4. la segregación residencial en barcelona

LLIBRE BLANC DE L’HABITATGE A BARCELONA

PART II. ANÀLISI DE LA DEMANDA, L’OFERTA I LES POLÍTIQUES D’HABITATGE A BARCELONA

4. La segregación residencial en Barcelona.

Joan Carles Martori

Part II. ANÀLISI DE LA DEMANDA, L’OFERTA I LES POLÍTIQUES D’HABITATGE A BARCELONA

4. LA SEGREGACIÓN RESIDENCIAL EN BARCELONA

2

Índice

1. Introducción.................................................................................................................................... 3

2. La segregación residencial ............................................................................................................... 3

3. Las dimensiones de la segregación residencial.................................................................................. 4

4. Otras medidas de estadística espacial ............................................................................................. 11

5. Datos y metodología...................................................................................................................... 14

6. Resultados ................................................................................................................................... 16

7. Comparación internacional............................................................................................................ 17

8. Bibliografía ................................................................................................................................... 20

Anexo I. (Tablas) .............................................................................................................................. 23

Anexo II. (Mapas. Grupos Socieconómicos) ......................................................................................... 25

Anexo IiI. (Mapas. Nacionalidades)..................................................................................................... 30

Anexo IV. (Mapas. Distritos) ............................................................................................................... 37



3

1. Introducción

El presente trabajo es un estudio técnico de la segregación residencial en el municipio de Barcelona. Se trata de un análisis que utiliza las herramientas de la estadística espacial para describir las pautas de distribución de diferentes grupos de población en el territorio urbano y medir la segregación. El estudio investiga la segregación residencial de la población de once nacionalidades diferentes, y la de nueve categorías socieconómicas, utilizando las secciones censales como unidades espaciales.

Con este objetivo principal el trabajo se estructura de la siguiente forma, en la sección dos se introduce el concepto estadístico de segregación residencial, en la sección tres se exponen los diferentes tipos de segregación y sus correspondientes indicadores cuantitativos. En la sección cuatro se presentan dos elementos centrales de la estadística espacial; la autocorrelación global y la autocorrelación local, y su utilidad en la descripción de patrones de localización. En la sección cinco se explica la metodología y los datos utilizados para aplicar en el caso de Barcelona el conjunto de herramientas expuestas en los apartados anteriores. Por último, se analizan los resultados obtenidos y se comparan con la realidad de los países de nuestro entorno, en los anexos se ofrecen los resultados detallados en forma de tablas y mapas.

2. La segregación residencial

En un sentido amplio la segregación residencial en una ciudad indica el nivel de desigualdad de la distribución de la población entre las diferentes zonas. Desde el diseño de políticas urbanas y el planeamiento es interesante obtener una visión cuantitativa de esta segregación para prever y actuar sobre los territorios más afectados por este proceso. La segregación residencial en el espacio urbano que se esta produciendo para amplios colectivos de inmigrantes en nuestras ciudades es consecuencia de un largo proceso anterior a su llegada (Esteban et al, 2003). En general, la población inmigrada se ve forzada a localizarse en los barrios y zonas más degradadas, produciéndose una guetización del espacio. Desde las ciencias sociales el procedimiento para medir esta distribución desigual ha sido estudiado por geógrafos, sociólogos y economistas. El interés por las consecuencias de los procesos migratorios en las ciudades no es nuevo. La escuela de sociología urbana de Chicago durante los años veinte del siglo pasado inició el estudio de este fenómeno desde una perspectiva global1. A partir de 1940, surgen nuevos trabajos que proponen una serie de índices cuantitativos de segregación residencial, basados en los índices de localización de la actividad económica. Dentro de este grupo cabe citar los trabajos sobre los índices de interacción (Bell, 1954) y el estudio de los índices de disimilitud (Duncan y Duncan, 1955a, 1955b). Recientemente, durante los años 80 y 90, otros autores (Jakubs, 1981; White 1983, 1986; Morrill, 1991, 1995; Wong, 1993, 1998, 1999, 2003) han elaborado los denominados índices espaciales de segregación residencial, incorporando en el estudio elementos procedentes de la estadística espacial como la distancia o la matriz de contactos binarios. Estos índices permiten clasificar y comparar la situación teniendo en cuenta las particularidades de las zonas de cada ciudad, permitiendo así la comparación en el espacio y en el tiempo.

En los países de nuestro entorno estos tipos de estudios son frecuentes, se han desarrollado estudios sobre la segregación residencial en el área urbana de Londres (Petsimeris, 1995), las ciudades del norte de Italia (Petsimeris, 1998), Amsterdam (Musterd y Deurloo, 1998, 2002), Colonia (Friedrichs, 1998), Viena (Giffinger, 1998), Berlin (Kemper, 1998), Birmingham y Londres (Peach, 1998) y para algunas ciudades francesas (Guermond y Lajoie, 1999).

1Una completa síntesis del pensamiento de esta escuela se puede consultar en Bettin (1982).



4

3. Las dimensiones de la segregación residencial

Algunos autores (Massey y Denton, 1988) hacen una clasificación de las medidas, estableciendo diversos tipos de segregación residencial, que tienen en cuenta las diferentes perspectivas desde las cuales puede abordarse el problema del reparto espacial de un grupo de población en un área urbana. Así pues, los índices cuantitativos de segregación residencial se pueden agrupar, en los siguientes cinco tipos o dimensiones: índices de igualdad, de exposición, de concentración, de agregación o reagrupamiento espacial y de centralización.

Los primeros hacen referencia a la igualdad en la distribución de uno o más grupos en las zonas o unidades espaciales en que podemos dividir un espacio urbano (por ejemplo, los boroughs en el Reino Unido, los census tracts en los EEUU o las secciones censales en España). Un grupo de población presenta segregación si está repartido de forma desigual entre las zonas o unidades espaciales de una ciudad. La exposición se define como el grado de contacto potencial, también se puede definir como la posibilidad de interacción entre los miembros de un mismo grupo, o entre miembros de dos grupos diferentes. Los índices de este tipo miden la probabilidad que un miembro de un grupo se encuentre con otro miembro de su grupo, o con el miembro de otro grupo.

La concentración hace referencia a la ocupación, por parte de un grupo de población de un espacio físico en términos de superficie. Según los índices de este tipo, cuanto más pequeña sea la parte del espació urbano que ocupa un grupo, más concentrado, y por lo tanto más segregado. Otros índices miden la agregación espacial, cuando un grupo de población ocupa zonas contiguas puede llegar a formar un enclave dentro de la ciudad (lo que podríamos denominar un ghetto), en este sentido cuanto más agrupado se encuentra el grupo más alta es su segregación. Por el contrario si un grupo ocupa zonas alejadas entre sí menos agregado espacialmente se encuentra y como consecuencia según este tipo de índices presenta menos segregación. Los índices de centralización miden la proximidad de un grupo de población al centro urbano. Según estos índices, cuanto más localizado esta un grupo en el centro de la ciudad, más segregado está. En el siguiente gráfico se representa la posible situación de los individuos (o grupos de ellos) y su relación con diferentes dimensiones de la segregación.

En la tabla uno presentamos un resumen de las características de cada una de las dimensiones de la segregación.



