Turismo y calidad de vida: un estudio de autocorrelación espacial aplicado a la ciudad de Mar del Plata, provincia de Buenos Aires, Argentina

Abstract

Los análisis basados en autocorrelación espacial permiten conocer el grado de agrupamiento, dispersión o aleatoriedad entre unidades espaciales vecinas, pudiéndose aplicar en escenarios univariado y bivariado. En este artículo se indaga la existencia de autocorrelación espacial bivariada entre indicadores de turismo y calidad de vida, así como el grado de autocorrelación de cada variable. Las unidades espaciales de análisis son las 76 fracciones censales de Mar del Plata. Los indicadores utilizados son las pernoctaciones hoteleras anuales, la cantidad de viviendas de presunto uso turístico, y un índice de calidad de vida compuesto por cuatro dimensiones y ocho indicadores obtenidos a partir del censo de población argentino del 2010. Los resultados de la investigación muestran la configuración de dos zonas de autocorrelación espacial positiva dentro de la ciudad, lo que valida el supuesto de que existe una relación entre la existencia de equipamientos turísticos y una más alta calidad de vida de los residentes de las zonas dedicadas al turismo.Ideas destacadas: artículo de investigación que explora la relación entre los indicadores de turismo y la calidad de vida, a partir del método de autocorrelación espacial univariada y bivariada aplicado al caso de la ciudad de Mar del Plata, Argentina.

Regional Patterns of Coastal Erosion and Sedimentation Derived from Spatial Autocorrelation Analysis: Pacific and Colombian Caribbean

“…As mentioned before, the two spatial analysis techniques commonly used to evaluate spatial clustering patterns are global and local. First, global grouping, using the global Moran's Index, has been populated and supported in previous studies [30,41,56], and measures general patterns in a specific area without delineating exact locations, while the local grouping evaluate patterns at a small scale in the study area [41,57]. This allows the results of the local analysis to be mapped, showing the locations of the identified clusters.…”

“…In other words, the p-value of pattern analysis tools always includes the probability that the spatial pattern has been created by some random process. When the p-value is very small, it means that it is very unlikely that the observed spatial pattern is the result of random processes; therefore, one can reject the null hypothesis [30].…”

“…Here, the following statement is taken as the null hypothesis: "the spatial configuration occurs randomly". The alternative hypothesis is "the spatial configuration does not occur randomly" [30,54].…”

“…Spatial statistical analyses, such as the Moran Index, have been used to evaluate the distribution of physical phenomena such as soil erosion [26], rainfall [27], and ecological features [28], generating clustered results similar to those of this study. On the other hand, this process has mostly been applied in human and social studies, in order to evaluate distribution, segregation, and transformations, among other social phenomena [29,30], while other studies have focused on distribution phenomena or spatial autocorrelation theory [31][32][33].…”

Análisis exploratorio de datos espaciales sobre los niveles de logro de aprendizaje en matemática y lectura de los estudiantes de segundo grado de secundaria en la evaluación censal

“…Análisis exploratorio de datos espaciales sobre los niveles de logro de aprendizaje en matemática y lectura Para identificar los niveles de logro de aprendizaje en matemática y lectura obtenidos por los discentes de segundo de secundaria por regiones del Perú en la ECE, se utilizó el mapa de cuantiles, los datos se dividen y agrupan en una serie de categorías (cuantiles) con igual número de datos, el número de categorías es cuatro y toma el nombre de cuartiles, en este caso el programa Geoda considera el nivel de logro de aprendizaje en matemática o lectura obtenido por los discentes por regiones (Tablas 1 y 2) (De Corso, Pinilla & Gallego, 2017;Oyana & Margai, 2015;Buzai & Baxendale, 2009;Celemín, 2009;Cervera, Lizárraga & Sánchez 2008;Chasco, 2003). & Gallego, 2017;Chue, 2016;García, 2011;Rodríguez, et al, 2010;Griffith, 2009;Acevedo & Velásquez 2008;Vilalta, 2005;Moreno & Vayá, 2002;Anselin, 1995;Getis & Ord, 1992).…”