análisis espacial de los hogares con jefaturas femeninas en ciudad juárez, chihuahua, méxico

Revista Latino-americana de Geografia e Gênero, Ponta Grossa, v. 6, n. 1, p. 14 - 24, jan. / jul. 2015.

Análisis Espacial de los Hogares con JefaturasFemeninas en Ciudad Juárez, Chihuahua, México

Spatial Analysis of Female-Headed Households in Ciudad Juarez, Chihuahua,Mexico

Denisse Yssel Ortega LealUniversidad Autónoma de Ciudad Juárez Mé[email protected]

Vladimir Hernández HernándezUniversidad Autónoma de Ciudad Juárez Mé[email protected]

El objetivo de este artículo es identificarempíricamente los agrupamientos geográficosde hogares con jefaturas femeninas y valorarsu relación con el rezago social mediante eluso de análisis exploratorio de datosespaciales. La información fue obtenida delos Censos de Población y Vivienda de losperiodos 2000 y 2010. A través del Índice deMorán (IM) y los indicadores locales deasociación espacial (LISA) fue posibledeterminar valores significativos deautocorrelación espacial a nivel intraurbano.En general, se probó la utilidad del método deinvestigación, pero se cuestiona la naturalezade la información proveniente de los datosoficiales ya que estos no capturan diferenciasen la variable de hogares con jefaturasfemeninas. .

PalabrasClave: Jefaturas Femeninas; RezagoSocial; Análisis Espacial; Auto CorrelaciónEspacial Negativa; Análisis Exploratorio deDatos Espaciales (AEDE).

The objective of this article is to identifygeographic clusters of femaleheadedhouseholds and evaluate its relationship withthe social gap by using exploratory spatialdata analysis. The information was obtainedfrom the Census of Population and Housingof two periods 2000 and 2010. Through theMoran Index (IM) and Local Indicators ofSpatial Association (LISA) it was possible todetermine significant values of spatialautocorrelation at the intraurban level. Ingeneral, the utility of the research methodwas tested, but the nature of the informationfrom the official data is questioned becausethey do not capture differences in femaleheaded households variable.

Keywords: FemaleHeaded Households;Social Gap; Spatial Analysis; NegativeSpatial Autocorrelation; Exploratory SpatialData Analysis (ESDA).

Resumen Abstract


Análisis Espacial de los Hogares con Jefaturas Femeninasen Ciudad Juárez, Chihuahua, México

Denisse Yssel Ortega Leal e Vladimir Hernández Hernández

Introducción

La importancia de los temas de género hatomado relevancia en el debate social yeconómico a nivel mundial. Temáticas comola feminización de la pobreza representan unadiscusión prioritaria ya que este fenómenoprevalece no sólo en los países desarrollados;sino también en países subdesarrollados(LIMAS, 2010; JANSON, 2010, SOARES,2011; CAMPOS, 2011; CASTILLOGALLARDO, 2011). Dado esto y en relacióna las mujeres jefas de familia, se tieneargumentos que sostienen que una supuestacondición de vulnerabilidad propician nivelesde rezago más elevados entre los hogaresliderados por mujeres. (ARIZA y DEOLIVEIRA, 2001)

En el contexto de Ciudad Juárez,adyacente a la frontera con los EstadosUnidos y debido a la fuerte dependencia de laprimera con la economía estadounidense, losimpactos en las pérdidas de empleo suelen sermás severas. Por otra parte, el modelo deindustrialización que se impulsó desde ladécada de los años sesenta del siglo XX tieneaún vigencia, y se conoce como industriamaquiladora, donde sobresale la ocupaciónde mano de obra femenina.

El empleo femenino dentro de la Industriamaquiladora ha sido parte fundamental de laeconomía local. Tanto así que para el año de1991 en Ciudad Juárez el 39.8 por ciento dela población empleada en el sectormaquilador eran mujeres entre los 15 y 19años de edad; si bien el porcentaje eselevando, al considerar al siguiente grupo deedad la cifra aumenta. El grupo de edadesentre 20 y 24 años la el porcentajeincrementaba a 44.9 por ciento(CARRILLO, 2001). Ciudad Juárez seconsolidaba como una de las ciudadesfronterizas con mayor auge económico anivel nacional. Sin embargo, fue hasta el año2002 cuando se registró el mayor porcentaje

de desempleo con una tasa del 2.8 por cientoocasionando incrementos importantes en losniveles de pobreza de la ciudad.

