Variables

Uno de los principales retos para dar seguimiento a una medida es que las variables elegidas sean fáciles de replicar y actualizar en intervalos de tiempo regulares, por ello, la selección de las variables que representen cada subfactor depende de la disponibilidad de datos en diferentes escalas espaciales (^{Ocaña-Riola & Sánchez-Cantalejo, 2005, p. 261}; ^{Waldorf & Kim, 2015, p. 1}). En este sentido, fue necesario modificar las variables de los subgrupos localidades y productividad. En el Cuadro 1 se aprecian los factores, subgrupos, variables propuestas y su asociación con los marcos teóricos de ^{Woods (2005)} y ^{Cloke (2006)}.

El subgrupo Localidades comprende variables relacionadas con el enfoque G de ^{Woods (2005)} y con los elementos F de ^{Cloke (2006)}; en el primero se hace referencia a la distribución de la población en el medio rural, mientras que en el segundo el tamaño de los asentamientos se asocia con la construcción y el paisaje, específicamente la variable LocChi define los municipios rurales en términos de pequeños asentamientos.

El subgrupo Vivienda se integra por variables relacionadas con el enfoque S de ^{Woods (2005)}. El acceso a los servicios básicos y la resistencia del material de los techos de la vivienda muestran diferencias entre la sociedad rural y la urbana, y el impacto de la modernización. Por otra parte, la relación con la construcción y el paisaje muestran el vínculo con el enfoque F de ^{Cloke (2006)}.

El factor económico contiene variables ligadas al enfoque EP de ^{Woods (2005)}. La población económicamente activa desocupada y la ocupada en los tres sectores económicos están asociadas con las clases económicas y la Pbt de los municipios es un indicador del modo de producción capitalista y de los cambios en la economía del territorio. Su relación con conceptos P-E de ^{Cloke (2006)} se visualiza en el modo de producción de los sectores económicos. Si bien las variables mencionadas no dan cuenta precisa del modo de producción sí son su proxy, en el sentido de que un mayor número de personas ocupadas en servicios señala, con mayor frecuencia, un modo de producción más capitalista, aunque puede haber casos de actividades primarias donde también se conduzcan por el criterio beneficio-costo. Dentro de este factor, la variable PeaPrim se vincula con los enfoques G y S de ^{Woods (2005)} y comprende las áreas de la geografía y sociología de la agricultura. Esta variable se relaciona con elementos F de ^{Cloke (2006)}, y en términos de áreas dominadas por uso de suelo extensivo, el personal ocupado en el sector primario desarrolla sobre todo actividades como la agricultura, ganadería y explotación forestal.

Los enfoques A y C de ^{Woods (2005)} y el CS de ^{Cloke (2006)} no tienen variables asociadas y estarán representados en la medición de la ruralidad por las correlaciones débiles que pudiera haber con las variables incluidas.

La diversidad que distingue a la ruralidad dificulta su medición y aún más su análisis, si a ello se agrega la dinámica que ha sufrido el concepto se puede caer en situaciones contradictorias. En la primera mitad del siglo XX, las condiciones de asepsia -argumentos semejantes se pueden decir de educación, alimentación, vivienda, etcétera- en el campo eran críticas y generadoras de múltiples enfermedades por ausencia de drenaje centralizado, agua no potabilizada, descarga de materiales residuales cerca de los hogares, ineficiente recolección de basura, etcétera, lo que hacía un contraste con las zonas urbanas en mejores condiciones; lo anterior desarrolló la idea manifiesta por ^{Cloke (2006)} de tipificar a lo rural como lo opuesto a lo urbano. Esta idea permea hasta ahora y pareciera encauzar lo rural hacia lo “indeseable”; no obstante, en este contexto lo “indeseable” solo mide el alejamiento que se tiene de las condiciones urbanas, sin que ello signifique que estas sean mejores, lo cual debe tenerse en cuenta en todo lo que sigue.

Dado el conjunto de variables seleccionadas y sus vínculos con los diversos marcos teóricos, se requiere ahora construir las formas de asociación entre ellas que puedan mejor explicar la ruralidad de los territorios en México.

