Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Una Revisión de La Aplicación de Las Cadenas de Markov Discretas Al Estudio de La Movilidad Geográfica (
Una Revisión de La Aplicación de Las Cadenas de Markov Discretas Al Estudio de La Movilidad Geográfica (
=
=
q
c
c c
1
P S D , don-
de ( ) r , , 1 i : s diag S
i
c c
K = = , q , , 1 c K = , siendo
i
c
s la proporcin de la poblacin
que ocupa el estado i en el instante inicial(7), 0 t = , (8) con matriz de transicin
individual
c
P y I S
q
1 c
c
=
=
, matriz identidad(9). Suponiendo que las q cadenas de
Markov independientes consideradas inicialmente son homogneas en el tiempo y
regulares, la matriz de transicin en n pasos esperada para la poblacin
) , 2 , 1 n ( K = es [ ]
1
(
n
q
c
c c
P S ) n D
=
= (McFarland, 1970).
Teniendo nuevamente en cuenta que las q cadenas de Markov independientes
son regulares y homogneas en el tiempo, cada una de estas cadenas da lugar a
una matriz de equilibrio ( ) S i :
c , i c
= , a partir de las cuales McFarland (1970)
define la matriz de equilibrio esperada para la poblacin, como
=
=
q
1 c
c c
S .
A diferencia de la matriz de equilibrio de una cadena de Markov finita, regular y
homognea en tiempo y poblacin, las filas de esta matriz no son iguales, al de-
pender stas del vector de estados inicial a travs de las ponderaciones contenidas
en
c
S . El inconveniente ms notable que plantea esta propuesta es que una escala
de anlisis tan pequea supone, adems de una importante inversin en tiempo, la
(6) Una cadena finita y homognea en el tiempo es regular si es irreducible y aperidica
(Parzen, 1962).
(7) Para cada individuo, se tendr una matriz diagonal con un nico elemento distinto de
cero e igual a 1/q en el estado en donde se localiza.
(8) El modelo supone que S
c
no depende del tiempo y que, por tanto, la localizacin de
los individuos por estados no vara, lo que resta utilidad al modelo.
(9) La notacin que aqu se emplea es una adaptacin de la de Singer y Spilerman (1974),
pues la utilizada por McFarland (1970) resulta algo confusa.
ESTADSTICA ESPAOLA
482
utilizacin de muestras reducidas que pueden ocasionar un problema de represen-
tatividad y, tambin, una alta probabilidad de que las matrices de transicin no sean
regulares, como impone el modelo. En cualquier caso, aunque parece ms que
cuestionable la reproduccin de este modelo en la prctica, este procedimiento
brinda la posibilidad de aplicar la idea de mixtura con un enfoque distinto, que es
suponiendo la poblacin agrupada en un reducido nmero de grupos de acuerdo
con alguna caracterstica demogrfica (edad, nacionalidad, ocupacin, sexo), esto
es, permite la consideracin de un modelo ms general. As, si suponemos que la
poblacin se agrupa en g grupos de poblacin homogneos diferenciados por su
estrategia residencial, q g 1 , y que la posicin en el tiempo de cada uno de
estos grupos de poblacin est gobernada por una cadena de Markov discreta y
finita, { } K , 1 , 0 t : ) t ( X
c
= , con espacio de estados S, con r estados o localizacio-
nes, y matriz de transicin ( ) S j , i : p P
c , ij c
= , g , , 1 c K = , en presencia de
homogeneidad temporal se obtiene una matriz de transicin esperada para la pobla
cin en n pasos, [ ]
n
g
c
c c
P S ) n D (
1
=
= , con ( ) S i : s diag S
c , i c
= ,
g , , 1 c K = , matriz diagonal que contiene la proporcin de poblacin en cada estado
que pertenece al grupo c. As, si q g = , tendramos la propuesta de McFarland
(1970) como caso particular.