5

Igualdad

○ ○ ○ ● ○ ○ ○ ○ ○ ○ ○○ ● ○ ○ ○ ○ ○ ○ ● ○ ○

○ ○ ○ ○ ○ ○ ● ○ ○ ○ ○○ ○ ○ ● ○ ○ ○ ○ ○ ○ ○

○ ● ○ ○ ○ ○ ○ ○ ● ○ ○○ ○ ○ ○ ○ ● ○ ○ ○ ○ ○

○ ○ ○ ● ○ ○ ○ ○ ○ ○ ●● ○ ○ ○ ○ ○ ○ ● ○ ○ ○

○ ○ ○ ○ ○ ● ○ ○ ○ ○ ○○ ○ ● ○ ○ ○ ○ ○ ○ ● ○

○ ○ ○ ○ ○ ● ○ ○ ○ ○ ○○ ○ ● ○ ○ ○ ○ ○ ○ ● ○

○ ● ○ ○ ● ○ ○ ● ○ ○ ●○ ○ ● ○ ○ ● ○ ○ ● ○ ○

○ ● ○ ○ ● ○ ○ ● ○ ○ ●○ ○ ● ○ ○ ● ○ ○ ● ○ ○

○ ● ○ ○ ● ○ ○ ● ○ ○ ●○ ○ ● ○ ○ ● ○ ○ ● ○ ○

○ ● ○ ○ ● ○ ○ ● ○ ○ ●○ ○ ● ○ ○ ● ○ ○ ● ○ ○

○ ● ○ ○ ● ○ ○ ● ○ ○ ●○ ○ ● ○ ○ ● ○ ○ ● ○ ○

○ ● ○ ○ ● ○ ○ ● ○ ○ ●○ ○ ● ○ ○ ● ○ ○ ● ○ ○

Aislamiento

Exposición

○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○● ● ● ● ○ ○ ● ● ● ● ○

○ ● ● ● ○ ○ ○ ● ● ● ○○ ● ● ○ ○ ○ ○ ● ● ○ ○

○ ○ ● ○ ○ ○ ○ ○ ● ○ ○○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○

○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○● ○ ○ ● ● ● ● ○ ○ ● ○

○ ○ ○ ○ ● ● ● ○ ○ ○ ●○ ○ ○ ○ ● ● ○ ○ ○ ○ ○

○ ○ ○ ○ ○ ● ○ ○ ○ ○ ○○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○

○ ● ○ ● ● ○ ● ● ○ ● ●● ○ ○ ● ○ ○ ● ○ ○ ○ ●○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○○ ● ● ○ ● ● ○ ● ● ○ ○○ ○ ● ○ ○ ● ○ ○ ● ○ ○○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○○ ● ○ ● ● ○ ● ● ○ ● ●● ○ ○ ● ○ ○ ● ○ ○ ● ○○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○○ ● ● ○ ● ● ○ ○ ● ● ○○ ○ ● ○ ○ ● ○ ○ ○ ● ○○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○

Agrupación Tabla 1. Características de la segregación residencial.

Fuente: Townshend y Walker (2002).



6

3.1. Índices de igualdad

Como ya hemos expuesto, la desigualdad hace referencia a la distribución de un grupo de población en el espacio urbano. La idea desarrollada por estos índices, con diferentes formulaciones, es la siguiente: un grupo de población está segregado si no está repartido de forma igual entre las secciones censales. Por ejemplo, si un grupo representa el 20% del total de la población del municipio, en cada sección censal ha de haber, en el caso de no-segregación, el 20% de población de este grupo. Cuanto más alejado de esta situación se encuentre el grupo en cuestión, mayor será la segregación residencial del mismo.

El índice de segregación, IS, mide la distribución de un determinado grupo de población en el espacio urbano. Varía entre cero y uno, valores que corresponden respectivamente a una distribución exactamente igualitaria y una distribución de máxima segregación (Duncan y Duncan, 1955a, 1955b). También se puede expresar en porcentaje. El valor de este índice también se puede interpretar como la proporción del grupo minoritario que tendría que cambia de residencia para obtener una distribución igualitaria (Jakubs, 1981; Massey y, Denton, 1988). El índice de segregación se define como:

1021

1

≤≤−−

−= ∑=

ISXTxt

Xx

ISn

i

iii

donde xi es la población del grupo minoritario en la sección censal i, X es la población total del grupo minoritario en el municipio, ti es la población total en la sección censal i, T es la población total del

Dimensión ¿Qué mide? ¿Qué características tiene?

Igualdad /

Desigualdad

La distribución espacial diferente de dos grupos sociales (minoritario vs mayoritario) entre las unidades de superficie (secciones censales) de una ciudad.

Un grupo minoritario está segregado si se distribuye de forma desigual en un grupo de secciones censales.

La segregación es máxima cuando el grupo minoritario y el mayoritario no comparten un área común de residencia.

Exposición /

Aislamiento

La probabilidad de contacto potencial entre individuos de grupos diferentes.

La exposición mide la probabilidad de que los miembros del grupo mayoritario interactúen con los del grupo minoritario.

El aislamiento mide la probabilidad de que los miembros del grupo minoritario interactúen con los de su mismo minoritario.

Concentración El espacio físico urbano ocupado por un grupo minoritario.

La densidad relativa de los individuos del grupo minoritario.

Se obtienen valores elevados de la concentración absoluta cuando el grupo minoritario ocupa un espacio muy pequeño del total del área urbana.

Se obtienen valores elevados de la concentración relativa cuando el grupo minoritario ocupa un espacio muy pequeño del total del área urbana respecto al ocupado por el grupo mayoritario.

Centralización El grado en el que el grupo minoritario está localizado espacialmente cerca y/o en el centro urbano

La centralización absoluta mide la distribución espacial del grupo minoritario comparada con la distribución de la superficie alrededor del centro urbano. Los valores elevados de segregación (centralización absoluta) se obtienen cuando una gran proporción del grupo minoritario tendría que cambiar de residencia para obtener una distribución uniforme alrededor del centro urbano.

La centralización relativa mide la proporción del grupo minoritario que tendría que cambiar de residencia para obtener una centralización igual a la del grupo mayoritario.

Agregación espacial / Reagrupamiento /

(Clustering)

El grado de agrupación espacial de un grupo minoritario.

Un nivel elevado de agregación espacial implica una estructura residencial del grupo minoritario que tiende a la guetización.

El reagrupamiento absoluto mide el grado de acercamiento/alejamiento de los miembros del grupo minoritario

El reagrupamiento relativo compara la distancia media que separa a los miembros del grupo minoritario con la distancia media que separa a los miembros del grupo mayoritario.



7

municipio y n es el número de secciones del municipio. Con este índice se calcula la diferencia entre la proporción de individuos del grupo minoritario (X) y la proporción del resto de población en cada unidad espacial. De hecho, el valor cero sólo se alcanza cuando en todas las unidades hay la misma proporción entre el grupo X y el resto de población.

El índice de disimilitud, D, es muy similar en su formulación al índice de segregación (Duncan y Duncan, 1955b). La diferencia estriba en que ahora se comparan proporciones de dos grupos, y no de un grupo respecto al resto, como hemos hecho en IS. El índice de disimilitud se define como:

1021

1≤≤−= ∑

=

DYy

XxD ii

n

i

En D, yi es el número de individuos del grupo mayoritario en cada sección censal, e Y el total de población de este grupo en el municipio. Si este índice es igual a cero, el grupo minoritario está repartido de forma igual. El índice de disimilitud, como IS, también está acotado entre cero (mínima segregación) y uno (máxima segregación). Este índice de desigualdad también admiten una interpretación en forma de porcentaje del grupo analizado que debe cambiar de unidad para alcanzar la igualdad en la distribución. Por ejemplo, si D = 0,2765, el 27,65% de los individuos del grupo ha de cambiar de residencia para llegar a la igualdad.

Tanto el índice de segregación como el índice de disimilitud no incorporan información sobre la configuración de las unidades en el espacio. A continuación presentamos tres índices de la segregación residencial que tienen en cuenta esta información. Estos índices han sido desarrollados gracias a la utilización de sistemas de información geográfica y a la disponibilidad de datos de población georeferenciados.

El índice de desigualdad corregido por la frontera, D(adj), es el primer esfuerzo por reflejar la configuración espacial de las unidades en el cálculo de los índices de segregación residencial (Morill, 1991, 1995). El índice se calcula mediante la siguiente expresión:

1)(0)(

)(

1 1

1 1 ≤≤−

−=

∑∑

∑∑

= =

= = adjDc

zzcDadjD n

i

n

jij

n

i

n

jjiij

donde cij son los elementos de una matriz de contactos binaria; matriz cuadrada y simétrica de dimensiones n por n. Si dos unidades tienen frontera común cij=1, si no la tienen cij=0. Zi y Zj son las proporciones del grupo X en la zona i, y en la zona j. D puede ser el índice de disimilitud o el índice de segregación (IS).

Respecto a los dos índices precedentes, D(adj) presenta tres diferencias sustanciales. Primera, tiene en cuenta la diferencia de proporciones en las unidades que son vecinas. Segunda, es sensible a la presencia de clusters de unidades con proporciones similares. Y tercera, explota la relación topográfica entre unidades. Siguiendo esta línea de investigación se han producido durante la última década dos nuevas aportaciones.

