Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Similares en SciELO
Compartir
Revista Perspectivas
versión impresa ISSN 1994-3733
Perspectivas n.33 Cochabamba mayo 2014
Clasificación socioeconómica de los municipios de Bolivia
Socio-economic classification of the municipalities of Bolivia
Dante Ayaviri Nina
Doctor en Ciencias Económicas. Profesor e investigador en la Dirección de Postgrado de la
Universidad Técnica de Oruro vdayaviri@gmail.com
Silverio Alarcón Lorenzo
Doctor en Ciencias Económicas. Profesor en el Departamento de Economía y Ciencias Sociales
Agrarias, Universidad Politécnica de Madrid silverio.alarcon@upm.es
Recepción: 01/03/2014 Aprobación: 10/04/2014
Resumen
Este artículo aplica técnicas multivariantes de Análisis Cluster para conformar conglomerados homogéneos de municipios de Bolivia. La finalidad de esta clasificación es identificar aspectos demográficos y socioeconómicos comunes de los municipios como punto de partida en el diseño e implementación de políticas de desarrollo en el ámbito municipal. Otra utilidad es la evaluación o medición de la eficiencia municipal pues es un requisito contar con grupos homogéneos. Se considera el conjunto de municipios de Bolivia que reportan información financiera respecto al presupuesto de la Iniciativa para los Países Pobres Altamente Endeudados (HIPCII), presupuestos destinados a la ejecución de proyectos sociales y de desarrollo. El estudio se realiza desde el punto de vista de la gestión y la Ley de Descentralización Administrativa que establece como norma, la búsqueda de una buena administración y uso de los recursos financieros. Las variables usadas son número de habitantes, proporción de población urbana e índice de necesidades básicas insatisfechas. Los resultados identifican seis cluster con aspectos socioeconómicas diferentes. Tres de ellos presentan un marcado carácter rural con elevados índices de pobreza.
Palabras claves: Análisis de Conglomerados, municipios, eficiencia, inversión productiva.
Abstract
This article applies multivariate Cluster analysis techniques to create homogeneous clusters of municipalities in Bolivia. The purpose of this classification is to identify common demographic and socio-economic aspects of the municipalities as a starting point in the design and implementation of development policies in the municipal area. Another tool is the evaluation or measurement of municipal efficiency is a requirement to have homogeneous groups. He is the set of municipalities of Bolivia reporte dinancial information with respect to the budget ofthe initiative highly indebted poor countries (HIPCII), budgets for the implementation of social projects and development. The study is carried out from the point of view of the management and the law on administrative decentralization, establishing as a rule, the search for a good administration and use of financial resources. The variables used are number of inhabitants, proportion of urban population and index of unsatisfied basic needs. The results identified six cluster with different socio-economic aspects. Three of them have a strong rural character with high rates of poverty.
Keywords: Analysis of clusters, municipalities, efficiency, productive investment.
Introducción
Las unidades territoriales presentan diferencias sustanciales en infinidad de aspectos, tanto físicos como sociales, económicos, demográficos, culturales, etc. Conocer estas diferencias es de interés para técnicos y para políticos pues permite identificar mejor los problemas y, por tanto, planificar más coherentemente las acciones de desarrollo. Y en el mismo sentido, tener una clasificación de unidades territoriales según sus afinidades es una vía para establecer grupos que incluyen unidades con necesidades y problemas comunes a los que se pueden dirigir las mismas acciones o políticas para mejorar su calidad de vida.
El análisis socioeconómico debe construirse a partir de indicadores relevantes de desarrollo socioeconómico y con información de las unidades geográficas más pequeñas posibles (Cruces et al., 2009), ya que la proximidad geográfica entre localidades no significa necesariamente proximidad en cuanto a nivel socioeconómico (Soares et al., 2003). Además, el primer ámbito en el que pueden llevarse a cabo políticas que ayuden a paliar los desequilibrios socioeconómicos es el municipio (Rúa et al., 2003).
En este contexto, el objetivo del presente trabajo de investigación es la conformación de conglomerados municipales en función de variables socioeconómicas y mediante técnicas de Análisis Cluster. Conviene destacar que se toma en cuenta para el análisis, los municipios de Bolivia que reportan información financiera respecto a los presupuestos del HIPCII, presupuestos destinados a la ejecución de proyectos sociales y de desarrollo.