A partir del modelo de McFarland (1970), Spilerman (1972a) plante resolver
esta clase de heterogeneidad desde una escala de observacin opuesta: la matriz
de transicin observada de la poblacin como punto de partida y el conjunto de
matrices de transicin estimadas para distintos grupos que componen esa pobla-
cin como punto de llegada, expresando las probabilidades de transicin de la
poblacin en relacin a un conjunto de factores de cambio estructural y otros de
cambio demogrfico, mediante un sencillo modelo de regresin lineal. Entre los
inconvenientes de esta propuesta, sin embargo, se encuentra la ausencia de
restricciones en la regresin sobre la naturaleza estocstica de las matrices de
transicin y, segn se ha sealado anteriormente, la dificultad para dar de manera
satisfactoria con todas las variables que recogen lo que Spilerman llama cambio
estructural y cambio demogrfico.
El modelo Mover-Stayer en tiempo discreto de Blumen, Kogan y McCarthy
El modelo siguiente, a pesar de constituir un caso particular del modelo de
McFarland (1970), ha sido considerado la piedra angular de todos los estudios
dedicados a la relajacin del supuesto markoviano de homogeneidad de la pobla-
cin y, de hecho, es el modelo que mayor alcance ha tenido en este campo. Segu-
ramente, el motivo de la gran difusin adquirida por esta propuesta sea que sus
artfices, Blumen, Kogan y McCarthy (1955), encontraron explicacin a las estima-
MODELOS DE ELECCIN DISCRETA Y ESPECIFICACIONES ORDENADAS: UNA REFLEXIN ...
483
ciones sesgadas ofrecidas por una cadena de Markov convencional de los elemen-
tos de la diagonal principal de una matriz de transicin estimada para una poblacin
en ms de un paso: las cadenas de markov homogneas en poblacin conceden
idntico trato a dos grupos de poblacin sumamente heterogneos, stayers y
movers.
Este modelo, denominado modelo Mover-Stayer en tiempo discreto, parte de
dos supuestos. Primero, dado un espacio de estados S, en cada estado de resi-
dencia, i, la poblacin se descompone en dos grupos de individuos: los stayers, en
proporcin
i
, son el grupo de la poblacin que permanece indefinidamente en su
estado de origen, i; los movers, en proporcin
i
1 , son el grupo de la poblacin
que abandona su estado de residencia inicial, i. Segn el segundo supuesto, la
posicin de los movers en cada instante de tiempo t est gobernada por una cade-
na de Markov discreta y homognea en el tiempo, { } K , 1 , 0 t : ) t ( X = , con espacio
de estados S y matriz de transicin en un solo paso ( ) S j , i : m M
ij
= , donde
) t ( X determina el estado que ocupa un mover en el instante t.
De acuerdo con los dos supuestos sealados, el modelo Mover-Stayer en tiem-
po discreto se concreta en la mixtura de dos cadenas de Markov independientes: la
primera es una cadena degenerada con matriz de transicin la matriz identidad, I,
de dimensin r r , y la segunda es una cadena de Markov discreta homognea en
el tiempo, con matriz de transicin ( ) S j , i : m M
ij
= . El proceso agregado,
{ } K , 1 , 0 t : ) t ( Y = , que determina la posicin de toda la poblacin en cada instante
de tiempo t, queda gobernado por una matriz de transicin esperada para la pobla-
cin en un solo paso ( ) S j , i : p P
ij
= , que se obtiene de forma anloga que en el
modelo de McFarland (1970), esto es, M ) I ( P + = , donde
( ) S i : diag
i
= . Como puede apreciarse, aunque este supuesto equivale a la
descomposicin de la poblacin en un grupo de individuos con tasa de movilidad
nula y otro grupo con una tasa de movilidad idntica y positiva, estas dos tasas no
desempean papel alguno en el desarrollo matemtico del modelo, sino que la
base de su construccin reside en las matrices de transicin de estos dos grupos.
Teniendo en cuenta que la cadena de Markov que caracteriza al grupo de po-
blacin mover es homognea en el tiempo, la matriz de transicin en n pasos
esperada para la poblacin se corresponde con la expresin
n
M ) I ( ) n ( P + = .
