Determinación del patrón de asentamiento regional: Una ...Determinación del...

Determinacióndel patrón deasentamientoregional: Una aproximacióncuantitativa

al análisis locacionaldemapasarqueológicos

JESÚS ADÁNEZ PAVÓN

Estaspáginastienenun doble propósito: por un lado, y éstees elobjetivo central, aplicaral estudiode las relacioneslocacionalesentreasentamientosunatécnicaestadístico-matemática,el análisisfactorial,partiendo de un tipo de datos quegeneralmentese encuentraen losmapas de distribucionesde sitios arqueológicos;por otro lado, plan-tear y desarrollarla construcciónde un diseñoparael uso de técnicascuantitativasen la interpretaciónarqueológica,con el objeto de en-marcar y dirigir la aplicación concretaque proponemos.Antes quenada,convienerealizaralgunasreflexionesgeneralessobreel uso deprocedimientosmatemáticose introducir, luego, la distribución deasentamientosque seráanalizada.

El manejo cuantitativo, principalmenteestadístico,de datos esun recurso al que han accedido,aproximadamentea partir de losaños cincuenta,todas las disciplinas que se encuadranbajo el títulocomúnde cienciassociales.En el campo de la arqueologíasu uso havenidoampliándoseconstantementedesdelas primerasaplicacionesenla descripciónde artefactoshastalas más complejasy recientes,en-caminadasa la explicaciónde procesosculturales.Sin embargo,estenotable desarrollo no ha significado, en muchasocasiones,una com-prensión efectiva de sus supuestos,mecanismosy posibilidades. Nopuede olvidarse que la formación académicadel arqueólogo,tradi-cionalmenteincluida en la ramade «Humanidades»dentro de la divi-sión clásicade las ciencias,no le ha proporcionadouna base mate-mática firme. Quizás esta situación puedaexplicar el hecho de quelas técnicasestadísticassean a veces despreciadas,muy a menudoignoradasy, lo que es más grave, no seanprácticamentenunca criti-cadas en su aplicación, debido a una suertede espejismoacercadeunos númerosendiosadospor no conocidos.

Revista Española de Antropología Americana, vol. XV, 1985. Edil. Uaiv. Complutense

78 JesúsAdánezPavón

La razón del uso de procedimientosestadísticosviene dada,bási-camente,por dos necesidades:precisiónen la descripcióny manipu-lación de los datosy manejode un grannúmerode variablesa la horade explicar datoscomplejos(Clarke, 1968: 513); precisióny aproxima-ción multivarianteque son aconsejablesparaunamejor evaluaciónyun tratamiento sistémico —enfatizando las interrelacionescomplejasentre elementos—de los datosarqueológicos.No se trata, pues,de unproblemade objetividad. La única objetividad indiscutidade las téc-nicas estadísticasreside en la propia operación matemática,no en su

aplicación.Esto noslleva a una importantecaracterística,y limitación, de las

proposiciones probabilísticas: desde el momento en que su veraci-dad dependede un porcentaje de probabilidad —un nivel cuantifi-cadode certeza—nunca absoluto, no son necesariamenteverdaderas.En efecto, sería posible escogeruna serie de númerosal azar y ha-llar con ellos, por ejemplo,un coeficientede correlaciónque,eviden-temente,no tendríaningún valor. Para que, siguiendocon el mismocaso, una inferencia basadaen un coeficiente de correlación fueraútil y fiable, seríanecesario,auncuandola probabilidadde error pue-da sermedida,apoyarla operaciónen unossupuestosteóricosy unashipótesis de investigación; y éstos son tan susceptiblesde discusióncomo los supuestose hipótesisqueapoyaninferenciasno estadísticas.

Por todo ello, cuandose aplican técnicasde este tipo, es impres-cindible explicitar una serie de pasos,que darán sentidoa la aplica-ción en particulary a la interpretaciónde sus resultados:(i) formularel problemapor analizar,esto es,expresarel supuestoo hipótesisbá-sica acercade las relacionesquese quierenestudiarentre los datos;(u) en función del supuestoanterior, explicar qué conceptoy proce-dimiento estadísticose adaptaal manejode talesrelaciones;(iii) ele-gir las variables que seránintroducidas en el análisis para explicardichas relaciones;(iv) cuantificar —medir— las variables;(y) realizarla operaciónestadísticautilizando los valoresquemidenlas variables;y (vi) interpretar los valoresque resultende la operaciónanterior.Es claro que tanto los supuestoscomo la elección de una técnicaes-pecífica y de las variablesque se utilizarán, así como la maneradeconvertir las variablesen númerosy de interpretarlos númeroscon-vírtiéndolosen conclusiones>son,en mayoro menorgrado,discutiblesy, por tanto, deben ser explicitadospara que puedanaccedera elloslas posiblesdiscusiones.Estees el esquemaqueseguiremosen la pre-sentecomunicación.

El diseño, concretado en el uso del análisis factorial para losestudioslocacionales,seráaplicadoa la distribuciónen el valle de Virú(Perú) de los sitios pertenecientesa la cu]tura Huancaco,que se co-rrespondecon la ocupaciónmachicade dicho valle duranteel periodo

Determinacióndel patrón de asentamientoregional... 79

Intermedio Temprano. Siendo ésta una de las zonasmás estudiadasdel área andina, conviene aclarar las razonespor las que nos hemoscentradoen ella. La obra clásica de Willey (1953) sobre los patronesde asentamientoen este valle abarca una larga secuencia,desdelosperíodos precerámicoshasta la época colonial, y constituye una delas primeras cristalizacionesde los estudiosespacialesen arqueología.Más recientementese ha realizadoun nuevo examende los datoscon-cernientesal períodoHuancacoen función de un modelo locacional decompromiso(ver Conrad, 1978). Un reexamenmás,dirigido también alos aspectosespacialesregionales,sólo se justifica por e] carácterme-todológico dc nuestros objetivos: la confrontación de los resultadosnos permite, en última instancia,evaluar la bondadde la metodologíapropuesta.

Un último comentarioreferente al tipo de datos utilizado. La pu-blicación de mapasarqueológicos,mostrandola localización de unaseriede sitios en un marcogeográfico definido, es unapráctica relati-vamentefrecuente en la bibliografía especializada.Aunque la cantidadde información que aportan es muy variable, todos ellos se componen,

por definición, de al menosun número de puntosindiferenciados—sindistinción de tamañosni jerarquías—que representanúnicamentelaubicación geográfica de los asentamientos.La importancia de anali-zar estos mapas reside tanto en la consecuciónde una visión de con-

junto sobre la forma en que una sociedadocupóun espaciodetermi-nado, como en la orientaciónde proyectosarqueológicosregionales,en los cuales su elaboración constituye una etapa previa imprescin-dible. La pretensiónde estaspáginases, precisamente,desarrollarunametodología capazde extraer el máximo de información de un tipode datos tan aparentementeescuetocomo el reflejado en un mapadeestascaracterísticas.

LA CUESTION PORANALIZAR

En el planteamiento de la cuestiónque pretendemosinvestigardis-tinguiremos tres niveles de abstraccióncorrespondientesa otros tan-tos conceptos: la ubicaciónde los asentamientosque quedareflejadaen los mapas arqueológicos,esto es> los datos espacialesobservados,será referida con el término distribución de asentamientos; la esque-matización lógica de la conducta espacial constituye el modelo lo-cacional; y, como conceptointermedio,reservamosla expresiónpatrónde asentamientopara referirnosa la conductaespacial concretaconque opera el sistema sociocultural en cuestión.De estemodo, la fina-lidad de nuestroanálisis serádefinir el patrón de asentamientode la

80 JesúsAddnez Pavón

culturaHuancacoa travésde la interpretaciónde la distribuciónde susasentamientosa la luz de unaserie de modelos.

El supuestobásicoque nos abre la posibilidad de planteartal ob-jetivo reside en la afirmación de que los sistemassocioculturales,alocuparun espaciofísico, se ubican en él impelidospor constriccionesinternas—sus objetivos— y externas—las característicasambienta-les— y que las relacionesespacialesdetectadasen el registroarqueo-lógico resultansignificativas, puestoqueconstituyenel reflejo de ta-les constricciones(Willey, 1953:1; Clarke, 1977:10).Leer toda esa in-formación escrita espacialmenterequiere,en primer lugar, la com-prensióndel procesocultural que implica el asentamientode un gru-po sobreunaregión y, en segundolugar, el correcto enfoquedel tipode constriccionesy la forma en que se respondea éstasen la tomade decisioneslocacionales.

Para explicar el primer aspecto,asumimosun modelo sistémicocomplejoadaptativoo procesal(ver Buckley, 1977). Las distLibucionesregionales de asentamientosserían el producto espacial (output) deun sistemaconunaestrategialocacional—un patrónde asentamiento—definida, en respuestaa unaentradade información relevante(input)para la localización. Las desviacionessobreesa estrategia,con su re-flejo espacial,sufrirán controlesmorfostáticoscuandoel sistema,osu centro de control, pretendamantenerla estructurade relaciones,o impulsos morfogénicoscuandoel sistema,o su centro de control,primeel desarrollode nuevasrelaciones.

Esta doble cualidad reguladora,que constituye el conceptofun-damentaldel modelo procesal,no puedeser apreciada,sin embargo,en un análisis sincrónicocomo el que nos ocupa.Parecerá,pues,inú-til la adopciónde tal modelo.No obstante,el hecho de no perderelsentido diacrónico, plasmado en el esquemaprocesal,nos permiteresaltar una característicaimportante: nuestrasconclusionessobreel patrón de asentamientoen el valle de Virú no debeninterpretarsecomo un cuadro estático y perfectamenteencajado, sino como unmomento,detenidoartificialmente, de un procesode tensionescons-tantesen la configuraciónde la estrategialocacionaly el control ejer-cido en función de ella

Manteniendo esta concepción como marco general,hemos de pre-guntarnosahorapor la maneraen que se escogepara un asentamien-to una ubicación determinada.En geografíahumanase han desarro-llado dos conjuntos de modelos1optimizadores y satisfacientes,queimplican diferentesmodos de entenderel comportamientode las so-ciedadesa la hora de tomar decisioneslocacionales.Los modelosop-timizadores suponenque la conductalocacional humanase dirige aasegurarunaseriede necesidades,disponiendoespacialmentesusasen-tamientosde forma óptima en relación con los recursosque cubren


dichas necesidades(Haggett, 1975:38). Estos han sido los modelosmás utilizadosen la investigacióngeográficay arqueológica(ver, paraeste último campo, Hodder y Orton, 1976) y son, por tanto, los másconocidosy mejor descritos. Sin embargo,el principio del menorcosto que informa este tipo de modelos puedeno estarcomo tal enla base de la conductalocacional humana.Diversos autoreshan re-saltadoel hecho de que la ocupaciónóptima del espaciorequiereunaserie de decisionescomplejasasistidaspor un conocimientoexhaus-tivo, lo cual está lejos del modo de operarde las distintassociedades(Haggett, 1975:38). Al menos en sociedadescomplejas, parececlaroque las constriccionessobre la localización no se limitan a la obten-ción de recursos,sino que abarcanconsideracionesde otro tipo, ad-ministrativasy militares, por ejemplo. Incluso se puede hablar delasentamientoregional en sociedadescon un nivel más simplede orga-nización como de una estrategiaguiada por múltiples condicionantes,sí bien los derivadosde la subsistenciatienenun pesomayor o menosdisputado.Surgeasí el concepto de conductasatisfaciente,expresadoen un modelo que suponela existencia de dos momentosbásicosenlos procesosde decisión locacional: la ordenaciónjerárquicade todaslas formas posiblesde actuar de acuerdocon una escalade preferen-cías y la elección,dentro de esteconjunto, de la actuación que satis-faga cierto grupo de necesidades,aunqueesta elección seaa menudosubóptima (Simon, en flaggett, 1975:38); es lo que, en arqueología,se ha llamadoun compromisoentre un númerode tendenciasenfren-tadas(Trigger, 1971:330).

Nosotrosaceptamosesteúltimo modelo, de modo que, en el com-promiso global de tendenciasque significa la localización, aquellasque sean consideradasmás importantes tenderána reflejarse en elespacio regional con una disposición más próxima al óptimo idealy las que ocupenun menor rango estaránreflejadasen menor medi-da. El método para descubrir un patrón como el descrito cons]steendelimitar los posibles factoresque lo guiaron y compararla distri-bución óptima de cada uno de ellos con la distribución real. Pero,cuando el compromiso no se presenta claramente delimitado y semanejaun número elevado de posiblesfactores,estemétodo se tornaimpreciso e insuficiente. Como alternativa, planteamosuna aproxi-macióncuantitativaal problema.

Puesto que las tendenciascomprometidastienen un reflejo espa-cial, es posible llegar a descubrirlasde un modo inductivo, partiendode la distribución observada.Basta,paraello, con dotar de significa-ción el espacioregional en términos ambientalesy culturales observa-bies en la ubicaciónde cada asentamiento.Si entendemosque el en-torno está estructuradoen términos biofísicos y culturales interrela-cionados, la variabilidad en las característicasambientalesy geográ-


ficas quemuestranlos sitios en su distribuciónseráun reflejo de losdiferentes factores que han decidido su localización. El análisis pue-de partir, así, de esosatributos espacialesque definencadasitio, para,siguiendoun sentido inductivo, hallar el patrón de asentamiento.Lainducción se apoyaráen una técnicaestadística,el análisis factorial,que consideramosidónea para la solución de este problema; veamospor qué.

EL MODELO ESTADíSTICO

Nacido a principios de siglo en el senode la psicología,el análisisfactorial es,probablemente,la técnicaestadísticacuyo uso más se hapopularizadoy generalizadoen un gran número de disciplinas,cons-tituyendo así una herramienta útil desdedistintasperspectivasy en-foques. Como tal herramienta, puedeutilizarse con distinta informa-ción —datos particulares— y siguiendo diferentes proyectos —enfo-ques particulares de las disciplinas científicas—, pero siempre den-tro del marco de un tipo de relacionesque está capacitadopara ma-nejar.

