferentesdelresto(Mayor
niveldeestudios)
Fuente:elaboracinpropia

http://www.ub.edu/geocrit/sn/sn263.htm 6/13
2017516 Nuevastcnicasdeestadsticaespacialparaladeteccindeclustersresidencialesdepoblacininmigrante

Cuadro3
Caractersticasdelasprincipalesnacionalidades

Rep
Ecuador Per Marruecos Colombia Argentina Italia Pakistan China Bolivia Francia Dominicana
%s/pobimmi 13,83 6,57 6,15 6,04 5,43 5,12 5,10 4,16 3,73 3,30 3,09
secciones

clusters 146 120 128 107 154 194 79 81 55 169 100

%s/total
secciones 9,8 8,1 8,6 7,2 10,4 13,1 5,5 5,5 3,7 11,4 6,7
%pobdecada
nacionalidadque 21,6 5,6 47,3 12,0 24,1 28,7 58,6 35,8 16,2 32,4 32,8
viveenelcluster
Fuente:elaboracinpropiaeIdescat

Cuadro4
AnlisisdelaVarianza.EstadsticoF.Grupos

Restode Amrica Europadel UE15+Paises Conjunto

Variable/Grupo Magreb Asia
Africa Latina Este avanzados Extracomunitario
Densidad 50,33* 0,63 26,42* 2,32 20,90* 88,65* 47,28*
ndicedehabitabilidad 360,02* 82,00* 218,48* 65,19* 326,70* 35,65* 465,67*
Mayoresde65aos 0,53 0,28 19,28* 1,89 9,89* 5,01* 12,72*
Tasadeparo 91,65* 34,25* 86,54* 22,64* 110,35* 16,29* 144,04*
Estudiosuniversitarios 62,62* 52,61* 59,47* 16,46* 33,59* 301,51* 76,96*
Sinestudios 99,47* 117,71* 65,07* 17,34* 55,20* 82,72* 97,25*
Nota:*diferenciasignificativaal5%.**al10%.
Fuente:elaboracinpropiaeIdescat

http://www.ub.edu/geocrit/sn/sn263.htm 7/13
2017516 Nuevastcnicasdeestadsticaespacialparaladeteccindeclustersresidencialesdepoblacininmigrante

http://www.ub.edu/geocrit/sn/sn263.htm 8/13
2017516 Nuevastcnicasdeestadsticaespacialparaladeteccindeclustersresidencialesdepoblacininmigrante

Figura2.DistritosdeBarcelonayClustermapsdenacionalidades.
Fuente:elaboracinpropia

Para el conjunto de inmigrantes extracomunitarios se puede observar que todas las variables son significativas, destacando especialmente el
ndice de habitabilidad y la tasa de paro. La situacin es ms compleja en cuanto a las nacionalidades no hay ninguna variable que presente

http://www.ub.edu/geocrit/sn/sn263.htm 9/13
2017516 Nuevastcnicasdeestadsticaespacialparaladeteccindeclustersresidencialesdepoblacininmigrante
diferenciassignificativasparalasoncenacionalidades,yenslocuatroBolivia,Francia,PakistnyRepblicaDominicanatodaslasvariables
presentandiferenciassignificativas.EnlasituacincontrariaseencuentraChinaconelndicedehabitabilidadcomonicavariablesignificativa.

Losresultadosobtenidossepresentanenloscuadros6y7.Lamedidahabitualdebondaddelajusteopoderexplicativoenestetipodemodelos
eselPseudoR2deMcFaddenquesebasaenelcocienteentrelafuncindeverosimilituddelmodelocontodaslasvariablesexplicativasyla
funcindeverosimilituddelmodelosinellas.Esteestadsticoestaacotadoentreceroyuno,indicandounbuenajustevaloresprximosauno.

