|
|
|
EL MODELO DE DIFUSIÓN CON LA DISTANCIA EN EL SUPUESTO DE ISOTROPÍA DEL ESPACIO
METROPOLITANO.
Caso de más de una característica metropolitana
Lo expuesto hasta aquí, considera una única variable,
, como indicadora de la metropolitaneidad. Sin embargo, la
metropolitaneidad no es una magnitud directamente observable, sino una característica que
sólo resulta parcialmente " explicada " a través de una serie de variables
socioeconómicas que nos informan por separado sólo de algunos rasgos propios, tales como
la aglomeración residencial, la terciarización, la concentración espacial de los flujos
de transporte, del empleo de los centros de decisión, etc.
Por tanto, y supuesto que se hayan considerado todas las variables
relevantes, la metropolitaneidad debería expresarse como un indicador que
considerara conjuntamente el efecto de todas ellas:
Un indicador conjunto plausible debería ser reproductivo con respecto al modelo considerado; esto es, debería tener una distribución espacial decreciente exponencialmente con el cuadrado de la distancia.
En este sentido, un indicador global que mantuviera esta esquema de
variación podemos encontrarlo tomando una media geométrica ponderada de las
variables
:
donde las ponderaciones
nos darán cuenta de la contribución de cada característica
al indicador global,
.
Obviamente, la variación con la distancia de este indicador global de metropolitaneidad será:
donde:
siendo
Reproduciendo, por lo tanto, el mismo tipo de variación: un
modelo fácil de estimar y analizar según los esquemas anteriores, tomando logaritmos:
En el que el logaritmo de nuestro indicador sería, la media
aritmética ponderada de los logaritmos de las características estudiadas:
Así pues, el problema de considerar un indicador general de
metropolitaneidad se transforma en el de encontrar unas adecuadas ponderaciones para cada
una de las características consideradas.
Una estrategia plausible para ello es considerar como indicador general
la media ponderada de las componentes principales de las variables
ponderadas por
las raíces cuadradas de los correspondientes valores propios
(Sanz,E, et. al.;1982),para
de esta manera considerar la contribución de cada característica proporcional al efecto
que tiene en la variabilidad total del conjunto de los datos:
dondees la j-ésima componente principal:
siendo las uj las correspondientes ponderaciones factoriales y donde
las
son los correspondientes valores propios de
cada componente principal: