CENTRO OIKOS

ESTUDIOS ECONÓMICOS Y SOCIALES

Informe de elaboración de conglomerados de comunas

Javiera Araya1 y Luis Montero2.

1. Introducción.

En este informe se presenta el conjunto de estrategias, medidas y decisiones metodológicasque se adoptaron para dar cuenta del propósito investigativo de clasificación de las comunasdel país, el que ha sido planteado como uno de los objetivos/metas estratégicos del estudio porparte del programa de investigación OIKOS. La Línea 1 de Investigación del programa tienecomo producto estratégico fundamental la confección de conglomerados de comunas (de 6 a 8conglomerados) a partir de variables sociales, económicas y demográficas.

2. Fuentes y bases de datos utilizadas para la confección de los conglomerados decomunas.

Para la elaboración de los conglomerados de comunas del país mediante la confección detipologías, se recurrió a un conjunto diferente de bases de datos actualmente disponibles en elpaís. Los criterios utilizados para seleccionar las bases de datos a utilizar en el proceso deconfección de los conglomerados comunales, fueron los siguientes:

a. Fuentes de acceso público ligadas a instituciones reconocidas en el desarrollo deestudios sociales cuantitativos a nivel nacional (universidades, instituciones públicas,think tanks, etc.)

b. Bajo costos de acceso a las bases (gratuidad y rapidez en el acceso), c. Bases de datos de amplia cobertura nacional (que cubriesen la mayor cantidad de

comunas del territorio nacional)3.d. Actualidad de los datos.

Las bases de datos utilizadas fueron solicitadas a las instituciones a través de los canalesinstitucionales establecidos o se accedieron directamente a ellas a través de los sitios web deestas instituciones. Las bases de datos que finalmente fueron utilizadas en la elaboración de losconglomerados comunales, fueron las siguientes:

Informe de Desarrollo Humano Comunal del PNUD 2003 (Fuente: PNUD).

1 Licenciada en Sociología, U. de Chile.2 Sociólogo, U. de Chile.3 Se debe informar que también fueron consultadas las bases de datos del PNUD sobre Desarrollo Humano en Chile,las bases de datos del CEP y las bases de datos de la UDP (Instituto de Ciencias Sociales), todas disponibles en susrespectivos sitios web. Aunque estas bases de datos presentan representatividad a nivel nacional y regional, fuerondescartadas para la elaboración de los indicadores de caracterización comunal, debido a que su cobertura territoriala nivel de comunas, era muy baja.

1

Encuesta de Caracterización Socio-Económica de Hogares, CASEN 2009 (Fuente:

MIDEPLAN). CENSO Nacional de Población y Vivienda 2002 (Fuente: INE).

Índice de GINI comunal para el año 2009 (Fuente: Universidad Alberto Hurtado).

3. Técnica utilizada para la elaboración de los conglomerados de comunas.

Para la elaboración de los conglomerados de comunas se utilizó la técnica de Análisis deTipologías. Esta técnica de análisis multi-variable permite la clasificación de un conjunto diversode elementos mediante la elaboración de tipologías, las que producen agrupaciones deelementos o conglomerados. La particularidad de esta técnica radica en que permite laconfección de agrupamientos de elementos similares en función de un conjunto de variablesque fungen como factores de clasificación. La agrupación de los elementos en subconjuntosdiferentes opera mediante la minimización de la varianza intragrupo y la maximización de lavarianza inter-grupo. De esta manera, la técnica busca establecer agrupaciones de elementos otipologías que al ser analizadas, sean homogéneas en su interior y, a la vez, al ser comparadasentre ellas, sean heterogéneas entre sí.

La técnica específica para desarrollar el análisis de tipologías de las comunas fue la Técnica deAnálisis de Clasificación de K-Medias o de Optimización (Quick Cluster en inglés), contenida enel paquete de análisis estadístico computacional SPSS. El motivo por las que se optófinalmente por ella por sobre otras técnicas de análisis de tipologías disponibles en el programa(Análisis de Conglomerados Jerárquicos, Cluster en inglés), tienen relación con las siguientesrazones:

a. La técnica utilizada permite establecer a priori los límites del proceso clasificatorio de loselementos, indicando antes de dar inicio al análisis, la solución final, es decir, la cantidadde conglomerados en los que se busca clasificar al conjunto de elementos disponibles(comunas en este caso). Esta situación permite ajustar mejor el proceso clasificatorio alas metas establecidas para la presente línea de investigación del programa.

b. La técnica de Clasificación de K-Medias entrega una optimización de la soluciónsolicitada al comienzo del análisis, de modo que ajusta las agrupaciones oconglomerados resultantes en función de la varianza observada en los factores declasificación. Además, el Análisis de Varianza que entrega el procedimiento permiteobservar cuáles de los factores utilizados presentan la mayor potencia de clasificaciónrelativa. Esto permite que ajustar las tipologías resultantes en función de las variables demayor potencia clasificatoria, haciendo más parsimonioso el proceso de confección delos conglomerados solicitados.

2

4. Formulación de Indicadores socio-económicos y demográficos a nivel de las comunasdel país.

Para la elaboración del conjunto de indicadores que sirvieron de factores o variables declasificación para la confección de los conglomerados de comunas, se procedió a realizar unaRecodificación de un conjunto de variables contenidas en la encuesta CASEN 2009.

El proceso de Recodificación de variables tuvo como finalidad principal realizar un tratamientode las variables primarias en términos de presencia/ausencia de rasgos (ej: pertenencia agrupos étnicos: Sí/No), de re-categorización de escalas de las variables (ej: Tamaño deempresa: micro, pequeña, mediana y grande), y para la estimación de indicadores numéricos apartir de rangos previos (ej: estimación del ahorro esperado, de la deuda esperada).

Este tratamiento de las variables primarias a través del método de Recodificación de susescalas de medición originales, permitió el desarrollo de los perfiles de las comunas a partir delprocedimiento de Agregación a nivel comunal del conjunto de las características sociales,económicas y demográficas que presentan los habitantes de cada una de las comunasanalizadas. Los indicadores resultantes son del siguiente tipo:

Proporción de población comunal que pertenece a grupos étnicos.

Distribución intra-comunal de los ocupados según tamaño de las empresas donde se

emplean. Estimación de la deuda per cápita esperada por comuna, etc.

4.1. Tratamiento de variables encuesta casen 2009 para la formulación de tipologíascomunales.

4.1.1. Recodificación de variables originales.Para realizar el proceso de Recodificación descrito, se ha utilizado el paquete computacional deanálisis estadístico SPSS. La herramienta de Recodificación (RECODE) en distintas variablespermitió la re-categorización de las escalas de las variables originales. El conjunto de variablesrecodificadas y sus nuevas categorías, se presentan en el anexo I, letra A.

4.2. Elaboración de indicadores a nivel comunal para la confección de los perfilescomunales.

4.2.1. Elaboración y cálculo de indicadores para las comunas. Para la elaboración de los indicadores a nivel comunal, se utilizó el procedimiento deAgregación de Datos (AGGREGATE), disponible en el paquete computacional de análisisestadístico SPSS. El procedimiento de agregación de los datos se hizo a nivel comunal, demanera de obtener indicadores sociales, económicos y demográficos para las comunas, apartir de la agregación de los rasgos presentes en sus respectivas poblaciones. Se debe indicarpara el cálculo de los indicadores comunales a través del procedimiento de Agregación de datosa nivel de comunas, previamente se ponderó la base de datos (WEIGHT BY EXPC) de laencuesta CASEN 2009 con el Factor de Expansión Comunal contenido en ella, de modo que

3

los indicadores resultantes fungieran como parámetros representativos de la poblacióncomunal. La elaboración y cálculo de los indicadores para las comunas se presentan en elanexo I, letra B.

4.3. Variables de caracterización comunal resultantes.A partir de cálculo del conjunto de indicadores elaborados para las diferentes comunas del país,se confeccionó una base de datos que contiene las variables que se presentan a continuación.Se debe indicar que la base de datos resultantes es producto del procedimiento de Fusión deArchivos (MATCH FILES), los que resultaron de los sucesivos procedimientos de Agregación deDatos a nivel comunal que se realizaron para confeccionar los indicadores comunales. Talprocedimiento está disponible en el paquete computacional de análisis estadístico SPSS.

ETIQUETA DE LAS VARIABLES VARIABLES

Comuna Identificación del hogar (Comuna).

Poblacion_Comunal Población comunal.

Hogares_comuna Total de hogares por comuna.

Núcleos_comuna Total de núcleos familiares por comuna.

Ocupados Número de ocupados por comuna.

Inactivos_comuna Población inactiva por comuna.

Desocupados_com Población desocupada por comuna.

Mayores_65_años_mean Proporción población de 65 años y más.

Menores_15_años_mean Proporción de población menor de 15 años.

t5.1_etnia_meanProporción de población que declara pertenecer agrupos étnicos.

Jefe_hog_mujer Número de Mujeres jefas de hogar.

Hogares_jefes_mujer Proporción de hogares con mujer jefe de hogar.

EDAD_promedio_jefes_hog Promedio de edad de jefes de hogar.

Prop_pob_POBRE Proporción de población en situación de pobreza.

o19.1_caracter_empleo_meanProporción de jefes de hogar ocupados conempleo permanente.

o21.1_red_social_empleo_meanProporción de jefes de hogar ocupados queobtuvo empleo actual a través de red socialpropia.

o23.1_rol_laboral_meanProporción de jefes de hogar ocupados que sonempleadores/trabajadores por cuenta propia.

o25.1_contrato_lab_meanProporción de jefes de hogar ocupados que tienencontrato firmado.

o26.1_duración_contrato_meanProporción de jefes de hogar ocupados concontrato de trabajo indefinido.

o29.1_afiliación_seg_ces_meanProporción de jefes de hogar ocupados cotizantesdel seguro de cesantía.

o31.1_afiliación_previsional_meanProporción de jefes de hogar ocupados afiliadosal sistema previsional.

4

o32.1_Pago_Cotizaciones_meanProporción de jefes de hogar ocupados afiliadosal sistema previsional que cotizan actualmente.

o33.1_Asistencia_Capacitaciones_mean

Proporción de jefes de hogar ocupados queasistieron a capacitaciones los últimos 12 meses.

Jefes_ocupados Total jefes de hogar ocupados.

EDAD_mean Edad promedio jefes hogar ocupados.

ESC_mean Escolaridad promedio jefes hogar ocupados.

o19.1_caracter_empleo_mean_OCUP

Proporción de ocupados con empleo permanente.

o21.1_red_social_empleo_mean_OCUP

Proporción de ocupados que obtuvo empleoactual a través de red social propia.

o23.1_rol_laboral_mean_OCUPProporción de ocupados que sonempleadores/trabajadores por cuenta propia.

o25.1_contrato_lab_mean_OCUPProporción de ocupados que tienen contratofirmado.

o26.1_duración_contrato_mean_OCUP

Proporción de ocupados con contrato de trabajoindefinido.

o29.1_afiliación_seg_ces_mean_OCUP

Proporción de ocupados cotizantes del seguro decesantía.

o31.1_afiliación_previsional_mean_OCUP

Proporción de ocupados afiliados al sistemaprevisional.

o32.1_Pago_Cotizaciones_mean_OCUP

Proporción de ocupados afiliados al sistemaprovisional que cotizan actualmente.

o33.1_Asistencia_Capacitaciones_mean_OCUP

Proporción de ocupados que asistieron acapacitaciones los últimos 12 meses.

EDAD_mean_OCUP Edad promedio ocupados.

ESC_mean_OCUP Escolaridad promedio ocupados.

Ingreso_trab_promedio_hogar Promedio de ingresos trabajo.

Ingreso_auto_promedio_hogar Promedio ingreso autónomos.

Ingreso_monet_promedio_hogar Promedio ingresos monetarios.

Ingreso_monet_percap_promedio Promedio de ingreso per cápita.

Ingreso_total_promedio_hogar Promedio ingresos totales.

Ingreso_trab_total Total ingresos del trabajo.

Ingreso_auto_total Total ingresos autónomos.

Ingreso_monet_total Total ingresos monetarios.

Ingreso_total_total Total ingresos totales.

Subsidios Monto subsidios.

Prop_IngTRAB_IngTOTProporción de los ingresos del trabajo sobre elingreso total.

Prop_IngAUTO_IngTOTProporción de los ingresos autónomos sobre elingreso total.

Prop_IngMONET_IngTOTProporción de los ingresos monetarios sobre elingreso total.

5

Prop_SUB_IngTOT Proporción de los subsidios sobre el ingreso total.

Deuda_Total_sum Deuda total esperada comuna.

Deuda_promedio_percápita Monto deuda per cápita esperada por comuna.

Presión_deudasPresión de la deuda per cápita sobre el ingresomonetario per cápita.

Sector_1º_sum ocupados en el sector primario.

Sector_2º_sum ocupados en el sector secundario.

Sector_3º_sum ocupados en sector terciario.