Un estudio previo (LIMAS, 2010)informaba sobre un incremento de lapoblación pobre femenina en ciudad Juárez.Se esbozaba que el problema radicaba en lasituación de vulnerabilidad de las mujeres,debido a su condición de género, dando comoresultado la feminización de la pobreza.Ahora bien, se tienen antecedentes de que losniveles de pobreza en ciudad Juárez estánaumentando y que las condiciones devulnerabilidad colocan a las mujeres y enespecial a las jefas de familia en unasituación desventajosa. El problema es queno tenemos un trabajo que permita identificarpatrones espaciales que en consecuencia,sirva como un instrumento para la generaciónde políticas enfocadas a este u otros gruposde la población.

En términos empíricos este trabajopropone hacer uso de las técnicas de análisisexploratorio de datos espaciales como unametodología auxiliar en la detección deagrupamientos espaciales; en consecuencia,favorecer la focalización de los programassociales.

Hogares con Jefaturas Femeninas yRezago Social

Ante los cambios en la estructuraeconómica y la continua inmersión de lasmujeres al mercado laboral, se ventransformados los roles tradicionalmentefijados entre mujeres amas de casa, en losque incluso éstas asumen completamente elrol de proveedoras. En México, algunosestudios mencionan que la mayor parte demujeres jefas de familia son jefas por viudez(39.3% en zonas urbanas, 54.5% en zonasrurales); le sigue la causa de separación ydivorcio (34.7% en zonas urbanas y 36.8%en zonas rurales). (LÁZARO, ZAPATA,

15




MARTÍNEZ, ALBERTI, 2005).El porcentaje mayor de los ingresos en

hogares con jefaturas femeninas en las zonasurbanas va destinado a gasto en alimentos.(LÁZARO, ZAPATA, MARTÍNEZ,ALBERTI, 2005). El 94 por ciento de lasmujeres realizan, por lo menos, doble jornadade trabajo. (ROSA LÁZARO, EMMAZAPATA y BEATRIZ MARTÍNEZ, 2005).

Al respecto Buvinic 1991, se refiere a lafuerte relación entre hogares pobres yjefaturas femeninas y esboza a lafeminización de la pobreza como uno de losproblemas mundiales emergentes. IgualmenteLimas (2010), encuentra que la conjugaciónde dos fenómenos negativos: pobreza ydesigualdad basadas en la condición degénero generan la pobreza en hogares dejefatura femenina. (LIMAS, 2010).

Algunos autores comparten la idea sobreel hecho de que el creciente número demujeres trabajadoras proveedoras deingresos y tomadoras de decisiones; mismasque conforman el grueso de los hogares conjefaturas femeninas en México, reciben bajossalarios a la misma vez que encuentran seriasdificultades para incorporarse a unaestructura de oportunidades.

De acuerdo a autoras como Barquet(1997), y Acosta (1994) el trabajo especialmente de las mujeres en losespacios doméstico y extra doméstico, para laobtención de ingresos monetarios y nomonetarios, no son lo suficientemente bienremunerados para garantizar la supervivenciay la reproducción familiares. De acuerdo conlo anterior el bajo nivel de ingresos afectanegativamente al género femenino y da comoconsecuencia se genera una mayorvulnerabilidad económica.

Se tiene por un lado la crecientecomplejidad del fenómeno de la feminizaciónde la pobreza, y por otra parte el existentevacío de las políticas de género sobre laspolíticas públicas en las zonas urbanas. Es

por eso que la importancia de establecer larelación entre la estructura urbana laredistribución del ingreso y el género comocategoría de análisis; permitiría a su vezconocer aspectos como las desigualdades deinfraestructura y servicios que condicionan laciertos sectores de población y el tratamientoa las injusticias que sufren los gruposvulnerables.

