Por Roberto Bande – GAME-IDEGA, Universidade de Santiago de Compostela – Roberto.bande@usc.es
Una de las mayores oportunidades a las que se enfrenta la ciencia en el presente (y en el futuro m谩s pr贸ximo) es el tratamiento de toda la informaci贸n que el desarrollo tecnol贸gico pone a disposici贸n de los investigadores. Esto es especialmente relevante en el caso de los cient铆ficos sociales, que precisan de abundantes y extensas bases de datos para refutar las diferentes teor铆as acerca del comportamiento humano. El Big Data pone, en efecto, en manos de los economistas, soci贸logos, ge贸grafos, etc., una informaci贸n que puede ser empleada para mejorar el dise帽o de las pol铆ticas p煤blicas, mejorar las decisiones empresariales, dise帽o de campa帽as de m谩rketing, etc. Hace unos pocos meses, el Instituto Nacional de Estad铆stica pon铆a en marcha un ambicioso proyecto, en colaboraci贸n con las principales compa帽铆as de telefon铆a m贸vil, para obtener informaci贸n acerca de la movilidad de personas dentro del territorio nacional. Con independencia del debate surgido por entonces acerca de la posible vulneraci贸n del derecho a la intimidad, la informaci贸n obtenida ten铆a m煤ltiples aplicaciones potencialmente 煤tiles. La crisis derivada del COVID-19 evidencia la utilidad de este tipo de datos a la hora de analizar y estudiar los patrones de movilidad. Esta informaci贸n permite conocer, a priori, si se est谩n produciendo movimientos no autorizados entre zonas geogr谩ficas (debido a las restricciones derivadas del estado de alerta), la potencial propagaci贸n de un rebrote (en caso de producirse, podr铆amos conocer el patr贸n de diseminaci贸n del mismo pr谩cticamente a tiempo real), etc.
El INE ha comenzado a proporcionar los resultados de este an谩lisis de movilidad a trav茅s de su p谩gina web (aqu铆). En esta entrada hago un sencillo an谩lisis preliminar (y seguramente poco riguroso) sobre la movilidad de la poblaci贸n durante el estado de alarma. El objetivo es, por un lado, ver hasta qu茅 punto existen diferencias espaciales en los patrones de movilidad, y en segundo lugar tratar de medir lo lejos que estamos todav铆a de la denominada 鈥渘ueva normalidad鈥. Por motivos de limitaci贸n de espacio no voy a detallar ni la metodolog铆a ni los detalles t茅cnicos del proyecto. Los lectores interesados pueden visitar el v铆nculo proporcionado m谩s arriba para acceder a dicha informaci贸n.
Los datos del INE permiten, en primer lugar, analizar la movilidad por comunidades aut贸nomas, definiendo la misma como el porcentaje de poblaci贸n que a lo largo del d铆a se localiza fuera de su 谩rea de residencia. Los resultados est谩n elevados al conjunto de la poblaci贸n, por lo que son representativos del conjunto de personas que se mueve. Desde el 16 de marzo los datos se ofrecen cada dos d铆as, e incorporan una referencia (la media de desplazamientos de la semana del 18 al 21 de noviembre de 2019), que se interpreta como un 鈥渄铆a normal鈥. Con el objetivo de realizar comparaciones he elegido tres viernes diferentes a lo largo del per铆odo de estado de alarma, tratando de evitar festivos: 3 de abril, 8 de mayo y 5 de junio.