Son numerosos los trabajos que usan estas técnicas para analizar las disparidades entre territorios y sirven de base para la planificación de políticas de desarrollo. En los últimos años destacan Hill et al. (1998) en Estados Unidos, Stimmson et al. (2001) en Australia, Hon et al., 2005 en China y Cruces et al., 2009 en España, entre otros .
Por otra parte, los conglomerados municipales que en esta investigación se obtienen permiten abordar la medición de eficiencia respecto a la administración y asignación de los recursos financieros en los municipios. Al respecto, diversos autores (Athanassopoulos y Triantis, 1998; Afonso y Fernandes, 2005; De Borger y Kerstens, 1996; Herrera y Málaga, 2007) señalan que la medición de la eficiencia en la administración pública, particularmente en los municipios, alcanza una especial importancia por el papel que juegan en el desarrollo local, aunque con algún grado de dificultad cuando los estudios se realizan en distintos contextos (Worthington y Dollery, 2000). Así, a partir de los años noventa en el intento de medir la eficiencia, se observa el surgimiento del indicador de gestión municipal, como una medida basada en los principios de economía, eficiencia y eficacia, como lo describen Prado y García (2004) y Afonso et al. (2003). Por otra parte, en la última década se realizaron investigaciones en el ámbito de la administración pública considerando los métodos paramétricos y no paramétricos (Prado y García, 2007; Herrera y Málaga, 2007; entre otros).
1. Metodología
El presente trabajo de investigación recoge la preocupación de la administración de los recursos financieros en los municipios. Y, analiza a los municipios como una Unidad Productiva en función a los criterios de uso y administración de los recursos financieros, que en definitiva coadyuvan en la conformación de los clusters. Para determinar los conglomerados, se utiliza la información estadística e indicadores de desempeño de los municipios de Bolivia, es decir, aquella información disponible en el Ministerio de Economía y Finanzas Públicas - que alcanza a 323 municipios en promedio; y se considera para el estudio el periodo 2007-2011. En primera instancia se realiza una clasificación grupal de los municipios, a través del análisis cluster y su verificación con el análisis discriminante, en segundo lugar, se emplea una regresión lineal múltiple que permite identificar las variables más significativas y su correlación entre sí.
Los indicadores de eficiencia se constituyen como una referencia para el análisis de las políticas locales que intentarán explicar la preocupación de la administración por los recursos financieros en los municipios. En otras palabras, la conformación de clusters permite un conocimiento más apropiado sobre las acciones locales del municipio en función del manejo óptimo de los recursos (Ayaviri, 2011). El propósito es observar, en qué medida y forma se agrupan estos municipios en base a las variables estudiadas.
La metodología y el método aplicado representan aportes importantes en el ámbito del desarrollo local y administración pública porque analiza los conglomerados como unidades estratégicas de toma de decisiones en las administraciones locales.
2. Aspectos teóricos
a) Definición de conglomerados
Según Santesmases (2009) el análisis cluster es un conjunto de técnicas multivariantes utilizadas para clasificar a un conjunto de individuos en grupos homogéneos; de esta forma, pertenece, al igual que otras tipologías y que el análisis discriminante al conjunto de técnicas que tiene por objetivo la clasificación de los individuos. La diferencia fundamental entre el análisis cluster y el discriminante reside en que en el análisis cluster los grupos son desconocidos a priori y son precisamente lo que queremos determinar; mientras que en el análisis discriminante, los grupos son conocidos y lo que pretendemos es saber en qué medida las variables disponibles nos discriminan esos grupos y nos pueden ayudar a clasificar o asignar los individuos en/a los grupos dados (Ward, 1963; Kuiper y Fisher, 1975). Así, el objetivo es obtener clasificaciones (clusterings), teniendo, por lo tanto, el análisis un marcado carácter exploratorio.