Proporción_ocup_sector_1º Proporción de ocupados sector 1º.

Proporción_ocup_sector_2º Proporción de ocupados sector 2º.

Proporción_ocup_sector_3º Proporción de ocupados sector 3º.

t1.1a_discapacidad_a_meanProporción de población que presenta algunadiscapacidad.

t18.1a_Participación_a_meanProporción de población que participa enorganizaciones o grupos organizados.

Conocimiento_mec_com_2_meanProporción de personas que conoce mecanismosde participación.

t5.1_etnia_mean_POBProporción de población que pertenece a algúngrupo étnico.

Padres_univert_2_sum Jefes de hogares con padres universitarios.

Jefes_universitarios Jefes de hogares universitarios.

Porcent_jefes_con_padres_univerPorcentaje de jefes de hogar con padresuniversitarios.

Porcent_jefes_univer Porcentaje de jefes de hogar universitarios.

Tasa_reprod_universit Tasa de reproducción universitaria.

s26.1_meanProporción de personas que recibierontratamiento salud por enfermedad Auge.

s26.1_sumTotal de personas que recibieron tratamientosalud por enfermedad Auge.

Mayores_65_años_sum Población de 65 años y más.

Menores_15_años_sum Población menor de 15 años.

RAZON_MEN_MAYRazón entre población menor de 15 años y de 65años y más.

Micro_empresa Número de ocupados en microempresas.

Pequeña_empresa Número de ocupados en empresas pequeñas.

Mediana_empresa Número de ocupados en empresas medianas.

Gran_empresa Número de ocupado en grandes empresas.

Tamaño_descNúmero de ocupados en empresas de tamañodesconocido.

DentroOcupados que trabajan dentro de su comuna deresidencia.

FueraOcupados que trabajan en fuera de su comuna deresidencia.

Razón_Dentro_FueraRazón entre los ocupados que trabajan dentro desu comuna de residencia y los que trabajan fuerade ella.

6

Porcent_ocup_intracomunaPorcentaje de ocupados que trabajan en sucomuna de residencia.

Porcent_ocup_extracomunaPorcentaje de ocupados que trabajan fuera de sucomuna de residencia.

La base de datos resultante del tratamiento de las variables contenidas en la base de datos dela encuesta CASEN 2009, además incluyó variables provenientes de otras bases de datos. Lasbases en cuestión son las relacionadas al IDH comunal para el año 2003, el Índice de GINIcomunal del 2009, resultados del SIMCE 4º básicos 2009 y el Censo 2002.

ETIQUETA DE LAS VARIABLES VARIABLES

DimensiónEducación03Valor en la dimensión educación según lametodología del índice (2003).

DimensiónIngresos03Valor en la dimensión ingreso según la metodologíadel índice (2003).

DimensiónSalud2003Valor en la dimensión salud según la metodologíadel índice (2003).

IDH_03Valor índice IDH obtenido al combinar los valores delas tres dimensiones (2003).

Gini Indice GINI (2009).

Superficie Superficie comunal.

SIMCE Resultados SIMCE 4to básico 2009.

Densidad_poblacional Densidad poblacional.

5. Proceso de clasificación tipológica de las comunas para la confección de losconglomerados.Dentro del proceso análisis de tipologías desarrollado para la elaboración de los conglomeradosde comunas, se puede distinguir 3 etapas de análisis, a saber: una primera etapa deexploración de la base de datos confeccionada para los propósitos del análisis; una segundaetapa de ensayo de procesos clasificatorio utilizando un conjunto más acotado de variables deltotal de contenidas en la base confeccionada, y una tercera etapa, donde se desarrollo deforma definitiva el proceso de clasificación para la confección de los conglomerados definitivos.

5.1. Etapa de exploración.La etapa de exploración del análisis tuvo como propósito observar el comportamiento de de losindicadores confeccionados, de manera de determinar en una primera fase cuales de losindicadores mostraban, comparativamente, la mayor capacidad de clasificación. Esta etapaestuvo dirigida en sus inicios, de manera intuitiva, pues se buscaba observar empíricamente lacapacidad clasificatoria de los diferentes indicadores elaborados. Los resultados de estaprimera etapa no fueron auspiciosos, de modo que se sometió a discusión la pertinencia tantode los indicadores elaborados como la técnica de clasificación utilizada para la elaboración delos conglomerados.

7

Las intuiciones que guiaron esta etapa del análisis se relacionaron principalmente condesarrollar una clasificación que controlase los efectos de las variables relacionadas al ingresosobre resultado final de los conglomerados resultantes. La intuición (o hipótesis implícita) eraque las variables relacionadas al ingreso (ingreso total, autónomo, monetario, etc.), pudiesenexpresar una potencia de clasificación muy fuerte sobre las comunas, de modo que el procesoresultase muy sesgado por los factores de índole económica, de detrimento de los factoressociales, culturales y demográficos. Esta situación, desde el punto de vista inicial de lainvestigación, amenazaba con empobrecer el proceso de confección de los conglomerados. Enla medida que los conglomerados una vez determinados, debían ser estratificados, la dimensióningreso sería utilizada a posteriori.

5.2. Etapa de ensayo.La etapa de ensayo se emprendió una vez que se discutió con el equipo de investigadores elproceso de clasificación exploratorio realizado hasta ese momento, la pertinencia conceptual delos indicadores elaborados y la técnica de clasificación utilizada. Una vez discutida la fase deexploración, se llegaron a los siguientes acuerdos metodológicos:

a. Confeccionar nuevos indicadores que asociaran dimensiones relevantes para lainvestigación (por ejemplo, que se relacionaran en un mismo indicador variables deingreso con variables de deuda), de modo de analizar su relación en cada comuna y suincidencia en el proceso clasificatorio.

b. Conjugar en el proceso clasificatorio variables asociadas a dimensiones estructurales delas comunas (tamaño, población, densidad, ingresos, distribución de los ocupadossegún sector económico, entre otras), con variables asociadas a dimensionessocioculturales (IDH y sus componentes educacionales y de salud, desagregados; índicede GINI para las comunas, proporción comunal de hogares con mujeres jefas de hogar,entre otras). La idea de esta nueva estrategia era observar el comportamiento delproceso clasificatorio y de las comunas, utilizando variables que combinarandimensiones estructurales con aspectos de carácter socio-cultural y demográficosasociados a sus habitantes.

Se estableció como objetivo fundamental de estas medidas alinear de mejor forma los procesosde clasificación ensayados a los objetivos estratégicos del estudio asociados a la línea 1 deinvestigación del programa.

Como una forma de optimizar el proceso de ensayo, los encargados de la línea 1 deinvestigación, establecieron un protocolo de trabajo para acotar los procesos de clasificación aensayar. El protocolo diseñado comprendió las siguientes medidas:

Utilizar las técnicas de Optimización y de Jerarquización para ensayar las

clasificaciones, las que se distribuyeron entre encargados de la línea de investigación. La clasificación ensayaría secuencialmente la conformación de un mínimo de 5

conglomerados finales hasta un máximo de 8 conglomerados finales. Los procesos de clasificación ensayados utilizarían primero las variables en su forma

natural y luego, en su forma estandarizada.

8

Las variables a utilizar en los procesos de ensayos serían las siguientes: población

comunal, densidad comunal, vocación productiva comunal expresada por la distribuciónde los ocupados según sector productivo, la dimensión ingreso (expresada en lasdiferentes variables asociadas: ingresos monetarios, ingresos totales, etc.); la proporciónde población comunal en situación de pobreza, el índice de GINI comunal, el Índice deDesarrollo Humano desagregado en sus componentes de educación y salud; proporcióncomunal de hogares con mujeres jefas de hogar.

A estas variables básicas cada investigador agregó otras variables que estuvieran enconsonancia conceptual y metodológica tanto con los objetivos estratégicos de la línea deinvestigación como con las medidas metodológicas previamente adoptadas.

En función de los resultados arrojados por la aplicación del protocolo de análisis establecido porlos encargados de la línea de investigación, se adoptaron las siguientes medidas:

Desechar la técnica de Jerarquización como procedimiento de clasificación y

establecimiento de conglomerados. El procedimiento que en definitiva se utilizaría parala confección de los conglomerados finales sería la de Optimización.

Utilizar las variables en su forma natural para aprovechar su potencia clasificatoria. Las

formas estandarizadas no mejoraron el rendimiento clasificatorio de las variablesconsideradas.

Por otra parte, la observación de los resultados de los procesos de clasificación ensayados porlos encargados de la línea de investigación, arrojaron las siguientes regularidades:

La generación de conglomerados únicos (entre 2 y 4, según la solución solicitada al

procedimiento –mínimo 5, máximo 8). Es decir, conglomerados que comprendían sólouna o dos comunas. Esto indica que en el país hay un número de comunas que al seranalizadas en función de las variables de clasificación comprendidas en el estudio, no seagrupan junto con otras. Esto es un indicador de la condición de excepcionalidad deestas comunas-conglomerados.

La generación de conglomerados pequeños (generalmente 2, uno más grande que otro

en una relación 1:3, según la solución solicitada al procedimiento utilizado). En elconglomerado más grande se tendían a agrupar recurrentemente, las capitalesregionales con comunas clases media-populares del la región metropolitana. Talagrupamiento tendía a realizarse principalmente en torno a las variables de poblacióncomunal.

La generación de un gran conglomerado, cuya cantidad de comunas fluctuó entre los

195 casos hasta los 245 casos (según la solución inicial solicitada al procedimiento declasificación utilizado). Condiciones más homogénea de población, densidad, pobreza eingresos.

En función de las regularidades arrojadas por los diferentes procedimientos de clasificaciónensayados, se realizaron las siguientes conclusiones provisorias:

i. En el país existe un conjunto reducido de comunas únicas, cuya excepcionalidad estádada principalmente por los elevados ingresos económicos que percibe su población

9

residente. Los restantes casos de conglomerados “extraños” que se pueden observar, serelacionan con comunas que presentan una combinación atípica de las variables declasificación consideradas.

ii. Luego, hay un conglomerado que tiende a agrupar de modo persistente un grupo decomunas que fluctúa entre las 45 a 70 casos (según la solución solicitada alprocedimiento de clasificación utilizado). Este conglomerado tiende a agrupar a lascapitales regionales con las comunas de Santiago, para estos efectos, se handenominado como comunas clases medias-populares.

iii. Y la última conclusión se relaciona con la persistencia de un gran conglomerado, quetiende a aglutinar un número elevado de comunas (entre el 55% y el 70% del total decasos a clasificar). La persistencia de este gran conglomerado en los diferentesprocesos de clasificación ensayados, sugirió como hipótesis de trabajo que en torno alas variables clasificatorias consideradas, tiende a aglutinarse espontáneamente unconjunto numeroso de comunas.

El análisis de los parámetros del gran conglomerado resultante muestra que, al ser comparadoscon los de los otros conglomerados formados en el proceso de clasificación, ellos tienden a sersignificativamente distintos de los exhibidos por los restantes grupos. Esto significa que si setomase un caso del conglomerado en cuestión y se lo comparase un caso cualquiera de losrestantes conglomerados, aquel resultaría significativamente distinto. En otras palabras, aquelgran número de comunas en cuestión terminaron por conglomerarse por defecto, en donde seterminaron de agrupar todas aquellas comunas que no eran ni excepcionales, ni atípicas y quecentro urbanos medios-populares.

Esta situación en un primer momento planteó serias dudas sobre el proceso clasificatorio, sobrelas dimensiones y los parámetros considerados. Sin embargo, mirado desde otra perspectiva,dio paso a la posibilidad de aprovechar la información arrojada por los procesos de clasificaciónensayados, y buscar una solución que fuese creativa y consistente, tanto con los objetivosestratégicos de la línea de investigación, como con los procedimientos, dimensiones yparámetros diseñados y utilizados para llevar a cabo el proceso de clasificación.

Tal solución consistió en probar un proceso de reclasificación sobre el gran conglomerado quepor defecto y espontáneamente se formaba en los ensayos. Es decir, se definió una segundaronda de clasificación para las comunas. Tal prueba se llevaría a cabo utilizando el mismoconjunto de variables clasificatorias usadas en la primera ronda, de modo de ver si era posible“quebrar” este gran conglomerado que se había formado por defecto en los ensayos declasificación, de modo que pudiesen conformarse nuevos conglomerados consistentesinternamente. Los resultados de este proceso de prueba mostraron que el proceso dereclasificación era plausible y arrojaba resultados con sentido. A partir de los resultadosarrojados se adoptó una importante decisión metodológica: el proceso de conformación final delos conglomerados de comunas, se desarrollaría un proceso de clasificación tipológica en dosrondas. De este modo se obtendrían la cantidad de conglomerados necesarios para desarrollarla investigación en función de los objetivos estratégicos fijados para la línea 1 de investigación.

