103378

Master Thesis ǀ Tesis de Maestría submitted within the UNIGIS MSc programme presentada para el Programa UNIGIS MSc at/en

Interfaculty Department of Geoinformatics- Z_GIS Departamento de Geomática – Z_GIS University of Salzburg ǀ Universidad de Salzburg

Factores que influyen en el crecimiento poblacional desordenado en el área urbana de la ciudad de Milagro, Ecuador Factors influencing the disorderly population growth in the urban area of the city of Milagro, Ecuador by/por

Ing. en Estadística Informática Vanessa Mercedes Mendoza Zamora 01322626

A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science (Geographical Information Science & Systems) – MSc (GIS)

Guayaquil – Ecuador, septiembre 07 de 2018

5

6

Resumen El presente estudio pretende dar una idea general pero concisa de la realidad territorial de la ciudad de Milagro, cantón de la provincia del Guayas, la cual a lo largo de los años ha presentado un incremento poblacional muy acelerado ocasionando el crecimiento de asentamientos de viviendas, edificios, vías e infraestructura educativa, a través de toda la superficie de la ciudad.

El análisis que se da en este estudio permite, en un primer paso, determinar las distintas variables demográficas, económicas, naturales, etc. que inciden en el crecimiento poblacional y de esta manera poder discernir cuales son las que de alguna manera inciden en el crecimiento desordenado.

Para este propósito, se realiza el análisis de los principales factores poblacionales y económicos que influyen en el crecimiento poblacional desordenado, específicamente en el área urbana de la ciudad de Milagro, entre los años 2001 y 2010.

Se utiliza modelos de análisis de estadística espacial como la autocorrelación espacial (I de Moran), regresión exploratoria, análisis de regresión ponderada geográficamente (GWR), entre otros. Para el análisis de las variables de crecimientos se realiza el análisis de regresión ponderada geográficamente (GWR).

En base a los resultados se puede llegar a concluir que la variable Población Económicamente Activa - PEA es la que mayormente incide en el crecimiento poblacional, seguida de las variables de educación y analfabetismo. En cuanto a la infraestructura demográfica del cantón, la población es relativamente joven, el nivel de pobreza alcanza al 70% de la población y su principal actividad productiva es el comercio.

De este análisis se puede indicar que las variables que inciden en el crecimiento poblacional son las que pueden incidir en el crecimiento desordenado dado que un asentamiento sin planificación y cumplimiento de políticas públicas relativas al ordenamiento territorial, normas urbanísticas, planes de desarrollo y ordenamiento territorios, entre otros, no es garantía para un desarrollo sustentable y coherente de acuerdo a la armonía con la realidad social, cultural, económica y ambiental del territorio.

Palabras clave: Regresión ponderada geográficamente (GWR) Distribución espacial Crecimiento poblacional

7

Abstract The present study tries to give a general approach of the territorial reality of the city of Milagro, canton of the province of Guayas, which over the years has presented a very accelerated population increase causing the growth of housing settlements, buildings, roads and educational infrastructure, across the entire surface of the city.

The analysis given in this study allows, in a first step, to determine the different demographic, economic, natural variables, etc. that affect the population growth and, in this way, to be able to discern which are those that in some way affect the disorderly growth.

For this purpose, we analyzed the main population and economic factors that influence the disorderly population growth, specifically in the urban area of the city of Milagro, between 2001 and 2010.

We use spatial statistics analysis models such as spatial autocorrelation (Moran I), exploratory regression, geographically weighted regression analysis (GWR), among others. For the analysis of the growth variables, we performed the geographically weighted regression analysis (GWR).

Based on the results, we can conclude that the variable Economically Active Population - PEA is the one that mostly affects the population growth, followed by the variables of education and illiteracy. As for the population infrastructure of the canton, the population is relatively young, the level of poverty reaches 70% of the population and its main productive activity is commerce.

Finally from this analysis it can be indicated that the variables that affect population growth are those that can affect the disorderly growth given that a settlement without planning and compliance with public policies related to land use planning, urban planning norms, development plans and territorial planning, among others, is not a guarantee for a sustainable and coherent development according to the harmony with the social, cultural, economic and environmental reality of the territory.

Keywords: Geographically weighted regression (GWR) Space distribution Population growth

8

ÍNDICE DE CONTENIDOS

1. Introducción __________________________________________________ 18 1.1.

Antecedentes ____________________________________________ 18

1.2.

Objetivos y preguntas de investigación _________________________ 20

1.2.1.

Objetivo general _________________________________________ 20

1.2.2.

Objetivos específicos _____________________________________ 20

1.2.3.

Preguntas de investigación ________________________________ 20

1.3.

Hipótesis ________________________________________________ 21

1.4.

Justificación______________________________________________ 21

1.5.

Alcance _________________________________________________ 22

2. Revisión de Literatura __________________________________________ 23 2.1.

Evolución de la población urbana desde 1950 en el Ecuador y en el cantón

Milagro en particular ____________________________________________ 23 2.2.

Aspecto Legal ____________________________________________ 28

2.3.

Marco Metodológico _______________________________________ 30

2.3.1.

Análisis de regresión ponderada geográficamente (GWR) ________ 30

2.3.2.

Regresión exploratoria ____________________________________ 30

2.3.3.

Autocorrelación espacial (I de Moran Global) __________________ 31

2.3.4.

Prueba de Mínimos Cuadrados Ordinarios (OLS) _______________ 31

2.3.5.

Análisis de crecimiento poblacional __________________________ 31

3. Metodología __________________________________________________ 35 3.1.

Estructura demográfica económica del cantón Milagro _____________ 35

3.1.1.

Ubicación del área de estudio ______________________________ 35

3.1.2.

Edad _________________________________________________ 40

3.1.3.

Nivel de instrucción ______________________________________ 40

3.1.4.

Auto identificación Étnica __________________________________ 41

3.1.5.

Población Económicamente Activa __________________________ 41

3.1.6.

Característica de las viviendas _____________________________ 42

3.1.7.

Tasas de crecimiento _____________________________________ 43

3.1.8.

Pobreza _______________________________________________ 43

3.2.

Flujograma metodológico ___________________________________ 44

4. Resultados y Discusión _________________________________________ 50 9

4.1.

Resultados ______________________________________________ 50

4.2.

Anรกlisis de Resultados _____________________________________ 59

4.2.1. Comparaciรณn de los modelos OLS y GWR ______________________ 61 4.2.2. Calidad y disponibilidad de los datos __________________________ 65 4.2.3. Modelamiento ____________________________________________ 65 4.2.4. Preguntas de investigaciรณn __________________________________ 65 4.2.5. Otras consideraciones______________________________________ 67 5. Conclusiones _________________________________________________ 69 6. Referencias __________________________________________________ 70

10

ÍNDICE DE FIGURAS Figura 1. Población por años del cantón Milagro, Censos 1950 - 2010 ________ 24 Figura 2a. Concentración de la población del cantón Milagro, año 2001. ______ 25 Figura 2b. Concentración de la población del cantón Milagro, año 2010. ______ 26 Figura 3. Mapa de ubicación del cantón Milagro _________________________ 37 Figura

4.

División

parroquial

del

cantón

Milagro

_______________________________________________________________ 38 Figura 5. Polígono perimetral de la ciudad de Milagro _____________________ 39 Figura 6. Edad, Censo 2010_________________________________________ 40 Figura 7. PEA Total Ocupada por Rama de Actividad Económica, Censo 2010 _ 41 Figura 8. Características de las viviendas, Censo 2010 ____________________ 42 Figura 9. Tasas de crecimiento 1990 - 2001 - 2010 (Tasas X 100), Censo 2010 43 Figura 10. Flujograma metodológico __________________________________ 44 Figura 11. Ecuación de regresión lineal múltiple _________________________ 46 Figura 12. Reporte de la herramienta de Autocorrelación espacial (I de Moran Global) _________________________________________________________ 50 Figura 13. Reporte de la herramienta de regresión exploratoria _____________ 53 Figura 14. Resultados de salida de la herramienta de regresión exploratoria ___ 54 Figura 15. Prueba OLS y sus resultados _______________________________ 56 Figura 16. Mapa de residuos de las variables independientes _______________ 57 Figura 17. Mapa de los valores R2 de la variable independiente Nivel de Instrucción _______________________________________________________________ 63 Figura 18. Mapa de los valores R2 de la variable independiente PEA _________ 64

11

ร NDICE DE CUADROS Cuadro 1. Variables de poblaciรณn en diferentes estudios __________________ 32 Cuadro 2. Indicadores de rendimiento de la correlaciรณn GWR para el modelo explicativo seleccionado ____________________________________________ 58 Cuadro 3. Prueba OLS vs. GWR _____________________________________ 61

12

Glosario de términos Análisis de regresión: El análisis de regresión le permite modelar, examinar y explorar relaciones espaciales y puede ayudar a explicar los factores detrás de los patrones espaciales observados.

Análisis espacial: El análisis espacial estudia las relaciones de proximidaddistancia de los elementos en el espacio, optimizando su ubicación y ayudando a la correcta toma de decisiones.

Asentamientos humanos: Los asentamientos humanos, pueden ser entendidos como organismos o sistemas vivos articulados entre sí. Más que un simple cúmulo de edificios, calles y gente, son relaciones sociales.

Correlación: Medida de la relación existente entre dos variables. Su valor está comprendido entre -1 y 1. Si es negativo la relación entre las variables es inversa, es decir, a medida que aumentan los valores de una decrecen los de la otra. Si es positivo la asociación es directa, es decir, los valores de una variable aumentan con la otra. Un valor de cero indica ausencia de relación. Cuando las variables son continuas y tienen una relación lineal, el coeficiente de correlación lineal de Pearson es una medida de asociación adecuada. Cuando las variables no son continuas se utilizan otros coeficientes de correlación.

Coeficiente de correlación de Pearson: En estadística, el coeficiente de correlación de Pearson es una medida de la relación lineal entre dos variables aleatorias cuantitativas. A diferencia de la covarianza, la correlación de Pearson es independiente de la escala de medida de las variables.

De manera menos formal, se puede definir el coeficiente de correlación de Pearson como un índice que puede utilizarse para medir el grado de relación de dos variables siempre y cuando ambas sean cuantitativas.

Crecimiento

poblacional:

El crecimiento

poblacional

o

crecimiento

demográfico es el cambio en la población en un cierto plazo, y puede ser 13

cuantificado como el cambio en el número de individuos en una población por unidad de tiempo para su medición.

Distribución espacial: Cuando se habla de distribución espacial de la población, se hace referencia a la localización espacial de los asentamientos humanos, su tamaño, grado de concentración, etc. siendo los límites de estos asentamientos difusos.

Geodatabase: La Geodatabase es un modelo que permite el almacenamiento físico de la información geográfica, ya sea en archivos dentro de un sistema de ficheros o en una colección de tablas en un Sistema Gestor de Base de Datos (Microsoft Access, Oracle, Microsoft SQL Server, IBM DB2 e Informix).

Herramientas geográficas: La geografía estudia la tierra y la manera como el ser humano se relaciona con los elementos que hay en ella. Para representar los espacios de la Tierra existen diversas herramientas geográficas.

Hipótesis alternativa: Aseveración opuesta a la hipótesis nula en un test o contraste de hipótesis.

Hipótesis nula: Afirmación establecida por el investigador sobre la población de estudio cuando realiza un test o contraste de hipótesis. Esta hipótesis siempre se asume verdadera a menos que los datos de la muestra proporcionen evidencia de lo contrario. Se suele formular mediante una negación o una igualdad.

Probabilidad: La probabilidad de un suceso es un número, comprendido entre 0 y 1, que indica las posibilidades que tiene de verificarse cuando se realiza un experimento aleatorio.