La corrección que acabamos de exponer tiene en cuenta, por primera vez, conceptos desarrollados por la estadística espacial. Adopta una matriz de contactos binarios, pero no tiene en cuenta la longitud de la frontera común entre unidades vecinas. Por lo tanto, no recoge la variación de la intensidad de la interacción entre individuos del mismo grupo que se deriva de la facilidad/dificultad de cruzar la frontera a causa de su mayor/menor longitud. Este hecho es el que intenta incorporar el índice de desigualdad corregido por la longitud de la frontera D(w). Con este índice (Wong, 1993, 1999) se introduce la interacción entre los individuos de diferentes grupos en unidades vecinas que se supone proporcional a la longitud de la frontera común. Este efecto se obtiene mediante la consideración de una nueva matriz de contactos con elemento genérico wij, que tiene en cuenta la longitud (Cliff y Ord, 1981):



8

1)w(D0zzw21D)w(D ji

n

1jij

n

1i

≤≤−−= ∑∑==

∑=

= n

1iij

ijij

d

dw

siendo dij la longitud de la frontera entre la zona i, y la zona j.

La idea que subyace en este planteamiento es que la interacción entre unidades disminuye el nivel de segregación expresado en términos de D o IS. Con esta corrección, la interacción es proporcional a la diferencia entre proporciones de las unidades vecinas y la longitud de la frontera que las separa. Hay también un tercer elemento a tener en cuenta, si queremos incorporar en la medida de la segregación residencial elementos de configuración espacial, es imprescindible tener en cuenta la forma de las unidades. Este elemento es el que incorpora el índice de desigualdad corregido por la forma D(s). Se puede demostrar (Wong, 1993, 1999) que la geometría o forma de las unidades afecta a la probabilidad de interacción entre individuos de diferentes grupos en unidades vecinas. La medida más básica de la forma es la relación entre perímetro y área. El cociente de estas dos magnitudes determina lo que se denomina compacidad de la unidad. La compacidad es mínima cuando el cociente es máximo y a más compacidad menos probabilidad de interacción. Para incorporar este elemento, D(s) toma la siguiente forma:

( ) ( )[ ]( ) 1)(0

/

//21

21)(

11≤≤

+−−= ∑∑

==

sDapmáx

apapzzwDsD

ii

jjii

ji

n

jij

n

i

donde, pi es el perímetro de la unidad, y ai su área.

3.2. Índices de interacción

Este segundo grupo de índices se caracteriza por incorporar el concepto de probabilidad. Por una parte, el índice de aislamiento mide la probabilidad que un individuo comparta la unidad espacial con un individuo de su mismo grupo. Por su parte, el índice de exposición mide la probabilidad que un individuo comparta la misma unidad con un individuo de un grupo diferente.

El índice de aislamiento, xPx, se define de la siguiente forma (Bell, 1954; White, 1986):

1xPx0tx

XxxPx

i

in

1i

i ≤≤⎟⎟⎠

⎞⎜⎜⎝

⎛⎟⎠⎞

⎜⎝⎛= ∑

=

Su valor máximo significa que el grupo X está aislado en las unidades donde reside. Este índice también admite una corrección para ajustarlo a las diferentes proporciones sobre el total de población del municipio, que representan los grupos analizados (Stearns y Logan, 1986; Massey y Denton, 1988). El índice de aislamiento corregido (η2) se define como:

1η0P1PxPxη 22 ≤≤

−−

=

donde P es la proporción de población del grupo X en el municipio.

El índice de interacción, xPy, está acotado entre los mismos valores que los índices precedentes, pero tiene una interpretación diferente (Bell, 1954). Por ejemplo, si este índice toma el valor 0.2, se interpreta que de media, en una unidad donde reside un miembro del grupo X, dos individuos de cada diez son del grupo Y



9

(si sólo hay dos grupos de población). En consecuencia, en las situaciones más segregativas tomará valores pequeños. Se define como:

1xPy0ty

XxxPy

i

in

1i

i ≤≤⎟⎟⎠

⎞⎜⎜⎝

⎛⎟⎠⎞

⎜⎝⎛= ∑

=

Algunos autores (Stearns y Logan, 1986), dan más importancia a este índice que a las medidas de igualdad tradicionales. Según ellos, medir la probabilidad de interacción es clave, ya que la misma fomenta la integración en el idioma del país y puede propiciar, por ejemplo, matrimonios mixtos, y en general, todo proceso de asimilación.

3.3. Índices de concentración

El índice Delta de Duncan et al. (1961) calcula la diferencia entre la proporción de la población de un grupo en cada unidad respecto al total del grupo en el municipio, y la proporción de la superficie de cada unidad con el total del municipio. Su valor máximo significa segregación máxima. También se puede interpretar como el porcentaje de población del grupo X que ha de cambiar de residencia para obtener una densidad uniforme en todo el municipio. Se define como:

∑=

≤≤−=n

1i

ii 1DEL0Aa

Xx

21DEL

Siendo A es la superficie del municipio.

El índice de concentración absoluta, ACO, calcula la superficie total ocupada por un grupo y la compara con el mínimo y máximo de superficie donde podrían residir los miembros de este grupo en el caso mínima o máxima concentración. Se expresa mediante un cociente, donde el numerador recoge la diferencia entre la superficie media de las secciones donde residen miembros del grupo X y la superficie media donde podrían residir en condiciones de máxima concentración (si todos los individuos del grupo residieran en las secciones con la superficie más pequeña). El denominador recoge la diferencia entre una situación de concentración mínima (superficie media si todos los individuos del grupo X vivieran en la secciones más grandes) y una situación de concentración máxima como la que acabamos de definir para el numerador.

El índice varía de 0 a 1, valores que corresponden respectivamente a una concentración máxima (localización de los miembros del grupo X en las secciones más grandes del municipio) y la concentración máxima (localización de los miembros del grupo X en las unidades más pequeñas del municipio).

10)/()/(/)/()/(12

11

112

11

1≤≤

⎪⎭

⎪⎬⎫

⎪⎩

⎪⎨⎧

⎥⎦

⎤⎢⎣

⎡−⎥

⎦

⎤⎢⎣

⎡−−= ∑ ∑∑∑

= ===

ACOTatTatTatXaxACOn

ni

n

iiiii

n

iii

n

iii

Siendo n el número de secciones del municipio. Las secciones son ordenadas de forma ascendente. n1 es el número de la sección censal donde la suma de la población total de las secciones censales desde la más pequeña en superficie hasta n1 es igual a la suma de la población del grupo X del municipio. n2 es el número de la sección censal donde la suma de la población total de las secciones censales desde la mayor en superficie hasta n2 es igual a la suma de la población del grupo X del municipio. T1 es la población total de las secciones 1 hasta n1. T2 es la población total de las secciones n2 hasta n.

El índice de concentración relativa, RCO, compara la concentración espacial del grupo minoritario (en términos de espacio ocupado, de densidad residencial) con la del grupo mayoritario. El índice varía de -1 a 1. Toma el valor -1 cuando la concentración del grupo mayoritario es máxima y la del grupo minoritario es mínima, toma el valor 1 en la situación inversa. El valor 0 se da cuando la concentración es la misma para los dos grupos.

1RCO11)T/at(/)T/at(/1Y/ay/X/axRCOn

ni2ii

n

1i1ii

n

1iii

n

1iii

2

1

≤≤−⎪⎭

⎪⎬⎫

⎪⎩

⎪⎨⎧

−⎥⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡

⎭⎬⎫

⎩⎨⎧

−⎥⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡= ∑∑∑∑

====



10

3.4. Índices de agregación espacial

El índice de reagrupamiento absoluto, ACL, varía de 0 a 1, expresa la media de individuos del grupo X de cada sección como proporción de la población total de las secciones vecinas. Para calcularlo, se utiliza la matriz de contactos binaria, siguiendo la expresión:

1ACL0cn/X)tc()X/x(/cn/X)xc()X/x(ACLn

1i

n

1jij

2n

1i

n

1jjiji

n

1i

n

1jij

2n

1i

n

1jjiji ≤≤

⎪⎭

⎪⎬⎫

⎪⎩

⎪⎨⎧

⎥⎦

⎤⎢⎣

⎡−⎥

⎦

⎤⎢⎣

⎡

⎪⎭

⎪⎬⎫

⎪⎩

⎪⎨⎧

⎥⎦

⎤⎢⎣

⎡−⎥

⎦

⎤⎢⎣

⎡= ∑∑∑ ∑∑∑∑ ∑

= == == == =

White (1983) propuso el índice de proximidad espacial y el índice de agregación relativa. En una primera fase, se mide la distancia media entre los miembros de un mismo grupo, o de grupos diferentes. Para llevar a cabo el cálculo se construye una matriz con elemento genérico f(dij), que se define como:

)dexp()d(f ijij −=

donde dij es la distancia entre los centroides de las secciones i-j.