10

A modo de ilustración del funcionamiento de las medidas adoptadas, se muestra uno de losprocesos de clasificación ensayados bajo el protocolo metodológico establecido finalmente.

a. Variables ocupadas: Análisis VARIABLES OBSERVACIONES

Promedio de ingreso per cápita

No se excluyen casos atípicos

Proporción de ocupados sector 3º

Proporción de ocupados sector 1º

Valor en la dimensión educación según la metodología del índice (2003)

Densidad poblacional

Proporción de población en situación de pobrezaValor en la dimensión salud según la metodología del índice (2003)

Nota: Se excluye del análisis las variables POBLACIÓN COMUNAL

b. Conglomerados solicitados: 4 (solución final ensayada).

c. Análisis de los centros finales.

Centros de los conglomerados finales

Conglomerado

1 2 3 4

Promedio de ingreso per cápita 1.019.756,25 224.771,76 707.529,84 130.883,40

Proporción de ocupados sector 3º ,87 ,63 ,74 ,47

Proporción de ocupados sector 1º ,02 ,18 ,10 ,36

Valor en la dimensión educación

según la metodología del índice

(2003)

,9379 ,7524 ,8597 ,6747

Densidad poblacional 2.847,52 1.595,61 3.246,53 560,33

Proporción de población en

situación de pobreza,01 ,11 ,03 ,19

Valor en la dimensión salud según

la metodología del índice (2003),9032 ,7872 ,8253 ,7503

11

Número de casos en cada conglomerado.

Conglomerado

1 2

2 70

3 4

4 253

Válidos 329

Perdidos 15

d. Re-clasificación del Conglomerado 4.

Centros de los conglomerados finales.

Conglomerado

1 2 3 4

Promedio de ingreso percápita 115.728,71 165.828,69 97.332,50 138.230,89

Proporción de ocupados sector 3º ,42 ,56 ,42 ,48

Proporción de ocupados sector 1º ,43 ,26 ,43 ,34

Valor en la dimensión educación según la

metodología del índice (2003),6547 ,7180 ,6424 ,6790

Densidad poblacional 40,99 1.290,34 165,38 716,82

Proporción de población en situación de

pobreza,21 ,13 ,28 ,15

Valor en la dimensión salud según la

metodología del índice (2003),7325 ,7791 ,7234 ,7612

Número de casos en cada conglomerado.

Conglomerado

1 72

2 61

3 47

4 73

Válidos 253

Perdidos 0

12

ANOVA

Conglomerado Error

F Sig.Mediacuadrática

glMedia

cuadráticagl

Promedio de ingreso percápita

4,929E10 3 4,683E7 249 1052,480 ,000

Proporción de ocupadossector 3º

,273 3 ,015 249 18,618 ,000

Proporción de ocupadossector 1º

,391 3 ,025 249 15,742 ,000

Valor en la dimensióneducación según lametodología del índice(IDH_2003)

,065 3 ,002 249 38,482 ,000

Densidad poblacional 2,035E7 3 4712451,422 249 4,318 ,005

Proporción de poblaciónen situación de pobreza

,233 3 ,004 249 54,042 ,000

Valor en la dimensiónsalud según lametodología del índice(IDH_2003)

,039 3 ,004 249 10,555 ,000

Las pruebas F sólo se deben utilizar con una finalidad descriptiva puesto que los conglomerados hansido elegidos para maximizar las diferencias entre los casos en diferentes conglomerados. Los nivelescríticos no son corregidos, por lo que no pueden interpretarse como pruebas de la hipótesis de que loscentros de los conglomerados son iguales.

e. Número final de Conglomerados: 6 Clusters A: conglomerados 1 (2 casos) y 3 (4 casos) de la primera ronda de análisis de

la Clasificación. Cluster B: conglomerado 2 (70 casos) de la primera ronda de análisis de la

Clasificación. Cluster C: conglomerado 1 (72 casos) de la segunda ronda de análisis de la

Clasificación (clasificación del conglomerado nº 4 de la 1º ronda de análisis). Cluster D: conglomerado 2 (61 casos) de la segunda ronda de análisis de la

Clasificación (clasificación del conglomerado nº 4 de la 1º ronda de análisis). Cluster E: conglomerado 3 (47 casos) de la segunda ronda de análisis de la

Clasificación (clasificación del conglomerado nº 4 de la 1º ronda de análisis). Cluster F: conglomerado 4 (73 casos) de la segunda ronda de análisis de la

Clasificación (clasificación del conglomerado nº 4 de la 1º ronda de análisis).

8. Proceso definitivo de formación de conglomerados.

Luego del proceso descrito de ensayo de distintos conjuntos de variables para generar losgrupos, se optó por incorporar las siguientes variables:

a) Densidad de la comuna al 2009.

13

Densidad comunal = Población comuna/ Superficie comuna (Km2)

b) Porcentaje de la población que trabaja en actividades pertenecientes al sector primario dela economía.

% Ocupados sector primario = (Ocupados sector primario/ Total ocupados) * 100

c) Promedio del ingreso autónomo de los hogares.

Ingr. Autónomo Hogares = Ingreso autónomo del hogar comuna/ Población comunal.

d) Monto promedio de deuda per cápita.

Deuda per cápita = Deuda total hogares comuna/ Población comunal.

e) Presión de la deuda sobre el ingreso.

Presión deuda = Deuda per cápita/ Ingreso monetario per cápita.

f) Porcentaje de población afiliada al seguro de cesantía.

% Afiliados = ( Ocupados cotizantes del seguro/ Total ocupados comuna) * 100

g) Porcentaje de población afiliada al sistema previsional.

% Afiliados = ( Población afiliada/ Total población comunal) * 100

El proceso se desarrollo en dos rondas de clasificación4, aplicándose nuevamente una mismatécnica de clasificación con las mismas variables, al grupo que contenía más comunas obtenidoen la primera ronda. Además, se incorporó una etapa inicial de validación de los datos, dondese identificaron casos inusuales que fueron excluidos del análisis, así como una etapa posteriordonde se asignó manualmente un grupo de pertenencia –en función de las medias de losgrupos creados– a los casos o comunas que habían sido excluidas en razón de su atipicidad oporque no alcanzaban a formar grupos suficientes cuando se clasificaban a través del procesoautomático. A continuación, se describe en detalle cada paso de las etapas seguidas:

8.1 Comunas no incluidas en el análisis por falta de información.

Desde el año 2004, y luego de la creación de las nuevas comunas de Cholchol, Alto Biobío, AltoHospicio, Hualpén, San Pedro de la Paz y Chiguayante, Chile tiene 346 comunas. De éstas, se

4 La clasificación se realizó, tal como señalado anteriormente, con la técnica no jerárquica de generaciónde clusters basada en las distancias entre los casos (K-medias) en planos multidimensionales definidospor las variables consideradas.

14

excluyeron del análisis 12 comunas: Juan Fernández e Isla de Pascua en la V Región,Chaitén en la X Región, Lago Verde, Guaitecas, O’Higgins y Tortel en la XI Región, RíoVerde, Timaukel, Laguna Blanca, Torres del Paine y Antártica en la XII Región. Estascomunas comprenden, en total, 17.490 habitantes (CENSO 2002), por lo que no representanuna proporción significativa del total de la población de Chile.

8.2 Identificación y exclusión de casos atípicos.

Como parte de una estrategia de validación de los datos, y utilizando la herramienta deidentificación de casos inusuales de SPSS (Identify unusual cases), se procedió a identificar loscasos o comunas cuyo datos en cada variable presentaran desviaciones respecto de los datosesperados para comunas con las mismas características en las variables consideradas (gruposde homólogos). Se trabajó con los valores que maneja por defecto el programa: generación de1 a 15 grupos de homólogos y descarte del 5% de casos con los mayores valores del índice deanomalía.

Las comunas excluidas del análisis y la razón principal por la cual fueron excluidas sonpresentadas a continuación:

Comuna Razón de su exclusiónProvidencia Presenta un monto de deuda per cápita muy alto ($1.278.486)

Las Condes Presenta un ingreso autónomo promedio por hogar muy elevado($3.732.309).

Colchane Presenta un porcentaje de afiliación al sistema previsional muy bajo (21%).

Vitacura Presenta un ingreso autónomo promedio por hogar muy elevado($3.331.563).

María Elena Presenta un porcentaje de afiliación al seguro de cesantía muy bajo (62%).

Lo Barnechea Presenta un ingreso autónomo promedio por hogar muy elevado($3.325.714).

Saavedra Presenta un porcentaje de afiliación al sistema previsional muy bajo (28%).

General Lagos Presenta un porcentaje de afiliación al seguro de cesantía muy bajo (0%)

Llaillay Presenta una muy alta presión por deudas (1,12)

Cholchol Presenta un porcentaje de afiliación al sistema previsional muy bajo (33%)

Camiña Presenta un porcentaje de afiliación al sistema previsional muy bajo (28%)

Tierra Amarilla Presenta una muy alta presión por deudas (2,2).

8.3 Primera ronda de clasificación: Análisis de conglomerados Análisis K-Medias deconglomerados, en 8 grupos.

Con las variables seleccionadas y las 322 comunas restantes luego de la exclusión de lascomunas consideras atípicas, se procedió a aplicar el procedimiento aglomerativo degeneración de clusters (K-means cluster analysis), solicitando la formación de 8 clusters y con

15

un máximo de 10 iteraciones en el cálculo. Este proceso dio como resultado los siguientesgrupos:

GRUPO1

GRUPO2

GRUPO3

GRUPO4

GRUPO5

GRUPO6

GRUPO7

GRUPO8

Número comunas

37 4 113 1 52 7 12 96

% Sector Primario

22% 12% 42% 03% 17% 17% 14% 34%

Deuda percápita $340.159 $752.540 $115.844 $617.379 $253.931 $650.296 $354.694 $171.120

Presión Deuda 2,11 1,90 1,07 ,92 1,30 2,71 1,44 1,20

Ingreso Autón. $595.380$1.290.55

3$371.082

$2.561.830

$759.717 $825.610$1.005.84

6$535.112

% Afiliac. Seguro Cesantía

35,94% 43,41% 28,80% 26,86% 36,70% 40,41% 39,55% 34,83%

% Afiliac. Sist. Previsión

78,60% 83,41% 69,59% 81,10% 79,43% 89,31% 81,47% 77,00%

Densidad (h/Km2)

976,66 4101,14 28,69 4112,48 1711,15 176,88 2330,36 851,29

Comunas representativas

LimacheOlmuéToméTalca

Puente Alto

Los AndesPorvenirSantiagoÑuñoa

San RafaelPelarcoPalmillaRauco

Cabrero

La Reina

TemucoCerrillos

DalcahueCalera

Copiapó

SanGregorio

San Pedrode la PazQuilpuéPuntaArenas

Primavera

TaltalSan Pedrode AtacamaAntofagasta

CalamaMaipú

IllapelMolinaPadre

HurtadoCamarones

Alto delCarmen

Como puede observarse, es esta primera ronda se distingue, por un lado, tres grupos con muypocas comunas: aquél que agrupa a Los Andes, Porvenir, Santiago y Ñuñoa, el que estáconformado sólo por la comuna de La Reina y el grupo de San Gregorio, San Pedro de la Paz,Quilpué, Punta Arenas, Primavera, Ollagüe y Sierra Gorda.

Por otro lado, se distinguen 4 grupos consistentes de comunas:i. un conglomerado de 96 comunas, con el segundo porcentaje más alto de población que

trabaja en el sector primario, un ingreso y presión de la deuda moderados,acompañados de un nivel más bien alto de afiliación a sistemas de seguridad, encomparación con el otro grupo que contiene mayor población trabajando en el sectorprimario;

ii. un conglomerado de 37 comunas, que tiene mayor población trabajando en el terciario,manteniendo los mismo niveles de afiliación a sistemas de seguridad e ingreso, pero conuna presión de la deuda superior a la del grupo anterior;

iii. un conglomerado de 52 comunas, que tiene un mayor ingreso respecto de los gruposantes descritos, pero mantiene los mismos niveles de afiliación a sistemas de seguridad;y

iv. un conglomerado de 7 comunas de alto ingreso y alta deuda, pero con mejores nivelesde afiliación a sistemas de seguridad.

16

Finalmente, es posible observar claramente un gran grupo, formado por 113 comunas, dondepredomina el sector primario de la economía, una baja presión de la deuda y una baja afiliacióna los sistemas de seguridad considerados, respecto al resto de los grupos. Además, este grupopresenta el nivel de ingreso más bajo. Por esta razón, y con el objetivo de obtenerconglomerados más pequeños, se procede a una segunda ronda clasificatoria, con un procesosimilar en términos técnicos, pero incluyendo sólo a las 113 comunas de este gran grupo, yagrupando sólo en 3 subgrupos.

