MODELO DE DESARROLLO ECONÓMICO LOCAL PARA LA DIVERSIFICACIÓN DE LA ESTRUCTURA PRODUCTIVA Y LA ARTICULACIÓN DEL TEJIDO EMPRESARIAL EN BAJA CALIFORNIA SUR

III.3. Análisis de Componentes Principales y Desarrollo Económico Local.

Con base en las principales  teorías y modelos que se manejan en el Desarrollo Económico Local (DEL), es necesario estudiar (con detalle) el entorno socioeconómico de las regiones y las localidades, a partir de un análisis con un enfoque más microeconómico (Llamazares y Berumen, 2011); por tal motivo, en la presente investigación se seleccionaron -como unidades de análisis específico- los cinco municipios que integran administrativamente el Estado de Baja California Sur, ya que por sus características socioeconómicas, demográficas, ubicación geográfica, dotación de recursos naturales, etc. se considera que presentan particularidades ideales para este tipo de análisis; además, el uso de la técnica del análisis de componentes principales (ACP) permite encontrar grupos homogéneos de variables y sintetizar la información, todo ello a partir de un numeroso conjunto de indicadores socioeconómicos.
Con la finalidad de estudiar y contrastar nuestras variables e hipótesis, específicamente para las dimensiones: “Dinámica económica territorial” 1 y “Estructura productiva local” 2 la metodología de este trabajo implicó aplicar, en la primera fase de la misma, la técnica de Análisis de Componentes Principales (ACP).

III.3.1. Cálculo y determinación de las variables de trabajo para el Análisis de Componentes Principales.
Es conveniente describir la metodología utilizada para el ACP, dado que se trata de una técnica que permite sintetizar la información y favorece la reducción de las dimensiones para encontrar componentes que –sucesivamente- expliquen la mayor parte de la varianza total (Navarro y Zamora 2012); un aspecto clave en el ACP es la interpretación de los factores, misma que no viene dada a priori, sino que será deducida tras observar la relación de los factores con las variables iniciales, para lo cual es de gran importancia  el conocimiento y experiencia que se tiene sobre el tema.  Para el caso específico de esta investigación, se aplica la experiencia que proporciona el haber realizado (con anterioridad) proyectos de investigación en materia de desarrollo y fomento económico en Baja California Sur.
Las variables e indicadores aplicados  en el  ACP  se obtuvieron  a partir de diversas fuentes de información, entre otras se pueden mencionar: Anuarios Estadísticos, Censos Económicos, Sistema de Cuentas Nacionales, Planes de Desarrollo del Estado de Baja California Sur entre otros; una vez obtenida la información estadística,  se llevó a cabo un laborioso tratamiento de los datos originales, con la finalidad de agrupar la información referida a los periodos de  tiempo sujetos a análisis, el cual comprende los años 2000 y 2010.
La selección de las variables en estudio, se realizó tomando en cuenta las dimensiones o categorías a evaluar en este estudio; así como también se tuvo especial cuidado en que la búsqueda de información estadística disponible  fuera de carácter oficial y que, a su vez, ayudará a definir (de manera precisa) las condiciones socioeconómicas de los diferentes municipios de Baja California Sur.  A fin de identificar de mejor manera las variables sujetas de estudio y –con ello-  facilitar el manejo de la información estadística, las variables (36 en total) se agruparon o estructuraron en torno a doce grandes bloques de información; mismos que corresponden a las variables independientes de esta investigación, las que -desde nuestra óptica- permiten una mejor comprensión y análisis de las variables sujetas a estudio; los grupos o bloques por campo temático, se presentan en el Anexo IV.1 para cada uno de los cinco municipios (o unidades de estudio) para los años 2000 y 2010 respectivamente.
El objetivo básico consiste en reducir el número de variables con las que se va a trabajar, construyendo otras nuevas variables denominadas “Componentes  Principales”, mismas que –en número- son una cantidad menor que las originales, pero que tienen la particularidad de tener la suficiente capacidad para –prácticamente- contener y demostrar igual calidad de información (Llamazares Redondo y Berumen, 2011), la condición es que estas variables explicativas abarquen la mayor parte de la varianza total de los datos originales; por lo tanto, una vez obtenidos los componentes, la interpretación se realiza a partir de las variables de origen que los conforman.
En el referido Anexo IV.1, se muestran las variables que fueron utilizadas para definir o calcular los 4 componentes principales; con base en estas variables, se calcularon y obtuvieron las componentes para los municipios de Baja California Sur, para los años 2000 y 2010.
El objetivo del ACP es tener la menor pérdida de información original posible, manteniendo la calidad de la misma, por tanto, la reducción efectiva de la dimensión de la información se produce al seleccionar -entre los factores- aquellos que tienen la mayor capacidad explicativa del conjunto de variables, lo cual se realizó a partir de la solución factorial, así como de la identificación de los coeficientes de correlación (cargas factoriales) entre las variables originales y de cada uno de los componentes con significado en común (varianza explicada).  En los cuadros III.3 y III.4, se puede observar que para este análisis se extraen cuatro componentes que pueden explicar en un 100%  la varianza total; además de que cada una (con respecto a cada año) guarda un porcentaje de explicación muy parecido.
El cálculo de los ACP se llevó a cabo en dos períodos: 2000 y 2010 los que constituyen el marco de referencia temporal en esta investigación; a su vez,  las 36 variables utilizadas son las mismas en ambos periodos.
La definición e interpretación de los cuatro componentes principales, se realizó utilizando –simultáneamente- los siguientes conceptos:

• Los coeficientes de correlación, entre cada variable original y cada una de las componentes obtenidas (denominadas cargas factoriales) cuyo valor fuera mayor a 0.5
• La matriz de correlaciones entre las variables originales.
• La rotación de los factores, misma que facilita la interpretación de la solución factorial; en el presente caso se ha aplicado el método de rotación varimax.