Ennuestrocasoseobtieneunbuenajuste,medidoporelPseudoR2deMcFadden,paratodoslosgruposynacionalidades,exceptoenelcasode
Colombia, Argentina y China (los resultados del anlisis de varianza se exponen en el cuadro 5). Este hecho puede indicar que para estas
nacionalidades se necesitan otros factores explicativos. En el caso de los grupos, lo primero que se observa es que la variable ndice de
habitabilidad presenta diferencias significativas y negativas para todos los grupos, mientras que las variables relacionadas con el nivel de
estudiosymayoresde65aosnosonexplicativasdelmodeloenlamayoradeloscasos.Porloquehacereferenciaalossignosdelasvariables
significativas, observamos que todas ellas tienen una relacin directa o positiva, excepto el ndice de habitabilidad, que presenta una relacin
inversaonegativa.Enelsiguientecuadro8sehacehincapienlasvariablesquesonsignificativasparacadagrupoyelniveldeajusteobtenido
encadacaso.

Cuadro5
AnlisisdelaVarianza.EstadsticoF.Nacionalidades

Rep
Variable/Nacionalidad Ecuador Per Marruecos Colombia Argentina Italia Pakistan China Bolivia Francia Dominicana
Densidad 42,55* 11,41* 55,23* 3,38** 8,10 18,47* 46,09* 0,24 5,14* 67,74* 54,03*
ndicedehabitabilidad 31,70* 0,08 358,29* 5,86* 61,24* 81,29* 306,75* 7,60* 14,96* 32,96* 130,06*
Mayoresde65aos 1,14 0,07 0,27 1,30 5,25* 16,66* 7,29* 0,47 21,59* 4,97* 15,24*
Tasadeparo 54,88* 0,14 88,71* 9,65* 1,93* 0,11 149,01* 0,04 19,68* 7,93* 75,99*
Estudiosuniversitarios 286,99* 11,02* 75,99* 4,54* 0,17 22,62* 59,19* 1,23 33,39* 137,58* 45,35*
Sinestudios 142,15* 0,01 108,76* 0.18 0,20 6,16* 101,44* 2,10 29,41* 31,63* 42,21*
Nota:*diferenciasignificativaal5%.**al10%.
Fuente:elaboracinpropia

Cuadro6
Resultadosdelmodeloeconomtrico.Grupos

UE15+Paises Conjunto
Variable/Grupo Magreb RestodeAfrica AmricaLatina EuropadelEste Asia
avanzados Extracomunitario
Constante 0,384 0,311 0,475 0,242 1,258* 2,110* 0,468
Densidad 0,133* 0,116** 0,288* 0,223*
ndicehabitabilidad 0,062* 0,033* 0,045* 0,032* 0,061* 0,063* 0,070*
Mayoresde65aos 0,033*
Tasadeparo 0,046* 0,050* 0,032* 0,060*
Estudiosuniversitarios 0,087*
Sinestudios 0,018*
0,253* 0,258* 0,347* 0,114* 0,207* 0,459* 0,238*
PseudoR2 0,723 0,368 0,513 0,403 0,773 0,768 0,790
Nota:*significativoal5%.**al10%.Conguinvariablesnosignificativas.
Fuente:elaboracinpropia

Cuadro7
Resultadosdelmodeloeconomtrico.Nacionalidades

Rep
Variable/Nacionalidad Ecuador Per Marruecos Colombia Argentina Italia Pakistn China Bolivia Francia Dominicana
Constante 4,629* 3,513* 0,987 1,937* 1,488* 0,574** 1,587** 0,314* 0,703* 2,121* 2,082*
Densidad 0,948* 0,150* 0,134* 0,152* 0,239* 0,269* 0,550*
ndicedehabitabilidad 0,009* 0,060* 0,020* 0,037* 0,061* 0,019* 0,008** 0,050* 0,034*
Mayoresde65aos 0,030* 0,035*
Tasadeparo 0,068* 0,037* 0,070* 0,054*
Estudiosuniversitarios 0,038* 0,020* 0,032* 0,030* 0,058*
Sinestudios 0,036* 0,032* 0,011** 0,017*
0,225* 0,504* 0,245* 0,144* 0,474* 0,450* 0,160* 0,266* 0,122* 0,344* 0,219*
PseudoR2 0,754 0,462 0,735 0,104 0,158 0,405 0,833 0,145 0,532 0,702 0,527
Nota:*significativoal5%.**al10%.Conguinvariablesnosignificativas.
Fuente:elaboracinpropia

