El análisis espacial y su aplicación en los negocios

“El espacio no tiene leyes propias; simplemente es un reflejo de procesos sociales y políticos”, Gustavo D. Buzai (2003)

El espacio ha sido por mucho tiempo campo de estudio de geógrafos, urbanistas, arquitectos y profesionistas de disciplinas afines. No obstante, en las últimas décadas ha sido un tema innovador y recurrente para investigadores en ciencias sociales y negocios. Para estas disciplinas, lo importante no es el terreno, sino los fenómenos que ocurren en él. Pensemos, por ejemplo, en explicar fenómenos tan ligados al espacio físico como la marginación urbana, la pobreza de un territorio o la aparición de clústeres de innovación en ciudades determinadas.

El enfoque del espacio, o mejor aún, la forma de pensar espacialmente debe explicar la relación entre las personas y los lugares en donde ocurren ciertos fenómenos económicos, sociales, financieros, etc. Términos como “lugar”, “vecindario”, “frontera” son conceptos relativos al fenómeno que se está estudiando.

Como ilustra el geógrafo Waldo Tobler en su principio de autocorrelación espacial, en el que establece que, si bien los fenómenos están relacionados entre sí, la proximidad – qué tan cerca están las cosas unas de otras – robustece esa correlación. En otras palabras: el espacio sí importa.

Irónicamente, el espacio provoca la curiosidad del investigador, pues el análisis espacial suele ofrecer más preguntas que respuestas. Pero son esas preguntas las que derivan en nuevas teorías que de otra forma no se hubiesen planteado. Por ejemplo, Baller (2002) realizó una investigación en criminología. En su paper, el autor plantea la tesis de que la contigüidad de vecindarios con ciertos patrones tiene una relación con la ocurrencia de los crímenes y el tipo de crimen. Es decir, el espacio se convierte en una variable más del modelo explicativo.

Las herramientas para observar, estudiar y analizar la dependencia espacial (“lag” por sus siglas en inglés) son muy versátiles. El indicador I de Moran, por ejemplo, es uno de los indicadores estadísticos más utilizados para abordar el análisis espacial. Su objetivo es medir esa relación de dependencia espacial al introducir el espacio al modelo explicativo de regresión. Paquetes informáticos de código abierto como Q Gis y GeoDa ya son utilizados para crear mapas temáticos y estudiar las variables en el espacio. Las bases de datos también están transformándose en objetos geoespaciales. Por ejemplo, la Ciudad de México, a través de su portal de datos, publica bases de datos en formato “shp” que pueden leer los paquetes como Q Gis. Quizás lo más reciente es la creación de un nuevo producto estadístico creado por el INEGI llamado “el cubo de datos geoespaciales” que se convertirá en una herramienta para observar los fenómenos sociales y económicos a través del territorio nacional.

En cuanto al área de negocios, se ha utilizado el análisis espacial para investigar fenómenos de innovación y emprendimiento. Por ejemplo, Whittington ha estudiado con profundidad la relación entre la proximidad espacial y redes sociales o networking. En su investigación, el autor demuestra que la innovación en las regiones de San Francisco, Boston y San Diego está relacionada con la cercanía de la ubicación de compañías con un “gen” innovador.

En EGADE Business School, y en particular en el Doctorado en Ciencias Financieras, los alumnos han abordado el análisis espacial a partir de sus propias investigaciones. Para ilustrarlo, se presentan dos casos concretos de investigaciones aplicadas. El primer caso, escrito por Carlos Franco, utiliza los mapas de calor para ilustrar el surgimiento de “burbujas financieras” a partir de la volatilidad de los activos. El segundo, presentado por Jesús López, aplica el indicador I de Moran para medir la dependencia espacial en el sector manufacturero en México.

Validando la trampa de la pobreza con análisis espacial

El análisis espacial es muy útil para estudiar temas socioeconómicos y, en particular, para analizar la pobreza. Autores como Allard & Danziger (2003) estudiaron la relación entre vivir cerca de las oportunidades laborales y la dependencia de programas asistencialistas. Encontraron que cuanto más cerca de la fuente de empleo se vivía, había más posibilidades de encontrar trabajo y la solicitud de subsidios era menor. Por su parte, Galvis y Meisel (2010) demostraron que la permanencia de la población colombiana en pobreza estaba asociada con los efectos de vecindario. Los autores encuentran que las precarias características del territorio donde habitan las personas en pobreza se vuelve clave, pues son las que dificultan la movilidad social de las personas. Esta teoría es conocida como la trampa de la pobreza.

En un esfuerzo por entender el comportamiento de este fenómeno en la zona metropolitana de la Ciudad de México, se utilizaron varias herramientas de análisis espacial: mapas temáticos, regresiones espaciales y mapas de calor.

Bajo esta perspectiva se puede explicar la vinculación entre las condiciones de pobreza y el territorio, así como el efecto de contagio de pobreza entre los municipios del Estado de México y las alcaldías de la Ciudad de México. Una conclusión que se desprende de este análisis es que los municipios conurbados del Estado de México registran un menor número de población asalariada en comparación con las alcaldías de la Ciudad de México. Y es precisamente en estos municipios donde la presencia de núcleos de pobreza da validez práctica a la teoría de la trampa de la pobreza.

En suma, el análisis espacial permite entender el fenómeno de la pobreza desde otra perspectiva, lo que a su vez puede generar nuevas teorías y, por qué no, innovadoras políticas públicas.