8.4 Segunda ronda de clasificación: Análisis K-Medias de conglomerados, en 3 grupos.

Con las variables seleccionadas y las 113 comunas pertenecientes al gran grupo obtenido en laprimera ronda de clasificación, se procedió a aplicar el procedimiento aglomerativo degeneración de clusters (K-means cluster analysis), solicitando la formación de 3 clusters y conun máximo de 10 iteraciones en el cálculo. Este proceso dio como resultado los siguientesgrupos:

GRUPO1

GRUPO2

GRUPO3

Número comunas 39 41 33

% Sector Primario 44% 38% 46%

Deuda percápita $84.776 $170.076 $85.181Presión Deuda 0,86 1,53 0,73Ingreso Autón. $318.433 $387.044 $413.473% Afiliac. Seguro Cesantía 23,62% 28,31% 35,53%% Afiliac. Sist. Previsión 63,85% 70,78% 74,88%densidad (h/Km2) 25,20 32,79 27,74

comunas representativas cluster

HualañéLonquimayTraiguénÑiquénRanquil

VilcúnFlorida

San JavierCuranilahue

Tucapel

PuqueldónPeralilloAntucoPinto

Vichuquén

Como puede observarse en el cuadro, los tres grupos resultantes de la división del grupo decomunas donde prima el sector primario se distinguen entre sí por el nivel de presión de ladeuda (el grupo 2 destaca en este sentido, con un alto nivel de endeudamiento), y por el nivelde afiliación al seguro de cesantía y a un sistema de previsión (el grupo 3 tiene niveles similaresde deuda con el 1, pero también mejores ingresos y mejores niveles de seguridad, aunque es elque más se orienta a actividades primarias).

8.5 Conglomerados generados en las dos rondas clasificatorias (agregación de losconglomerados obtenidos en los dos procesos).

Considerando sólo los conglomerados obtenidos que tuvieran más de 10 casos, en las dosrondas de clasificación descritas anteriormente, se obtuvieron siete grupos de comunas según

17

las características que describe la siguiente tabla. Nótese que se indica la ronda que se obtuvoel grupo así como el número de cluster asignado por el programa estadístico al quecorrespondía cada grupo.

GRUPO 1 GRUPO 2 GRUPO 3 GRUPO 4 GRUPO 5 GRUPO 6 GRUPO 7

Ronda de Clasificación

Segunda Segunda Segunda Primera Primera Primera Primera

Grupo de Origen

3 1 2 8 1 5 7

Número de Comunas

33 39 41 96 37 52 12

% PoblaciónSector Primario

46% 44% 38% 34% 22% 17% 14%

Densidad (H/Km2)

27,74 25,50 32,79 851,29 976,66 176,88 2330,36

Ingreso Autón Hogar

$413.374 $318.433 $387.044 $535.112 $595.380 $825.610$1.005.84

6% AfiliaciónSeguro Cesantía

36% 24% 28% 35% 36% 40% 40%

% Afiliación Previsión

75% 64% 71% 77% 79% 89% 81%

Monto Deuda

$85.181 $84.770 $170.076 $171.120 $340.159 $253.931 $354.694

Presión Deuda

0,73 0,86 1,53 1,2 2,11 1,3 1,44

De esta manera, a través del análisis realizado en SPSS con la herramienta de clasificación K-medias cluster analysis, se identificaron 7 grupos de comunas, en los que el programadistribuyó 300 comunas de Chile según sus datos en las variables escogidas. A continuación semuestra cómo se distribuyeron las 34 comunas restantes para las que sí existía informacióndisponible.

8.6 Asignación manual de comunas restantes.

Así, habiendo identificado 4 grupos consistentes y suficientes en términos de la cantidad decomunas incluidas en la primera ronda, y luego 3 grupos a partir de la segunda ronda declasificación, se creará en forma manual –sin intervención del programa computacional– unoctavo grupo que contendrá las comunas con mayor ingreso, las que, sin embargo, nopresentan comportamientos similares en términos de deudas y afiliación a sistemas deseguridad. Por el contrario, cada una de ellas pareciera registrar un comportamiento específicoy sui generis que generaba también que éstas no se agruparan entre ellas si se las incluía en elanálisis y que, es más, fueran descartadas en el proceso inicial de validación de los datos. Deesta manera, las cinco primeras comunas con los ingresos más altos de Chile, que oscilan entre$3.732.309 y $2.561.830 de ingreso autónomo mensual del hogar, fueron agrupadas en un soloconglomerado de comunas de elite. Queda el desafío de su comprensión y estudio másprofundo.

18

El resto de las comunas, que se habían agrupado en conglomerados de cantidadesinsuficientes de comunas, fue asignado en forma manual, según sus características, alconglomerado que más se pareciera, siempre según las variables consideradas en el análisis.Las comunas asignadas manualmente fueron las siguientes, así como sus características y elgrupo final al que fueron asignadas, se describe a continuación:

Comuna%

SectorPrimario

DeudaPercápita

PresiónDeuda

IngresoAutónomo

Hogar

% AfiliacSeguro

Cesantía

% AfliacSistema

Previsión

densidad(h/km2)

GRUPO

Sierra Gorda

22% $ 631.182 2,91 $ 988.851 56,99% 94,23% 0,27 5

Rancagua 23% $ 559.771 2,44 $ 898.710 40,33% 87,40% 939,49 5

Primavera 27% $ 652.736 1,88 $ 852.558 25,00% 100,00% 0,12 5

Ollague 8% $ 697.624 1,9 $ 954.206 47,54% 90,16% 0,09 5

Quilpué 3% $ 769.803 3,81 $ 674.751 51,52% 84,85% 291,08 5

Punta Arenas

11% $ 611.873 3,33 $ 666.178 32,98% 88,35% 6,99 5

María Elena 45% $ 224.311 1,27 $ 741.235 83,00% 97,88% 0,33 4

Tierra Amarilla

59% $ 333.438 2,16 $ 611.821 57,04% 90,07% 1,23 4

Los Andes 19% $ 732.898 2,53 $ 1.116.915 50,17% 92,73% 59,06 7

Porvenir 24% $ 703.489 1,36 $ 1.372.547 42,11% 89,70% 0,81 7

Santiago 1% $ 899.259 2,15 $ 1.274.956 47,47% 77,35% 7577,99 7

Ñuñoa 3% $ 674.518 1,57 $ 1.397.798 33,92% 73,87% 8766,69 7

Cholchol 57% $ 22.214 0,23 $ 306.147 10,64% 32,98% 25,49 2

Camiña 59% $ 62.770 0,51 $ 411.331 8,85% 27,54% 0,49 2

General Lagos

53% $ 2.966 0,03 $ 198.001 0,00% 52,00% 0,58 2

Saavedra 63% $ 110.578 1,3 $ 224.986 3,76% 27,67% 33,45 2

Colchane 46% $ 33.705 0,29 $ 284.769 6,06% 21,21% 0,42 2

Llaillay 51%$ 319.423 2,55 $ 491.994

59,77% 84,22% 66,93 3

Si se reflexiona con mayor detención respecto a las comunas que hemos clasificado en formamanual porque no constituían grupos de un tamaño o consistencia suficiente, que es el caso deLos Andes, Porvenir, Santiago y Ñuñoa –comunas que se agrupaban juntas–, estas comunassuceden a Providencia en el nivel de ingreso, pero con una diferencia de más de un millón depesos en el ingreso autónomo per cápita. Mientras Santiago y Ñuñoa, además, presentan unatradición de clase media, Porvenir presenta un ingreso inusual para una comuna de la XII regióny su densidad es muy baja. Los Andes, por su parte, tiene un ingreso alto –pero también unaalta presión de la deuda– la que se compensa, por así decirlo, con un muy alto nivel deafiliación previsional y al seguro de cesantía, los que superan los de todo el resto de comunasmás ricas. En cierta forma, Porvenir y Los Andes entraron a este grupo a causa de su alto nivelde ingreso.

19

Respecto al grupo formado por San Gregorio, San Pedro de la Paz, Quilpué, Punta Arenas,Primavera, Ollagüe y Sierra Gorda, estas comunas comparten un alto grado de endeudamientoa pesar de tener un ingreso más bien medio-alto. 8. Conglomerados finales de comunas.

Finalmente, y luego de haber realizado el proceso antes descrito (en dos rondas declasificación, descartando casos anómalos y asignando las comunas restantes en formamanual), se obtuvieron los siguientes conglomerados de comunas, cuyas características enrelación a las variables consideradas en el análisis se describen a continuación:

GRUPO1

GRUPO2

GRUPO3

GRUPO4

GRUPO5

GRUPO6

GRUPO7

GRUPO8

Número comunas

33 44 42 98 44 52 16 5

% Sector Primario

45,94% 45,36% 38,17% 34,36% 21,27% 17,04% 13,63% 3,80%

Deuda percápita

$85.181 $ 80.421 $ 173.632 $ 173.319 $ 389.499 $ 253.931 $ 454.156 $ 809.240

Presión Deuda

0,73 0,81 1,56 1,21 2,21 1,3 1,56 0,94

Ingreso Autón.

$ 413.474 $ 314.639 $ 389.543 $ 537.999 $ 632.008 $ 759.718 $ 1.077.024 $ 3.096.405

% Afiliac. Seguro Cesantía

35,53% 21,60% 29,07% 35,55% 36,65% 36,70% 40,52% 27,45%

% Afiliac. Sist. Previsión

74,88% 60,27% 71,11% 77,35% 80,31% 79,43% 81,96% 85,46%

densidad (h/Km2)

27,74 23,7 33,6 833,94 849,42 1711,15 2773,05 3736,07

comunas representativas cluster

PuqueldónPeralilloAntucoPinto

Vichuquén

HualañéLonquimayTraiguénÑiquénRanquil

VilcúnFlorida

San JavierCuranilahue

Tucapel

IllapelMolinaPadre

HurtadoCamarones

Alto delCarmen

LimacheOlmuéToméTalca

Puente Alto

TemucoCerrillosDalcahue

CaleraCopiapó

TaltalSan Pedro

de AtacamaAntofagasta

CalamaMaipú

VitacuraLas CondesProvidencia

LoBarnecheaLa Reina

Población total contenida

448.867 572.765 801.896 3.186.452 4.226.216 4.514.049 2.409.755 691.257

De esta manera, podemos observar los conglomerados definitivos de comunas con los quetrabajaremos, de los que podemos hacer una serie de observaciones en cuanto a suscaracterísticas en términos de las variables utilizadas para la clasificación:

En primer lugar, es importante mencionar que la variable que más varianza distribuyó al generarlos grupos –es decir, que más diferencias marcó–, fue el ingreso autónomo promedio del hogar.Si se observan los cuadros de análisis de varianza (ANOVA), el tamaño relativo del estadísticoF indica que la variable que más aportó para la clasificación de los municipios fue precisamenteel ingreso. Así, el nivel de ingreso va aumentando a partir del grupo 2 y hasta el grupo 8, queconcentra las comunas más ricas. Sin embargo, y a pesar de la centralidad de la variableingreso, no sería exacto sostener que la pertenencia a un conglomerado depende

20

exclusivamente de esta variable, pues es posible sostener que tanto las variables que hemosasociado a niveles de seguridad (afiliación al seguro de cesantía y a un sistema de previsiónsocial) como las que hemos asociado al riesgo (medido como la presión de la deuda sobre elingreso), otorgan una especificidad a cada uno de los grupos. Así, mientras entre el grupo 1 y 2existen alrededor de $100.000 de diferencia en el ingreso, se encuentran endeudados pormontos similares y sus niveles de seguridad no se correlacionan positivamente con el nivel deingreso –por el contrario, en esos conglomerados, un mayor nivel de seguridad se asocia a unmenor nivel de endeudamiento–. Todo lo anterior no impide, sin embargo, que existan gruposque, teniendo características similares en la presión de la deuda y en los niveles de seguridad,presenten niveles de ingreso y de porcentaje de población trabajando en el sector primario, muydiferenciados –es el caso de los grupos 4 y 6–.

En segundo lugar, es posible decir que los conglomerados configuran dos mundos de comunasque se constituyen a partir del porcentaje de población cuyas labores se realizan en el sectorprimario de la economía: los cuatro primeros conglomerados corresponderían, bajo esta lógica,a municipios de carácter más rural, mientras que los cuatro últimos conglomerados reunirían alas comunas de carácter más urbano y que se articularían en torno a ciudades propiamentetales (no pueblos ni caseríos). Es importante notar, por un lado, que las mayores diferenciasentre nuestros grupos centrales en términos de sector de la economía predominante (grupo 4 y5), no reside en el ingreso ni en los niveles de seguridad, sino que en el alto nivel deendeudamiento que presenta el grupo 5 (el mayor de todos los grupos). Por otro lado, seconfirma en cierto sentido la concepción de la ruralidad y las condiciones de los trabajos delsector primario (sobre todo de los sectores silvícola, agrícola y ganadero), que se asociarían amenores ingresos y menores niveles de seguridad. Así, es posible identificar, por ejemplo, ungrupo de clase media rural endeudada (grupo 3) y un grupo de clase media urbana endeudada(grupo 5).