Supongamos,como es el caso, que hemos de estudiar las relacio-nes existentesentreun conjunto de variables.La magnitud de esare-lación vendríadadapor un coeficientede correlación,quemediría lavariacióncomúna talesvariables,pero la forma de la relacióncabríaentenderlade distintas maneras.Podríamosasumir que las interco-rrelaciones,la variacióncomún, se deberíana la influenciade unadeuna de las variablesde eseconjunto; así, la forma de la relaciónha-bría de medirsemedianteun análisis de regresiónmúltiple. Podría-mos suponer>de modo distinto> quelas variablesen estudioconstitui-rían dos gruposdiferentesy queuno de ellos dependeríadel otro; elanálisis de este tipo de relación tendría que realizarse mediante latécnica estadísticadenominadacoí-íelación canónica.Es posible quenuestros objetivos fueran, únicamente,distinguir varios grupos devariables semejantes,altamente correlacionadas,en la confianzadeque tales grupos nos mostrarían un rasgo común que explicase esasemejanza;a esto se llegaría aplicando las técnicas de análisis deagrupamiento.Podríamos,en fin, creerque la variacióncomúndetec-tada en las variables dependeríade, o se debería a, no una de talesvariables o un grupo de ellas, sino a un nuevoconjunto de variablessubyacentes,que no podrían ser observadasdirectamente,pero que,sin embargo,estaríanreflejadaso contenidasen las pautasde varia-ción de las primeras.Paramanejarestetipo de relacionesla técnicaadecuadaes el análisisfactorial, que puededefinirsecomo unaregre-sión en la cual las variablesanalizadasse hacen dependerde otras

Determinación del patrón de asentamiento regional... 83

variables abstractas,no observadas(Cattell, 1978:440). Esas son lasrelacionesque trata la factorización y ésa la forma en que lo hace:partiendo de la variación pautadaque hemos detectadoen los datosmediantelas correlaciones,suponeque tal variación se debea un nú-mero menor de variables no observadas,que llamamosfactoresy queexplican y definen la forma de la relación.

Es claro que este modelo se adaptaperfectamentea~ planteamien-to de nuestra investigación.Si logramos discernir qué variables am-bientales y culturales son importantes para el sistema en particulary cuantificamos la distribución de asentamientosen función de ellas,obtendremosuna matriz cuyas columnas serán las variables espacia-les y sus filas los asentamientos(matriz de modo R). Calculandolascorrelacionesentre las variables,hallaremosuna variación pautadaenlos datos y, utilizando la factorización, construiremosunas nuevasvariables, una serie de factores subyacentesque representeny resu-

man tales pautasy que, en este caso, constituirán los factorescom-prometidos en el patrón de asentamiento.

Ahora bien, el análisis factorial no es, hoy día, un procedimientoúnico, sino un conjunto de opciones de cálculo con diferente signifi-cadoque matizan diferentes resultadosfinales. Tales opcionesse pre-sentanen cada una de las etapasque comentaremosa continuacióny es, evidentemente,importante conocerqué se obtiene en dichos pa-sosy qué suponen las formasalternativasde cálculo.

Para definir el camino más apropiadoentre estasopciones,con-viene precisarciertascaracterísticasde nuestrosdatosy requerimien-tos de nuestrosobjetivos.En primer lugar, hay que decir que la dis-tribución que manejamosrepresentauna muestrasesgadade la dis-tribución original, pues está directamenteinfluida por el sesgo quesupone la conservacióndiferencial de sitios, resultandoinfravalora-dos en ella aquellos asentamientosde pequeñotamañoo que fueronconstruidoscon materialesperecederos(Ford y Willey, 1949:20).Ensegundolugar, por lo que se refiere a los objetivos, reiteremosqueelmodelo de compromisoimplica unajerarquizaciónde factoresy, porello, un distinto peso de cadauno en la estrategialocacionaL

Se suele considerar la existencia de tres fases en el proceso derealizar un análisis factorial: una, previa, referente a la elección deuno de los modelos de análisis según las característicasde los datosy la forma de entenderlos,y dos, propiamentede cálculo, que tienenque ver con la extracciónde factores—factorización—y con su trans-formación en orden a simplificar y optimizar los resultados—-rota-cion.

En la variación total que muestranlos datos en una matriz pue-den distinguirse dos componentes:comunalidad,o varianza comúna todas las variables,y singularidad,o varianzaúnica de cadavaria-


ble, bien específicao real, bien aleatoria.En función de estacompo-alción, es posible asumir que los factoresresumanla comunalidad,queconstituyeel modelo de factorescomunes,o que tomen en cuentala varianzaen su totalidad,segúnel modelo de factorescomponentes(Rummel, 1970:112).En el casoque nos ocupa, podemosconsiderarquetoda la variación mostradaresultarásignificativa, puestoque,enel solapamientoespacialde las tendenciascomprometidasen el pa-tirón, la parte singular de una variablecon respectoa otra puedees-tar correlacionadacon las partessingular o común de una o variasvariables más; considerarexclusivamentela comunalidadimpediríaestaposibilidad. La únicaventajaqueobtendríamosde la utilizaciónde factorescomunesseriala de aplicar su variantecanónica>porquepermite realizarinferenciasprobabilísticas(ibid., 121), estoes, calcu-lar laprobabilidadde que las pautashalladasen la muestraseanigua-les que las de la poblaciónde la que seha obtenido.Pero tal inferen-cia debepartir de una muestraaleatoriay nuestrosdatos,como yase precisó más arriba, tienenun sesgoclaro. Por tanto, la aplicaciónque diseñamospara el estudio de patronesde asentamientoseguiráel modelo de factorescomponentes.Así, partiendode unamatriz decorrelacionessin estimaciónalguna de comunalidad,se definirán to-das las dimensionesbásicasque componen los datos, y no sólo lascomunesa todos ellos.

Asumiendofactorescomponentes,la factorizaciónnormalmenteserealiza mediantela técnica de ejes principales,que halla las dimen-siones ortogonalesmínimas para reproducir linealmente los datos(ibid, 338), de forma decrecientesegúnla cantidadde varianzaqueresuman(ibid., 345). Con este procedimientoel primer factor se ha-llará de forma queresumael máximo posible de varianza,el segundofactor acumularáel máximo posible de la varianzano explicadaporel primero, y así sucesivamente.La factorización, de este modo, sa-tisface el supuestodel modelo locacional,segúnel cual los factorescomprometidosson jerarquizadosen orden de importancia,refleján-dosemás claramenteen la distribución aquélloscon máspeso.Dadoque la factorizaciónse llevaacabosin estimarcomunalida~d,los cálcu-los seguirán definiendo factores, cada vez menos relevantes, hastaigualar el número de variables. De esosfactores,en orden a cumplirel objetivo de reducir los datos de entrada,los que no acumulenlavarianzade al menosunavariable no seránconsideradossignificati-vos y se desecharán.

Manipulando los resultadosdc la factorización es posible llegar auna solución derivadamediantelas técnicasde rotación. Estassiguenun criterio denominadoestructura simple, por el cual los factoresnorotados que maximizan la varianzatotal se hacenmás fácilmente in-terpretablesal distinguir mejor grupos separadosde variables alta-


mentecorrelacionadas(ibid., 377). Se entenderámejor el conceptoderotación si lo planteamosen términosde un espaciovectorial. En ungráfico de este tipo, cada variable está representadapor un vectorcuya longitud viene determinadapor su varianza; los vectorespartende un punto de origen comúny su posición relativa, los ángulosqueforman entre sí, está definida por las correlacionesmutuas, puestoque en un espaciovectorial los cosenosde los ángulosequivalena co-rrelaciones(ibid., 12). Los factores obtenidosen el paso anterior sonlos ejes que, Formandoángulo recto entreellos, mejor se adaptanalos hacesde vectoresque definen las correlacionesentre las variables(ver fig. lA). La rotación suponeuna transformaciónde esta disposi-ción qule puederealizarsede dos formas: ortogonal y oblicua (ver fi-gura IB y U). La elecciónde una u otra es importante. Una rotaciónorwgunal de los ejes implica que los factores se mantendránindepen-clientes, s correlacionesentre sí, puesto que el cosenode un ángulode 90 grados es cero. Ciertamente>es difícil pensarque los factoresque intervienenen la localizaciónde los asentamientosno tengannin-guna ln¶. rrelnción. Dado que,además,la característicade la rotaciónoblicun no es excluir la ortogonalidad, sino permitir la disposiciónoblicua cte - . factores cuando los grupos de variables se sitúen así(como ci Y caso de la fig. IC), utilizaremos en nuestroanálisis estetipo dc tra sformación.

Así, pues, para recapitular, un análisis factorial de modo R, queparta de una matriz cuyas columnas representenlas variables queque miden una distribución de asentamientosy las filas los valoresque presentanlos sitios en las variables,se adaptaconvenientementea los estudios de patronesde asentamientotal como se han plantea-do aquí Según lo expuesto,el procedimientomás idóneo para llevara caboun análisis factorial que resuelvaestacuestiónes el de compo-nentesprincipales—-modelo de factorescomponentesy factorizaciónde ejesprincipales—,con rotación oblicua.

LA MATRIZ DE DATOS:LOS CASOS,LAS VARIABLES Y SU CUANTIFICACION

Definido ya tanto lo que queremosobtenerde nuestrosdatos comola manera en que lo haremos,es tiempo de precisar cuáles son esosdatos. Puedeparecer,a primera vista, que éste seauno de los pasosquemenosdiscusiónrequieredentro del diseñoquepresentamos.Noes así. A la hora de determinar los casos,las variables y la forma decuantificar esrashay que tomar decisionesque necesitanexplicación.

El número de asentamientosque apa-eceen el mapa que maneja-mos (ver Hg. 2 y cuadro 1) no coincide con el registro presentadopor

JesúsAdánezPavón

Willey de los sitios del períodoHuancaco.Ello estámotivadopor dosrazones.La primera tiene quever con los objetivos del análisis: pues-to quetratamosde conocerla conductalocacionalde un grupo socio-cultural y buscamosrespuestassocioeconómicasa esta cuestión, nonos interesaincluir en el estudiola ubicaciónde los cementeriosque,en número de veintitrés, recogeWilley. La segundaresideen que al-gunos asentamientosde estructura compleja fueron referidos en elreconocimientooriginal como sitios separadosy con diferenteetique-ta numérica;en estetrabajo, esos sitios hansido agrupados(ver figu-ra 3). En realidad, estasasociacionesfueron sugeridaspor el pro-pio Willey en la descripciónde los asentamientos.Así ocurreen el casode V-42, que es consideradocomo parte del mismo sitio que V-41(Willey, 1953:189); de V-90/91, que son áreas de desechoencerradaspor un mismo muro de adobe (ibid., 200), cercanasal gran grupoV-88/89 formadopor unapirámide y un palacio conocidosen conjun-to como Castillo de Huancaco(ibid., 205); de V-152/153, que, con elnombre de Tres Huacas,es una reutilización de un complejo asociado

CuADRo 1

RELACION DE LOS ASENTAMIENTOS DEL PERIODO HUANCACO EN VIRU

Valle alto Valle medio-bajo

250W 14 V- 53 V- 196 V- 10 y- 139 V-

17 62/16 199 13 152/153 259

19 141 200 51 162 260/261

20 143 202 59 166 267

28 149 206 67 167 271

30 150 208 82 168 276

32 178 209 88/89 170 280

33 180 228 90/91 171 287

39 181 230 92 233 288

41/42 187/188 93 236 291

50 192 95 237 295

102 242 302

110 245 310

113 248

130 249

86

Determinación del patrón de asentamientoregional... 87

a una pirámide del período Gallinazo (ibid., 213); de V-l88, que sesitúa muy cerca de V187 formando un sitio de componentedoble(ibid., 220); de los montículos de tierra y desechosV-260 y V-261(ibid., 222); y del Castillo de SanJuan,V-62, ligado a V-16 por un murode piedra (¡bId., 225). En su recienteestudio locacional del valle bajode Virú, Conrad (1978) agrupóun mayor númerode sitios en funciónde las distanciasque los separan.Nosotros pensamosque la cercaníaque muestranmuchos puntosen la distribución se debea una tenden-cia hacia la aglomeraciónque puederesultar significativa. Por tanto,hemos preferido agrupar únicamente siguiendo las indicaciones deWilley.

Hay que hacer una observaciónmás acercade los asentamientos.Aunque el reconocimientorealizadopor Ford y Willey fue considera-do representativo,por contenerejemplos de cada uno de los tipos desitios y cubrir todas las seccionesdel valle, es importante resaltar,como ya se precisómás arriba, la existenciade sesgosen el muestreoque los propios autoresexplicitaron: los sitios grandesestánsobreva-lorados en la muestracon respectoa los sitios pequeños;se encontra-ron, proporcionalmente, más sitios en el valle alto que en el vallebajo, porque aquéllos están construidos en su mayoría de piedra; y,por último, algunos sitios cuyos unicos restoseran acumulacionesdedesechosy montículos de tierra fueron desestimadospor no aportarinformación sobre su disposición interior (Ford y Willey, 1949:20).Puesto que estetipo de sesgo,que no se soluciona sólo medianteunmuestreoaleatorio, es común a la mayor parte de los reconocimien-tos arqueológicosregionales,es importante recordar lo que ya expre-sabamosen el apartado anterior: ello afecta al tipo dc técnica queescojamos.En cualquier caso, aunquela diferenciaentre los resulta-dos sobre la muestray los parámetrospoblacionalesno puedacuan-tificarse, habráque teneren cuentaeste sesgoen la interpretacióndeaquéllos.

La elección de las variablesque serán consideradases importanteen cualquier análisis, pero tal vez lo sea más cuando se manejancuantitativamente.La rapidezy facilidad del tratamientomatemáticoy automático de los datos parecepermitir al analista multiplicar in-discriminadamenteel número de tales variables, con el objetivo apa-rente de aumentarla información presentadaen la matriz de partida.Esto es un error. No debe olvidarse que las operacionesde álgebraque transforman dicha matriz tienen en cuenta, o se ven afectadaspor, todos los valores que la integran. En este sentido, la informa-ción irrelevante o redundanteque se haya introducido no actuaráamanerade valoresañadidosque se utilicen complementariamentey semarginen si conviene; esos valores distorsionan, en mayor o menormedida, los resultados.En tanto que irrelevante, la información deja


de ser tal para pasar a constituir, utilizando el vocabulariode la teo-ría de la información, unafuentede ruido, un foco de interferenciasque deforman la solución final y su interpretación. Por todo ello, esimprescindibleexplicitar, como se advirtió en las primeras de estaspáginas,cuálesson las variables elegidasy por que.

