GIS-CLUSTERING: Identificación de Clusters

XXXV Reunión de Estudios Regionales

El desarrollo regional en periodos de cambio.

IV Jornadas valencianas d’estudis regionals

Valencia, 26 y 27 de noviembre de 2009

GIS-CLUSTERING: Identificación de clusters

FEDERICO PABLO-MARTÍ

e-mail: [email protected]

CARLOS MUÑOZ-YEBRA

e-mail: [email protected]

Departamento de Estadística, Estructura Económica y O.E.I.

Universidad de Alcalá

Área temática: Distritos industriales/ clusters territoriales

G I S - C L U S T E R I N G : I D E N T I F I C A C I Ó N D E C L U S T E R S

Resumen (máx. 300 palabras) El análisis de las ventajas de las economías de

aglomeración y su influencia sobre las decisiones de localización empresarial ha sido

objeto de gran interés por parte de la economía regional. Sin embargo, no son muchos los

estudios que a escala nacional han tratado de identificar y valorar el tamaño, forma,

densidad y otras características de las principales concentraciones empresariales.

Recientemente, la mejora de las fuentes estadísticas, han posibilitado la realización de

algunas importantes aportaciones al respecto.

Sin embargo, los resultados obtenidos, no parecen identificar o valorar en su justa medida

gran parte de las aglomeraciones empresariales existentes. Con objeto de contribuir a una

mejor conocimiento de nuestra estructura productiva y distribución espacial, este trabajo

plantea una nueva metodología de identificación de aglomeraciones empresariales o

clusters, utilizando la base de datos geo-referenciada SABI y las más novedosas

herramientas GIS aplicadas al análisis económico espacial.

Los resultados obtenidos parecen demostrar la validez de esta metodología y sus,

importantes ventajas frente a otras metodologías utilizadas en los estudios más recientes

en este mismo campo en España.

Palabras clave: cluster, GIS, localización empresarial, economía espacial.

ÍNDICE

1. Introducción .................................................................................................................................................... 3

2. GIS-CLUSTERING: Identificación de clusters mediante datos geo-referenciados ........ 6

3. Principales resultados: Comparativa ISTAT→SITEDEC→GIS-CLUSTERING ............... 13

4. Conclusiones .................................................................................................................................................. 20

5. Tabla de ilustraciones ............................................................................................................................... 25

6. Bibliografía...................................................................................................................................................... 25


1. INTRODUCCIÓN

Como expuso Alfred Marshall (MARSHALL, 1890), las empresas alcanzan economías de escala a través de la concentración de la producción en un territorio cooperando y compitiendo entre ellas. La obra de este gran economista constituye, sin duda, uno de los principales referentes históricos de los economistas contemporáneos que valoran la importancia de los factores espaciales y sociales en la teoría económica.

Posteriormente, han sido muchos los economistas que han trabajado sobre algunos de los aspectos y/o conceptos introducidos o desarrollados por Alfred Marshall y, en concreto, sobre las economías de aglomeración y su influencia sobre las decisiones de localización empresarial. En especial, un aspecto muy importante lo constituye el poder realizar una correcta identificación de estas concentraciones “marshallianas” de producción en un territorio. En este sentido, la obra de este gran economista ha constituido el principal referente histórico de los conceptos de “distrito industrial” y “cluster” posteriormente introducidos por Giacomo Becattini (BECATTINI, 1979) y Michael Porter (PORTER, 1990) respectivamente.

Respecto al concepto de distrito industrial existe una mayor homogeneidad, girando la mayor parte de la literatura entorno a la conceptualización introducida por Giacomo Becattini (BECATTINI, 1990), que define el distrito industrial como una “entidad socioeconómica que se caracteriza por la presencia activa de una comunidad de personas y una población de empresas en un área natural e históricamente delimitada.”

Sin embargo, el concepto de cluster industrial presenta una gran ambigüedad en la literatura económica (DGPYME, y otros, 2006), y ha sido práctica común adaptarlo a las necesidades concretas de cada autor. Entre las múltiples definiciones que se podrían dar nos podemos quedar, por su generalidad y trascendencia del autor, con la expresada por Michael Porter (PORTER, 1998a): “Un cluster es un grupo de empresas interconectadas e instituciones relacionadas en un determinado campo, que se encuentran próximas geográficamente, y que están vinculadas a través de elementos comunes y complementariedades.”

Ambos conceptos recogen en último término un fenómeno similar: las empresas obtienen ventajas derivadas de la concentracción o agrupación territorial. Por ello son muchas veces confundidos, tratados indistintamente o, simplemente se argumenta que son dos términos que describen el mismo fenómeno, no existiendo una diferencia relevante entre ambos.


Sin embargo, analíticamente si se puede afirmar que existe una clara barrera entre la definición de ambos conceptos. Como expone uno de los principales colaboradores y desarrolladores de los trabajos de Becattini, Fabio Sforzi (SFORZI, 2008), “El distrito industrial, para Becattini, representa la entidad intermedia entre el sujeto económico singular y el sistema económico general, que asume la descripción de «una comunidad local junto con la propia industria»; esto es, una industria definida a través de la comunidad local (lo que ésta produce y el modo en el que organiza la producción), en lugar de a través de la tecnología productiva. Esto equivale a un vuelco del enfoque teórico tradicional de la investigación económica: en lugar de proceder desde la industria hacia su localización, se procede desde el lugar (donde propiamente se desarrolla la vida de las personas) hacia su industrialización”.

Pero, al margen de las diferencias entre los conceptos de “cluster” y “distrito industrial” marshallianos y las metodologías aplicadas por ambas líneas de investigación; bajo la perspectiva del análisis económico aplicado quizás, al menos en una primera fase, lo más importante sea identificar esas agrupaciones territoriales de empresas que pueden obtiener ventajas derivadas de su concentracción espacial.

En España, algunas instituciones públicas (principalmente en el País Vasco) se han mostrado interesadas por la metodología y trabajos de Michael Porter, y se han fomentado estudios específicos de carácter autonómico y/o sectorial que han tratado de identificar y desarrollar clusters existentes. Sin embargo, no se ha aplicado este tipo de metodología de forma homogénea y general a todo el territorio nacional. La propia ambigüedad del concepto (DGPYME, y otros, 2006) y el elevado grado de subjetividad de algunas de las metodologías empleadas, dificulta su aplicación de forma uniforme al ámbito nacional.

Quizá el intento más reciente y amplío de identificar los principales clusters de actividad económica en cada región, lo constituye una interesante iniciativa llevada a cabo por Dirección General de Política de la Pequeña y Mediana Empresa (DGPYME) del Ministerio de Industria, Turismo y Comercio. Esta última puso en marcha durante el año 2006, el Sistema Telemático de Declaración de Cluster (SiTeDeC) en el que se pretendía recoger la información recibida de distintos responsables y/o gestores regionales sobre los clusters existentes en su comunidad. Esto se realizaba mediante un sistema telemático que, al tiempo que recogía la información de una forma organizada, servía para homogenizar criterios en la definición e identificación de clusters.