En tercer lugar, se desprenden diferentes cuestionamientos o desafíos teóricos a responder apartir de la generación de los conglomerados: ¿por qué las comunas que tienen los mayoresingresos de Chile presentan un nivel tan bajo de afiliación al seguro de cesantía y, aunqueparezca trivial, por qué tienen niveles de presión de la deuda similares a los de las comunascon más bajos ingresos del país?, ¿por qué, entre comunas con niveles similares de ingresos(como las del grupo 2 y 3, y las del 4 y 5), existen diferentes niveles de endeudamiento y deafiliación a sistemas de seguridad?, ¿qué variables están influyendo para que precisamente larelación entre endeudamiento, ingreso y seguridad no siga un patrón similar en todas lascomunas? Serán estas variables las que podrán orientarnos respecto de factores que influyenen el comportamiento económico de cada comuna, en las que se podrá profundizar en eltrabajo de etnografías y encuesta.A continuación, se describirá cada conglomerado y las comunas que incluye5:

8.1 Rural medio-bajo.

5 Las comunas se presentan en orden creciente por columna de distancia al centroide del conglomerado.Las comunas con asterisco (*) fueron asignadas manualmente y por lo tanto no tienen distancia alcentroide.

21

Las comunas de este conglomerado tienen un ingreso autónomo promedio del hogar de$413.474, presentan altos niveles de afiliación al seguro de cesantía y al sistema previsional, yun bajo nivel de endeudamiento. Tienen el nivel más bajo en el SIMCE (224,91 puntos) y laactividad económica predominante es primaria, especialmente agropecuaria. Las comunas deeste conglomerado se ubican principalmente en la zona sur del país. Corresponde a unaespecie de clase media rural no endeudada, que se sostiene con bajos niveles de desarrollo(educación y salud), pero que tiene seguridad en el empleo y contratos de trabajo formalizados,lo que redunda en un bajo porcentaje de población pobre (17,79%) en relación con el resto delos conglomerados de comunas rurales. Es pertinente preguntarse entonces por qué estascomunas, teniendo niveles de seguridad aceptables, por un lado, no se endeudan tanto y, porotro lado, por qué, teniendo mejores niveles de ingreso que otras comunas, tienen los mismosmalos niveles de desarrollo en salud y educación.

Puqueldón Palmilla Rauco Peralillo Parral San Fabián Antuco Renaico Litueche Pinto Lolol Punitaqui Vichuquén Nacimiento Nancagua Sagrada Familia Negrete Chanco Nueva Imperial Quilleco Placilla Monte Patria Hualqui Pumanque Río Claro Canela Codegua Freirina Longaví San Clemente La Estrella Yerbas Buenas Palena

8.2 Periférico absoluto.

Este grupo de comunas presenta un ingreso autónomo promedio del hogar de $314.639, con unmuy bajo nivel de deuda y de afiliación a los sistemas de seguridad. Presenta bajos niveles dedesarrollo en educación y salud, los más altos porcentajes de población pobre y población rural,así como un alto porcentaje de mujeres jefas de hogar, de población mayor de 65 años y depoblación indígena. Las comunas de este conglomerado son las que más utilizan las redessociales para obtener trabajo. La actividad económica predominante es la primaria, sobre todoagropecuaria. Las comunas se ubican principalmente en la IX región.

Hualañé Collipulli Río Hurtado Lonquimay Villa Alemana Los Sauces Traiguén Pelluhue Ninhue Ñiquén Pemuco Cunco Ránquil Purén Lumaco Río Bueno Quillón Loncoche Cobquecura Cabrero Alto Biobío Quilaco Coelemu Perquenco San Nicolás Melipeuco Paredones Lebu Portezuelo Cholchol*Toltén Treguaco Camiña*

22

Retiro Ercilla General Lagos*Empedrado San Rafael Saavedra*Combarbalá Maule Colchane*Carahue Padre Las Casas

8.3 Precario rural integrado.

Estas comunas se caracterizan por un ingreso promedio de $389.543 y un alto nivel deendeudamiento en comparación con las otras comunas donde predomina el sector primario.Con un alto porcentaje de población rural y de población indígena, este grupo de comunaspresenta menores niveles de pobreza pero también menores niveles de seguridad encomparación con el grupo rural medio-bajo. En contraste, están endeudados por más del doblede lo que están endeudados los del grupo rural medio-bajo, con un nivel de ingreso similar.Estas comunas se ubican principalmente en la zona sur del país, aunque también encontramosalgunas comunas del norte.

Vilcún Huara Mulchén Florida Galvarino Contulmo San Javier Santa Cruz Salamanca Curanilahue Santa Juana San Juan de la Costa Tucapel Futrono Coihueco Teodoro Schmidt Los Álamos Pelarco Curarrehue Chimbarongo Yungay Linares Lautaro Tirúa Lago Ranco Lota Santa Bárbara Angol Los Lagos Curacautín Putre Peumo Paillaco Victoria Pichilemu San Rosendo Yumbel Cañete El Carmen Vilcún Corral Freire

8.4 Clase media decadente y clases bajas urbanas consolidadas.

Con un ingreso autónomo promedio del hogar de $537.999, las comunas de este conglomeradotienen niveles medios-altos de seguridad y de deuda. Con un nivel de población pobrerelativamente medio, un alto nivel de hogares con jefatura femenina y uso de redes socialespara conseguir empleo, este conglomerado presenta bajos niveles de desarrollo para el ingresoque tienen. Parecieran ser comunas incapaces de articular con éxito la producción primaria conactividades de servicios.

Illapel San Pablo Aisén Molina Requínoa Licantén Padre Hurtado Pucón Las Cabras Camarones Hualaihué Chépica Alto del Carmen Coltauco Huasco Calera de Tango Quemchi Mostazal Papudo Constitución Romeral

23

La Granja Navidad Cauquenes San Pedro Santa María Curacaví Quillota Casablanca Pencahue Paine Marchihue El Quisco Vicuña Frutillar Panquehue Pica La Ligua La Higuera Graneros El Tabo Putaendo Quellón Teno Pichidegua María Pinto Renca Quirihue San Ignacio Catemu Pedro Aguirre Cerda Paiguano Colbún Quinchao Los Vilos El Monte Maullín Andacollo Mariquina Isla de Maipo San Antonio San Ramón Hijuelas Castro Pitrufquén Curepto San Vicente La Pintana Malloa Laja Quinta de Tilcoco Gorbea Ancud Zapallar Coronel Petorca La Unión La Cruz Cerro Navia Rengo Río Ibáñez Villa Alegre Lanco Lo Espejo Cabildo Coinco Bulnes Curaco de Vélez Máfil Panguipulli

8.5 Comunas medias con éxito relativo y alta deuda.

Con un ingreso de $632.008, este conglomerado combina alta población rural (45%) con lapresencia de ciudades claves en la organización productiva y de servicios. Con niveles similaresde seguridad que el grupo anterior, este grupo de comunas les duplica el nivel de deuda, lo queno se refleja en mejoras en términos de porcentaje de población pobre, pero sí en mejoresniveles de educación y salud.

Limache San Carlos Talcahuano Olmué Macul Río Negro Tomé Valdivia Fresia Talca Pozo Almonte Natales Puente Alto Olivar Viña del Mar Chillán Puyehue Purranque Chiguayante Calbuco Villarrica Alto Hospicio Puerto Montt Sierra Gorda*San Felipe Buin Rancagua*La Serena Calle Larga San Gregorio*Quintero San Bernardo Primavera*Puerto Octay Chillán Viejo Ollagüe*Osorno San Joaquín Quilpué*Cochrane Queilén Punta Arenas*Chonchi Penco

24

8.6 Clase media-alta en zonas de empleabilidad.

Con un nivel de ingreso autónomo promedio del hogar de $759.718, se trata de comunas declase media-alta, con mayores niveles de seguridad y menos deuda. Con un bajo nivel depoblación indígena y buenos índices de desarrollo, se trata de comunas de importantepoblación flotante por sus actividades de producción, servicios y comercios, correspondientes azonas de alta empleabilidad.

Temuco Coquimbo El Bosque Cerrillos Quilicura Mejillones Dalcahue Peñaflor Tiltil Calera Hualpén Algarrobo Copiapó Llanquihue Quinta Normal San Fernando Pudahuel San José de Maipo Cisnes Conchalí Talagante Melipilla Caldera Huechuraba Curicó Coihaique Tocopilla Arauco Lampa Chañaral Los Muermos Los Ángeles Diego de Almagro Rinconada Estación Central Arica Iquique Peñalolén Cochamó Puchuncaví Recoleta Valparaíso Santo Domingo Machalí Concepción Puerto Varas La Cisterna Alhué Cabo de Hornos Futaleufú Colina Temuco Lo Prado

8.7 Clases altas locales de difícil reproducción.

Con un ingreso de $1.077.024, se trata de comunas urbanas de clase media-alta, que tienen unalto nivel de deuda y seguridad. Con un bajo nivel de población pobre pero un alto nivel dejefaturas de hogar femeninas, estas comunas tienen altos niveles de desarrollo, especialmenteen educación. La ocupación del jefe de hogar se muestra con altos niveles de estabilidad y soncomunas con elevadísimos niveles de población flotante, corresponde a zonas de intensotráfico de bienes, servicios y empleos.

Taltal La Florida Los Andes*San Pedro de Atacama Pirque Porvenir*Antofagasta Chile Chico Santiago*Calama Independencia Ñuñoa*Maipú San Miguel San Pedro de la Paz Concón

8.8 Élites nacionales.

Con un ingreso promedio de $3.096.405, corresponden a las comunas más ricas del país,presentes sólo en Santiago. Aunque tienen un bajo nivel de afiliación al seguro de cesantía

25

(presumiblemente por la predominancia del trabajo independiente o por la alta antigüedad en elempleo), tienen altos niveles en los indicadores de seguridad y de desarrollo en educación ysalud. Es importante tener en cuenta que, aunque estas comunas fueron agrupadas como unúnico conglomerado, el análisis estadístico mostró en forma clara que las cinco comunas quecomponen este grupo presentan un carácter específico en cuanto a las variables consideradas:así, Providencia es una comuna excesivamente endeudada para los niveles que tienen las otrascomunas y Las Condes es una comuna con un ingreso demasiado alto al compararlo con lasotras comunas del grupo, con las que tiene niveles similares de seguridad y presión de ladeuda.

Las Condes Lo Barnechea ProvidenciaVitacura La Reina

26

ANEXO I.

A. Recodificación de las variables encuesta CASEN 2009.

1. Recodificación de la variable O14: ¿Cuántas personas trabajan en total en esaempresa (en Chile)? A Una persona

B 2 a 5 personas

C 6 a 9 personas

D 10 a 49 personas

E 50 a 199 personas

F 200 y más personas

X No sabe

Recodificación del TIPO DE EMPRESA EN LA QUE ESTÁ OCUPADO (tamaño de laempresa en función del nº de trabajadores contratados).

1: Microempresa.

2: Pequeña empresa.

3: Mediana empresa.

4: Gran empresa.

5: No sabe.

RECODE O14 ('A'=1) ('B'=1) ('C'=1) ('D'=2) ('E'=3) ('F'=4) ('X'=5) INTO o14.1_tipo_empresa.EXECUTE.

2. Recodificación de la variable O19: ¿Su actual empleo es de tipo?1 Permanente2 De temporada o estacional3 Ocasional o eventual4 A prueba5 Por plazo o tiempo determinado9 No contesta

Recodificación a: CARÁCTER DEL EMPLEO: 1: permanente.

0: No permanente.

9: No contesta.

RECODE O19 (1=1) (9=9) (2 thru 5=0) INTO o19.1_caracter_empleo.EXECUTE.

27

3. Recodificación de la variable O21: Además de su propio esfuerzo, ¿gracias a quiéno quiénes cree usted que consiguió su actual empleo?

1 Familiares2 Amigos o vecinos3 Ex compañeros de trabajo4 Ex empleadores5 Oficinas Municipales de Intermediación Laboral (OMIL)6 Al Programa PUENTE o a su Apoyo Familiar7 Agencias privadas de empleo8 A la institución en que estudió o se capacitó9 Decidió trabajar por su cuenta (emprendió actividad independiente)10 Bolsa de empleo en Internet11 Al Municipio (bolsas de trabajo comunales)12 Otra

Recodificación a: ESTRATEGIA DE OCUPACIÓN LABORAL. 1: Red social propia (alternativas 1 a 4).

0: Otros mecanismos (restantes alternativas).

RECODE O21 (1 thru 4=1) (ELSE=0) INTO o21.1_red_social_empleo.EXECUTE.

4. Recodificación variable O23: En su ocupación principal, ¿usted trabaja como?1 Patrón o empleador2 Trabajador por cuenta propia3 Empleado u obrero del sector público (Gob. Central o Municipal)4 Empleado u obrero de empresas públicas5 Empleado u obrero del sector privado6 Servicio doméstico puertas adentro7 Servicio doméstico puertas afuera8 Familiar no remunerado9 FF.AA. y de Orden

Recodificación en variable: ROL LABORAL. 1: Empleador/ trabajador independiente.

