Análisis de la diferenciación socio-espacial urbana.

Mapa sintético de la estratificación de los barrios de Bilbao Amaia Altuzarra( 1) Irantzu Álvarez (2) Elena Martínez (3) Arantxa Rodríguez (3) Departamento: (1) Economía Aplicada V (2) Expresión Gráfica y Proyectos de Ingeniería (3) Economía Aplicada I Universidad: Universidad del País Vasco-Euskal Herriko Unibertsitatea Área Temática: (indicar el área temática en la que se inscribe el contenido de la comunicación) Crecimiento, desarrollo, competitividad y desigualdades territoriales Resumen: (máximo 300 palabras)

El objetivo de este trabajo es contribuir al desarrollo de métodos estadísticos avanzados adaptados para el análisis de la estratificación y diferenciación socio-espacial urbana. Tomando como eje las desigualdades socio-económicas y urbanísticas a escala de barrios en Bilbao, se propone una metodología basada en el Análisis Factorial Múltiple (AFM) que permite estudiar una población de indivíduos –en nuestro caso, los barrios de Bilbao– descrita por variables cuantitativas. El AFM establece las posiciones relativas de los barrios de la ciudad en relación con un conjunto de variables identificadas –demográficas, urbanísticas, socio-económicas y de cohesión social– tanto con cada uno de los grupos de variables definidos por separado como con el conjunto de todas las variables identificadas. El resultado es un Mapa Sintético de la Estratificación Socio-espacial de Bilbao que hace posible estudiar los barrios de la ciudad definidos por variables cuantitativas. Este mapa constituye la base para el Análisis Cluster que permite obtener las clases o grupos de barrios que comparten características homogéneas; los barrios que pertenecen a un mismo grupo comparten características similares en cuanto a sus rasgos demográficos, urbanísticos, socio-económicos y de cohesión social, y diferentes a las características que definen otros grupos; los barrios que pertenecen a grupos diferentes presentan un grado de diferenciación relativa importante en cada una de las dimensiones. En base a los resultados de este análisis se presenta una clasificación de los barrios de Bilbao agrupados por clusters y dimensiones analíticas claves –demografía, características urbanísticas, condición socioeconómica y cohesión social.

El AFM y el Análisis Cluster permiten una interpretación muy intutitiva de los resultados a partir de la representación gráfica que se obtiene proyectando la

información obtenida sobre el plano factorial. La posición relativa de los barrios y grupos de barrios de los clusters para variables seleccionadas de las dimensiones mencionadas anteriormente revela un ranking de barrios en función de variables claves. El resultado de la aplicación conjunta de estas técnicas estadísticas permite una caracterización analítica detallada de la configuración socio-espacial de la Bilbao en base al comportamiento ponderado de variables relevantes. Esta caracterización y el mapa de la estratificación socio-espacial que dibuja sugiere la necesidad de superar el uso de categorías de análisis basadas en límites administrativos o de proximidad física a la hora de interpretar las dinámicas, tendencias y procesos de producción de la estratificación y la desigualdad urbana. Palabras Clave: Palabras clave: Análisis Factorial Múltiple, Análisis Clúster, Estratificación Socio-espacial, Barrios, Bilbao Clasificación JEL: O18, R11, R23

1.-Introducción

El objetivo de este trabajo es contribuir al desarrollo de métodos estadísticos avanzados

adaptados para el análisis de la estratificación y diferenciación socio-espacial urbana.

Tomando como eje las desigualdades socio-económicas y urbanísticas a escala de

barrios en Bilbao, se propone una metodología basada en el Análisis Factorial Múltiple

(AFM) que permite estudiar una población de indivíduos –en nuestro caso, los barrios

de Bilbao– descrita por variables cuantitativas.

El AFM establece las posiciones relativas de los barrios de la ciudad en relación con un

conjunto de variables identificadas –demográficas, urbanísticas, socio-económicas y de

cohesión social– tanto con cada uno de los grupos de variables definidos por separado

como con el conjunto de todas las variables identificadas. El análisis de variables

relevantes del AFM permite examinar las relaciones entre los grupos de variables y

medir el grado de semejanza global entre ellos. A partir de este análisis de variables, se

puede estudiar cada uno de los barrios en profundidad desde las diferentes dimensiones

de variables y para el conjunto de variables proyectando su posición relativa e

identificando las variables o grupos de variables que más contribuyen a esa posición. De

este modo, el AFM descubre un Mapa Sintético de la Estratificación Socio-espacial de

Bilbao que hace posible estudiar los barrios de la ciudad definidos por variables

cuantitativas.

El AFM fija las posiciones relativas de los barrios en relación con el conjunto de

variables identificadas y es la base para la realización del Análisis Cluster que aporta las

clases o grupos de barrios que comparten características homogéneas lo que, en nuestro

caso, permite una clasificación de los barrios de Bilbao en función de esas

características compartidas. El Análisis Cluster agrupa los barrios en grupos o clases:

los barrios que pertenecen a un mismo grupo comparten características similares en

cuanto a sus rasgos demográficos, urbanísticos, socio-económicos y de cohesión social,

y diferentes a las características que definen otros grupos; los barrios que pertenecen a

grupos diferentes presentan un grado de diferenciación relativa importante en cada una

de las dimensiones. En base a los resultados de este análisis se presenta una

clasificación de los barrios de Bilbao agrupados por clusters y dimensiones analíticas

claves –demografía, características urbanísticas, condición socioeconómica y cohesión

social– lo que posibilita estudiar no sólo la caracterización de los clusters como unidad

4

de análisis sino también las diferencias entre barrios dentro de cada uno de los clusters

en una visión comparada.

El AFM y el Análisis Cluster permiten una interpretación muy intutitiva de los

resultados a partir de la representación gráfica que se obtiene proyectando la

información obtenida sobre el plano factorial. La posición relativa de los barrios y

grupos de barrios de los clusters para variables seleccionadas de las dimensiones

mencionadas anteriormente revela un ranking de barrios en función de variables claves.

