forma urbana y productividad en méxico

Forma urbana y productividad en México

(INEGI/ Presentación Ejecutiva)FONDO SECTORIAL CONACYT-INEGI (Agosto 2019)

Jorge Montejano (CentroGeo, México)Camilo Caudillo (CentroGeo, México)Juan M. Nuñez (CentroGeo, México)

Blanca Garza (UP, México)Consejeros: Paavo Monkkonen (UCLA Luskin School of Public Affairs, USA)

Erick Guerra (Penn U)

Sandra Medina / Gerardo Ávila / Claudia Ortiz /CentroGeo UAM-X UNAM

2

ANTECEDENTES Y JUSTIFICACIÓN

• Política Pública Mundial Países Avanzados ‘Ciudad Compacta’ preferible en términos sustentables y en términos de productividad

• Mismas Políticas Públicas Mundiales en países latinoamericanos donde la base económica es diferente (i.e. Manufactura)

• Manufactura actividad altamente consumidora de suelo

• Efectos negativos potenciales por aplicar mismas políticas de contención urbana

• Relación entre forma (estructura) urbana y productividad poco estudiada en países latinoamericanos

Forma urbana y productividad en México (Avances de investigación)

3

PREGUNTA DE INVESTIGACIÓN

¿Las ciudades que crecen de manera más compacta son más productivas?


4 Forma urbana y productividad en México (Avances de investigación)

¿QUÉ SABEMOS SOBRE PRODUCTIVIDAD Y FORMA URBANA?

TEORÍA SOBRE EFICIENCIA ECONÓMICA Y FORMA URBANA

• Economías de Aglomeración aumentan productividad

• Que existen límites de tamaño a las aglomeraciones; al rebasar determinado umbral, generan deseconomias de aglomeración

5


EVIDENCIA EMPÍRICA ENTRE TAMAÑO DE CIUDAD Y PRODUCTIVIDAD

• Entre más grandes, más productivas

• EEUU: Al duplicar el tamaño de una ciudad norteamericana, se asociaría con un incremento de entre 3-10% en la productividad laboral

• Otros estudios de la OCDE y europeos confirman este hecho


6


EVIDENCIA EMPÍRICA ENTRE TAMAÑO DE CIUDAD Y PRODUCTIVIDAD

Angel and Blei 2016

C. De Pearson .960**


E. Propia con base en INEGI 2010

100 Ciudades Mexicanas del SUN, año 2010.

7


• Ciudades más densas son más productivas

• Que ciudades más dispersas reducen niveles de productividad laboral

• Que aumenta la productividad laboral en estructuras territoriales policéntricas


EVIDENCIA EMPÍRICA ENTRE FORMA URBANA Y PRODUCTIVIDAD (EEUU, Europa)

8Los costos y beneficios de la expansión urbana: evidencias de México, 1990-2010 (Avances de investigación)


• Paavo Monkkonen en un estudio seccional para las 100 ciudades más grandes del México con datos 2010, encontró una relación negativa entre densidad y productividad laboral

• Lo anterior implicaría que las ciudades más dispersas presentan mayor productividad laboral

EVIDENCIA EMPÍRICA ENTRE FORMA URBANA Y PRODUCTIVIDAD (México)

9

HIPÓTESIS / PREGUNTAS DE INVESTIGACIÓN

Dados los hallazgos ‘contraintuitivos’ de Monkkonen para el caso mexicano:

• ¿Se sostienen a lo largo del tiempo?

• Si se sostienen, ¿qué variables de FU relacionadas con la dispersión (sprawl) se asocian más fuertemente con esa supuesta elevación de la productividad laboral?

• Probar diferentes métricas de Forma / Estructura Urbana

• Probar modelos estadísticos más sofisticados


10

RELEVANCIA DE LA INVESTIGACIÓN

• Si la manufactura es la actividad más productiva en términos laborales, y ésta se lleva a cabo mayormente en espacios exurbanos, políticas públicas tendentes a una ciudad compacta podrían minar este potencial productivo.

Evolución Personal Ocupado 1995-2010


Evolución Productividad Laboral 1995-2010

11

MIDIENDO LA FORMA URBANA‘Dado que la dispersiónurbana (urban sprawl) es un fenómeno espacial multi-factorial y complejo, éste no puede ser descrito con sólouna o dos variables’ (Angel, Parent, and Civco 2010b; Ewing, Pendall, and Chen 2002)

Tomamos las 10 métricas más robustas citadas en la literatura

• Métricas espaciales y a-espaciales

• Alta correlación entre variables

CATEGORY METRIC SOURCE(S)

Density

(1) Population / Job

Density

Boyko and Cooper

2011; Galster et al.

