Situación de bienestar y marginación en Ciudad Juárez, una aproximación

espacial

Hector Alonso Barajas Bustillos1

Jaime Garcia De la Rosa2

Resumen

El rápido crecimiento poblacional y económico de las fronteras supera la planeación urbana y la

dotación de infraestructuras y servicios, creando ciudades ineficientes, dispersas y desiguales que
extienden la pobreza y la marginación. Es necesario identificar patrones de concentración de la
población, el equipamiento y material de las viviendas, así como del acceso a los servicios que
ayuden a resolver el problema.

Para lo anterior se construyen indicadores sintéticos mediante técnicas de análisis no paramétrico

y se aplican al análisis exploratorio de datos espaciales, para grupos de variables de salud,
demográficos, educación y de ineficiencia espacial, así como de un índice sintético
georreferenciado que representa los niveles relativos de pobreza y marginación en Ciudad Juárez
para las AGEBs con información del Censo de Población y Vivienda 2010.

Los resultados permiten identificar zonas y patrones para elaborar políticas públicas que ayuden a
disminuir las desigualdades, que favorezcan el bienestar y que incrementen la calidad de vida.

PALABRAS CLAVE: Marginación, Bienestar, Análisis espacial

1
Profesor Investigador de la Universidad Autónoma de Ciudad Juárez, hbarajas@uacj.mx
2
Profesor de la Universidad Autónoma de Ciudad Juárez, jaimegder@gmail.com
Introducción

La libre elección sobre la residencia conlleva a un proceso de aprendizaje sobre

las posibles opciones a elegir, define patrones espaciales que pudieran llevar a
una mejor planeación urbana y a una mejor distribución de los mercados urbanos,
no obstante, algunos autores señalan que una libre elección trae consecuencias
sobre la eficiencia y segmentación de los habitantes urbanos.

Ciudad Juárez al ser ciudad fronteriza tiene una dinámica productiva de

exportación vinculada a los sistemas manufactureros de Estados Unidos, que, al
ser de los mercados más importantes del mundo, tiene significativos periodos de
auge donde la ciudad fronteriza ha presentado un crecimiento de la población de
un 50% en diez años que equivale a más del 4% de crecimiento anual promedio,
lo cual implicó que la ciudad duplicara su tamaño en un periodo de 20 años.

Lo anterior representa un verdadero reto para los distintos niveles de

gobierno, la ciudad crece más rápido de lo que puede dotársele de servicios y
bienes públicos, además, la iniciativa privada cuenta con una respuesta más
rápida a las necesidades de la población, presentando así un crecimiento
descontrolado orientado hacia las zonas con mejores niveles de ingreso de los
habitantes, marginando a las zonas de menores recursos tanto de bienes privados
como públicos, generando importantes zonas de marginación.

El suelo residencial creció entre 1995-2001 a una tasa del 3.4% por año
cubriendo un 45% de la superficie urbana, mientras que el uso industrial y
comercial creció arriba del 8% anual. Sin embargo, aún hay una gran proporción
de suelo disponible dentro de la ciudad que se ha mantenido durante el periodo
mencionado, 11% de la superficie urbana. Esto es relevante pues el crecimiento
urbano convierte cerca de 180 hectáreas de tierra agrícola al año según la
demanda de vivienda que al parecer puede ser solventada por suelo ya
urbanizado (Peña y Fuentes 2007).
 En los primeros años del siglo XXI, la superficie para uso habitacional creció
en 30 mil metros cuadrados a pesar de que el crecimiento poblacional venía en
descenso. Dicho crecimiento, que fue aprobado por el gobierno local, es explicado
por la vivienda de interés social teniendo un 86.78% de las acciones de vivienda
entre 2001-2006 (Maycotte, 2008). Las viviendas creadas para ese periodo (hasta
el 2006) equivalían a una tercera parte de las viviendas habitadas en el 2005.
Sacando la diferencia de viviendas habitadas entre el 2000 y el 2010 solo hay
75,249 es decir que al menos el número de viviendas que no se ocuparon en este
periodo es de 37,4293 que muy probablemente la mayoría estuvo destinada para
trabajadores.

La dispersión de la ciudad, su rápido crecimiento y la mala planeación

urbana del gobierno lo han llevado a dotar de bienes públicos de forma
desordenada e ineficiente que repercute en el bienestar de la ciudad.

Las elecciones de los individuos, la búsqueda de mercados de la iniciativa

privada, las decisiones de planeación urbana del gobierno y la disposición de
localización de la industria han estimulado la formación de zonas en la mancha
urbana con distintas características, carencias e ineficiencias, el objetivo de este
documento es la caracterización de dichas zonas mediante la geoestadística con
la finalidad de acercarnos a una posible escala de bienestar y marginación social
en Ciudad Juárez con la construcción de índices de equipamiento, sociales,
laborales y de eficiencia en la distribución espacial de los bienes públicos que
permitan contrastar entre Áreas Geo-Estadísticas Básicas (AGEBs) y tener así
una mejor forma de afrontar las necesidades de la ciudad para llevar a un gasto
más eficiente a través de políticas públicas.

Para lograr lo anterior, este documento, además de esta introducción, se

divide en un apartado teórico, una sección metodológica, la presentación de los
datos, una sección de resultados y las conclusiones.