La cuestin ms debatida del modelo Mover-Stayer tiene que ver con la estima-
cin de la proporcin de stayers correspondiente a cada localizacin, pues, tal y
como Blumen, Kogan y McCarthy (1955) definen a los stayers poblacin que
nunca se mueve, estas proporciones no son directamente observables; el investi-
gador conoce, a lo sumo, la proporcin de individuos que no se mueven a lo largo
de un periodo de observacin dado, pero desconoce qu fraccin de ellos se
mueve en adelante. Su propuesta de estimacin es una estimacin asinttica de la
ESTADSTICA ESPAOLA
484
proporcin de stayers, justificada por el hecho de que la proporcin de stayers en
cada localizacin, aunque es una funcin montonamente decreciente del tiem-
po(10), resulta constante a partir de que el sistema alcanza el estado de equilibrio.
Su propuesta fue seriamente criticada en trabajos posteriores, arrancando de
Goodman (1962) la desaprobacin de su procedimiento de estimacin de la matriz
de parmetros por razones de inconsistencia, relacionadas con la premisa
impuesta por estos investigadores para llegar a esa estimacin de que el periodo
de observacin poda considerarse lo suficientemente largo para que las matrices
M y se estabilizaran al cabo de l. A raz de esta valoracin, Goodman (1962) y
Frydman (1984) respondieron a este problema de inconsistencia con sendas alter-
nativas de estimacin. Por un lado, Goodman (1962) sugiri prescindir de la hipte-
sis de que el periodo de observacin deba ser lo suficientemente largo y aproximar
la proporcin de stayers con la proporcin observada de individuos que permane-
cen en su estado de localizacin inicial durante el periodo de observacin. Poste-
riormente, Frydman (1984) lleg a un estimador ms general de la matriz de par-
metros mediante mxima-verosimilitud(11).
Una cuestin estrechamente relacionada con el modelo Mover-Stayer es el
efecto clustering, efecto objeto de anlisis, adems de por Blumen, Kogan y
McCarthy (1955), por investigaciones posteriores como las de McFarland (1970),
Spilerman (1972a, 1972b), Bartholomew (1973), Singer y Spilerman (1974, 1976) y
Singer y Spilerman (1976) ponen de relieve que este efecto no slo se manifiesta
de la manera ya indicada por la ausencia de distincin entre poblacin stayer y
mover, sino tambin por la ausencia de otras caractersticas que tambin influyen
en la estrategia de localizacin de la poblacin edad, ocupacin, etc., as como
por la presencia de inercia positiva en el modelo, tal y como explica McGinnis
(1968).
La clase de modelos para los cuales la constatacin emprica del efecto cluste-
ring ha sido mayor es el modelo Mover-Stayer. Un primer procedimiento de evalua-
cin del efecto clustering se ha realizado comparando elemento a elemento la
diagonal principal de la matriz de transicin esperada para la poblacin en un
determinado nmero de pasos obtenida segn el procedimiento del modelo Mover-
Stayer y la obtenida segn el procedimiento markoviano; es el caso de Blumen,
(10) Esto es debido a que una parte de la poblacin que no se mueve a lo largo del periodo
de observacin lo hace en periodos siguientes a ste.
(11) Frydman (1984) demuestra que, cuando el periodo de observacin es de longitud infi-
nita, su estimador mximo-verosmil de la proporcin de stayers coincide con el estimador de
la proporcin de stayers propuesto por Goodman (1961), pues, en tal caso, la proporcin de
stayers coincide con la proporcin de poblacin que no se mueve durante el periodo de
observacin.
MODELOS DE ELECCIN DISCRETA Y ESPECIFICACIONES ORDENADAS: UNA REFLEXIN ...
485
Kogan y McCarthy (1955). Una segunda manera de llevar a cabo la evaluacin de
este efecto, sugerida en Singer y Spilerman (1976), ha consistido en comparar
directamente la traza de las dos matrices sealadas, lo que se ha denominado
evaluacin del efecto clustering en sentido dbil. Por analoga, el primer procedi-
miento de evaluacin, el utilizado por Blumen, Kogan y McCarthy (1955), podra-
mos denominarlo clustering en sentido fuerte.