Por otro lado, los primeros trabajos centrados en la identificación de “distritos industriales” datan de finales de la década de 1980 y principios de la década de 1990. La gran mayoría de estos trabajos se han realizado sobre ámbitos


territoriales limitados y fundamentalmente centrados en las comunidades Catalana y Valenciana. Así, los primeros trabajos que se pueden destacar son los de (COSTA, 1988) en el ámbito de la comarca del Vallés Oriental en Cataluña e (YBARRA, 1991) en el ámbito del País Valenciano. Les siguen, cronológicamente, los trabajos de (TOMÁS, y otros, 1997), (CAMISÓN, y otros, 1998), (SOLER, 2000) y (GINER, y otros, 2002) en el País Valenciano o el enfoque realizado por (TRULLÉN, 2002) centrado en la metrópoli de Barcelona.

Posiblemente, los primeros trabajos de ámbito nacional son los realizados por la propia Costa (COSTA, 1992) y, partiendo de éste último, el realizado por el Ministerio de Ciencia y Tecnología (MICYT, 1993).

Pero quizás, las últimas y más completas aportaciones han sido las realizadas por Rafael Boix y Vittorio Galetto de la Universidad Autónoma de Barcelona que, partiendo de explotación estadística especial (desagregada a nivel municipal) del Directorio Central de Empresas (DIRCE)1, han aplicado la metodología ISTAT2 para la identificación de distritos industriales en España (BOIX, y otros, 2006). Esta metodología permite su aplicación a todo el territorio nacional de forma homogénea y la comparación de sus resultados con los obtenidos en Italia; país que constituye una referencia obligada en el estudio del fenómeno del distrito marshalliano.

En el presente trabajo, se propone una nueva metodología alternativa para la identificación de cluster, basada en la utilización de datos georeferenciados y la aplicación de las potentes herramientas que proporcionan los Sistemas de Información Geográfica (GIS). Los resultados obtenidos mediante esta metodología, que en adelante se denominará GIS-CLUSTERING, se contrastarán con los obtenidos por la metodología SiTeDec (DGPYME) y por los obtenidos mediante la aplicación de la metodología ISTAT (realizada por R. Boix y V. Galletto).

1 Directorio Central de Empresas. Instituto Nacional de Estadística.

2 El Istituto Nazionale di Statistica Italiano (ISTAT) definió en 1996 una metodología cuantitativa para la identificación de distritos industriales a partir de una batería de coeficientes de concentración (de naturaleza socio-económica) anidados (ISTAT , 1997). Esta metodología es conocida como Sforzi-ISTAT por ser Fabio Sforzi su principal desarrollador.


2. GIS-CLUSTERING: IDENTIFICACIÓN DE CLUSTERS MEDIANTE DATOS GEO-REFERENCIADOS

La localización de las empresas se realiza en torno a núcleos de población, pero también en torno a vías de comunicación (normalmente condicionadas por el entorno físico: ríos, valles, cadenas montañosas …) o infraestructuras relevantes. Por tanto, las aglomeraciones empresariales en muchas ocasiones se distribuyen por zonas que abarcan parcialmente distintos términos municipales, constituyéndose el territorio en el eje vertebrador de la aglomeración. La información referenciada administrativamente puede desvirtuar sensiblemente una correcta identificación de estas aglomeraciones.

La metodología empleada trata de identificar aglomeraciones de empresas a través de su proximidad geográfica, porque parece razonable pensar que este criterio dará resultados más precisos y ajustados a la realidad, que los obtenidos en base a información referenciada administrativamente.

Para la aplicación de esta metodología es necesario decidir cuatro cuestiones fundamentales:

1. ¿Cuáles son las aglomeracionesque estamos estudiando?. ¿Se van a tratar de identificar aglomeraciones de empresas de un mismo sector, o se van a incluir también otros sectores con los que exista un elevado grado de interrelación?

2. ¿Cuál es el grado de desagregación sectorial con el que se va a trabajar?

3. ¿Cuáles son las distancias máximas entre empresas/establecimientos que consideramos adecuadas para la identificación de aglomeraciones?

4. ¿Cuál es el criterio para detectar y seleccionar las aglomeraciones empresariales o clusters?: número de empresas, peso en el conjunto nacional/regional, importancia relativa en la zona …

Lógicamente, la respuesta a estas cuestiones dependerá de los objetivos y ámbito espacial del estudio. En lo que concierne al presente trabajo, el objeto es meramente ilustrativo; mostrar las potencialidades de esta técnica de


identificación de clusters, además de poder comparar sus resultados con los obtenidos mediante otras técnicas (ISTAT y SITEDEC). En cuanto al ámbito espacial del presente trabajo, por las mismas razones, éste es nacional, con la única excepción de las Ciudades Autónomas de Ceuta y Melilla.

Teniendo en cuenta el objetivo y ámbito espacial del presente trabajo, se han adoptado los siguientes criterios:

1. Se van a estudiar posibles aglomeraciones de empresas del mismo sector. El análisis podría contemplar distintos sectores o ramas de actividad que presenten un elevado grado de interrelación. Sin embargo este no es objetivo del presente trabajo.

2. Como un objetivo básico del presente trabajo es que sus resultados sean comparables a otros existentes; se va a trabajar con el mismo grado de agregación sectorial empleado por Rafael Boix y Vitorio Galletto en sus análisis.

TABLA I: DESAGREGACIÓN SECTORIAL

DENOMINACIÓN CNAE93

Alimentación, bebidas y tabaco 15 - 16 Textil y confección 17 - 18 Industrias del cuero y calzado 19 Productos para la casa 20 y 26 Papel, edición y artes gráficas 21 - 22 Industria petroquímica 23 - 25 Metalurgia 27 Industria mecánica 28 - 33 Material de transporte 34 - 35 Otras industrias manufactureras 36

3. Se han definido dos criterios de proximidad:

a. Clusters5k: compuestos por aglomeraciones de empresas situadas a una distancia máxima de 5 Km de, al menos, una del grupo. (Ver Fases 1 a 4 en la siguiente tabla)


b. Clusters25k: compuestos por aglomeraciones de empresas situadas a una distancia máxima de 25 Km de, al menos, una del grupo. (Fases 6 y 7)