Se trata, fundamentalmente, de resolver el siguiente problema: Dado un conjunto de individuos (de N elementos) caracterizados por la información de n variables Xj , (j = 1,2,..., n), nos planteamos el reto de ser capaces de clasificarlos de manera que los individuos pertenecientes a un grupo (cluster) (y siempre con respecto a la información disponible) sean tan similares entre sí como sea posible, siendo los distintos grupos entre ellos tan disimilares como sea posible. Como se puede observar, el análisis cluster tiene una extraordinaria importancia en la investigación científica y en la medida en que el análisis cluster nos proporciona los medios técnicos para realizarla, se nos hará imprescindible en cualquier investigación.
Con el análisis cluster se pretende encontrar un conjunto de grupos a los que ir asignando los distintos individuos por algún criterio de homogeneidad. Por lo tanto, se hace imprescindible definir una medida de similitud o bien de divergencia para ir clasificando a los individuos en unos u otros grupos (Santesmases, 2007).
- Variables consideradas
Los municipios del Estado Plurinacional de Bolivia se agrupan considerando variables como1: 1) El tamaño de la población: porque representa el grado de complejidad de la administración del municipio, considerando que existen economías de escala en la gestión municipal. Esta variable es sometida a una transformación, a través de la aplicación del logaritmo neperiano; 2) el grado de urbanidad: porque representa el grado de complejidad de la gestión municipal, para esto se utilizará el porcentaje de población urbana y; 3) El nivel de pobreza: porque representa una medida que se aproxima a explicar la complejidad situacional de la poblacional, para ello se utilizará el porcentaje de población con necesidades insatisfechas. En este punto es importante mencionar la importancia de haber utilizado como una variable de aglomeración los ingresos per cápita en el municipio (como en Herrera y Francke, (2007) y Herrera y Málaga (2004)), pero dado que no se cuenta con esta información para el total de municipios, se ha adoptado utilizar la variable nivel de pobreza , también propuesta por los autores anteriormente mencionados.
b) Análisis de conglomerado de los municipios
El análisis consiste en la utilización de la medida de distancia euclídea y la medida de asociación, ya que el "análisis de grupos, conglomerados o cluster análisis, sirve para determinar grupos homogéneos, pero distintos entre sí, bien por agrupación de unidades más pequeñas o por división de segmentos mayores" (Santesmases, 2005:384). Para ello, se ha seguido los siguientes pasos:
- Análisis descriptivo de las variables de homogeneidad
El análisis descriptivo y exploratorio de los datos, muestra que los valores de las variables se encuentran dentro los rangos pertinentes como se observa en el siguiente cuadro siguiente:
- Análisis de correlación de las variables de homogeneidad
Por la importancia de conocer la existencia o no de relación entre las variables elegidas para la homogeneidad de los municipios, se realiza el análisis de correlación. Los resultados del análisis de correlación muestra que existe una correlación significativa entre las variables, como se observa en el cuadro siguiente:
- Selección y aplicación del criterio de agrupación
Para el análisis de conglomerados, la literatura presenta una gran variedad de técnicas incluidas en los enfoques de conglomerados jerárquicos y no jerárquicos. Por las características de los municipios se ha definido utilizar el algoritmo de agrupamiento de tipo jerárquicos aglomerativo, porque permite generar sucesiones ordenadas o jerarquías de conglomerados; y la técnica a utilizarse es de tipo descendente del algoritmo de Howard - Harris que forma grupos por división de otros de tamaño mayor, de modo también secuencial, utilizando el criterio de la minimización de la varianza intra - grupos en cada nivel de la división (Santesmases, 2005:385).
Una vez definida la técnica a utilizar se ha procedido a la determinación de los grupos. Para ello se ha recurrido al Programa DYANE, como también la del SPSS con el fin de comparar los resultados; tras realizar las operaciones necesarias se ha obtenido el siguiente resultado de conglomerados utilizando el algoritmo de Howard - Harris:
Los resultados del análisis de grupos, muestran que con la formación de 2 grupos se logra reducir la suma de cuadrado en un 50,48%, observándose claramente que a medida que se va aumentando el número de grupos, se incrementa la homogeneidad de los mismos, y por consiguiente, la proporción de la varianza explicada, llegando a reducir la suma de cuadrados hasta 80,32% con 6 grupos. Lo que significa que los perfiles de cada grupo son diferentes en las variables consideradas. Mayor información de los otros grupos, ver Anexo 1 y 2.