3.1.2. Relajacin de la hiptesis de homogeneidad de la poblacin en la tasa de
movilidad: Generalizacin del modelo de puntos de decisin homogneo en
poblacin y en el tiempo
Un segundo grupo de propuestas atribuye el origen de la ausencia de homoge-
neidad de la poblacin a la distinta frecuencia con la que sus individuos cambian de
localizacin. Para ello, se considera que el nmero de transiciones realizadas es
aleatorio y que la heterogeneidad entre los individuos de una poblacin responde al
hecho de que su nmero esperado de transiciones su tasa de movilidad no es
idntico.
Esta interpretacin, complementaria del origen de la ausencia de homogeneidad
de la poblacin, se inicia en Blumen, Kogan y McCarthy (1955), siendo la base de
su planteamiento la identificacin de una cadena de Markov homognea en la
poblacin y en el tiempo con lo que Mayer (1975), ms tarde, define como un
modelo de puntos de decisin homogneo en la poblacin y en el tiempo. Segn
este modelo, una cadena de Markov homognea puede concebirse como una
estructura formada por dos componentes: la primera componente es una matriz de
transicin constante, denotada comnmente en la literatura como M, que gobierna
las transiciones entre estados en los denominados puntos de decisin o instantes
de tiempo en los que se produce una transicin (Mayer, 1975), mientras que, para
el resto de instantes, la matriz M no desempea papel alguno, motivo, por el cual,
parece apropiado denominar a esta matriz como matriz de transicin de puntos de
decisin; la segunda componente se trata de un proceso de Poisson de parmetro
, que contabiliza el nmero de desplazamientos ocurridos en los puntos de
decisin, siendo el nmero esperado de desplazamientos o tasa de movilidad.
Partiendo de los resultados de Blumen, Kogan y McCarthy (1955), se demuestra
la equivalencia que existe entre un modelo de puntos de decisin homogneo en la
poblacin y en el tiempo y una cadena de Markov finita, discreta y homognea(12).
(12) La definicin de este mismo modelo en tiempo continuo puede consultarse en Blu-
men, Kogan y McCarthy (1955), Spilerman (1972b), Bartholomew (1973), Mayer (1975) y
Bartholomew (1981).
ESTADSTICA ESPAOLA
486
Considerando esta interpretacin de una cadena de Markov homognea desde
la perspectiva de la contabilizacin de transiciones, Blumen, Kogan y McKarthy
(1955), Spilerman (1972b), Bartholomew (1973), Singer y Spilerman (1974) y Mayer
(1975) manifiestan la necesidad de generalizar el modelo de puntos de decisin
homogneo de modo que tenga cabida una situacin, en la cual el nmero espera-
do de transiciones pueda ser distinto entre los individuos de la poblacin; esta
propuesta es conocida como Generalizacin del modelo Mover-Stayer. Sin embar-
go, parece ms apropiada la denominacin Generalizacin del modelo de puntos
de decisin homogneo en poblacin y en el tiempo, pues por generalizacin del
modelo Mover-Stayer podra entenderse, tambin, el modelo de McFarland, esto
es, por la va de incorporar uno o ms factores que, adems del hecho de moverse
o no, reflejen preferencias de localizacin distintas entre los individuos (edad,
ocupacin, nacionalidad, etc.). El primer apunte matemtico de esta propuesta se
plantea en Blumen, Kogan y McCarthy (1955), hasta que Spilerman (1972b) decide
retomar esta lnea de investigacin, desarrollarla tericamente y aplicar, asimismo,
sus resultados a datos de una encuesta. Siguiendo los trabajos de Blumen, Kogan
y McCarthy (1955) y Spilerman (1972b), la generalizacin del modelo de puntos de
decisin homogneo en la poblacin y en el tiempo se define a partir de una pobla-
cin compuesta por q clases de poblacin homogneas en su tasa de movilidad,
0
c
> , en proporciones
c
, q , , 1 c K = , todas ellas con matriz de transicin de
puntos de decisin constante, M. As, dados q procesos de Poisson de parmetros
q 1
, , K , respectivamente, que contabilizan el nmero de desplazamientos de
cada grupo de poblacin homogneo, si la probabilidad de que un individuo
cualquiera que sea su tasa de movilidad se desplace un nmero de veces u al
cabo de un instante de tiempo es
[ ]
( )
) ( exp
! u
u U Prob r
c
u
c
q
1 c
c u
= = =
=
, ( K , 1 , 0 u = ), entonces,
=
=
0 u
u
u
M r P
es la matriz de transicin en un solo paso, siendo
= =
=
0 u
u
c
u
c
q
1 c
c
M ) n ( exp
! u
) n (
) n ( P
+ + =
1 k
0 t
i ij
1 k
0 t
ij
) 1 t , t ( n ) 1 t , t ( n p , ) S j , i ( , es la estimacin mximo-verosmil
de las probabilidades de transicin correspondientes al periodo de observacin
considerado.