Es evidente que la integración de la topología de los objetos en los sistemas de información geográfica (SIG) ha hecho posible la inclusión de diversas características de los mismos en los cálculos de índices de segregación. Las medidas de distancia media son las siguientes:

1. Medida de la proximidad media sin tener en cuenta el grupo

)d(f)NN)(NN()NN(

1P ij

n

1i

n

1jj2j1i2i1

2100 ∑∑

= =

+++

=

2. Medida de la proximidad media entre los miembros del grupo X

∑∑= =

=n

1i

n

1jijj1i12

111 )d(f)N)(N(

)N(1P

3. Medida de la proximidad media entre los miembros del grupo Y

( )∑∑= =

=n

1i

n

1jijj2i22

222 df)N)(N(

)N(1P

4. Medida de la proximidad media entre los miembros del grupo X e Y

∑∑= =

==n

1i

n

1jijj2i1

212112 )d(f)N)(N(

)N)(N(1PP

Donde N1 es la población del grupo X en el municipio, N1i es la población de este grupo en la sección i, N1j es la población del grupo X en la sección j. N2 es la población del grupo Y en el municipio, N2i es la población de este grupo en la sección i, N2j es la población del grupo Y en la sección j.

El índice de proximidad espacial, SP, mide la segregación en función de otro grupo. Es igual a 1 cuando las agregaciones de los grupos X e Y son idénticas. Es superior a 1 cuando los miembros de cada grupo tienden a agruparse, e inferior a 1 en el caso de una situación no muy habitual, cuando los miembros de un grupo viven más cerca de los miembros del otro grupo, que del grupo propio:

( ) 0021222111 P)NN/(PNPNSP ++=



11

El índice de agregación relativa, RCL, compara la proximidad media de los miembros del grupo X (P11), con la de los miembros del grupo Y (P22). Es igual a 0 cuando las agregaciones de los grupos X e Y son idénticas; es positivo cuando la agregación del grupo X es superior a la del grupo Y, es negativo cuando se da la situación opuesta. Se define como:

1)/( 2211 −= PPRCL

3.5. Índices de centralidad

El índice más elemental consiste en calcular la proporción de un grupo que reside en el centro del municipio (Duncan y Duncan, 1955b):

1PCC0XXPCC cc ≤≤=

Donde Xcc, es la población de grupo X que reside en el centro. El índice de centralización absoluta, ACE, mide la parte del grupo X que deberá mudarse para alcanzar una densidad uniforme del grupo alrededor del centro. Es negativo si los miembros del grupo tienen tendencia a residir lejos del centro del municipio, y positivo cuando se da la situación opuesta. Si su valor es 0 significa que el grupo está perfectamente distribuido en todo el municipio. Se define como:

⎟⎠

⎞⎜⎝

⎛−⎟

⎠

⎞⎜⎝

⎛= −

==− ∑∑ 1i

n

1ii

n

1ii1i AXAXACE

Donde, n es el número de secciones, ordenadas en orden creciente respecto a la distancia que les separa del centro. Xi es la proporción acumulada del grupo X en la sección i, (cociente entre las poblaciones del grupo X en i, y en el municipio, acumulada de 1 hasta i). Ai es la proporción acumulada de superficie de la sección i (cociente entre la superficie de i, y la del municipio, acumulada de 1 hasta i).

Duncan y Duncan (1955b) también proponen un índice de centralización relativa, RCE, que varía de -1, si los miembros del grupo X están localizados más lejos del centro del municipio que los del grupo Y, toma el valor 1 si se da la situación opuesta. Si el índice es igual a 0, los dos grupos tienen la misma distribución espacial alrededor del centro del municipio. Este índice se puede interpretar como la población del grupo X que deberá mudarse de residencia si queremos obtener el mismo grado de centralización que la que tiene el grupo Y. Se define como:

111

11

1 ≤≤−⎟⎠

⎞⎜⎝

⎛−⎟

⎠

⎞⎜⎝

⎛= ∑∑

=−

=− RCEYXYXRCE

n

iii

n

iii

Donde Yi es la proporción acumulada del grupo Y en la sección i, (cociente entre las poblaciones del grupo Y en i, y en el municipio, acumulada de 1 hasta i).

4. Otras medidas de estadística espacial

Como ya hemos visto, los índices descritos nos informan de la segregación residencial en toda la ciudad, pero por sí solos no permiten describir las pautas de localización espacial de los diferentes grupos. La estadística espacial ofrece algunos instrumentos metodológicos que pueden ayudar a la consecución de este objetivo.

En primer lugar, el análisis de la autocorrelación espacial permite descubrir si se cumple la hipótesis de que una variable tiene una distribución aleatoria o si, por el contrario, existe una asociación significativa de valores similares o no similares entre zonas vecinas. La autocorrelación espacial puede ser definida como el fenómeno por el cual la similitud locacional (observaciones próximas espacialmente) se une con la similitud de valores. Así, valores altos o bajos de una variable aleatoria tienden a agruparse en el espacio (autocorrelación espacial positiva), o bien se sitúan en localizaciones rodeadas de unidades vecinas con



12

valores disimiles (autocorrelación espacial negativa). En nuestro caso se trata de averiguar si la distribución espacial de un determinado grupo de población, inmigrantes o categorías socioeconómicas, es aleatoria o no. El contraste global I de Moran (1948) permite contrastar este hecho:

∑∑ ∑= = =

−−−=N

i

N

j

N

iijiijo xxxcSNI

1 1 1

2)(/))(()/( μμμ

donde µ es la media de la variable x, cij son los elementos de la matriz de pesos espaciales2, N es el número de observaciones y S0 = iΣ Σj cij.

La distribución de este estadístico estandarizado Z(I) cuando el tamaño muestral es suficientemente grande es normal. Un valor no significativo de Z(I) llevará a no rechazar la hipótesis nula de no autocorrelación espacial, mientras que un valor significativo positivo (negativo) informará de la presencia de un esquema de autocorrelación espacial positiva (negativa), es decir, la presencia de una concentración de valores similares (disímiles) de la variable analizada en unidades vecinas.

Un instrumento gráfico muy útil para el análisis de la autocorrelación espacial es el denominado scatterplot de Moran. En el eje de abscisas se representan las observaciones de la variable normalizada, y en el de ordenadas el retardo espacial de la misma variable, definido como el producto entre el vector de observaciones de x y la matriz de pesos espaciales. De este modo, los cuatro cuadrantes reproducen diferentes tipos de asociación espacial. Si la nube de puntos está dispersa en los cuatro cuadrantes es indicio de ausencia de autocorrelación espacial. Si, por el contrario, los valores se encuentran concentrados sobre la diagonal que cruza los cuadrantes derecha superior e izquierda inferior, existe una elevada autocorrelación positiva. La autocorrelación será negativa si los valores se concentran en los dos cuadrantes restantes.

Como ejemplo, en el siguiente gráfico presentamos el scatterplot de Moran correspondiente al ratio de personas de nacionalidad China respecto a la población total en las 1483 secciones censales de Barcelona con fecha 1-1-2005.

2 Matriz cuadrada no estocástica cuyos elementos reflejan la intensidad de la interdependencia existente entre cada par de unidades i y j. Habitualmente cij es igual a 1 si las unidades comparten una frontera común y es igual a 0 si no la comparten.



13

En segundo lugar, la asociación significativa puede no darse en toda la ciudad, sino sólo en determinadas zonas, por lo que se ha de recurrir a los denominados indicadores locales de asociación espacial o indicadores LISA (Local Indicator of Spatial Association), que tienen como objetivo que el estadístico obtenido para cada zona suministre información acerca de la relevancia de valores similares alrededor de la misma. El contraste de asociación espacial local Ii de Moran (Anselin, 1995) se define como:

∑=

−−

=n

jjij

ii xc

mx

I10

)()(

μμ

Con

∑=

−=n

ii n/)x(m

1

20 μ

y nótese que el sumatorio j hace referencia al conjunto de unidades vecinas de i.