Cuadro8
Resultadosmsdestacados

Grupo Variablesexplicativas
Magreb Elmodelopresentaunbuenajuste

http://www.ub.edu/geocrit/sn/sn263.htm 10/13
2017516 Nuevastcnicasdeestadsticaespacialparaladeteccindeclustersresidencialesdepoblacininmigrante
Ladensidad,elndicedehabitabilidadylavariablesinestudios
explicanlapertenenciadeunaseccincensalaunazonacluster.
Restodefrica Eselgrupoquepresentaunmenorajuste

Senecesitanotrosfactoresexplicativos,yaquelanicavariable
significativaeselndicedehabitabilidad
AmricaLatina Elmodelopresentaunbuenajuste

Enestecaso,todaslasvariablessonsignificativasexceptoelnivelde
estudiosylosmayoresde65aos.
EuropadelEste Eselsegundogrupoquepresentaunmenorajuste.

AligualqueenelcasodeRestodefrica,elndicedehabitabilidad
eslanicavariablesignificativa.
Asia PresentaelPseudoR2deMcFaddenmselevado,0,77

Enelmodelo,sonsignificativaslasvariablesndicedehabitabilidady
tasadeparo
UE Eselsegundogrupoconunmejorajuste(0,77)

Todaslasvariablesexplicativasescogidassonsignificativasexceptola
variableporcentajedepoblacinsinestudios.
Fuente:elaboracinpropia

Laconclusinqueseprestadelanlisisdelmodeloeconomtricoparalosgruposesquelavariablemsrelevanteparadeterminarlapertenencia
deunaseccincensalaunazonaclustereselndicedehabitabilidad.Enelcasodelasnacionalidades,lasituacinesmscompleja.Ecuador,
Marruecos,PakistnyFranciasonlasnacionalidadesquepresentanunmejorajustedelmodelo,conunaPseudoR2deMcFaddensuperioral
70%.

Nohayningunavariablequeseasignificativaparatodaslasnacionalidades.Noobstante,comoyahemosobservadoenelanlisisdelosgrupos,
elndicedehabitabilidadeslavariablemsrelevanteparadeterminarlapertenenciadeunaseccincensalaunazonacluster.Porotrolado,taly
comoocurraparalosgrupos,noencontramosningncasoenelquetodaslasvariablesseansignificativas.Elparmetroessignificativoen
todosloscasosloqueconfirmaelenfoqueespacialadoptadoenlamodelizacin.

Conclusiones
Enesteartculosehanpresentadodiversastcnicasdedeteccinycaracterizacindelosclustersdepoblacininmigranteenreasurbanas.La
principalcaractersticadeestaaproximacineslautilizacindeherramientasprocedentesdelaestadsticaespacial.Larecientedisponibilidaden
Espaadelageoreferenciacindelosdatosprovenientesdelasfuentesestadsticastradicionalessobrepoblacin(PadrnyCenso)abrenuevas
lneasdeinvestigacinsobrepatronesresidencialesenzonasurbanas.Juntoconestanuevadisponibilidadcabedestacartambinlairrupcinde
unanuevageneracindesoftwarequefacilitaeltratamientodelainformacinylaimplementacindetcnicas,tantodeanlisisexploratorio
comodemodelizacindevariablesenelespacio.

Conelusodelaestadsticaespacialseincorporanalanlisiselementosterritorialesbsicosparalacomprensindelfenmenomigratorio.La
unidadbsicadelestudiopresentado,comoejemplodeaplicacin,eslaseccincensalqueofrececlarasventajasdedesagregacindelterritorio
yquepermiteunanlisismsdetalladodelarealidadquenosepuedeobtenerconotrotipodedatos.Otroelementobsicoquesehaexpuestoes
lautilizacindelosindicadoresdeautocorrelacinlocalcomoherramientaquepermiteelanlisisnoslodelasituacindeunaseccincensalo
zonaurbanaenconcreto,sinoestasituacincomparadaconladesuentorno.Estehechotienefuertesimplicacionesenelanlisisurbano,donde
esevidentelaconexinentreterritoriosvecinos.