El paso siguientees la cuantificación. Paraaccederal manejoma-temático de los datos,la cuantificación o medición es,evidentemente,condición necesaria.Medir significa transformar los conceptosquedefinen las variables en una serie de númerosque son asignados,demanerabiunívoca,a cadacaso(Siegel, 1972:50). A eseconjunto de va-lores numéricosquemiden una variable se le llama dimensión,y a losvaloresmismos atributos(Watsonet al., 1981: 151). La medición es unprocesoque muestradiferentesformas segúnel modo de llevarla acaboy el tipo de informaciónobtenidaen los datos.Teóricamente,esposible cuantificar siguiendocaminos distintos y el camino elegidocondicionarámuy directamentelas operacionesque se puedanapli-car. De ahí la convenienciade expresarcómo se asignanlos atributosa una variable y definir el tipo de escalautilizado.

El análisis factorial, en contra de ciertas opinionesal respectoquerestringensu uso a valoresdefinidos al menosen escalade intervalos(ver Watson et aL, 1981: 159), no tiene limitación algunaen cuantoalnivel de medición de las variables (Rummel, 1970:17;Cattel, 1978:419).Baste recordar que el análisis parte de una matriz de correlacionesyque existen numerososcoeficientes de correlación no paramétricosideadosparavariablesordinaleso incluso nominales(ver, entreotros,Anderberg, 1973: capitulo 4; Cattell, 1978:469;Rummel, 1970:296-308;Siegel, 1972: capítulo 9). Como ha escrito Benfer (1972:530),esteerrorse debetal vez a una confusión en la comprensiónde lo que significaescalas«cualitativas” y «cuantitativas”. Estos no son sino calificati-vos convencionales.En toda medida, sea de la escalaque fuere, inter-vienen elementoscualitativos y cuantitativos.De hecho,medir no sig-nifica otra cosaque cuantificar cualidades,asignarnúmerosa ciertosfenómenoso propiedades.En este sentido, no existenvariables cuali-tativas y cuantitativas,sino cualidadesque podemoso sabemoscuan-tificar en un nivel dado de medida.Nosotros hemospreferido, puestoque contábamoscon esa posibilidad, realizar todas las medicionesenescalade proporciones.De todos modos,debequedarclaro, ya que esposible encontrar limitaciones de medida en otras aplicaciones,queel usode datos «cualitativos” es correctoen un análisisfactorial y quede ellos resulta una solución factorial prácticamenteidéntica a la ob-tenida con variables medidasen escala de intervalos o proporciones(Gould, 1969:32).

En la exposición de las variables que utilizaremos en nuestroestu-dio serán especificadosambos aspectos:el porqué de su inclusión y

Determinacióndel patrón de asentamientoregional.. 89

el cómo de su cuantificación.La elecciónde tales variablesestáguia-da por cuestionesde escalaespacial y complejidad sociocultural. Altratarse de un estudiode ámbito regional, suponemosque la localiza-ción vendrá determinada por las necesidadeseconómicas derivadasde la subsistenciay el intercambio(Clarke, 1977:11-13),así como porlas relacionadascon la organización sociopolítica propia de una so-ciedad compleja como la Huancaco-mochica.En el análisis se handesestimadoconscientementecierto tipo de datos, como los refleja-dos en las característicasarquitectónicasde los asentamientos,conel fin de partir únicamentede una distribución de puntos indiferen-ciados. Otros datos, sencillamente,no se han podido incluir, por noser lo suficientementecompletos como para expresarlosespaciallrnen-te. Sin embargo,en la medida que tales carenciasde información pue-den darse en muchos mapasarqueológicos,no deja de tener interésel realizar el análisis sin superar esas limitaciones, con el objeto deconocerel tipo dc’ conclusionesa que nos puedenllevan

Las característicaslocacionalesque a continuación se exponen ymiden podrían agruparseen dos amplios tipos. En primer lugar, sesitúan aquellas que relacionan los asentamientoscon alguna caracte-rística física y tangible, seaambiental o cultural.

VARIABLE 1: Distancia a la costa

La configuración topográfica supone una serie de constriccionesambientalesprimarias. Es la base geográficaque ha de asumirsean-tes que nadaen los procesosde decisión locacional,porque imponelos limites dentro de los cualessearticularán las restantesdecisiones.Hubiera sido posible, de contar con un mapa topográfico detallado,construir una seriede regionestopográficasa partir de los valoresdedesnivel y pendiente (ver Puyol y Estébanez,1978:24-30),que luegohabría sido fácil convertir en atributos métricos,bien distanciao ran-gos ordinales,de los asentamientos.Dado que no contamoscon estainformación topográfica,este tipo de rasgosestá definido en nuestroanálisis por una única variable de localización dentro del valle: ladistanciaa la costa.Puestoqueel valle de Virú se estrechaconformese aleja de las playas, esta variable puedeservir como un indicadorde las distintas zonasdel valle, a la hora de la interpretación.La dis-tancia a la costase ha medido como la línea recta más cortaque sepa-ra un sitio del mar en un mapa-basede escala1:lOO.OOO.

VARIABLES JI, III y 1V Distancias a los sucios de tipo 1, 2 y 3

Paralas gentesdel períodoHuancacoen Virú la actividad másim-portante relativa a la subsistenciafue, con diferencia, la agricultura,


no sólo basede la dieta, sino fundamentode la estructuraciónsocialy política del valle y objeto de gran parte de los esfuerzostecnológi-cos. Por ello, hay que pensarque los requerimientosagrícolas signifi-caronun elementoprimordial en la localización de los asentamientos.Otras actividadesno debieron desempeñarun papel relevanteen lasdecisiones locacionales,por estar más ligadas al servicio suntuariode la ¿lite que a una red industrial que les permitiera imprimir unahuella espacial a nivel regional, como en el casode los trabajos arte-sanales,o por su importanciacomplementaria,como en el casode lacaza. La información espacial referentea la agricultura con que con-tamos viene dadapor las divisiones de los suelos del valle detectadaspor Wiley y mostradasen el mapa de la figura 2. Así, la importanciade la agricultura en el patrón locacional puede ser estimadapor laubicaciónde los sitios en los distintos suelos.De los cuatro tipos mnos-trados en el mapa, agrupamosahora los suelos cultivados y posible-mente cultivados en época prehispánica,que pasana ser el tipo 2,asignándosecon el 3 los suelosactualmentecultivados y permanecien-do con el 1 las tierras marginalesno cultivadas. Ello se ha cuantifi-cado a través de tres variables de distancia a cada uno de los tipos.En el casodel valle alto, la coincidencia de los límites actualesy pre-hispánicosde cultivo nos lleva a suprimir el tipo 2. Los asentamien-tos situadossobre cerrosen el centro del valle se considerancomo sise ubicaranen suelosmarginales.

VARIABLE V: Accesoal agua

Pareceevidente que la disponibilidad de un elementotan esencialpara la vida como el aguadebió serun factor a teneren cuentaa lahora de ubicar un asentamiento.Tiernos definido el accesoal aguacomo la distanciaqueseparaen línea recta un sitio del curso naturalo artificial de aguamás próximo. El Lecho de incluir los cursosarti-ficiales puede hacer que esta variable adquieraalgunaotra significa-ción en relación con las grandesacequias.

Las cuatro variablesque a continuacióndefinimos forman partedel segundotipo de característicaslocacionalesapuntadasmás arri-ba: las derivadasde la propia distribución, es decir, de la ubicaciónde un sitio en relación con los demás.Entramos,sin duda, en un te-rreno más movedizo y difícil de determinar,pero no por ello menosimportantey real. Convienehaceruna aclaración:aunquela forma dedefinir y medir estasvariables sebasaen conceptosde aplicación ge-neral, su uso no puedetrasladarsemecánicamenteal estudiode otrasdistribuciones concretas,pues,como veremoscon respectoa la parte


alta de nuestro valle, otro tipo de constriccionespuededificultar suoperatividad.

VARIABLE VI: Distancia a los respectivosnueve centros de gravedad

Esta variable está destinadaa medir la ubicación de los asenti-mientos en función del intercambio dc productos a nivel local. Noha sido posible introducir variables referentesa intercambioscon elexterior del valle, bien porque cerecemosde información acerca delas rutas que recorrían longitudinalmenteel desiertocostero,que de-finiría la influencia del intercambio con otros valles costeños,bienporque no conocemosla situación de los sitios serranosni la profun-didad con que penetran las quebradasde Virá en las tierras altas,que reflejaría la importanciadel intercambio con la sierra. La cuanti-ficación de la localización respecto del intercambio local se realizamedianteel concepto de centro de gravedad de una distribución depuntos. El centro de gravedadse calcula inscribiendo la distribuciónen dos ejes cartesianos,«estes”y «nortes»,que describencada puntocon un par de coordenadas;las medias aritméticasde los «estes»y delos «nortes» definen las coordenadasrespectivasdel centro de grave-dad de la distribución (Estébanezy Bradshaw, 1978:394-396).Si en-tendemosque las operacioneslocales de trueque se llevarían a caboen un lugar y tiempo determinados,tal lugar habría de situarse demanera que hiciera mínimas las distancias a él de cada uno de losstios, un punto en el que convergeríanlos flojos de productos ema-nados de un grupo de asentamientos.Este punto estaría,teóricamen-te, representadopor el centro de gravedaddel grupo. En puridad, esepunto deberíaponderarsecon el tamaño e importanciadc cada sitio,pero en estecaso, puestoque partimos de puntos indiferenciados,nohemos incluido tal ponderación.Al aplicar este procedimientosurgecl problema de cómq definir grupos locales de asentamientosdesdeuna distribución en la que no hay claras separaciones.Ello puedeso-lucionarsemedianteun método sencillo: unir con aristas cada puntocon sus enesímosvecinosmás próximos. En la figura 3 se observaqueel trazado de aristas a los tres vecinos más próximos es suficientepara delinear con claridad la existenciade nueve grupos de asenta~m].entos en Viró. Delimitadas así las distribuciones locales, podemoscalcular los centrosde gravedadde cadauna de ellas (ver fig. 2) y de-finir estavairiable con las distanciasde cadauno dc los puntosa susrespectivoscentrosde gravedad.

VARiABLES VII Y VIII: Distancias a los respectivosdos y tres centrosde gravedad

Nuevamentedebemosreconocercarenciasde información espacialreferente, en este caso, al control sociopolítico de la población. La


ocupaciónmochicadel valle podría reflejarse,por ejemplo,en unalo-calizacióncompulsiva de los sitios cerca de las rutas que los comuni-cabancon la zonacentral del estadornochica,tal comose definió paralas provincias del Tahuantinsuyu(Morris, 1973); en Virú, como se in-dicó más arriba, la única ruta que se conocepertenecea períodospos-teriores al de Huancaco.No podemostampocoincluir la cuestióndelcarácterhidráulico del estadomochica, pues desconocemosla situa-ción de las bocatomasy bifurcacionesprincipalesde los canalesdeirrigación. No obstante,se puedepensarque, teóricamente,los asen-tamientos encargadosdel control sociopolítico del valle estaríansi-tuados en un lugar central respectode los sitios controlados.Reapa-rece así el concepto de centro de gravedady la cuestión del númerode centrosque debemoshallar. Si nos referimos al dominio del valleen su totalidad, parecelógico en principio calcularun solo centrodegravedad.Sin embargo, la diferente y claramenteseparadadisposi-ción del calle alto y el valle medio-bajo desaconsejaesta solución ynos induce a considerarla existenciade al menos dos lugarescentra-les. Pero,si observamosla situación de estosdos centrosen el mapade la figura 2, se advierte que la zona media, estratégicapor ser elpaso obligado a la llanura costeradesdela sierra, quedasin control.Por ello, tal vez con cierto riesgode redundancia,hemosañadidoa laanterior una variable más, definida por los centros de gravedad delos tres grandesgruposde asentamientosque ocupaneí valle. Los va-lores de ambas variables están medidos por las distanciasde cadasitio a sus respectivoscentrosde gravedadde nivel dos y tres.

VARIABLE IX: Distancias a los cuatro vecinos más próximos

En un nivel local, la centralidadno es útil para medir el controlsociopolítico,puesto que define mejor la posición del centro de in-tercambio de productos.Ahora bien, si consideramosque esedomi-nio puedetraducirse en una atracción por parte de los sitios de carác-ter administrativo, estosúltimos habrían de detectarseno por su po-sición central, sino por el grado de proximidad de los asentamientossituadosa su alrededor,esto es, por su grado de aglomeración.Talconcepto puede medirse promediando las distanciasde cada sitio asus cuatro vecinosmás próximos.

Los valores numéricosobtenidospara todas las variables son dis-tancias. Antes de realizar con ellos la factorización,los hemos some-tido a una transformaciónque les convirtiera en porcentajes,evitan-do así una seriede inconvenientes.El primero de ellos estribaen quelas distancias constituyen una escala abierta. Esto significa que, así

Determinacióndel patrón de asentamientoregional... 9-3

como poseenun límite inferior absoluto, la distanciacero, no presen-tan un límite superior fijo, puestoqueteóricamentepuedenmostrarcualquiervalor. Este hecho hace que en la matriz de correlacionesquedenminimizadas las relacionesnegativasy aparezcanvalores ar-tificialmente altos (Lischka, 1975:220-221).La conversiónde las dis-tanciasen porcentajesparacadavariableevita esteefecto.

Pero aun es necesarioresolver otra cuestión que no afecta a laconstrucciónde los factores,sino a la interpretaciónde las puntuacio-nes factoriales.Estasse calculanoperandocon las saturacionesy co-rrelacionesfactorialesy los valoresoriginales de cada caso; el resul-tado define la participaciónde los casosen los factores.Ahora bien,sí obtuviéramos,como en efecto se verá más adelante,un factor refe-rido a la maximizaciónagrícola, los casosquedebieranmostrarpun-tuacionesmayoresson aquéllosmás cercanosa los suelosdesérticosy, puestoque la cercaníaimplica una distancia menor, sucederíalocontrario. Aunque este efecto puedesoslayarsesimplementeno per-diéndolo de vista a la hora de la interpretación,hemospreferido evi-tarlo desdeel principio con unasegundatransformaciónqueconvier-te los porcentajesde distanciaen gradosde proximidad,medianteunasencilla restaen la que el minuendoes siemprecien y el sustraendoelporcentajepor transformar.