2001

Centrality(2) Density Gradient Galster, et al. 2001

(3) Centrality Index Galster, et al. 2001

Compactness

(4) Proximity Index Angel et al. 2010a

(5) Compactness

Rho

Bertaud & Malpezzi

1999; Malpezzi and

Guo 2001

(6) Compactness Amindarbari &

Sevtsuk 2015

Fragmentation(7) Discontiguity Amindarbari &

Sevtsuk 2015

Evenness of

distribution

(8) Gini Coefficient Burt et al. 2009

(9) Clustering Index Pereira et al. 2013

(10) Moran I Tsai, 2005


12

Resultados generales del panel 1990-2010 (estudio anterior)

• Modelos mixtos con patrones de distribución de la población. (Panel de 3 ocasiones)

• 1) Con población como control 4 modelos con variables de FU significativas:

Fragmentación(+). Proximidad (-). Gradiente (-). Índice de centralidad (-)

• 2) Añadiendo especialización como control (HHI de VACB).

Proximidad (-). Gradiente (-). Índice de centralidad (-)


SE COMPROBÓ LA HIPÓTESIS INICIAL, PERO CON UN PODER EXPLICATIVO MUY DÉBIL Y CON BASE EN UNA DIVISIÓN DE LA PRODUCCIÓN MUY GRUESA

13

Estrategia de investigación actual

• Mejorar bases de datos de entrada (geoespaciales) Arreglo de bases de datos INEGI

• Ampliar la definición de productividad (diferente a VACB/trabajador) más espacial

• Para lo anterior: clasificación de uso del suelo 100 ciudades Percepción Remota

• Nueva serie temporal (cercano al último conteo 2015)

• Cuantificar el consumo del suelo industrial medida de productividad alterna

• Matizar hallazgos previos ampliando la granularidad de sector a sub-sector


14

Trabajo base de datos geoespacial INEGI 1995-2015

15

Trabajo Percepción Remota

16

REDES NEURONALES ARTIFICIALES

MÁQUINAS DE SOPORTE

VECTORIAL

ÁRBOLES DE DECISIÓN

MÁXIMA VEROSIMILITUD

INTEGRACIÓN

Integración SIG

RESULTADOS DE INTEGRACIÓN DE LAS CINCUENTA CIUDADES

001 Aguascalientes 011 Juárez 045 Nuevo Laredo 059 Teziutlán

060 Ensenada 063 Campeche 066 Tapachula de Córdova y Ordoñez

094 Lázaro Cárdenas

144 La Paz 315 Culiacán Rosales 016 Moroleón-Uriangato 068 Guanajuato

098 Zitácuaro 123 Cárdenas 134 Túxpam de Rodríguez Cano

137 Fresnillo


17



ESTRATEGIA PARA LA OBTENCIÓN DEL SUELO DE MANUFACTURA:

Cálculo del índice Biophysical Composition Index (BCI).

b) Extracción de manzanas pertenecientes al área industrial a partir del Inventario Nacional de Vivienda 2016.

c) Limpieza del resultado BCI a partir de las manzanas industriales que intersectan los puntos del Directorio Estadístico Nacional de Unidades Económicas (DENUE) pertenecientes al sector 31, 32 y 33 con ocupación mayor a 30.

18

Trabajo Percepción Remota (Suelo Industrial)

Directorio Estadístico Nacional de Unidades Económicas (DENUE)

Manufacturing Use

(Within the urban area)

Manufacturing Use(Outside the urban area)

Urban Area Border

19


20


21

Trabajo laboratorio microdatos INEGI

1. Índice Herfindahl-Hirschman

2. Índice de Diversificación

3. Índice de Lawrence

4. Índice de Krugman

5. Índice de Concentración Relativa

22

Índice Herfindahl-Hirschman

Especialización productiva: Índice de Hirshmann-Herfindahl (HH):

𝐻𝐻 =

1

𝑘

𝑠𝑖2

𝑠𝑖 es la participación del empleo en el sector i de la región.

HH es la suma de cuadrados de las participaciones de sus k industrias. Sus valores van de 1/k para igual distribución del empleo a 1 para concentración del empleo en un sector.

23

Índice de diversificación

El índice de diversificación es el complemento del HH:

𝐷𝐼𝑉 = 1 −

𝑖=1

3

𝑠𝑖2

sus valores van de 0 a 1, si es cercano la unidad indica alta diversidad productiva.

24

Índice de Lawrence

Índice de Lawrence: mide cómo cambia la especialización regional en el tiempo.