El principal objetivo del artculo era la exposicin de estas herramientas, ms que un estudio minucioso de un caso concreto, aunque como
ejemplodesuaplicacinsehanpresentadoresultadosparalaciudaddeBarcelona.Enestesentido,cabendestacaralgunospatronesresidenciales
detectados para las nacionalidades analizadas, as se podra hablar en base a los clusters, de concentracin fuerte en el caso de Marruecos y
Pakistn concentracin dbil: Ecuador y Repblica Dominicana dispersin baja: Francia, Italia y Argentina, y dispersin alta en el caso de
Per,Colombia,BoliviayChina.

Encuantoalacaracterizacindelaszonasclustersdetectadassehaoptadoporundobleproceso,enprimerlugarunanlisisdelavarianzapara
analizarlasignificacinestadsticadelasdiferenciasenlasvariablesenestaszonasylaszonasquenohansidodetectadascomoclusters.En
segundolugar,sehaqueridoextraeraquellasvariablesquemejorexplicanlapertenenciadeunazonaauncluster.Losresultadosobtenidosen
estedobleprocesohanpermitidoobservarquedeterminadascaractersticascomoladensidadyelindicadordehabitabilidadpuedenexplicaren
gran parte la pertenencia de una zona a un cluster residencial de poblacin inmigrante, por lo tanto se han relacionado las caractersticas del
territorio con la distribucin de las diferentes nacionalidades y grupos de poblacin extranjera. En todo caso nos remitimos a los resultados
detalladosenlastablasparaapreciarlasdiferentessituacionesparacadagrupo/nacionalidad.

En resumen y a modo de conclusin general, podemos afirmar que la estadstica espacial constituye una herramienta esencial para la
comprensindelosfenmenosmigratoriosenelmbitourbano.Losrecientesavancestantotericoscomoaplicadosenestecampofacilitana
losinvestigadoresunanuevavisindedichosfenmenosquepuedecomplementaryenriquecerenfoquesdecortemscualitativo.

Notas
[1]Unrepasoexhaustivoatodaslasaplicacionesdisponibleshastaelmomentosepuedeencontrarenelnmeromonogrfico38(2006)deGeographicalAnalysis

http://www.ub.edu/geocrit/sn/sn263.htm 11/13
2017516 Nuevastcnicasdeestadsticaespacialparaladeteccindeclustersresidencialesdepoblacininmigrante
[2]Verporejemplo,Albaetal.(2002)oPamuk(2004).

[3]Matrizcuadradanoestocsticacuyoselementosreflejanlaintensidaddelainterdependenciaexistenteentrecadapardeunidadesiyj.Habitualmentecijesiguala1si
lasunidadescompartenunafronteracomnyesiguala0sinolacomparten.

[4]EntretodaslasreferenciascabedestacarporsuclaridadAnselin(2003)yWongyLee(2005).

[5]Paradeterminarlavecindadentreseccionescensalessepuedenempleardiferentescriterios,siendoelmshabitualelllamadocriteriorook

[6] De hecho tambin se ha utilizado un criterio permutacional en la inferencia del estadstico I global de Moran, ya que ste sigue una distribucin normal slo en
contextosasintticos.

[7]Lainformacindetalladareferentealaelaboracindeesteindicadorsepuedeencontrarenhttp://www.ine.es/censo_accesible/es/glosario.html

[8]Recordemosquedadaladiferentetemporalidaddelasvariables,seintentaexplicarlasituacinde2005conlascaractersticasdelazonaen2001.Existeunadiferencia
entreelnmerodeseccionesdelPadrnContinuode2005(1.483)yelCensodePoblacin2001(1.491).Cuandoenelmodeloeconomtricosehanutilizadolasdos
fuentessehanrealizadolosajustesoportunos.