La Tabla 1 resume la informaci贸n disponible para las regiones espa帽olas. Observamos c贸mo antes de la aparici贸n del coronavirus la tasa media de movilidad se situaba en torno al 29%, con fuertes diferencias regionales. Madrid, Pa铆s Vasco y Catalu帽a son las regiones con mayores tasas, mientras que Extremadura, Castilla-La Mancha y Andaluc铆a presentan las tasas m谩s reducidas (Extremadura presenta una tasa 16 puntos inferior a la madrile帽a). Una vez decretado el estado de alarma, las tasas se reducen, hasta una media de 9,6, comprimi茅ndose, como era de esperar, las diferencias entre regiones, con una diferencia entre la tasa m谩xima de Melilla y la tasa m铆nima de Baleares hasta los 4,6 puntos. Seg煤n avanzaba el estado de alerta, a principios de mayo la situaci贸n era muy similar, si bien se produce un ligero repunte de las tasas en todas las CCAA. Una vez que comienza la transici贸n hacia la nueva normalidad, y se va produciendo el inicio de la desescalada en funci贸n de las fases fijadas por el Gobierno (recordemos que la misma no ha sido homog茅nea geogr谩ficamente), las tasas van aumentando, junto con un incremento de las diferencias regionales (7,37 puntos de diferencia entre el m谩ximo de 21,3% del Pa铆s Vasco y el m铆nimo de 13,9% de Ceuta). En resumen, parece que el confinamiento de la poblaci贸n, que buscaba minimizar los contactos sociales y, por tanto, la expansi贸n del virus, se ha cumplido de una forma notable en el conjunto del pa铆s, y no es hasta que se comienza con la desescalada cuando comienzan a hacerse evidentes las diferencias entre territorios.
La informaci贸n estad铆stica del INE tambi茅n proporciona datos a nivel de 谩reas de movilidad. Esta unidad de an谩lisis (unas 3200 en el conjunto de Espa帽a) son agrupaciones de poblaci贸n de entre 5000 y 50000 habitantes, que no tienen por qu茅 coincidir con unidades administrativas (como los municipios). Voy a emplear esta informaci贸n m谩s desagregada para medir lo lejos o cerca que estamos todav铆a de la normalidad. En el gr谩fico 1 he calculado las funciones de densidad kernel de las tasas de movilidad por 谩reas geogr谩ficas para las cuatro fechas mencionadas anteriormente. De esta forma obtenemos una estimaci贸n de la distribuci贸n de dichas tasas en diferentes momentos del tiempo, y podemos ver c贸mo va cambiando dicha distribuci贸n con el paso del tiempo. La 鈥渘ormalidad鈥 (ausencia de virus) vendr铆a definida por la l铆nea azul, que representa la distribuci贸n de las tasas de movilidad en un d铆a 鈥渘ormal鈥. Las dem谩s l铆neas representan la estimaci贸n para las otras fechas consideradas. Observamos la dram谩tica transformaci贸n que se produce desde la normalidad hasta el mes de abril, con una compresi贸n notable de la movilidad y dos modas, una en torno al 8% y otra en torno al 10%, lo que indicar铆a la posible existencia de cl煤steres de movilidad. En mayo, esta funci贸n de densidad parece haberse deslizado hacia la derecha, con una descompresi贸n de la densidad, un cierto aplanamiento de la curva y la existencia de dos modas (aunque con valores superiores a los del mes precedente). En junio se produce una transformaci贸n evidente, relacionada con el avance en las fases de desescalada, pero observamos que queda mucho trecho todav铆a hasta alcanzar una densidad similar a la de un d铆a normal.
Esta entrada no ten铆a otro objetivo m谩s que presentar ejemplos de utilizaci贸n de los datos proporcionados por el INE. La informaci贸n disponible permite an谩lisis mucho m谩s relevantes para los responsables sanitarios. Por ejemplo: 驴Se est谩 produciendo una llegada de poblaci贸n a las zonas de playa/segunda residencia? 驴Hay evidencia de que en estos municipios se est谩n produciendo llegadas masivas de poblaci贸n procedente de 谩reas donde la movilidad est谩 restringida? Animo a los lectores a visualizar los mapas que ha elaborado el propio INE para constatar que muchas informaciones publicadas en algunos medios de comunicaci贸n en este sentido no tienen sustento estad铆stico. Pero esto podr铆a ser un buen tema para otra entrada.
鈥淟a riqueza de las regiones鈥 constituye un instrumento de comunicaci贸n e intercambio de ideas promovido por Asociaci贸n Espa帽ola de Ciencia Regional (AECR). Para m谩s informaci贸n sobre la actividad de AECR visite su聽P谩gina Web聽o s铆ganos en聽Facebook,聽Linkedin聽y/o聽Twitter.
Otros temas