Método

El método propuesto para este trabajohace uso de las técnicas exploratorias dedatos espaciales. Los datos para realizar elanálisis provienen de los Censos dePoblación y Vivienda para los años de 2000 y2010 (INEGI). Las variables usadas en elanálisis son el porcentaje de hogares conjefaturas femeninas y el índice de rezagosocial ambas a nivel de AGEB. El enfoquecentral del trabajo se esbozó desde laperspectiva multidimensional que desarrollaa la par de la medición del bienestar a travésdel ingreso y el rezago en los accesos a losderechos sociales. Consideramos que este esuno de los aportes del trabajo, además deconstruir el Índice de Rezago Social (IRS) yvalorar su naturaleza geográfica; esestablecer la relación con la distribución delos hogares con jefaturas femeninas. Por lotanto este trabajo incorporar a los estudios depobreza y género el análisis espacial deforma explícita

Elaboración del Índice de Rezago Social

Para le elaboración del Índice se rezagosocial se utilizó la metodología deCONEVAL (2007) mismo que contemplacuatro rubros que son: educación, salud,calidad y espacios de la vivienda, serviciosbásicos de la vivienda y activos en el hogar.El índice de rezago social se construye comouna suma ponderada de los diferentesindicadores con el objetivo es encontrar un

16




modo de condensar la información contenidaen un número de variables originales en unconjunto más pequeño de variables (factores)con una pérdida mínima de información.1

Análisis Exploratorio de Datos Espaciales(AEDE)

La importancia del análisis espacial radicaen su uso para la toma de decisiones enprogramas de intervención focalizados ycontribuir en la priorización de los recursos.Esta investigación propone el análisisespacial y específicamente la detección deconglomerados geográficos, como técnica útilpara la ubicación de hogares con altos índicesde rezago social.

El análisis exploratorio de datos espaciales(AEDE) es un conjunto de técnicas que nospermiten relacionar los datos, a través demétodos estadísticos y gráficos se pueden allegar a descubrir patrones. Una de susfunciones más utilizadas es su potencial paraidentificar y formular hipótesis que no puedenser consideradas por las teorías.(HERNÁNDEZ, 2012).

Ahora bien la función de localizar losdatos en el espacio tiene importantesimplicaciones por la forma como se efectúa elanálisis estadístico, debido a que los datospueden implicar dos de los llamados efectosespaciales: dependencia y heterogeneidad.Supongamos que los valores de hogares conjefaturas femeninas (HJF) no sonindependientes entre sí, es decir, que losvalores porcentuales de HJF se parece enalgunas zonas de la ciudad, en otras palabrasestán espacialmente agrupados. Lo anterior secontrapone al supuesto de independencia enla estadística tradicional.

En la literatura consultada (GARCÍA DELA ROSA, 2011, citando a ANSELIN, 2005)podemos reinterpretar que la dependencia,expresada en el ejemplo de la hipotéticaagrupación de los HJF, se refiere como

autocorrelación espacial. Y la heterogeneidadse refiere a la diferencia espacial, derivada dela singularidad individual de cada lugar. Demanera general, se dice que se puedeconsiderar que cualquier indicador que lleguea identificar autocorrelación espacial puedeser considerado un AEDE. (GARCÍA DE LAROSA, 2011).

Autocorrelación Espacial Global y Local

La autocorrelación se evalúa a través delestadístico I de Morán, que detecta cuálesáreas circundantes tienen similares odisimilares atributos (HERNÁNDEZ, 2012).La autocorrelación espacial puede serdefinida como la coincidencia de ubicaciónespacial de valores (ANSELIN, 2005); existeuna autocorrelación positiva cuando losvalores altos o bajos de una variable tienden aagruparse en el espacio. En el contexto deesta investigación en las áreas urbanas laautocorrelación significa que las AGEBS convalores altos y bajos del índice de rezagosocial y hogares con jefaturas femeninasestán agrupados.

Un valor positivo del estadístico de I deMoran significa que altos valores (del IRS yde HJF) están rodeados por áreas con altosvalores de IRS y HJF (altoalto) o bajosvalores están rodeados por áreas de bajosvalores (bajobajo). Un valor negativosignifica que bajos valores están rodeados poraltos valores (bajoalto) o altos valores estánrodeados por bajos valores (altobajo). Loanterior, sugiere dos clases de autocorrelación espacial positiva o clusterización(altoalto y bajobajo) y dos clases decorrelación espacial negativa (altobajo ybajoalto) (ANSELIN, SYABRI, &SMIRNOV, 2002).