3 Datos calculados a partir de (INEGI 2000, 2010)

Marco Teórico

Entender y modelar el comportamiento de la elección residencial es un tema

primario para los planeadores urbanos, los hacedores de políticas e
investigadores, a partir del trabajo desarrollado por William Alonso en 1965,
confirieron importancia al análisis espacial como una herramienta de estudio
dentro de las ciudades y en específico a la elección por una vivienda. Es así como
surge el modelo basado en los gradientes de renta de Von Th ünen, que considera
una ciudad con un único centro en el que se localizan todos los empleos de la
ciudad y la renta disminuye conforme se alejan de este, mientras que el costo de
transporte se incrementa en el mismo sentido generando gradientes de renta
dentro de la ciudad (Schirmer, van Eggermond, & Axhausen, 2014).

Aunque el trabajo de Alonso fue uno de los pioneros en el estudio de

elección residencial la propuesta realizada por MacFadden (1978) ha sido la que
ha generado un mayor impacto en los trabajos sobre elección residencial. Este
autor propone un modelo en el cual se considera un consumidor económicamente
racional clásico el cual elegirá la ubicación de su residencia mediante la
ponderación de los atributos de cada alternativa disponible.

Este modelo supone que los hogares enfrentan una elección residencial,
considerando la ubicación y la vivienda en cada ubicación. Por lo tanto, la utilidad
del consumidor está en función de los atributos de esas alternativas, incluyendo
accesibilidad, calidad de los servicios públicos, características del vecindario y de
la vivienda, entre otros. Así como en función de las características de los
consumidores, como la edad, el tamaño de la familia, ingreso entre otros. El
consumidor elige la alternativa que maximiza su utilidad (MacFadden, 1978).

En el trabajo de Berliant, Papageorgiou y Wang (1990) se considera que

todos los agentes, al tener libre movilidad, buscarán eliminar los costos de traslado
y su ubicación maximizará su bienestar al consumir las cantidades de bienes y de
tierra para vivienda que cumplan con este objetivo. Mientras que Brueckner,
Thisse y Zenou (1999) señalan la importancia de las amenidades (que pueden ser
dotadas por el gobierno) como escuelas, hospitales, centros de recreación al aire
libre, teatros, entre otros, en la elección de la residencia de las personas. Por lo
que un individuo racional elegirá localizarse donde se concentre un mayor número
de amenidades, lo cual permitirá maximizar su bienestar.

Continuando con el consumidor racional, Jun (2013) sugiere que la elección

de vivienda depende de aquella opción que maximice la utilidad del hogar, sujeta a
su restricción presupuestal y a su vez, haciendo una ponderación entre el costo de
la vivienda contra el costo de traslado a las actividades principales. Sin olvidar que
la elección también se basa en la calidad y los costos de los servicios públicos
como salud, educación, además del pago de impuestos.

Para Zheng, Fu y Liu (2006) en una ciudad monocéntrica, un equilibrio

espacial eficiente implicará la clasificación de los residentes según su gradiente de
renta en orden descendiente de la distancia al centro de la ciudad, es decir se
tiene una ordenación de posibles ubicaciones para cada individuo el cual elige
aquella que maximiza su utilidad. Concluyeron que un área con un mejor acceso a
los bienes públicos locales, una mayor densidad de empleo y precios de vivienda
más bajos, se traduce en mayores probabilidades de elección para los hogares.
Por lo tanto, se pueden tener resultados en los cuales los hogares de ingresos
más altos viven en el centro urbano mientras que los de bajos ingresos son
obligados a ubicarse en los suburbios debido a su restricción presupuestaria.

Por su parte, Reardon y Bischoff (2011) señalan que el ingreso es el

principal determinante en la elección de vivienda y debido a que el precio de ésta
está relacionado con el precio de las viviendas vecinas se crea restricciones
espaciales a partir de la restricción presupuestal. Por lo que, la calidad de los
bienes y servicios públicos y las instituciones sociales se ven afectadas y en
donde se agrupan individuos de altos ingresos estos son de mayor calidad.

En el trabajo de Aguilar y Mateos (2011) se menciona que la existencia de

las divisiones socioeconómicas, al reproducirse en el espacio, actúan como un
mecanismo que las perpetua. Cuando la pobreza se concentra favorece su
permanencia debido a la falta de vínculos sociales y participación de redes que no
les permiten acumular capital educativo y social, que a su vez provoca que sus
ingresos sean bajos, generando un círculo vicioso de separación social reflejada
en el espacio.

Así la restricción presupuestaria ha llevado a que los agentes con menores

ingresos busquen localizarse en las ubicaciones con una menor renta en
ubicaciones que están fuera de los centros y subcentros urbanos. Por lo tanto,
para Mier y Terán, Vázquez y Ziccardi (2012) además de haber un problema por
el poder adquisitivo se lleva a que estos agentes sean privados de los recursos
urbanos y al nivel de vida que se puede alcanzar en las ciudades.

De esta manera la pobreza urbana se vincula a la mayor dificultad que los

individuos de bajos recursos tienen para acceder a una vivienda digna con
infraestructura básica y equipamiento comunitario en un suelo barato favoreciendo
una clara inequidad espacial en la dotación de servicios (De la Fuente, Rojas, &
Salado, 2013). Por lo tanto, reconocer la existencia de segregación en las
ciudades es aceptar que la distribución de los recursos, tanto privados como
públicos, es desigual y puede llegar a generar problemas sociales graves (Feitosa,
Camara, Monteiro, Koschitzki, & Silva, 2007; Wassmer, 2005; Watson, Carlino, &
Ellen, 2006).