El resultado de la aplicación conjunta de estas técnicas estadísticas permite una

caracterización analítica detallada de la configuración socio-espacial de la Bilbao en

base al comportamiento ponderado de variables relevantes. Esta caracterización y el

mapa de la estratificación socio-espacial que dibuja plantea la necesidad de superar el

uso de categorías de análisis basadas en límites administrativos o de proximidad física a

la hora de interpretar las dinámicas, tendencias y procesos de producción de la

estratificación y la desigualdad urbana. Igualmente, el uso de estas técnicas permite

identificar grupos de barrios que, independientemente de su clasificación administrativa

o de su proximidad, comparten problemáticas de cara a la formulación y aplicación de

políticas urbanas o estrategias de intervención focalizadas y adaptadas para cada barrio

o grupos de barrios.

Este artículo pretende avanzar en esa búsqueda de nuevas agrupaciones analíticas para

el estudio de la estratificación socio-espacial de Bilbao mediante el Análisis Factorial

Múltiple y el Análisis Clúster. En las siguientes secciones se presenta, en primer lugar,

una explicación de las técnicas de análisis multivariante que componen la metodología

utilizada para la elaboración del mapa sintético de la estratificación socio-espacial de los

barrios de Bilbao: el AFM y la selección de variables. A continuación, en el apartado 3,

se presentan los resultados obtenidos y se procede a la interpretación de estos resultados

en cada una de sus dimensiones o grupos de variables. En el apartado 4 se muestra la

aplicación del Análisis Cluster y en el apartado 5 el análisis de los barrios en cada una

de las dimensiones o grupos de variables.

5

2. Mapa sintético de la estratificación socio-espacial de los barrios de Bilbao.

Metodología estadística y selección de variables

El objetivo de este trabajo es elaborar un mapa sintético de la estratificación socio-espacial de

los barrios de Bilbao mediante técnicas de análisis multivariante, en particular el Análisis

Factorial Múltiple (AFM), que permite estudiar una población de individuos –en nuestro caso,

los barrios de Bilbao– descrita por variables cuantitativas. El AFM fija las posiciones relativas

de los barrios de Bilbao en relación con un conjunto de variables identificadas y es la base para

la realización del Análisis Cluster que aporta las clases o grupos de individuos con

características homogéneas lo que, en nuestro caso, permite clasificar los barrios de Bilbao en

grupos con características homogéneas.

2.1- Análisis Factorial Múltiple

El AFM es un método factorial adaptado al tratamiento de tablas de datos en las que un

mismo conjunto de individuos (en nuestro caso, los barrios de Bilbao) se representa a

través de varios grupos de variables (Escofier y Pagès, 1990, 1992 y 1994). El objetivo

de este análisis es definir la estructura subyacente de un conjunto de datos analizando la

estructura de correlaciones entre las variables mediante la definición de una serie de

dimensiones subyacentes, los factores. La ventaja del AFM es que permite describir un

mismo conjunto de individuos a través de varios grupos de variables que se tratan

simultáneamente, cada una relacionada con las demás, por lo que no existe una variable

dependiente y otras independientes. Las variables que componen cada uno de estos

grupos y la ponderación de los grupos se define previamente. La ponderación utilizada

es el inverso del primer valor propio obtenido en el análisis de cada grupo realizado por

separado.1

El AFM se realiza en dos fases. En la primera se lleva a cabo un Análisis de

Componentes Principales (ACP) para cada uno de los grupos de variables definidos por

separado y se reserva el primer valor propio de cada uno de los análisis parciales. En la

segunda fase, se utiliza la misma técnica pero esta vez para el conjunto de todas las

variables. Para este segundo análisis (análisis global), las variables de cada grupo se

1 Ver Escofier y Pagès (1990) y Lebart, Morineau y Piron (1995) para una explicación más detallada de este método

estadístico.

6

tipifican con respecto al mismo grupo y se ponderan con el inverso de la raíz del primer

valor propio. El objetivo es equilibrar la influencia entre las tablas (Escofier y Pagès,

1990).

Por otra parte, el AFM permite realizar dos tipos de análisis complementarios. Por un

lado, un análisis de las variables relevantes y, por otro, un estudio de los individuos, en

nuestro caso los barrios. Respecto al análisis de variables, el AFM permite estudiar las

relaciones entre los grupos y medir el grado de semejanza global entre ellos. La

semejanza global entre los distintos grupos (análisis de la inter estructura) se realiza

habitualmente mediante el análisis de las matrices de coeficientes Lg y RV, las

coordenadas de los grupos sobre los factores del análisis global, y las correlaciones

entre los factores del análisis global y los factores de los análisis parciales (García y

Abascal, 2003).

Utilizando los resultados del análisis de las variables, los individuos (barrios) se pueden

proyectar sobre los planos factoriales desde diferentes perspectivas, a través de cada una

de las tablas de datos analizadas, ofreciendo un análisis más en profundidad de la

información. Sobre estos planos se puede proyectar la posición relativa de los

individuos teniendo en cuenta todos los grupos de variables conjuntamente. Pero, a su

vez, es posible proyectar la posición relativa de los individuos desde la perspectiva de

cada uno de los grupos de variables definidos, permitiendo identificar las variables o

grupos de variables que más contribuyen a la tendencia de cada individuo así como a las

distancias entre estos según los distintos puntos de vista ofrecidos por cada grupo de

variables. De este modo, el AFM permite una interpretación muy intuitiva de los

resultados a partir de la representación gráfica que se obtiene proyectando la

información obtenida sobre el plano factorial.

El AFM se complementa con un Análisis Cluster, por medio del cual es posible agrupar

a los individuos (barrios) en grupos o clases. Los individuos que pertenecen a una

misma clase comparten características similares entre ellos y diferentes a las

características que definen a los individuos de otro grupo.