Como puede apreciarse, la estimacin anterior es el resultado de considerar
globalmente los flujos migratorios entre cada par de estados que tienen lugar a lo
largo del periodo de observacin, con lo cual, se corre el riesgo de no reflejar la
posible existencia de cambios imprevistos, rupturas o probabilidades de transicin
anmalas. En este sentido, cuanto ms amplio sea el periodo de observacin y ms
compleja su dinmica, menor ser la capacidad de esta tcnica para interpretar lo
sucedido en el sistema que se analiza.
El tercer mtodo, el mtodo de matriz promedio, comparte con los procedimien-
tos anteriores el hecho de proporcionar una nica estimacin de cada probabilidad
de transicin entre instantes de tiempo consecutivos. Dada una secuencia temporal
de matrices de flujos migratorios, para cada par de estados, la estimacin de la
correspondiente probabilidad de transicin homognea es la media aritmtica de
los flujos migratorios entre los distintos instantes de tiempo consecutivos que
abarca el periodo de observacin, expresados en relacin al total de salidas desde
ESTADSTICA ESPAOLA
490
cada localizacin de procedencia. Esto es, k ) 1 t , t ( n ) 1 t , t ( n p
1 k
0 t
i ij ij
+ + =
,
para todo S j , i .
Este procedimiento tiene el inconveniente de que, al apoyar sus estimaciones
en un promedio que, adems, abarca todo el periodo de observacin, resulta ser
inapropiado en sistemas que experimentan variaciones bruscas.
Cualquiera de los tres mtodos de estimacin anteriores es perfectamente vli-
do en una situacin caracterizada por probabilidades de transicin constantes. Sin
embargo, a la hora de modelizar un fenmeno como el migratorio, uno se cuestiona
el sentido de esta hiptesis; fundamentalmente, porque las pautas seguidas por la
movilidad de una poblacin reciben la constante influencia de factores muy nume-
rosos y diversos, que ni tan siquiera conocemos en profundidad. Si aplicamos, por
tanto, las tcnicas descritas hasta ahora al contexto que nos ocupa, correremos el
riesgo de no modelizar la realidad. La manera de resolver esta situacin es dando
una alternativa de estimacin dinmica que permita obtener probabilidades de
transicin dependientes del tiempo.
Tcnicas de estimacin dinmicas
En caso de que el resultado de los procedimientos de contraste confirmara la
ausencia de homogeneidad temporal en la cadena, sera necesario, entonces,
buscar la manera de caracterizar la dinmica de la cadena con alguna tcnica de
estimacin de probabilidades de transicin alternativa a las habituales de tipo
esttico: nos referimos a tcnicas de tipo dinmico, que expresen las probabilida-
des de transicin de la cadena en funcin del tiempo(15). El estudio de esquemas
de estimacin y proyeccin de probabilidades de transicin dependientes del
tiempo es una lnea de investigacin que no ha recibido la atencin y profundidad
que se merece, al quedar eclipsada por los procedimientos de estimacin estticos
(Faura y Gmez, 2001). Es por ello que esta lnea de trabajo debera seguir siendo
desarrollada, pues sera importante disponer de procedimientos con los cuales
caracterizar la dinmica de sistemas en los que quedara contrastada la ausencia de
homogeneidad temporal.