Este problema de dotación de bienes es visto como una ineficiencia del

mercado y por lo tanto, deberá de haber una intervención del gobierno en la
economía la cual buscará eliminar o reducir este problema, mediante una
redistribución de los bienes entre los agentes. Lo anterior se puede lograr
mediante la planificación de la economía, un sistema tributario o la dotación de
bienes públicos (David & Foucart, 2014; Cerniglia & Longaretti, 2015).

La intervención del gobierno a partir de bienes públicos se puede dividir en

dos categorías. En la primera se encuentran los "bienes públicos" - incluye la
defensa, el orden público y la justicia. En la segunda categoría se encuentran los
llamados "bienes meritorios" o bienes privados de provisión pública, que incluyen
la salud, la educación y otros servicios que podrían haber sido proporcionados de
forma privada (Fiorito & Kollintzas, 2004). Por lo cual, la dotación de bienes y
servicios públicos podrá generar un efecto positivo en el bienestar social si logra
incrementar la utilidad de los agentes con menores ingresos proporcionando
bienes que por sí solos no pudieran alcanzar.

Los trabajos realizados para Ciudad Juárez principalmente se han enfocado

en medir la segregación espacial (Padilla, 1999; Fuentes & Cervera, 2006;
Fuentes & Hernández , 2013; García de la Rosa & Hernández Gómez, 2015),
accesibilidad al empleo interacción (Fuentes, 2001; Fuentes, 2008), calidad de la
vivienda (Maycotte, 2008; Maycotte & Sánchez, 2009; Caraveo, 2009) y dotación
de infraestructura y servicios públicos en la ciudad (Guillén López, 1990; Cital,
2005). Utilizando metodologías tanto cualitativas como cuantitativas y espaciales
que llevaron a identificar patrones de marginación claros que se pretenden validar
con una metodología que considere el acceso espacial a los bienes públicos
locales. Sin embargo, no se ha hecho referencia al bienestar de la población.

Metodología

Para este documento se consideran en el modelo tres índices sintéticos. Uno

Social (IBS), otro de ineficiencia espacial de dotación de bienes públicos (INEBPL)
y un tercero agregado (IBSME).

Para homogeneizar los distintos tipos de datos y sus respectivas

mediciones se utiliza una normalización convirtiendo las variables en magnitudes a
dimensionales en forma de porcentaje con respecto al máximo valor de cada
variable, teniendo así índices que van de 0 a 100, donde 100 será el área urbana
con mayor dotación según la variable que se esté tomando como referencia.
Formalmente el cálculo es:

 a jr 
S jr    100
 aMAXr 
donde:

a jr =equipamiento para cada variable 𝑗 en la región 𝑟.

aMAXr =medida de la región con el valor máximo.

S jr =indicador normalizado para la región r y variable j .

 a jr 
Y de S jr  1   100 cuando la variable disminuye el bienestar
 aMAXr 

Teniendo así valores unidimensionales y comparables. Finalmente para la

agregación de los índices existen distintos métodos, el método de Indicadores
Sintéticos de Biehl (MB), el Método de Componentes Principales (MCP) y el
Método de Análisis Factorial Múltiple (AFM) de entre los cuales el MB es el más
utilizado y es que se usa en este trabajo, tal y como se describe a continuación.

Índice de Biehl

Este índice parte del supuesto de que las dotaciones menores en una categoría
pueden ser compensadas con dotaciones mayores en alguna otra de las
categorías, la agregación se hace con medias aritméticas cuando los
equipamientos se consideran como sustitutivos y con medias geométricas cuando
no lo son (Biehl, 1988).

Se construye cada categoría con una media aritmética de la siguiente

forma:

I ir  (1/ n)   S jr

donde:

I ir =indicador de la categoría i en la región r .

S jr = indicador de la subcategoría j que está incluido en la categoría i .

 Las categorías son agregadas con una media geométrica ya que son
insustituibles, la formulación es la siguiente:

n
IGr  n
I
i
ir

donde IGr es el Indicador global de la región r e I ir el indicador de la categoría i

en la región r .

Índice de Ineficiencia Espacial

Para poder medir la eficiencia de las unidades que ofrecen los bienes públicos
locales e parte del concepto de eficiencia económica, en el cual se establece que
no deben existir situaciones que estén por encima o por debajo de las

posibilidades de la economía. De tal manera que para establecer el límite de la

economía se parte de la dotación que tiene la ciudad en su conjunto tomándose
como la capacidad instalada, mientras que la población potencialmente atendida
será considerada como la demanda del bien público local.

La relación entre la capacidad instalada y la población potencial o demanda

potencial va a imponer el valor frontera para el análisis de la eficiencia espacial
para las distintas localizaciones. Se considera cierto lo dicho por De la Fuente,
Rojas y Salado (2013) que si bien puede haber una oferta adecuada a nivel ciudad
habrá una diferenciación dentro de las posibles localizaciones de la misma. Para
poder realizar un comparativo de todas las localizaciones de la ciudad se utilizará
el Coeficiente Sargent-Florence (CSF) que determinará los niveles de “eficiencia”
de cada AGEB en la ciudad.