Raster: El modelo raster es un método para el almacenamiento, el procesado y la visualización de datos geográficos. Cada superficie por representar se divide en filas y columnas, formando una malla o rejilla regular. Cada celda ha de ser rectangular, aunque no necesariamente cuadrada. Cada celda de la rejilla guarda 14

tanto las coordenadas de la localización como el valor temático. La localización de cada celda es implícita, dependiendo directamente del orden que ocupa en la rejilla, a diferencia de la estructura vectorial en la que se almacena de forma explícita la topología. Las áreas que contienen idéntico atributo temático son reconocidas como tal, aunque las estructuras raster no identifican los límites de esas áreas como polígonos en sí.

Residuales: Son la parte sin explicar de la variable dependiente, representada en la ecuación de regresión como el término de error aleatorio ε. Los valores conocidos de la variable dependiente se utilizan para crear y calibrar el modelo de regresión.

Al utilizar valores conocidos para la variable dependiente (y) y valores conocidos para todas las variables explicativas (las X), la herramienta de regresión construye una ecuación que preverá esos valores conocidos y posibles. Sin embargo, los valores previstos raramente coinciden exactamente con los valores observados. La diferencia entre los valores y observados y los valores y previstos se llama residual.

R2/R cuadrado: R cuadrado múltiple y R cuadrado ajustado son estadísticas derivadas de la ecuación de regresión para cuantificar el rendimiento del modelo.

El valor de R cuadrado va desde 0 a 100 por ciento. Si el modelo se ajusta perfectamente a los valores de la variable dependiente observados, R cuadrado es 100.

Tasa de crecimiento poblacional: Aumento (o disminución) de la población por año en un determinado período debido al aumento natural y a la migración neta, expresado como porcentaje de la población del año inicial o base. La medida hace referencia a una variación intercensal. Las tasas, para cada unidad geográficaadministrativa (país, provincia y cantón), se calculan a partir de la siguiente fórmula: Nt 1 r = ln ---- x ---- x 100 No t donde: r=

tasa de crecimiento promedio anual

ln = logaritmo natural Nt = población en el año t 15

No = población en el año de base t=

tiempo en años

Valores P: La mayoría de los métodos de regresión realizan una prueba estadística para calcular una probabilidad, llamada valor P, para los coeficientes asociados a cada variable independiente. La hipótesis nula para esta prueba estadística establece que un coeficiente no es significativamente distinto a cero (en otras palabras, para todos los intentos y propósitos, el coeficiente es cero y la variable explicativa asociada no ayuda al modelo). Los valores P pequeños reflejan pequeñas probabilidades y sugieren que el coeficiente es, sin duda, importante para su modelo con un valor que es significativamente distinto a cero (en otras palabras, un valor P pequeño indica que el coeficiente no es cero). Un coeficiente con un valor P de 0,01, por ejemplo, es estadísticamente significativo en el 99 por ciento del nivel de confianza; la variable asociada es un indicador efectivo. Las variables con coeficientes cercanos a cero no ayudan a prever o modelar la variable dependiente; casi siempre se quitan de la ecuación de regresión, a menos que haya razones teóricas fuertes para mantenerlos.

Variable dependiente (y): Es la variable que representa el proceso que intenta predecir o entender (robo residencial, ejecución hipotecaria, precipitaciones). En la ecuación de regresión, aparece en el lado izquierdo del signo igual. Mientras pueda utilizar la regresión para prever la variable dependiente, siempre comience con un grupo de valores y conocidos y utilícelos para crear (o para calibrar) el modelo de regresión. Los valores y conocidos a veces se denominan valores observados.

Variables independientes/explicativas (X): son las variables utilizadas para modelar o predecir los valores de la variable dependiente. En la ecuación de regresión, aparecen en el lado derecho del signo igual y a veces se denominan variables explicativas. La variable dependiente es una función de las variables explicativas

16

Acrónimos y abreviaturas AICc: Criterio de información de Akaike corregido CONADE: Consejo Nacional de Desarrollo.

COOTAD:

Código

Orgánico

de

Organización

Territorial,

Autonomía

Descentralización.

COPFP: Código de Planificación y Finanzas Públicas.

DOT: Dirección de Desarrollo y Ordenamiento Territorial.

GAD: Gobierno Autónomo Descentralizado.

GWR: Análisis de regresión ponderada geográficamente.

IGM: Instituto Geográfico Militar.

INEC: Instituto Nacional de Estadística y Censos.

MIDUVI: Ministerio de Desarrollo Urbano y Vivienda.

OLS: Mínimos cuadrados ordinarios PDYOT: Plan de Desarrollo y Ordenamiento Territorial.

PEA: Población Económicamente Activa.

SENPLADES: Secretaria Nacional de Planificación y Desarrollo.

SNI: Sistema Nacional de Información.

STPAHI: Secretaría Técnica de Prevención de Asentamientos Irregulares.

VIF: Factor de inflación de la varianza.

17

y

1.

Introducción 1.1. Antecedentes

En el Ecuador como en muchos países, se observan espacios poblacionales que han crecido y siguen creciendo de manera desordenada. Es decir, no hay una estructuración real del territorio para poder determinar la manera de cómo se pueden ir desarrollando o creciendo estos espacios poblacionales. Al contrario, lo que se da es el incremento de asentamientos de manera desordenada o empírica dependiendo de las necesidades específicas de cada grupo de población y no de acuerdo con lo que necesita el territorio (MIDUVI, 2015).

Esto se puede corroborar al observar las estadísticas de los censos poblacionales del Instituto Nacional de Estadística y Censos (INEC), en el cantón Milagro, las mismas indican un bajo índice de accesibilidad a servicios básicos hacia los sectores rurales y parte de los sectores urbanos (INEC, 2010). Eso implicaría el desarrollo de asentamientos en lugares no disponibles para ello, dado la falta de acceso a estos servicios. Además de las estadísticas también se puede mencionar varias ciudades que, en la actualidad, presentan este problema. Ciudades como Duran, Cuenca, Quito y Guayaquil, presentan problemas de desalojos por asentamientos irregulares o ilegales, que se encuentran en lugares no permitidos para estos asentamientos (Jaramillo Muñoz, 2014; Castro Mendoza, 2011).

De acuerdo con la tasa de crecimiento actual del cantón Milagro, al año 2020 se puede decir que su población llegará a los 200,000 habitantes, es decir que desde el último censo (año 2010, con 166,634 habitantes) al año 2020 el cantón habrá crecido en unas 33,000 personas, lo que indica que Milagro es un cantón creciente (INEC, 2010).

Además, según datos estadísticos, para el año 2005 el área consolidada de la ciudad de Milagro era de 1656.25 ha, lo que representaba el 60.69 % del área urbana de la ciudad (Yánez Cabrera, 2014). También se puede mencionar que en el periodo de 2006 a 2011, se han dado asentamientos en la parte norte, sur y oeste de la ciudad, lo que ha implicado una ocupación de terrenos de 68.85 ha. Por lo tanto, al año 2011 el área consolidada de la ciudad es de 1,725.10 ha, es decir un 18

incremento del 4.16 % con relación a su área en el año 2005. Se estima que en estos nuevos asentamientos se encuentran más de 2,000 familias (más de 8,200 habitantes) (Yánez Cabrera, 2014).

Al observar estos datos y de acuerdo con el Plan de Desarrollo y Ordenamiento Territorial (PdyOT) del cantón, Milagro ha experimentado un crecimiento demográfico lineal creciente, siendo la población urbana la de mayor crecimiento (GADMM, 2014).

La formación de nuevos centros poblados y sobre todo las expansiones urbanas, cuando esas no se han planificado, crean problemas al interior de los centros poblados, ya que se incrementan las demandas de infraestructura básica y servicios públicos. Al no tener la capacidad de absorber estas nuevas demandas, se generan problemas en la convivencia de sus pobladores, el deterioro de la calidad de la infraestructura y servicios existentes y problemas de índole sanitarioambiental (Yánez Cabrera, 2014).

Al año 2014, el municipio de Milagro juntamente con la Secretaria Técnica de Prevención de Asentamientos Humanos Irregulares (STPAHI) ha identificado 18 sectores como invasiones que dan un aproximado de 3,400 familias, para lo cual mediante un Plan de Control y Regulación en zonas de riesgos pretenden regular estos asentamientos, identificados como irregulares (STPAHI, 2014).

Si se observan los datos económicos del cantón se puede decir que desde el año 1982 al año 2010, la Población Económicamente Activa (PEA) ha disminuido en más del 9%, es decir al año 2010 la PEA de la población rural es del 19% (INEC, 2010). Lo contrario sucede con la población urbana que se ha incrementado de acuerdo con los datos censales, desde el censo del año 1982 al censo del 2010, la PEA urbana ha crecido en un 9%, lo que sugiere menor mano de obra en el sector rural y mayor necesidad de ésta en actividades del sector urbano (INEC, 2010).

En el país, existen diferentes entidades que son las encargadas del estudio y/o planificación del territorio, como lo es La Secretaria Nacional de Planificación y 19

Desarrollo (SENPLADES) y entidades encargadas de generar o recopilar cartografía para la planificación como son el Instituto Geográfico Militar (IGM), Instituto Nacional de Estadística y Censos (INEC), Sistema Nacional de Información (SNI), entre otras, que definen la línea base a considerar para la buena planificación y ordenamiento del territorio.

De manera local, el cantón Milagro cuenta con la Dirección de Desarrollo y Ordenamiento Territorial (DOT) del Gobierno Autónomo del cantón San Francisco de Milagro, el cual entre sus principales funciones tiene (GADMM, 2012):

-

Planificación del Desarrollo y del Ordenamiento Territorial del cantón Milagro.

-

Control y Evaluación de la Gestión del Plan de Desarrollo y Ordenamiento Territorial (PDYOT) del cantón Milagro.

1.2. Objetivos y preguntas de investigación 1.2.1.

Objetivo general

Determinar los principales factores que influyen en el crecimiento poblacional desordenado en el área urbana de la ciudad de Milagro, Ecuador, entre 2001 y 2010.

1.2.2.

Objetivos específicos

•

Analizar la estructura demográfica y económica del cantón Milagro (Ecuador).

•

Determinar las variables que inciden en el crecimiento poblacional.

•

Determinar qué variables son las que definen el crecimiento poblacional desordenado.

1.2.3.

Preguntas de investigación

¿Cuál es la estructura demográfica y económica del cantón Milagro? ¿Cuáles son las principales variables que inciden en el crecimiento poblacional del cantón Milagro? ¿Cuáles son las principales variables que inciden en el crecimiento poblacional desordenado del cantón Milagro?

20

1.3.

Hipótesis

Las variables socioeconómicas (empleo, analfabetismo, nivel de educación, habitabilidad de las viviendas, tasa de fecundidad, población año 2001, población año 2010) influyen en el crecimiento poblacional desordenado del cantón Milagro (Ecuador).

1.4. Justificación De acuerdo con la bibliografía existente, se puede decir que un crecimiento poblacional es desordenado cuando éste se da en lugares no adecuados para ello.

Además de ir en contra de la ley y del buen vivir de los habitantes del espacio en el que se da este tipo de crecimiento, desencadena varios problemas, entre éstos, déficit de acceso a servicios básicos, servicios de salud, educación, etc. (MIDUVI, 2009a).

Al considerar que en la mayoría de las provincias del país se presenta el problema de los asentamientos humanos irregulares debido a la falta de una planificación adecuada (Jaramillo Muñoz, 2014), la falta de oferta de terrenos urbanizados obliga a que las familias se asienten en sectores urbanos marginales ocasionando o aumentando asentamientos sin los accesos adecuados y en sectores de riesgo (MIDUVI, 2009b). En cuanto a servicios básicos (agua potable, alcantarillado, desechos sólidos, electricidad y comunicación), a decir de la información obtenida en el último censo poblacional, la cobertura de estos servicios es ineficiente por lo que se necesita el aumento de esta cobertura (INEC, 2010).