INTERPRETACION DE LOS RESULTADOS:EL PATRON DE ASENTAMIENTO

La matriz de datos definida en el apartadoanterior fue analizadaestadisticamentesiguiendoel modelo de factorescomponentes,confactorizaciónpor ejesprincipalesy rotación oblicua, tal como quedódefinido en la discusiónsobreel modelo estadístico.De estaforma, sehanobtenidounos resultadosnuméricoscuya interpretaciónse abor-da ahora. El proceso de interpretación es de algún modo inversoal de cuantificación de las variables. Si la cuantificación suponíaex-presaruna información locacional mediantenúmeros susceptiblesdetratamiento matemático, la interpretación consisteen convertir losresultadosnuméricosen conclusiones.No debeolvidarse que tal con-versión es, en cualquier caso, discutible y, por tanto, las solucionessobre las que se apoye hande serexplicitadas.

Antes de centrar nuestro interés en la solución factorial propia-mente dicha, es necesarioexaminar las matricesde correlaciones(vercuadro2) con el fin de determinarsu significación. Sabemosque elsupuestobásico del análisis factorial es el de la existenciade una se-ríe de factores subyacentesen las variables observadasy vimos tam-bién cómo esos factores quedan reflejados en la variación pautada

Jesú

sA

dá

ne

zPa

vón

o’

o00o’0

00

‘Ú0

00

01

0—

0

0~

0t~

-0

-0

10

-t

—0

0

‘o

O00

oU

No

.0o

-t~0

00

oC

’1

00

—‘0

0U

N-t

~00

‘o

O‘o

eno

Oir

ON

rlO

~flA

~~

o0

~,0

00

0‘0

00

’-~

00

0rle

nr—

VN

-00

00

aU

Ne

nU

N—

0-t

o’

o’

00

‘t0

]rl

Ú~00000

0—

ON

-‘t~

n0

-e

n-~

Oe

nln

oo

r]00

rlO

r’N’O

OO

efl—

l

~000000

o‘0

0’

04

10

0——

-NO

Oj.-O

NC

NO

O.t—

‘~0

‘DO

m-t

—e

n-t

~0000IIIccj,O

e]

en

o’

UH

HO

HH

H~

2~

~c~

QQ

JCJ~

01

00

UN

00

‘DO

N0

en

-t0—

~000

00

’O

NO

0—0

~-t

‘00

40

—0

-1-0

0~

0~

-0

»e

n-t

-~O

OO

WtC

N0

--

00

00

0

en0

CM

jN~0000]

Ot~—

Ci

—o

-o—

en0

01

rl—

rl

00

0¶1

00

00

~~0

UN

UN

‘DO

CO

rlu

-NC

00

en

LCNU

N~

o3

---trlen

orl

00

00

00

0¡

11

0O

NU

N‘O

rl‘~

t0

-t

‘Oo

rnO

Ntfl

rlO

OC

‘OU

N~

OrN

Oo

rlrl.rl0~00000000

ON

04

en

-rl

en

.<

(JHF—

d-~cru

jc.t~

tcn

ZZ

Z~

o’CC

1~~-

0oo

O-t

0,-

0—

~0

oo

-en0

0’

Oto

,rl

o—

en

o-~

00

N1

fl‘O

00

’C~000

O~-

en

‘00

0-~

0U

NO

cC

en

VN

Oa

UN

rlrl

00

00

Oo

-o

-tu

-co

~0

00

00

CL

INrl

‘Orl

O-t

R~~

rnON

r-OC

rl

00

0

o’rle

nd

’¡

—e

n.~U

~1

2L

1JL

12

~~

fl~U

QQ

C¡

94

‘-¼

‘-‘-4

za

oc

-4—0

4o~-4

”o-4au

~IJ<

QQ

<-4


que muestranlas correlaciones.Es fácil comprenderquesi los coefi-cientesde correlaciónno son significativos,no existiráningunapautaverdaderaen los datos y los factores resultaránirrelevantes.Paraes-tablecerla probabilidad de que las correlacionesobtenidas no se de-ben al azar, hemos aplicado el llamado test de Bartlett (Cattell,1978:276; Vierra y Caríson,1981:277),con el cual es posiblecalcular>en función del tamaño muestral y el número de variables,un valorasociadoa la conocida distribución de chi cuadrada. Las tres rnatri-ces tienen una bajísimaprobabilidadde habersido generadasaleato-riamente(0,001 por lOO). Ello indicaque las correlacionesson signifi-cativas o, dicho de otro modo, que podemossuponerlícitamentelaexistenciade unos factores queexpliquen la variación pautadasigni-ficativamentemostradaen las matricesde correlación.

En la interpretacióndefinitiva de la solución factorial oblicua hande analizarsecuatro tipos de información. En primer lugar, el por-centaje de varianza explicadopor cadauna de las dimensionesantesde la rotación. Puestoque la factorización se realizó segúnel modelode componentesprincipales,el número de estos factores no rotadosseráigual al número de variables; sólo aquellos que expliquenunavarianza mayor o igual a 1 serán utilizados en la rotación. Unos re-sultadossignificativos requierenque el porcentaje total de varianzaexplicadopor los factoresque se someterána rotación alcanceun ni-vel alto. De otro modo, hay que suponerque la localización no sigueunas pautasverdaderamentegenerales,o bien que las variablesuti-lizadas no han descritobien la distribución.

Una vez cumplido este paso es posible interpretar los factores lo-cacionalesrotados a través de las matrices de patrón y estructurafactorial; al tratarsede una rotación oblicua, estasmatricesmuestranvaloresdistintos. La primera contiene las saturacioneso proyeccionesde cada variable en cada factor y sirve para delinear los grupos devariablesque se asocianen cadafactor, es decir, para establecerel ca-rácter de éste; la segundacontienecorrelacionesentrevariablesy fac-tores, cuya suma al cuadradodeterminaráel porcentajede varianzaexplicado por los factores rotados (Rummel, 1970:148). Este es, evi-dentemente,el objetivo fundamental de todo el proceso.De aquí po-drán definirse los factores que constituyeron la estrategialocacionaly el pesode cadauno de ellos.

Una última matriz resulta interesantepara nuestros propósitos:la matriz de correlacionesentre los factoresoblicuos, que determina-rá la magnitudy la dirección de las relacionesentre tales factores,

Como se observaen el cuadro3, los factoresobtenidosparael aná-lisis global son únicamentedos, con un porcentaje total de varianzaresumidade un 68,86 por 100 en la solución no rotaday un 72,02 por100 en la solución oblicua, valores altos y significativos. La clara di-


CuADRO 3

SOLUCION FACTORIAL PARA EL ANALISIS LOCACIONAL DEL VALLE DEVIRU GLOBALMENTE CONSIDERADO: (A) VARIANZA EXPLICADA POR LOS

FACTORESNO ROTADOS; (E) MATRICES FACTORIALES ROTADAS;(C) CORRELACIONESENTRE LOS FACTORES

(A)

Factor Varianza Varianza(%) Varianzaacumulada(%)

23,5391961,969254

44,239924,6257

44,239968,8556

3 0,877547 10,9694 79,82504 0,602962 7,5370 87,36205 0,421593 5,2689 92,63196 0,235221 2,9403 95.57227 0,219894 2,7482 98,32088 0,134333 1,6792 ¡00,0000

ToTAL 8000000

(E)

PATRÓN ESTRUCTURA

Factor 1 Factor 2

—0,275—0,153

0,7440,1660,8300,6680,6690,872

—0,7390,943

—0,4240,8090,0650.0230,3450,080

Factor 1 Fáctor 2

—0,4040,0120,6700,3070,8410,6720,7300.886

= 3,18339,79%

—02870,916

— 0,2940,8380,2100,1390,4630,232

2,57932,23¾

TOTAL: 72,02 ¾

(CI

1,0000,175

Factor 2

DISCOSTADISTANSíDISTANS3A CSOAO VACENTRAL9CENTRAL2CENTRAL3DIS4VMP

Factor ¡

Factor 1Factor 2 1,000


ferenciaque separala distribución en el valle alto y en el valle medio-bajo hace que la interpretación de los factores locacionalespara elvalle totalmente consideradodeba realizarse con precaución.Valorescomo los correspondientesa la localizaci’ánen distintos tipos de sueloson contrariosen uno y otro casoy, al ser analizadosglobalmente,sepromedian.Esto representala pérdida de una gran cantidadde infor-macióny planteala necesidadde realizar el análisis de ambasdistri-bucionespor separado.No obstante,los resultadostotales nos puedenservir para aislar la estrategia global. Los cambios en el patrón deasentamientoen uno y otro tramo del valle con respectoa estosvalo-res totales puedenconsiderarse,en principio, como unaadaptacióndela estrategiaglobal a una seriedc condicionantesespecíficos.En oca-siones,sin embargo,habráque considerarloscomo una distorsiónpro-vocadapor la globalización.

En el primer factor, que explica un 39,79 por 100 de la varianza,proyectanaltas saturacioneslas variablesque indican el grado de pro-ximidad de un punto a suscuatro vecinosmás próximos, la centrali-dad en los tres nivelesy la proximidad a los sueloscentralesdel valle.Todas estas saturacionesson positivas. Cabría añadir la ligera rela-ción negativaque muestrancon las anterioreslas variables que midenla distancia al mar y la proximidad a suelos marginaleso desérticos.Se podría, por tanto, definir este primer factor como caracterizadopor conceptosque podríamoscalificar de localizaciónguiadapor con-sideracionesadministrativas, o control social, y de intercambio. Ellose observaclaramenteen las altas saturacionesde las variables sép-tima y octava, que reflejan el gradode aglomeracióny la proximidada la ubicacióncentral ideal de un grupo local de sitios. Puestoque laaglomeración fue interpretada como efecto de la atracción de uncentro de servicios y la centralidad como el punto en que se encon-trarían los flujos de productos nacidos de segmentosespecializadosde la población, su asociaciónpositiva y alta en el factor sugierequela actividad del intercambio se canalizabaa través de los centrosdeservicio, seguramenterodeadosde una significación religiosa, tal comoes característicode esteperíodoIntermedio Tempranoen la costape-ruana.

Pero, en la configuración del factor, no hay que olvidar otras sa-turacionessignificativas,si bien no tan altas.La matriz factorial níues-tra una asociaciónpositiva entrelas dos variables anterioresy la pro-ximidad a sueloscultivados. A primera vista, podría deducirsede estoun lugar importante de las consideracionestendentesa la mínírníza-ción del trabajo, es decir, a la reducciónde la distancia al lugar deocupación y, por consiguiente,del esfuerzo invertido en el trabajo.Si la saturaciónde esta variable 2 fuera la dominante,estasconside-raciones darían carácter al factor, que se convertiría así en una di-


mensión económicarelativa a la subsistenciay dejaría de reflejar ladimensión administrativay económicaque hemos definido. Sin em-bargo, las variablesque miden esteúltimo conceptosonlas que mues-tran mayoressaturaciones.Por tanto, hay que considerarla minimi-zación del trabajo como-un efecto provocadopor la aglomeraciónyla centralidad local. Conviene ahora recordar el sesgoque la distri-bución analizadatiene con respectoa la original. Si aparecieranen lamuestraesospuntoscuya existenciasuponenFord y Willey en el fon-do del valle y se distribuyeran de un modo no agrupadoni tendenteala centralidad, la minimización del trabajo aumentaríasu peso en lasolución factorial. Dado que no es éste el caso, es preferible calificarel factor como la expresiónde una pautalocacional en la que primanlas consideracionessociales,administrativasy de intercambio por en-cima de las relativasa la subsistencia,si bien habríaque prever unmargen de error debido al sesgo muestral.

Las variables que miden la cenn-alidad a nivel regional tambiéncuentan con saturacionesaltas en este primer factor. Entender estaparticipación es más difícil. Como veremos en seguida, la localiza-ción en función del control regional forma un factor separadoen elvalle medio-bajo y se asociacon la maximizaciónde la tierra agrícolaen el valle alto. Su asociaciónaquí con un factor que muestrarasgosde control local no tiene mucho sentido, salvo para indicar que, talcomo estádescrita la distribución, el control regional se acopla al lo-cal sin característicaalguna de localización obligada propia de undominio ajeno al valle mismo. En cualquier caso, la interpretaciónde este tipo de localización será más clara al analizar por separadolas dos partes del valle; las diferenciasque puedanexistir en esteaspectoentre la solución global y las solucionesde cada secciónse-rán consideradasen favor de estasúltimas,suponiendoasí que lo mos-trado por la primera es un efecto distorsionadodel hecho de prome-diar ambasdistribuciones.

El segundofactor resumeel 32,23por 100 de la varianzatotal, in-terviniendo en él las variablesque miden la proximidad a suelos nocultivados y el accesoal agua,asociadosinversamentecon la distan-cia al mar. Estefactor se puedeetiquetarclaramentecomo indicadorde la localización tendentea maximizar la tierra agrícola. La alta sa-turaciónde la variable de accesoal aguano esotracosaque el reflejode que las acequiasprincipales se sitúan en los límites de las tierrascultivadas. La relación negativa de la distancia al mar significa quela localización maximizadoratiendea disminuir en las zonasmás pró-ximas a la costa,aumentandoprogresivamenteen el valle medio y enel alto, donde la superficie cultivada es menordebido a la configura-ción topográfica.