- Análisis discriminante de las variables de agrupación
A fin de validar la formación de los grupos obtenidos se realizó el análisis discriminante, considerando como variable dependiente la nueva variable creada. Los resultados muestran que existe un 98,45% de asignación por las funciones discriminantes, comprobándose de esta manera que la prueba discriminante corrobora el proceso de agrupación, permitiendo de esta manera explicar la permanencia de los municipios a los grupos establecidos en el análisis de conglomerados.
El estadístico lambda de Wilks toma un valor de 0,0223 y muestra que existe bastante discriminación pues valores próximos a 0 indican mucha discriminación, con grupos muy separados, mientras que valores cercanos a 1 representan escasa discriminación o poca diferencia entre los grupos. En cuanto a las diferencias entre los grupos debidas a las funciones discriminantes se observa que el porcentaje de población urbana y la población con necesidades insatisfechas son las variables que mayor discriminan a la hora de conformar los grupos, ya que sus valores se acercan a 1(toma valores entre 0 y 1 de forma que, cuanto más cerca de 1 esté su valor, mayor es la potencia discriminante de la i-esima función discriminante).
- Tipificación de los conglomerados municipales
La conformación de conglomerados viene compuesta por 6 grupos que explican la asignación de los casos en un 98,45%, donde cada grupo está compuesto por un número determinado, como se puede observar en la siguiente distribución:
En el primer cuadro, se observa el número de municipios que pertenecen a cada grupo, según el método de algoritmo Howard - Harris. Los municipios agrupados por el análisis de conglomerados y comprobados por el análisis discriminante se han categorizado de la siguiente manera:
1. Ciudades metropolitanas. Agrupa a 22 municipios entre los que están las principales ciudades de Bolivia, con poblaciones que oscilan entre un mínimo de 22.324 y un máximo de 793.293 habitantes. Presentan la proporción de población urbana más elevada (86,41%) y el índice de pobreza NBI (45,72) más bajo de los seis grupos.
5. Urbanos. Son 32 municipios considerablemente menores, entre 2.548 y 45.318 habitantes), pero con proporciones todavía elevadas de población urbana (58,34%) y pobreza inferior a la media del país (57,91).
2. Urbanos pobres. Este grupo incluye a 67 municipios con tamaños similares al anterior (entre 4.981 y 51.153 habitantes) pero con mucha menos población urbana (32,20%) y niveles de pobreza superiores a la media (81,34).
4. Rural grande. Son 64 municipios que si bien en tamaño pueden ser superiores a los de los dos grupos anteriores pues su rango oscila entre 9.030 y 70.371 habitantes, su proporción de población urbana es muy baja (2,67%) y su índice NBI de los más elevados (95,89). Este grupo es el segundo de mayor importancia por población por detrás de Ciudades metropolitanas; los 64 municipios suman 1.267.486 habitantes que suponen el 18% del total de Bolivia.
6. Rural pobre. Agrupa a 95 municipios muy rurales pues presentan la proporción de población urbana más baja de los seis grupos (0,12%). Son núcleos con tamaños superiores a los del siguiente grupo, entre 2.133 y 17.574 habitantes, y con una población total considerable (606.528). El índice medio de pobreza del grupo es elevado (90,07) pero está por debajo de los grupos Rural grande y Rural pobre extremo.
3. Rural pobre extremo. Son 43 municipios con el índice medio de pobreza más elevado (96,31) y con tamaños muy pequeños, entre 221 y 2.766 habitantes.
Conclusiones
Según la clasificación de los municipios, se ha agrupado en seis clusters: Ciudades metropolitanas, Urbanos, Urbanos pobres, Rural grande, Rural pobre y Rural pobre extremo. Cada uno de estos conglomerados presenta características diferentes en cuanto a dimensión, proporción de población rural y niveles de pobreza.
Esta clasificación puede servir de ayuda para identificar necesidades y planificar políticas de desarrollo específicas para cada grupo. Por ejemplo, se han identificado tres grupos de municipios rurales (Rural grande, Rural pobre y Rural pobre extremo) que constituyen una parte importante de la población del país (1.895.653 habitantes, 27% del total de Bolivia) y que presentan índices de pobreza medios muy elevados (por encima de 90).