4. Respecto a los tamaños mínimos que se han tenido en cuenta para consider a una aglomeración como cluster industrial, estos han sido:

a. Para considerar una aglomeración como cluster5k se ha exigido que éste concentre, al menos, un 1% de las empresas del sector a nivel nacional. (Ver Fase 5)

b. Para considerar una aglomeración como cluster25k se ha exigido que éste concentre, al menos, un 3% de las empresas del sector a nivel nacional. (Ver Fase 8)

c. Se ha considerado un tercer tipo de cluster que recoge aquellos cluster25k que, aunque no tengan mucha relevancia a nivel nacional (no superan el 3% de las empresas del sector a nivel nacional) si tinen un peso muy importante en la zona. El criterio elegido ha sido cluster25k compuestos por, al menos, 10 empresas y que suponen un mínimo del 40% de las empresas industriales de la zona. (Fase 10)

Para la implementación de esta metodología en un GIS se ha utilizado la base de datos georeferenciada SABI y el software ArcGis 9. En la tabla recogida en las siguientes páginas se resume cuál ha sido el procedimiento empleado en 10 Fases:


TABLA I: METODOLOGÍA GIS-CLUSTERING

FASE 1: Partimos de la capa de empresas del sector objeto de estudio, que tiene un formato de puntos correspondientes a las coordenadas cartográficas de cada empresa. Convertimos esta capa de puntos en una nueva capa en la que cada punto pasa a ser el centro de un círculo de 2.500 metros de radio. Por ejemplo, convertimos el fichero METALURGIA.shp (point shape) en un nuevo fichero denominado METALURGIApolygon.shp (polygon shape) con un número de polígonos igual al número de empresas.

Cada empresa pasa de estar representada por un punto en el espacio a ser representada por un círculo de 2.500 metros de radio.

FASE 2: A continuación unimos cada grupo de círculos que presentan algún tipo de contacto o intersección entre sí en un único polígono Obtenemos una capa con un único registro que representa una única superficie, pero muy fragmentada en círculos o agrupaciones de círculos.

FASE 3: Seguidamente se fragmenta la capa (constituida por un solo polígono) generando un nuevo fichero (METALURGIA2.shp) en el que cada fragmento del polígono anterior pasa a ser un polígono independiente con una identificación propia.


FASE 4: A cada polígono obtenido se le asigna el número de empresas del sector (industria metalúrgica en este caso), que contiene cada polígono o área; así como el número total de empresas (para poder obtener coeficientes de especialización de cada polígono)

FASE 5: A partir de esta capa de polígonos se han identificado los que presentan una mayor concentración de empresas del sector objeto de estudio y se han denominado cluster5k; definidos como aquellas áreas en las que se localizan empresas de un sector de forma contigua, distando cada una, con al menos otra del grupo, un máximo de 5Km; y que concentran, al menos, el 1% del total nacional de empresas del sector.

CLUSTER5K→PIA≥1%

푃ia=퐸ia 퐸i

FASE 6: Ahora, partiendo de la capa elaborada anteriormente, se pretende ampliar el ámbito espacial de los cluster, permitiendo distancias de hasta 25Km entre empresas. Para ello se agregan polígonos que no disten más de 25Km entre sí.


FASE 7: A partir de la agrupación de empresas a distancias no superiores a 25Km, hemos construido polígonos que representan la distribución de estos grupos en el espacio. Pero hemos perdido la información original de la localización exacta (point.shape) de cada empresa. Realizamos un spatial join como en la fase 4 para recuperar la información de las empresas del sector que se encuentran localizadas dentro de cada polígono.

FASE 8: Teniendo la información de las empresas localizadas dentro de cada polígono, podemos establecer criterios de selección para identificación de clusters. El criterio adoptado ha sido seleccionar y denominar como cluster25K a aquellos polígonos que contienen al menos el 3% de las empresas del sector a nivel nacional, están localizadas de forma contigua y distan, con al menos otra de ellas, un máximo de 25Km.

CLUSTER25K→PIA ≥3%

푃ia=퐸ia 퐸i

FASE 9: En las fases anteriores hemos obtenido dos capas cluster5K y cluster25K que recogen, con distintos criterios de distancia, las zonas en las que se producen las mayores concentraciones de empresas del sector a nivel nacional. Como es lógico, es frecuente que los cluster5k se encuentren contenidos en cluster más amplios, los cluster25K.


FASE 10: También parece importante identificar concentraciones de establecimientos que, aunque no sean muy relevantes a nivel nacional, puedan presentar una especial relevancia comarcal o local derivada del elevado grado de especialización de una zona en el sector objeto de estudio. En este sentido se ha optado por hallar el peso de cada sector en su zona (polígono) e identificar aquellos que presentan una importante 3 especialización.

ESPECIALIZACIÓN→Sai>30%

푆ia= 퐸ia 퐸a

Los resultados obtenidos son las formas espaciales de los clusters identificados, con toda la información disponible de las empresas en éstos contenidas. Estos resultados, como se ha explicado anteriormente, no tienen correspondencia con divisiones administrativas; pero es muy fácil asignar a qué unidades administrativas corresponden, en qué medida, etc.

Es importante insistir en la facilidad con que esta metodología de análisis permite cambiar los criterios en función de las necesidades del estudio; posibilitando cualquier nivel de análisis que la disponibilidad estadística permita.

Pasaremos a continuación a describir cuáles ha sido los resultados obtenidos con esta metodología, comparándolos, a su vez, con los resultados obtenidos con las otras metodologías contempladas en el presente estudio.

3 Pia = Peso del sector “i” localizado en la zona “a” en el conjunto del sector “i” a nivel nacional; donde Eia = Empresas del sector “i” en la zona “a” y, Ei = total empresas del sector “i” a nivel nacional. Sia = Peso del sector “i” en la zona “a”; donde Eia = Empresas del sector “i” en la zona “a” y,Ea = total empresas industriales en la zona “a”.


3. PRINCIPALES RESULTADOS: COMPARATIVA ISTAT→SITEDEC→GIS-CLUSTERING

Los resultados completos de este estudio realizado para 10 sectores industriales, resulta demasiado extenso para los objetivos y características de este documento. En todo caso, el contenido completo del estudio estará próximamente disponible como documento de trabajo de la Universidad de Alcalá.

En este apartado se va a proceder a detallar los resultados obtenidos mediante la metodología GIS-CLUSTERING sobre el sector industrial más extendido en España, el de la industria mecánica. Paralelamente, se realizará una comparación con los resultados obtenidos con la metodología ISTAT y SITEDEC.

Este sector es el de mayor número de empresas a nivel nacional. Con 32.284 empresas, dobla en número a las que presenta el segundo sector en importancia; el de la industria de la alimentación, bebidas y tabaco con 16.105 empresas.

Las empresas del sector de la industria mecánica suponen el 28% del total de las empresas industriales; lo que va a provocar que sean numerosas las zonas en las que la especialización en este sector llegue y supere con creces el 30%.

