¿Econometría Espacial Urbana? ¿qué es y para qué sirve?

Hace unos 25 años me enteré de la existencia de la econometría espacial. Desde el principio llamó mi atención al grado que aún sin la posibilidad de utilizar los sistemas de información geográfica que ahora existen, ni los softwares y lenguajes de programación que hoy permiten dar tratamiento a los datos espaciales, me empeñé en realizar mi tesis doctoral utilizando esta metodología. Hoy tengo aproximadamente unos 15 años enseñando econometría espacial en la Maestría en Ciencias Económicas y Sociales y, el Doctorado en Ciencias Sociales, programas de posgrado que ofrece la Facultad de Ciencias Económicas y Sociales de la Universidad Autónoma de Sinaloa. Muchas de las tesis que he dirigido en este tiempo se han elaborado utilizando la metodología de la econometría espacial.

La econometría espacial tiene muchas aplicaciones (algunas de estas ya las he mostrado en este espacio) y hoy quiero compartir con ustedes una de ellas: el estudio de las problemáticas económicas, sociales y ambientales en los ámbitos urbanos. Aunque ya lo he hecho en las ocasiones en las que me he referido en este espacio a estos métodos y técnicas, precisaré qué es la econometría espacial y en particular qué estudia o analiza la econometría espacial urbana.

Primero, dicho de manera sencilla, la econometría es la ciencia que usa las matemáticas y la estadística para medir y comprobar teorías de las ciencias sociales usando datos reales. Pero la econometría espacial se define como el conjunto de teorías, métodos y técnicas estadísticas diseñadas específicamente para incorporar el espacio, la distancia y la ubicación geográfica dentro del análisis de datos económicos y sociales. A diferencia de la econometría tradicional, que asume que lo que ocurre en un lugar es independiente de lo que ocurre en otro, la econometría espacial asume que el espacio importa y altera los resultados.

La econometría espacial surgió a principios de la década de los setenta del siglo pasado. El término fue acuñado formalmente en mayo de 1974 por el economista belga Jean Paelinck —considerado el padre de la disciplina— durante un discurso en la Asociación Estadística Holandesa. En la década de los ochenta la disciplina se consolidó dentro de la economía regional y urbana y, en los noventa, creció con fuerza gracias al avance de los datos geográficos y los nuevos modelos teóricos.

Esta disciplina, se sostiene sobre dos pilares fundamentales, la Dependencia Espacial (Primera Ley de Tobler) y la Heterogeneidad Espacial. La Dependencia Espacial establece que “todas las cosas están relacionadas entre sí, pero las cosas cercanas están más relacionadas que las cosas distantes”. En estadística, esto significa que los datos geográficos violan el principio clásico de independencia; existe una covarianza entre observaciones basada en su cercanía. La Heterogeneidad Espacial por su parte reconoce que las relaciones económicas no son uniformes ni estables en todo el territorio. Un mismo estímulo (como un impuesto o una beca) puede provocar efectos completamente distintos en el norte, centro o sur de una región debido a características estructurales locales intrínsecas al espacio.

Entonces, la Econometría Espacial Urbana es una rama de la ciencia económica, de los métodos cuantitativos y de la econometría espacial, que estudia cómo la ubicación geográfica y la distancia influyen en el valor de las variables urbanas. Sus componentes clave son la dependencia espacial, la heterogeneidad espacial y la matriz de pesos espaciales. La Dependencia espacial ocurre cuando lo que pasa en un lugar (como la delincuencia en un barrio o colonia) afecta o se relaciona con lo que pasa en los lugares vecinos. La Heterogeneidad espacial muestra que las ciudades no son iguales en todo su territorio. Es decir, el comportamiento de algunas variables cambia según la zona o el barrio. La Matriz de pesos es una tabla numérica que define quién es vecino de quién basándose en la distancia o en límites compartidos.

Se aplica, por ejemplo, en el mercado inmobiliario para estimar el precio de la vivienda tomando en cuenta la cercanía a parques, centros comerciales o zonas de alto valor. En la movilidad y transporte para medir cómo el tráfico o la distancia a las estaciones de metro o autobús afectan los tiempos de viaje y las decisiones de transporte de las personas. En los temas de seguridad y crimen permite analizar si los delitos se concentran o se extienden de un barrio a otro de forma geográfica.