Para la conformación de los subgrupos, dentro de cada factor se examinaron las correlaciones entre sus variables para los distintos años de estudio. Los resultados mostraron altas correlaciones entre las variables colocadas en un mismo subgrupo y menores entre variables colocadas en diferentes subgrupos; pero todas ellas se mantuvieron en magnitud y sentido durante el lapso de estudio.

El factor social con todas sus variables resultó como en el anterior InR confirmando la idea de que los espacios rurales se caracterizan por bajas densidades de población y escasa infraestructura (^{Goerlich-Gisbert & Cantarino-Martí, 2015, p. 15}).

Asimismo, se realizó una modificación a las cotas del tamaño de localidad, debido a que en la fuente de información las categorías de tamaño de población 2500-4999, 5000-9999, 10000-14999 se publicaron en la categoría 2500-14999 habitantes. En el Cuadro 1 están especificadas las cotas consideradas en este artículo.

A continuación se precisa el procedimiento para el cálculo de la variable MatViv. Los materiales del techo de la vivienda se ordenaron según su posible calidad, asignándoles un valor de acuerdo a ese orden. Se calculó el porcentaje de viviendas por cada material y se obtuvo una media ponderada de las calidades del techo:

donde:

El índice i representa la calidad del material del techo en función de su resistencia. De acuerdo al ^{Instituto Nacional de Estadística y Geografía (INEGI) (2011)}, los materiales losa y teja son no precarios, mientras que los de deshecho y lámina de cartón son frágiles.

Además, el material de la vivienda de los años 1995 y 2005 se estimó con el valor de las variables en el quinquenio anterior, dado que para esos años en los Conteos de Población y Vivienda respectivos no se colectó información sobre los techos. Se usaron materiales de los techos en lugar de los del suelo porque aportaban mayor información sobre la calidad de la vivienda.

En el factor económico se buscó mantener todas las variables incluidas en el índice original, ya que estas reflejan tanto la pluriactividad económica, es decir, el crecimiento de otros sectores y empleos no agropecuarios (^{Herrera-Tapia, 2013, p. 153}), como la desagrarización, al ocasionar un crecimiento de los ingresos en el medio rural por actividades no agrícolas (^{Carton-de-Grammont, 2009, p. 15}).

Para el subgrupo laboral se continuó con sus cuatro variables originales. La información de este subgrupo de los años 1995 y 2005 fue estimada con el promedio de los quinquenios anterior y posterior, dado que en los conteos respectivos no se contó con la información para su cálculo.

El subgrupo productividad fue el que sufrió los mayores cambios a causa de que actualmente el INEGI, a través del Sistema de Cuentas Nacionales en México, únicamente publica la información del PIB por actividad económica a escala estatal. Es importante mantener una medida de productividad, ya que esta última depende del sector económico y de las características de los entornos en que se desarrollan las actividades. Para elegirla se examinaron los censos económicos, dado que son la fuente de información más completa y detallada al respecto con la que se cuenta en México, específicamente, la variable seleccionada mide el valor de la producción de todas las actividades económicas (excepto las agropecuarias). Así, la PBT por persona ocupada es el valor de todos los bienes y servicios producidos o comercializados por la unidad económica como resultado del ejercicio de sus actividades, por cada persona que trabajó en alguna unidad económica, i. e., Pbt.

Fuentes de información

La principal fuente de información fue el INEGI a través de la consulta interactiva de datos. Se consultaron los ^{Censos y Conteos de Población y Vivienda 1995, 2000, 2005, 2010}; la ^{Encuesta Intercensal 2015} y los ^{Censos Económicos 1994, 1999, 2004, 2009, 2014}. Una fuente secundaria fue el Informe Nacional de Desarrollo Humano (^{DEMyC, 2010}). Las variables utilizadas en la construcción del InR se calcularon para los años 1995, 2000, 2005, 2010 y 2015, a escala nacional, estatal y municipal.