2.2. Selección de variables

Para llevar a cabo el análisis, el AFM requiere la selección previa del conjunto de

7

variables activas que van a formar parte de cada uno de los grupos y que sirven para la

definición del plano factorial. Las variables activas son aquellas que participan directamente

en el análisis y en la definición de los ejes factoriales. En el caso de los barrios de Bilbao, las

variables activas se han seleccionado para aproximar la dimensión demográfica y socio-

económica. Este método también permite seleccionar otros grupos de variables (variables

ilustrativas) que si bien no participan en la definición del plano factorial contribuyen a

complementar la información suministrada por las variables activas.

Teniendo presente el objetivo de nuestro trabajo, hemos seleccionado un conjunto de

variables activas agrupadas en 4 grupos. Estos grupos pretenden capturar distintas

dimensiones de la diversidad de los barrios de Bilbao: dimensión demográfica,

condición socio-económica, características de la vivienda y cohesión social. Todas las

variables incluidas son de naturaleza continua. Los individuos estudiados son los

cuarenta barrios que conforman municipio de Bilbao2 y los datos provienen del Padrón

Municipal3 y de Eustat; todos ellos referidos al año 2011.

El grupo de variables que forman la “dimensión demográfica” está compuesto por 4

variables: población total, población extranjera, densidad de la población total y

densidad de la población extranjera. Este grupo de variables pretende capturar las

características demográficas de la población de cada barrio y las diferencias entre los

barrios.

El grupo denominado “condición socioeconómica” está formado por 3 variables: la tasa

de ocupación, el porcentaje de población ocupada en profesiones superiores e

intermedias y la renta personal media disponible. A través de este grupo de variables se

pueden identificar las diferencias inter-barrios asociadas a las características laborales y

profesionales de los habitantes.

Las variables que componen el grupo “características de la vivienda” son: el índice de

confort de la vivienda, la superficie media de la vivienda por individuo y el porcentaje

de viviendas en régimen de propiedad (pagada o hipotecada). Este grupo de variables

2 No se han incluido en el análisis los denominados “barrios diseminados” de Bilbao debido a las deficiencias en la información disponible. Los barrios diseminados son los barrios que integran las afueras del municipio de Bilbao, principalmente zonas poco urbanizadas (zonas sin color del Mapa 1). 3 Lan Ekintza: http://www.bilbao.net/cs/Satellite?pagename=LanEkintza/Page/LKZ_PTPortada (8 de Septiembre de

2016).

8

recoge información sobre las características básicas de las viviendas y su situación

hipotecaria.

Finalmente, se ha incluido un grupo denominado de “cohesión social” formado por las

siguientes variables: porcentaje de personas en ocupaciones no cualificadas y porcentaje

de viviendas en régimen de alquiler. Este grupo de variables permite reflejar la

presencia de problemáticas socio-económicas y de vivienda asociadas a una baja

formación de los residentes.

Contamos por tanto, con una matriz de 40 individuos (barrios) y 12 variables activas,

divididas a su vez en 4 grupos. La Tabla 1 presenta las variables incluidas en cada

grupo, y unos descriptivos básicos.

Tabla 1. Variables activas

GRUPO VARIABLES Media Desviación Standard Min Máx

Población Total 8800 7412 423 32968 Población Extranjera 742.3 604.6 25 2465 Densidad de población total (hab/km2) 23556 13922 592 50326 Dimensión

demografica Densidad de población extranjera (hab/km2) 2437 2661 35 14921

Profesiones superiores e intermedias (%) 46.2 13.9 16.6 72.8

Renta personal media disponible 17670 5224 9794 32572 Condición socio-económica

Tasa de ocupación 59.3 5.5 46.6 75.8 Índice de confort 68.6 7.3 49.8 91.4 % viviendas en propiedad 84.2 2.6 76.4 87.9 Características de

las viviendas Superficie de la vivienda por individuo 31.5 4.8 22.3 44.2

% No cualificados 5.4 1.7 2.2 8.7 Cohesión socio-económica % Viviendas en alquiler 9.8 2.6 4.9 16.6

Tal y como se ha comentado anteriormente, el AFM también permite seleccionar un

conjunto de variables ilustrativas. Estas variables no intervienen en la definición del

plano factorial, pero complementa la información suministrada por las variables activas

y ayuda a la caracterización de los individuos. Las variables ilustrativas seleccionadas y

algunos descriptivos básicos se recogen en la Tabla 2:

9

Tabla 2. Variables Ilustrativas

VARIABLES Media Desviación.Standard. Min Máx Población local 8057.7 6946.9 398.0 30780.0 Densidad de población local 21486.6 12037.5 557.0 45480.0 Ratio población extranjera-local 0.1 0.08 0.03 0.5 Índice de envejecimiento 21.0 4.9 4.6 28.3 Índice de juventud 15.9 2.4 11.0 25.2 Antigüedad del parque vivienda 48.2 15.2 7.1 103.8 % Viviendas pagadas 48.3 6.8 23.6 57.4 % Viviendas con hipoteca 30.0 6.6 23.9 59.9 % Viviendas heredadas 5.9 1.1 2.4 8.6 Número de viviendas en alquiler 326.5 252.2 12.0 1286.0 Km2 del barrio 0.43 0.33 0.11 1.29 Habitantes por vivienda 2.5 0.1 2.1 2.8

3.- Resultados e Interpretación

La Tabla 3 presenta el histograma de los tres primeros valores propios del análisis

global. Pone de manifiesto la existencia de un primer eje global preponderante en el

sentido de que recoge un importante porcentaje de inercia, un 52.20% frente al 19.80%

de variabilidad que se proyecta en el segundo factor global. Aunque la tercera

componente también recoge una inercia importante, un 8.05%, nuestra atención se va a

centrar principalmente en el primer plano factorial generado por las dos primeras

componentes, ya que en él se observan las principales características que explican las

diferencias entre los barrios (72.01% de la varianza).

