📆 Esta semana en México, ¿cómo vamos?   |    Lunes 17 de junio: 🌏 Día Mundial de Lucha contra la Desertificación y la Sequía    |    Martes 18 de junio: 🚦Oferta y demanda global de bienes y servicios, 1T2024    |    Miércoles 19 de junio: Programa de la industria manufacturera, maquiladora y de servicios de exportación (IMMEX), abril 2024 / 🇺🇸 Día de la liberación, Juneteenth    |    Jueves 20 de junio: Indicador Oportuno de la Actividad Económica (IOAE), mayo 2024 / Encuesta Citibanamex    |    Viernes 21 de junio: Indicador Global de la Actividad Económica (IGAE), abril 2024    |    Descarga nuestro calendario económico aquí.

#BlogAnimalPolítico

Transformando Ciudad de México: una propuesta de mejora socioeconómica a través del análisis de clúster

  • La implementación de políticas que requieren que las empresas informen sobre las diferencias salariales y fomentan la transparencia salarial han promovido la igualdad de género y reducido la discriminación salarial, lo que aumenta la satisfacción y productividad de los trabajadores (este texto ganó el segundo lugar en el Concurso de Ensayo 2023 de México, ¿cómo vamos? y Animal Político: Progreso desde lo local).
image
Foto: Galo Cañas Rodríguez / Cuartoscuro.com

En la actualidad, mejorar la calidad de vida de los habitantes de las grandes ciudades es una prioridad para gobiernos y ciudadanos. En este sentido, Ciudad de México no es la excepción. Con el fin de reducir las desigualdades sociales y económicas de mi localidad, es fundamental identificar las necesidades socioeconómicas de cada alcaldía y diseñar políticas públicas específicas para cada grupo de ellas. En este ensayo se presentan los resultados de un análisis de clústeres jerárquicos aplicado a variables socioeconómicas relevantes en Ciudad de México, tales como el ingreso per cápita, la tasa de desempleo, la inversión pública, el índice de seguridad, el acceso a servicios básicos, la inversión en infraestructura de espacios públicos y el índice de pobreza. Los datos utilizados se obtuvieron del Censo de Población y Vivienda de los Hogares, así como de información demográfica del INEGI y de organismos como CONEVAL, y algunas secretarías del estado. Este análisis permitió identificar grupos de alcaldías con características socioeconómicas similares, lo que puede resultar útil para comprender las dinámicas socioeconómicas de la ciudad y proponer soluciones específicas para cada grupo. Para llevar a cabo este análisis, se empleó Python con las librerías correspondientes, garantizando la eficiencia y precisión del proceso.

Con respecto a la medición del bienestar en México, México, ¿cómo vamos? y la iniciativa Social Progress Imperative construyen una serie de información que permite observar el desempeño que tuvieron los estados del país para alcanzar un puntaje digno dentro del Índice de Progreso Social (IPS). El IPS es un índice que mide el rendimiento social en las diferentes regiones de México y no depende de factores que midan ingresos o gastos. Este índice se calcula utilizando una variedad de indicadores sociales y ambientales que abarcan tres dimensiones del progreso social: las necesidades humanas básicas, los fundamentos del bienestar y las oportunidades. Para este estudio, se dividieron las entidades federativas por región de acuerdo a características como las geográficas, económicas y sociales compartidas. Siendo así, en la región del Valle de México, con 73.1 puntos, Ciudad de México es la entidad con mayor puntaje en el IPS a nivel nacional. Pero esto no significa que no haya problemas y necesidades que abordar.

Así como el IPS está dividido en regiones, en este ensayo se utilizará un análisis de clusterización jerárquico para medir de manera precisa el bienestar económico y social de manera segmentada para las alcaldías de la ciudad. Este modelo trata sobre agrupar conjuntos de datos similares en clústeres o grupos y se emplea para identificar patrones y estructuras en grandes conjuntos de datos. 2 Es útil para entender mejor las características y relaciones de los datos, lo que puede ser valioso para la toma de decisiones y la planificación estratégica.

Para la creación del modelo de clústeres jerárquicos, se creó una base de datos que comprende un periodo de tiempo del año 2020 a 2022. Se emplearon variables económicas y sociales como el ingreso per cápita, la tasa de desempleo, inversión pública, empresas registradas, índice de seguridad, acceso a agua, acceso a drenaje, acceso a electricidad, acceso a gas, inversión en infraestructura de espacios públicos y el índice de pobreza por cada alcaldía. Estos datos fueron extraídos del Censo de Población y Vivienda, así como estadísticas del Instituto Nacional de Estadística y Geografía (INEGI), del Secretariado Ejecutivo del Sistema Nacional de Seguridad Pública (SESNSP), la Secretaría de Finanzas y programas como EVALÚA. 3

A continuación, para hacer el modelo de clústeres jerárquicos se utilizó el lenguaje de programación de Python y librerías para generar la agrupación de datos. Al ser datos con diferentes métricas, es fundamental estandarizar los valores. Posteriormente, se realizó el dendrograma para generar los grupos de alcaldías.