Construcción de índices de los subgrupos e índice de ruralidad

Al igual que en la metodología utilizada en 2008, se aplicó el método multivariado de ACP. Para los ACP fue útil la matriz de correlaciones, porque la escala de las variables no es la misma y el método utilizado no es invariante a cambios de escala. Solo se echó mano de la información de los municipios para evitar su repetición al incluir la de los estados.

Como se debía obtener una referencia histórica y comparable del InR en los municipios de México, se diseñó una métrica común con dos propiedades: discriminar entre las entidades geográficas, y capturar los cambios a través del tiempo. La estabilidad en magnitud y dirección que los coeficientes (obtenidos al aplicar el ACP) presentaron de un quinquenio a otro incentivó el uso del promedio aritmético de los cinco años de estudio. De esta manera fue posible obtener combinaciones lineales de diferentes años recurriendo a los mismos coeficientes. En seguida se esboza el procedimiento.

Para cada año se verificó que los indicadores de cada subgrupo cumplieran dos criterios: 1) obtener en la combinación lineal el máximo de varianza, porque esto garantiza que discrimine del mejor modo entre las entidades geográficas a las que se les aplique, y 2) obtener coeficientes propios, porque esto garantiza explicar adecuadamente la situación de ruralidad en la que se está. Esta verificación se realizó sumando las componentes principales (en orden) y examinando si los coeficientes y la proporción de varianza de la suma resultante eran pertinentes. Se denota por S_i,a al vector de pesos de la combinación lineal seleccionada para el subgrupo i y el año a, donde i = 1 es para localidades, i = 2 es para vivienda, i = 3 es el subgrupo laboral e i = 4 representa productividad, y a = 1995, 2000, 2005, 2010, 2015. El vector de pesos de cada subgrupo que se utiliza con el propósito de hacer comparables las mediciones de los diversos años es el promedio aritmético de los anteriores vectores referidos, es decir, (S_i,1995 + S_i,2000 + S_i,2005 + S_i,2010 + S_i,2015 )/5, el cual será denotado por S_i. Con estos pesos se calcularon las combinaciones lineales en cada subgrupo i, municipio j y año a, valores que se describirán como S_ij,a.

Con la finalidad de llevar a cabo la técnica de escalamiento que logra que los valores de la combinación lineal de cada subgrupo estén entre 0 y 1, para los subgrupos localidades, vivienda y laboral, fue necesario determinar dos umbrales pertinentes, uno inferior y otro superior, mediante el uso de los valores extremos teóricos o empíricos de las combinaciones lineales.

Elegidos los umbrales, a la combinación lineal se le realizó la siguiente transformación:

donde:

S_ij,a: es el valor que toma la combinación lineal del subgrupo i en el municipio j y año a.

U_i,inf: es el valor del umbral inferior del subgrupo i, seleccionado con la información de todos los municipios y todos los años bajo estudio.

U_i,sup: es el valor del umbral superior del subgrupo i, seleccionado con la información de todos los municipios y todos los años bajo estudio.

Para el subgrupo productividad, a causa de su particular comportamiento, creciente e indefinido a través de los años, no fue apropiado obtener un umbral superior e inferior válido para todos los años de estudio; en lugar de ello, para cada año se utilizó el valor máximo y mínimo observados de la combinación lineal correspondiente, es decir, se usó U4,sup,a=maxj⁡S4j,a para el umbral superior en el año a, y U4,inf,a=minj⁡S4j,a como umbral inferior. Recuerde que i = 4 representa al subgrupo productividad.

Aun con la definición de los umbrales, para el año 2010 hubo un municipio cuyo valor del indicador del subgrupo localidades fue mayor que uno; sin embargo, se le asignó el valor de 1 (tuvo un cambio de población de 690.45%, pasó de 6985 habitantes, en 2005, a 55 213, en 2010).