Tabla 3. Histograma de los 3 primeros factores. Análisis global

Numero Valor propio Porcentaje Porcentaje acumulado

1 2.9239 52.20 52.20 2 1.1093 19.80 72.01 3 0.4511 8.05 80.06

3.1- Análisis de la inter-estructura de los grupos de variables

Las matrices de coeficientes L y RV (Tabla 4 y 5) proporcionan información sobre la

dimensionalidad de los cuatro grupos de variables y la relación entre ellos. Los valores

de la diagonal principal de la matriz de coeficientes Lg (Tabla 4) indican que los cuatro

grupos de variables y el valor global presentan una estructura similar en cuanto al

10

número de factores con inercia considerable.

Tabla 4. Coeficiente Lg de relación entre grupos

Grupo 1 Grupo 2 Grupo 3 Grupo 4 Todos lo grupos

Grupo 1: dimensión demográfica 1,2340 Grupo 2: condición socio-económica 0,1459 1,1630 Grupo 3: características de la vivienda 0,1417 0,8635 1,0625 Grupo 4: cohesión social 0,1248 0,8836 0,7501 1,0232 Todos los grupos 0,5630 1,0451 0,9637 0,9513 1,2049

Los coeficientes RV son una medida de la similitud entre los grupos. Se pueden

interpretar como coeficientes de correlación entre los grupos (Escoufier, 1973; Abascal,

Aguirre y Landaluce, 1998). La Tabla 5 muestra que la correlación entre los grupos 1, 2

y 3 es alta. La correlación entre el grupo 2 y 3 es 0,7768, entre el grupo 2 y 4 es 0,8100

y entre el grupo 3 y 4, es 0,7195. Sin embargo, la correlación entre el grupo 1 y el resto

de grupos es bastante baja (entre 0,11 y 0,12). También la correlación es elevada entre

cada uno de los grupos y el global, especialmente con los grupos 2, 3 y 4.

Tabla 5. Coeficiente RV de relación entre grupos

Grupo 1 Grupo 2 Grupo 3 Grupo 4 Todos los grupos

Grupo 1: dimensión demográfica 1,0000 Grupo 2: condición socio-económica 0,1218 1,0000 Grupo 3: características de la vivienda 0,1237 0,7768 1,0000 Grupo 4: cohesión social 0,1110 0,8100 0,7195 1,0000 Todos los grupos 0,4617 0,8829 0,8517 0,8568 1,0000

El análisis de los coeficientes de correlación entre los factores de los análisis parciales y

los factores del análisis global permite conocer cuáles son los factores comunes a todos

los grupos, los comunes sólo a algunos grupos y los específicos de un grupo con valores

entre 0 y 1. (Pagès, 2004). La Tabla 6 presenta el análisis de los coeficientes de

correlación entre los factores del análisis global y las variables representantes de los

grupos en los análisis parciales poniendo en evidencia que el primer factor es común a

los grupos 2, 3 y 4. El segundo factor, sin embargo, es más específico de las variables

del grupo 1. El tercer factor, por su parte, muestra algunas especificidades del grupo 2.

11

Tabla 6. Correlación entre las variables canónicas y los factores de análisis global

Grupos Factor 1 Factor 2 Factor 3

Grupo 1: dimensión demográfica 0,5488 0,9821 0,2909 Grupo 2: condición socio-económica 0,9790 0,4451 0,9277 Grupo 3: características de la vivienda 0,9553 0,4694 0,2408 Grupo 4: cohesión social 0,9587 0,3139 0,6572

La Tabla 7 presenta el ratio entre la inercia inter e inercia tota4l. Cuando los conjuntos

de variables inducen estructuras similares sobre los individuos, los puntos parciales

están próximos entre sí. Esta propiedad global se mide, para cada factor, mediante la

razón entre inercia inter e inercia total. Este índice, que varía entre cero y uno, toma un

valor próximo a uno cuando el factor representa una estructura que es común a todos los

grupos (Pagès, 2004). Se observa que el ratio es alto en el factor 1 y menor en los

factores 2 y 3.

Tabla 7. Ratio: inertia inter/ inertia total

Factor 1 Factor 2 Factor 3

0,7518 0,3072 0,3192

La Tabla 8 muestra las coordenadas de los distintos grupos sobre los factores globales y

sus contribuciones a la formación de los mismos. La relación entre el primer factor del

análisis global y el grupo de variables relativas a los grupos 2, 3 y 4 es más alta y por

tanto estos grupos contribuyen en mayor medida a la formación de este eje global. Sin

embargo, la relación entre el segundo factor del análisis global y el grupo 1 es más alta

que con el resto de grupos.

Los resultados comentados hasta este punto reflejan la existencia de una estructura

común a los cuatro grupos que queda recogida en los tres primeros factores globales del

AFM. Dichos factores explican casi un 80% de la variabilidad total.

4 La inercia total, o variabilidad de la nube global (es decir, individuos teniendo en cuenta todas las variables)

respecto de su centro de gravedad, se descompone de manera aditiva en inercia intra e inercia inter. La inercia intra es la inercia de los puntos parciales (individuos caracterizados por un grupo de variables) con respecto a su punto medio en la nube global. La inercia inter es la inercia de los centros de gravedad de cada nube parcial con respecto al centro de gravedad de la nube global (Abascal y otros, 2006).

12

Tabla 8. Coordenadas para la interpretación de los grupos activos

Coordenadas Contribuciones Cosenos cuadrados

Grupo eje 1 eje 2 eje 3 eje 1 eje 2 eje 3 eje 1 eje 2 eje 3 Grupo 1: dimensión demográfica 0,139 0,961 0,038 4,778 86,700 8,6005 0,0158 0,749 0,001

Grupo 2: condición socio-económica 0,954 0,055 0,314 32,651 4,984 69,7379 0,7838 0,002 0,085

Grupo 3: características de la vivienda 0,910 0,059 0,030 31,147 5,343 6,7859 0,7807 0,003 0,000

Grupo 4: cohesión social 0,918 0,033 0,067 31,422 2,972 14,8757 0,8250 0,001 0,004

3.2- Análisis de la intra-estructura

La proyección de las variables sobre los planos factoriales permite visualizar la

contribución de las variables a la formación de los factores y el signo de las mismas.