Para calcular el CSF es necesario tener los valores totales para la

economía y para cada una de las subregiones dentro de ella. En el caso de este
trabajo se utilizarán los valores de la demanda (𝑛) y la oferta (𝑔) de cada bien
público, su representación sería de esta manera
 𝑛𝑖 𝑔𝑖
𝐶𝑆𝐹𝑖 = /
𝑛 𝑔

El resultado relaciona a la oferta con la demanda de cada unidad con

respecto a la oferta y la demanda más grande. Los resultados del CSF están entre
0 ≤ 𝐶𝑆𝐹𝑖 ≤ 𝑅. En el caso del CSF para bienes públicos 𝐶𝑆𝐹𝑖 < 1 indica un costo de
traslado hacia donde se encuentre la oferta y un valor 𝐶𝑆𝐹𝑖 > 1 presenta
problemas de congestionamiento.

Debido a esto se sugiere, para calcular la eficiencia de cada ubicación, que

al valor del CSF se le debe de hacer un procedimiento sencillo. Partiendo que el
valor 𝑛/𝑔 es el valor de equilibrio Walrasiano (eficiente) una relación eficiente en
𝑛𝑖 𝑛
las 𝑖 ubicaciones sería un valor tal que = 𝑔 , por lo tanto una ubicación será
𝑔𝑖

eficiente si 𝐶𝑆𝐹𝑖 = 1. Por consiguiente, para poder identificar las ineficiencias en el

mercado local de 𝑖 se sugiere un indicador de ineficiencia tal que:

𝐼𝐼𝑁 = |𝐶𝑆𝐹 𝐸 − 𝐶𝑆𝐹𝑖 |

Los valores del indicador están acotados de la siguiente manera 𝐼𝐼𝑁 ≥ 0.

Pero la explicación resulta más simple, todo valor 𝐼𝐼𝑁 > 0 es ineficiente, por lo que
se vuelve una medida de eficiencia debido a que se buscan los valores más
cercanos a 0.

Para poder incluir el espacio en el análisis se parte de que cada

instalación debe tener una superficie mínima/máxima de captación de demanda a
fin de ser eficientes. La superficie mínima de captación se asocia a las economías
de escala, pues es determinada por el número de personas que minimicen el
costo medio del uso de los bienes públicos. Mientras que la superficie máxima se
asocia a que los consumidores deberán de incurrir en gastos de transporte y la
distancia que están dispuestos a recorrer es inversa a estos. Es decir, prefieren
recorrer una distancia menor (Carreras & Serra, 1999).

Si se considera que cada bien público es ofertado en una ubicación 𝑗

entonces cada unidad económica que lo ofrece tiene cierta capacidad de atracción
para los consumidores dispersos. Por lo tanto, se parte de que existe una
distancia 𝑑 que determina el tamaño del área de influencia de cada unidad
económica. Así el umbral de captación de demanda potencial de cada unidad
ofertante será 𝑈𝑛𝑖 = ∑𝑑0 𝑛𝑖 . Debido a que pueden existir instalaciones consecutivas
cada ubicación 𝑖 puede tener más de un ofertante, así que se debe de calcular un
umbral de oferta del bien para la demanda potencial, y éste será 𝑈𝑔𝑗 = ∑𝑑0 𝑔𝑗 . Se

debe cumplir que 𝑈𝑛𝑖 < 𝑛 y 𝑈𝑔𝑗 < 𝑔. Con esto se puede calcular el CSF

considerando áreas de influencia. Por lo tanto, se tiene que:

𝑈𝑛𝑖 𝑈𝑔𝑗
𝐶𝑆𝐹𝑈𝑖 = /
𝑛 𝑔

Que modificará los valores del coeficiente anterior pues cada unidad
ofertante deberá de atender más población y los habitantes de 𝑖 podrán tener más
de un ofertante dentro de su rango de movilidad máximo. Los resultados
mostrarán valores en los mismos rangos. Incluir la fricción de la distancia llevará a
que los valores que están por debajo de la unidad pero cercanos a ésta se
acerquen más y los valores por encima y cercanos a 0 se alejen. La distancia que
tiene que recorrer un habitante de 𝑗 es diferente a la del habitante en 𝑖 ≠ 𝑗 para
ponderar por la distancia se utiliza la distancia del rango de tal manera que

𝐶𝑆𝐹𝑈𝑖𝑑 = 𝐶𝑆𝐹𝑈𝑖 ∗ 𝑑

El valor de 𝑑 para este trabajo se basa en los trabajos de Garrocho

(2006),Cheng, Wang and Rosenberg (2012) y De la Fuente, Rojas y Salado (2013)
que dan valores enter 1.1 y 3.3 kilómetros y mencionan que estos valores se
deben ajustar según las características espaciales. Con algunas pruebas se
determinó que 𝑑 = 1.65 km con excepción de las primarias para las cuales se
determinó un rango de 𝑑 = 850 metros. Al igual que en el caso anterior se calcula
un indicador de ineficiencia con los valores del CSFU ponderado por la distancia
del rango.

𝐼𝐼𝑁𝑈𝑖 = |𝐶𝑆𝐹𝑈 𝐸 ∗ 𝑑 − 𝐶𝑆𝐹𝑈𝑖𝑑 |

 Con los resultados obtenidos se podrán ubicar las AGEB más eficientes y
los menos eficientes para cada uno de los bienes públicos locales y para la
seguridad pública. Al final estos generarán un índice de eficiencia el cual
determinará el nivel de eficiencia de la ciudad y de cada localización.