Por último, las correlacionesentreambosfactoresindican queson


CUADRO 4

SOLUClON FACTORIAL PARA EL ANALISIS LOCACIONAL DEL VALLE DEVIRU EN SUS TRAMOS MEDIO Y BAJO: (A) VARIANZA EXPLICADA POR

LOSFACTORESNO ROTADOS; (BI MATRICES FACTORIALES ROTADAS;(C) CORRELACIONESENTRE LOSFACTORES

(A)Varianza

Factor Vartanza Varianza (¾) acu,nuíada(¾)

1 3,457723 38,4191 38,41912 2,121052 23,5673 61,98643 1,107125 12,3014 74,2878

4 0,873113 9,7012 83,98905 0,593262 6,5918 90,58086 0,421619 4,6847 95,26557 0,184685 2,0520 97,31758 0,147924 1,6436 98,96119 0,093497 1,0389 100,0000

Toi2xL 9,000000

(B)

PATRÓN EsnrcyugA

Factor 1 Factor 2 Factor 3 Factor 1 Factor 2 Factor 3

DISCOSTA —0,424 —0,621 —0,173 —-0,254 —0,503 —0,298DISTANSI ~—0,187 0,708 0,427 —0,345 0,808 0,466DISTANS2 —0,006 0,805 0,025 —0,258 0,809 0,100DISTANS3 0,724 —0,163 —0,031 0,771 —0,395 0,066ACSOACUA -—0,204 0,144 0,864 —0,115 0,291 0,846CENTRAL9 0,965 0,094 —0,120 0,917 —0,224 0,039CENTRAL2 0,119 —0,742 0,400 0,417 —0,741 0,348CENTRAL3 0,476 --0,145 0,727 0,634 —0,226 0,787DIS4VMP 0,832 —0,103 0,120 0,883 —0,355 0,239

= 3,054 2,577 1,85533,94% 28,64% 20,39%

TOTAL: 82,97¾

CC)

Factor 1 Factor 2 Factor 3

Factor 1 1,000Factor 2 —0,317 1,000Factor 3 0,155 0,095 1,000

100 jesús AdánezPavón

de carácterindependiente.Como se verá másadelanteesto se puedecalificar como unanueva distorsión de la globalizaciónde los datos~puesmaximizacióny control socioeconómicofuncionancomo tenden-cias enfrentadas.

El panoramalocacional dibujado con la solución global quedaráahora mejor definido con el análisis de las solucionesparciales.Porlo que se refiere al valle medio-bajo(ver cuadro4), tres son los facto-res que explican la distribución. En esta solución se adviertenclara-mente las ventajasde tratar por separadolas dos principalesdivisio-nes del valle de Virú. En primer lugar, se puedeincluir unavariablemás que matiza los conceptosde maximización de los suelos cultiva-dos y minimización del trabajo, elevando así la información. En se-gundo lugar, se aumentael porcentajede varianzaexplicadopor losfactores,que alcanzanun valor de 82,97 por 100 en la solución rotada.Se refuerza de estemodo lo que ya aparecíaclaramenteexpresadoenel análisis global: la cantidad de variación locacional pautadaes muyelevaday, por ello, las pautasreflejadasen los factores resultanmuysignificativas. Y en tercer lugar, los factores, aun coincidiendo en lí-neas generalescon los globales,quedandelineadoscon más claridadal suprimir la distorsión que achacábamosa la globalizacióndel aná-lisis. Veamos cómo se definen y disponen los factores locacionalesparael valle medio-bajo.

Las saturacionesque conforman el primer factor son, básicamen-te, las mismasqueen el primer factor del cuadro 3. Las más altasvuel-ven a ser las relativasa la aglomeracióny la centralidadlocal, asocia-das a la localización en suelos cultivados del valle. Se confirma,pues,la asociaciónespacialdetectadaentrelas actividadesde truequey loscentrosadministrativos generadoresde servicios, sin respetarconsi-deracionesde maximizaciónagrícola.

El segundo factor, con saturacionesaltas y positivas de las varia-bles que miden la proximidad a los suelosde tipo 1 y 2, indica, comoen el análisis anterior, que la maximización de los suelos cultivadoses el conceptoque mayor cantidadde varianzalocacional explica des-pués de los referentesal control ejercido por los centros locales depoder. La saturaciónnegativade la proximidad al mar recogeel he-cho de que la tendenciaa la maximización disminuye allí donde elvalle es másancho.

El tercer factor constituyeuna dimensiónque no aparecíainde-pendientementeen la solución global y que reúne,en asociaciónposi-tiva, el control regional y la proximidad al agua.Pareceindicar, porconsiguiente,la localización en función del control político regional.Su asociacióncon el accesoal agua, junto con una ligera relaciónpo-sitiva con la proximidad a suelosno cultivados,pareceindicar que loscentros de poder regional tendían a ubicarse cerca de las acequias.

Determinacióndel patrón de asentamientoregional.- - 101

En cualquier caso,es significativa la meraaparición de un factor comoéste explicando un 20,39 por 100 de la varianzaespacialen el vallebajo; su solapresenciaindica la existenciade un dominio único delvalle, si bien no detectaespacialmentesuinclusiónen un estadomulti-valle.

Las relacionesentre los factoresdel valle medio-bajo cobranunsignificado que no teníanlas correlacionesde los factoresglobales.Loscoeficientesentre los factores 1 y 3, por un lado, y 2 y 3, por otro,siguen siendo muy bajos, por lo cual se puedeafirmar que las locali-zacionesen función de un control local y regional sonindependientes,al igual que esteúltimo factor con respectoal de localización agríco-la. Sin embargo,apareceun valor relativamentealto, en sentidonega-tivo, como correlaciónentrelos factoresprimero y segundo.Tal valorimplica que la localización siguiendosupuestosadministrativosy deintercambiolocaleses contrariaa la guiadapor consideracionesagrí-colas. No son, pues,tendenciasindependientesacogidascon distintopeso en la estratégialocacional; se trata de dos tendenciasopuestasy el hechode queaparezcanambasy de que la primera tengaun pesomayor indica que,en el compromisoque suponela estrategia,se optópor primar el control local en detrimentode la maximización.

La solución factorial del valle alto presentaprácticamentelos mis-mos tres factoresexplicandola distribución,perola jerarquizaciónesdiferente(ver cuadro5); la proporciónde varianza total explicadasi-gue siendoalta, 84,99 por 100. Existe un factor que.podríamosdeno-minar, de acuerdocon los términosque venimos utilizando, localiza-ción en función del control socioeconómicode las poblacionesloca-les, y otro factor en el que la más alta saturaciónvienedadapor laproximidad a suelosno productivos. Sin embargo,es esteúltimo fac-tor el que explica una mayor cantidadde varíanza.Por otro lado, lasvariables referentesal control político regional quedanasociadasconla maximización agrícola en el primer factor, mientrasque el terceroagrupaúnicamentela ubicaciónen sueloscentralesdel valle y el ac-ceso al agua.

No creemos que la vinculación en el primer factor de considera-ciones agrícolasy de control regional tenganingún significado cultu-ral. En el valle medio-bajoambos conceptosformabandos dimensio-nes distintas e independientes.La explicación de su asociaciónen elvalle alto podría venir dadapor un solapamientoentre ambos [acto-res. Su aparición conjuntano se debería,así, sino a una correlacióncasual motivadapor la ubicaciónde las zonas teóricamenteóptimaspara el control regional en las zonasno cultivadas, dada la estrechezdel valle. Estacorrelaciónsería tambiénla responsabLede que el con-trol regional asciendaa un primer puestoen la jerarquía de factores,si bien no se puededespreciartotalmentela posibilidad de que,en el

JesúsAdánezPavón

CUADRO 5

SOLUCION FACTORIAL PARA EL ANALISIS LOCACIONAL DEL VALLE DEVIRU EN SU TRAMO ALTO: (A> VARIANZA EXPLICADA POR LOS FACTORES

NO ROTADOS; (E) MATRICES FACTORIALES ROTADAS;(C) CORRELACIONES ENTRE LOS FACTORES

(A)

Varianza

Factor Varianza Varianza <%) acumulada(%)

2,533476 36,1925 36,19252 1,951841 27,8835 64,07603 1,285618 18,3659 82,4419

4 0,571484 8,1641 90,60605 0,399387 5,7055 96,31156 0,226279 3,2326 99,54417 0,031915 04559 100,0000

TOTAL 7,000000

(E>

PATRÓN EsTRucTUR.4

Factor 1 Factor 2 Factor 3 Factor 1 Factor 2 Factor 3

DISTANSí 0,895 —0,228 —0,031 0,901 —0,270 0,025DISTANS3 —0,282 0,109 0,932 —0,192 0,263 0,920ACSOAGUA 0,458 —0,088 0,788 0,541 0,013 0,821CFNTRAL9 —0,064 0,940 —0,060 —0,019 0,934 0,077CENTRAL2 0,676 0,153 0,359 0,706 0,179 0,451

CENTRAL3 0,856 0,223 —0,183 0,828 0,160 —0,062DIS4VMP 0,129 0,842 0,125 0,106 0,856 0,267

2,350 1,800 1,800

33,5? ¾ 25,71 ¾ 25,71 ¾TOTAL: 84,99 ¾

(Cl


Factor 1 1,000Factor 2 —0,042 1,000Factor3 0,102 0,152 1,000

102


valle alto, tal control adquieraunamayor importancia, tal vez por lascomunicacionescon las regiones serranas.

El factor tercero se refiereúnicamentea la localizaciónsobre lossuelos cultivados.Su asociacióncon el accesoal aguano aparecíaenel valle medio-bajoporqueen éstela minimización del trabajopermi-tía localizacionesalejadasdel río e implicaba localizacionesalejadasde los canalesprincipales.En el tramo alto, por suestrechez,la cerca-nía del río no requierela pérdidade proximidad a las acequiascuandolos asentamientosse ubican en el centro del valle.

Por lo que se refiere a las relacionesentre los factores del tramoalto, los valores sugierenque no son significativas.Hay una ligerísi-ma correlación entre el control local y la maximizaciónque sólo inte-resaresaltarpor su forma inversa,acordecon lo queocurreen el vallemedio-bajo. La independenciareal de ambos factores se debe a lasconstriccionestopográficas,que obligan a ejercer tal control sin opo-sición significativa con las ubicacionesen suelos marginales.

Manejando las tres soluciones factoriales presentadases posibledefinir ahora una estrategialocacional válida para el valle de Virúduranteel períodoHuancaco.Mejor que concluir con la existenciadedos estrategiasparauno y otro tramo del valle, es más adecuadointe-grar ambos resultadosen un solo patrón matizado con mayor preci-sión. Parececlaro, y revelador, que el patrón de asentamientoen di-cho período y lugar estuvoguiadoprincipalmentepor la necesidaddecontrolar la población trabajadora,distribuida en asentamientosde ti-po habitacional. Nuestrosresultadosindican que la forma espacialenque sereflejó esecontrol fue la de una localizaciónagrupadaen tornoa un centro de servicios, seguramenterevestido de un carácterreli-gioso. Vemos, además,que estoscentrosse situabande maneraqueen ellos hubierande converger,para su trueque,los flujos de diferen-tes productos, siempre en un nivel local. Ello abundaen la hipótesisde Conrad(1978:293)referentea la importanciadel control social enVirú y, en la medida que el intercambio apareceespacialmenteaso-ciado con los sitios administrativos,puede apoyar la posibilidad dela existencia de un sistema redistributivo, sugeridapor otro tipo dedatos como la presencia de estructuras de almacenamientoen losasentamientosde alto rango (Willey, 1953:365; Shimada, 1978) y lasevidenciasde un trabajo por turnos organizadosobre la basede lacomunidad de parentescocomo unidad de labor (Moseley, 1978). Es-tas consideracionessocioeconómicasconstituyeron el factor más im-portantea la hora de decidir la localización de los asentamientos,porencima incluso de los requerimientosagrícolas. La disposición ten-dente a minimizar el trabajo, que se asociaa estas consideraciones,se revela no como un objetivo en sí mismo, sino como un efecto de

104 JesúsAddnezPavón

los fines de control local. Todo señalaen la dirección del manteni-miento de un elevadopoder en manosde la élite religioso-militar.

tina segundaconsideraciónlocacional es la que tiende a hacermá-xima la superficie del suelo cultivado, ubicando los asentamientosenterrenosdesérticoso marginales.En Viril, estetipo de conductaes-pacial, relacionadadirectamentecon los problemasde la subsistencia,se hallaríasupeditadaal dominio socioeconómicoejercido tal vez me-diante redistribución, excepto cuando las necesidadesde superficieagrícolaproductiva aumentarana causade una mayor concentraciónde la poblacióny una menor extensióndel áreapotencialmenteapro-vechable.Así, en efecto,se observaque esta conductalocacionalocu-pa un segundolugar en los tramosmedio y bajo del valle, siempreen relación inversacon la distanciaal mar, y adquiereuna importan-cia principal en el tramoalto.

Esta supeditaciónde los factoresagrícolasa los de control social,aunquecondicionada,matiza la idea generalizadade que, duranteelIntermedio Temprano,los asentamientoscosteñosse ubicabanfuerade las tierras de cultivo (Lanning, 1967:117)y desdiceafirmacionesen este sentido sobre Virú (ver Farrington, 1978:120>.La maximiza-ción agrícolaha sido definida como el rasgoprincipal en las distribu-ciones de asentamientosde otros valles costeños,como, por ejemplo,los de Santa(Donnan, 1973:11), Nepeña(Proulx, 1968:14) o Chillón(Cohen,1978:27).Aunque en ocasionesse maticen estasconclusiones,como haceDonnan(1973:13)cuandoindica que los sitios campesinoslocalizadosen los suelosdel valle se habríanperdido por efectode laerosión,lo cierto es que los mismos factoreserosivos han debido ac-tuar en Virú y, sin embargo,el patrón de asentamientose revela di-ferente.Es posibleque cadavalle se guiara por unaestrategialocacio-nal propia, como parececoncluir Conrad (1978:296),pero esto es di-fícil de entendercuando,en otros aspectos,se ha detectadouna granhomogeneidadcultural, al menosen los valles incluidos en la órbitamochica-Doshipótesispodríanexplicartalesdiferencias:o bien,comosucedeen el Virú alto, las necesidadesde tierra agrícolafueron másperentoriasen ciertos valles, o bien la dominaciónmochica tendió adiferenciarde alguna maneralos valles en función de lo que precisa-baobtenerde ellos. La comprobaciónde taleshipótesisrequeriríaeva-luar la proporción de asentamientosy superficiecultivada en cadazonay analizar la situaciónlocacionalprevia a la épocamochica.Almenos en Virú, por lo que respectaa esteúltimo aspecto,no se haapreciadoningún cambio significativo que puedadebersea su inclu-sión en el estadomochica.