2: Empleado.

RECODE O23 (1 thru 2=1) (ELSE=0) INTO o23.1_rol_laboral.EXECUTE.

5. Recodificación variable O25: En su trabajo actual principal, ¿tiene contrato detrabajo?

1 Sí, firmó2 Si, pero no ha firmado

28

3 No tiene9 No se acuerda o no sabe si firmó contrato

Recodificación: SITUACIÓN CONTRACTUAL. 1: Con contrato firmado.

0: Sin contrato firmado.

RECODE O25 (1=1) (ELSE=0) INTO o25.1_contrato_lab.EXECUTE.

6. Recodificación variable O26: En su actual empleo principal, ¿su relacióncontractual es de tipo?

1 Plazo indefinido2 Plazo fijo3 Por obra, faena o servicio4 De aprendizaje5 Servicios transitorios6 Subcontratación

Recodificación: DURACIÓN DE LA RELACIÓN CONTRACTUAL. 1: Contrato indefinido

0: Contrato plazo fijo/otro.

RECODE O26 (1=1) (ELSE=0) INTO o26.1_duración_contrato.EXECUTE.

7. Recodificación variable O29: ¿Se encuentra afiliado al seguro de cesantía?1 Sí afiliado y cotizando2 Sí afiliado pero no cotizando3 No9 No sabe

Recodificación: AFILIACIÓN SEGURO DE CESANTÍA. 1: Cotizante seguro.

0: No cotizante seguro.

RECODE O29 (1=1) (ELSE=0) INTO o29.1_afiliación_seg_ces.EXECUTE.

8. Recodificación variable O31: ¿Se encuentra afiliado a algún sistema previsional(sistema de pensiones)?

1 Sí2 No9 No sabe

29

Recodificación en: AFILIACIÓN PREVISIONAL. 1: Sí

0: No.

RECODE O31 (1=1) (ELSE=0) INTO o31.1_afiliación_previsional.EXECUTE.

9. Recodificación variable O32: ¿Se encuentra cotizando en algún sistema previsional(sistema de pensiones)?

1 Si, AFP (Administradora de Fondos de Pensiones) Cotización obligatoria2 Si, IPS ex INP, [Caja Nacional de Empleados Públicos (CANAEMPU),Caja de Empleados Particulares (EMPART), Servicio de Seguro Social (SSS)]3 Si, Caja de Prensión de la Defensa Nacional (CAPREDENA)4 Si, Dirección de Previsión de Carabineros (DIPRECA)5 Si, otro. Especifique6 Sí, AFP (Administradora de Fondos de Pensiones) Cotización voluntaria7 No está cotizando9 No sabe

Recodificación: PAGO DE COTIZACIONES PREVISIONALES. 1: Sí.

0: No.

9: No sabe.

RECODE O32 (9=9) (7=0) (1 thru 6=1) INTO o32.1_Cotizaciones.EXECUTE.

10. Recodificación variable O33: ¿Ha asistido a algún curso de capacitación laboralen el último año (Noviembre 2008 a Octubre 2009)?

1 Sí, a través de la empresa donde trabaja (o trabajó) financiado por SENCE (víafranquicia tributaria)2 Sí, a través de la empresa donde trabaja (o trabajó) pero sin financiado SENCE(curso interno de la empresa)3 Sí, a través de programa público de becas de capacitación (por ejemplo FOSIS,INDAP, SENCE, CHILECALIFICA, SERCOTEC u otros)4 Sí, a través del Seguro de Cesantía5 Sí, financiado con recursos de usted o su familia6 Sí, con una beca de institución privada7 Sí, otro medio8 No ha asistido

Recodificación: ASISTENCIA A CAPACITACIONES LABORALES ÚLTIMOS 12 MESES. 1: Sí

30

0: No.

RECODE O33 (1 thru 7=1) (ELSE=0) INTO o33.1_Asistencia_Capacitaciones.EXECUTE.

11. Recodificación variable Y22ta: ¿Tiene Ud. alguno de los siguientes ahorros,inversiones, acciones o similares? Tipo (1)

1 Sí, Ahorro para la vivienda2 Sí, Ahorro en AFV3 Sí, Ahorro previsional voluntario4 Sí, Ahorro cuenta 2 AFP5 Sí, Cuenta ahorro bancaria6 Sí, Depósito a plazo7 Sí, Inversiones en fondos mutuos8 Sí, Acciones o bonos de empresa9 Sí, Préstamos a terceros10 Sí, Otros Ahorros90 No tiene ahorro99 No sabe

Recodificación en: AHORRO (Tiene algún tipo de ahorro). 1: Sí

0: No

9: No sabe.

RECODE Y22TA (90=0) (99=99) (1 thru 10=1) INTO y22.1ta_Ahorro.EXECUTE.

12. Recodificación variable Y22TR1Señale el tramo (en pesos) del total ahorrado en: 1 30.000 o menos 11 500.001 a 750.0002 30.001 a 50.000 12 750.001 a 1.000.0003 50.001 a 70.000 13 1.000.001 a 1.500.0004 70.001 a 100.000 14 1.500.001 a 2.000.0005 100.001 a 150.000 15 2.000.001 a 3.000.0006 150.001 a 200.000 16 3.000.001 a 5.000.0007 200.001 a 250.000 17 5.000.001 a 10.000.0008 250.001 a 300.000 18 10.000.001 a 15.000.0009 300.001 a 400.000 19 15.000.001 a 20.000.00010 400.001 a 500.000 20 Más de 20.000.00090 No sabe no responde

Recodificación MONTO DE AHORRO ESPERADO (monto de ahorro esperado para cadatramo, definido como una media del tramo).

31

RECODE Y22TR1 (1=15000) (4=85000) (5=125000) (6=175000) (7=225000) (8=275000)(9=350000) (10=450000) (11=625000) (12=875000) (13=1250000) (14=1750000)(15=2500000) (16=4000000) (17=7500000) (18=12500000) (19=17500000) (20=20000000)(3=60000) (2=40000) (90=90) INTO y22.1tr_monto_ahorrado.EXECUTE.

13. Recodificación de las variables Y23T1, T2, T3 y T4: ¿Tiene Ud. alguna de lassiguientes deudas? Tipo (1, 2,3 y 4)

1 Sí, Tarjetas de crédito bancarias2 Sí, Línea de crédito bancaria3 Sí, Casas comerciales4 Sí, Préstamos de consumo bancario5 Sí, Préstamos de consumo en financiera6 Sí, Crédito automotriz7 Sí, Crédito social (CCAAF)8 Sí, Deudas Educacionales9 Sí, Préstamos de parientes o amigos10 Sí, Créditos de prestamistas11 Sí, Casa de crédito prendario (tía rica)12 Sí, Fiado13 Sí, Otras deudas90 No tiene deudas99 No sabe

Recodificación en: DEUDAS ADQUIRIDAS. 1: Con deudas.

0: Sin deudas.

99: No sabe.

RECODE Y23T1 (1 thru 13=1) (90=0) (99=99) INTO y23t1.1_deudas.EXECUTE.

14. Recodificación de las variables Y23TR1, TR2, TR3 Y TR4: Tramo (en pesos) deltotal adeudado. Tramo (1, 2, 3 y 4).

1 30.000 o menos 11 500.001 a 750.0002 30.001 a 50.000 12 750.001 a 1.000.0003 50.001 a 70.000 13 1.000.001 a 1.500.0004 70.001 a 100.000 14 1.500.001 a 2.000.0005 100.001 a 150.000 15 2.000.001 a 3.000.0006 150.001 a 200.000 16 3.000.001 a 5.000.0007 200.001 a 250.000 17 5.000.001 a 10.000.0008 250.001 a 300.000 18 10.000.001 a 15.000.0009 300.001 a 400.000 19 15.000.001 a 20.000.00010 400.001 a 500.000 20 Más de 20.000.000

32

90 No sabe no responde

Recodificación MONTO MEDIO ADEUDADO (monto de la deuda esperada para cadatramo, definido como una media del tramo).

DATASET ACTIVATE Conjunto_de_datos1.RECODE Y23TR1 (1=15000) (4=85000) (5=125000) (6=175000) (7=225000) (8=275000)(9=350000) (10=450000) (11=625000) (12=875000) (13=1250000) (14=1750000)(15=2500000) (16=4000000) (17=7500000) (18=12500000) (19=17500000) (20=20000000)(3=60000) (2=40000) (90=90) INTO y23.1tr1_monto_adeudado.EXECUTE.

15. Recodificación de la variable Y23T1 ¿Tiene Ud. alguna de las siguientes deudas?1 Sí, Tarjetas de crédito bancarias2 Sí, Línea de crédito bancaria3 Sí, Casas comerciales4 Sí, Préstamos de consumo bancario5 Sí, Préstamos de consumo en financiera6 Sí, Crédito automotriz7 Sí, Crédito social (CCAAF)8 Sí, Deudas Educacionales9 Sí, Préstamos de parientes o amigos10 Sí, Créditos de prestamistas11 Sí, Casa de crédito prendario (tía rica)12 Sí, Fiado13 Sí, Otras deudas90 No tiene deudas99 No sabe

Recodificación en: TIPO DE DEUDA. 1: Con instituciones del sistema financiero y comercial formal.

2: Con otro tipo de instituciones.

3: Con instituciones del sistema financiero semi-formal.

0: Sin deudas.

99: No sabe.

RECODE Y23T1 (90=0) (99=99) (1 thru 6=1) (7 thru 8=2) (9 thru 13=3) INTOy23.2t1_tipo_deuda.EXECUTE.

16. Cálculo del monto cancelado por concepto de deuda en el mes anterior:

COMPUTE y23M_monto_total_deudas=Y23M1 + Y23M2 + Y23M3 + Y23M4.EXECUTE.

33

17. Recodificación de variable T1A: ¿Tiene Ud. alguna de las siguientes condicionesde larga duración?

1 Ceguera o dificultad para ver aún usando lentes2 Sordera o dificultad auditiva aún usando audífonos3 Mudez o dificultad en el habla4 Dificultad física y/o movilidad5 Dificultad mental o intelectual6 Dificultad psíquica o psiquiátrica7 No tiene ninguna de estas condiciones de larga duración9 No sabe

Recodificación: CONDICIÓN DE DISCAPACIDAD (presencia de discapacidad): 0: No (sin discapacidad).

1: Sí (con discapacidad).

RECODE T1A (7=0) (ELSE=1) INTO t1.1a_discapacidad_a.EXECUTE.

18. Recodificación variable T16PT y T16MT: ¿Cuál fue el máximo nivel educacionalpor su padre/madre en cuanto a tipo?

1 Educación Parvularia2 Preparatoria3 Educación Básica4 Humanidades (Sist. antiguo)5 Educación media científico humanista6 Técnica, comercial, industrial o normalista7 Educación media técnica profesional8 Centro de formación técnica (CFT)9 Instituto Profesional10 Universitario11 Ninguno99 No sabe / No recuerda

Recodificación: EDUCACIÓN UNIVERSITARIA PADRE/MADRE. 1: Sí.

0: No.

RECODE T16PT (10=1) (ELSE=0) INTO t16.1pt_educación_padre.EXECUTE.

RECODE T16MT (10=1) (ELSE=0) INTO t16.1pt_educación_madre.EXECUTE.

34

19. Recodificación de las preguntas T18A y T18B: ¿Participa actualmente en algunaorganización o grupos organizados?

1 Organización de vecinos (Junta de vecinos, Unión Comunal)2 Club deportivo y recreativo3 Centro de alumnos, Centro de padres y apoderados4 Organización voluntariado o beneficencia5 Colegio profesional / Asociación gremial6 Sindicato7 Partidos políticos8 Asociación productiva (de microempresarios, agrícola, de pescadores)9 Agrupación o asociación indígena10 Asociación de personas con discapacidad11 Organización de adultos mayores12 Grupo juvenil13 Grupo religioso (mov. Pastorales, grupo o de iglesia)14 Centro de madres, talleres de mujeres, grupo de mujeres y apodera15 Agrupación cultural o de creación artística16 No participa

Recodificación: PARTICIPACIÓN ORGANIZACIÓN O GRUPOS ORGANIZADOS. 1: Sí.

0: No.

RECODE T18A (16=0) (ELSE=1) INTO t18.1a_Participación_b.EXECUTE.

RECODE T18B (16=0) (ELSE=1) INTO t18.1b_Participación_b.EXECUTE.