El gran tamaño del sector también va ha provocar que aparezcan mayor número de clusters y de mayor tamaño; lo que exigirá realizar un esfuerzo de síntesis que puede dejar algunas concentraciones importantes sin comentar.

Este sector engloba las actividades (CNAE 2 dígitos) de fabricación de productos metálicos, excepto maquinaria y equipo (CNAE 28); industria de la construcción de maquinaria y equipo mecánico (CNAE 29); fabricación de máquinas de oficina y equipos informáticos (CNAE 30); fabricación de maquinaria y material eléctrico (CNAE 31); fabricación de material electrónico, equipos y aparatos radio, tv (CNAE 32) y; por último, fabricación de equipo e instrumental médico-quirúrgico, precisión, óptica y relojería (CNAE 33).

Por supuesto, un correcto análisis exigiría un mayor nivel de desagregación; pero no es el objeto de este trabajo ya que lo que se pretende es mostrar una nueva metodología de análisis y poder comparar sus resultados a los obtenidos mediante otras metodologías; lo que hace especialmente importante utilizar una desagregación sectorial homogénea para todas.


Total sector Cluster5K Cluster25K Zonas≥30% Establecimientos 32.284 16.266 22.568 0 % s/total sector 100% 50% 70% 0% % s/total industria 28%

Zaragoza

Barcelona

Valencia

G.Bilbao-Deba

Madrid

S.Sebastián Tolosa

Vitoria

Sevilla Murcia

Espe

cial

izac

ión

Establecimientos

Industria Mecánica

ILUSTRACIÓN I: INDUSTRIA MECÁNICA


Sin duda, la mayor concentración del sector de la industria mecánica se encuentra en Barcelona, en un cluster5k que ocupa Barcelona capital y una parte importante del Penedès y el Maresme, incluyendo también el Llobregat y el Vallés. Este cluster contiene 6.267 empresas y, además se extiende en un importantísimo cluster25k que abarca desde Masarac, en la provincia de Girona, hasta Mont-roig del Camp (Tarragona). Éste último contiene un total de 7.964 empresas del sector (el 25% de las empresas a nivel nacional) lo que le hace especialmente relevante, tanto por su tamaño, como por su nivel de especialización (un 34%).

Lo sigue en importancia, como casi siempre, el cluster5k de Madrid, que contiene 3.510 empresas y se extiende en un cluster25k que abarca desde Guadalajara hasta Toledo, llegando también por el Norte hasta los municipios de la Sierra, casi al límite con Segovia. Este cluster25k concentra un total de 4.202 empresas del sector, el 13% del total nacional.

Pero sin duda, los clusters más característicos se sitúan en el País Vasco. El cluster5k del Gran Bilbao se prolonga siguiendo el trazado de la carretera N-664 hasta Deva. Recoge un total de 1.744 empresas del sector con un nivel de especialización del 52%. Se encuentra prácticamente unido al de San Sebastián que asciende por el valle del río Oria y se extiende por la comarca de Tolosa llegando hasta Zumárraga, en el Alto Urola; cuenta en total con 773 empresas del sector. También se encuentra prácticamente unido al cluster5k de Vitoria que asciende hacia Bilbao siguiendo la carretera N-240 hasta Leguitano, y cuenta con 404 empresas del sector de la industria mecánica.

Estos tres clusters5k se extienden en un cluster25k que ocupa gran parte del territorio del País Vasco (especialmente Guipúzcoa y Vizcaya) y recoge, en total, 3.249 empresas del sector (el 10% del total nacional); con la peculiaridad, y esto le confiere un carácter muy especial, que el nivel de especialización de la zona es de un 50%. Se puede asegurar, por tanto, que la industria mecánica constituye el eje central de la industria vasca.

En la ilustración se puede observar, mediante contornos rojos, la distribución de los 3 cluster5k sobre un mapa físico del País Vasco. Los puntos rojos corresponden a localizaciones (una o varias empresas) de industrias mecánicas.


Sigue en orden de importancia el cluster5k de Valencia, que abarca la capital, área metropolitana y avanza por la carretera CV-35 hasta Llíria. Cuenta con 1.582 empresas y se extiende hacia el Sur en un cluster25k que llega hasta Cartagena (Murcia) englobando también un cluster5k existente en Murcia capital y cuenca del Segura hasta Archena, y cuenta con 539 empresa del sector.

En total, este cluster25k de Levante cuenta con 4.401 empresas (el 14% a nivel nacional) pero con un nivel de especialización de un 21%, no muy elevado si se compara con la media del sector a nivel nacional (un 28%).

Se sabe que este cluster tan importante no es identificado por SITEDEC porque no hay información sobre el País Vasco. Por otro lado, sorprende que la metodología ISTAT no identifique, aunque fuera de forma parcial, esta importantísima concentración de actividad industrial en el País Vasco y, sin embargo, si recoja casos de mucha menor importancia como son el de Peralta en Navarra, Montilla del Palancar en Cuenca o Fuente Álamo de Murcia.

ILUSTRACIÓN II: INDUSTRIA MECÁNICA EN EL PAÍS VASCO


Mayor importancia relativa presenta el cluster5k de Zaragoza que, desde la capital, se extiende por la carretera N-232 hasta Alagón, y por la N-330 hasta María de Huerva. Este cluster5k se expande en un cluster25k desde El Burgo de Ebro hasta Eje de los Caballeros y, con 1.064 empresas (un 3% del total nacional), tiene un nivel de especialización muy elevado (41%) lo que le confiere una especial importancia regional la cluster.

Por último, el cluster5k de Sevilla, que abarca desde Alcalá de Guadaira al este hasta Sanlúcar la Mayor al oeste, se extiende en un cluster25k que abarca desde Almonte (Huelva) hasta Marchena y Lora del Río; comprendiendo un total de 774 empresas (2% del total nacional) y con un nivel de especialización de un 30% que, aunque elevado, no es muy superior a la media nacional del sector (28%).

En cuanto a pequeños clusters con un nivel de especialización muy elevado, lo que les confiere una especial importancia a nivel local y/o regional, hay que destacar, en primer lugar, un pequeño cluster de tan sólo 12 empresas situado en la provincia de Teruel y que se extiende por una parte del término municipal de Montalbán, Utrillas y Escucha. Presenta una especialización de un 60%, la más alta detectada a nivel nacional en un cluster de un mínimo de 10 empresas.

A continuación, hay que destacar el cluster situado en Solsona (Lleida), con 29 empresas y un nivel se especialización de un 56%. Le sigue, en cuanto a nivel de especialización (50%) el cluster25k del País Vasco, ya destacada su importancia anteriormente; con 15 y 13 empresas respectivamente, los cluster de Monforte de Lemos (Lugo) y As pontes de García Rodríguez (A Coruña) que cuentan con un nivel de especialización en torno al 45%.