Los Gráficos 1 y 2 proyectan las variables activas sobre los planos factoriales 1-2 y 1-3.

Las variables que más contribuyen a la formación de los ejes del primer plano factorial

aparecen representadas en el Gráfico 1 (Ver Gráficos en el Anexo). Las variables

relacionadas con la condición socioeconómica, la cohesión social y las características de

la vivienda son las que más contribuyen a la formación del primer factor. Del gráfico se

deduce que las variables relativas a la condición socioeconómica y a las características

de la vivienda tienen coordenadas de igual signo positivo (semiplano de la izquierda), lo

que se traduce en un efecto talla, muy habitual en el AFM. Puede decirse, por tanto, que

este primer eje pone de relieve, de derecha a izquierda, una clasificación general de los

barrios de mejor a peor situación socioeconómica y de vivienda. La misma lectura

puede hacerse de las variables del grupo de cohesión social que aparecen situadas, en

este caso, en el semiplano de la derecha.

El segundo factor pone de manifiesto una segunda caracterización de los barrios en

función de la dimensión demográfica. Se observa que todas las variables de este grupo

tienen el mismo signo negativo (semiplano inferior) permitiendo una clasificación de

los barrios de mayor a menor (de abajo a arriba) diversidad cultural y demográfica.

El Gráfico 2 representa la proyección de las variables activas sobre el plano 1-3. El

factor 3 representa el índice de confort de la vivienda (semiplano superior) y la

superficie media por individuo (semiplano inferior). Este factor explica el 11.3% de la

13

variabilidad total y para su correcta interpretación tendremos en cuenta el signo de las

variables que contribuyen a su formación.

En el Gráfico 3 se proyectan las variables ilustrativas sobre el primer plano factorial. En

el eje de abscisas con signo positivo aparecen las variables: porcentaje de viviendas en

propiedad totalmente pagadas, índice de envejecimiento y extensión del barrio medido

en km2. Estas variables ilustrativas contribuyen a caracterizar a las variables activas que

definen este primer factor. En el eje de ordenadas, con signo negativo, aparecen la

antigüedad de las viviendas, el número de habitantes por vivienda, el número de

viviendas en alquiler y el ratio de población extranjera sobre la población local. En este

mismo eje, con signo positivo, se encuentra el porcentaje de viviendas en propiedad con

hipoteca pendiente y el índice de juventud. Estas variables ilustrativas, por su parte,

ayudan a caracterizar a las variables activas que definen el segundo factor.

Con base en esta disposición de las variables, en el primer plano factorial (Gráfico 4) se

han proyectado los individuos medios, esto es, la posición media relativa que ocupan los

barrios, teniendo en cuenta todos los puntos de vista o grupos de variables considerados.

De acuerdo con la interpretación que hemos realizado de la proyección de las variables,

el primer factor refleja, con algunas excepciones que comentaremos posteriormente, el

ranking general de barrios en cuanto a la situación socioeconómica, la cohesión social y

las características de las viviendas. Los barrios con un mayor porcentaje de población

que disfrutan de una situación socioeconómica favorable y disponen de viviendas en

condiciones más favorables son en orden decreciente: Indautxu, Abando, Castaños,

Miribilla, San Pedro de Deustu, Begoña, Basurtu e Ibarrekolanda. Los barrios que

ocupan los últimos lugares son: Zabala, Bilbao la Vieja, Uretamendi, Otxarkoaga, San

Francisco e Iturrigorri-Peñascal,

El segundo eje proporciona información relativa a los rasgos demográficos y culturales

de los barrios, pudiendo ordenar los barrios de mayor a menor población y densidad de

población (total y extranjera). El barrio que concentra mayor porcentaje de población

extranjera y mayor densidad de población extranjera es San Francisco5.

5 San Francisco tiene un comportamiento outlier. Sus características específicas, que hemos ido apuntado a lo largo

del informe, no quedan suficientemente definidas en el plano.

14

4.- Análisis Cluster

El análisis cluster se ha realizado a partir de la información obtenida en el AFM anterior

en los tres primeros factores extraídos. La aplicación del análisis cluster permite agrupar

a los barrios en ocho grupos o clases diferentes. Los barrios que pertenecen a un mismo

grupo tienen características homogéneas en cuanto a sus rasgos demográficos, de

vivienda y socioeconómicos. Los barrios que pertenecen a grupos diferentes presentan

rasgos distintos. Es preciso señalar que los barrios en el seno de un mismo grupo no

comparten necesariamente todas las variables que caracterizan al grupo aunque sí gran

parte de ellas. El Mapa 1 y el Gráfico 5 muestran una representación de los resultados

del Análisis Cluster. En el Anexo se recogen los resultados detallados para cada uno de

los grupos.6

6 En el Gráfico 10 se recoge el Dendograma. Esta imagen permite conocer como se van generando los grupos. Se

puede observar cómo partiendo del conjunto de barrios se pueden obtener dos grandes grupos de barrios, los cuales a su vez se pueden ir subdividiendo en subgrupos. Como se ha explicado anteriormente, hemos optado por extraer siete grupos por ser la opción que permitía obtener matices relevantes desde la perspectiva de la ordenación urbana. Existe también la posibilidad de agrupar el conjunto de barrios en cinco grupos. En ese caso, se fusionarían nuestros grupos 1 y 2 por un lado, y por otro, nuestros grupos 3 y 4. El resto de los grupos que hemos obtenido permanecerían igual.

15

Mapa 1: Agrupación Cluster de los barrios de Bilbao

El grupo 1 está formado por dos barrios: Indautxu y Abando. Estos barrios, centro

económico, comercial y turístico de la ciudad, se caracterizan por tener una renta

personal media elevada. La renta media en este grupo es de 32.516 euros, casi el doble

que la media para el conjunto de los barrios estudiados que es de 17.670 euros. El

72,7% de la población se dedica a profesiones de nivel intermedio o superior (frente a

una media del 46,2% para el conjunto de barrios). Los dos barrios de este grupo

concentran una parte importante de población (residen un total de 52.000 habitantes en

los barrios de este grupo frente a una media 8.819 en el conjunto de barrios de Bilbao).