Gale (1972) y Rogerson (1979) clasifican estas tcnicas de estimacin dinmi-
cas en funcionales y diferenciales. Las estrategias de naturaleza funcional estiman
las probabilidades de transicin de una cadena de Markov a partir de una seleccin
(15) La utilizacin de procedimientos de estimacin dinmicos tienen la ventaja de que
permiten capturar cambios que afectan a las probabilidades de transicin, tales como los
cambios de coyuntura econmica.
MODELOS DE ELECCIN DISCRETA Y ESPECIFICACIONES ORDENADAS: UNA REFLEXIN ...
491
de variables explicativas y considerando, a su vez, que stas varan en el tiempo.
Dentro de esta corriente se ubica el modelo de ponderacin de la poblacin en el
destino (DPW), desarrollado por Plane (1982), ampliado por Rogerson (1981) y,
ms tarde, generalizado por Isserman et al. (1985) mediante el modelo generaliza-
do de ponderacin en el destino (GDW)(16).
Las estrategias de naturaleza diferencial, por su parte, en lugar de prestar aten-
cin a la componente causal, enfocan la ausencia de homogeneidad temporal
como una cuestin puramente dinmica; esta lnea de propuestas es plenamente
coherente con la idea introducida anteriormente de la necesidad de reflejar en el
modelo terico el desconocimiento sobre la estructura causal que determina los
movimientos migratorios y la importancia de la componente tiempo en la evolucin
de la estrategia residencial. Se conocen diversas tcnicas de este tipo. Plane y
Rogerson (1984) sealan, entre ellas, la tcnica de tendencia lineal constante, la
tcnica de ratio de probabilidades constante y el mtodo de matrices causativas
constantes. La estimacin de las probabilidades de transicin de una cadena de
Markov discreta que proporciona cada uno de estos procedimientos es, para
S j , i
y K , 1 , 0 t = , t b
) 1 t , t ( p
ij ij ij
+ = + , ) t , 1 t ( p
) 1 t , t ( p
ij ij ij
= +
y
= = +
S k
kj
I
ik
S k
D
kj ik ij
) t , 1 t ( p
) t , 1 t ( p
) 1 t , t ( p
, respectivamente(17).
El mtodo de tendencia lineal constante considera que las probabilidades de
transicin entre pares de localizaciones, i y j, son una funcin lineal del tiempo,
mientras que el mtodo de ratio de probabilidades constante supone que esta
probabilidad de transicin es el resultado de multiplicar la del periodo inmediata-
mente anterior por una constante Por su parte, el mtodo de matrices causativas
constantes estima la probabilidad de transicin entre pares de localizaciones, i y j,
de dos formas equivalentes. La primera, mediante la combinacin lineal de las
probabilidades de transicin en el instante inmediatamente anterior desde una
localizacin de origen, i, hacia otra localizacin de destino, j, as como hacia cual-
quiera de las localizaciones competitivas de esta ltima, k, recogiendo los pesos de
la combinacin lineal,
D
kj
c
son los estimadores obtenidos por mnimos cuadrados. Por otro lado, el
procedimiento habitual de estimacin de probabilidades de transicin es el de mxima-
verosimilitud. Para el caso del mtodo de matrices causativas, una vez estimadas las probabi-
lidades de transicin, se obtiene la estimacin de los elementos de las matrices causativas
por la derecha y por la izquierda.
ESTADSTICA ESPAOLA
492
competitivas de destino en el cambio que ha sufrido la probabilidad de transicin
que est siendo estimada respecto al instante inmediatamente anterior; la combina-
cin lineal queda determinada por los elementos de la denominada matriz causativa
constante por la derecha, ( ) S j , i : c C
D
ij
D
= . La segunda forma de estimar las
probabilidades de transicin se realiza mediante la combinacin lineal de las pro-
babilidades de transicin hacia una localizacin de destino, j, en el instante de
tiempo inmediatamente anterior desde una regin de origen, i, as como desde
cualquiera de las localizaciones competitivas de esta ltima, k, recogiendo los
pesos de la combinacin lineal,
I
ik
c