El contraste de asociación espacial local Ii de Moran (Anselin, 1995) puede ofrecer mediante su representación cartográfica y el scatterplot de Moran, información sobre clusters y outliers de unidades con presencia alta de miembros de un grupo. Utilizando el mapa de la significación de los indicadores locales asociado al scatterplot podemos identificar zonas con presencia alta de miembros de un grupo rodeadas de zonas con presencia también alta (situación High-High en el scatterplot de Moran), o bien zonas con presencia alta rodeadas de unidades con presencia baja (situación High-Low en el scatterplot de Moran). Asimismo también se permite la detección de zonas con presencia baja rodeadas de unidades también con presencia baja (situación Low-Low), o bien zonas de presencia baja rodeadas de unidades con presencia alta de la variable analizada (situación Low-High). Por último también se pueden detectar zonas sin asociación espacial significativa. Como ejemplo, mostramos a continuación el mapa del seccionado de Barcelona asociado al scatterplot de Moran, para la variable proporción de población en paro respecto al total, en términos censales (2001).



14

5. Datos y metodología

En el proceso de cálculo de los indicadores de segregación se hace evidente la necesidad de establecer de forma clara tres aspectos relevantes para la obtención de los valores en los municipios españoles. En primer lugar, se debe establecer el tipo de unidad espacial que se emplea. En este sentido, la unidad espacial utilizada es la sección censal, que permite un análisis con el máximo nivel de desagregación territorial, con la ventaja que para los habitantes de cada sección se dispone de la información que suministran Censo de Población y Padrón de Habitantes. En segundo lugar, debemos definir qué se entiende por población inmigrante, se ha optado por considerar como población inmigrante los individuos con nacionalidad no española según la clasificación censal. Por último, para el cálculo del indicador de centralidad es imprescindible la delimitación del espacio central del municipio. Se ha considerado como centro todas las secciones correspondientes al primer distrito municipal, que suele ser la parte más antigua, y habitualmente más central del municipio. También nos queda definir el grupo mayoritario (Y en el cálculo de los índices), que en el caso de estudio lo constituye la población con nacionalidad española. Para el cálculo de los índices que incluyen en su formulación distancias y matrices espaciales se ha utilizado diverso software3.

Se han calculado diferentes medidas de segregación para los siguientes colectivos y territorios:

Nueve grupos socieconómicos para todas las secciones censales de Barcelona.

Once nacionalidades para todas las secciones censales de Barcelona.

Conjunto de la población Extranjera para las secciones censales de cada distrito.

Los grupos socieconómicos se han creado a partir de la información proveniente del Censo de Población y Viviendas de 2001, elaborado por el Instituto Nacional de Estadística (INE)4. El número de secciones censales para este análisis es 1.491, correspondientes a la fecha de referencia censal. En la siguiente tabla se establecen las correspondencias entre categorías censales y variables utilizadas en el análisis.

3 De acceso libre como Geoda® (Anselin, 2003), o bien un SIG habitual en Universidades y administraciones públicas como Mapinfo® (Apparicio,

2000) o Arcview® (Wong y Lee, 2005). 4 Datos suministrados al autor por el IDESCAT.



15

Tabla 2. Correspondencia categorías censales-variables utilizadas.

Categoría Censal Variable utilizada

Población ocupada de 16 años o más

Tabla censal de ocupaciones

Directivos de AAPP o empresas de 10 o más asalariados Directivos

Profesionales de Derecho, las CCSS y las artes

Informáticos y técnicos en Ciencias

Otras ocupaciones propias de estudios medios o superiores

Profesionales

Empleados administrativos

Dependientes, vendedores y agentes comerciales

Personal sanitario

Personal docente

Trabajadores de cuello blanco

Albañiles y otros trabajadores de la construcción

Camioneros, repartidores y otros conductores

Servicio doméstico o de limpieza

Obreros especializados de las industrias

Obreros no cualificados

Trabajadores de cuello azul

Población de 16 años o más

Nivel de estudios

No sabe leer o escribir

Sabe leer y escribir pero fue menos de 5 años a la escuela

Fue a la escuela más de 5 años pero no ha completado ningún ciclo

Sin estudios

Diplomatura, Arquitectura o Ingeniería Técnica

Licenciatura, Arquitectura o Ingeniería Superior

Doctorado

Universitarios

Población de 16 años o más

Situación profesional

Empresarios con trabajadores Empresarios

Las once nacionalidades se han escogido siguiendo el criterio de superación del 3% del total de población con nacionalidad extranjera, según los datos facilitados por el Institut d’Estadística de Catalunya (IDESCAT) con fecha de referencia 1-1-2005.

A continuación se exponen de forma resumida otros detalles metodológicos:

Para calcular los coeficientes de autocorrelación global y local se ha utilizado el ratio de cada grupo socieconómico o de nacionalidad con respecto a la población total de la sección. Cuando se opera de este modo se puede violar el principio de estacionaridad del proceso espacial por existir inestabilidad en varianza. Esta inestabilidad se da cuando la variable base del ratio (la población total) difiere entre las unidades analizadas (secciones censales). Para corregir este hecho el ratio utilizado es el denominado Empirical Bayes sugerido por Assunçao y Reis (1999).

En los contrastes de autocorrelación global y local se han utilizado matrices de contactos con estandarización por filas. Para determinar la vecindad entre secciones censales se ha empleado el criterio rook.

En los contrastes de I e I(i) se han calculado los pseudos-niveles de significación obtenidos de una distribución empírica derivada siguiendo un criterio de permutación.



16

En el cálculo del índice de desigualdad corregido por la forma D(s) se ha utilizado como índice corregido el de segregación (IS) en el caso de las secciones censales, y el índice de disimilitud (D) entre población española y extranjera en el caso de los distritos.

En el caso de los grupos socioeconómicos se ha optado por calcular sólo aquellos índices que no tuvieran en consideración dos únicos grupos de población, mayoritario-minoritario, por la dificultad de establecer esta distinción.

En la sección 68 del Distrito I se ha detectado un error en el empadronamiento de la población inmigrante, al observarse 10.025 extranjeros. Se ha optado por mantener esta sección en el estudio, ya que los resultados obtenidos con los índices de segregación se han mostrado robustos, y los únicos cambios detectados se observan, sólo en algunos índices y nacionalidades, a partir del tercer decimal.

6. Resultados

A continuación se presenta un escueto análisis de los resultados, dejando al lector de este documento, la extracción de conclusiones más detalladas, ofreciendo para este propósito todos los resultados obtenidos en los cuatro anexos que se pueden encontrar al final del texto.

Según los datos del Padrón Continuo con fecha de referencia 1-1-2005, la ciudad de Barcelona tiene 1.593.075 habitantes. Un 13.80% de esta población posee nacionalidad no española. En el desglose por nacionalidades de este porcentaje, el grupo más numeroso es el de los ecuatorianos (13.83%), seguido por los peruanos (6.57%) y los marroquíes (6.15%); en cuarto lugar se sitúan los colombianos (6.04). Un resumen de los resultados se presenta en el Anexo I. Tabla 1 y 2.

Si observamos la desigualdad medida teniendo en cuenta las particularidades espaciales de cada zona (D(s)), el grupo que muestra el valor más alto, es decir más segregado, son los pakistaníes con un 0.757, seguidos por los chinos (0.544) y los marroquíes (0.555). Algunos autores definen una situación de segregación fuerte cuando el resultado del índice de segregación (IS) es superior al 60% (Massey, 1985). En el caso de Barcelona sólo hay una nacionalidad que lo supere: Pakistan. En cambio, los colectivos menos segregados son los colombianos y argentinos con valores de IS inferiores incluso a las nacionalidades de la Unión Europea.

En cuanto a η2 o índice de aislamiento corregido, que mide la probabilidad de interacción entre dos miembros del mismo grupo, los valores que indican una segregación más alta son los correspondientes a Pakistan (0.074) y Bolivia (0.050). Según el índice de concentración (DEL), que tiene en cuenta la densidad de las secciones censales, el grupo más segregado es de nuevo el de los pakistaníes con un valor de 0.857; los colectivos que le siguen son los originarios de China (0.757) y República Dominicana (0.747). Las nacionalidades con los valores más bajos son los argentinos (0.607) y los italianos (0,609).