Una parte de la información fue adquirida en el Instituto Nacional de

Estadística y Geografía (INEGI). Se utilizó el Censo de Población y Vivienda del
2010, pues es la información más reciente desagregada a nivel de AGEB para la
ciudad. Del Directorio Estadístico Nacional de Unidades Económicas se obtuvo la
información espacial para escuelas y hospitales. La información estadística de
educación se obtuvo del Departamento de Estadística de los Servicios Educativos
del Estado de Chihuahua, mientras que la información para el servicio de salud se
obtuvo de la Dirección General de Información en Salud de la Secretaría de Salud.
El caso de seguridad pública, al ser más restrictivo con su información, la
información obtenida fue mediante el Departamento de Transparencia de la
Secretaría de Seguridad Pública Municipal4.

Análisis Exploratorio de Datos Espaciales (AEDE)

El AEDE es un conjunto de técnicas que permiten conocer cómo se relacionan las

unidades con los datos y el espacio, de tal manera que se puedan identificar
patrones de comportamiento entre vecinos. La estructura de vecindad o
contigüidad del conjunto de datos se formaliza en la matriz de pesos espaciales
𝑊. Este análisis parte de la existencia de un patrón espacial aleatorio, es decir los
datos tienen la misma probabilidad de ubicarse en cualquier unidad espacial. Y las
técnicas utilizadas permiten rechazar o no esta hipótesis, además de que permiten
identificar – en caso de rechazo- la relación que tienen las variables en el espacio
(Anselin 1993b).
El estadístico I de Moran indica de manera formal el grado de asociación
lineal entre un vector de valores observados y una ponderación media de valores
4Agradeciendo las atenciones de la Licda. Gabriela Rodríguez, asistente de transparencia de la
Secretaria de Seguridad Pública Municipal
vecinales denominada por 𝑊𝑦 , a partir de éste se puede identificar si existe una
asociación positiva, negativo o si no existe (Anselin, 1993a). Sin embargo, se
reconoce que un indicador global como el anterior puede ser ineficiente para un
número grande de observaciones por lo que cual se utilizan los Indicadores
Locales de Asociación Espacial (ILAE) los cuales permiten la descomposición de
los indicadores globales como el I de Morán, para la contribución de cada
indicador de manera individual. Estos permitirán conocer si existe una relación
espacial de la variable utilizada poniendo a prueba la hipótesis de una distribución
aleatoria espacial de los datos y a su vez se conocerá el tipo de asociación
espacial que estos tienen, en el caso de que exista (Anselin, 1993).
Los aglomerados espaciales locales, pueden ser identificados como
aquellas localidades o conjunto de localidades contiguas en las cuales el ILAE es
significativo. En general estos indicadores pueden ser utilizados para probar la
hipótesis nula de no asociación espacial (es decir, la existencia de datos
espaciales aleatorios).

Datos

Se utilizó el Censo de Población y Vivienda del 2010, pues es la información más

reciente desagregada a nivel de Área Geo-Estadística Básica (AGEB) para la
ciudad. Las variables fueron normalizadas quitando el efecto tamaño con la
variable población total para las que tenían relación con habitantes, con la variable
Total de Viviendas Ocupadas para las que tenían relación con viviendas. Del
Directorio Estadístico Nacional de Unidades Económicas se obtuvo la información
espacial para escuelas y hospitales. La información estadística de educación se
obtuvo del Departamento de Estadística de los Servicios Educativos del Estado de
Chihuahua, mientras que la información para el servicio de salud se obtuvo de la
Dirección General de Información en Salud de la Secretaría de Salud. El caso de
seguridad pública, al ser más restrictivo con su información, la información
obtenida fue mediante el Departamento de Transparencia de la Secretaría de
Seguridad Pública Municipal.
 Tabla 1. Descripción de variables
Variable Descripción Efecto Índice Descripción
P_60YMAS Población de sesenta años y mas Negativo
POB0_14 Población de 0 a 14 años Negativo Índice de
AV_HiNaVi Promedio de Hijos Nacidos Vivos Negativo ICPOB Características
PNACOE Población no nacida en la entidad Negativo Poblacionales
PCON_LIM Población con limitaciones físicas Negativo
P18A24A Población de 18 a 24 años que estudian Positivo
P18A24A_F Población de 18 a 24 años femenina que estudia Positivo
P15YM_AN Población de 15 años y más analfabeta Negativo Índice de
P15YM_SE Población de 15 años y más que saben leer y escribir Positivo ICESC Características
P18YM_PB Población de 18 años y más con educación pos básica Positivo Escolares
GRAPROES Grado promedio de escolaridad Positivo
GRAPROES_F Grado promedio de escolaridad femenino Positivo
PEA Población Económicamente Activa Positivo Índice de
PE_INAC Población Inactiva Positivo ICEMP Características
PDESOCUP Población Desocupada Negativo de Empleo
PSINDER Población sin derecho a salud Negativo Índice de
HOGJEF_F Jefatura de hogar femenino Negativo Características
ICSS
POBHOG Población en el hogar Negativo de Seguridad
TVIVNHAB Viviendas inhabitadas Negativo Social
VPH_PISOTI Piso de Tierra Negativo
VPH_1DOR 1 Dormitorio Negativo
VPH_2YMASD 2 y más dormitorios Positivo
VPH_1CUART 1 Cuarto Negativo Índice de
VPH_C_ELEC Servicio de electricidad Positivo características
ICSERVV
VPH_AGUADV Servicio de agua entubada Positivo de servicios en
VPH_EXCSA Cuarto de sanitario Positivo las viviendas
VPH_DRENAJ Servicio de Drenaje Positivo
VPH_C_SERV Con todos los servicios Positivo
VPH_SNBIEN Sin Servicios Negativo
VPH_RADIO Viviendas que cuentan con radio Positivo
VPH_TV Viviendas que cuentan con tv Positivo
VPH_REFRI Viviendas que cuentan con refrigerador Positivo Índice de
características
VPH_LAVAD Viviendas que cuentan con lavadora Positivo
de
VPH_AUTOM Viviendas que cuentan con automóvil Positivo ICEQVI
equipamiento
VPH_PC Viviendas que cuentan con pc Positivo
de las
VPH_TELEF Viviendas que cuentan con teléfono Positivo viviendas
VPH_CEL Viviendas que cuentan con celular Positivo
VPH_INTER Viviendas que cuentan con internet Positivo
INESC Índice de ineficiencia escolar
INUSalud Índice de ineficiencia de salud
INESP Índice de ineficiencia en seguridad publica
INEBPL Índice de ineficiencia espacial de bienes públicos
IBSME Índice de Bienestar, marginación e ineficiencia
Fuente: Censo de Población y Vivienda 2010, INEGI
Resultados