Comparto cuatro casos reales de estudio con esta metodología en distintas ciudades del mundo. En Barcelona se utilizó para evaluar cómo impactaría al tráfico vehicular el transformar zonas de oficinas en viviendas. El análisis demostró cuantitativamente que esta reconversión reduce significativamente el tráfico, ayudando al ayuntamiento a validar políticas de rezonificación urbana sostenible. En Santiago de Chile se consideró que los promedios municipales ocultaban la profunda desigualdad socioeconómica interna de la ciudad y mediante el análisis de autocorrelación y heterogeneidad espacial, los investigadores demostraron cómo la relación entre el ingreso y el consumo cambia drásticamente dentro de un municipio. Esto permitió al gobierno diseñar subsidios sociales focalizados por manzana y no por municipio completo.

En una región de China la econometría espacial se utilizó para medir el crecimiento descontrolado y anárquico de la mancha urbana. El reto era descubrir qué factores causaban que una zona se urbanizara más rápido que otra. El modelo econométrico espacial demostró que el aumento de salarios promedio y la densidad de autopistas en un condado impulsaban automáticamente la expansión urbana de los condados vecinos. Con estos datos, se rediseñó el plan de ordenamiento territorial regional para coordinar el crecimiento industrial. En Antioquia, Colombia, las herramientas de la econometría espacial se utilizaron para evaluar la distribución de la pobreza. Los modelos tradicionales asignaban presupuestos de forma plana a cada municipio y el análisis de econometría espacial demostró la existencia de autocorrelación espacial de la miseria (los municipios pobres tienden a agruparse geográficamente creando “trampas de pobreza” regionales). El estudio modificó los algoritmos del gobierno para la asignación del gasto público social y el presupuesto dejó de entregarse de forma aislada y pasó a invertirse en proyectos de infraestructura intermunicipales (carreteras y servicios compartidos) para romper el aislamiento de esos conglomerados.

En México, concretamente en Monterrey, la econometría espacial se utilizó para construir mapas de contagio y delincuencia en los AGEB para entender el comportamiento delictivo por colonias. En este lugar, las autoridades solían medir el crimen solo sumando denuncias por municipio pero el modelo espacial demostró a nivel de AGEB (la unidad básica del INEGI) que existía un fuerte “efecto contagio” entre barrios vecinos, independientemente de sus límites políticos. El estudio ayudó a comprobar que el robo de vehículos y los delitos violentos se propagan geográficamente. Esto permitió migrar de patrullajes municipales aislados a estrategias de “puntos calientes” (hotspots) coordinados entre municipios colindantes. En el Valle de México (ZMVM), investigadores utilizaron econometría espacial y datos censales oficiales para mapear las causas reales de la informalidad en la Zona Metropolitana del Valle de México. El modelo determinó que la cercanía geográfica entre municipios del Estado de México y las alcaldías de la CDMX no generaba un “contagio” directo de la informalidad por vecindad, sino que el problema estaba anclado a la falta de infraestructura educativa formal y conectividad en puntos periféricos específicos. Esto permitió a los planificadores urbanos dejar de perseguir el comercio informal en las fronteras municipales y enfocar la inversión pública en centros de capacitación técnica y nodos de transporte masivo en las periferias rezagadas.

¿Qué otros problemas urbanos podrían ser analizados y superados utilizando la Econometría Espacial Urbana (EEU)?