En cuanto a los indicadores de agrupamiento cabe destacar el elevado valor de RCL para los pakistaníes (1.738) muy por encima del resto de nacionalidades y también el valor de ACL en el caso de los Ecuatorianos.

El índice de centralización (PCC) que indica la proporción de miembros de un grupo que vive en el centro de la ciudad, en el caso de Barcelona en el distrito I (Ciutat Vella). De nuevo, el resultado más segregado es el de los pakistaníes con un 0.545. A continuación se sitúan, con valores considerablemente más bajos, los marroquíes (0.354) y los bolivianos (0.331). El grupo menos presente, es el de los peruanos con un 0,05. Del análisis de estos resultados se pueden extraer las características principales de la segregación según la nacionalidad. Dividiendo en cuartiles los resultados de los índices de segregación presentados, se propone el adjetivo bajo si se sitúan en el primer cuartel y alto si se sitúan en el último cuartil, los principales resultados aplicando esta terminología son los siguientes:



17

Concentración alta: República Dominicana.

Segregación y concentración altas: China.

Segregación, centralidad y agrupamiento: Marruecos

Segregación, aislamiento, concentración, agrupamiento y centralidad altas: Pakistan.

Hay tres nacionalidades que presentan de forma clara mayor segregación: Pakistan, China y Marruecos. El grupo de inmigrantes dominicanos se acerca a esta situación en cuanto a concentración. Los resultados obtenidos, por lo que hace referencia a la interacción, refleja en parte esta situación. La inmigración europea se localiza en zonas de menor densidad, como ejemplo los italianos y franceses se caracterizan por este hecho. En cuanto a la centralidad, de nuevo el caso del colectivo pakistaní destaca de forma rotunda del resto. En el Anexo I se presentan los resultados detallados.

En trabajos previos (Martori y Hoberg, 2003, 2004), se han calculado los índices de segregación para diferentes nacionalidades en el 2001. A grandes rasgos podemos afirmar que en los resultados que ahora presentamos para el año 2005 se observa menor segregación que la observada con los datos del 2001 en la mayoría de los indicadores. Son excepciones en esta tendencia el indicador de aislamiento que se incrementa ligeramente, y la centralización en el caso de la nacionalidad francesa e italiana.

En cuanto a la medida de la autocorrelación espacial, para todos los grupos, se rechaza la hipótesis de distribución aleatoria, por lo tanto es evidente que existe, en mayor o menor grado, asociación espacial en la distribución de la población de los diferentes colectivos de inmigrantes. Para todos los grupos, también se confirma que esta asociación sigue un esquema de autocorrelación espacial positiva, lo que se puede interpretar como la presencia de valores similares de población de cada grupo en zonas vecinas. Esta pauta se acentúa cuando estudiamos las nacionalidades de la UE, Italia y Francia que presentan los coeficientes I de Moran más altos pero como ya hemos visto presentan baja segregación en todas las dimensiones. En el Anexo III se ofrecen los scatterplots de Moran asociados a cada nacionalidad. Los resultados detallados para los grupos socioeconómicos se ofrecen en el Anexo I, los scatterplots de Moran se presentan en el Anexo II. Los scatterplots correspondientes al análisis de cada distrito se pueden encontrar en el Anexo IV.

7. Comparación internacional

Es evidente que el proceso de asentamiento de la inmigración extranjera en Barcelona sufre un retraso si consideramos la situación en otros países de la U.E. En las grandes aglomeraciones europeas la llegada de los inmigrantes empezó en la década de los 50 con los años de expansión económica en Europa. Los problemas que creó esta situación fueron diferentes según el país de acogida. La localización de la población inmigrante se vio marcada en gran parte por las políticas de bienestar, principalmente educación y sanidad, y la intervención del estado en el sector de la vivienda. El papel jugado por las autoridades municipales en países tradicionalmente intervencionistas en vivienda, como Suecia y Holanda favoreció la no segregación residencial. En otros países como Inglaterra y Francia, los resultados de una política menos intervencionista dio lugar a la guetización de algunos colectivos (van Kempen, Özüekren, 1998). Los objetivos e instrumentos de las políticas sociales que se han podido aplicar en los países de nuestro entorno para actuar sobre la segregación residencial deberían servir de guía en el diseño de políticas en España. En este sentido cabría preguntarse si el modelo a seguir es por ejemplo, la segregación residencial que se produce para el colectivo magrebí en Francia, ubicado en zonas alejadas del centro donde se producen los efectos más negativos de la segregación con importantes problemas de orden público y una fuerte guetización del espacio.

Comparar las principales características de la segregación residencial entre ciudades de diferentes países presenta una primera dificultad en el concepto mismo de inmigrante. La definición de población inmigrante no es única, en algunos países, un grupo en se define en base a la nacionalidad, en otros puede ser el lugar de nacimiento o, incluso, el lugar de nacimiento de los progenitores. En algunos países, por ejemplo en Inglaterra, los individuos autodefinen su situación. Para cuantificar la segregación residencial, como ya



18

hemos visto, podemos utilizar diversos indicadores, los más utilizados en los estudios europeos, son el de segregación y disimilitud que se ven afectados por la configuración espacial de las unidades analizadas. La ventaja que poseen es su sencillo cálculo y fácil interpretación. Es obvio que la heterogeneidad de las unidades es una segunda dificultad para la comparación. Algunos autores (Giffinger, 1998) han indicado que existe una relación directa entre grado de desagregación territorial y el valor de los indicadores. Las secciones censales españolas son unidades con un mínimo de 500 habitantes mayores de 18 años y un máximo de 2.000. En la mayoría de estudios europeos con los que comparamos los valores obtenidos en Barcelona y su región metropolitana se han utilizado unidades que agrupan de 2.000 a 10.000 viviendas5.

En la tabla tres presentamos los valores del índice de segregación (IS) para diferentes ciudades y grupos de población inmigrante. A pesar de las dificultades para la comparación que acabamos de apuntar, creemos muy relevante conocer en qué situación se encuentra el área estudiada respecto a la situación en países donde el fenómeno ha aparecido antes, y por lo tanto desde los poderes públicos ya se tiene experiencia de aplicación de políticas sociales sobre el fenómeno de la segregación residencial.

El primer aspecto a destacar es obvio, existe segregación residencial en todas las ciudades. Un segundo aspecto importante, y aunque los resultados no se presentan en el cuadro, los estudios europeos constatan que la segregación no disminuye con el tiempo. En algunos casos puede haber un ligero incremento (por ejemplo, el caso de los turcos y marroquíes en Amsterdam). En otros, en cambio, la segregación es la misma transcurridos 10 años (el caso de los turcos y yugoslavos en Colonia). Este aspecto es interesante porqué permite contrastar la hipótesis que sostiene que cuando los inmigrantes llegan al país de acogida residen en zonas ya ocupadas por miembros de su grupo, pero a medida que su situación en el mercado de trabajo mejora varían su lugar de residencia. Parece claro que en las ciudades europeas esta hipótesis no se cumple. En el caso de las ciudades españolas aún es pronto para formular y contrastar esta u otras hipótesis que requieran un horizonte temporal más amplio.

5 El trabajo de Deurloo y Mustered (1998) es una excepción.



19

Tabla 3. Comparación internacional. Índice de segregación (IS).

Fuente: Elaboración propia a partir de diferentes trabajos, Mustered et al. (1998); Friedrichs (1998); Giffinger (1998); Peach (1998); Kemper (1998).