De esta manera se determinan lasagrupaciones llamadas 'Hot spots' y los 'Coldspots' los cuales dado un conjunto decaracterísticas ponderadas, identifica grupos

17




de funciones con valores altos (puntoscalientes) y clústeres de funciones convalores bajos (zonas frías) (LAUREN M.SCOTT, MARK V. JANIKAS, 2010). Deacuerdo a otro autor los mapas de clústeresmuestran la localización de los valoresatípicos espaciales y los grupos de valoresbajos y altos y la manera en cómo éstoscambian a través del tiempo (JACQUEZ yGREILING, 2003).

La regla de decisión para validar lashipótesis de trabajo a partir del coeficiente deautocorrelación global (I de Morán) es:

H0 IM = 0 el coeficiente deautocorrelación global (IM) es iguala cero, por lo que no existe un patrónespacial, se esperaría un patrónaleatorio del índice de rezago socialy de los hogares con jefaturasfemeninas.

H1 IM ≠ 0 el coeficiente deautocorrelación global (IM) esdiferente a cero, por lo tanto existeautocorrelación espacial, enconsecuencia, es posible afirmar quelos resultados obtenidos del índicede rezago social y de los hogares conjefaturas femeninas nose distribuyenaleatoriamente en elespacio geográfico.

Para estimar losagrupamientos intraurbanosdel IRS y HJF (zonas con altoíndice de rezago social y altosvalores de HJF) se proponeutilizar indicadores locales deasociación espacial (LISA porsus siglas en inglés LocalIndicator of SpatialAssociation). Losconglomerados espaciales de

IRS y HJF se identifican como aquellaslocalidades o conjunto de localidadescontiguas o vecinas en las cuales losindicadores locales son significativosestadísticamente.

Resultados y Análisis

En esta sección se valoranestadísticamente y se muestrancartográficamente los patrones geográficosde los hogares con jefaturas femeninas (HJF)y los índices de rezago social (IRS). En elcuadro 1 se observan los resultados del I deMorán2 para los HJF y el IRS. Estos sugierenvalidar la hipótesis (H1) que consideran lapresencia de autocorrelación espacialpositiva. Todos los coeficientes cumplen laregla de decisión que indica que IM ≠ 0(Índice de Morán diferente a cero) lo quepermite rechazar la hipótesis nula (H0). Losresultados de estos dos indicadores nosmuestran que los HJF y el IRS poseen unaestructura geográfica que tiende aconcentrarse en sus valores altos y valoresbajos.

18

Autocorrelación espacial global de los HJF y el IRS,ciudad Juárez 20002010

Fuente: Elaboración propia con datos de INEGI




En la figura 1 se muestra la distribución delos resultados del agrupamiento de los HJFsegún la relación espacial que los congrega.Estos pueden agregarse en clústeres de HJF(zonas vecinas con valores similares deporcentajes de HJF) o en outlier de HJF(zonas vecinas con valores disimilares deporcentajes de HJF).

La distribución espacial de los HJF (véasefigura 1) muestra importantes cambios en supatrón espacial entre los periodos 2000 y2010. En la imagen de la izquierda sepresentan los conglomerados intraurbanoscon valores altos (zonas en coloración másgris) de HJF ubicados en la zona norte ynorponiente de la ciudad en el periodo del

2000, considerada la zona 'centro de laciudad'.

Esta es una zona consolidada refiriéndonosa su dotación de servicios públicos einfraestructura aparte de ser de las másantiguas, ya que el crecimiento de la manchaurbana se dio al sur oriente y surponientede la ciudad. Por otro lado podemos observarque los valores más bajos en el porcentaje deHF se encuentran al surponiente de la ciudaddonde se daban los nuevos desarrolloshabitacionales de interés social. Cabemencionar que las zonas donde se dan losagrupamientos durante este periodo no eranlas zonas con mayores ingresos de la ciudad,esto será importante una vez que analicemos

19

Figura 1



Denisse Yssel Ortega Leal e Vladimir Hernández Hernández 20

el cambio en el patrón espacial en el periododel 2010.