Además, son barrios más extensos que la media para Bilbao (1,070 km2 frente a 0,435

km2). La superficie media útil de la vivienda por persona también es significativamente

mayor en los barrios de este grupo (42,9 m2) respecto a la media de Bilbao que es 31,5

m2.. Se trata, por tanto, de barrios que destacan por una alta capacidad económica,

elevada población y mayor tamaño de sus viviendas.

El grupo 2 reúne a nueve barrios: Castaños, Miribilla, Begoña, Ibarrekolanda, San

Pedro de Deusto, Basurto, San Ignacio, Txurdinaga y Zurbaran. Estos barrios comparten

16

algunas características socioeconómicas con el grupo anterior. Para este grupo de

barrios la renta personal media (21.495€), aunque mayor que la media del universo

estudiado, es algo más bajo que para los barrios del grupo 1. Lo mismo sucede con el

porcentaje de personas que se dedican a profesiones de nivel intermedio o superior

(57,9%). El índice de confort de las viviendas de este grupo es superior a la media (76,1

frente al 68,6 para el conjunto de Bilbao). Destaca el elevado porcentaje de viviendas en

propiedad: el 86,7% (frente al 84,3% que caracteriza a la media de Bilbao) de los

hogares que residen en los barrios de este grupo tienen su vivienda en este régimen. Las

viviendas de este grupo de barrios son más nuevas que en el conjunto de Bilbao (36,4

años de media frente a 48,3 años). Son barrios, por tanto, con capacidad socio-

económica alta-moderada y con un stock residencial menos envejecido que el grupo 1.

El grupo 3 incluye cuatro barrios: Arangoiti, Atxuri, Zabala y Bilbao La Vieja. Este

grupo de barrios se caracteriza por tener un mayor ratio de población extranjera respecto

de la población local: 18 residentes extranjeros por cada 100 residentes locales frente a

10 residentes extranjeros por cada 100 residentes locales en el conjunto de Bilbao. La

densidad de población extranjera es de 5.109 por km2, mientras que en el conjunto de

Bilbao la densidad es de 2.437 habitantes extranjeros por km2. Por otra parte, destaca el

relativamente alto porcentaje de viviendas en alquiler, 12,4% de las viviendas,

comparado con la media del conjunto de la ciudad, 9,9%. Son barrios, en consecuencia,

con una relativa alta diversidad demográfica y presencia del régimen de alquiler de

vivienda.

El grupo 4 aglutina a ocho barrios: Ametzola, Solokoetxe, Santutxu, Iturralde, Matiko,

Iralabarri, Uribarri y Errekaldeberri. La característica más destacada de estos barrios es

la relativa alta densidad de población, 41.947 habitantes por km2 de media frente a

23.556 habitantes por km2 en el conjunto de Bilbao. En términos absolutos, además,

concentran un volumen significativo de población extranjera con una media de 1.154

personas extranjeras frente a las 742 de media en el conjunto de Bilbao. También en

este grupo de barrios se concentra una mayor proporción de viviendas en régimen de

alquiler: una media de 496 viviendas de alquiler frente a 326 en el conjunto del

municipio. Se trata, por tanto, de un grupo de barrios con elevada densidad demográfica

y diversidad cultural y una renta media equivalente a la del conjunto de la ciudad.

17

El grupo 5 agrupa a cuatro barrios: Ciudad Jardín, Casco Viejo, La Ribera y Elorrieta.

Estos barrios se caracterizan por la elevada antigüedad relativa de las viviendas: 74,3

años frente a 48,2 años para el conjunto de viviendas de Bilbao. Además, el 7,7%

(frente al 5,9%) ha sido adquirida mediante herencia. La superficie media por individuo

es también superior al que caracteriza al conjunto de la ciudad. La densidad de

población en estos barrios es inferior a la media del municipio (6.675 habitantes por

km2 frente a 23.556 habitantes por km2 para el conjunto de Bilbao). Son, por tanto,

barrios antiguos y con baja densidad demográfica y una capacidad económica media.

El grupo 6 agrupa a nueve barrios: San Adrián, Masustegui-Monte Caramelo, Olabeaga,

La Peña, Larraskitu, Bolueta, Arabella, Altamira y Zorrotza. Estos barrios se

caracterizan por una menor densidad de población (11.327 habitantes por km2 frente a

23.556 habitantes por km2 en el conjunto del municipio). El porcentaje de población

ocupada en profesiones superiores y/o intermedias es inferior a la media (36,3% frente a

46,2% en el conjunto de Bilbao). En este grupo de barrios se concentra un volumen

medio de población extranjera menor que en el conjunto de Bilbao. En resumen, son

barrios de baja densidad demográfica y con ocupaciones poco cualificadas.

El grupo 7 está formado por el barrio de San Francisco. Este barrio presenta rasgos

específicos derivados de la presencia destacada de población extranjera (32,8% de la

población total) y las precarias condiciones económicas de parte de la población.

Finalmente, el grupo 8 está formado por tres barrios: Uretamendi, Iturrigorri-Peñascal y

Otxarkoaga. Con una tasa de ocupación de la población residente entre 16 y 64 años

inferior a la media (49,3% frente al 59,3%) , un mayor porcentaje de personas ocupadas

en profesiones no cualificadas (el 8,2% frente al 5,4% en el conjunto del municipio y

una renta personal media, también inferior a la media del municipio (10.357 frente a

17.670 de media en Bilbao), los barrios de este grupo exhiben un perfil marcado por la

vulnerabilidad y el riesgo a la exclusión. El porcentaje de viviendas en régimen de

alquiler es del 14,8%, significativamente superior al de la media del municipio (9,8%) y

el índice de confort de las viviendas de este grupo de barrios es inferior a la media

(58,5 frente al 68,7 que corresponde a la media de Bilbao). Se trata de barrios con

población poco cualificada y con viviendas de menor confort que la media del

municipio. El siguiente gráfico presenta las ocho agrupaciones de barrios resultantes.