Las pruebas de validación que muestran la confiabilidad de los resultados obtenidos en el ACP, son los valores referidos en la Tabla de Comunalidades, la que permite establecer qué porcentaje de la varianza se está explicando y si ésta tiene un nivel importante de representación (Navarro y Zamora, 2012); para el caso de este estudio, los valores de la tabla de Comunalidades arroja valores superiores a 0.500 (valor mínimo exigido), por lo que se validan los valores extraídos de las 36 variables consideradas.
El grado de representación que va a tener cada uno de los componentes, es decir el grado de confiabilidad, se obtiene a partir de la varianza que explica las variables analizadas, considerando cierta proporción de la varianza de las variables analizadas; en el caso de esta investigación, el primer componente muestra una representación del 63.3%, la segunda explica el 21% de la varianza, el tercer componente el 11% de la varianza y el cuarto de 4.7% para el año 2010. Los resultados se terminan de precisar en la Matriz de Componentes Rotados.

Para asignar el nombre o etiqueta a la componente principal, se procedió al análisis que permitiera detectar cuáles son las variables originales que están más correlacionadas; el proceso de agrupación de las variables originales en torno a la componente, no solo facilita su interpretación sino que también permite determinar el nombre de la componente.
De acuerdo a los resultados obtenidos en la matriz de componentes rotados, las variables se agrupan entorno a aquellas que tengan mayor asociación (criterio evaluado mediante el coeficiente de correlación de Pearson) y por el grado de la varianza que se está estimando.
El primer factor o componente resultante agrupa a las variables relacionadas con el empleo, infraestructura para el desarrollo de negocios y la inversión gubernamental; distinguiéndose por ser la de mayor peso al explicar el 63.3% de la varianza para el año 2010. Tal como se observa en el cuadro III.5, el coeficiente de correlación (cargas factoriales) oscila en un rango del 0.787 al 0.997 y las variables registran una relación fuerte, indicando que existe correlación entre las variables analizadas y el componente obtenido, además que el coeficiente de correlación de Pearson (para este primer componente) es superior al 0.50 (Pérez y Carrillo, 2000), lo cual refiere una correlación positiva.  En el lado opuesto, se presentan las variables con carga factorial negativa (por ejemplo el Índice de Marginación), lo cual permite afirmar que, en la medida que mejoran las variables que inciden en el desarrollo económico (tales como empleo, infraestructura, inversión gubernamental, entre otros), menor será el Índice de Marginación.

El segundo componente incluye variables como: población ocupada en el sector servicios, número de empresas por cada mil habitantes, número de hoteles de cinco estrellas y hoteles en general, afluencia turística, ingresos municipales, índice de migración, tasa de envejecimiento y densidad de población.  La proporción de la varianza explicada es del 22.8% para el año 2000 y del 21%para el año 2010, presenta cargas factoriales positivas en un rango del 0.590 al 0.986; por su parte, la tasa de envejecimiento registra un coeficiente de correlación de -0.923, lo cual  indica que –presumiblemente- en los municipios que poseen potencial para el desarrollo de la actividad turística, la tasa de envejecimiento es menor, existiendo –además- un alto Índice de Inmigración.

La componente tres contiene variables como: unidades económicas (misma que resulta con carga factorial negativa), salud, superficie territorial, dependencia económica y población empleada en la agricultura, de ahí que se le haya denominado “Desarrollo y Demografía”. Esta tercer componente explica un 9.72% en el año 2000 y un 10.95% en 2010 de la varianza total (Cuadro III.7).

El componente cuatro, incorpora las variables asociadas al desarrollo social tales: como población derechohabiente y total de viviendas habitadas y explica el 4.9% en el año 2000 y un 4.7% en 2010 de la varianza total (Cuadro III.8); por lo tanto, se espera que los municipios que registran altos valores de esta componente, tendrán (en su población) un mayor indicador de bienestar en salud y vivienda.

Los resultados obtenidos mediante el ACP (cuatro componentes), permiten evaluar el grado de desarrollo en materia de población y empleo, actividad turística, la agricultura y variables de desarrollo social, así como facilita el análisis de las variables que resultan tener un mayor impacto en la dinámica económica territorial de los cinco municipios de BCS.  La explicación e interpretación detallada de la información obtenida, se presenta en el Capítulo V que corresponde a los resultados de la aplicación empírica del modelo, en el cual se analizan los resultados empíricos aplicados al modelo propuesto.