En la imagen de la derecha se presenta ladistribución de los HF en el 2010. Comopodemos observar el patrón espacial sedesplazó a las zonas del nororiente de laciudad, estas zonas están caracterizadas porser zonas con altos ingresos. Es necesarioseñalar que esta investigación muestra sololos resultados del análisis exploratorio dedatos espaciales cuya materia prima para laobtención de conglomerados intraurbanosson los datos de INEGI, por lo que nuestrasconclusiones estarán limitadas a losresultados que se deriven de la informaciónde esta fuente considerada oficial. En estaimagen podemos observar que en la cantidadde AGEBS que presentan una mayorpresencia de hogares con jefaturas femeninasaumentó considerablemente.

La mayor prevalencia de hogares conjefaturas femeninas en zonas con altosingresos podría sugerir un tipo de jefaturasfemeninas que aunque no presentannecesariamente una situación de pobreza orezago social determinada a partir del ingresoy de indicadores de rezago social, apoya en ladescalificación de la hipótesis que afirma lasrelaciones directas entre hogares con jefaturasfemeninas e ingresos menores. A su vez estoestaría indicando que por el contrario loshogares con mujeres a cargo del hogarpropician mejores estándares de vida a susfamilias. Aunque lo mejor sería que sepudiese tener la relación entre salarios yjefaturas femeninas, no existe la informaciónexistente para el periodo del 2010 ya que fueun variable que no se logró captar en el censodel 2010.

En la siguiente figura (figura 2) se muestrala distribución de los resultados delagrupamiento del IRS según la relaciónespacial que los congrega. Estos puedenagregarse en clústeres de IRS (zonas vecinascon valores similares de porcentajes de IRS)

o en outlier de IRS (zonas vecinas con valoresdisimilares de porcentajes de IRS).

Las áreas con valores bajos (coloracióngris tenue) de ISR en el periodo del 2000 seubican al nororiente y suroriente de la ciudad.El nororiente se caracteriza por ser una zonacaracterizada por los altos ingreso, sinembargo las zonas del suroriente en elperiodo del 2000 fueron las primeras zonas decrecimiento urbano con vivienda de interéssocial y es la zona que rodea al aeropuerto,ambas se constituyen como zonasconsolidadas en las que el abastecimiento deservicios públicos es muy alta y la densidadpoblacional también lo es. Es por eso que sonaltamente significativas para el software.

Por otro lado, las zonas con mayoresíndices de rezago social son aquellas áreasque se caracterizan por no tener coberturatotal de servicios públicos como luz, agua ydrenaje y que aparte de estar ubicadas enáreas circundantes a las sierra de Juárezconsideradas como áreas no aptas para eldesarrollo habitacional. Otra cuestión sobreestas zonas con alto rezago social es que alestar tan alejadas del centro urbano, losdesplazamientos hacia las principales áreas detrabajo como de servicios son largos lo queimplica gran uso de tiempo.

Lo que ocurre en el periodo del 2010 esmuy similar, solo que en este periodo ya seincorpora todo el nuevo crecimiento urbanodesarrollado al suroriente de la ciudad y se veclaramente como tiene valores de rezagosocial muy bajos. Estas nuevas áreashabitacionales fueron creadas con casi todoslos servicios públicos necesarios para sushabitantes. Por su parte las zonas con altosíndices de rezago social se conservan peroson menos, e incluyen nuevas zonas quedebido a su creciente creación no cuentan aúncon servicios básicos. Ante este panorama, sepodría decir que las condiciones de rezagosocial a nivel intraurbano en Ciudad Juárezson mínimas y que la calidad de vida de sus



Denisse Yssel Ortega Leal e Vladimir Hernández Hernández 21

habitantes es relativamente alta encomparación con otras áreas urbanas del país.

Como resultado de la relación entre ISR yHF obtuvimos los siguientes mapas, (véasefigura 3). Es muy notable el cambio delpatrón espacial entre un periodo y otro.Durante mucho tiempo las preocupaciones dela agenda pública municipal en materia depolíticas para el abatimiento y disminuciónde la pobreza estuvieron dirigidas hacia laszonas que se muestra en coloración más grisen el mapa del 2000.

Los valores más bajos de índice de rezagosocial en relación con los HF se encuentran alsuroriente de la ciudad en las zonas de nuevo

crecimiento urbano. En lo que hay que ponerespecial atención es en las zonas con valoresaltosbajos (AGEBS en color gris medio) yaque como podemos observar estos AGBES seconvirtieron después en las zonas con valoresaltos de rezago social y que presentabantambién un importante número de jefaturasfemeninas.