La ciudad de Milagro presenta varios problemas que constituyen o influencian el desorden habitacional de las personas, a decir del municipio del cantón la ciudad presenta una baja densidad existente en la actualidad, además de problemas de la tenencia y legalización de predios urbanos (GADMM, 2014). De acuerdo con el Ministerio de Desarrollo Urbano y Vivienda (MIDUVI), Milagro es uno de los nueve cantones con mayores porcentajes de hogares en asentamientos informales localizados en zonas de amenazas no mitigables, protegidas y/o declaradas no habitables, con 1,429 hogares que representan el 3.9% del total de hogares que existen en la ciudad, Milagro está en el puesto número seis de esta lista (MIDUVI, 2013). En este aspecto también entra el tema de tráfico ilícito de tierras, lo que 21

conlleva a que personas construyan en terrenos o sectores que no disponen de las seguridades y mucho menos de los servicios básicos para el buen vivir de las familias (MIDUVI, 2015).

Aunque en Ecuador se prohíbe la tenencia ilegal de la tierra, así como los asentamientos humanos irregulares, ya que este fenómeno crea otro tipo de situaciones que ponen en riesgo la integridad y la vida de las personas, al estar ubicados en zonas de seguridad o de alto riesgo natural, estos se siguen dando (MIDUVI, 2013). Además de los asentamientos humanos irregulares existen otros factores que influyen en el crecimiento poblacional desordenado. Lo que se propone en este estudio es determinar los principales factores que influyen en el crecimiento poblacional desordenado en la ciudad de Milagro.

Con el conocimiento de la información geográfica y el estudio de sus resultados se podrá determinar factores que influyen en el crecimiento poblacional desordenado de la ciudad de Milagro.

1.5.

Alcance

El alcance de este estudio es determinar cuáles son los principales factores que influyen o han influido en el crecimiento de los asentamientos humanos de forma desordenada específicamente en el área urbana de la ciudad de Milagro (Ecuador).

Estos resultados podrán ser considerados, ya sea como referencia o insumo, para la elaboración de los planes de desarrollo y ordenamiento territorial de cantón o del mismo municipio en el desarrollo de sus ordenanzas.

22

2.

Revisión de Literatura 2.1.

Evolución de la población urbana desde 1950 en el Ecuador y

en el cantón Milagro en particular La populación de Ecuador ha evolucionado a lo largo de los años. Específicamente esto se puede palpar desde el año 1950, en que se realizó el primer censo poblacional en el país. La población denominada urbana del Ecuador ha crecido o ha cambiado aceleradamente. En 1950, la población del país era de 913,932 habitantes llegando a los 3,944,062 en el censo de 1982 (INEC, 2010). Esto debido al crecimiento de las localidades rurales que al pasar de los años fueron convirtiéndose o reclasificadas en urbanas. Una apreciación general permite indicar que el crecimiento urbano fue mayor entre los dos primeros censos (1950 – 1962) (CONADE, 1991).

Los patrones de concentración poblacional han sido constantes a lo largo de los últimos 10 años, aunque desde el año de 1950, año del primer censo poblacional, ha habido un incremento poblacional de alrededor 400% hasta el año 2010 (INEC, 2010), lo que indica un alto porcentaje de crecimiento para una ciudad con una superficie pequeña. Mayoritariamente este crecimiento se ha dado hacia la zona urbana, de acuerdo con el estudio de porcentaje de urbanización de la ciudad de Milagro que indica un 403% de crecimiento poblacional del área urbana desde el primer censo (INEC, 2010).

El grado de urbanización es una medida mediante la cual se hace una medición del porcentaje de población que residen en el área urbana con respecto a la que vive en el área rural. La ciudad de Milagro, desde el primer censo, presentó un alto grado de urbanización (33,3%) y hasta el censo de 1982 presentaba un grado de 72,1%, lo que indica que el área rural va perdiendo espacio a pasos acelerados (CONADE, 1991). Aunque esto se contradice viendo la Figura 1, en la cual se puede observar que el número de población rural prácticamente se ha mantenido. Si se maneja la hipótesis que el crecimiento poblacional se da de manera igualitaria (tanto en el área rural como en el área urbana), se puede concluir que la población rural ha decrecido en estos últimos años (CONADE, 1991).

23

HABITANTES

CENSOS Figura 1. Población por años del cantón Milagro, Censos 1950 - 2010 Basado en: INEC 2010.

De acuerdo con el estudio “El proceso de redistribución espacial de la población y las tendencias de la urbanización en el Ecuador 1950-1982” del Consejo Nacional de Desarrollo (CONADE, 1991), el proceso de urbanización se basa en tres fuerzas complementaria: el crecimiento vegetativo de la población urbana, el aporte migratorio del medio rural y el surgimiento de nuevas localidades urbanas que anteriormente estaban definidas como rurales. El segundo enfoque es el que se considera como el más importante en el proceso de urbanización de las zonas anteriormente consideradas rurales (CONADE, 1991). El proceso de urbanización afecta las regiones rurales, las cuales como consecuencia presentan el cambio de uso del suelo, el piso de origen natural cambia por piso de uso antrópico de diferente índole y el piso agrario va desapareciendo a medida que el área urbana crece como consecuencia del crecimiento acelerado de su población (Sánchez, Montúfar, Lagos y Yerovi, 2010). Dado esto, también se tienen que observar hacia donde está dándose este crecimiento. La idea aquí radica en direccionar este crecimiento hacia donde debería ser. En las Figuras 2a y 2b se puede observar las tendencias de concentración de la población de la ciudad de Milagro para los años 2001 y 2010.

24

Figura 2a. Concentración de la población del cantón Milagro, año 2001.

Basado en: INEC 2001.

25

Figura 2b. Concentración de la población del cantón Milagro, año 2010.

Basado en: INEC 2010.

26

Además del aumento de la población también se ha dado el aumento de la superficie de la ciudad de Milagro. En un poco más de 30 años, la superficie del cantón (zona urbana) ha aumentado casi del doble (Villacís y Carrillo, 2011).

De acuerdo con lo que indica González Llanos (2014, p.4):

El desafío está en enfrentar los problemas producidos por un proceso de urbanización acelerado y la necesidad de políticas y normas para la gestión de los gobiernos autónomos descentralizados, en especial para la dotación de localización del equipamiento a nivel cantonal y parroquial rural a través de la formulación de planes de ordenamiento territorial responsables y articulados en todos sus niveles…

Es decir, los planes de ordenamiento territorial articulados a políticas públicas y en todos los niveles administrativos juegan un papel fundamental en el desarrollo de un territorio. Además, la influencia de las políticas habitacionales del Estado fomenta el crecimiento poblacional hacia las zonas periféricas, lo que contribuye a la formación de espacios urbanos segregados (Azócar, Sanhueza, y Henríquez, 2003). Es decir, las políticas de algunas ciudades con respecto a viviendas no siempre obtienen los resultados deseados, contribuyendo de esta manera a aumentar el problema de crecimiento poblacional desordenado.

De acuerdo con lo que indica Barrionuevo Logroño (2014), se puede decir que la distribución del equipamiento exclusivamente en las grandes ciudades del Ecuador conlleva a un crecimiento poblacional desordenado, debido a que se obliga los desplazamientos de la población a estas ciudades desde otros cantones y también desde las áreas rurales.

Es necesario mencionar que, de acuerdo con varios estudios realizados en diferentes países, especialmente en España y los Estados Unidos, “El crecimiento urbano desordenado está considerado como un problema medioambiental y social importante (…) crecimiento urbano desordenado y el modo en que éste afecta a

27

sus vidas cotidianas son el problema más importante a nivel local -empatado con el crimen y la violencia” (Puga, 2008, p. 128).

De acuerdo con Batalla, et al. (2012), las tendencias de expansión, el modelo de urbanismo, producción, consumo y emisión de desechos de las ciudades son los responsables de los problemas medioambientales de los países. En este sentido los autores mencionan que los procesos de crecimiento de las ciudades van apoyados entre la modernidad, la posmodernidad y la globalización, juntamente con la problemática de la valorización/desvalorización del suelo urbano.

2.2. Aspecto Legal Es importante destacar que los gobiernos municipales poseen competencias específicas en materia de equipamiento comunitario, de acuerdo con el Art. 138 del Código Orgánico de Organización Territorial, Autonomía y Descentralización (COOTAD, 2010), corresponde a este nivel de gobierno en el marco con la entidad rectora, construir la infraestructura y los equipamientos físicos de salud y educación.

Las autoridades locales como gobiernos seccionales, en el caso de los cantones, tienen la competencia de la organización del territorio en el ámbito del uso del suelo y ubicación de infraestructura. Específicamente esto se menciona en el Art. 264 de la constitución ecuatoriana de acuerdo con lo siguiente (Constitución de la República del Ecuador, 2008):

1. Planificar el desarrollo cantonal y formular los correspondientes planes de ordenamiento territorial, de manera articulada con la planificación nacional, regional, provincial y parroquial, con el fin de regular el uso y la ocupación del suelo urbano y rural.

2. Ejercer el control sobre el uso y ocupación del suelo en el cantón.

3. Planificar, construir y mantener la vialidad urbana.

4. Prestar los servicios públicos de agua potable, alcantarillado, depuración de aguas residuales, manejo de desechos sólidos, actividades de saneamiento ambiental y aquellos que establezca la ley.

28

5. Crear, modificar o suprimir mediante ordenanzas, tasas y contribuciones especiales de mejoras.

6. Planificar, regular y controlar el tránsito y el transporte público dentro de su territorio cantonal.

7. Planificar, construir y mantener la infraestructura física y los equipamientos de salud y educación, así como los espacios públicos destinados al desarrollo social, cultural y deportivo, de acuerdo con la ley.

8. Preservar, mantener y difundir el patrimonio arquitectónico, cultural y natural del cantón y construir los espacios públicos para estos fines.

9. Formar y administrar los catastros inmobiliarios urbanos y rurales.

10. Delimitar, regular, autorizar y controlar el uso de las playas de mar, riberas y lechos de ríos, lagos y lagunas, sin perjuicio de las limitaciones que establezca la ley.

11. Preservar y garantizar el acceso efectivo de las personas al uso de las playas de mar, riberas de ríos, lagos y lagunas.

12. Regular, autorizar y controlar la explotación de materiales áridos y pétreos, que se encuentren en los lechos de los ríos, lagos, playas de mar y canteras.

13. Gestionar los servicios de prevención, protección, socorro y extinción de incendios.

14. Gestionar la cooperación internacional para el cumplimiento de sus competencias. En el ámbito de sus competencias y territorio, y en uso de sus facultades, expedirán ordenanzas cantonales.

Dadas estas competencias, el municipio de Milagro ha realizado varios esfuerzos en pro de la planificación del territorio. Se han ejecutado ordenanzas como la GADMM # 07-2015 (GADMM, 2015), en la cual se indica que:

El Gobierno Autónomo Descentralizado (GAD) municipal del Cantón San Francisco de Milagro

realizará las gestiones pertinentes ante las

instituciones de Gobierno Central, del Gobierno Autónomo Descentralizado Provincial, entre Gobiernos Municipales, con Gobiernos Autónomos Descentralizados Parroquiales, con las organizaciones públicas y privadas, 29

organizaciones no gubernamentales debidamente acreditadas, nacionales o extranjeras, organismos de cooperación y otros, que conforman el Sistema Nacional de Planificación Participativa de acuerdo al artículo 21 del Código de Planificación y Finanzas Públicas (COPFP), a fin de impulsar, apoyar, financiar y ejecutar los programas y proyectos contemplados en el plan de desarrollo y en el de ordenamiento territorial del Cantón San Francisco de Milagro según las disposiciones de ley.