1. El Fenómeno de las “Islas de Calor” y Justicia Ambiental que están relacionados con el crecimiento del asfalto y la falta de áreas verdes los cuales generan microclimas severos dentro de una misma ciudad. La EEU permite correlacionar variables satelitales de temperatura con el tipo de uso de suelo, densidad edificada y niveles socioeconómicos de la población. Identifica con exactitud los clústeres o conglomerados de calor donde la población es más vulnerable (ancianos o niños). Esto optimiza la inversión pública al priorizar la reforestación urbana y la instalación de infraestructura verde exactamente en los nodos de mayor impacto térmico y social.
2. Gentrificación y Desplazamiento de Población. Esto se relaciona con el aumento acelerado de precios de la vivienda que expulsa a los habitantes tradicionales hacia las periferias de la ciudad. El modelo espacial detecta el “efecto desborde” inmobiliario, midiendo cómo la apertura de un nuevo centro cultural, parque o línea de transporte eleva los precios no solo en su manzana, sino en oleadas concéntricas hacia los barrios vecinos. Esto permite a los gobiernos anticipar qué zonas sufrirán presión inmobiliaria en los próximos años. Con estos datos predictivos, se pueden implementar políticas de vivienda asequible protegida o topes al alquiler antes de que ocurra el desplazamiento de la comunidad.
3. Desiertos Alimentarios y de Servicios Públicos. Esto se refiere a que existen zonas urbanas (generalmente periféricas) donde los habitantes caminan kilómetros para encontrar alimentos frescos, clínicas o sucursales bancarias. La EEU permite medir la accesibilidad espacial real combinando distancias, tiempos de traslado y la oferta disponible en áreas circundantes. El modelo calcula el déficit de cobertura sin el sesgo de asumir que un hospital atiende solo a los habitantes de su propio municipio o delegación. Diseña redes de distribución óptimas y ayuda a decidir la ubicación exacta de nuevos mercados públicos, clínicas o rutas de transporte para romper el aislamiento de los clústeres rezagados.
4. Gestión de Residuos Sólidos y Vertederos Clandestinos. La acumulación de basura y la formación de basureros ilegales suelen concentrarse en zonas fronterizas entre municipios o colonias con baja vigilancia. Con la econometría espacial se puede evaluar la relación entre la frecuencia de recolección de basura, la densidad comercial y la aparición de vertederos, aislando el factor de “vecindad” (los tiraderos tienden a aparecer cerca de donde ya existen otros). Con estas técnicas se pueden reconfigurar las rutas de recolección de basura bajo esquemas metropolitanos compartidos, superando la limitación de los presupuestos municipales aislados y eliminando los incentivos geográficos para tirar desechos en los límites de cada demarcación.
5. Contaminación Auditiva y de Aire por Fuentes Fijas. Fábricas, aeropuertos, terminales de autobuses o zonas de ocio nocturno generan externalidades negativas que viajan por el espacio e impactan la salud ciudadana. Con la metodología de la econometría espacial es posible modelar la dispersión espacial del ruido o los contaminantes cruzándola con los ingresos de los hogares y las tasas de enfermedades respiratorias o estrés. Esto facilita el rediseño de los planes de ordenamiento territorial (Zonificación). Permite establecer con base científica las distancias mínimas de amortiguamiento (buffers) que deben existir entre zonas industriales/comerciales y áreas residenciales.
6. Vulnerabilidad ante Desastres Naturales e Inundaciones. El cambio climático intensifica las inundaciones urbanas debido a la pérdida de suelo absorbente y sistemas de drenaje obsoletos. A través de la EEU se puede analizar cómo la impermeabilización del suelo en las partes altas de una cuenca urbana afecta y satura directamente los sistemas de desagüe de los barrios ubicados en las partes bajas. De esta manera es posible superar la existencia de obras hidráulicas locales e inconexas, lo cual permite diseñar un plan de infraestructura pluvial integrada a nivel de cuenca hidrológica, distribuyendo los costos de mitigación de inundaciones de forma justa entre los municipios de arriba (causantes) y los de abajo (afectados).

Finalmente menciono las condiciones que se requerirían para que esta metodología, estos métodos y técnicas fueran más utilizadas por quienes gobiernan nuestras ciudades y dirigen los organismos de planeación urbana. Se requiere contar con bases de datos en los que cada variable económica (desempleo, valor del suelo), social (crimen, pobreza) o ambiental (islas de calor, contaminación) estén georreferenciadas o asociadas a polígonos (manzanas, colonias o AGEBs). Los datos a nivel estatal o municipal no sirven para el análisis de problemáticas urbanas a través de la EEU ya que se requiere información a microescala, idealmente a nivel de manzana o sector catastral. Además, para evaluar el impacto de las políticas, se requieren series de tiempo (paneles de datos espaciales) que midan los mismos indicadores en los mismos puntos a lo largo de varios años. Es fundamental que los gobiernos locales cuenten con software especializado (como QGIS u GeoDa) y lenguajes de programación como R o Python (con librerías como pysal o spatialreg). Se requieren científicos de datos urbanos o economistas con posgrado que entiendan la diferencia entre una regresión lineal tradicional y los modelos con retardo o error espaciales. Es indispensable también, entre otros aspectos, que las oficinas de Catastro, Medio Ambiente, Seguridad Pública y Desarrollo Social unifiquen sus bases de datos en un solo repositorio centralizado.

Nota: El autor utilizó el modelo de IA Gemini (Google) como herramienta de apoyo para el contraste de información y la estructura preliminar de este texto.