Otro aspecto interesante viene dado por el hecho que se observan diferencias para un mismo grupo según que ciudad estemos analizando (compárese por ejemplo los valores de los turcos en La Haya, Viena y Colonia). Este hecho es interpretado como evidencia que las variables culturales no explican las diferencias en la segregación y que otros aspectos, como la disponibilidad de vivienda, juegan un papel más relevante. También se observan diferencias entre la situación segregativa en ciudades de un mismo país y entre los grupos de población inmigrante de una ciudad (obsérvese las diferencias entre el colectivo hindú y el procedente de Bangla Desh en las ciudades inglesas). Teniendo en cuenta las consideraciones de carácter metodológico que hemos apuntado, si se comparan los valores del índice de segregación de Barcelona y su región metropolitana con otras ciudades europeas se pueden destacar las siguientes situaciones:

Ámsterdam (1998) Barcelona (2005)

Turquía Marruecos Surinam La Haya (1998) Turquía Marruecos Surinam

0.42 0.41 0.34 0.53 0.48 0.38

Ecuador Perú Marruecos Colombia Argentina Italia Pakistan China Bolivia Francia Rep. Dominicana

0.36 0.34 0.55 0.31 0.31 0.32 0.76 0.54 0.54 0.41 0.53

Bruselas (1991)

Marruecos 0.59

Londres (1991)

India Bangla Desh

0.51 0.75

Birmingham (1991)

India Bangla Desh

0.56 0.79

Colonia (1994)

Turquía Yugoslavia Italia

0.32 0.25 0.27

Frankfurt (1994)

Turquía Yugoslavia

0.18 0.32

Dusseldorf (1993)

Turquía Yugoslavia

0.29 0.26

Berlín (1991)

Extranjeros 0.32

Viena (1990)

Turquía Yugoslavia

0.41 0.33



20

En general para todas las nacionalidades los valores obtenidos en Barcelona son mayores respecto a la segregación de los colectivos de inmigrantes en las ciudades alemanas o austriacas.

Parece evidente que el colectivo marroquí presenta una segregación muy similar en otra ciudad con presencia de este grupo como Bruselas.

Sólo la situación de los originarios de Bangla Desh en las ciudades inglesas se acerca a la segregación observada en los pakistanis en Barcelona.

Obsérvese que en Barcelona los franceses presentan tanta segregación como algunos colectivos extracomunitarios en ciudades holandesas.

8. Bibliografía

Anselin, L. (1988), Spatial Econometrics: Methods and Models, Kluwer Academic, Boston.

Anselin, L. (1995), “Local indicators of spatial association-LISA”, Geographical Analysis, vol. 27: pp: 93-115.

Anselin, L. (2003), GeoDa 0.9 User's Guide. Spatial Analysis Laboratory, University of Illinos, Urbana-Champaign, IL.

Apparicio, P. (2000), “Residential Segregation Indices: A Tool Integrated into Geographical Information System”. European Journal of Geography, 134: pp. 1-19.

Assunçao, R.M. and Reis, E.A.(1999) “A New Proposal to adjust Moran’s I for Population Density”, Statistics in medicine, vol. 18: pp. 2147-2162.

Bettin, G. (1982), “Los sociólogos de la ciudad”. Barcelona, Ed. Gustavo Gili.

Bell W. (1954), “A probability model for the measurement of ecological segregation”. American Sociological Review, vol. 32: pp. 357-364.

Cliff, A. D.; Ord, J. K. (1981), “Spatial Processes: Models and Applications”. London, Ed. Pion.

Duncan, O.D.; Duncan, B. (1955a), “A methodological analysis of segregation indexes”. American Sociological Review, vol. 41: pp. 210-217.

Duncan, O.D.; Duncan, B. (1955b), “Residential distribution and occupational stratification”. American Journal of Sociology, vol. 60: pp. 493-503.

Duncan, O.D.; Cuzzoert, R.P.; Duncan, B. (1961), “Statistical geography. Problems in analyzing areal data”. Glencoe, Illinois, Ed. The free press of Glencoe.

Esteban, A.; Curiel, J.; Perello, S. (2003), “Inmigración y segregación urbana”. Papeles de Economía Española, nº 98: pp. 262-273.

Friedrichs, J. (1998), “Ethnic segregation in Cologne, Germany 1984-94”. Urban Studies, vol.35: pp.1745-1763.

Giffinger, R. (1998), “Segregation in Vienna: impacts of market barriers and rent regulations”. Urban Studies, vol. 35: pp. 1791-1812.

Guermond, G.; Lajoie, G. (1999) “De la mesure en géographie sociale”. L’Espace géographique, nº 1: pp. 84-90.

Jakubs, J. F. (1981), “A distance based segregation index”. Journal of Socio-Economic Plannig Sciences, vol. 15: pp. 129-141.

Kempen, V, R. y Özüekren, A.S. (1998),” Ethnic segregation in cities: new forms and explanations in a dynamic world”, Urban Studies, vol. 35: pp. 1631-1656.



21

Kemper, F.J. (1998), “Restructuring of housing and ethnic segregation: recent developments in Berlin”. Urban Studies, vol. 35: pp. 1765-1789.

Massey, D. S. (1985), “Ethinc residential segregation: a theoretical syntesis and empirical review”. Sociology and Social Research, vol. 69: pp. 315-350.

Massey, D. S.; Denton, N. A. (1988), “The dimensions of residential segregation”. Social Forces, vol. 67: pp. 281-315.

Martori, J.C.; Hoberg, K. (2003) La segregació residencial de la població estrangera a Catalunya. Fundació Jaume Bofill, Barcelona. (Mimeo).

Martori, J. C.; Hoberg, K. (2004), “Indicadores cuantitativos de segregación residencial. El caso de la población inmigrante en Barcelona.” Geo Crítica / Scripta Nova. Revista electrónica de geografía y ciencias sociales. Barcelona: Universidad de Barcelona, 15 de julio de 2004, vol. VIII, núm. 169. http://www.ub.es/geocrit/sn/sn-169.htm

Martori, J.C.; Hoberg, K.; Suriñach, J. (2005), Segregation measures and spatial autocorrelation. Location patterns of immigrant minorities in the Barcelona Region” Comunicación presentada en el 45th Congress of the European Regional Science Association Ámsterdam (Holanda).

Moran, P. (1948), “The interpretation of statistical maps”, Journal of the Royal Statistical Society B, vol 10: pp.243-251.

Moreno, R.; Vayá, E. (2000), Técnicas econométricas para el tratamiento de datos espaciales: La econometria espacial, Barcelona, Edicions Universitat de Barcelona.

Morrill, R. L. (1991), “On the measure of geographical segregation”. Geography Research Forum, vol. 11: pp. 25-36.

Morrill, R. L. (1995), “Racial segregation and class in a liberal metropolis”. Geographical Analysis, vol. 27: pp. 22-41.

Musterd, S; Deurloo, R. (1998), “Ethnic clusters in Amsterdam, 1984-94: a micro-area analysis. Urban Studies, vol. 35: pp. 385-396.

Musterd, S.; Deurloo, R. (2002), “Unstable Immigrant Concentrations in Amsterdam: Spatial Segregation and Integration of Newcomers”, Housing Studies, vol. 17: pp. 487-503.

Peach, C. (1998), “South Asian and Caribean ethnic minority housing choice in Britain”. Urban Studies, vol. 35:pp.1657-1702.

Petsimeris, P. (1995) “Une méthode pour l’analyse de la division ethnique et sociale de l’espace intra-métropolitain du Grand Londres”. L’Espace géographique, nº2: pp. 139-153.

Petsimeris, P. (1998) “Urban decline and teh new social and ethnic divisions inthe core cities of the italian industrial triangle”. Urban Studies, vol. 35: pp. 449-465.

Stearns, L.B.; Logan, J.R. (1986), “Measuring trends in segregation: three dimensions, three measures”. Urban affairs quarterly, vol. 22: pp. 124-150.

Townshed, I. J.; Walker, R. (2002), “The Structure of Income Residential Segregation in Canadian Metropolitan Areas”. Canadian Journal of Regional Science, vol. 25: pp. 25-52.

White, M. J. (1983), “The measurement of spatial segregation”. American Journal of Sociology, vol. 88: pp. 1008-1019.

White, M. J. (1986), “Segregation and diversity measures in population distribution”. Population Index, vol. 52: p. 198-221.

Wong, D .W. S. (1993), “Spatial indices of segregation”. Urban Studies, vol. 30: pp. 559-572.

Wong, D.W.S. (1998), “Measuring multiethnic spatial segregation”. Urban Geography, vol. 19: pp. 77-87.



22

Wong, D. W. S. (1999), “Geostatistics as measures of spatial segregation”. Urban Geography, vol. 20: pp. 635-647.

Wong, D. W. S. (2003), “Implementing spatial segregation measures in GIS”. Computers, Environment and Urban Systems, vol. 27: pp. 53-70.

Wong, D.W.S. and Lee, J. (2005) Statistical Analysis of geographic information ArcView Gis® and ArcGis®, New York, Ed. John Wiley & Sons.



23

Anexo I. (Tablas)

Tabla 1. Población de las diferentes nacionalidades (% del total de población inmigrante). Fecha de referencia 1-1-2005.