De esta manera el municipio se compromete a cumplir y seguir con lo planificado en el plan de desarrollo y ordenamiento territorial, específicamente los programas y proyectos propuestos por la entidad pública.

2.3. Marco Metodológico 2.3.1.

Análisis de regresión ponderada geográficamente (GWR)

La regresión ponderada geográficamente es utilizada para modelar las relaciones espaciales existentes entre las variables. La regresión GWR es una técnica de regresión espacial que se utiliza en la geografía y construye una ecuación individual mediante la incorporación de las variables dependiente e independientes (explicativas) de las entidades (ArcGISResources, 2012a).

2.3.2.

Regresión exploratoria

Esta herramienta evalúa todas las posibles combinaciones de las variables explicativas, al realizar esta evaluación lo que se busca es encontrar el modelo de mínimos cuadrados ordinarios (OLS) que mejor explique a la variable dependiente (ArcGISResources, 2012b).

Los modelos con mayor R2 ajustado se guardan para cada conjunto de modelos conteniendo el número mínimo de variables explicativas especificadas, hasta el número máximo de variables explicativas especificadas (ArcGISResources, 2012b).

30

De acuerdo con los resultados de la prueba se puede observar cuáles son las variables que tienen mayor significancia estadística y por lo tanto tendrán una relación más estable entre las mismas (ArcGISResources, 2012b).

2.3.3.

Autocorrelación espacial (I de Moran Global)

La herramienta de autocorrelación espacial I de Moran Global mide la autocorrelación en base a las ubicaciones de entidades y los valores de atributo.

Esta herramienta realiza la evaluación del patrón de agrupación de las variables.

En base a los resultados del valor P1 (significancia estadística) se puede llegar a rechazar la hipótesis nula que establece que los valores de las entidades están distribuidos de manera aleatoria (ArcGISResources, 2012c).

2.3.4.

Prueba de Mínimos Cuadrados Ordinarios (OLS)

Esta prueba realiza una regresión lineal global para modelar una variable dependiente en términos de sus relaciones con un conjunto de variables explicativas (ArcGISResources, 2012d).

2.3.5.

Análisis de crecimiento poblacional

El análisis de las variables que explican mayormente el crecimiento poblacional se basa en varios estudios realizados para determinar o explicar a qué se debe el cambio de uso del suelo (Mendoza, Plascencia, Alcántara, Rosete y Bocco, 2009).

Este análisis se realiza mediante técnicas de regresión estadística a fin de determinar cuáles son las variables que influyen o tienen mayor inherencia en el cambio de uso del suelo. De acuerdo con lo que indica Plata, Bosques y Gómez (2011, p. 12) “los procesos relacionados con el crecimiento urbano son el resultado de una compleja interacción de factores asociados a condiciones socioeconómicas, biofísicas, constructivas, de accesibilidad, entre otros”

El valor P es un valor de probabilidad, por lo que oscila entre 0 y 1. Así, se suele decir que valores altos de p NO RECHAZAN la hipótesis nula o, dicho de forma correcta, no permiten rechazar la H0.

De igual manera, valores bajos de rechazan la H0.

1

31

Algunos de los estudios más significativos en cuanto al enfoque del crecimiento poblacional refieren a variables como el empleo y los ingresos (ver Cuadro 1), también indican influencia a otros factores como bienes y servicios públicos como educación y sanidad, los cuales dan como resultado que las personas se muden hacia donde hay empleo y servicios (Calzadilla Daguerre, 2013).

En el Cuadro 1 se resumen las variables elegidas para analizar la población en algunos de los estudios más significativos en cuanto al análisis de desarrollo regional y local del empleo y la población.

Cuadro 1. Variables de población en diferentes estudios Objetivo Variables

Estudio Carlino

y Estudio

de - Porcentaje de negros.

Mills

variables afectando - Densidad de autopistas interestatales.

(1987)

el

empleo

y

el - Impuestos locales por persona.

crecimiento de la - Ingresos familias. población

por - Otro (variables cualitativas de carácter dicotómico

condado.

o binario).

Boarnet

Estudio

(1994)

crecimiento de la población

del - Distancias desde los municipios al centroide de

y

empleo

el - Autopistas (variables cualitativas de carácter intra-

metropolitano mediante

New Jersey y de Manhattan.

dicotómico o binario) - Porcentaje negros.

modelo - Ratio pobreza.

espacial.

- Ratio impuestos por persona.

- Gasto en servicios públicos.

- Ratio crimen violento.

- Ratio crimen contra la propiedad.

- Porcentaje de vivienda vieja.

- Extensión territorial.

Schmitt,

Estudio del tamaño - Ratio de crecimiento de los centros urbanos.

Henry,

de la población y su - Ratio de crecimiento del empleo en la periferia.

kristensen, influencia

en

el - Distancia al centro de los centros urbanos.

Barkley y crecimiento de la

32

Bao

población rural y - Frecuencia de uso de 28 tipos de servicios

(1999)

cambios empleo.

en

el

residenciales.

- Porcentaje de viviendas viejas.

- Distancia a la entrada a la autopista más cercana.

- Distancia a la escuela secundaria más cercana.

- Distancia al hospital más cercano.

- Ingreso sometido a impuesto por familia

Fuente: Calzadilla Daguerre, 2013

Otro aspecto que se debe considerar es hacia dónde la población creciente debe hacerlo, dada la influencia de facilidades de acceso a educación, transporte, vivienda, alimentación, actividades económicas y por qué no decir de acceso a lugares de entretenimiento y diversión. En el estudio “Uso de los SIG para la determinación de zonas homogéneas de concentración de población, vivienda y actividades económicas de la ciudad de Cayambe” de Valle Piñuela (2012), mediante la metodología de zonas homogéneas y la aplicación de modelos geográficos, se determinan lugares en los cuales deben ser enfocadas las diversas actividades del ser humano para encontrar el equilibrio entre los recursos y su utilización. Esta metodología determina zonas homogéneas de los diferentes aspectos socioeconómicos de tal manera que puedan ser utilizadas para la planificación en diferentes actividades (Valle Piñuela, 2012).

En el estudio de Dávila Arias (2014), se hace una propuesta para el modelo de estimación de incremento de población y empleo en la ciudad de Machachi (Ecuador). Este modelo es una adaptación de la estructura del modelo de Carlino y Mills (1987). Las variables relacionadas con el incremento poblacional y de empleo se definen de acuerdo con condiciones de la población, del hogar y de la vivienda. Todas estas variables están incluidas en el cuestionario del último censo del INEC (INEC, 2010). Al final se realiza una propuesta de crecimiento urbano con diseño de planes y programas de regulación urbana, equipamiento urbano y establecimiento de áreas de reserva/conservación. Este estudio demuestra la influencia de variables de empleo, densidad poblacional, vivienda, nivel de educación, en el incremento de población y empleo.

33

Haciendo énfasis en la metodología desarrollada por Carlino y Mills (1987) y adaptada por Dávila Arias (2014), se puede decir que la estructura del modelo permite investigar los factores que condicionan o infieren en el crecimiento poblacional. La ecuación desarrollada por los autores de la metodología se expresa en función de un conjunto de variables que, de alguna manera, son las que condicionarían el cambio de la población, considerando factores económicos, factor de empleo y el cambio de la cantidad de individuos presentes al inicio y final de un periodo determinado de tiempo. En el estudio “Determinantes para el crecimiento poblacional y de empleo en pequeñas regiones de Queensland” de Trendle (2009), se evidencia la causalidad del empleo al crecimiento poblacional y viceversa, como resultados se observa que un nivel de educación más alto y disponibilidad de servicios de salud, hacen a una región más atractiva para la inmigración, además se encuentra que una abundante oferta de mano de obra calificada proporciona incentivos para que las empresas se ubiquen en una región y se asocie positivamente el crecimiento de empleo (Trendle, 2009).

En el estudio “Pautas de crecimiento y dinámica espacial de la población y el empleo en los mercados locales de trabajo: Un análisis para Castilla – La Mancha, Cataluña y la Comunidad Valenciana” de Ruiz y Soler (2009), se incluyen las variables salud y educación para comprobar la influencia de la dotación de infraestructuras sobre el crecimiento poblacional local, también se incluyen variables de mano de obra (indicador de reemplazamiento de la mano de obra) para corroborar si la disponibilidad de mano de obra afecta la capacidad que posee un territorio para atraer empleo. El análisis efectuado en este estudio ha permitido determinar las pautas de localización de la población y del empleo e identificar algunos de los factores que contribuyen a explicar tales movimientos (Ruiz y Soler, 2009).

34

3.

Metodología

La metodología está enfocada y diseñada para identificar cuáles son los factores que afectan o infieren en el crecimiento poblacional desordenado del cantón Milagro.

Dentro de la metodología disponible para este estudio se tiene la elaboración del modelo planteado por Carlino y Mills (1987), basado en el análisis de regresión para el incremento de la población. Específicamente se utiliza la técnica de regresión GWR para poder modelar de manera local las relaciones de las variables espacialmente.

Las variables para utilizarse para este estudio están adaptadas a la unidad de análisis por sector censal (INEC, 2010). Se eligió este nivel debido al tamaño de la delimitación geográfica del cantón, además para poder obtener resultados con mayor detalle.

Con respecto a las variables utilizadas hay que mencionar que se dispone de los datos poblacionales y de vivienda de los censos de los años 2001 y 2010 del INEC, datos que están disponibles de manera libre para ser descargados a través de la página web del INEC. Por esta razón esta es la fuente de datos para el presente estudio.

3.1. Estructura demográfica económica del cantón Milagro 3.1.1.

Ubicación del área de estudio

El cantón San Francisco de Milagro se encuentra situado en el sector centrooriental de la provincia del Guayas, Ecuador (Figura 3), y tiene una superficie de 405 km2 y una población de 166,634 habitantes según el último censo poblacional de 2010 (INEC, 2010). El cantón Milagro se divide administrativamente en 4 parroquias cantonales (ver Figura 4): - Milagro (creada el 15 de octubre de 1842 y cabecera cantonal a partir del 17 de septiembre de 1913) - Chobo (creada el 25 de abril de 1892) 35

- Mariscal Sucre (conocida anteriormente como los Huaques, fue creada el 2 de abril de 1934) - Roberto Astutillo (conocida anteriormente como el Cruce de Venecia, fue creada el 21 de agosto de 1973).

36

Figura 3. Mapa de ubicaciรณn del cantรณn Milagro Basado en: IGM 2013.

37

Figura 4. Divisiรณn parroquial del cantรณn Milagro Basado en: IGM 2013.

38

Mediante ordenanza GADMM # 10-2013, se establece un nuevo perĂ­metro de la ciudad de Milagro de acuerdo con la Figura 5 (GADMM, 2013).

Figura 5. PolĂ­gono perimetral de la ciudad de Milagro Basado en: IGM 2013.

39

3.1.2.

Edad

De acuerdo con el censo poblacional del año 2010, mayormente la edad de los Milagreños está entre los 5 y 19 años (figura 6), lo que indica una población relativamente joven. Menos del 20% del total de la población tienen 50 años o más (INEC, 2010) Mayor a 85años De 80 a 84 años De 75 a 79 años De 70 a 74 años De 65 a 69 años De 60 a 64 años De 55 a 59 años De 50 a 54 años De 45 a 49 años

De 40 a 44 años De 35 a 39 años De 30 a 34 años De 25 a 29 años De 20 a 24 años De 15 a 19 años De 10 a 14 años De 5 a 9 años De 1 a 4 años Menor de 1 año

10

8

6

4

2

Hombre

0

2

4

Mujer

6

8

10

Millares

Figura 6. Edad, Censo 2010 Basado en: INEC 2010.