Asimismo estos conglomerados contribuyen de forma muy importante en el proceso de evaluación o medición de la eficiencia pues cada cluster presenta homogeneidad, requisito que se debe cumplir para realizar dicho análisis.
Referencias Bibliográficas
Albi, E. (1992.: "Evaluación de la eficiencia pública. El control de la eficiencia del sector público", Hacienda Pública Espoñola, nº 120, pág. 299-319. [ Links ]
Athanassopoulos, A. y Triantis, K (1998). "Assessing Aggregate Cost Efficiency and the Related Policy Implications for Greek Local Municipalities", INFOR, vol. 36, nº 3, pág. 66-83. [ Links ]
Ayaviri, D. y Quispe, G. (2011): La medición de la eficiencia asignativa en la gestión de los gobiernos municipales de Bolivia. Caso: municipios de Potosí, Banco Central de Bolivia. [ Links ]
Alarcón, S. (2007): "Endeudamiento y eficiencia en las empresas agrarias", Revista Española de Financiacion y Contabilidad, Vol. 7, N° 138, págs. 211-230. [ Links ]
Bosch, E. A., Navarro, A. I., y Giovagnoli, P. I. (1999). "Eficiencia Técnica y Asignativa en la Distribución de Energía Eléctrica: El Caso de EPE SF", Asociación Argentina de Economía Política, pág. 1 - 24. [ Links ]
Charnes, A., Cooper, W. y Rodhes, E. (1978). "Measuring the efficiency of Decision Making Units". European Journal of Operational Research, vol. 2, nº6, pág. 429-444. [ Links ]
Chames, A.; Cooper, W.; Lewin, A. y Seiford, L.M. (1993). Data Envelopment Analysis. Theory, Metodhology and Applications, Kluwer Academic Publishers. Massachusetts. [ Links ]
Coll, V. y Blasco, O. (2006). Frontier Analyst, una herramienta para medir la eficiencia. Universidad de Málaga. [ Links ]
Cruces, E.; Haro, J.; Sarrión, M.D (200): "Análisis estadístico de la realidad socioeconómica en Andalucía. Una aproximación a escala municipal", Investigaciones Regionales. Nº 18, págs. 107 a 138. [ Links ]
De Borger, B. y Kerstens, K. (1996). "Cost efficiency of Belgian local governments: A comparative analysis of FDH, DEA, and econometric approaches", Regional Science and Urban Economics, vol. 26, pág. 145-170. [ Links ]
De Borges, B. y Kerstens, K. (2000). "What Is Known about Municipal Efficiency" en Blank, Jos L. T. (ed), Public Provision and Performance: contributions from efficiency and productivity measurement,
De la Fuente, M. (2001). "Participación popular y desarrollo local: La situación de los municipios rurales en Cochabamba y Sucre", PROMEC-CEPLAG-CESU/ Universidad San Simón, pág. 1 - 20. [ Links ]
Dios Palomares R., Martinez Paz J.M., Martinez Carrasco Pleite. (2004). "Variables de entorno en el análisis de eficiencia. Un método de tres etapas con variables categóricas", Documentos de trabajo, Serie Economía E2004/78. Centro de Estudios Andaluces, pág. 1 - 23. [ Links ]
Galindo, M. y Medina, F. (2000). "Descentralización Fiscal en Bolivia", Serie Política Fiscal, Comisión Económica para América Latina y el Caribe. Santiago de Chile. [ Links ]
Golany, R. y Roll, Y. (1989). "An application procedure for DEA", InternationalJournal of Management Science, vol. 17, n° 3, pág. 237-250. [ Links ]
Herrera, P. y Málaga, R. (2007). Indicadores de desempeño y análisis de eficiencia de los municipios peruanos: una aproximación no paramétrica en un contexto de descentralización, Ediciones CIES, Lima. [ Links ]
Herrera, P. y Málaga, R. (2005). "Indicadores de desempeño y capacidades de gestión: una aproximación al análisis de la eficiencia municipales el marco del proceso de descentralización ", Revista CIES- Pontificia Universidad Católica del Perú, pág. 1 -94. Lima -Perú. [ Links ]
Herrera, P. y Francke, P. (2007): Un análisis de la eficiencia del gasto municipal y de sus determinantes. Universidad Católica de Perú, Lima. [ Links ]
Hill, E. W.; Brennan, J. E, y Wolman, H. L. (1998). "What is a central city in the United States? Applying a statistical technique for developing taxonomies", Urban Studies, 35, 1935-1969. [ Links ]
Hon, T. Y.; Poon, C. C, y Woo, K. Y. (2005). "Regional Distribution of Foreign Direct Investment in China, A Multivariate Data Analysis of Major Socioeconomic Variables", The Chinese Economy, 38, 56-87. [ Links ]
IGAE. (1997). El establecimiento de objetivos y la medición de resultados en el ámbito público, Intervención General de la Administración del Estado -MEH, Madrid. [ Links ]
Koopmans, T. C. (1951). An Analysis of Production as an Efficient Combination of Activities. En Koopmans, T.C., Ed. Activity Analysis of Production and Alocation, Cowells Commission for Research in Economics, Monograph, nº 13. John Wiley and Sons, Inc.