El cluster de Huesca, con 54 empresas y un nivel de especialización de un 42%, también muestra una especial importancia a nivel regional y, en cuanto al cluster25k de Zaragoza, con un nivel de especialización de un 41%, éste ya ha sido mencionado y destacado anteriormente.

Por último, convendría mencionar por su peculiaridad, el cluster existente en Lanzarote, en los términos de Arrecife y San Bartolomé, con un total de 25 empresas del sector y un nivel de especialización de un 37%.

Hay que ser conscientes de que, dadas las caracteristicas y objetivos del presente trabajo, se han dejado de lado cluster de especial relevancia regional como el de Santander, Burgos, Gijón-Avilés-Oviedo, el que tiene epicentro en Peralta (Navarra), etc; pero se ha tratado de destacar los más relevantes a nivel nacional y/o los de mayor especialización.


En cuanto a la comparación con los resultados ofrecidos por otras metodologías, ya se comentó anteriormente como los resultados de la metodología ISTAT identifican pequeñas zonas que ofrecen cierta importancia local y/o regional pero, sin embargo, deja fuera a los principales clusters o concentraciones industriales a nivel nacional.

En cuanto a los resultados ofrecidos por SITEDEC, éstos se acercan más a los ofrecidos por el análisis GIS-CLUSTERING; aunque con importantes matices:

1. SITEDEC no contempla importantes clusters del sector a nivel nacional, dejando al margen el del País Vasco por la ausencia de información sobre esta región, SITEDEC no identifica, por ejemplo, los clusters de Madrid, Valencia, Murcia y Sevilla.

2. Por otro lado, en muchas ocasiones la identificación resulta muy poco precisa. Por ejemplo, en Navarra, Castilla León y Extremadura existen aglomeraciones de empresas de la industria mecánica significativas; pero éstas son muy reducidas y, por supuesto, no ocupan toda la región.

3. SITEDEC identifica la existencia de un cluster de la industria mecánica en la provincia de Soria. Lo único detectado con los datos SABI es un cluster en Soria capital con 25 empresas (0,1% del total de empresas a nivel nacional) y un nivel de especialización sectorial del un 22%, inferior a la media nacional (28%). Con esta información no parece razonable señalar este cluster como de importancia a nivel nacional.

La única coincidencia de las tres metodologías la encontramos en torno al municipio de Peralta (Navarra) que es identificado de forma muy distinta por cada una de éstas:

1. ISTAT lo identifica de forma específica. Sorprende que Peralta, junto con Montilla del Palancar y Fuente Álamo de Murcia sean los tres únicos “distritos industriales” especializados en el sector de la industria mecánica que destaca esta metodología en un estudio realizado a nivel nacional.

2. SITEDEC, identifica el municipio de Peralta no de forma específica, sino dentro de una amplia zona que abarca toda la Comunidad Foral de Navarra y un brazo que se extiende hasta la ciudad de Zaragoza.


3. GIS-CLUSTERING identifica el municipio de Peralta dentro de un cluster de elevada especialización en el sector de la industria mecánica. El municipio de Peralta, aunque ocupa una posición central en este cluster, no es ni mucho menos el más importante y en éste se localizan tan sólo un 9% de las empresas que componen el cluster.

Podemos observar en la ilustración, en la parte de arriba el cluster5k de Vitoria y los extremos inferiores del importante cluster25k del País Vasco. En la parte inferior, se observa un extremo del cluster25k con centro en Zaragoza.

La concentración de empresas de la industria mecánica de Logroño, siéndo importante, no llega a cumplir los criterios establecidos para proceder a su identificación, o más bien, destacar como cluster de importancia nacional, al no

ILUSTRACIÓN III. PERALTA: GEO-CLUSTERING-ISTAT-SITEDEC


llegar a contener el 3% ó el 1%4 de las empresas del sector. Lo mismo ocurre con el núcleo de Pamplona.

Sin embargo, el cluster marcado con un borde naranja, cumple con el criterio establecido para considerarlo un cluster de elevada especialización. Cuenta con 503 empresas del sector con un nivel de especialización de un 33%. El núcleo principal de este cluster se encuentra en Pamplona y desciende hacia el Sur hasta llegar a Tudela y Tarazona, éste último ya en la provincia de Zaragoza. A la altura de Peralta, sale otro brazo hacia el Sureste que llega hasta Arnedo, en La Rioja.

4. CONCLUSIONES

En este trabajo se ha pretendido conseguir dos objetivos fundamentales:

1. Mostrar una metodología de identificación y análisis de clusters basada en el tratamiento de datos geo-referenciados mediante técnicas y herramientas de los GIS.

2. Testar, mediante una aplicación práctica, la validez empírica de esta metodología y un análisis comparativo con los resultados obtenidos por otras metodologías; en concreto las metodologías SITEDEC e ISTAT.

Se puede afirmar que el presente trabajo pone de manifieto que los GIS y las bases de datos geo-referenciadas presentan un enorme potencial para el desarrollo de la economía regional y el avance de nuevas técnicas de análisis microeconómico. En este sentido, se ha pretendido abrir alguna de las muchas puertas o abanicos de posibilidades que, sin duda, se desarrollarán en los próximos años. Para ello se ha propuesto una metodologia capaz de realizar una correcta identificación de

4 Recordemos que los criterios establecidos para que una concentración pueda identificarse como cluster han sido:

1. CLUSTER5k: Contener al menos el 1% de las empresas del sector a nivel nacional con distancias entre ellas que no superen los 5Km.

2. CLUSTER25k: Contener al menos el 3% de las empresas del sector con distancias entre ellas inferiores a 25Km.

3. CLUSTER alta especialización: zona que no llega a cumplir el criterio de CLUSTER25k pero que cuenta con una especialización en el sector igual o superior al 30% (que las empresas del sector supongan al menos el 30% de las empresas industriales de la zona).


clusters empresariales, válida para cualquier desegragegación sectorial de la que se disponga información, y para cualquier dimensión territorial mostrando, además, una gran versatilidad para poder implementar los criterios que se estimen convenientes para cada caso.

Además, esta metodología presenta notables ventajas frente a las otras metodologías alternativas que se han utilizado para su comparación:

OBJETIVIDAD:

Una vez establecidos los criterios económicos y espaciales, la metodología actua con total objetividad durante el proceso de identificación y clasificación de clusters. Ésta característica es compartida por ISTAT pero no con SITEDEC cuyos resultados dependen, como se ha visto, de las opiniones subjetivas de los expertos regionales.