En el 2010 a parte de cambiar de unpatrón agrupado a un patrón espacial másdisperso y ubicado en zonas al sur de laciudad o bien en las nuevas zonas decrecimiento, estas nuevas zonas presentansituaciones precarias y siguieren AGEBS quepresentan altos porcentajes de HF y altos

Figura 2




IRS. Por otra parte los AGEBS con valoresbajosaltos (gris medio) abundan en la zonasuroriente de la ciudad que indica ser áreascon altos índices de rezago social pero conbajos porcentajes de jefaturas femeninas peroque son lo suficientemente significativas paraser consideradas.

Un patrón espacial de tipo disperso generaun reto importante a la hora de llevar a caboprogramas focalizados a la reducción de lapobreza en áreas urbanas ya que es más fácilemprender acciones en áreas agrupadas queen áreas dispersas.

Conclusiones

El uso de técnicas como el análisisexploratorio de datos espaciales otorga un'plus' al ubicar un dato censal en el espacio ya escalas más desagregadas lo cual ofrece unbuen nivel de fiabilidad ya que se alimenta dedatos provenientes de las fuentes oficiales.Con ello se puede tener un mayorconocimiento del contexto espacial para unamejor focalización de programas orientadosal desarrollo social de la población ensituaciones desfavorables, en las zonasurbanas.

La autocorrelación espacial interpretada através del Índice de Morán determinó en quémedida las unidades espaciales en nuestro

Figura 3

22




caso los AGEBS se asocian unos con otros,teniendo como medida espacial: la distancia.Por otra parte con los indicadores locales deauto correlación espacial (LISA) pudimosestablecer los agrupamientosdiferenciándolos entre valores altos y bajos.

Sobre los resultados encontrados en elpatrón espacial entre aquellas áreasidentificadas por tener altos índices de rezagosocial y altos porcentajes de HJF se muestraevidencia sobre un cambio de un patrónconcentrado en 2000 a un patrón másdisperso en 2010. En 2010 el patrón estamayormente disperso entre las zonashabitacionales de reciente creación y haciadonde se ha direccionado el nuevo desarrollode la ciudad.

Aunque lo anterior señala que se observanimportantes cambios en términos dedistribución espacial, los índices de autocorrelación hablan sobre la existencia de autocorrelación espacial negativa. Es decir queaquellos AGEBS que presentan mayor rezagosocial no se encuentran significativamenteasociados espacialmente con los AGEBS conmayores porcentajes con jefaturas femeninas.Dado este resultado sería necesario replantearla hipótesis inicial que afirma que los hogaresliderados por mujeres presentan un mayorrezago dada una supuesta condición de mayorvulnerabilidad.

En efecto, al analizar el índice de autocorrelación entre AGEBS con alto rezagosocial y AGEBS con altos porcentajes dejefaturas masculinas se evidencian índicespositivos y ligeramente mayores. Con elloemerge una nueva hipótesis que argumentaríaque son los hogares con jefaturas masculinasmayormente propensos a niveles de rezagomayores.

Metodologías como la aquí presentada sebasan en herramientas que se caracterizan porpropiciar un ahorro en tiempos y costos conun buen nivel de desagregación en los datos.Por otro lado permiten conocer aspectos

como la tendencia espacial, la heterogeneidadentre las zonas con iguales características anivel intraurbano y la concentración especialpara determinar áreas susceptibles de acción.

Por otro lado las limitaciones quepresentan estos métodos es que no reflejanmuchos aspectos de las variables en sí. Porejemplo para el caso de las jefaturasfemeninas, los datos censales no ofreceninformación como estado civil de la jefa defamilia (soltera, viuda o divorciada), criterioscomo la presencia de los progenitores (si setrata de un hogar monoparental o biparental)o bien criterios como el ingreso (si existeningresos únicamente femeninos, si hayingresos tanto masculinos como femeninos)etc.