18

Gráfico 5. Clusters

5.- Análisis de los barrios en cada una de las dimensiones

En el apartado anterior se ha representado gráficamente la posición media relativa que

alcanza cada barrio teniendo en cuenta conjuntamente la información de los tres grupos

de variables. Sin embargo, una de las virtualidades de la técnica estadística es que

permite proyectar en el plano factorial los barrios desde los distintos puntos de vista que

se han considerado. Así, cada barrio podría representarse en el plano factorial mediante

cuatro puntos, uno de ellos reflejaría la posición media relativa del barrio y, el resto, las

posiciones parciales relativas de cada barrio correspondiente a cada uno de los tres

puntos de vista. El plano factorial en el que los individuos aparecen representados por

diferentes puntos es de gran riqueza interpretativa porque permite detectar la existencia

de barrios con comportamientos heterogéneos, en el sentido que la posición que ocupan

en un determinado punto de vista no corresponde a la posición que presentan en otro u

otros. En los Gráficos 6-9 (en Anexo) se proyectan los barrios según cada uno de los

puntos de vista estudiados7.

El Gráfico 6 proyecta la posición relativa de los barrios en relación con la dimensión

demográfica. Los barrios se ordenan a lo largo del eje de ordenadas (desde el semiplano

inferior al superior) de mayor a menor densidad de población (total y extranjera) y de

mayor a menor concentración de población extranjera. La variable población total, por

su parte, contribuía también de forma significativa a la formación del primer factor. El

barrio de San Francisco encabeza el ranking, seguido a una distancia significativa del

resto de barrios. Santutxu, Ametzola, Indautxu, Uribarri, Zabala, Abando e Iturralde

serían también barrios que ocupan una posición destacada. Sin embargo, la posición de

estos últimos barrios se encuentra a la derecha del eje de ordenadas, lo que significa que

la posición de estos barrios obedece particularmente al volumen de población que reside

en estos barrios más que a la diversidad de la población ubicada en ellos (como ocurre

en San Francisco). Cierran el ranking un grupo de barrios, todos ellos situados en la

corona exterior de la ciudad: La Ribera, Ciudad Jardín, Elorrieta, Larraskitu, Altamira,

Bolueta, Arabella, Masustegui e Iturrigorri, y todos ellos barrios con un bajo volumen

de población, baja densidad de población y poca presencia de población extranjera

7 En el Anexo, se representa, para cada uno de los barrios, la posición relativa que ocupa en las distintas dimensiones

analizadas así como su posición media. Las trayectorias que aparecen en los gráficos avanzan desde la posición relativa que ocupa el barrio en la dimensión “demografía” a la que ocupa en la dimensión “características de la vivienda”, condición socio-económica y concluye en la posición relativa que ocupa en la dimensión cohesión socio-económica.

20

(Cuadrante noreste del Gráfico 6). Las diferencias entre los barrios en esta dimensión

son muy significativas, lo que se puede apreciar en la amplitud del eje de ordenadas. En

el Mapa 2 se representa el valor de cada barrio en el eje de las ordenadas según la

dimensión demográfica. En él se puede apreciar la distribución espacial de los valores

explicados.

Mapa 2: Barrios de Bilbao según la Dimensión Demográfica

El Gráfico 7 presenta la posición relativa de los barrios en relación con la condición

socioeconómica. En este caso, se observa que la amplitud del eje de abcisas es menor

que en el anterior, lo que se interpreta como una menor dispersión entre los barrios. Esto

es, las diferencias entre los barrios en relación con la situación socioeconómica son

menor que las que existen en las condiciones de vivienda. Los barrios que abren este

nuevo ranking son Indautxu, Abando, Castaños y Miribilla, todos ellos caracterizados

por un nivel de renta y un porcentaje de ocupados en profesiones superiores e

intermedias superior a la media. Cierran el ranking los barrios Iturrigorri, Otxarkoaga,

San Francisco y Uretamendi, estos, por el contrario, con una renta inferior y con

ocupados en profesiones superiores e intermedias también inferior. En el Mapa 3 se

21

muestra el valor de cada barrio en el eje de las abcisas. En el Mapa 3 se muestra la

distribución de los barrios según la condición socio-económica

Mapa 3: Barrios de Bilbao según la Condición Socio-económica

En el Gráfico 8 se proyecta la posición relativa de los barrios en relación con las

características de la vivienda. En este caso, los barrios se ordenan a lo largo del eje de

abscisas (de derecha a izquierda) de mayor a menor índice de confort, superficie de la

vivienda por persona y porcentaje de viviendas en régimen de propiedad. Los barrios de

Abando e Indautxu ocupan las primeras posiciones por ser barrios con una tipología de

vivienda de calidad (edificios del ensanche bilbaíno, con viviendas amplias de buena

construcción) y una superficie media útil por individuo significativamente superior a la

media y un índice de confort mas elevado. El barrio de Miribilla aparece en tercer lugar.

Esa posición está relacionada con su condición de barrio de reciente creación, con una

antigüedad media de las viviendas de 7,7 años. Igualmente, el índice de confort y el

tamaño de las viviendas son superiores a la media. El 83% de las viviendas están

22

régimen de propiedad, aunque sobre el 60% del total pende una hipoteca. El ranking en

base a la dimensión relativa a las características de la vivienda se cierra con

Uretamendi, San Francisco, Otxarkoaga e Iturrigorri-Peñascal donde las viviendas

tienen bajos índices de confort, tamaño pequeño y se habitan en un porcentaje superior a

la media en régimen de alquiler. Las diferencias entre los barrios en esta dimensión,

aunque importantes, son menores que las que se observaban en la dimensión

demográfica. Los resultados se muestran en el Mapa 4.