Una vez construidos los índices se procede a georreferenciarlos, las

representaciones espaciales de la georreferenciación de los índices por
características pueden consultarse en el anexo, a continuación, se presentan los
índices de categorías y el global.

Índice de bienestar social

Imagen 1. Índice de Bienestar Social

Fuente: Construcción propia en base a información y cartografía de INEGI

En la imagen 1 se puede observar claramente los patrones mencionados en la
introducción de este documento, la parte noroeste de la ciudad es considerada
como el centro histórico, caracterizada como una categoría Baja, se puede
explicar por la naturaleza comercial de la zona, siendo esta poco habitada, al
oeste de la ciudad se ve la categoría Media, dicha zona es limitada por la
orografía, considerada tradicionalmente como la zona marginal de la ciudad, sin
embargo, contando sus características vemos que hay zonas con peores
características hacia la periferia de la ciudad, justo hacia donde está orientado el
crecimiento urbano. Del centro geográfico y hacia el noroeste se puede apreciar
los índices más altos en un claro patrón.

Índice de eficiencia Espacial en Bienes Públicos

El acceso eficiente a los bienes públicos, centros educativos, centros de salud y

seguridad pública disminuye costos de traslado, tiempo, esfuerzo y en el caso se
salud puede representar la diferencia entre la vida o la muerte, es por eso que la
ubicación de dichos bienes infiere directamente en la función de utilidad y en el
bienestar de los individuos, dejar de lado un elemento tan importante es no dar
importancia al bienestar de los individuos.

En la imagen 2 se pueden apreciar perfectamente patrones de eficiencia

espacial de servicios públicos, se aprecia claramente una diferencia respecto a la
imagen anterior, no tomar en cuenta dicha variable seria sobre estimar el bienestar
social, en la parte azul están concentrados los servicios públicos, sin embargo, no
son estas zonas las que más habitantes tienen, el sur de la ciudad es el más
densamente poblado, lo que indica que para abastecerse de bienes públicos las
familias tienen que atravesar la ciudad con todos los gastos que ello implica,
además de la congestión provocada por el tráfico y sus efectos negativos en el
ánimo y el medio ambiente.
 Imagen 2. Índice de Ineficiencia Espacial en Bienes Públicos

Fuente: Construcción propia en base a información y cartografía de INEGI

Índice General de Bienestar Social, Marginación y Eficiencia

Por último, en la imagen 3 tenemos la combinación de los dos índices, de esta la

zona norte es la que claramente sale beneficiada, justo el área donde menos
población se tiene, el centro geográfico de la ciudad y hacia el sur con in índice
medio y la periferia de la zona sur con los peores índices.

Los patrones muestran claramente donde se requiere de acción pública

para mejorar las condiciones de vida de los ciudadanos.
 Imagen 3. Índice General de Bienestar Social, Marginación y Eficiencia

Fuente: Construcción propia en base a información y cartografía de INEGI

Análisis exploratorio de datos espaciales

Si bien las variables empleadas inciden en el bienestar de los individuos y los

patrones muestran evidencia de agrupación en el espacio, no podemos afirmar
que exista marginación sino se demuestra que esos patrones geográficos son
producto de la correlación espacial y no de la casualidad, para probar lo anterior el
análisis LISA muestra donde estadísticamente existe evidencia de que los valores
altos están rodeados de valores altos y donde los valores bajos están rodeados de
valores bajos mostrando así evidencia de asociación espacial por características
económicas o sociales, es decir marginación.

Para lo anterior, se muestra el estadístico de I de Moran, el scatterplot de Moran y

el mapa LISA, que muestran la existencia de asociación espacial positiva para las
AGEBs utilizadas.