Un tercer factor aparececlaramentedelineado en el valle medio-bajo, indicando la localización guiada por consideracionesde domi-nio político a nivel regional. Como ya se advirtió, éstees uno de los


conceptospara el que menor cantidad de información ha podido seraportada.No se ha determinadosu existencia sino por el grado deajuste a las posiciones centralesde la distribución teóricamentefija-das y por una moderadaasociacióncon la proximidad a los canales.En todo caso, esto último constituye un indicio, muy provisional ytentativo, de que uno de sus objetivos era el control, a través de lairrigación, de un bien tan necesarioy escasocomo el agua.

Las relacionesentreestosfactores nos hablan de una independen-cia locacional entre la élite local y la regional, confirmando así la im-presión de Willey de que el dominio mochica no se expresóen cam-bios locacionalesimportantes e indicando que tal dominio debió su-perponerseal sistema local sin afectarlo prácticamente.La relaciónespacialopuestaentrela conductamaximizadoray la de control localsubrayaaún más el significado de la preponderanciade estaúltima,lo que, en definitiva, supone un patrón de asentamientopropio deuna sociedadcompleja y fuertementeestratificada.

INTERPRETACION DE LOS RESULTADOS:UNA TIPOLOGíA FUNCIONAL DE LOS ASENTAMIENTOS

A las aportacionesya mostradasreferentesa la definición del pa-trón de asentamiento,el análisis factorial añadeunaposibilidadmás:la de realizar una clasificación de los puntos espacialmentedistribui-dos sobre la base de su participación en los factores locacionales.Fundamentary desarrollar tal posibilidad son los objetivos de esteapartado.

Hasta aquí, nuestrainvestigaciónse ha encaminadoa definir unadistribución de sitios a través de una serie de variables descriptivase inferir de ellas,estadísticamente,una seriede factores,quefueroninterpretadoscomo pautaslocacionalesinformadaspor distintas con-sideracionessocialesy económicas.Podemos,ahora,invertir el senti-do del razonamientoy, partiendode tales pautas,determinarla fun-ción de cada uno de los sitios. Ello suponela existenciade una rela-ción entrelas característicaslocacionalesde un sitio y su función. Enrealidad,este supuestoes el mismo que subyaceen cualquier estudiode carácterespacial,en la medidaque todospartende la idea de quela disposiciónde items sobre un espaciodeterminadoresulta signifi-cativa culturalmente. No obstante,conviene estableceralgunas pre-cisiones.

En primer lugar, hay que contar con un margende error, debidoa que el vínculo entre localizacióny función no es biunívoco. Es posi-ble que un sitio responsablede una función determinadano ocupe,nisiquiera aproximadamente,la localización que,en principio, le corres-

106 Jesús~4dánezPavón

pondería en virtud de su finalidad. Esta distorsión puededeberseaconstriccionesno detectadaso, simplemente,a la evolución histórica,empleandoestetérmino en su sentidomáscercanoal de aleatoriedad.No es difícil imaginar que un asentamientomuestreuna ubicaciónde-terminadasin cumplir la función que espacialmentele sería asignada.Pensemos,por ejemplo,en las reutílizacionespor partede poblacionescampesinasde sitios ceremonialesabandonados;aun cuandolo máslógico seríaconfiar, en un ejemplo como éste,en que la localizaciónrelativa del asentamientohabría cambiadotambién, denunciandoasíel nuevo uso, cabela posibilidad de que tal cosano ocurra con la su-ficiente claridad. Estos desajustesson minimizadoscuando,como enel apartadoanterior, partimos de las distintas localizacionespara ge-neralizar un patrón de asentamiento;pero si las pautaslocacionalespasana serel punto de partiday las localizacionesconcretasel obje-tivo del análisis,el margende error puedecrecer.A pesarde estasli-mitaciones,que hay que conocer,en general es posible afirmar queal menos la mayoría de los asentamientosdeben mostraruna locali-zaciónconformecon su función.

En segundolugar, hay que aclararque la función asignadaespa-cialmentea un sitio es de carácterprimario. Resultaevidentequeunasentamientono cumple un único cometido, sino múltiples y muydistintos. No obstante,siempre se puededefinir una función princi-pal, primaria, de la cual es expresión la propia existenciadel sitio.Son estascaracterísticasprimarias las que pueden rastrearseespa-cialmente, precisamenteporque los asentamientosno son sino la ob-jetivacián locacional de esascaracterísticastraducidasa un códigoespacial-

Una última consideraciónse refiere al tipo y número de las fun-cionesque serántenidasen cuenta.La clasificaciónde los asentamien-tos segúnsu ubicaciónse deriva de la solución factorial. Una vez de-lineadoslos factores es posible completarla solución calculandolosvaloresque cadacasotendríaencadafactor, del mismo modoquelasvariablesobservadasse definenpor los valoresasignadosa los casos.Ahora bien, tales factoresno son ya dimensionesdescriptivasde ladistribución, sino que han sido interpretadoscomo pautaslocaciona-les que atiendena distintos requerimientospolíticos, socialesy econó-micos.Así, los factoresconstituyenlas funcionesprimariasy, por con-siguiente,su caráctery número determinael caráctery complejidadde las distintas funcionesque articularán la tipología de asentamien-tos. Cuantomás completaseauna solución factorial, tanto más deta-llada y precisa será la clasificación.

La solución numéricaquepuedeinterpretarsede la forma discuti-da es la matriz de puntuacionesfactoriales.Suscolumnasestánocu-padaspor los factoresy sus filas por los asentamientos,indicand%


pues,sus valoresel grado de participación de cada casoen cadaunode los factores.En el modelo de componentesprincipales,que ha sidoel utilizadoaquí, las puntuacionesfactorialessecalculandirectamentecomo combinacioneslineales de las variablesoperandocon sus valo-res originales,sus correlacionescon los factoresy los eigenvaloresdeéstos(Harman, 1980:405). El resultadode estos cálculosson unosva-lores asignadosa cada casoy referidos a cada factor, cuya variacióndebe interpretarsecomo la que mostrarían esos mismos sitios si elfactor fuera una variable observadaen la realidad. Puestoque en lamatriz de entrada los atributos fueron transformadosde maneraquelos númerosmásaltosindicasenun mayorgradode proximidad,ahoralas puntuacionesmás altas y positivas indicaránun mayor grado departicipación en el factor. En la figura 9 aparecenlas puntuacionesde las solucionesreferentesal valle alto y al valle medio-bajo; se handesestimadolas correspondientesa la solución global porque, en laasignaciónde funciones a los asentamientos,es preferible utilizar losresultadosfactoriales menos generalesy más detallados.

La interpretaciónde tales puntuacionesha de abordarseagrupan-do los sitios segúnsusvaloresglobalmenteconsiderados.Es obvio quela definición locacional de un asentamientono viene de su nivel departicipación en cada uno de los factores por separado,sino que seexpresaen su forma total de intervenir en ellos. Analizar las semejan-zasy diferenciasentre los sitios requiere,pues,manejartríadasde va-lores. Aun cuandoesta operaciónpodría realizarsede una maneravi-sual, se necesitaríaun esfuerzoque,seguramente,no se corresponde-ría con una alta precisión tipológica. Precisión y manejo de datosmultivariados nos llevan, de nuevo,a buscaruna ayudaen el campode la estadística.

La cuestiónplanteadase refiere al agrupamientode un númerodecasossobrela basede los valoresque muestranen unaseriede varia-bles. Existen dos modelosestadísticoscuyo objetivo es la formaciónde grupos de casos:el análisis factorial en modo Q y el análisis deagrupamiento.Ambos compartenel objetivo, pero no el procedimien-to ni los supuestos.El análisis factorial en modo O es, como opera-ción estadística,exactamenteigual que la factorización en modo R,utilizada en el apartadoanterior; la diferenciaestriba en que son loscasoslos que se disponenen columnas,por lo que la solución resul-tante se componede factores,que resumenla semejanzade los casosconstituyendocriterios no observablesde clasificación,y de casosquesaturandichos factores.Aun cuandoestemodelo es paramuchos laforma más refinadade establecertipologíasculturales(ver, por ejem-pío, Rowlett y Pollnac, 1971), no resulta apropiadopara nuestrocaso.Nosotros no necesitaméshallar criterios subyacentesde clasificación,puesto que nuestroobjetivo es utilizar paraello los factoreslocacio-


CUADRO 6

PUNTUACIONES FACTORIALES DE LOS ASENTAMIENTOS HUANCACOEN (A) EL VALLE MEDIO-BAJO Y (E) EL VALLE ALTO

(A>

Sitio Factor 1 Factor 2 Factor 3

V- 101351596782

88/8990/91

929395

102110113130139

152/153162166167168170

0,5430,8930,146

— 1,120—0,112—0,502—0,270—0,398

0,4030,0530,0610,774

—2,519—2,812—0,711—3,716—0,562—0,245

0,8160,6760,3090,401

1,8512,0022,0540,5201,3161,2640,3170,2450,0970,32 10,5182,0991,3841,3180,9600,4540,476

—0,913—0,389—0,325—0,910—1,346

1,0181,0851,221

—1,0480,088

—0,1361,6531,6381,3751,8350,4131,116

—0,771—0,940

1,420—0,484—0,538—0,498—0,040

0,0450,0890,527

Sitio

V- 171233236237242245248249250259

260/261267271276280287288291295302310


0,350—0,147

U 3290,3480,8930,6951,0330,9790,9840,2470,468

—0,9350,490

—0,285—0,252

0,233—0,030

0,3600,6840,4421,007

—0,7780,361

—0,359—0,184—0,320—0,388— 0,954—0,903—0763

0,020—0,251

0,726— 1,260—1,422

0,155— 1,112—1,544—0,523—0,732—1,119—0,465

1,229—1,464—1,453— 1,302—0,695—0,770—0,093

0,031—0,077—1,640—1,662-0,8020,9960,713

— 0,467—0,313

0,414—1,028—1,337

0,973—0,321


V- 141719202830323339

41/425053

62/16141143149

0,4070,2690,4610,3950,9490,8050,7230,6300,6170,6060,6820,6910,363

-0,0620,1700,268

0,500—0,493

1,3280,182

—0,0670,8611,1491,0840,3420,591

—0,012—0,140—0,110

0,530— 0,749—0,676

0,047—4,736

0,7060,8560,2030,5620,7830,411

—0,817—0,673—0,321—0,118

0,126—0,039

0,8930,390

V- 150 0,128178 0,422180 —0,578181 —0,574187 —2,301192 —0,221196 —0,341199 —2,902200 —2,133202 0,270206 0,142208 0,238209 0823228 1,014230 —1,963

<B)


0 7700 4820 4870,2270 387) 2790150

S930108o 0861~

04620,8240.3180,308

0,077—1,022

1,194—0,237

0,160—3,951

0,4120,6080,552

—0,4781,4800,004

—-0.9230,5280.528


nales que hemos definido. El análisis de agrupamientopara casosre-sulta serel másidóneo.Sufinalidad es distinguir gruposde casosse-mejantesen función directa de las variables introducidas.Se calcu-lan, para ello, las «distancias»queseparancadacasode todosy cadauno de los demásy se agrupanlos quemuestrandistanciasmenores.De los distintos tipos de análisis de agrupamiento>el más apropiadoes el jerarquizado.Este no requierefijar a priori el númerode gruposdeseados,sino que va uniendo casosmedianteun proceso itei-ativo,por el cual se eleva,en cadapaso,la distanciamínima requeridaparaagruparlos,hastaque todosforman un solo grupo (Anderberg, 1973:131). El resultadosuele representarsegráficamentecon un dendogra-ma que parte de los casosseparadosy termina con la inclusión detodosellos en el único grupo. Entre estosdos extremos,el investiga-dor puedeelegir el momentode esecontinuoquemásle convenga,ob-teniendoasí un númerode gruposque puedenser interpretadoscomotipos.

Las matricesde puntuacionesfactorialesmostradasen el cuadro 6fueron tratadascon un análisis de agrupamientojerarquizado,cuyassolucionesgráficas se reproducenen las figuras 4 y 5. El cotejo detales solucionesy las puntuacionesoriginales nos permite describirlos grupos en términos locacionalesy, conforme a las corresponden-cias más arriba indicadas, funcionales.La concordanciaentre grupoy tipo no tiene por qué ser exacta, toda vez que ciertos tipos puedenabarcar un número de asentamientosmás o menos disparesentresíque no apareceránagrupadosen la solución estadística.Por ello, éstano seráaceptadaliteralmente,sino que se utilizará como una guía.

De los diez gruposmostradosen el dendogramade la figura 4 parael valle medio-bajo,hemos definido seis tipos:

1. ¡Sn primer grupo estaríaformado por los sitios V-88/89, V-90/91, V-93 y V-92. Muestran una ubicaciónpoco favorable parael control local, maximizadora y con una alta participación enel factor de control político regional. Este tercer factor veníadefinido por la centralidady una cierta proximidad a las ace-quias. La localización de estos asentamientosrespondea talescaracterísticasy, por consiguiente,han de considdarsecomola expresiónmás clara del control político a nivel regional.

2. Perdiendogrado de maximizacióny regionalidady, sobretodo,ganandoparticipación en el control local, se define un grupoformada por quince sitios, de los que nosotrossólo considera-í-ernos los que presentanvaloresmayoresde 0,400 en el primerfactor, diez en total. Estos serían los encargadosdel controlsoc!oecouonhlcoa nivel puramentelocal, relacionados,pues,confuncionesadministrativas.


3. Un grupo constituidopor nuevesitios vienecaracterizadoporsus valoresmínimos en el factor segundoy moderadosen elprimero y tercero. Son asentamientosalejados de las tierrasmarginalesy muy cercanosal río, explicandoesta cercaníasuparticipaciónaltaen el factor terceromejorquela centralidad.Se trata, pues,de asentamientoscampesinosligados al río.

4. Los trece sitios señaladosen la figura 4 con el número 4 secaracterizanpor su baja asociacióncon los factores de controllocal y regional y por unamaximizaciónmoderada,o altacomoen el caso de V-1 10 y V-1 13. Ello indica que son sitios campesi-nos, vinculadossobretodo a las tierrasde tipo 2, actualmenteno cultivadas.