Mapa 4: Barrios de Bilbao según las Características de la Vivienda

Por último, el Gráfico 9 proyecta la posición relativa de los barrios con respecto a la

cohesión social. Los barrios de Iturrigorri-Peñascal, San Francisco, Bilbao La Vieja,

Otxarkoaga y Uretamendi encabezan este ranking (de derecha a izquierda) de menor a

mayor. La posición de barrios se asocia a un porcentaje relativamente alto de población

no cualificada y el mayor peso de viviendas en régimen de alquiler. En el lado opuesto

del ranking se encontrarían Abando, Indautxu, Begoña, Ciudad Jardín y Castaños,

donde se da un menor porcentaje de población no cualificada y un menor porcentaje de

23

viviendas en régimen de alquiler. Los resultados de este gráfico se pueden ver en el

Mapa 5.

Mapa 5: Barrios de Bilbao según la Cohesión Social

6. Conclusiones

La aplicación de técnicas estadísticas multivariante constituye un instrumento muy útil

para el análisis de la diferenciación y estratificación socio-espacial. En este trabajo

hemos desarrollado una metodología basada en el Análisis Factorial Múltiple (AFM)

que permite una caracterización de los barrios de Bilbao descrita por variables

cuantitativas. El AFM define las posiciones relativas de los barrios de la ciudad en

relación con un conjunto de variables demográficas, urbanísticas, socio-económicas y

de cohesión social revelando un Mapa Sintético de la Estratificación Socio-Espacial de

Bilbao. A partir de estos resultados, el Análisis Cluster permite agrupar a los 40 barrios

de la ciudad en ocho grupos o clases diferentes que comparten características

24

homogéneas en cuanto a sus rasgos demográficos, urbanísticos, socio-económicos y de

cohesión social. La clasificación obtenida permite un análisis en profundidad de la

estratificación urbana en base a un conjunto de variables ponderadas. Ese conocimiento

de la estructura urbana subyacente hace posible identificar realidades compartidas por

ámbitos territoriales que no forman parte de las mismas unidades administrativas ni

están en situación de proximidad física pero que son homogéneas desde el punto de

vista una problemática compartida por un conjunto de variables que se comportan de

manera similar. Así, en algunos casos, el análisis cluster ha agrupado en un solo grupo

barrios que pertenecen a un mismo distrito (como es el caso del distrito 6, compuesto

por Abando e Indautxu) pero en otros casos, barrios que en el análisis cluster muestran

realidades muy dispares y se agrupan en clusters diferentes, pertenecen a un mismo

distrito administrativo. De nuestro análisis se desprende que la proximidad de unos

barrios a otros no explica las características de los espacios, puesto que son otros los

parámetros a tener en cuenta a la hora de buscar similitudes y diferencias.

En resumen, la utilización de técnicas estadísticas multivariante permite analizar la

evolución de las estructuras urbanas teniendo en cuenta las posiciones relativas de los

barrios y sus poblaciones en función de características demográficas, socio-económicas

o urbanísticas y, por tanto, identificar con mayor precisión las múltiples facetas en las

que se traducen las dinámicas territoriales. Se trata, de este modo, de superar una visión

dicotómica centrada en los barrios tradicionales y los nuevos; los del centro y la

periferia; los más ricos y los más pobres; y pasar a un análisis multidimensional que

enriquezca el análisis, la caracterización, mostrando las diferentes realidades

superpuestas en el entramado urbano. Con la metodología desarrollada en este trabajo,

la clásica distribución de los barrios en torno a los distritos urbanos en los que la

proximidad era una de los elementos utilizados para su clasificación, deja paso a

agrupaciones más versátiles, dinámicas y fructíferas de barrios, que podrían integrarse

para poder actuar como interlocutores en el diseño de la política urbana para cada uno

de los ámbitos de actuación.

25

5. Referencias

Escofier, B. y Pagès, J. (1990): Analyses factorielles simples et multiples. Paris: Dunod.

Escofier, B. y Pagès, J. (1992): Análisis Factoriales simples y múltiples: Objetivos,

Métodos e interpretación. Bilbao: Servicio Editorial de la Universidad del País

Vasco.

Escofier, B. y Pagès, J. (1994): "Multiple factor analysis (AFMULT package)”.

Computational Statistics and Data Analysis, 18, 121-140.

Escoufier, Y. (1973): “Le traitement des variables vectorielles”. Biometrics, 29, 751–

760.

García Lautre, I. y Abascal Fernández, E. (2003): “Una metodología para el estudio de

la evolución de variables latentes. Análisis de las infraestructuras de carreteras

de las comunidades autónomas (1975-2000)”, Estadística Española, 45 (153),

193-210.

Josse, J., Pagès, J. and Husson, F. (2008): “Testing the significance of the RV

coefficient”, Computational Statistics and Data Analysis, 53, 82–91.

Kaiser, H.F. (1960): The Application of Electronic Computers to Factor Analysis,

Educational and Psychological Measurement, 10, 141-151.

Lebart, L., Morineau, A. y Piron M. (1995): Statistique Exploratoire

Multidimensionnelle. París: Dunod.

Méndez, R., Abad, L.d., Echaves, C. (2015): Atlas de la crisis. Impactos

socioecpnómicos y territorios vulnerables en España. Valencia: Tirant

Humanidades.

Pagès, J. (1998): “Multiple factor analysis” en Analyses Multidimensionnelles des

données, ANGUS 97", CISIA-CERESTA, Eds. A. Morineau, K. Fernández

Aguirre, 38-48.

Abascal, E., Aguirre, K. & Landaluce, M. (2001): ‘Técnicas factoriales de análisis de

tablas múltiples. nuevos desarrollos empíricos’, Universidad del País Vasco pp.

1–27

26

Gráfico 1. Proyección de variables activas en el primer plano factorial (1-2)

Gráfico 2. Proyección de variables activas en el plano factorial (1-3)

27

Gráfico 3. Proyección de variables ilustrativas en el primer plano factorial (1-2)

.

Gráfico 4. Proyección de los individuos medios en el primer plano factorial (1-2)