Kuiper, F.K. y Fisher,L.: "A Monte Carlo Comparision of six Clustering Procedures" Biometrics, 31,1975,pags.777-783. [ Links ]
Lovell, C. (2000). "Measuring Efficiency in the Public Sector». En Jos L. T. Blank (editor). Public Provision and Performance. Amsterdam: North-Holland. [ Links ]
Pinilla, A. (2001). La medición de la eficiencia y la productividad, Edición Pirámide, Madrid. [ Links ]
Prado, J.M y García, I. M. (2004). "Los indicadores de gestión en el ámbito municipal: implantación, evolución y tendencias". Revista iberoamericano de Contabilidad de Gestión, alojada en www.observatorio-iberoamericano.org., nº4, págs 149 - 180. [ Links ]
Prado, J. M. y García, I. M. (2007). "Efficiency evaluation in municipal services: an application to the street lighting service in Spain", Springer Science+Business Media, vol. 27, pág. 149-162. [ Links ]
Quispe, G. M. (2009). La formación de la ciudad de El Alto y sus consecuencias, Tesis Doctoral presentada en la Universidad Autónoma de Madrid, España. [ Links ]
Reyes, M.; Figueredo, E. Córdoba, J. A. y López, F. (1993). "Análisis envolvente de datos: aplicación en la medida de la eficiencia en los servicios de medicina preventiva hospitalarios de Andalucía", Revista San Hig, n° 6, (noviembre), pág. 1-10. [ Links ]
Rúa Vieites, A.; Redondo Palomo, R., y del Campo Campos, C. (2003): "Distribución municipal de la realidad socioeconómica gallega", Revista Galega de Economía, Nº 12 (2), págs. 1-20. [ Links ]
Sampaio de Sousa, M. y Stosic, S. (2003). "Technical Efficiency of the Brazilian Municipalities: Correcting Non-Parametric Frontier Measurements for Outliers". Working Paper, Department of Economics University of Brasilia, nº 294. [ Links ]
Santesmases, M. (2005/ DYANE Diseño y análisis de encuestas en investigación social y de mercados, Ediciones Pirámide, Madrid. [ Links ]
Soares, J. O.; Marquês, M. M. L., y Monteiro, C. M. F. (2003). "A multivariate methodology to uncover regional disparities: A contribution to improve European Union and governmental decisions", European Journal of Operational Research, 145, 121-135. [ Links ]
Stimson, R.; Baum, S.; Mullins, P., y O'Connor, K. (2001). "Atypology of community opportunity and vulnerability in metropolitan Australia", Papers in Regional Science, 80 (1), 45-66. [ Links ]
Ward, J.H. (1963). "Hierarchical Groupings to optimise an objective function" Journal of the American Statistical Association, vol 58, 236-244. [ Links ]
ANEXO 1
ANEXO 2
1. Para la determinación de las variables de agrupación, se consideró el criterio utilizado por Herrera y Francke (2007: 24) quienes consideran variables que los municipios no pueden modificar y por tanto son variables de estado.