20. Cálculo de mecanismos de comunicación con las autoridades conocidos por losentrevistados.

T19A t19a: ¿Conoce Ud....? Cartas a la presidenta y/o ministro1 Sí 2 No 9 No sabeT19B t19b: ¿Conoce Ud....? Oficinas de información, consultas, reclamos ysugerencias (OIRS)1 Sí 2 No 9 No sabeT19C t19c: ¿Conoce Ud....? Información de Derechos Ciudadanos en los serviciospúblicos1 Sí 2 No 9 No sabeT19D t19d: ¿Conoce Ud....? Cuenta Pública de la autoridad1 Sí 2 No 9 No sabeT19E t19e: ¿Conoce Ud....? Diálogo y/o Diagnóstico participativo1 Sí 2 No 9 No sabeT19F t19f: ¿Conoce Ud....? Presupuesto Participativo, Plebiscito y/o Cabildo

35

1 Sí 2 No 9 No sabeT19G t19g: ¿Conoce Ud....? Programas públicos participativos1 Sí 2 No 9 No sabe

RECODE T19A T19B T19C T19D T19E T19F T19G (1=1) (ELSE=0) INTO t19.1a t19.1bt19.1c t19.1d t19.1e t19.1f t19.1g.EXECUTE.

COMPUTE Conocimiento_mec_comunic=t19.1a + t19.1b + t19.1c + t19.1d + t19.1e + t19.1f+ t19.1g.EXECUTE.

RECODE Conocimiento_mec_comunic (0=0) (ELSE=1) INTO Conocimiento_mec_com_2.EXECUTE.

21. Recodificación de la variable V1: ¿Su hogar, bajo qué situación ocupa el sitio?1 Propio pagado2 Propio pagándose3 Propio compartida (pagado) con otras viviendas del sitio4 Propio compartida (pagándose) con otras viviendas del sitio5 Arrendado con contrato6 Arrendado sin contrato7 Cedido por servicios8 Cedido por familiar u otro9 Usufructo (sólo uso y goce)10 Ocupación irregular11 Otro. Especifique

Recodificación: PROPIEDAD CABAL SOBRE EL SITIO QUE OCUPA LA VIVIENDA. 1: Sí.

0: No.

RECODE V1 (1=1) (3=1) (ELSE=0) INTO v1.1.EXECUTE.

22. Recodificación de la variable V18: ¿Su hogar, bajo que situación ocupa lavivienda?

1 Propia pagada2 Propia pagándose3 Propiedad compartida (pagada) con otros hogares de la vivienda4 Propiedad compartida (pagándose) con otros hogares de la vivienda5 Arrendada con contrato6 Arrendada sin contrato7 Cedida por servicio

36

8 Cedida por familiar y otro9 Usufructo10 Ocupación irregular (de hecho)

Recodificación: PROPIEDAD CABAL SOBRE LA VIVIENDA QUE OCUPA EL HOGAR. 1: Sí.

0: No.

RECODE V18 (1=1) (3=1) (ELSE=0) INTO v18.1.EXECUTE.

23. Recodificación de la variable T5: En Chile, la ley reconoce nueve pueblosindígenas, ¿pertenece usted o es descendiente de alguno de ellos?

1 Aymara2 Rapa-nui3 Quechua4 Mapuche5 Atacameño6 Coya7 Kawaskar8 Yagán9 Diaguita10 No pertenece a ningún pueblo indígena

Recodificación: PERTENENCIA A GRUPO ÉTNICO. 1: Sí

0: No.

RECODE T5 (10=0) (ELSE=1) INTO t5.1_etnia.EXECUTE.

24. Recodificación variables S26: Durante los últimos 12 meses ¿ha estado entratamiento por alguna de las siguientes enfermedades?

1 Sí, Hipertensión arterial2 Sí, Infección respiratoria aguda3 Sí, Urgencia odontológica4 Sí, Diabetes5 Sí, Depresión6 Sí, Vicio refracción7 Sí, Salud Oral Integral aguda8 Sí, Infarto agudo al miocardio9 Sí, Cataratas

37

10 Sí, Prótesis o ayudas técnicas (Ortesis)11 Sí, Neumonía12 Sí, Enfermedad pulmonar obstructiva crónica13 Sí, Leucemia14 Sí, Asma15 Sí, Cáncer gástrico16 Sí, Cáncer cérvico-uterino17 Sí, Cáncer de mama18 Sí, Cáncer de testículo19 Sí, Cáncer de próstata20 Sí, Colecistectomía preventiva21 Sí, Insuficiencia renal crónica Terminal22 No ha estado en tratamiento por ninguna de las enfermedades99 No sabe/no recuerda

Recodificación: TRATAMIENTO POR ENFERMEDADES DURANTE LOS ÚLTIMOS 12MESES:

1: Sí.

0: No.

RECODE S26 (22=0) (99=0) (ELSE=1) INTO s26.1.EXECUTE.

25. Recodificación variables EDAD r3: (años cumplidos).

Mayores_65_años (Población de 65 años y más)

Menores_15_años (Población menor de 15 años).

IF (EDAD >= 65) Mayores_65_años=1.EXECUTE. RECODE Mayores_65_años (SYSMIS=0).EXECUTE.

IF (EDAD < 15) Menores_15_años=1.EXECUTE. RECODE Menores_15_años (SYSMIS=0).EXECUTE.

26. Recodificación variable CORTE: Situación de pobreza o indigencia.1 Indigente2 Pobre no indigente3 No pobre

Recodificación: POBREZA: Población en situación de pobreza.

38

1: Sí

0: No.

RECODE CORTE (1 thru 2=1) (ELSE=0) INTO Corte_2.EXECUTE.

27. Recodificación de la variable RAMA: Rama de actividad económica, a un digito.Población ocupada.

0 Actividades No Bien Especificadas1 Agricultura, Caza y Silvicultura2 Explotación Minas y Canteras3 Industrias Manufactureras4 Electricidad, Gas y Agua5 Construcción6 Comercio Mayor/Menor Restaurantes - Hoteles7 Transporte y Comunicaciones8 Establecimientos Financieros Seguros9 Servicios Comunales Sociales

Recodificación en SECTORES DE ACTIVIDAD ECONÓMICA.

Sector_1º: Ocupados sector primario.

Sector_2º: Ocupados sector secundario.

Sector_3º: Ocupados sector terciario.

RECODE RAMA (0 thru 2=1) (ELSE=0) INTO Sector_1º.EXECUTE.DATASET ACTIVATE Conjunto_de_datos1.RECODE RAMA (3 thru 5=1) (ELSE=0) INTO Sector_2º.EXECUTE.DATASET ACTIVATE Conjunto_de_datos1.RECODE RAMA (6 thru 9=1) (ELSE=0) INTO Sector_3º.EXECUTE.

B. Elaboración de Indicadores de caracterización comunal.

1. Cálculo población comunal.WEIGHT BY EXPC. DESCRIPTIVES VARIABLES=NUMPER /STATISTICS=SUM.

DATASET DECLARE Población_Comunal. AGGREGATE /OUTFILE='Población_Comunal' /BREAK=Comuna /N_BREAK=N.

39

USE ALL.

2. Cálculo total de hogares por comuna.COMPUTE filter_$=(PCO1 = 1). VARIABLE LABEL filter_$ 'PCO1 = 1 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMAT filter_$ (f1.0). FILTER BY filter_$. EXECUTE.

DATASET DECLARE Jefes_hogar_Comunas.AGGREGATE /OUTFILE='Jefes_hogar_Comunas' /BREAK=Comuna /N_BREAK=N.

3. Cálculo de núcleos familiares por comuna.COMPUTE filter_$=(PCO2 = 1).VARIABLE LABEL filter_$ 'PCO2 = 1 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.EXECUTE.

DATASET DECLARE Núcleos_fam_Comunas.AGGREGATE /OUTFILE='Núcleos_fam_Comunas' /BREAK=Comuna /N_BREAK=N. FILTER OFF.USE ALL.EXECUTE.

4. Cálculo Población activa ocupada por comuna.COMPUTE filter_$=(ACTIV = 1).VARIABLE LABEL filter_$ 'ACTIV = 1 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.EXECUTE.

DATASET DECLARE Ocupados_Comunas.AGGREGATE /OUTFILE='Ocupados_Comunas'

40

/BREAK=Comuna /ACTIV_sum=SUM(ACTIV) /N_BREAK=N.

5. Cálculo de población inactiva por comuna.COMPUTE filter_$=(ACTIV = 3).VARIABLE LABEL filter_$ 'ACTIV = 3 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.EXECUTE.

DATASET DECLARE Población_inactiva_Comunas.AGGREGATE /OUTFILE='Población_inactiva_Comunas' /BREAK=Comuna /ACTIV_sum=SUM(ACTIV) /N_BREAK=N.

DATASET ACTIVATE Población_inactiva_Comunas.COMPUTE POb=ACTIV_sum/3.EXECUTE.

6. Cálculo de población desocupada por comuna.COMPUTE filter_$=(ACTIV = 2).VARIABLE LABEL filter_$ 'ACTIV = 2 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.EXECUTE.

DATASET DECLARE Desocupados_Comunas.AGGREGATE /OUTFILE='Desocupados_Comunas' /BREAK=Comuna /ACTIV_sum=SUM(ACTIV) /N_BREAK=N.

DATASET ACTIVATE Desocupados_Comunas.COMPUTE desocup=ACTIV_sum/2.EXECUTE.

7. Cálculo de la Proporción de Población de 65 años y más y de la Proporción dePoblación menor de 15 años por comuna.

41

FILE='C:\Users\Andrés (Bauer...)\Documents\OIKOS_COMUNAS.sav'. DATASET ACTIVATE Conjunto_de_datos1.DATASET CLOSE POB_MAYOR_MENOR. DATASET DECLARE POB_MAYOR_MENOR.

AGGREGATE /OUTFILE='POB_MAYOR_MENOR' /BREAK=Comuna /Mayores_65_años_mean=MEAN(Mayores_65_años) /Menores_15_años_mean=MEAN(Menores_15_años) /Mayores_65_años_sum=SUM(Mayores_65_años) /Menores_15_años_sum=SUM(Menores_15_años) /N_BREAK=N.

DATASET ACTIVATE POB_MAYOR_MENOR.COMPUTE P=Mayores_65_años_sum / N_BREAK.EXECUTE.

COMPUTE P=Menores_15_años_sum / N_BREAK.EXECUTE.

8. Cálculo de la proporción de hogares con Jefatura femenina por comuna.SAVE OUTFILE='C:\Users\Andrés (Bauer...)\Documents\OIKOS_COMUNAS.sav' /COMPRESSED. DATASET ACTIVATE Conjunto_de_datos1. USE ALL.

COMPUTE filter_$=(PCO1 = 1 & SEXO = 2).VARIABLE LABEL filter_$ 'PCO1 = 1 & SEXO = 2 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.EXECUTE.

DATASET DECLARE Jefatura_fem_hogar.AGGREGATE /OUTFILE='Jefatura_fem_hogar' /BREAK=Comuna /N_BREAK=N. DATASET ACTIVATE Conjunto_de_datos2.MATCH FILES /FILE=* /FILE='Jefatura_fem_hogar' /BY Comuna.EXECUTE.

42

COMPUTE Hogares_jefes_mujer=Jefe_hog_mujer / Hogares_comuna.EXECUTE.

9. Cálculo de proporción de población comunal que pertenece a grupos étnicos.SAVE OUTFILE='C:\Users\Andrés (Bauer...)\Desktop\CASEN 2009\Casen2009.sav' /COMPRESSED.

DATASET DECLARE Etnias.AGGREGATE /OUTFILE='Etnias' /BREAK=Comuna /t5.1_etnia_mean=MEAN(t5.1_etnia) /N_BREAK=N.

DATASET ACTIVATE Conjunto_de_datos2.MATCH FILES /FILE=* /FILE='Etnias' /BY Comuna.EXECUTE.

10. Cálculo de Proporción de Población Pobre por Comuna.RECODE CORTE (1 thru 2=1) (ELSE=0) INTO Corte_2.EXECUTE.

DATASET DECLARE Pobreza.AGGREGATE /OUTFILE='Pobreza' /BREAK=Comuna /Corte_2_mean=MEAN(Corte_2) /N_BREAK=N.

11. Cálculo de indicadores de situación laboral de los Jefes de Hogar Ocupados.COMPUTE filter_$=(PCO1 = 1 & ACTIV = 1).VARIABLE LABEL filter_$ 'PCO1 = 1 & ACTIV = 1 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.EXECUTE.

DATASET DECLARE jefes_ocupados.AGGREGATE /OUTFILE='jefes_ocupados' /BREAK=Comuna

43

/o19.1_caracter_empleo_mean=MEAN(o19.1_caracter_empleo) /o21.1_red_social_empleo_mean=MEAN(o21.1_red_social_empleo) /o23.1_rol_laboral_mean=MEAN(o23.1_rol_laboral) /o25.1_contrato_lab_mean=MEAN(o25.1_contrato_lab) /o26.1_duración_contrato_mean=MEAN(o26.1_duración_contrato) /o29.1_afiliación_seg_ces_mean=MEAN(o29.1_afiliación_seg_ces) /o31.1_afiliación_previsional_mean=MEAN(o31.1_afiliación_previsional) /o32.1_Pago_Cotizaciones_mean=MEAN(o32.1_Pago_Cotizaciones) /o33.1_Asistencia_Capacitaciones_mean=MEAN(o33.1_Asistencia_Capacitaciones) /N_BREAK=N.