Población Total

Población Inmigrante Ecuador Perú Marruecos Colombia Argentina Italia Pakistan China Bolivia Francia Rep

Dominicana

Barcelona 1.593.075 219.941 13.83 6.57 6.15 6.04 5.43 5.12 5.10 4.16 3.73 3.30 3.09

Fuente: Idescat

Tabla 2. Indices de Segregación e I Global de Moran para grupos de inmigrantes 2005.

Nota: *pseudo significativo al 5% (999 permutaciones). Matriz de pesos espaciales (de contigüidad). Criterio Rook.

Índice / Nacionalidad Ecuador Perú Marruecos Colombia Argentina Italia Pakistan China Bolivia Francia Rep Dominicana

Segregación

(IS) 0.363 0.347 0.558 0.311 0.315 0.323 0.760 0.547 0.543 0.413 0.531

Desigualdad

D(s) 0.358 0.344 0.555 0.309 0.314 0.321 0.757 0.544 0.541 0.412 0.530

Aislamiento corregido

(η2) 0.017 0.008 0.031 0.006 0.006 0.005 0.074 0.015 0.050 0.007 0.014

Delta de Concentración (DEL) 0.664 0.665 0.728 0.639 0.607 0.609 0.857 0.757 0.734 0.625 0.747

Concentración relativa (RCO) 0.386 0.440 0.067 0.344 0.192 0.130 0.407 0.392 0.354 -0.210 0.463

Reagrupamiento absoluto (ACL) 0.019 0.009 0.008 0.008 0.008 0.007 0.007 0.006 0.005 0.005 0.004

Proximidad espacial

(SP) 1.002 1.001 1.006 1.000 1.001 1.002 1.017 1.001 1.000 1.002 1.002

Agregación relativa

(RCL) 0.032 0.154 0.428 0.089 0.188 0.273 1.738 0.265 -0.021 0.318 0.262

Centralización

(PCC) 0.108 0.052 0.354 0.096 0.152 0.153 0.545 0.100 0.331 0.135 0.194

Centralización absoluta (ACE) 0.191 0.049 0.372 0.057 0.074 0.021 0.556 0.374 0.377 -0.045 0.150

I de Moran (I) 0.358* 0.216*

0.470* 0.104* 0.402* 0.532*

0.646* 0.158*

0.135*

0.540* 0.358*



24

Tabla 2bis. Indices de Segregación e I Global de Moran para grupos de inmigrantes 2001.

Índice / Nacionalidad Ecuador Colombia Perú Marruecos Rep. Dominicana Italia Argentina Francia Filipinas China Alemania

Segregación (IS) 0,445 0,417 0,423 0,626 0,615 0,438 0,442 0,462 0,801 0,679 0,523

Desigualdad D(s) 0,448 0,421 0,425 0,634 0,620 0,445 0,455 0,467 0,809 0,682 0,529

Aislamiento corregido (η2) 0,015 0,008 0,006 0,028 0,013 0,003 0,004 0,004 0,062 0,007 0,003

Delta de Concentración (DEL) 0,705 0,685 0,705 0,766 0,796 0,666 0,689 0,655 0,879 0,832 0,676

Centralización (PCC) 0,126 0,117 0,052 0,401 0,229 0,128 0,165 0,112 0,655 0,106 0,119

I de Moran (I) 0,075* 0,062* 0,175* 0,255* 0,329* 0,348* 0,252* 0,374* 0,600* 0,106* 0,408*

Nota: Nacionalidades que superaban el 3% de la población inmigrante en 2001

Tabla 3. Indices de Segregación e I Global de Moran ..

Nota: *pseudo significativo al 5% (999 permutaciones). Matriz de pesos espaciales (de contiguidad). Criterio Rook.

Tabla 4. Matriz de Índices de Disimilitud entre nacionalidades.

Francia Italia Marruecos Rep.Dominicana Argentina Bolivia Colombia Ecuador Perú Pakistan China España

Francia 0 0.329 0.641 0.638 0.387 0.675 0.481 0.582 0.539 0.781 0.598 0.428

Italia 0.329 0 0.58 0.589 0.288 0.626 0.403 0.504 0.45 0.752 0.568 0.341

Marruecos 0.641 0.58 0 0.557 0.543 0.622 0.555 0.503 0.604 0.498 0.674 0.581

Rep.Dominicana 0.638 0.589 0.557 0 0.561 0.645 0.544 0.497 0.553 0.658 0.661 0.547

Argentina 0.387 0.288 0.543 0.561 0 0.588 0.368 0.446 0.421 0.721 0.555 0.335

Bolivia 0.675 0.626 0.622 0.645 0.588 0 0.575 0.537 0.589 0.731 0.726 0.556

Colombia 0.481 0.403 0.555 0.544 0.368 0.575 0 0.401 0.387 0.729 0.564 0.33

Ecuador 0.582 0.504 0.503 0.497 0.446 0.537 0.401 0 0.396 0.68 0.593 0.379

Índice /Grupo Activos Parados Empresarios Directivos Profesionales Trabajadores Cuello blanco

Trabajadores Cuello azul

Sin estudios

Estudios Universitarios

Segregación (IS) 0.063 0.072 0.033 0.031 0.036 0.054 0.076 0.090 0.036

Desigualdad D(s) 0.049 0.107 0.222 0.216 0.237 0.076 0.192 0.243 0.258

Aislamiento corregido (η2)

0.007 0.005 0.011 0.013 0.027 0.007 0.024 0.044 0.067

Delta de Concentración (DEL) 0.546 0.554 0.553 0.561 0.569 0.558 0.565 0.576 0.576

Reagrupamiento absoluto (ACL) 0.486 0.052 0.026 0.043 0.084 0.194 0.112 0.107 0.189

Centralización (PCC) 0.056 0.072 0.033 0.031 0.036 0.054 0.076 0.090 0.036

I de Moran (I) 0.274* 0.368* 0.744* 0.755* 0.827* 0.543* 0.828* 0.645* 0.882*



25

Perú 0.539 0.45 0.604 0.553 0.421 0.589 0.387 0.396 0 0.772 0.56 0.358

Pakistan 0.781 0.752 0.498 0.658 0.721 0.731 0.729 0.68 0.772 0 0.799 0.781

China 0.598 0.568 0.674 0.661 0.555 0.726 0.564 0.593 0.56 0.799 0 0.553

España 0.428 0.341 0.581 0.547 0.335 0.556 0.33 0.379 0.358 0.781 0.553 0

Tabla 5.. Matriz de Índices de Disimilitud entre grupos socioeconómicos.

Activos Parados Directivos Profesionales Trab. cuello blanco Trab. cuello azul Sin estudios Universitarios Empresarios

Actius 0 0.108 0.207 0.221 0.052 0.177 0.242 0.219 0.219

Parados 0.108 0 0.283 0.294 0.120 0.153 0.199 0.290 0.287

Directivos 0.207 0.283 0 0.102 0.231 0.371 0.412 0.092 0.107

Profesionales 0.221 0.294 0.102 0 0.246 0.391 0.426 0.048 0.137

Trab. cuello blanco 0.052 0.120 0.231 0.246 0 0.174 0.244 0.245 0.245

Trab. cuello azul 0.177 0.153 0.371 0.391 0.174 0 0.143 0.388 0.372

Sin estudios 0.242 0.199 0.412 0.426 0.244 0.143 0 0.424 0.410

Universitarios 0.219 0.290 0.092 0.048 0.245 0.388 0.424 0 0.122

Empresarios 0.219 0.287 0.107 0.137 0.245 0.372 0.410 0.122 0

Tabla 6. I de Moran y D(s) de la población extranjera por distritos.

Distrito I de Moran D(s)

I 0.369* 0.244

II 0.142* 0.121

III 0.485* 0.197

IV 0.104 0.148

V 0.218* 0.109

VI 0.233* 0.125

VII 0.254* 0.167

VIII 0.377* 0.212

IX 0.426* 0.210

X 0.389* 0.196

Nota: *pseudo significativo al 5%



26

Anexo II. (Mapas. Grupos Socieconómicos)



27



28



29



30



31

Anexo III. (Mapas. Nacionalidades)



32



33



34



35



36



37

Anexo IV. (Mapas. Distritos)



38



39



40



41

4. la segregación residencial en barcelona

Documents