3.1.3.

Nivel de instrucción

En cuanto al nivel de instrucción del cantón, sólo el 12.4% de la población tiene estudios superiores, menos del 1% ha accedido a un postgrado (INEC, 2010). La tasa neta total de escolaridad (número promedio de años lectivos aprobados en instituciones de educación formal para las personas de 24 años o más) es de 9.76 años y la tasa neta de analfabetismo (porcentaje de la población mayor o igual a 15 años que no puede leer y escribir) es del 4.77% (INEC, 2010).

40

3.1.4.

Auto identificación Étnica

Mayoritariamente la auto-identificación de la población es montubia, seguida de mestiza, menos del 10% se auto-identifica como afrodescendiente o blanco, sólo el 1% se dice ser indígena (INEC, 2010).

3.1.5.

Población Económicamente Activa

Las características descritas en la Figura 7 provienen del último censo poblacional (INEC, 2010). Se puede observar que las principales actividades productivas del cantón están relacionadas con el comercio, la agricultura y la industria.

Figura 7. PEA Total Ocupada por Rama de Actividad Económica, Censo 2010 Basado en: INEC 2010.

41

3.1.6.

Característica de las viviendas

De acuerdo con la Figura 8 sobre características de las viviendas, el territorio presenta deficiencias en cuanto a servicios y equipamiento público. El 63.68% de la población dispone de agua por red pública, el 56.70% tiene conexión por tubería dentro de la vivienda, y menos del 15% posee servicio higiénico conectado a red pública de alcantarillado (INEC, 2010).

Por otro lado, el servicio de energía eléctrica está presente en casi toda la población, además el servicio de recolección de basura llega a casi un 75% de la población milagreña (INEC, 2010).

Figura 8. Características de las viviendas, Censo 2010 Basado en: INEC 2010.

42

3.1.7.

Tasas de crecimiento

La tasa de crecimiento poblacional se ha incrementado paulatinamente de acuerdo con los últimos censos poblaciones (1990, 2001 y 2010) (INEC, 2010).

En la Figura 9 se puede observar en el axis izquierdo la población y en el axis derecho la tasa de crecimiento.

Figura 9. Tasas de crecimiento 1990 - 2001 - 2010 (Tasas X 100), Censo 2010 Basado en: INEC 2010.

3.1.8.

Pobreza

La pobreza en el territorio afecta al 70.7% de personas, es decir, en la ciudad de Milagro, 117,072 personas son pobres. En el área rural, el 95.6% de la población es pobre mientras que en el área urbana la pobreza afecta al 64.4% de las personas (INEC, 2010).

43

3.2. Flujograma metodológico La metodología utilizada en este estudio se puede estructurar de la manera presentada en la Figura 10.

Revision de informacion disponible

Factores que influyen en el crecimiento poblacional

Identificar las variables explicativas Selección de variables

Autocorrelación espacial I de Moran Global

Construir geodatabase

Realizar el análisis exploratorio de regresión

Realizar prueba de mínimos cuadrados ordinarios (OLS)

Realizar el análisis de regresión ponderada geográficamente (GWR)

Realizar el análisis de los resultados

Figura 10. Flujograma metodológico

3.2.1.

Revisión de la información disponible

Las variables se seleccionan de acuerdo con el modelo de Carlino y Mills (1987).

En total se cuenta con 11 variables para el presente estudio. Con estas variables se procede a construir la geodatabase. La Cartografía Censal es el principal insumo para la construcción de esta geodatabase. En el caso de este estudio se ha utilizados la información digital de los censos 2001 y 2010 disponibles dentro de la página web del INEC. 44

Para la cartografía del INEC del año 2001 se realizaron ajustes con las variables. Éstos incluyeron empates (coincidencia) de los sectores censales por código y ubicación, dado que las variables intercensales que están en el cuestionario censal difieren entre los años de los censos 2001 y 2010. Para el año 2010 se incrementaron los sectores censales, ya sea por división de un sector censal del año 2001 y ampliación de la cobertura urbana.

Una vez seleccionados los datos se construye la geodatabase con 352 registros y 10 variables independientes.

3.2.2.

Factores que influyen en el crecimiento poblacional

En esta sección del flujograma se aplican las diferentes metodologías de regresión espacial, se analizan los resultados de las pruebas para de esta manera identificar las variables que influyen en el crecimiento poblacional.

Para realizar estos pasos se hace uso del software ArcMap de ArcGIS versión 10.2.

3.2.2.1. Identificar las variables explicativas En base al estudio realizado por Carlino y Mills (1987), se seleccionaron las variables que podrían incidir en la población. Estas variables corresponden a las obtenidas de acuerdo con los dos últimos censos nacionales del país, de esta manera el año de los datos varía entre el 2001 y 2010.

Las variables por utilizar para este modelo son las siguientes: Y = Incremento de la población en el periodo 2001 − 2010 Et = Empleo total en 2010 Pt−1 = Población residente en 2001 VIVt−1 = % de viviendas desocupadas en 2001 HABt−1 = Indicador de habitabilidad de las viviendas familiares principales (año 2010) ANALFt−1 = Porcentaje de anafabetismo en 2001 ESTUDt−1 = Nivel de estudios universitarios en 2001 SALUDt−1 = Número de locales de salud en 2001 45

EDUCt−1 = Número de locales educativos en 2001 DENt−1 = Densidad de población en 2001 FECt−1 = Tasas de fecudidad en 2001 Se decidió escoger estas variables dado que en Ecuador se cuenta con una base de información de igual estructura o parecida a la de las variables utilizadas en el estudio de Carlino y Mills (1987) y por ende es factible realizar el estudio en base a la metodología escogida. Además, en este estudio (Carlino y Mills, 1987) las variables utilizadas reflejan condiciones que pueden demostrar si un territorio es factible para el desarrollo económico al igual que las variables utilizadas en el presente estudio.

Una vez recopilada la información se procedió a construir la geodatabase de las variables para, de esta manera, poder estructurar la información cartográfica bajo el formato de vector.

Con las variables seleccionadas determinantes en el crecimiento poblacional se procede a realizar el análisis de relación espacial para deducir cuál de estas variables es mayormente explicativa de este crecimiento. Para este estudio se define como variables a explicar o variable dependiente al crecimiento poblacional, la ecuación a utilizar es la que se puede observar en la Figura 11:

Figura 11. Ecuación de regresión lineal múltiple Fuente: ArcGISResources, 2013

Dónde: Y: Variable dependiente que se quiere explicar, modelar o predecir.

46

X: Las variables independientes que se cree que causan o explican la variable dependiente. β: Valores calculados por la herramienta de regresión, que representan la relación entre variables explicativas y la variable dependiente. ε: La porción de la variable dependiente que no está explicada por el modelo.

Se recuerda que estas variables son las que se encuentran en el modelo de Carlino y Mills (1987), sólo se escogieron las que, de acuerdo con el modelo, se encuentran disponibles en las bases censales del INEC.

A estas variables se añadió la variable tasa de fecundidad, dado que esta variable es considerada importante para el cálculo de las proyecciones poblacionales del país (INEC,2012). Además, es un indicador importante en la transición demográfica de un país, su estudio es útil para hallar estimaciones de la población en el futuro (Lanchimba y Medina, 2012).

Para la variable nivel de estudios universitarios se tomaron los datos del nivel de instrucción desde post-bachillerato, debido a que en Ecuador el nivel de instrucción universitario es bajo (INEC, 2001).

El indicador de habitabilidad se tomó para el año 2010, dado que, en la boleta censal del año 2001, no se incluyó el análisis del estado del material del piso, pared y techo de la vivienda.

3.2.2.2. Autocorrelación espacial I de Moran Global Del reporte de la herramienta de autocorrelación espacial se puede determinar si la variable de incremento poblacional presenta una distribución aleatoria, dispersa o agrupada, La herramienta calcula el valor del Índice I de Moran y una puntuación z y un valor P para evaluar la significancia de ese índice. Lo que se busca es rechazar la hipótesis nula, es decir demostrar que la distribución de la variable independiente no es aleatoria.

47

3.2.2.3. Realizar el análisis de regresión exploratoria La sección de resumen global de regresión exploratoria indica el porcentaje de modelos que aprobó cada una de las pruebas. Si no tiene ningún modelo que haya pasado, este resumen ayuda a comprender que prueba de diagnóstico está dando problemas.

En la sección de resumen de significancia de la variable se puede observar información acerca de la consistencia de las relaciones de las variables, los indicadores con mayor consistencia significativa.

En la sección de resumen de multicolinealidad se puede verificar cuáles son las variables explicativas que se pueden eliminar del análisis.

3.2.2.4. Realizar prueba de mínimos cuadrados ordinarios (OLS) Al realizar la prueba de regresión de Mínimos cuadrados ordinarios – OLS, se puede comprobar cuáles son las variables que ayudan al modelo, al observar la probabilidad de que el coeficiente de las variables sea cero, es decir, una probabilidad pequeña indica que existe una mínima probabilidad de que el coeficiente en realidad sea cero. Para la evaluación de la importancia de modelo se deben considerar los índices estadísticos de las pruebas de Koenker y Wald, con un valor p asociado menor que 0.05 se puede determinar si el modelo es estadísticamente significativo (ArcGISResources, 2012f).

Además, al observar el valor del índice estadístico de Koenker (BP) se puede llegar a concluir si las variables explicativas del modelo presentan estacionariedad, es decir, los procesos espaciales representados por las variables explicativas se comportan de la misma manera en cualquier parte del área de estudio. El resultado del diagnóstico de OLS da una probabilidad menor a 0.05 para esta prueba, es decir

las

variables

presentan

heterocedasticidad

(ArcGISResources, 2012f).

48

o

no

estacionariedad

3.2.2.5. Realizar

el

análisis

de

regresión

ponderada

geográficamente (GWR) El modelo GWR indica, en base a sus resultados, lo bien que se ajusta el modelo de regresión local a los valores observados. También se puede observar el coeficiente de determinación qué es el que indica el nivel de explicación que tienen las variables independientes a la dependiente.

Para la prueba de Regresión Ponderada Geográficamente (GWR) no debe existir multicolinealidad entre las variables, es decir, combinación de una o más variables explicativas, esto puede resultar redundante y afectar a los resultados. Si el valor del factor de inflación de la varianza (VIF) es mayor que 7.5, existe multicolinealidad y la variable asociada a este valor se debe quitar del modelo (ArcGISResources, 2012e). Al observar los residuales se verifica si el modelo de regresión se distribuye de manera aleatoria. Los residuales son la diferencia entre el valor observado y el valor estimado del modelo GWR, cuanto menor sea este valor mejor será el ajuste del modelo a los datos observados.

49

4.

Resultados y Discusión 4.1. Resultados

Luego de aplicar la metodología se han obtenido los siguientes resultados:

En la figura 12, se puede observar que el valor P asociado a los resultados de la herramienta de Autocorrelación espacial I de Moran Global es significativo y la puntuación Z es positiva, lo que indica que se puede rechazar la hipótesis nula (aleatoriedad completa del dataset) y que la distribución espacial de los valores extremos (altos y bajos) del dataset están más agrupados espacialmente de lo que se espera.