Al mismo tiempo, esta subjetividad no convierte esta metodología en un mecanismo inflexible; muy al contrario, la facilidad y claridad con la que se

Objetividad

Identificacióngrandesclusters

Identificaciónzonas alta

especialización

Precisión

Posibilidadanálisis

evolutivoGIS-CLUSTERIN

SITEDEC

ISTAT

ILUSTRACIÓN IV: COMPARATIVA DE LAS TRES METODOLOGIAS


visualiza la información y resultados permite detectar e implementar mejoras subjetivas5 de éstos.

IDENTIFICACIÓN GRANDES CLUSTERS:

La metodología aplicada identifica para la identificación de clusters toma como primer criterio la concentración de empresas en un área en términos absolutos. Una ve identificadas éstas es cuando se realizan valoraciones en términos relativos. Esto permite no descarta grandes concentraciones sólo porque, en términos relativos, no rebasen cierto porcentaje o ratio. La metodología, por tanto, no excluye de la identificación los importantes clusters industriales localizados en los núcleos urbanos y áreas metropolitanas de las grandes ciudades.

Sin embargo, SITEDEC, por razones estrictamente subjetivas, si excluye gran parte de estos clusters. ISTAT, por el propio diseño de su metodología de identificación de “distritos industriales” excluye la identificación de la práctica totalidad de las grandes aglomeraciones industriales de las más importantes ciudades.

IDENTIFICACIÓN DE ZONAS DE ALTA ESPECIALIZACIÓN:

La metodología GIS-CLUSTERING identifica con la máxima facilidad y precisión zonas o áreas que presenten una alta especialización en algún/algunos sectores/ramas de actividad. Sólo es necesario definir los criterios a utilizar para que, realizando la oportuna implementación informática, se puedan identificar, clasificar, analizar y representar gráficamente estas zonas con un grado de precisión imposible de desarrollar por otras metodologías.

Las otras dos metodologías analizadas también identifican zonas de alta especialización; pero SITEDEC sólo identifica algunas y de forma subjetiva, e ISTAT también, debido a su diseño metodológico, no es capaz de identificar una parte importante de estas zonas.

PRECISIÓN:

Quizá la principal ventaja de esta metodología, de la cual se derivan en gran parte el resto de ventajas, es el altísimo grado de precisión que se obtiene al trabajar con datos geo-referenciados. La correcta delimitación espacial de los clusteres es una variable crucial para poder identificarlos

5 Como se hizo en el sector del cuero y calzado, al decidir unir los pequeños clusters identificados en la cuenca del Vinalopo y Baix Segura en un solo cluster trato de forma agregada.


correctamente. El empleo de delimitaciones administrativas hace perder mucha información y en numerosas ocasiones puede ser un elemento que impida o dificulte una correcta identificación y delimitación. Los clusters tienen forma de corona metropolitana, de carretera, de río …; pero nunca de municipio o provincia. Utilizando un símil tecnológico: Las delimitaciones administrativas “digitalizan” de forma burda realidades físicas y económicas cuya naturaleza es esencialmente analógica.

Esta es una de las principales diferencias de la metodología GIS-CLUSTERING y que la dota de su extraordinaria precisión. Los clusters aquí identificados son de naturaleza continua y tienen la forma real en la que se localizan las empresas, no las formas administrativas. Se emplean nombre administrativos para denominarlos para que sean fácilmente localizables por el observador; pero su identificación, forma, características y análisis se realizan en base a su distribución y extensión física y económica, no administrativa.

ANÁLISIS EVOLUTIVO:

Por supuesto en la metodología GIS-CLUSTERING sería sencillo y muy útil, implementar un análisis evolutivo que fuera observando la evolución física y económica de los distintos clusters existentes.

Al basarse en información empresarial de obligado cumplimiento, resulta muy sencillo poder actualizar los resultados cada cierto periodo de tiempo. Esto es igualmente fácil y posible con ISTAT pero un análisis evolutivo mediante la metodología SITEDEC podría ofrecer resultados poco robustos al mezclarse la evolución real (que siempre será dévil e imprecisa en el corto plazo y, por tanto, difícil de apreciar en ausencia de métodos cuantitativos), con las apreciaciones subjetivas del observador o experto regional.

En resumen, durante el análisis comparado se han puesto de manifiesto importantes limitaciones de las metodologías ISTAT y SITEDEC que condicionan de forma importante su validez para la identificación de forma general de concentraciones o agrupaciones sectoriales.

SITEDEC presenta dos importantes limitaciones derivadas de la naturaleza de su sistema de elaboración: subjetividad y falta de precisión. Además, como ya se ha

Las delimitaciones administrativas “digitalizan” de forma burda realidades físicas y económicas cuya naturaleza es esencialmente analógica.


comentado, la falta de datos para algunas comunidades (País Vasco, Cantabria, La Rioja y Baleares).

Por otro lado, ISTAT, dada su metodología de elaboración, identifica unos casos particulares de concentraciones empresariales, los “distritos industriales”, que no tienen por qué corresponderse con las mayores concentraciones de establecimientos del sector objeto de estudio. En consecuencia, identifica algunas concentraciones industriales que, si bien pueden tener importancia a nivel local, en un plano nacional su peso o importancia resultan secundarios.

Hay que señalar que, sin embargo, en un sector como el cuero y calzado, que tiende a localizarse en importantes concentraciones espaciales fuera de los grandes núcleos de Barcelona, Madrid y Valencia; existe un elevado grado de similitud entre los resultados obtenidos por ISTAT y GIS-CLUSTERING.

Otra limitación compartida por las metodologías SITEDEC e ISTAT es que en la representación gráfica de los clusters y/o “distritos industriales”, el tamaño no se corresponde con el tamaño de la aglomeración empresarial; sino con el tamaño de la unidad administrativa en la que se localiza, parcial o totalmente, la aglomeración empresarial (cluster o “distrito industrial”).

Por el contrario, GIS-CLUSTERING representa la forma y tamaño exacto de los clusters identificados, además la distinción formal y visual entre cluster5k, cluster25k y los cluster25k de significativa especialización, aporta una información gráfica mucho más precisa y ajustada a la realidad.

Por último matizar que en este trabajo se han empleado exclusivamente el campo correspondiente al sector de actividad y las coordenadas espaciales. Sin embargo esta metodología permitiría trabajar con múltiples campos de información y criterios para explotar al máximo posible las posibilidades analíticas de la información contenida en SABI o en cualquier otra base de datos de empresas geo-referenciada que en el futuro pudiera existir.