Posteriormente, los indicadores para cada año a, I_1j,a, I_2j,a, I_3j,a y I_4j,a, fueron acomodados en una matriz, para realizar un ACP basado en la matriz de correlaciones. Se denota por U_a a la primera componente principal estandarizada de este análisis en el año a. Al igual que en el paso anterior, el vector de pesos U se calcula con el promedio aritmético de los coeficientes anuales, es decir, (U₁₉₉₅ + U₂₀₀₀ + U₂₀₀₅ + U₂₀₁₀ + U₂₀₁₅)/5. Con este resultado, se obtuvo el valor de la combinación lineal en cada municipio j y año a, denotada por U_j,a.

Como en los cuatro subgrupos se construyó el indicador de modo que, a mayor valor del indicador del subgrupo, el municipio exhibía ser más urbano, el InR está dado por:

donde:

U_j,a: es el valor de la combinación lineal de los cuatro subgrupos en el municipio j y año a.

Indicadores de los subgrupos e índice de ruralidad

Los indicadores de los subgrupos Localidades, Vivienda, y Laboral se obtuvieron con el promedio aritmético de los coeficientes de todos los años como se muestra en seguida.

Indicador Localidades (InLoc). En cada uno de los años se utilizaron los coeficientes de la suma de las dos primeras componentes principales. Estos coeficientes explicaron más del 75% de la varianza total en el año correspondiente y conservaron tanto el orden de importancia, como su sentido (+ o -). Las variables LocGra y LocChi fueron las más importantes para discriminar entre áreas urbanas o rurales, seguidas de CamPob y LocMed. Asimismo, los coeficientes promedio resultaron ser adecuados (Cuadro 2), debido a que al asignar valores negativos a las variables LocChi y LocMed, y positivos a las variables LocGra y CamPob, coincide con la idea de que los espacios rurales tienen menos población que los urbanos, como lo refieren ^{Sancho-Comíns & Reinoso-Moreno (2012, p. 601)}, quienes señalan que entre las características clásicas de la ruralidad están la baja densidad de población y el impulso migratorio.

Indicador Vivienda (InViv). Para cada año se utilizaron los coeficientes de la primera componente principal, los cuales explicaron más del 56% de la varianza total. Los coeficientes anuales asignan aproximadamente los mismos pesos a cada una de las variables, aunque las variables InDre e InEle lideran su importancia, mientras que InAgu y MatViv quedan a la zaga. Además, se puede observar que a medida que las variables InDre y MatViv adquieren importancia, InAgu e InEle la pierden. Los coeficientes promedio (Cuadro 3), al igual que los anuales, asignan la misma importancia a todas las variables, por lo que el indicador de este subgrupo será más grande cuando las áreas de estudio cuenten con los tres servicios básicos y los materiales del techo de la vivienda sean de buena calidad (i. e., materiales resistentes). De este modo, las áreas urbanas serán propensas a tener valores más altos, mientras que los valores pequeños serán atribuidos a las áreas rurales.

Como el resto de los indicadores, este contribuye en parte a definir la ruralidad del municipio, pero no la determina. Por ejemplo, si bien en Baja California los techos son de madera en mayor proporción que los de losa, los municipios de la entidad tienen un índice de ruralidad bajo, mientras que muchos municipios de Oaxaca tienen materiales menos resistentes (lámina de asbesto o metálica) que los ubican en ruralidades más altas. La diferencia en puntos por techos de madera (4) y techos de lámina de asbesto o metálica (3) es de una unidad, lo que muestra que este indicador no determina la ruralidad en los municipios mencionados, solo ayuda a indicar tal condición. Es claro que son otros los indicadores que diferencian la condición de ruralidad en los municipios de Baja California y los de Oaxaca, lo que indica que la heterogeneidad de condiciones rurales en nuestro país está siendo explicada a través del conjunto de indicadores.