Figura 12. Reporte de la herramienta de Autocorrelación espacial (I de Moran Global)

50

La herramienta de análisis de regresión exploratoria reporta seis resúmenes de combinaciones posibles (Figura 13). De acuerdo con esto, se puede indicar que las combinaciones que integran las variables de PEA 2010, población 2001, nivel de instrucción, analfabetismo y fecundidad son modelos que tienen el mayor valor de R2 (modelos de los resúmenes 3, 4 y 5). Por lo tanto, se puede decir que son los mejores modelos que escoger.

Además, en la misma Figura 13 se puede observar cuáles son las variables que tienen mayor significancia estadística y por lo tanto tienen una relación más estable entre las mismas. En este caso las variables con mayor significancia estadística son las que corresponden a PEA 2010, nivel de instrucción, habitabilidad de las viviendas y nivel de fecundidad con un nivel de significancia mayor al 87%.

En la sección de resumen global de regresión exploratoria (Exploratory Regresion Global Summary, Figura 13), se indica el porcentaje de modelos que aprobó cada una de las pruebas. De acuerdo con lo que se observan en los resultados, el 100% de los modelos aprobó la prueba del valor de inflación de la Varianza (VIF), además, el 61% de los modelos tienen criterios de valor p asociado, menores a 0.05.

En la sección de resumen de significancia de la variable (Figura 13) se puede observar información acerca de la consistencia de las relaciones de las variables.

Los indicadores con mayor consistencia significativa son las primeras seis variables (Pea, Instrucción, Habitabilidad, Fecundidad, Población y Analfabetismo) con hasta el 61.29 % de significancia, de las cuales el nivel de instrucción presenta el 100% de consistencia significativa.

En la sección de resumen de multicolinealidad (Figura 13) se puede verificar cuáles son las variables explicativas que se pueden eliminar del análisis. Esta sección indica las variables que son redundantes en el modelo.

Para los valores p de las pruebas de Global Moran (resumen de autocorrelación residual) y Jarque-Bera (resumen de normalidad residual), se puede indicar que los modelos presentan valores p altos para una de las pruebas. En el caso de la prueba 51

de normalidad, el valor p asociado mĂĄs alto se da en los modelos que incluyen las variables de nivel de habitabilidad, PEA y poblaciĂłn del aĂąo 2001.

52

Figura 13. Reporte de la herramienta de regresiรณn exploratoria

53

En la tabla de resultados de salida (Figura 14) se puede observar todos los modelos que reunieron los criterios del valor de P y VIF máximo. El mejor modelo es el que posee en menor valor de criterio de información de Akaike corregido (AICc). Se puede verificar que existen varios modelos que tienen el valor de AICc menor y que cumple con un valor P alto de la prueba de Jarque-Bera y un valor menor de inflación de la varianza VIF. Estos modelos incluyen a las variables de nivel de instrucción, fecundidad, población, PEA y habitabilidad.

Figura 14. Resultados de salida de la herramienta de regresión exploratoria

54

De acuerdo con los resultados de OLS (Figura 15), se puede comprobar cuáles son las variables que ayudan al modelo. En los resultados se puede ver que 5 de las variables poseen una probabilidad cercana a cero. Es decir, todas estas variables son significativas al modelo, lo que indica una alta importancia y relación válida de estas variables con la variable dependiente. El valor del factor de inflación de la varianza para cada una de las variables es menor a 3 en casi todas las variables, lo que indica que ninguna de las variables puede llegar a ser redundante entre ellas.

Es decir que cada una aporta información distinta al modelo.

En las tablas de resultados de la prueba OLS (Figura 15) se puede evaluar la importancia del modelo. El valor P asociado a las pruebas de Koender y Wald es igual a 0.000 lo que indica que el modelo es estadísticamente significativo. Además, al observar el valor del índice estadístico de Koenker (BP) y Wald se puede llegar a concluir si las variables explicativas del modelo presentan estacionariedad. Es decir, los procesos espaciales representados por las variables explicativas se comportan de la misma manera en cualquier parte del área de estudio. El resultado del diagnóstico de OLS da una probabilidad menor a 0.05 para esta prueba, es decir las variables presentan heterocedasticidad o no estacionariedad.

La probabilidad del diagnóstico de Jarque-Bera no es estadísticamente significativa. Es decir, el valor P asociado a esta prueba es mayor a 0.05, lo que indica que los valores de los residuales (valores de la variable dependiente – los valores estimados para esta variable) están distribuidos normalmente.

55

Figura 15. Prueba OLS y sus resultados

56

Al observar los residuales y el mapa se verifica que el modelo de regresiรณn se distribuye de manera aleatoria (Figura 16).

Figura 16. Mapa de residuos de las variables independientes 57

De acuerdo con el Cuadro 2, el porcentaje de explicaciรณn de las variables independientes a la dependiente es del 96% (R2), lo que indica que el modelo se ajusta y explica el 96% de la variaciรณn de la variable dependiente. Por lo tanto, las variables explicativas son las adecuadas para explicar la incidencia del crecimiento poblacional.

Cuadro 2. Indicadores de rendimiento de la correlaciรณn GWR para el modelo explicativo seleccionado

58

4.2. Análisis de Resultados Del análisis de relación espacial (Índice de Morans I) se puede indicar que la probabilidad de que se cumpla la hipótesis nula que dice que los valores del incremento poblacional están dados de manera aleatoria, es muy baja, es decir que esta variable presenta una distribución espacial agrupada. Al observar al signo del índice se puede indicar que las variables se relacionan con valores de análisis similares, aunque este índice sea cercano a cero que da a entender poca correlación entre las variables.

A partir de las 10 variables explicativas se obtuvieron varios modelos de los cuales se selecciona el que tiene el mayor poder explicativo, el cual incluye algunas de las variables predictoras. En base a los resultados obtenidos del análisis de regresión exploratoria, el mejor modelo para la explicación de la variable dependiente se presenta con las variables que se refieren a PEA, nivel de instrucción, tasa de analfabetismo y fecundidad. Es decir, el factor económico, educativo y social influyen de manera considerable en la población y su decisión del lugar a habitar.

Además, en los resultados se puede corroborar que el modelo que incluye estas variables es el que presenta uno de los menores valores de VIF entre los 3 modelos que incluyen 5 variables, que además son las que tienen mayor influencia en el modelo.

Al observar los valores VIF (todas inferiores a 7.5) se puede decir que las variables no presentan multicolinealidad entre ellas, por lo cual se puede indicar que el modelo no tiene problema de inestabilidad, además la influencia del modelo no es tendenciosa. Cinco variables independientes son significativas a un nivel de 0.05, la variable de nivel de habitabilidad no es significativa por lo tanto se lo retira del modelo.

La variable nivel de instrucción presenta el 100% de consistencia significativa pero negativa, lo que indica una relación negativa fuerte con respecto a las demás variables, es decir, el crecimiento poblacional puede ser explicado por el nivel de instrucción de sus habitantes, pero de manera inversa, a un mayor nivel de instrucción, menor es el incremento poblacional.

59

En el caso de la prueba de normalidad (Jarque-Bera - resumen de normalidad residual), el valor p asociado más alto se da en los modelos que incluyen las variables de nivel de habitabilidad, PEA y población del año 2001, lo que indica que los residuales se distribuyen de manera normal, qué es lo que se necesita para aprobar los modelos. Para la prueba de Global Moran (resumen de autocorrelación residual) los valores p asociados son significativos, lo que indica que ninguno de los modelos presenta residuales autocorrelacionados espacialmente, por lo tanto, no se aprueba ninguno de ellos.

El resultado del modelo OLS indica una explicación de las variables independientes del 96% hacia la variable dependiente. Al observar la probabilidad robusta de las variables se tiene que cinco de ellas presentan un valor p cercano a cero, lo que indica que existe una mínima probabilidad de que el coeficiente de las variables sea cero, es decir las variables son significativas al modelo, siendo estas las referentes a PEA, Población 2001, instrucción, fecundidad y analfabetismo. En el cuadro de diagnóstico (OLS Diagnostics) de la Figura 15, se puede observar que el valor P asociado a la prueba de Koenker (BP) es estadísticamente significativo. Además, el valor P asociado a la prueba de Wald es también estadísticamente significativo, lo que indica que se debe rechazar la hipótesis nula a favor de la alternativa. Es decir que las variables explicativas o independientes son efectivas para el modelo.

Siguiendo con el nivel de significancia de la prueba BP se puede también indicar que el modelo no es estacionario por lo tanto el modelo es óptimo para el análisis de GWR.

Para la evaluación de la importancia de modelo se deben considerar los índices estadísticos de las pruebas Koenker (BP). Con un valor P asociado menor que 0.05 se determina que el modelo es estadísticamente significativo.

Como último paso se debe observar la influencia del modelo, es decir si los residuales de la variable dependiente presenta una distribución normal. Por lo tanto, para esta prueba no se debe rechazar la hipótesis nula, lo que quiere decir que el nivel de significancia p o probabilidad debe ser mayor a 0.05. De acuerdo con los

60

resultados se llega a la conclusión que los residuales de la variable a explicar se distribuyen normalmente.

El modelo GWR presentó el coeficiente de determinación mayor en este modelo que abarca las variables de población con empleo, nivel de instrucción, fecundidad y analfabetismo, lo que indica, que hay una probabilidad alta de que la ocurrencia de la variable dependiente no se dé de manera aleatoria. Con las demás variables se puede llegar a presumir que la variabilidad puede haberse obtenido de manera aleatoria o al azar.

4.2.1.

Comparación de los modelos OLS y GWR

OLS

Cuadro 3. Prueba OLS vs. GWR Índice de Puntuación Valor p R2 AICc Moran Z 0.0255 5.229 0.000 0.963 3649.068

42.569

GWR

0.0252

42.535

Prueba

5.168

0.000

0.963

3647.439

Sigma (𝝈)

Al observar en Cuadro 3 y los resultados de los dos modelos, se puede indicar que ambos tienen casi la misma capacidad explicativa, es decir el valor R2 es igual en las dos pruebas, aunque la prueba GWR tiene una pequeña ventaja en el valor del AICc, lo que indica que el modelo GWR es mejor con respecto a la prueba OLS. El modelo GWR presenta una menor varianza, aunque igual probabilidad de distribución aleatoria de las variables (valor p y puntuación Z), que el modelo OLS.

Al analizar el poder explicativo, dentro del modelo GWR, de cada una de las variables independientes se puede observar que la variable PEA es la que tiene mayor poder explicativo con más del 50% de explicación de la varianza en la mayor parte del área de estudio (Figura 18). Es decir, la población económicamente activa en la ciudad de Milagro es la variable que mayormente incide en al crecimiento poblacional, y en general se puede ver que hay mayor explicación en el área urbana dado que es donde mayormente hay población concentrada (Figuras 17 y 18). Otra de las variables independientes que mayormente explican el crecimiento poblacional es el nivel de instrucción con casi el 20% de explicación (Figura 17), lo 61

que indica que la variable instrucciรณn incide directamente en el crecimiento poblacional de la ciudad. En ambas Figuras (Figuras 17 y 18) se observa que el menor poder explicativo de la varianza se da en el sector rural del รกrea de estudio, es decir, mayormente la explicaciรณn de la variable dependiente se da hacia el sector urbano.

62

Figura 17. Mapa de los valores R2 de la variable independiente Nivel de Instrucciรณn 63

Figura 18. Mapa de los valores R2 de la variable independiente PEA 64

4.2.2.

Calidad y disponibilidad de los datos

El proceso de compilación de la información y los datos presentó algunos problemas debido al cambio de los códigos censales. Estos códigos difieren entre los censos de 2001 y 2010. Debido a este problema se tuvo que realizar un empalme o adaptación de las bases censales, con lo cual al final se obtuvo una base con 352 registros.

La cartografía censal con la que se trabajó no es de la precisión deseada, por lo que se desearía en un futuro tener la cartografía correspondiente de los diferentes años censales de manera más precisa para un mejor resultado.