5. TABLA DE ILUSTRACIONES

Ilustración I: Industria mecánica .................................................................................................................. 14 Ilustración II: Industria mecánica en el País Vasco .......................................................................... 16 Ilustración III. Peralta: GEO-CLUSTERING-ISTAT-SITEDEC ......................................................... 19 Ilustración IV: Comparativa de las tres metodologias .................................................................... 21

6. BIBLIOGRAFÍA

BECATTINI G, BELLANDI M. y DEI OTTATI G. y SFORZI, F. From Industrial Districts to Local Development [Libro]. - Cheltenham : Edward Elgar, 2003.

BECATTINI G. Dal ‘settore’ industriale al ‘distretto’ industriale. Alcune considerazioni sull’unità d’indagine dell’economia industriale [Publicación periódica]. - [s.l.] : Rivista di economia e politica industriale (5-1), 1979.

BECATTINI G. Il concetto di industria e la teoria del valore [Libro]. - Turín : Boringhieri, 1962.

BECATTINI G. Industrial Districts. A New Approach to Industrial Change [Libro]. - Cheltenham : Edward Elgar, 2003.

BECATTINI G. Invito alla rilettura di Marshall [Sección del libro] // Economía della produzione. - Milán : IDEDI, 1975.

BECATTINI G. Lo sviluppo economico della Toscana: un’ipotesi di lavoro [Libro]. - Florencia : Il Ponte, 1969.

BECATTINI G. Marshall. Antologia di scritti economici [Libro]. - Bolonia : Il Mulino, 1981.

BECATTINI G. Mercato e forze locali: il distretto industriale [Libro]. - Bolonia : Il Mulino, 1987.

BECATTINI G. Sectors and/or Districts: Some Remarks on the Conceptual Foundations of Industrial Economics [Sección del libro] // Small Firms and Industrial Districts in Italy / aut. libro GOODMAN J. y BAMFORD J.. - Londres : Routledge, 1989.

BECATTINI G. The marshallian industrial district as a socio-economic notion [Sección del libro] // Industrial Districts and Local Economic Regeneration / aut. libro PYKE F. y BECATTINI G. y SENGENBERGER, W.. - Ginebra : International Institute for Labor Studies; pp. 37-51., 1990.

BIEHL D. Infraestructuras y desarrollo regional [Publicación periódica] // Papeles de Economía Española 35. - 1998. - págs. 293-310.

BOIX R. y GALLETO V. Identificación de Sistemas Locales de Trabajo y Distritos Industriales en España [Libro]. - Madrid : Secretaría General de Industria, 2005.


BOIX R. y GALLETTO G. Sistemas Locales de Trabajo y Distritos Industriales Marshallianos en España [Publicación periódica]. - Barcelona : Departament d’Economia Aplicada, Universitat Autònoma de Barcelona. Working Paper 05.14., 2005.

BOIX R. y GALLETTO V. El mapa de los distritos industriales de España [Publicación periódica]. - Economía Industrial : [s.n.], 2006. - 359.

BOIX R. y GALLETTO V. Mapping Marshallian Industrial Districts in Spain [Conferencia] // EUNIP International Conference 2006. - University of Limerick : [s.n.], 2006.

BOONE C. y VAN WITTELOOSTUIJN A. Industrial organization and organizational ecology: the potentials of cross-fertilization [Publicación periódica] // Organizational Studies, vol. 16. - 1995. - págs. 265-298.

BOSCHMA R. y FRENKEN K. Applications of Evolutionary Economic Geography // Danish Research Unit for Industrial Dynamics. Working Paper No. 06-26. - 2006.

CALLEJON M y COSTA M Economías Externas y Localización de las Actividades Industriales [Publicación periódica] // Economía Industrial 305. - 1995.

CAMISÓN C y MOLINA J. El Distrito industrial cerámico Valenciano: ¿mito o realidad competitiva? [Publicación periódica]. - [s.l.] : Revista Valenciana d’Estudis Autonòmics (22); pp.83-102, 1998.

COMBES P.-P. y LAFOURCADE M. Transportation costs decline and regional inequalities: Evidence fromFrance, 1978-1993 [Publicación periódica] // CEPR Discussion Paper, 2894. - 2001.

COSTA M.T. Cambios en la organización industrial: Cooperación local y competitividad internacional. Panorama general [Publicación periódica] // Economía Industrial, n 286. - 1992. - págs. 19-36.

COSTA M.T. Descentramiento productivo y difusión industrial. El modelo de especialización flexible [Publicación periódica] // Papeles de Economía Española, n 35. - 1988. - págs. 251-276.

COSTA M.T. y SEGARRA A. and VILADECANS, E. Business Dynamics and Territorial Flexibility [Publicación periódica] // Small Business Economics 22. - 2004. - págs. 265-281. - determinantes localización, España, nivel local,.

DGPYME y Regional Universidad de Barcelona: Grupo de Investigación Análisis Cuantitativo DEFINICIÓN DE LA METODOLOGÍA DE DETECCION E IDENTIFICACIÓN DE CLUSTERS INDUSTRIALES EN ESPAÑA [Informe]. - http://www.ipyme.org/IPYME/es-ES/Publicaciones/estudios/ : Dirección General de Política de la Pequeña y Mediana Empresa, 2006.

FUJITA M. y KRIGMAN P., VENABLES, A. The Spatial Economy: Cities, Regions, and International Trade [Publicación periódica] // Cambridge: MIT Press. - 1999.

FUJITA M. y THISSE J.M. Economics of Agglomeration [Publicación periódica] // Journal of the Japenese and International Economies 10 . - 1996. - págs. 339-78.


FUMAGALLI C. On the welfare effects of competition for foreign direct investments [Publicación periódica] // European Economic Review, Elsevier, vol. 47(6). - 2003. - págs. 963-983.

GALBRAIGHT C. y RODRIGUEZ C. and DENOBLE, A. SME Competitive Strategy and Location Behaviour- An Explanatory Study of High-Technology Manufacturing [Publicación periódica] // Journal of Small Business Management, 46. - 2008. - págs. 183-202.

GINER J.M. y SANTA MARIA M.J. Territorial systems of small firms in Spain: an analisis of productive and organizational characteristics in industrial districs [Publicación periódica] // Entrepreneurship & Regional Development, N º 14. - 2002. - págs. 211-228.

GUIMARÃES P. y FIGUEIREDO O. and WOODWARD, D. Industrial location modelling: Extending the random utility framework [Publicación periódica] // Journal of Regional Science 44(1). - 2004. - págs. 1-20. - economías de aglomeración, nuevos establecimientos,.

GUIMARÃES P., FIGUEIREDO O. y WOODWARD D. Measuring the Localization of Economic Activity: A Random Utility Approach // Centro de Estudos Macroeconómicos e Previsão. FEP Working Papers Nº 161. - 2004.

ISTAT Distretti industriali e sistemi locali del lavoro 2001 [Informe]. - Roma : Collana Censimenti, 2006.