[9]ParadetallessobreestemtodosepuedeconsultarVisautayMartori(2003)

[10]Serveid'EstadsticaAjuntamentdeBarcelona.TantoelPadrnContinuocomoenelCensodePoblacinpresentanunaanomalaenlaseccincensal68deldistritoI,
dondeparalafechadereferenciautilizada(112005)habaempadronadas11.619personas,10.025delascualesextranjeras.Estehechosedebeaqueseempadronanen
estaseccinlamayoradelosextranjerossinresidenciafijaenlaciudad.Comosehanutilizadoratios(EmpiricalBayes)sobrelapoblacintotaldelaseccinparala
determinacindelosclusters,estaanomalanohaafectadoalosresultadosdeformarelevante.

[11]Aunqueenestoscasoslaautocorrelacinespacialnosebaseenmatricesdecontigidad,sinodedistanciasyelestadsticodecontrasteslosirveparahaceruna
gradacindelaasociacinespacial.

[12]Parasutratamientosepuedeutilizardiferentesoftware,deaccesolibrecomoGeodaoArcviewdeusohabitualenmbitosacadmicos.

[13]Siendoestegrupoelquecuentaconmenoresefectivos,sehamantenidoenelanlisisporsuimportanteimplantacinenotraszonasdeCatalua,incluyendolaRegin
MetropolitanadeBarcelona.

[14]Parasimplificaraestegruposeledenominaapartirdeestepunto,comosimplementeUE.

Bibliografa

ALBA, R.D., LOGAN, J.R., CROWDER, K. White ethnic neighbourhoods and assimilation: the greater New York region 19801990. Social
Forces,1997,vol.75,n3,p.883909.

ALBERT, J.A., CHIB, S. Bayesian Analysis of Binary and Polychotomous Response Data. Journal of the American Statistical Association,
1993,vol.88,p.669679.

ANSELIN,L.SpatialEconometrics:MethodsandModels.Boston,MA:KluwerAcademic,1988.

ANSELIN,L.LocalindicatorsofspatialAssociationLISA.GeographicalAnalysis,1995,vol.27,n2,p.93115.

ANSELIN,L.,FLORAX,R.J.G.M..(eds),NewDirectionsinSpatialEconometrics.Berlin:Springer,1995.

ANSELIN,L.GeoDa0.9User'sGuide.SpatialAnalysisLaboratory,UniversityofIllinos,UrbanaChampaign,IL,2003.

ANSELIN,L.,FLORAX,R.J.G.M..,REY,S.(eds)AdvancesinSpatialEconometrics,Methodology,ToolsandApplications.Berlin:Springer,
2004.

ASSUNAO,R.M.,REIS,E.A.,AnewproposaltoadjustMoran'sIforpopulationdensity.Statisticsinmedicine,1999,vol.18(16),21472162.

BAYONA,J.,DOMINGO,A.LOPEZ,A.ImpactodemoespacialdelainternacionalizacindelosflujosmigratoriosenlaciudaddeBarcelona,
Migraciones,2004a,,n16,p.157198.

BAYONA, J., BLANCO, M.J. Pautes d'associaci en l'espai de la poblaci de nacionalitat estrangera a Barcelona, Documents d'Anlisi
Geogrfica,2004b,n43,p.107122.

BAYONA,J.,DOMINGO,A.Actividadyterritorio:lalocalizacindelapoblacinextranjeraenBarcelona,CuadernosdeGeografia,2005,n
77,p.1940.

CHASCO, C. Econometra especial aplicada a la prediccinextrapolacin de datos microterritoriales. Madrid: Consejera de economa e
innovacintecnolgica,2003.

CLIFF,A.,ORD,J.Testingforspatialautocorrelationamongregressionresiduals.GeographicalAnalysis,1972,vol.4,p.267284.

CLIFF,A.,ORD,J.Spatialautocorrelation.London:Pion,1973.

CLIFF,A.,ORD,J.Spatialprocesses,modelsandapplications.London:Pion,1981.

CRESSIE,N.Statisticsforspatialdata.NewYork:JohnWiley&Sons,1991.