Indicador Laboral (InLab). En cada año se utilizó la suma de las dos primeras componentes principales, coeficientes que explicaron más del 79% de la varianza total. Los coeficientes anuales conservaron el sentido y la importancia, a excepción del año 2000. Las variables PeaDes y PeaPrim fueron las más importantes, mientras que las menos fueron PeaTer y PeaSec. Los coeficientes que se obtienen con el promedio aritmético son adecuados (Cuadro 4), asigna un coeficiente negativo a la variable PeaPrim, la cual es predominante en las áreas rurales (^{Sancho-Comíns & Reinoso-Moreno, 2012, p. 603}), mientras que los coeficientes positivos son asignados a las variables asociadas con lo urbano, es decir, PeaDes, PeaSec y PeaTer.

Umbrales pertinentes. Los umbrales superior e inferior de los tres subgrupos se determinaron con los valores extremos empíricos y teóricos de los indicadores. Los extremos empíricos fueron el mínimo y máximo observados, mientras que los extremos teóricos se calcularon con el acotamiento de los valores de las variables al caracterizar un municipio como urbano o rural. A continuación se describe la forma en que se acotaron los valores extremos teóricos de las variables y en el Cuadro 5 se presentan los resultados.

Para el subgrupo Localidades, el valor máximo teórico ocurre cuando toda la población de un municipio habita en localidades grandes y a lo sumo la población se ha duplicado de un quinquenio a otro. En cambio, el valor mínimo teórico se obtiene cuando toda la población del municipio habita en localidades chicas y a lo sumo ha demediado su población.

Para el subgrupo Vivienda, el valor máximo teórico se obtiene cuando todos los habitantes del municipio tienen acceso a los tres servicios básicos y todos los techos de las viviendas particulares habitadas son de losa. En contraste, el valor mínimo teórico se obtiene cuando ningún habitante tiene acceso a los tres servicios básicos y todos los techos de las viviendas son de material de desecho.

Por último, para el subgrupo Laboral, el valor máximo teórico se obtiene cuando la PEA desocupada es igual a 25% y la PEA ocupada se encuentra en el sector terciario, bajo la idea de que un lugar urbano se caracteriza por una gran concentración de población y un ajustado mercado laboral. Contrario a lo anterior, el valor mínimo teórico se obtiene cuando toda la PEA se encuentra ocupada en el sector primario, situación posible en los lugares más rurales.

Con el fin de determinar los umbrales, para los indicadores de los subgrupos Localidades, Vivienda y Laboral, se verificó que los valores extremos empíricos de cada año estuvieran contenidos en los valores extremos teóricos, cuando ello no se cumplió, los umbrales fueron próximos a los valores extremos empíricos.

Para el subgrupo Productividad no se determinaron umbrales únicos por la razón de que es una medida creciente e indefinida en el tiempo; así, la transformación se realizó con los valores mínimo y máximo empíricos de cada año. Esta singularidad se asocia al paradigma de la mejora continua, aunque el tiempo determinará si esa condición es plausible. El resumen se presenta en el Cuadro 6.

Índice de ruralidad. Una vez calculados los coeficientes promedio y determinados los umbrales, se obtuvieron cuatro combinaciones lineales para cada año: el Índice Localidades (InLoc), el Índice Vivienda (InViv), el Índice Laboral (InLab) y el Indicador Productividad (InProduc). Los valores de las combinaciones lineales de los cuatro subgrupos para todos los municipios generaron la matriz de correlaciones de la que se extrajeron componentes principales. Se utilizaron los coeficientes de la primera componente principal, los cuales explican más del 53% de la varianza total, y se estandarizaron para posteriormente calcular el promedio aritmético.

A través de los años, los indicadores de los subgrupos Localidades, Vivienda y Laboral fueron ganando importancia a medida que el indicador del subgrupo Productividad fue disminuyendo. En el promedio aritmético (Cuadro 7), se observa que el subgrupo Productividad es el que menos influye en el valor final del InR, mientras que el subgrupo Laboral es el que tiene mayor influencia en la discriminación entre lo rural y lo urbano.

Con los coeficientes promedio se calculó el valor de la combinación lineal para cada municipio y año, denotado por U_j,a, donde j es el municipio y a el año de estudio. Con este resultado se realizó la transformación (2), obteniendo así el InR.