Scatterplot de Moran para un estadístico de 0.517

Fuente: Construcción propia en base a información y cartografía de INEGI

Para el índice de Bienestar Social el área marginada corresponde al color azul que
se muestra en la imagen 4, que es la periferia de la zona sur de la ciudad.

Imagen 4. Mapa de Asociacion Espacial del Indice de Bienestar Social

Fuente: Construcción propia en base a información y cartografía de INEGI

Por otro lado, la eficiencia está más claramente dividida, también presenta
evidencia de Asociación Espacial positiva, la imagen 5 divide prácticamente la
ciudad en dos, donde la región eficiente es el noroeste de la ciudad mientras que
el ineficiente, y por consiguiente más marginado, del centro geográfico de la
ciudad y hacia el sur.

Scatterplot de Moran para un estadístico de 0.7906

Fuente: Construcción propia en base a información y cartografía de INEGI

Imagen 5. Mapa de Asociacion Espacial del Indice Eficiencia

Fuente: Construcción propia en base a información y cartografía de INEGI

Por último, el índice general, presenta resultados similares a los antes vistos
mostrando como la zona más marginada la del sur de la ciudad y con mejores
condiciones de vida las del norte. El centro geográfico no es estadísticamente
significativo, una posible respuesta es que al ser una zona donde se encuentran
las familias con más altos recursos, ellos sustituyen los bienes públicos por
escuelas y hospitales privados, por tanto, la ineficiencia espacial no les afecta
igual.

Scatterplot de Moran para un estadístico de 0.6750

Fuente: Construcción propia en base a información y cartografía de INEGI

Imagen 6. Mapa de Asociacion Espacial del Indice General

Fuente: Construcción propia en base a información y cartografía de INEGI

Conclusiones

Si bien resulta evidente que sin información de ingresos es complicado acercarnos

a índices de bienestar, pobreza o marginación, el presente ejercicio hace una
buena aproximación de bienestar y marginación, no podríamos atrevernos a
hablar de pobreza sin marcar una línea aceptable, sin embargo, sí que podemos
asociar a los índices más bajos con los de menor calidad de vida, en éstos se
presentó asociación espacial, se demostró estadísticamente como las AGEBs
tienen un efecto de asociación espacial, también conocido como spillover donde
los niveles bajos están rodeados de valores bajos y los valores altos rodeados de
valores altos acercándonos a lo que podríamos inferir como zonas marginadas.

La representación georreferenciada permite visualizar las posibles zonas de

acción de los distintos niveles de gobierno y donde pueden mejorar las
condiciones de vida de los habitantes de Ciudad Juárez.
Referencias
Aguilar, A., & Mateos, P. (2011). Diferenciación sociodemográfica del espacio urbano de
la Ciudad de México. EURE, 5-30.

Anselin, L. (1993). Exploratory Spatial Data Analysis and Geographic Information

Systems. Workshop on New tools for spatial analysis, 1-17.

Anselin, L. (1993a). The Moran Scatterplot as an ESDA Tool to Asses Local Instability in
Spatial Association. Spatial Analytical Perspectives on GIS, 111-125.

Anselin, L. (1993b). Exploratory Spatial Data Analysis and Geographic Information

Systems. Workshop on New tools for spatial analysis, 1-17.

Anselin, L. (1995). Local Indicators of Spatial Association-LISA. Geographical Analysis,

93-115.

Berglas, E., & Pines, D. (1981). Clubs, Local Public Goods and Transportation Models.
Journal of Public Economics, 141-162.

Berliant, M., Papageorgiou, Y., & Wang, P. (1990). On Welfare Theory and Urban
Economics. Regional Science and Urban Economics, 245-261.

Brueckner, J., Thisse, J.-F., & Zenou, Y. (1999). Why is central Paris rich and downtown
Detroit poor? An amenity-based theory. European Economic Review, 91-107.

Caraveo, B. (2009). El problema de la vivienda en Ciudad Juárez: los asentamientos

humanos irregulares. Nóesis, 18(36), 156-167.

Carreras, M., & Serra, D. (1999). On optimal location with threshold requirements. Socio-
Economic Planning Sciences, 91-103.

Cerniglia, F., & Longaretti, R. (2015). Static and dynamic (in)efficiency in public goods
provision. Economics Letters, 104–107.

Cheng, Y., Wang, J., & Rosenberg, M. (2012). Spatial access to residential care resources
in Beijing, China. International Journal of Health Geographics, 32-42.

Cital, P. (2005). Desarrollo Urbano. En L. E. Cervera , Diagnóstico geo-socioeconómico

de Ciudad Juárez y su sociedad. (págs. 12-37). Ciudad Juárez : Colegio de la
Frontera Norte e Instituto Nacional de las Mujeres .

David, Q., & Foucart, R. (2014). Modal choice and optimal congestion. Regional Science
and Urban Economics, 12–20.

De la Fuente, H., Rojas, C., & Salado, M. J. (2013). Distribución de los equipamientos
educativos. Evidencias de inequidad espacial en la educación del área
metropolitana de Concepción. GeoFocus, 231-257.
Fiorito, R., & Kollintzas, T. (2004). Public goods, merit goods, and the relation between
private and government consumption. European Economic Review, 1367 – 1398.

Fuentes, C. (2001). Los cambios en la estructura intraurbana de Ciudad Juárez,

Chihuahua, de monocéntrica a multicéntrica. Frontera Norte, 95-118.