La cartografía de libre acceso es una gran ayuda para las diferentes investigaciones que se desea hacer, pero sería muy interesante tener esta información a un nivel de desagregación más pequeño.

4.2.3.

Modelamiento

Se han obtenido las variables que inciden de manera más directa el crecimiento poblacional de la ciudad de Milagro. La variable PEA es la que más influye en el crecimiento y dado que por el mismo hecho de la ubicación de fuentes de trabajo se puede indicar que el poder de trabajo de la zona rural emigra hacia la zona urbana. Además, al observar la PEA total ocupada por rama de actividad, el mayor porcentaje de la población se dedica al comercio al por mayor y menor, seguido de actividades de agricultura, ganadería, silvicultura y pesca.

El nivel de educación es otro factor que incide en el crecimiento, y debido a que a mayor nivel de educación mayor es la necesidad de habitar en las zonas urbanas.

Por lo tanto, se puede indicar que esta variable también puede incidir en el crecimiento desordenado.

4.2.4.

Preguntas de investigación

Respondiendo a las preguntas de investigación planteadas desde el principio del presente estudio, se puede indicar que:

65

¿Cuál es la estructura demográfica y económica del cantón Milagro?

En cuanto a la demografía, basándose en las estadísticas del INEC (2010), se puede afirmar que la población de los milagreños es relativamente joven y solo el 12.4% de la población tienen estudios superiores. En cantón Milagro es mayoritariamente comercial, dado que según cifras del censo poblacional del año 2010 las principales actividades productivas del cantón están relacionadas al comercio. En cuanto a niveles de pobreza, el 70.7% de la población es pobre.

¿Cuáles son las principales variables que inciden en el crecimiento poblacional del cantón Milagro?

Las actividades económicas de la población son uno de los principales factores que afectan al crecimiento poblacional, dado que como se puede observar en los resultados, este factor tiene el mayor poder explicativo con más del 50% de explicación de la varianza en la mayor parte del área de estudio. En específico se puede ver que hay mayor explicación en el área urbana dado que es donde mayormente hay población concentrada.

Otro factor que influye directamente en el crecimiento población del área urbana es el factor de educación. De acuerdo con los resultados obtenidos a mayor nivel de educación, mayor es su incidencia en el crecimiento.

Aunque el nivel de habitabilidad posee significancia alta en la prueba de análisis exploratoria, ésta no ayuda al modelo OLS. Al observar la probabilidad de que el coeficiente de la variable sea cero, en los resultados ésta variable posee una probabilidad alta, por lo tanto, no se puede considerar esta variable para el análisis y se la retira del modelo.

¿Cuáles son las principales variables que inciden en el crecimiento poblacional del cantón Milagro?

Aunque el cantón es prácticamente accesible en todo su territorio (de acuerdo con el análisis de las variables biofísicas del cantón) para los asentamientos humanos, no necesariamente es la realidad, al revisar el acceso a los servicios básicos, el cantón presenta un nivel bajo de accesibilidad a servicios como agua potable, 66

alcantarillado, etc. (INEC, 2010). De estos análisis se puede indicar que las mismas variables que inciden en el crecimiento poblacional son las que pueden incidir en el crecimiento desordenado dado que un asentamiento sin planificación y cumplimiento de políticas públicas relativas al ordenamiento territorial, normas urbanísticas, planes de desarrollo y ordenamiento territorios, entre otros. No es garantía para un desarrollo sustentable y coherente de acuerdo a la armonía con la realidad social, cultural, económica y ambiental del territorio (Ley orgánica de Ordenamiento territorial, uso y Gestión de suelo, 2016).

De acuerdo con la hipótesis planteada se puede decir que se la debe aceptar dado que las variables biofísicas y casi todas las socioeconómicas, a excepción del nivel de habitabilidad de las viviendas, son influyentes en el crecimiento poblacional desordenado de Milagro.

En referente a otros estudios se puede indicar que el factor económico es el principal eje que mueve a las masas hacia lugares en donde su nivel de satisfacción de vida esté de acuerdo con sus necesidades. Es decir, el desarrollo local es uno de los principales motores de desplazamiento de poblaciones hacia los lugares en donde éste desarrollo se da. Estos estudios también llegan a la conclusión de que la tendencia de la población es migrar hacia lugares donde la vida puede llegar a ser más llamativa y con un nivel de satisfacción mayor al que tienen en su lugar origen de residencia (Flores Aguilera, 2003).

El estudio de Tacury Fanny (2015) cita como causas que motivan la migración campo-ciudad a la búsqueda de una vida mejor, factor ingresos y factor educativo entre otros, otro aspecto que se indica es la búsqueda de progreso cultural de las personas para sus hijos y de esta manera aspirar a mejorar sus oportunidades de empleo, otro aspecto es la carencia de servicios sociales en el sector rural (Tacury Fanny, 2015).

4.2.5.

Otras consideraciones

Sería interesante poder revisar u obtener información más precisa, con mayor desagregación incluso a nivel de catastro.

67

Es recomendable que las bases de datos del año 2001 sean ajustadas a las bases de datos del año 2010, por ejemplo, el número de sectores censales es diferente para los dos años. También seria de mucha utilidad poder trabajar a nivel de catastro para de esta manera poder visualizar los resultados desde otra perspectiva (desde la vista interna de la administración del GAD).

También se puede recomendar la actualización de las bases de datos en un muy corto lapso para poder realizar la comparabilidad espacial y dinámica del cambio de las ciudades u otros niveles administrativos. La metodología utilizada se lo puede realizar a otro nivel administrativo tal cual como se lo ha desarrollado en los estudios en los que se referenció esta investigación.

68

5.

Conclusiones

Este estudio ha servido para determinar cuáles son las variables que de alguna manera están incidiendo en el crecimiento de la población, además de revisar el panorama de crecimiento a nivel urbano de la ciudad, también se pudo revisar la propuesta de crecimiento geográfico a nivel de límites urbanos de la ciudad.

Las técnicas de regresión lineal utilizadas permitieron llegar a discernir las variables que mayormente indicen en el crecimiento poblacional. La técnica de regresión exploratoria evaluó todas las posibles combinaciones de las variables explicativas de entrada para poder obtener el mejor modelo que explique a la variable dependiente. La técnica de mínimos cuadrados ordinarios ayudó a obtener evaluaciones de los posibles modelos, evaluación sobre el rendimiento, importancia, estacionariedad y autocorrelación espacial.

De esta metodología aplicada se puede mencionar que la variable PEA es la que obtuvo un mayor poder explicativo a la variable crecimiento poblacional, es decir es la que mayormente incide en el aumento de la población, seguida de las variables de educación y analfabetismo.

De acuerdo con los resultados de las pruebas elaboradas en el presente estudio se puede indicar que el crecimiento poblacional es incidente con las variables económicas, nivel de instrucción y el nivel de habitabilidad de la población, además de la estructura demográfica de la ciudad que también es un indicador de este crecimiento.

Aunque en el análisis se establece que el territorio analizado es apto para el desarrollo de los asentamientos humanos, se puede indicar que las variables biofísicas y socio económicas como el uso del suelo, vías, pendientes y riesgos a desastres son incidentes en el desarrollo de este.

Los resultados de este estudio pueden ser utilizados para la generación de ordenanzas municipales, además, como insumo en el Plan de Desarrollo y Ordenamiento territorial a nivel cantonal.

69

6.

Referencias

ArcGISResources. (2012a). Cómo funciona GWR. ArcGIS Resource Center.

Desktop 10.

Recuperado el 10 de julio de 2015, de: http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-statistics-toolbox/how-gwrregression-works.htm

ArcGISResources. (2012b). Regresión exploratoria. ArcGIS Resource Center.

Desktop 10.

Recuperado el 10 de julio de 2015, de: http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-statisticstoolbox/exploratory-regression.htm

ArcGISResources. (2012c). Autocorrelación espacial (I de Moran Global). ArcGIS Resource Center. Desktop 10. Recuperado el 10 de septiembre de 2015, de: http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-statistics-toolbox/spatialautocorrelation.htm

ArcGISResources. (2012d). Prueba de Mínimos Cuadrados Ordinarios (OLS).

ArcGIS Resource Center. Desktop 10. Recuperado el 10 de septiembre de 2015, de:https://pro.arcgis.com/es/pro-app/tool-reference/spatial-statistics/ordinary-leastsquares.htm

ArcGISResources. (2012e). Interpretar resultados de GWR. ArcGIS Resource Center. Desktop 10. Recuperado el 10 de julio de 2015, de Ayuda de ArcGIS 10.1: http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-statisticstoolbox/interpreting-gwr-results.htm

ArcGISResources. (2012f). Mínimos cuadrados ordinarios (OLS). ArcGIS Resource Center. Desktop 10. Recuperado el 10 de septiembre de 2015, de Ayuda de ArcGIS 10.1: https://desktop.arcgis.com/es/arcmap/latest/tools/spatial-statisticstoolbox/ordinary-least-squares.htm

ArcGISResources. (2013). Conceptos básicos del análisis de regresión. ArcGIS Resource Center. Desktop 10. Recuperado el 10 de julio de 2015, de Ayuda de ArcGIS 10.1: http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-statisticstoolbox/regression-analysis-basics.htm

Azócar, G., Sanhueza, R., y Henríquez, C. (2003). Cambio en los patrones de crecimiento en una ciudad intermedia: el caso de Chillán en Chile Central [Versión Electrónica]. EURE (Santiago). V.29 - N.87 (79 - 82).

70

Barrionuevo Logroño, F. (2014). Modelo para Ubicación de Infraestructura de Servicios Públicos a Nivel de Distritos en la Provincia de Tungurahua. Universidad Central del Ecuador, Quito, Ecuador. Consultado el 15 de agosto, 2015. Disponible bajo: http://www.dspace.uce.edu.ec/bitstream/25000/2852/1/T-UCE-0011-40.pdf

Batalla, M. R., Baxendale, C. A., Buzai, G. D., Carballo, C. T., Martín, L. G., Goldwaser, B., Hidalgo, C., Moreno, A., Morina, J. O., Palacios, A. J., Porras, D., Varela, B., Vinuesa, J., Soria, L. (2012). Metrópolis. Dinámicas Urbanas. (1era ed.).

España: Universidad Autónoma de Madrid y Universidad Nacional de Luján.

Consultado el 20 de agosto, 2015.

Disponible bajo: http://books.google.com.ec/books?id=yfS6qTT5VUMC&pg=PA7&dq=sistemas+de +informacion+geografica%2Bcrecimiento+urbana&hl=es&sa=X&ei=wwQXVM_CG MTisATx6YHgAQ&redir_esc=y#v=onepage&q=sistemas%20de%20informacion% 20geografica%2Bcrecimiento%20urbana&f=false Boarnet M.G. (1994). “An empirical model of intrametropolitan and employment growtn”. The Journal RSAI 73(2) 1954.pp. 135-152.

Calzadilla Daguerre, J. (2013). Modelos de Análisis Econométrico Espacial Aplicados al Desarrollo Económico del Territorio Rural. Universidad Politécnica de Madrid, Madrid, España. Consultado el 1 de abril, 2015. Disponible bajo: http://oa.upm.es/14956/1/JESUS_MARIA_CALZADILLA_DAGUERRE.pdf

Carlino, G. A., y Mills, E. S. (1987). The determinants of county growth. Journal of Regional Science, no. 27.1, 39-54.

Castro Mendoza, K. (2011). Análisis de modelos de gestión para legalizar asentamientos humanos irregulares, el caso del Distrito Metropolitano de Quito, 2001- 2011. Universidad Técnica Particular de Loja, Quito, Ecuador. Consultado el 10 de septiembre, 2015.