EBDON,E.Statisticsingeography.Oxford:Blackwell,1977.

http://www.ub.edu/geocrit/sn/sn263.htm 12/13
2017516 Nuevastcnicasdeestadsticaespacialparaladeteccindeclustersresidencialesdepoblacininmigrante
FOTHERINGHAM,A.S.,BRUNSDON,C.,CHARLTON,M.QuantitativeGeography.PerspectivesonSpatialDataAnalysis.London:Sage,
2000.

FRANK,A.I.UsingmeasuresofspatialautocorrelationtodescribesocioeconomicandracialresidentialpatternsinUSurbanareas.EnSocio
EconomicApplicationsofGeographicInformationScience.EditedbyD.Kidner,G.Higgs,S.White.NewYork:Taylor&Francis,2002.

GEARY,R.Thecontiguityratioandstatisticalmapping,TheIncorporatedStatistician,1954,vol.5,p115145.

GETIS,A.,MUR,J.,ZOLLER,H.G.(eds)Spatialeconometricsandspatialstatistics.NewYork:PalgraveMacmillan,2004.

HAINING,R.SpatialDataAnalysis.TheoryandPractice.Cambridge:CambridgeUniversityPress,2003.

LESAGE,J.P.TheTheoryandPracticeofSpatialEconometrics,1999,[Enlnea].<http://www.spatialeconometrics.com>[1dejuniode2007]

LESAGE,J.P.,PACE,R.K.(eds)Spatialandspatiotemporaleconometrics.Amsterdam:Elsevier,2004.

LOGAN,J.R.,ZHANG,W.IdentifyingEthnicNeighborhoodswithCensusData.SpatiallyIntegratedSocialScience(ed.Goodchilc,M.F.,
Janelle,D.G.),NewYork:OxfordUniversityPress,2004.

McMILLEN,DP.Probitwithspatialautocorrelation.JournalofRegionalScience,1992,vol.32,p.335348.

MORAN,P.Theinterpretationofstatisticalmaps.JournaloftheRoyalStatisticalSocietyB,1948,vol.10,p.243251.

MORENO,R.,VAYA,E.,Tcnicaseconomtricasparaeltratamientodedatosespaciales:laeconometraespacial.Barcelona:Edicions
UniversitatdeBarcelona,2000.

MUSTERD,S.,DEURLOO,R.UnstableImmigrantConcentrationsinAmsterdam:SpatialSegregationandIntegrationofNewcomers.Housing
Studies,2002,vol.17,p.487503.

PAELINCK,J.H.P.,KLAASEN,L.H.SpatialEconometrics.Farnborough:SaxonHouse,1979.

PEACH,C.SouthAsianandCaribeanethnicminorityhousingchoiceinBritain.UrbanStudies,1998,vol.35,p.16571702.

PAMUK, A. Geography of Immigrants Clusters in Global Cities: A Case Study of San Francisco, 2000. International Journal of Urban and
RegionalResearch,2004,vol.28,n2,p.287307.

RIPLEY,B.D.SpatialStatistics.NewYork:JohnWiley&Sons,1981.

TOBLER,W.CellularGeography.PhilosophyinGeography(ed.Gale,S.,Olsson,G),Dordrecht:Reidel,1979.

VISAUTA, B., MARTORI, J.C. Anlisis Estadstico con SPSS para Windows, volumen II Estadstica multivariante, Madrid: Mac Graw Hill,
2003.

WONG,D.W.S.yLEE,J.,StatisticalAnalysisofGeographicInformation.NewYork:JohnWiley&Sons,2005

CopyrightJoanCarlesMartori,KarenHoberg,2008.
CopyrightScriptaNova,2008.

Fichabibliogrfica:
MARTORI,J.C.yHOBERG,K.Nuevastcnicasdeestadsticaespacialparaladeteccindeclustersresidencialesdepoblacininmigrante.
ScriptaNova.RevistaElectrnicadeGeografayCienciassociales.Barcelona:UniversidaddeBarcelona,15deabrilde2008,vol.XII,nm.
261<http://www.ub.es/geocrit/sn/sn263.htm>.[ISSN:11389788].

ndicedeScriptaNovaMenprincipal

http://www.ub.edu/geocrit/sn/sn263.htm 13/13