El algoritmo encontró que el número óptimo de grupos era 6. Para probar que esto es cierto, se sacó el coeficiente de correlación cofenética, el cual fue de 0.79. Esto nos indica una buena calidad del dendrograma y sugiere que se han agrupado adecuadamente las alcaldías.

La variable más influyente dentro de los grupos es la tasa de desempleo. Esto coincide con los datos de los Semáforos económicos estatales de México ¿Cómo vamos?, donde el semáforo de la desigualdad laboral para Ciudad de México se encuentra en rojo, con un valor de 0.402. Por esto, se hará un enfoque de mejora dentro de este ámbito económico para el progreso de mi localidad.

Como resultado, se presentan de manera gráfica los grupos en los que se dividió Ciudad de México. De esta manera, puede observarse en qué medida las áreas requieren de mayor atención y recursos en términos de desarrollo económico y social, lo que puede ayudar a impulsar el crecimiento económico y reducir las desigualdades sociales.

Como puede observarse en el Anexo 4, los grupos que mayor tasa de desempleo tienen son 1, 2 y 5. Para la mejora de estas alcaldías en cuestión de igualdad laboral, se recomienda la creación de una política pública donde se hable de ello. Los países nórdicos, como Islandia, han sido pioneros en este tema y han implementado políticas que requieren que las empresas informen sobre las diferencias salariales y fomentan la transparencia salarial. 4 Además, se pueden crear incentivos fiscales y financieros para las empresas que promueven la igualdad salarial.

Por otro lado, las empresas registradas también son una variable que impactó en el modelo para la creación de grupos. Que a casi 300 mil empresas se les exija mucha más transparencia salarial, se podría asumir que al aumentarla, se reduciría la brecha salarial entre los empleados y se mejoraría la eficiencia en la asignación de recursos. Si se reduce esta brecha, es posible que se reduzca la rotación laboral, se retenga a los empleados actuales y se atraiga a nuevos talentos, lo que podría aumentar la productividad.

Finalmente, la implementación de políticas que requieren que las empresas informen sobre las diferencias salariales y fomentan la transparencia salarial ha demostrado ser beneficiosa en varios aspectos. Estas políticas promueven la igualdad de género y reducen la discriminación salarial, lo que aumenta la satisfacción y productividad de los trabajadores. También ayudan a las empresas a retener y atraer a los mejores talentos, lo que a su vez puede mejorar la reputación y el rendimiento financiero de la empresa. Además, estas políticas pueden mejorar la confianza del público en la empresa y fomentar la lealtad de los consumidores, lo que puede traducirse en mayores ventas y ganancias.

Te invitamos a leer este artículo en Animal Político.

Consulta los anexos de este ensayo aquí.

* María Guadalupe Espinosa Gutiérrez (@mespinosagu) es estudiante de la Licenciatura en Economía, especializada en Analítica de Datos y Herramientas de Inteligencia Artificial, en el Tecnológico de Monterrey Campus Ciudad de México. Este texto ganó el segundo lugar en el Concurso de Ensayo 2023 de México, ¿cómo vamos? y Animal PolíticoPROGRESO DESDE LO LOCAL.

Referencias: 

Gobierno de la Ciudad de México (2022) Datos Abiertos de la Ciudad de México: Tasa de desempleo por alcaldía. Recuperado de aquí.

Gobierno de la Ciudad de México (2020) Datos Abiertos de la Ciudad de México:Inversión en mantenimiento por m2 de espacio público. Recuperado de aquí.

INEGI (2020) Censo de Población y Vivienda 2020. Recuperado de aquí.

INEGI (2022) Directorio de empresas y establecimientos. Recuperado de aquí.

México ¿Cómo vamos? (2022) Semáforos estatales: Ciudad de México | Desigualdad laboral. Recuperado de aquí.

Secretaría de Seguridad Ciudadana (2021) Índice Delictivo Alcaldías. Gobierno de la Ciudad de México. Recuperado de aquí.

Ramírez, S. (2022) Índice de Progreso Social 2021 México 2015-2021 | México ¿Cómo vamos? Recuperado de aquí.

2 IBM (2021) Agrupación en clúster de modelos. Recuperado de aquí.

3 EVALÚA Ciudad de México (2022) EVALÚA Informa sobre la Evolución de la Pobreza por Necesidades Básicas Insatisfechas (NBI)y Tiempo, en la Ciudad De México y las Alcaldías, 2015 Y 2020 | Boletín de Prensa. Recuperado de aquí.

Kossek, E. E., & Hammer, L. (2019) Reducing the Costs of the Gender Gap in Work-Life Policy Supports: Insights from Employers. In Gender in Organizations (pp. 259-280). Emerald Publishing Limited.

Suscríbete a nuestro
newsletter

Enviamos nuestro boletín con la información económica más relevante, el análisis, los contenidos multimedia, la opinión de nuestros expertos, y más, todos los lunes.

Ver archivo