Para obtener el InR a escala estatal y nacional, se utilizaron los coeficientes o pesos promedio obtenidos a escala municipal en cada una de las combinaciones lineales a esas escalas.

El InR y su relación con el índice de marginación

Para validar el índice propuesto, comparamos el InR con el indicador compuesto que exhibió un mayor coeficiente de determinación a escala estatal en el estudio realizado con la información del año 2000 (^{Zamudio-Sánchez, Corona-Ambriz, & López-Becerril, 2008, pp. 201-204}), este indicador fue el índice de marginación (IM). Cabe resaltar que el IM no es comparable en el tiempo, sin embargo, es útil para determinar la intensidad de marginación en un año en particular (^{Gutiérrez-Pulido & Gama-Hernández, 2010, p. 233}). La alta asociación del IM del Conapo con el InR resulta pertinente, ya que ambos están determinados en cierta medida por el contraste que ofrecen respecto a las ciudades como territorios urbanos, es decir, tanto los espacios rurales como los marginados se asocian a aquellos que no lucen como espacios urbanizados. Otros índices, como el de pobreza del Coneval, muestran correlaciones a escala estatal muy altas con el InR (2010: 0.92 y 2015: 0.85), lo cual indica que no todos los espacios rurales son pobres pero están altamente relacionados y que es significativa la asociación entre la pobreza y los lugares que no lucen como espacios urbanizados.

Se graficaron para cada año de estudio los InR de los estados contra sus respectivos valores del IM a escala estatal,¹ para determinar la relación empírica entre ellos y se observó que esta podía explicarse por una recta (Figura 1). La relación entre el grado de marginación y el grado de ruralidad es directa, debido a que en todos los años el coeficiente de regresión es positivo y el coeficiente de determinación indica que la explicación es bastante alta. Así, conforme aumenta el grado de ruralidad, también lo hace el grado de marginación. Por otra parte, observamos que las posiciones asignadas por el InR son parecidas a las que asigna el IM (puntos que no distan mucho de la línea de regresión), lo que confirma los valores altos del coeficiente de determinación por encima de 0.83.

Fuente: Elaboración propia con datos del IM por entidad federativa (Conapo, 2016).

Figura 1 Relación entre el InR y el IM a escala estatal 

Patrón espacial de la ruralidad: índice de ruralidad por municipio

Para un representación espacial, se definieron tres niveles de ruralidad a escala municipal: Urbano (InR menor a 0.4), Semiurbano (InR entre 0.4 y 0.6) y Rural (InR mayor a 0.6) (véanse las figuras 2 y 3).

Fuente: Elaboración con cálculos propios.

Figura 2 InR a escala de municipio 1995 

Fuente: Elaboración con cálculos propios.

Figura 3 InR a escala de municipio 2015 

En 1995, los valores del InR estuvieron entre 0.1934 y 0.8836. Para 2015, el rango de valores del InR disminuyó y tomó valores entre 0.2447 y 0.7892. Lo anterior se ve reflejado al comparar las Figuras 2 y 3, la segunda tiene mayor número de municipios en la categoría Urbano, aunque el límite inferior de ruralidad aumentó. De igual modo, de la comparación de las figuras se observa cómo se mantienen ciertos patrones en la distribución espacial de la ruralidad, por ejemplo, en Chihuahua los municipios de la sierra Tarahumara siguen siendo los más rurales dentro del estado, situación que se repite en Chiapas con los municipios de la selva Lacandona.

Patrón espacial de la ruralidad: índice de ruralidad por estado

De manera general, en el Cuadro 8 presentamos el InR promedio a nivel nacional y estatal de cada uno de los años de estudio. En el InR nacional promedio se observa un lento pero progresivo cambio hacia la urbanidad; en veinte años el InR pasó de 0.6088 a 0.5220. Este fenómeno ocurre en todos los estados, pero existen importantes retrocesos en algunos quinquenios, tal es el caso de Aguascalientes, Baja California, Baja California Sur y Sonora, que en el último quinquenio de estudio aumentaron su índice.