5. En este quinto tipo incluimos tres sitios, en concretoV-130,V-67 y V-82. Muestranvaloresmuy bajos de control local, al-tos en cuantoa la maximizacióny moderadoso altos en cuantoa la centralidad.Si observamosel mapade Virú (fig. 2), se ad-vierte que los tresse sitúan en cerrosaisladosquesobresalende las tierrascultivadasdel valle, lo cual explica sumaximiza-ción y su centralidadmoderaday sugiere,por suubicaciónele-vada,un carácterdefensivo.

6. Los sitios y-lO, V-102, V-13 y y-Sl forman un grupo difícil deinterpretarpor sus altas puntuacionesen los tres factores.Setrataría de lugarescon una ubicaciónapropiadapara el con-trol local y regional, pero ubicadosen tierras marginales delvalle. El hecho de que se localicen prácticamentejuntos difi-culta aun más su interpretación.En todo caso, entre ellos elque muestraunamayor centralidadde alto nivel es y-Sl, y elresto se relacionaríacon el control local.

La interpretaciónde los tipos de asentamientosen el valle alto pre-sentalos problemasderivadosde su solución factorial solapada.Porello, no hemospodido sino definir tres tipos con los diez gruposmos-tradosen la figura 5 y hay queconsiderarlesmuy cuestionahíes:

1. En el nivel más alto de control sociopolíticosituaremosaque-llos sitios que, con baja participaciónen el control local, tie-nen altaspuntuacionesen el primer y tercer factor.Puestoqueel primero indicaba,a un tiempo, maximizacióny centralidadregionaly el terceroproximidad al agua,los sitios con valoresaltos en ambosseguirán el patrón marcadopor el factor decontrol regional en el valle medio-bajo,pero mezcladosconlos que presentanmeramenteuna alta maximización,sin cen-tralidad alguna. La única manerade deshacertal nudo es in-cluir en este primer tipo aquellossitios que, ademásde pun-


tuar en los factoresprimero y tercero,se aproximena los cen-tros de gravedadde alto nivel, lo cual ha de realizarsede foimavisual. Estossitios son: V-20, V-208, y-149, X’-178, X’-228, X’-28y V-209. Ciertamente,no todos puedensercentrosregionales,por lo que esta clasificaciónha de sermatizadacon un inte-rrogante.

2. Los puntos con valoresaltos en el factor segundo,maximiceno no, formaríanun segundotipo de sitios con una función decontrol local.

3. Los asentamientossin cometido administrativo alguno vienendefinidos por su caráctermaximizadory su baja participaciónen la centralidadregional, visualmenteconsiderada,y el con-trol local.

En definitiva, atendiendoa las puntuacionesde cada caso en lostres factores, se ha podido llegar a una clasificación hipotética, mu-cho más simple y cuestionableen el valle alto, quese correspondebá-sicamentecon una jerarquía administrativa y una distinción tentati-va entre dos tipos de asentamientoscampesinos,apuntándosela po-sibilidad de un último tipo de probablecarácterdefensivo.

La existenciade dos clasificacionesmás de los sitios HuancacoenVirú nos permite contrastarlos resultadosobtenidosy deducir de ellola validez de la tipología presentadaen esteapartado.La primera deellas, que fue planteadapor el propio Willey (1953), tiene un dobleaspecto: uno referidoa las característicasarquitectónicasy de dispo-sición espacialde las estructurasdentro de cada sitio y otro que re-suelve una jerarquizaciónde los asentamientosmatizandoestos ras-gos arquitectónicoscon algunas consideracionesrelativas a la dispo-sición regional. La segunda,construidapor Conrad (1978) y limitadaa los tramosmedio y bajo del valle, parte de las conclusionesde Wi-lley, peroaumentalas consideracionesespacialesmediantela búsquedade unadisposiciónhexagonalen la distribución. En los cuadros7 y 8se cotejan estas clasificacionescon la obtenida en nuestro análisis,que se basaúnicamenteen la localización de puntos indiferenciados.

El acuerdoentrelas distintasclasificacionesresultaen generalmo-derado,pero su grado varíasegúnel grupo de que se trate. Vayamos,pues,por partes.En el valle bajo, la atribución de unafunción de con-trol regional al gran complejo V-88/89-90/91-92-93coincide perfecta-mentecon la capitalidado nivel primario que le asignanWilley y Con-rad en razón de su tamaño y monumentalidad.Ello significa la con-firmación, por evidenciasarquitectónicas,de las característicasloca-cionales asociadasa nuestrofactor de control regional: centralidadyproximidad a los canalesprincipales.

Los asentamientosa los que hemosasignadouna función de con-


CUADRO 7CLASIFICACIONES DE LOS ASENTAMIENTOS DEL VALLE MEDIO-EAJO DEVIRU: (1> ATENDIENDO A LOS FACTORES LOCACIONALES; (2> ATENDIENDOA LOS RASGOS ARQUITECTONICOS, SEGUN WILLEY 1953; (3) ATENDIENDOA LOS RASGOS ARQUITECTONICOS MATIZADOS POR RASGOS LOCACIO-NALES, SEGUN WILLEY 1953; (4) ATENDIENDO A LOS RASGOS ARQUITEC-

TONICOS Y A LA DISPOSICION HEXAGONAL, SEGIJN CONRAD t978

Tipo funcional(1)

Control político regional.

Control socio-económicolocal.

Sitios campesinosvincula-dosal rfo.

Sitios campesinosvincula-dos a suelosde tipo 2 (ex-ceptoV-1l0 y V-113).

(2) (3)

CPRADMH Capital1’ —CPR1’MEMEMHMDPMDMDMEADMDMDPPADEMDMHMDMHMHMDMHCPRCPRADCPRADCAPVP

(4)

CentroprimarioCentro terciario

AldeaAldeaAldeaAldeaMdeaCentro terciarioAldeaAldeaAldeaAldea

Foco centralFoco central

Fococentral

AldeaAldeaCentro terciarioCentroAldeaCentroAldeaAldeaAldea

terciario

terciario.

AldeaAldeaAldeaAldeaAldeaCentro secundarioAldeaAldeaAldeaAldeaAldeaAldeaCentroterciario

130 Probablefunción F Fococentral Centro secundario67 defensiva. F — Aldea82 AD — Aldea10 ¿Control local? PV — Aldea

1Ó2 ¿Control local? PAR Foco central Aldea13 ¿Controllocal? AD (probable) Centro terciario51 ¿Control regional? PAR —

CLAVE—AD: acumulación de desechos.CA: casa semiaislada.MD: móntículo dedesechos.CC: construcción comunitaria. CPR: complejo pirámide-residen-cial. F: fortaleza. ME: montículo habitacional. P: pirámide. PAL: puebloaglutinadoirregular. PAR: pueblo aglutinadoregular. PV: pueblo vallado.

Sitio

V-88/8990/91

9392

166167310250249248245242

260/261295170302271288276171168287162291259237236233

152/15328026759

13911311095


trol sociocconómicolocal forman tres grupos diferenciadosque vin-culan, en el caso de los dos primeros,sitios de tipo habitacionalconpirámides o conjuntos pirámide-residenciales,denunciandoasí la au-reola religiosa con que se revestíala élite local Aunque tales pirámi-des y conjuntos coinciden,además,con centrosterciarios en la clasi-ficación de Conrad> se advierten dos desajustesEl primero serefiereal caso de los sitios y-260/261 y y-295, queno cuentancon ningunaconstrucción religiosa asociada Las más cercanasson V-276 y V-288,que para Willey y Conrad son centros terciarios,pero se sitúan rela-tivamente lejos; tal vez ello se explique por algún tipo de atracciónejercidapor otros asentamientosimportantes,como ~-l3O o la capi-tal regional. El segundo desajusteestriba en la falta, dentro de estegrupo de control local, de otros sitios que, arquitectónicamente,pare-cen estardestinadosa ello y que Conrad,en algunoscasos,consideracentros terciarios o incluso secundarios.El hecho de no haber sidodetectadosespacialmentese debea que no muestranrasgosde aglo-meraciónni centralidadlocal, seguramenteporquelos sitios comunesrelacionadoscon ellos no se han reflejado en la muestra.Se ha recu-perado,sin embargo,el sitio V-167 como centro administrativo,queConrad, aun tratándosede una pirámide,calificó de simple aldea.

La virtud del tratamiento multivariado de datos locacionalesseevidencia con la distinción de dos tipos entre los sitios consideradoscampesinos.El primero de elfos se distinguepor su vinculación al ríoy está constituido por acumulacionesde desechos,que también Con-rad clasifica como aldeas,y tres pirámides,cuya presenciaaquí se haexplicadoantes.El segundo,con unosvaloresmediosde maximización,se ubica en los suelosde tipo 2, aquellos que no son actualmentecul-tivados; su calificación como sitios campesinoscoincidecon la de Con-rad, exceptoen el caso de V-280, que tanto éstecomo Willey conside-ran un centrode importancia,y en los de V-152/153 y V-59 que,aun-que Conrad los define como aldeas,son complejos pirámide-residen-ciales. La presenciade centrosgrandesen estossuelosde tipo 2 no hasido detectadaen el análisis,pero pareceseguiralgunapauta.Aunqueaventurada,es posible plantear una hipótesis sobre ello. El algodóny el maíz, cultivos principales de la costa peruana,requierenrasgosedáficos diferentes; el maíz tolera un mayor grado de pesadezy sali-nídad en los suelos que el algodón (Arca y Campa, 1963:78), que esmás afectoa suelosarenosos,de fácil drenaje,y no requiereunaexce-siva cantidad de agua(Weberbauer,1945: 614). Puesto que los estu-dios pedológicosindican que los suelos costerosson pesadosy sali-nos en las márgenesde los ríos, por efecto de las filtraciones marinas(Zavaletay Arca, 1963:44), del boro que transportanen solución (Ba-zán et al., 1973:184)y de la pocaprofundidadde la capafreática (Fa-rrington, 1978:120),tal vez la diferenciaciónespacialde sitios vincula-


dos al río y sitios vinculados a los suelos de tipo 2 refleje unaespecializaciónde los asentamientosen el cultivo del maíz, para elprimer caso, y en el del algodón, para el segundo La importanciaartesanale ideológicadel algodón en la costa.explicaríala presenciade grandescentrosde control en la zona de su cultivo

El quinto tipo definido confirma su caráctermilitar, puesto queV-67 y V-130 son fortalezas.La presenciade ~-82 se debea que, sibien no comparte con los anterioresningún rasgoarquitectónic¿,sulocalización es muy similar: sobreun cerro emergidode los suelosdelvalle. La ubicaciónde los tressitios tiene un carácterestratégico.V-82controla el pasoactualmenteutilizado por la carreterapanamericana,V-67 el punto en el queel valle comienzaaabrirsea la llanuracostera,y \‘-130 se sitúa muy cerca de lo que será,en el Horizonte Medio, unavía de comunicacióncon otros valles y, en el Intermedio Temprano,podía ser una posible ruta sin manifestacionesarquitectónicasperocon la mismafinalidad.

En el valle alto, la clasificación no ha dado resultadosútiles. Elcentro político regional fue, segúnWilley, el sitio V-149. Si bien esta-ba incluido entre los que consideramosde probable función políticaregional, la presenciajunto a él de otros siete asentamientosno per-mitía aventurar, desdeun punto de vista espacial,cuál de ellosera elverdaderocentro. Los sitios a los que se les ha atribuido unafunciónde control local coinciden,en general,con pirámidesy pueblosaglu-tinados de disposicióninterna regular; constituyencuatro conjuntos,algunoscon una gran concentración.Es este grado tan alto de aglo-meraciónel que no permitedefinir con más exactitudcuál de los si-tios dentro de cada grupo puedeserel administrativo Por último, laconsideracióncomo aldeascampesinasde los sitios del tipo terceroparececorrespondersecon la forma con que los describeWilley: acu-mulacionesde desechosy aldeasaglutinadasde disposición irregularLa clasificaciónyerra, sin embargo,al incluir una pirámide y, sobretodo, al no detectarla presenciade una fortaleza como y-62/16, quecontrolabala confluenciadel Huacapongoy el Alto yirú.

DISCUSION

En los apartadosanteriores se ha definido el patrón de asenta-miento de la cultura Huancacoen yirú. La tendenciamás importantecomprometidaen dicho patrónresultó ser la querespondea la nece-sidad de dominar, social y económicamente,la poblacióncampesinaen un nivel local por parte de la élite religioso-administrativa.Una se-gundaes responsablede las ubicacionesen o cercade las tierrasmar-ginalesdel valle conel objeto de maximizar la superficieagrícolapro-


CUADRO 8CLASIFICACIONES DE LOS ASENTAMIENTOS DEL VALLE ALTO DE VIRIl:(1) ATENDIENDO A LOS FACTORES LOCACIONALES; (2> ATENDIENDO ALOS RASGOS ARQUITECTONICOS, SEGUN WILLEY 1953; (3> ATENDIENDO

A LOSRASGOSARQUITECTOMCOSMATIZADOSPOR RASGOSLOCACIONALES, SEGUN WILLEY 1953

SitioTipo funcional

(1) (2) (3)

Y- 20228208149178

28143209

¿Control político regional?

CCPAlPCPRPVCCPVCA

C

C

C

Capital

—

—

—

—

230200199

19323330

20641/42

39141196

14

Control socio-económico local

PPPPARPATADPAlPPAlPARPPPAR

—

—

—

—

—

—

—

—

—

—

—

—

—

17192

187/188180181150

62/16202

5350

Sitios campesinos

ADPAl1’PAlPAlPALFADPARAD

—

—

—

—

—

—

—

—

—

—

CLAVE (ver cuadro 7).

ductiva; el menor rango de estaúltima consideraciónse veía atenua-do, e incluso convertido en el aspectolocacional más relevante,a me-dida que, por razonespuramentetopográficas, se reducíala disponi-bilidad de superficie cultivada. Una tercera y última tendencialoca-cional se relaciona con el control político de más alta jerarquía en elvalle y se define por su centralidadespacialy su cercaníaa los cana-les principales de irrigación. Las interrelacionesde estaspautasmos-


traron una independenciaentrela élite regional y la élite local, quesuponela superposiciónde aquéllasin afectarestructuralmentela or-ganizaciónde ésta; se advirtió tambiénque la disposiciónespacialdelos requerimientosde control local es opuestaen virú a la disposi-ción maximizadorade los recursosagrícolas,subrayandoaun más elpapel secundariode esta última con respectoa la primera Por últi-mo, en función del grado en que cadaasentamientoes expresiónes-pacial de cadaunade estaspautas,se ensayótambiénuna tipologíafuncional de los mismosque resultóen la definición de cinco tipos:dos administrativos, central y local, dos habitacionales,vinculadosprobablementeal cultivo del maízy del algodón,y uno defensivo.Lasconsecuenciase hipótesis histórico-culturales que de ello se derivanhan sido ya discutidas.Centrémonosahoraen una evaluaciónde losaspectosmetodológicosde estosresultados.