ISTAT I sistemi locali del lavoro 1991 [Informe]. - Roma : Istituto Poligrafico e Zecca dello Stato, 1997.

JOVANOVIC M. Spatial Location of Firms and Industries: An Overview of Therory [Publicación periódica] // Economia Internazionale, Vol.56, No.1. - 2003. - págs. 23-82.

KRUGMAN P. "What’s new about the new economic geography [Publicación periódica] // Oxford Review of Economic Policy. - 1998. - págs. 7-17.

KRUGMAN P. Geography and trade [Informe]. - Cambridge (Mass) : MIT Press, 1992.

KRUGMAN P. Increasing returns and Economic Geography [Publicación periódica] // Journal of Political Economy 99. - 1991. - págs. 484-99.

KRUGMAN P. Increasing returns, monopolistic competition and international trade [Publicación periódica] // Journal of International Economics. - 1979. - págs. 469-479.

KRUGMAN P. On the Number and Location of Cities [Publicación periódica] // European Economic Review, 37. - 1993. - págs. 293-298.

KRUGMAN P. Scale economies, product differentiation and pattern of trade [Publicación periódica] // American Economic Review. - 1980. - págs. 950-959.

KRUGMAN P. Space: The Final Frontier [Publicación periódica] // Journal of Economic Perspectives, 2(2). - 1998. - págs. 161-174.

MARSHALL A. Industry and Trade [Libro]. - Londres : Macmillan, 1919.

MARSHALL A. Principles of Economics [Libro]. - Londres : Macmillan, 1890.


MICYT EXCEL Cooperación entre empresas y sistemas productivos locales. - [s.l.] : IMPI y Centro de Estudios de Planificación, 1993.

PABLO F. La movilidad empresarial en la industria española // Tesis Doctoral. Universidad de Alcalá. - 2000.

PORTER M. Clusters and the new economics of competition [Publicación periódica]. - [s.l.] : Harvard Business Review, Nov/Dic, 1998a.

PORTER M. E. On Competition [Libro]. - Boston : Harvard Business School Press, 1998b.

PORTER M. E. The Competitive Advantage of Nations [Libro]. - New York : Free Press, 1990.

PORTER M. How competitive forces shape strategy [Publicación periódica]. - [s.l.] : Harvard business Review, marzo/abril, 1979.

PUGA D. The rise and Fall of Regional Inequalities [Publicación periódica] // European Economic Review 43. - 1999. - págs. 303-334.

ROSENTHAL S.S. y STRANGE W.C. [En línea] // The geography of Entrepreneurship in the New York Metropolitan Area.. - 2005. - http://faculty.maxwell.syr.edu/rosenthal/. - economías de aglomeración, determinantes localización, nivel intra-metropolitano.

ROSENTHAL S.S. y STRANGE W.C. Evidence, nature and sources of agglomeration economies [Sección del libro] // Handbook of Urban and Regional Economics / aut. libro Henderson J.V. and Thisse, J.F.. - [s.l.] : North Holland, 2004. - economías de aglomeración, nuevos establecimientos.

ROSENTHAL S.S. y STRANGE W.C. Geography, industrial organization and agglomeration [Publicación periódica] // The Review of Economics and Statistics 85 (2). - 2003. - págs. 377-393. - economías de aglomeración, nuevos establecimientos, determinantes localización, áreas metropolitanas, nivel intra-metropolitano.

SANTA MARIA Mª.J. y GINER J.M. y FUSTER, A. Identification of the local productive systems in Spain [Conferencia] // Regions and Fiscal Federalism – 44th Congress European Regional Science Assocation. - Oporto : Associação Portuguesa para o Desenvolvimento Regional (APDR), 2004.

SFORZI F. Unas realidades olvidadas: de Marshall a Becattini [Sección del libro] // Colección Mediterráneo Económico: "Los distritos industriales" / aut. libro Soler Coordinador:Vicent. - [s.l.] : Fundación Cajamar, 2008. - Vol. 13.

SOLÉ A. y VILADECANS E. Central cities as engines of metropolitan area growth [Publicación periódica] // Journal of Regional Science 44. - 2004. - págs. 321-350. - Economías de aglomeración, central cities, suburbios,.

SOLER V. Verificación de las hipótesis de distrito industrial: Una aplicación al caso valenciano [Publicación periódica] // Economía Industrial, Nº 334. - 2000. - págs. 13-23.

SORENSEN P. The Case for International Tax Coordination Reconsidered [Publicación periódica] // Economic Policy, 31. - 2000. - págs. 429-472.


SUÁREZ-VILLA L. y WALROD W. Operational Strategy, R&D and Intrametropolitan Clustering in a Polycentric Structure, The advanced Electronics Industries of the Los Angeles Basin [Publicación periódica] // Urban Studies 34. - 1998.

TOMÁS J.A. y SUCH J. Internationalisation of samll and medium firms in four valencia region industrial districts [Publicación periódica]. - [s.l.] : Quaderns de Política Econòmica, 1997. - 7, pp. 1-18. .

TRULLÉN J. La metròpoli de Barcelona cap a l'economia del coneixement: aglomeració central i arc tecnològic 2002 [En línea] // Universidad Autónoma de Barcelona. - 2002. - 20 de 11 de 2008. - http://urban.uab.es/references/references2002.htm.

TRULLÉN J. Producción y espacio urbano: algunos problemas económicos [Sección del libro] // La nueva cultura del territorio / aut. libro R.Camagni A.Tarroja y. - Barcelona : Diputació de Barcelona, 2006.

TRULLÉN J. y BOIX Papers in Regional Science, Vol. 86, [Publicación periódica] // Papers in Regional Science, Vol. 86,. - 2004. - págs. 5-27.

TRULLÉN J. y BOIX R. Knowledge, networks of cities and growth in regional urban systems [Publicación periódica] // Papers in Regional Science, Vol. 86. - 2007. - págs. 551-574.

VILADECANS E. Agglomeration economies and industrial location: city-level evidence [Publicación periódica] // Journal of Economic Geography 4/5. - 2004. - págs. 565-582.

VILADECANS E. Economías externas y localización del empleo industrial [Publicación periódica] // Revista de Economía Aplicada 31. - 2003. - págs. 5-32.

VILADECANS E. La concentración territorial de las empresas industriales: un estudio sobre el tamaño de las empresas y su proximidad geográfica [Publicación periódica] // Papeles de Economía Española 89-90. - 2001. - págs. 308-321.

YBARRA J.A. Determinación cuantitativa de distritos industriales: la experiencia del País Valenciano [Publicación periódica] // Estudios Territoriales, Nº 37. - 1991. - págs. 53-67.

GIS-CLUSTERING: Identificación de Clusters

Documents

Transcript of GIS-CLUSTERING: Identificación de Clusters