Disponible bajo: http://dspace.utpl.edu.ec/bitstream/123456789/4190/3/UTPL_Castro_Karina_350X 331.pdf

CONADE, Consejo Nacional de Desarrollo (1991). EL Proceso de redistribución espacial de la población y tendencias de la urbanización en el Ecuador 1950 – 1982.

Quito.

Constitución de la República del Ecuador, publicada en el Registro Oficial Nº 449 del 20 de octubre de 2008.

71

COOTAD, Código Orgánico de Organización Territorial, Autonomía y Descentralización, publicado en el Registro Oficial N° 303, del 19 de octubre de 2010.

Dávila Arias, N. (2014). Análisis multitemporal del crecimiento poblacional de la ciudad de Machachi con la utilización de ortofotos. Universidad de las Fuerzas Armadas ESPE, Sangolqui, Ecuador. Consultado el 20 de mayo, 2015. Disponible bajo: http: //repositorio.espe.edu.ec/bitstream/21000/7615/1/T-ESPE-047619.pdf

Flores Aguilera, D. (2003). El Emigrante Rural hacia las Zonas de Desarrollo: Un Estudio Económico de su Perfil. Escuela Superior Politécnica del Litoral, Guayaquil, Ecuador. Consultado el 12 de agosto, 2015. Disponible bajo: http://www.dspace.espol.edu.ec/bitstream/123456789/15842/3/Tesisfinal.pdf

GADMM, Gobierno Autónomo Descentralizado Municipal del Cantón Milagro.

(2012). Recuperado el 10 de octubre de 2015 de https://vlex.ec/vid/canton-milagrodesarrollo-ordenamiento-410390678

GADMM, Gobierno Autónomo Descentralizado Municipal del Cantón Milagro.

(2013). Ordenanza que amplia el perímetro urbano de la ciudad de Milagro y de las cabeceras parroquiales de Mariscal Sucre, Roberto Astudillo y Chobo, del cantón San Francisco de Milagro. Recuperado el 10 de octubre de 2015 de http://www.milagro.gob.ec/2013/04/gadcm-10-2013/

GADMM, Gobierno Autónomo Descentralizado Municipal del Cantón Milagro.

(2014). Plan de desarrollo y ordenamiento territorial. Del cantón Milagro.

Recuperado el 10 de diciembre de 2015 de http://app.sni.gob.ec/snilink/sni/PORTAL_SNI/data_sigad_plus/sigadplusdocumentofinal/0760027030001_ PDOT%20MILAGRO_30-10-2015_20-51-47.pdf

GADMM, Gobierno Autónomo Descentralizado Municipal del Cantón Milagro.

(2015). Ordenanza para la aprobación de la actualización del Plan de Desarrollo y de Ordenamiento Territorial del Gobierno Autónomo Descentralizado del Cantón San Francisco de Milagro. Recuperado el 15 de diciembre de 2015 de https://www.dropbox.com/s/ewx2fk6madxfxvn/009.pdf?dl=0

González Llanos, M. (2014). Los equipamientos comunitarios en el ordenamiento territorial cantonal y parroquial dotación, localización y gestión. Universidad de Cuenca, Cuenca, Ecuador. Consultado el 1 de abril, 2015. Disponible bajo: http: http://dspace.ucuenca.edu.ec/bitstream/123456789/5335/1/tesis.pdf

72

IGM, Instituto Geográfico Militar. (2013). Cartografía de libre acceso. Recuperado el 18 de Enero de 2014, de http://www.igm.gob.ec/: http://www.geoportaligm.gob.ec/portal/index.php/descargas/cartografia-de-libreacceso/ INEC, Instituto Nacional de Estadística y Censos (2001). Resultados del Censo de Población y Vivienda 20001. Obtenido el 10 de enero de 2014 de http://www.ecuadorencifras.gob.ec/resultados/

INEC, Instituto Nacional de Estadística y Censos (2010). Resultados del Censo de Población y Vivienda 2010. Obtenido el 10 de enero de 2014 de http://www.ecuadorencifras.gob.ec/resultados/

INEC, Instituto Nacional de Estadística y Censos (2012). Proyecciones de la Población de la República del Ecuador 2010 - 2050. Obtenido el 10 de enero de 2017 de http://www.ecuadorencifras.gob.ec/documentos/webinec/Poblacion_y_Demografia/Proyecciones_Poblacionales/metodologia.pdf

Jaramillo Muñoz, P. (2014). Factores psicosociales que inciden en la satisfacción de necesidades de habitabilidad de las 32 familias reasentadas, en la primera etapa de urbanización ciudad Victoria, de la ciudad de Guayaquil. Universidad Politécnica Salesiana, Quito, Ecuador. Consultado el 10 de agosto, 2015. Disponible bajo: http://dspace.ups.edu.ec/bitstream/123456789/6777/1/UPS-QT05096.pdf Lanchimba, C., y Medina, P. (2012), Fecundidad en el Ecuador y su relación con el entorno social y evolutivo. Consultado el 15 de abril, 2016. Disponible bajo: http://www.ecuadorencifras.gob.ec/documentos/webinec/Bibliotecas/Estudios/Estudios_Socio-demograficos/Fecundidad13.pdf Ley Orgánica de Ordenamiento Territorial, Uso y Gestión del Suelo, publicada en el Registro Oficial Nº 790 del 5 de julio de 2016.

Mendoza, M. E., Plascencia, H., Alcántara, C., Rosete, F., Bocco, G. (2009).

Análisis de la aptitud territorial. Una perspectiva biofísica. (1era ed.). México, D. F.: Secretaría de Medio Ambiente, Instituto Nacional de Ecología y Centro de investigaciones en Geografía Ambiental. Consultado el 12 de mayo, 2015.

Disponible bajo: http://books.google.com.ec/books? id=WwuxMMhFEX0C&pg=PA114&dq=analisis+territorial+con+sig&hl=es&sa=X&e i=EMQXVN79A6bbsASq1YCwDw&ved=0CDcQ6AEwBQ#v=onepage&q=analisis %20territorial%20con%20sig&f=false

73

MIDUVI, Ministerio de Desarrollo Urbana y Vivienda. (2009a). Programa Nacional De Vivienda Social. Consultado el 15 de febrero, 2015. http://www.habitatyvivienda.gob.ec/wpcontent/uploads/downloads/2015/04/PROYECTO-PROGRAMA-NACIONAL-DEVIVIENDA-SOCIAL-9nov-1.pdf

MIDUVI, Ministerio de Desarrollo Urbana y Vivienda. (2009b). Programa Vivienda Urbana. Consultado el 15 de febrero, 2015. http://www.habitatyvivienda.gob.ec/wp content/uploads/downloads/2015/04/PROYECTO-VIVIENDA-URBANA.pdf

MIDUVI, Ministerio de Desarrollo Urbana y Vivienda. (2013). Informe Para Realtoria Especial Del Derecho A La Vivienda, Naciones Unidas. Consultado el 15 de febrero, 2015. http://www.ohchr.org/Documents/Issues/Housing/SecurityTenure/ResponseEcuad or16.07.2013.pdf

MIDUVI, Ministerio de Desarrollo Urbana y Vivienda. (2015). Tercera Conferencia de las Naciones Unidas Sobre La Vivienda y el Desarrollo Urbano Sostenible Habitat III. Consultado el 15 de febrero, 2015. http://www.habitatyvivienda.gob.ec/wpcontent/uploads/downloads/2017/05/Informe-Pais-Ecuador-Enero-2016_vf.pdf

Plata R, W., Bosque S. J y Gómez D. M., (2011). Análisis de Factores Explicativos del Crecimiento Urbano en la Comunidad de Madrid a través de Métodos Estadísticos y SIG. Revista digital del Grupo de Estudios sobre Geografía y Análisis Espacial con Sistemas de Información Geográfica (GESIG). Programa de Estudios Geográficos (PROEG), 201-230. Consultado el 10 de abril, 2015. Disponible bajo: http://www.gesig-proeg.com.ar/documentos/revista-geosig/2011/I-Articulos-I-D/10PLATA-ET-AL.pdf

Puga, D. (2008). Crecimiento urbano desordenado: causas y consecuencias.

Universitat Pompeu Fabra Barcelona, España. Consultado el 1 de abril, 2015.

Disponible bajo: http: http://crei.cat/files/filesOpuscle/5/090429174552_ESP_CREI_19_castella.pdf

Ruiz, M. J., & Soler, V. (2009). Pautas de crecimiento y dinámica espacial de la población y el empleo en los mercados locales de trabajo: Un análisis para Castilla – La Mancha, Cataluña y la Comunidad Valenciana. Congreso de la Asociación Española de Ciencia Regional. XXXV Reunión de estudios regionales. Consultado el 7 de octubre, 2015.

Disponible bajo: http://old.reunionesdeestudiosregionales.org/valencia2009/htdocs/pdf/p74.pdf

74

Sánchez, D., Montúfar, C., Lagos, E., Yerovi, F. (2010). Caracterización de la dinámica ambiental, a escala de tiempo humano, en el cantón Milagro mediante el uso de herramientas geoespaciales. Ponencia presentada en el XII Congreso Ecuatoriano de la Ciencia del Suelo, Santo Domingo, Ecuador. Consultado el 18 de abril, 2015. Disponible bajo: http://www.secsuelo.org/pconsxii. html.

Henry M.S., Schmitt B., Kristensen K. Barkley D.L. Bao S. (1999). “Extending Carlino-Mills models to examine urban size and growth impacts on proximate rural communities”. Growth and Change 20, 1999.pp. 526-540.

STPAHI, Secretaría Técnica de Prevención de Asentamientos Regulares. (2014).

Recuperado el 25 de diciembre de 2015 de http://www.eltelegrafo.com.ec/noticias/informacion-general/1/en-milagro-hay-18asentamientos-irregulares

Tacuri Suconota, F. (2015). Factores que producen impacto negativo en el incremento de la migración del campo a la ciudad en el Ecuador . Universidad Técnica de Machala, Machala, Ecuador. Consultado el 1 de abril, 2015.

Disponible bajo: http://repositorio.utmachala.edu.ec/bitstream/48000/3937/1/CD00322-2015TRABAJO%20COMPLETO.pdf

Trendle, B. (2009). The determinants of population and employment growth in small Queensland Regions. Economic Analysis & Policy (n° 2), 295-307. Consultado el 23 de mayo, 2015. Disponible bajo: https://ac.els-cdn.com/S0313592609500227/1s2.0-S0313592609500227-main.pdf?_tid=bd5c0e32-b43f-11e7-aaa600000aacb35f&acdnat=1508357331_f1217800b44eb01b569e94877283270d

Valle Piñuela, R. (2012). Uso de los SIG para la determinación de zonas homogéneas de concentración de población, vivienda y actividades económicas de la ciudad de Cayambe. Universidad San Francisco de Quito USFQ, Quito, Ecuador.

Consultado el 15 de septiembre, 2014.

Disponible bajo: http://repositorio.usfq.edu.ec/bitstream/23000/1540/1/106521.pdf

Villacís B., Carrillo D. (2011). Estadística Demográfica en el Ecuador: Diagnóstico y Propuesta. Instituto Nacional de Estadística y Censos (INEC). Quito – Ecuador.

Yánez Cabrera, J. (2014). Aspectos Financieros y Tributarios de la Rehabilitación del Ferrocaril en la Ciudad de Milagro, provincia del Guayas, Guayaquil, Ecuador.

Consultado el 10 de febrero de 2016. Disponible bajo: http://repositorio.ug.edu.ec/bitstream/redug/6453/1/Tesis%20Jenny%20Y%C3%A 1nez%20%20Cabrera-SEP-2014.pdf 75