Desde un punto de vista crítico, dichaslimitaciones en la información censal sedireccionan para reflexionar sobre lainexistente perspectiva de género en lasfuentes de datos oficiales. Ejemplo de ello esque en el concepto de jefe de familia quemaneja INEGI se refiere la personareconocida como tal por los demásintegrantes del hogar; puede ser mujer uhombre y supone también que esta personatiene la autoridad y responsabilidad por losasuntos del hogar y que, en la mayoría de loscasos; es el principal apoyo económico. Esdecir no hace mucha distinción entre lascualidades del sexo del jefe de familia.

Finalmente, la metodología aquípresentada incorpora una escala de análisisque difícilmente puede captar rasgosesenciales que permitan hacer frente a lasdesigualdades entre un género y otro haciasituaciones de pobreza más severas. Por loque el reto tanto de institucionesgubernamentales como de las institutos deinvestigación consiste en generar datos consustento en las diferencias de género quepermitan realizar acciones de mayor alcanceante problemáticas que emergen a partir dedichas diferencias y que coadyuven a formar

23




Recebido em 17 de dezembro de 2013.Aceito em 29 de maio de 2014.

sociedades más incluyentes y con un altosentido de equidad.

__________________________

1 Para mayor información sobre la metodologíadel Índice de Rezago social se puede consultar lasiguiente referencia:http://www.coneval.gob.mx/rw/resource/coneval/med_pobreza/1024.pdf

2 La comprobación de la hipótesis se realizócon un nivel de significancia del 95 por ciento, por lotanto se espera un pvalor < 0.05.

Referencias

ANSELIN, Luc; SYABRI, Ibnu; SMIRNOY,Oleg. Visualizing multivariate spatialcorrelation with dynamically linjedwindows. 2002. Disponible en:<https://geodacenter.asu.edu/pdf/multi_lisa.pdf>. Consultado el 27 de Julio de 2014.

ANSELIN, Luc. Exploring Spatial Datawith GeoDa. Illinois: Center for SpatiallyIntegrated Social Science, 2005.

BARQUET, Mercedes. Condicionantes degénero sobre la pobreza de las mujeres”. En:ALATORRE, J. Las mujeres en la pobreza.Cidad del México: Colegio de México, 1997,p. 74 117.

BUVINIC, Mayra; La vulnerabilidad de loshogares con jefatura femenina: preguntas yopciones de política para America Latina y elCaribe. Serie Unidad mujer y desarrollo.CEPAL, n. 52 p. 7 67, 2004.

CARRILLO, Jorge. Mercados de trabajo enla Industria Maquiladora. Tijuana: Plaza yValdéz editores, 2001.

CASTELLANOS, Rosa Lázaro; MARTELO,Emma Zapata; CORONA, Beatriz Martínez;

; MANZANARES, Pilar Alberti. Jefaturafemenina del hogar y transformaciones en losmodelos de género tradicionales en dosmunicipios de Guanajuato. La ventana, n.22, p. 219 268, 2005.

CONAPO. (2010, agosto 10). conapo.gob.Disponible en:<http://www.conapo.gob.mx/es/CONAPO/Delimitacion_zonas_metropolitanas_2010_Capitulos_I_a_IV>. Consultado el 27 de Juliode 2014.

GARCÍA, Jaime. Análisis exploratorio dedatos espaciales de la segregación urbana enCiudad Juárez. Cuadernos de trabajoUniversidad Autónoma de Ciudad Juárez,n. 2, p. 3 36, 2011.

HERNÁNDEZ, Myrna Limas. Geografía dela pobreza en Ciudad Juárez. Unaperspectiva de género. Juárez: UniversidadAutónoma de Ciudad Juárez, 2010.

HERNÁNDEZ, Vladimir. Análisisexploratorio espacial de los accidentes detránsito en Ciudad Juárez, México. RevistaPanamericana de Salud Pública, n. 5, p.396 402, 2012.

JACQUEZ, Geoffrey; GREILING, Dunrie.Local Clustering in breast, lung andcolorectal cancer in Long Island, New York.Journal of Health Geographic, v. 2, n. 3, p.1 12, 2003.

SCOTT, Lauren; JANIKAS, Mark. SpatialStatistics in ArcGIS. In: FISCHER, Manfred;GETIS, Arthur. Handbook of AppliedSpatial Analysis: Software tools, Methodsand Applications. Berlin: SpringerVerlag,2010, p. 27 42.

24

análisis espacial de los hogares con jefaturas femeninas en ciudad juárez, chihuahua, méxico

Documents