𝐿𝑎𝑤𝑟𝑒𝑛𝑐𝑒 =1

2

𝑖=1

𝑘

𝑠𝑖𝑡 − 𝑠𝑖

𝑡−1

valores cercanos a 1 indica cambio en la especialización, cercano a cero es estabilidad

25

Índice de Krugman

Índice de disimilitud de Krugman, mide el grado de disimilitud de la especialización sectorial de una región con relación a un área de referencia, generalmente el país.

𝐷𝐼𝑆𝑆 =

𝑖=1

𝑘

𝑠𝑖𝑟 − 𝑠𝑖𝑛

Tiene valores de 0 a 2, cercano a 0 la disimilitud es pequeña y la especialización regional es similar a la nacional, cercano a 2 es lo contrario

1

2

𝑗

𝐿𝑘𝑗

𝐿𝑘−𝐿𝑗

𝐿

Donde k es el sector y j la ciudad. 𝐿𝑘𝑗 es el empleo en el sector k de la ciudad j. Lk es el empleo nacional en el sector k. Lj es el total de empleo en la ciudad j y L es el total del empleo nacional.El sector está relativamente concentrado cuando el ICR se aproxima a uno y relativamente disperso cuando se aproxima a cero.

Índice de Concentración Relativa ICRk

Modelos de regresión de panel (estimador de efectos fijos con efectos temporales).

Variable dependiente: Productividad laboral (general)

Modelo (1) Modelo (2) Modelo (3) Modelo (4) Modelo (5) Modelo (6) Modelo (7)log(Población) 0.245*** 0.312*** 0.287*** 0.238*** 0.187*** 0.213*** 0.198***

(0.014) (0.040) (0.018) (0.013) (0.015) (0.015) (0.014)Especialización

(VACB)2.998*** 2.963*** 3.019*** 2.930*** 2.693*** 2.729*** 2.698***

(0.152) (0.136) (0.133) (0.137) (0.145) (0.145) (0.145)I de Moran (empleo

industrial)-1.563*** -1.536*** -1.500***

(0.127) (0.126) (0.127)Fragmentación -0.079*

(0.045)Índice de forma -0.030***

(0.009)Índice de Gini (pob) 0.461** 0.513**

(0.190) (0.200)Índice de

aglomeración (empleo industrial)

1.309*** 1.239*** 1.166***

(0.137) (0.133) (0.133)

Índice de aglomeración (pob)

-0.557***

(0.201)I de Moran (pob) -0.214*

(0.112)

Observaciones 500 500 500 500 500 500 500

R2 0.535 0.644 0.649 0.646 0.608 0.605 0.607

R2 Ajustada 0.529 0.638 0.643 0.641 0.602 0.599 0.601

Estadístico F283.403*** (df = 2; 493)

222.329*** (df = 4; 491)

227.032*** (df = 4; 491)

224.307*** (df = 4; 491)

190.623*** (df = 4; 491)

188.101*** (df = 4; 491)

189.923*** (df = 4; 491)

Nota: *p<0.1; **p<0.05; ***p<0.01

Modelos de regresión de panel (estimador de efectos fijos, con efectos temporales)

Variable dependiente: Productividad laboral (manufactura)

Modelo (1) Modelo (2) Modelo (3) Modelo (4) Modelo (5) Modelo (6) Modelo (7)

log(Población) 0.315*** 0.620*** 0.310*** 0.304*** 0.204*** 0.252*** 0.241***

(0.030) (0.080) (0.026) (0.026) (0.033) (0.030) (0.031)

HH_VAR 3.565*** 3.384*** 3.547*** 3.466*** 3.000*** 3.210*** 3.084***

(0.316) (0.272) (0.270) (0.279) (0.312) (0.307) (0.315)

I de Moran (empleo industrial)

-3.538*** -3.325*** -3.367***

(0.255) (0.259) (0.259)

Fragmentación -0.361***

(0.091)

Gradiente de densidad (pob)

-0.193** -0.271***

(0.076) (0.085)

Índice de Gini (pob) 0.715* 1.017**

(0.387) (0.434)

Índice de Aglomeración (empleo industrial)

2.065*** 1.641*** 1.693***

(0.294) (0.288) (0.288)

Índice de Aglomeración (pob)

-1.599***

(0.432)

Observaciones 500 500 500 500 500 500 500

R2 0.287 0.492 0.482 0.479 0.356 0.352 0.346

R2 Ajustada 0.278 0.484 0.474 0.471 0.346 0.341 0.335

Estadístico F

99.073*** (df = 2; 493)

118.940*** (df = 4; 491)

114.387*** (df = 4; 491)

112.981*** (df = 4; 491)

67.983*** (df = 4; 491)

66.600*** (df = 4; 491)

64.886*** (df = 4; 491)

forma urbana y productividad en méxico

Documents