Fuentes, C. (2008). La estructura urbana y las diferencias espaciales en el tiempo de

traslado del viaje al trabajo en Ciudad Juárez, Chihuahua. Estudios Demográficos
y Urbanos, 55-81.

Fuentes, C., & Cervera, L. (Enero-Junio de 2006). Land Market and its Effects on the
Spatial Segregation: The Case of Ciudad Juárez Mexico. Estudios Fronterizos,
7(3), 46-65.

Fuentes, C., & Hernández , V. (2013). Segregación socioespacial y accesibilidad al

empleo en Ciudad Juárez, Chihuahua (2000-2004). Región y Sociedad , 43-74.

García de la Rosa, J., & Hernández Gómez, E. (2015). Segregación urbana en Ciudad
Juárez 2000-2010 mediante un Análisis Exploratorio de Datos Espaciales. En E.
Hernández Gómez, & M. Ramírez Urquidy, Bienestar y pobreza en América Latina:
una visión desde la frontera norte de México (págs. 83-139). Tijuana: UABC y
Ediciones Once Ríos, S.A. de C.V.

Garrocho, C. (2006). Localización de servicios en la planeación urbana y regional:

aspectos básicos y ejemplos de aplicación (Segunda ed.). Zinacantepec: El
Colegio Mexiquense, A.C.

Guillén López, T. (Julio-Diciembre de 1990). Servicios públicos y marginalidad social en la

frontera norte. Frontera Norte, 2(4).

Hellwig, M. (2007). The provision and pricing of excludable public goods: Ramsey–Boiteux
pricing versus bundling. Journal of Public Economics, 511–540.

Hochman, O. (2011). Efficient agglomeration of spatial clubs. Journal of Urban Economics,

118–135.

Jun, M.-J. (2013). The effects of housing preference for an apartment on residential
location choice in Seoul: A random bidding land use simulation approach. Land
Use Policy, 395-405.

Kaganovich, M., & Zilcha, I. (1999). Education, social security, and growth. Journal of
Public Economics, 289–309.

Konishi, H. (2008). Tiebout's tale in spatial economies: Entrepreneurship, self-selection,

and efficiency. Regional Science and Urban Economics, 461–477.
MacFadden, D. (1978). Modelling The Choice of Residencial Location. En A. Karlqvist,
Spatial Interaction Theory and Residential Location (págs. 75-96). Amsterdam:
North-Holland.

Marengo, C., & Elorza, A. (2014). Tendencias de segregación residencial socioeconómica:

el caso de Córdoba (Argentina) en el período 2001-2008. EURE, 111-133.

Maycotte, E. (2008). Participación del sector público y privado en la producción de

vivienda social. Rizoma, 36-39.

Maycotte, E., & Sánchez, E. (2009). Ciudades dispersas viviendas abandonadas: La

política de vivienda y su impacto territorial y social en las ciudades mexicanas.
Memorias del 5º Congreso Internacional Ciudad y Territorio Virtual. Estrategias de
transformación y gestión de la ciudad; perspectivas y nuevas tecnologías.
Barcelona, España.

Mier y Terán, A., Vázquez, I., & Ziccardi, A. (2012). Pobreza urbana, segregación
residencial y mejoramiento del espacio público en la Ciudad de México.
Sociologias, 118-155.

Padilla, H. (1999). El modelo de gestión urbana en Ciudad Juárez y su contexto legal de

acción. Nóesis, 79-102.

Reardon, S., & Bischoff, K. (2011). Income inequality and income segregation. American
Journal of Sociology.

Schirmer, P., van Eggermond, M., & Axhausen, K. (2014). The role of location in
residential location choice models: a review of literature. The Journal of Transport
and Land Use, 3-21.

Stiglitz, J. (1974). The Demand for Education in Public and Private School Systems .
Journal of Public Economics, 349-385.

Vilalta, C. J. (2008). Comentarios y mediciones sobre la segregación espacial en la

Ciudad de México . Estudios Demográficos y Urbanos, 375-413.

Zheng, S., Fu, Y., & Liu, H. (2006). Housing-choice hindrances and urban spatial structure:
Evidence from matched location and location-preference data in Chinese cities.
Journal of Urban Economics, 535-557.
ANEXO A

Anexo A.1 Índice de características de población

Fuente: Construcción propia en base a información y cartografía de INEGI

 Anexo A.2 Índice de características de escolaridad

Fuente: Construcción propia en base a información y cartografía de INEGI

 Anexo A.3 Índice de características de seguridad social

Fuente: Construcción propia en base a información y cartografía de INEGI

 Anexo A.4 Índice de características de empleo

Fuente: Construcción propia en base a información y cartografía de INEGI

Anexo A.5 Índice de características de servicios en viviendas

Fuente: Construcción propia en base a información y cartografía de INEGI

Anexo A.6 Índice de características de equipamiento en viviendas

Fuente: Construcción propia en base a información y cartografía de INEGI

 Anexo A.7 Índice de Eficiencia Escolar

Fuente: Construcción propia en base a información y cartografía de INEGI

 Anexo A.8 Índice de Eficiencia de Salud

Fuente: Construcción propia en base a información y cartografía de INEGI

 Anexo A.9 Índice de Eficiencia de Seguridad Publica

Fuente: Construcción propia en base a información y cartografía de INEGI