Creemosque ha sido mostradaclaramentela viabilidad del aná-lisis factorial en el estudio de las relacioneslocacionalesentreasen-tamientos.Pero la verdaderacuestión no se expresaen términos desu viabilidad, sino de las ventajasquesu aplicaciónes capazde apor-tar. En definitiva, la preguntaes si la complejidad técnicaque añadeel uso de un procedimiento estadísticomnultivariante se ve compen-sadapor los resultadosa que éstenos puedellevar en la investigaciónespacialque nos ocupa.Aunque nuestrarespuestaes afirmativa, y enseguidaserá analizadoel porqué, es obvio que conceptostales como«complejidad»o «compensación»son relativos y, en última instancia,difíciles de generalizar.

En la introducción de estaspáginasfueron planteadosdos proble-mas iniciales: por un lado, la necesidadde precisión y tratamientomultivariante en el manejo de datosarqueológicosen generaly, porotro lado, las limitaciones de información que presentanlos mapasarqueológicosregionales.El uno respondea una concepción teóricaacerca de la organización y funcionamiento de las sociedades,unaorientación sistémicaque enfatiza las interrelacionescomplejasentreelementos,y el otro suponeun reto, el de extraer la mayor cantidadde conclusionesde esosmapas a pesar de las limitaciones. Creemosque el análisis factorial, en los estudiosde patronesde asentamiento,se acoplaal primero y salva el segundo.

El uso de un elevado número de variables que rompa así con vi-sj<iines excesivamentesimplistas y deterministasdc la sociedades talvez el requerimiento que con ma’:or claridad desembocaen aproxima-ciones ceiant~tati”as. No se traía de que no sea posible atendera lao JIOOVG¿L de muchos factores dc cm.i forma visual, sino de que. ellocuge un esfuevzo de análisis y discriminación que, muy prúbable-mente, río sc correspondevacon una alta calidad en los resultados.En nuestro caso, se bao manejado nueve variables distintas que, de


haber contado con más información de partida, se habríanmultipli-cado sin dificultad. Nuestros resultados,sobre la base de esasva-riables, no contradicenlos obtenidospor otros estudios,como el deConrad,pero sí los profundiza, matiza y precisa.Los factores que hansido delineadosno sólo distinguen con claridad una serie de pautaslocacionales de alto significado cultural, sino que también arrojanluz, a través de las; asociacionesde variables que constituyen los fac-tores, sobre los distintos conceptosy relacionesde estos conceptosque juegan un papel en cada uno de esosfactores.Ademásde dar unpeso relativo a estaspautas,se hanpodido observarlas relacionesquemantienenentreellas. La expresiónprecisa,numérica, de todos estosresultados puede parecer excesiva en relación con el uso que hace-mos de ellos, pero, sin embargo, se revela de gran utilidad cuandocfltiS os en el terreno comparativo.

=4w‘;bstowíc el uso de la factorización de datos locacionalesnoes sícmorc powble ni rentable.Si la matriz de datos es pequeñao muy

sea o/y por-plana, o1 número de variables introducidas batque lo’vd número de asentamientospor analizar, su tratam~eniofactorb... o. ‘. vis oc presentarproblemas técnicos,puederesoltarmáslargo y ¿~y: .v<: que ta observacióny análisis directos. Obviamente,laaplicacifln cci diseño desarrollado en este artículo parte dc la evi-dencia, que r.úsotros hemos dado por supuesta,de la conterapora-nerdaddc los sitios involucrados. Todo ello ha de evaluarsea la horad. ut¡ l~íar una tec.r¼.a. estadisticacomo Ci análisis factorial.

Por otro lado. .1 heenode que esos resultadosse obtengandc: losdatos rcflekdús en un mapaatqueologici) aportauna dimensión mása ~stas ¿orísí.teraciones.La einboraue;t c1e estos manas suele c~msti-mr Ci wrmer paso en rruyeetos arcaicoógicos de carácter regional.Para e.s~os ca o la definición de un pacron oc asentamientoen elque se cXp iv>a .1 1T12 ¿1 que se -¿Suelan y relacionar las distintasvarables oc mr~~ uit de de hipótesis que contrasvÁC en pasos coste-ru-vcs. oc~c, -~n e’te sentido, no hemos agotado ay posiBilidadesdelLraIamic.)to ‘cioriiJ Aunque c-xcede de los limites de esle trabajo,ruede £ esolta’ ínteresantuar.untarlos dixcrso~ pioblemasque,a :ues-cro i mciii. p nc d. it. ni e ar factorizac~ón de datos locací >11.’íes. Basta,por y - tupo mn re caí cl misne nro de diseñe 1 actora1 mot 1 j aJo¿.qui ¿tu. uno de os pci ío& s cultuí Ole; de la ltstorM .1’- Víru parat)Ii)tkl . 1 1 ualoroní>cc PluluiflO? le OS canib~os haLídeÑ r cl ,

1.. ,. a . dei ~ De CS’LE ríod, udflde t»

‘a ‘. ~~1I( ~ ~- a> ‘fl cnt ‘“~‘ie,’cetdent:<, e,,, -

~ 1~ ti ti 0> fi itt (les. CtÑt’1Flt ~ .j~ 4 1nc o. u fi teca sc la ‘iDa . O ¶ it ) 1

Ñ ¿ates, o úl atJ Oil ti &Ofi¼.051¿ltE,le Vil ciamos; sí BU.sínc de linear cales 1 actores.Sobn !a basedc estosarsá~isi so o


o en lugar de ellos, puedevariarse la forma de la matriz de datos,su modo. Por ejemplo, si dispusiéramosperíodosculturalesen lascolumnasy las variablespasarana formar las filas (modo O), obten-dríamosun agrupamientode los períodosculturales segúnla varia-ción semejantede las variablesen cadauno de ellos. Si, de otra ma-nera, mantuviéramoslas variables dispuestasen columnasy en lasfilas colocáramos,en lugar de casos,períodosculturales (modo P),las matrices resultantesmostrarían factoresen los que se proyec-tarían variables asociadasen función de su comportamientohistó-rico, constituyendoasí pautasdiacrónicasde conductalocacional.Conestosanálisis,tal vez complementadoscon prácticasde simulación,sedispondría de datos precisosy de caráctermultivariado para intentardefinir los procesoslocacionalessubyacentesen la evolución históri-ca de unadistribución regional de asentamientos.

Para el caso de proyectosarqueológicosregionaleses,por último,particularmenteútil la posibilidad de realizar una clasificación fun-cional de los asentamientos.Quizá una de las decisionesmás impor-tantes que han de tomarseen este tipo de proyectosseala de elegirdóndeexcavar>toda vezquees imposible,evidentemente,abarcartodala región. Una clasificación de los asentamientosregistradosque deli-mite, aunquesea de modo tentativo, sus funciones aporta un mayorgrado de información a la hora de resolver este problema.La exis-tencia de otro tipo de datos,como los derivadosde las característicasarquitectónicas,permite contrastar evidenciasde carácterindepen-dientey, en cualquiercaso,las divergenciasdetectadaspuedenresul-tar significativas.

AGRADECIMIENTOS

La realización de esta investigaciónno hubierasido posible sin elapoyode don JoséAlcina Franch,quedirigió mi trabajoy obtuvo laposibilidad de utilizar el Centro de Procesode Datos de la Universi-dad Complutensede Madrid. Doña Mercedes Guinea y don MiguelRivera me ofrecieron sus valiosas apreciacionesy criticas, que he in-tentado recoger.Por supuesto,la responsabilidadde lo escrito es úni-camente mía. Sin la amistad y paciencia de doña Loreto Rojo estetrabajo no hubierallegadoal papel. Graciasa todos ellos.

BIBLIOGRAFíA

ANDERBERG, Michael.1973. Cluster analysis for applications,AcadeiniePress,New York.

Determinacióndel patrón de asentamientoregional..- 119

ARcA, M. 14., y A. CAMPA.1963. Efecto de la salinidadcausadapor el cloruro de sodio y el nitrato de

sodio en la germinacióndel algodonero,cebaday maíz. AnalesCientí-jicos, 1 (1): 64-79. UniversidadAgraria, Lima.

BAzÁN, R.~ J. A. ESTRADA y L. MAssoN.1973. El boro en los suelos de la costa peruanay su posible efecto sobre

los cultivos. Anales Cientíjicos, 11 (3-4): 181-188, UniversidadAgraria,Lima.

BENFER, RobertA.1972. Factor analysis as numerical induction: how to judge a book 1»’ its

cover. AmericanAnthropologist, 74: 530-554,Menasba.BUcKLEY, Walter.

1977. La sociologíay la teoría modernade los sistemas,Amorrortu, BuenosAires.

CATTELI., RayrnondB.1978. Pie .scientijic useo/factor analysis in behavioral and lije sciences,Píe-

aiim Press,New York.CI,ARKE, David L.

1968. Ana/ytice? archaeo/ogy,Methuen, London.1977. Spatial information in arcbaeology.En: Spatíal archaeology (CIar-

ke, cd.): 1-32. Academie Press,London.COHEN, Mark 14.

1978, Archacologicalplantsremainsfrom the central coast of Peru, ÑawpaPacha, 16: 23-51, Berkeley.

CONRAD, Gc-offrey W.1978. Models of corupromise in settlement pattern studies: an example

trom coastal Peru. World Archaeology,9 (3): 281-299, London.DONNAN, C. E.

1973. Moche occupation of the SantaVa/ley, Pera. University of CaliforniaPublicatious in Anthropology, 8, Berkeley.

EsrÉaxÑaz,José,y Roy P. BRAD5HAW.1978. Técnicasde cuantificación en geografía, Tebar Flores, Madrid.

FARRJNGTON, lan 5.1978. Irrigación prebispánicay establecimientosen la costa norte del Perú.

En: TecnologíaAndina(Ravines,comp.): 117-128, Instituto de EstudiosPeruanos,Lima.

FORD, JamesA., y Gordon R. WILLEY.1949. Surface survey of the Virú ValIey, Perú. Anthropological Papers of

the Museumof Natural Ilistory, 43, parte primera,New York.GOULD, P.

1969. Problemsof spacepreferencemeasuresand relationships.Geographi-cal Analysis, 1: 31-44, London.

HACCEn, Peter.1975. Análisis locacional en geografía humana,Gustavo Gili, Barcelona.

HARMAN, Harry H.1980. Análisis factorial moderno,Saltés,Madrid.

HoDDER, len R., y CINe R. ORTON.

1976. Spatial analysis in archaeology, Cambridge tlniversity Press, Cam-bridge.

LÁrnnNC, Edvtard P.1967. Peru be/ore the Incas. Prentice-Hall. Englewood Cliffs, New Jersey.


LIscHKA, JosephJ.1975. Broken Krevisited: a short discussionof factor analysis. American

Antiquity, 40: 220-227. Salt Lake City.Moíutis, Craig.

1973. Establecimientosestatalesen le Tawantinsuyu: una estrategiade ur-banismoobligado. Revistadel MuseoNacional, 39: 127-142, Lima.

MOSELEY, Edward P.1978. Principios de organizaciónlaboralen el valle de Moche. En: Tecnolo-

gía Andina (Ravines,comp): 591-600, Instituto de EstudiosPeruanos,Lima.

PROULX, Donaid A.1968. An archaeological survey of the NepeñaValley, Peru, University of

MassachussettsResearchReport, 2, Aniherst.PUYOL, R., y 1. ESTÉBANEZ.

1978. Análisis e interpretación del mapa topográfico, Tebar Flores, Madrid.ROWLETTJ R. 14., y R. B. POLLNAC.

1971. Multivariate analysis of Marnian La Téne cultural groups. En: Ma-thematics in the archaeological arid historical sciences(Hodson,Ken-dalí y Tautu, eds.): 46-58, Edinburgh University Press.

RUMMEL, R. Y.1970. Applied factor analysis, NorthwesternUniversity Press, Evanston.

SHTMADA, Izumi.1978. Economyof a prehistorieurbancontext: commodity and labor flow

at Moche V PampaGrande.American Antiquity, 43 (4): 569-592, SaltLake City.

SIEGEL, Sidney.1972. Estadística no paramétrica aplicada a las ciencias de la conducta,

Trillas, México.TRIOGER, Bruce G.

1971. Archaeology and ecology. World Archaeology, 2 (3): 321-336, London.VIERRA, RobertK., y David L. CARL5ON.

1981. Factor analysis,random data and patternedresults. American-Antí-quity, 46 (2): 272-283, Salt Lake City.

WÁTsoN, Patty Y.; StevenA. LEBLANc y Charles L. REDMAN.1981. El método científico en arqueología,Alianza Editorial, Madrid.

WEBERBAUER, August.1945. El mundo vegetal de los Andes peruanos,Ministerio de Agricultura,

Lima.WíLLEY, Gordon R.

1953. Prehistoric settlementpatterns in the Viril Valley, Peru. Smithso-nian Institution Bureau of American Ethnology, Bulletin 155, Wa-shington.

ZAvALETA GARCÍA, Amaro, y Manuel ARCA BLELICK.1963. Grandesgrupos de suelos identificadosde forma generalizadaen el

Perú. Agronomía, 30 (3): 37-53, Lima.

Determinación del patrón de asentamiento regional: Una ...Determinación del...

Documents

Transcript of Determinación del patrón de asentamiento regional: Una ...Determinación del...