Mapas de calor y la volatilidad de activos

En el sector financiero, las aplicaciones del análisis espacial son diversas. Un ejemplo es el tema de las denominadas burbujas financieras”, citado con frecuencia debido al contexto económico actual que se ha visto influenciado por distintas variables relacionadas, tales como recesiones económicas, políticas monetarias no convencionales, entre otros factores vinculados como el surgimiento del SARS-CoV-2.

Cabe mencionar que este fenómeno en los mercados financieros no es nuevo. Sir Isaac Newton alguna vez ya había mencionado que podía “calcular el movimiento de las estrellas, pero no la locura de los hombres", en relación con las pérdidas generadas por la caída de las acciones de la Compañía de los Mares del Sur que poseía.

En otras palabras, la ambición y el deseo de formar parte de un activo que se espera que continúe aumentando su valor consistente con el instinto humano. No obstante, debemos recordar que dichos impulsos pueden generar pérdidas patrimoniales. Es aquí donde los mapas de calor en el rendimiento de los activos financieros nos permiten visualizar gráficamente la volatilidad de estos, sintetizando un comportamiento de naturaleza compleja de forma simplificada.

El análisis espacial en la convergencia económica

Mucho se ha escrito sobre convergencia en economía y finanzas. El concepto de convergencia económica se refiere a que, cuando existe libre movilidad de capital y trabajo, y no hay barreras a la diseminación del conocimiento, los países o territorios de menores ingresos crecerán más rápido que aquellos que no lo son. Esto también se espera en las empresas. El resultado esperado es que converjan en un ingreso común. Aunque Robert Solow (1956, 1957) escribió al respecto, fue Robert Barro (1991) quien popularizó el término.

Existen distintos tipos de convergencia. La convergencia absoluta o beta convergencia existe cuando un país o territorio converge en el crecimiento o en la productividad hacia un estado estacionario, independientemente de las condiciones iniciales, mientras que, si analizamos la dispersión a través del tiempo, y el proceso tiende hacia la estacionariedad, entonces tenemos una sigma convergencia. Cuando la convergencia depende de las condiciones iniciales, es decir, una convergencia condicionada a una serie de factores (controlados por las especificaciones del modelo) entonces estamos ante una convergencia condicional. Si esta solo se da entre grupos, entre condiciones iniciales y estructurales similares, entonces se manifiestan los clubes de convergencia.

En México también se ha escrito al respecto. Entre los trabajos seminales se encuentran tres importantes: Esquivel (1999), Esquivel y Messmacher (2002) y Chiquiar (2005). En ellos se investiga si existe o no convergencia absoluta, sigma convergencia o convergencia condicional entre los estados de la República Mexicana a lo largo de un período de tiempo. Para tal propósito recurren a diferentes técnicas estadísticas o econométricas, tomando también en cuenta distintos períodos de tiempo, en los que se presentan hechos económicos de distinta índole, como la entrada de México al TLCAN. Conforme se ha ido avanzando en las técnicas estadísticas y econométricas se han realizado más estudios al respecto.

En este caso, el estudio que realiza el profesor René Cabral (EGADE Bussines School) junto a Jesús Antonio López Cabrera (EGADE Bussines School y CEPAL) y Ramón Padilla Pérez (CEPAL) se orienta a estimar la convergencia absoluta entre los estados y municipios en México, entre 1993 y 2018. Para ello utilizan los censos económicos y aplican la técnica de la econometría espacial para estimar los parámetros de convergencia. El enfoque resulta novedoso entre los estudios empíricos tanto en la técnica como en la utilización de los datos más recientes del Censo Económico 2019, publicado el año pasado. Los datos abarcan acontecimientos como la entrada de México al TLCAN, así como la crisis económica.

Aunque existe mucha heterogeneidad entre los estados y los municipios, los resultados muestran que hay importantes efectos indirectos de la productividad entre los estados y municipios; es decir, los estados o municipios de alta productividad tienen repercusiones positivas en la productividad de los estados o municipios vecinos, y esto posibilita la convergencia.

Referencias

• Baller RD, Anselin L, Messner SF, Deane G, Hawkins DF. 2001. Structural covariates of US county homicide rates: incorporating spatial effects. Criminology 39: 561-90.
• Barro, R. J. and others (1991), “Convergence across states and regions”, Brookings Papers on Economic Activity, No. 1 [online] https://doi.org/10.2307/2534639.
• Buzai, G. (2003). Mapas Sociales Urbanos. Buenos Aires, Argentina: Lugar Editorial S.A.
• Chiquiar, D. (2005), "Why Mexico's regional income convergence broke down", Journal of Development Economics, vol. 77, No. 1 [online] https://doi.org/10.1016/j.jdeveco.2004.03.009.
• Esquivel, G. (1999), “Convergencia regional en México, 1940-1995”, El trimestre económico, vol. 66, No. 264.
• Esquivel, G. and M. Messmacher (2002), “Sources of regional (non) convergence in Mexico”, Working Paper, Washington, D.C., The World Bank, July.
• Solow, R. M. (1956), “A contribution to the theory of economic growth”, The Quarterly Journal of Economics, vol. 70, No. 65 [online] https://doi.org/10.2307/1884513.
• ------------------ (1957), “Technical change and the aggregate production function”, The Review of Economics and Statistics, vol. 39, No. 312 [online] https://doi.org/10.2307/1926047.