12. Cálculo de Edad, Escolaridad promedio de Jefes de Hogar Ocupados y total dejefes Ocupados por Comuna.COMPUTE filter_$=(PCO1 = 1 & ACTIV = 1).VARIABLE LABEL filter_$ 'PCO1 = 1 & ACTIV = 1 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.EXECUTE.

DATASET DECLARE jefes_ocupados_2.AGGREGATE /OUTFILE='jefes_ocupados_2' /BREAK=Comuna /EDAD_mean=MEAN(EDAD) /ESC_mean=MEAN(ESC) /N_BREAK=N.

13. Cálculo de indicadores de situación laboral de los Jefes de Hogar Ocupados.COMPUTE filter_$=(ACTIV = 1).VARIABLE LABEL filter_$ 'ACTIV = 1 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.EXECUTE.

DATASET DECLARE Ocupados.AGGREGATE /OUTFILE='Ocupados' /BREAK=Comuna /o19.1_caracter_empleo_mean=MEAN(o19.1_caracter_empleo) /o21.1_red_social_empleo_mean=MEAN(o21.1_red_social_empleo)

44

/o23.1_rol_laboral_mean=MEAN(o23.1_rol_laboral) /o25.1_contrato_lab_mean=MEAN(o25.1_contrato_lab) /o26.1_duración_contrato_mean=MEAN(o26.1_duración_contrato) /o29.1_afiliación_seg_ces_mean=MEAN(o29.1_afiliación_seg_ces) /o31.1_afiliación_previsional_mean=MEAN(o31.1_afiliación_previsional) /o32.1_Pago_Cotizaciones_mean=MEAN(o32.1_Pago_Cotizaciones) /o33.1_Asistencia_Capacitaciones_mean=MEAN(o33.1_Asistencia_Capacitaciones) /N_BREAK=N. FILTER OFF.USE ALL.EXECUTE.

14. Cálculo de Edad, Escolaridad promedio de Ocupados y total de Ocupados porComuna.COMPUTE filter_$=(ACTIV = 1).VARIABLE LABEL filter_$ 'ACTIV = 1 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.EXECUTE.

DATASET DECLARE ocupados_2.AGGREGATE /OUTFILE='ocupados_2' /BREAK=Comuna /EDAD_mean=MEAN(EDAD) /ESC_mean=MEAN(ESC) /N_BREAK=N.

15. Cálculo de Indicadores Económicos de Ingreso Familiar por Comuna. DATASET ACTIVATE Conjunto_de_datos1.DATASET DECLARE Ingresos.AGGREGATE /OUTFILE='Ingresos' /BREAK=Comuna /YTRABHAJ_mean=MEAN(YTRABHAJ) /YAUTHAJ_mean=MEAN(YAUTHAJ) /YMONEHAJ_mean=MEAN(YMONEHAJ) /YTOTHAJ_mean=MEAN(YTOTHAJ) /YTRABHAJ_sum=SUM(YTRABHAJ) /YAUTHAJ_sum=SUM(YAUTHAJ) /YMONEHAJ_sum=SUM(YMONEHAJ) /YTOTHAJ_sum=SUM(YTOTHAJ) /N_BREAK=N.

45

DATASET ACTIVATE Ingresos.MATCH FILES /FILE=* /FILE='Ingresos_hogar' /BY Comuna.EXECUTE.

DATASET ACTIVATE Conjunto_de_datos1.DATASET CLOSE Ingresos_hogar. DATASET ACTIVATE Ingresos.COMPUTE Subsidios=Ingreso_total_total - Ingreso_auto_total.EXECUTE.

COMPUTE Prop_IngTRAB_IngTOT=Ingreso_trab_total / Ingreso_total_total.EXECUTE.

COMPUTE Prop_IngAUTO_IngTOT=Ingreso_auto_total / Ingreso_total_total.EXECUTE.

COMPUTE Prop_IngMONET_IngTOT=Ingreso_monet_total / Ingreso_total_total.EXECUTE.

COMPUTE Prop_SUB_IngTOT=Subsidios / Ingreso_total_total.EXECUTE.

16. Cálculo de Indicadores de Deudas Familiar por Comuna.DATASET DECLARE DEUDAS.AGGREGATE /OUTFILE='DEUDAS' /BREAK=Comuna /Deuda_Total_mean=MEAN(Deuda_Total) /Deuda_Total_sum=SUM(Deuda_Total) /N_BREAK=N.

DATASET ACTIVATE DEUDAS.COMPUTE Deuda_percápita=Deuda_Total_sum / Total_población_comunal.EXECUTE.

17. Cálculo de Indicadores de Ocupados según Sector Económico por Comuna.COMPUTE filter_$=(ACTIV = 1).VARIABLE LABEL filter_$ 'ACTIV = 1 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.

46

EXECUTE.

DATASET DECLARE Ocupados_sector.AGGREGATE /OUTFILE='Ocupados_sector' /BREAK=Comuna /Sector_1º_sum=SUM(Sector_1º) /Sector_2º_sum=SUM(Sector_2º) /Sector_3º_sum=SUM(Sector_3º) /N_BREAK=N.

DATASET ACTIVATE Ocupados_sector.COMPUTE Proporción_ocup_sector_1º=Sector_1º_sum/Ocupados.EXECUTE.

DATASET ACTIVATE Ocupados_sector.COMPUTE Proporción_ocup_sector_2º=Sector_2º_sum/Ocupados.EXECUTE .

DATASET ACTIVATE Ocupados_sector.COMPUTE Proporción_ocup_sector_3º=Sector_3º_sum/Ocupados.EXECUTE.

18. Cálculo de Indicadores Comunales asociados a: Proporción de población con Discapacidad.

Proporción de población que ejerce Participación Social.

Proporción de población que tiene Conocimiento de Mecanismos de Comunicación con

las Autoridades. Proporción de Población con Orígenes étnicos reconocidos.

DATASET DECLARE ocupados_2.AGGREGATE /OUTFILE='ocupados_2' /BREAK=Comuna /t1.1a_discapacidad_a_mean=MEAN(t1.1a_discapacidad_a) /t18.1a_Participación_a_mean=MEAN(t18.1a_Participación_a) /Conocimiento_mec_com_2_mean=MEAN(Conocimiento_mec_com_2) /t5.1_etnia_mean=MEAN(t5.1_etnia) /N_BREAK=N.

19. Cálculo de Jefes de Hogares con Padres Universitarios.WEIGHT BY EXPC.USE ALL.

47

COMPUTE filter_$=(PCO1 = 1).VARIABLE LABEL filter_$ 'PCO1 = 1 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.EXECUTE.

DATASET DECLARE caso.AGGREGATE /OUTFILE='caso' /BREAK=Comuna /Padres_univert_2_sum=SUM(Padres_univert_2) /N_BREAK=N.

20. Cálculo de número y porcentaje de jefes de hogar universitarios. COMPUTE filter_$=(PCO1 = 1 & E7T = 14).VARIABLE LABEL filter_$ 'PCO1 = 1 & E7T = 14 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.EXECUTE.

DATASET DECLARE caso_2.AGGREGATE /OUTFILE='caso_2' /BREAK=Comuna /N_BREAK=N. DATASET ACTIVATE Conjunto_de_datos4.

COMPUTE Porcent_jefes_univer =(Jefes_universitarios / Hogares) * 100.EXECUTE.

21. Cálculo de la tasa de reproducción universitaria.COMPUTE Tasa_reprod_universit =Jefes_universitarios / Padres_univert_2_sum.EXECUTE.

22. Cálculo de la proporción y el total de personas que recibieron tratamiento médicoAUGE en los últimos 12 meses.DATASET ACTIVATE Conjunto_de_datos3.FILTER OFF.USE ALL.EXECUTE.

DATASET DECLARE caso_3.

48

AGGREGATE /OUTFILE='caso_3' /BREAK=Comuna /s26.1_mean=MEAN(s26.1) /s26.1_sum=SUM(s26.1) /N_BREAK=N.

23. Calculo de la Razón entre población menor de 15 años y de 65 años y más.COMPUTE RAZON MEN_MAY =Menores_15_años_sum/ Mayores_65_años_sum.EXECUTE.

24. Cálculo de número de ocupados según tamaño de empresa, por comuna.COMPUTE filter_$=(ACTIV = 1 & o14.1_tipo_empresa = 1).VARIABLE LABEL filter_$ 'ACTIV = 1 & o14.1_tipo_empresa = 1 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.EXECUTE.

DATASET DECLARE EMPRESA.AGGREGATE /OUTFILE='Micro_empresa' /BREAK=Comuna /N_BREAK=N.

COMPUTE filter_$=(ACTIV = 1 & o14.1_tipo_empresa = 2).VARIABLE LABEL filter_$ 'ACTIV = 1 & o14.1_tipo_empresa = 1 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.EXECUTE.

DATASET DECLARE EMPRESA.AGGREGATE /OUTFILE='Pequeña_empresa' /BREAK=Comuna /N_BREAK=N.

COMPUTE filter_$=(ACTIV = 1 & o14.1_tipo_empresa = 3).VARIABLE LABEL filter_$ 'ACTIV = 1 & o14.1_tipo_empresa = 1 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.EXECUTE.

DATASET DECLARE EMPRESA.AGGREGATE /OUTFILE='Mediana_empresa' /BREAK=Comuna

49

/N_BREAK=N.

COMPUTE filter_$=(ACTIV = 1 & o14.1_tipo_empresa = 4).VARIABLE LABEL filter_$ 'ACTIV = 1 & o14.1_tipo_empresa = 1 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.EXECUTE.

DATASET DECLARE EMPRESA.AGGREGATE /OUTFILE='Gran_empresa' /BREAK=Comuna /N_BREAK=N.

COMPUTE filter_$=(ACTIV = 1 & o14.1_tipo_empresa = 5).VARIABLE LABEL filter_$ 'ACTIV = 1 & o14.1_tipo_empresa = 1 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.EXECUTE.

DATASET DECLARE EMPRESA.AGGREGATE /OUTFILE='Tamaño_desc' /BREAK=Comuna /N_BREAK=N.

25. Cálculo del número de ocupados que trabajan dentro de su comuna de residenciay fuera de ella.COMPUTE filter_$=(ACTIV = 1 & T10 = 1).VARIABLE LABEL filter_$ 'ACTIV = 1 & T10 = 1 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.EXECUTE.

DATASET DECLARE Dentro_comuna.AGGREGATE /OUTFILE='Dentro_comuna' /BREAK=Comuna /N_BREAK=N.

COMPUTE filter_$=(ACTIV = 1 & T10 = 2).VARIABLE LABEL filter_$ 'ACTIV = 1 & T10 = 1 (FILTER)'.VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.FORMAT filter_$ (f1.0).FILTER BY filter_$.EXECUTE.

50

DATASET DECLARE Fuera_comuna.AGGREGATE /OUTFILE='Fuera_comuna' /BREAK=Comuna /N_BREAK=N.

26. Cálculo de razón entre los ocupados que trabajan dentro de su comuna deresidencia y los que trabajan fuera de ella.COMPUTE Razón Dentro_Fuera =Dentro/ Fuera.EXECUTE.

27. Cálculo Porcentaje de ocupados que trabajan en su comuna de residencia y delporcentaje de ocupados que trabajan fuera de su comuna de residencia.COMPUTE Porcent_ocup_intracomuna =(Dentro/Ocupados)*100.EXECUTE.

COMPUTE Porcent_ocup_extracomuna =(Fuera/Ocupados)*100.EXECUTE.

ANEXO II.

A. Identificación y exclusión de casos atípicos o inusuales.

* Identify Unusual Cases. DETECTANOMALY

/VARIABLES SCALE=Densidad2009 Ingreso_auto_promedio_hogarDeudaPromPerCapita PorcSectPrimario PresionDeudas o29.1_afiliación_seg_ces_mean o31.1_afiliación_previsional_mean ID=Comuna

/PRINT ANOMALYLIST /HANDLEMISSING APPLY=NO /CRITERIA PCTANOMALOUSCASES=5 ANOMALYCUTPOINT=2 MINNUMPEERS=1

MAXNUMPEERS=15 NUMREASONS=1.

51

Primera ronda de clasificación: Quick-Cluster en 8 grupos.

52

/COMPRESSED. QUICK CLUSTER PorcSectPrimario DeudaPromPerCapita PresionDeudasIngreso_auto_promedio_hogar o29.1_afiliación_seg_ces_mean o31.1_afiliación_previsional_mean Densidad2009 /MISSING=LISTWISE /CRITERIA=CLUSTER(8) MXITER(10) CONVERGE(0) /METHOD=KMEANS(NOUPDATE) /SAVE CLUSTER DISTANCE /PRINT ID(Comuna) INITIAL ANOVA CLUSTER DISTAN.

53

Segunda ronda Quick-cluster en 3 grupos

54

55

56