Para tener una idea de la dinámica del InR entre 1995 y 2015, calculamos una tasa de cambio promedio del decremento en ruralidad y el incremento en urbanidad. La primera medida registra el cambio en ruralidad de 1995 a 2015 respecto del valor de ruralidad que se tenía en 1995. La segunda medida capta el cambio en urbanidad de 2015 a 1995 respecto del valor de urbanidad que se tenía en 1995, entendiéndose por urbanidad el complemento de la ruralidad (1-InR). Observamos que los cambios promedio más drásticos se registraron en Yucatán (30.20), Durango (23.64) y Querétaro (23.60). Los estados que presentaron menor cambio fueron Ciudad de México (6.14) y Baja California (6.29). Es claro que cuando un territorio es urbano, el cambio hacia la urbanidad es muy lento a través del tiempo.

Los promedios calculados reflejan además un contraste en los grados de ruralidad que presentó cada estado en los diferentes años de estudio (véanse las columnas en el Cuadro 8).

Por otra parte, resulta importante conocer la distribución de la ruralidad en cada estado y la población que habita en ellos. En el Cuadro 9, columnas 2 a 4, se presenta para el año 2015 el porcentaje de municipios y porcentaje de población en cada uno de los tres niveles de ruralidad en relación con el total nacional o estatal, según sea el caso; observe que las sumas por hileras son igual a 100. En las últimas tres columnas los porcentajes fueron calculados respecto al total de municipios y población del país, con el fin de conocer la distribución de ruralidad que tiene cada uno de los estados respecto al total del país; en este caso observe que las sumas por columnas son igual a 100.

A nivel nacional hay un bajo porcentaje de municipios urbanos (16.04%), pero albergan un gran porcentaje de población (68.62%), lo cual habla de las pocas grandes urbes del país. En el otro extremo se tiene un significativo porcentaje de municipios rurales (28.33%) donde únicamente habita 6.23% de la población, lo que indica el enorme número de territorios pequeños del país. Como es sabido, el país se distribuye en pocos espacios muy densos y muchos territorios dispersos con poblaciones muy pequeñas, hasta ahora, ese esquema se mantiene.

En relación con las entidades federativas, Baja California y Ciudad de México destacan por tener todos sus municipios urbanos y, consecuentemente, toda su población habita en ellos. En el lado opuesto, Oaxaca y Chiapas tienen el menor porcentaje de municipios urbanos (2.81 y 5.93%, respectivamente) y el mayor porcentaje de municipios rurales (56.14 y 61.86%, respectivamente); en estos estados una gran cantidad de población vive en municipios rurales (30.15 y 40.07%, respectivamente) y semiurbanos (44.58 y 32.51%, respectivamente). Otros estados con mayor porcentaje de municipios rurales -los datos entre paréntesis indican las poblaciones que en ellos habitan- son: Chihuahua: 46.27% (7.91%), Veracruz: 40.57% (18.61%), Campeche: 36.36% (13.49%), Tamaulipas: 34.88% (3.59%) y Guerrero: 30.86% (13.83%). Por otro lado, los estados con menos del 50% de su población viviendo en territorios urbanos, además de Chiapas y Oaxaca, son: Tabasco (33.81%), Veracruz (39.80%), Hidalgo (43.08%), Guerrero (46.57%) y Michoacán (48.02%).

Al realizar las comparaciones respecto al total nacional, se nota que en el Estado de México, Ciudad de México, Jalisco, Nuevo León, Guanajuato y Baja California, se concentra más del 50% de la población urbana (50.22%) en el 36.79% de los municipios. En contraste, en los estados de Chiapas, Veracruz, Oaxaca, Puebla y Guerrero se concentra el 79.27% de la población rural en México en el 80.61% de los municipios. En breve, en cuatro estados de la república se concentra más del 50% de la población urbana y en otros cinco se concentra casi el 80% de la población rural.

Los anteriores generales en la distribución de la ruralidad en México muestran que la urbanidad crece gradualmente, pero aún quedan muchos espacios rurales. Persiste el contraste polarizado de pocas grandes poblaciones y muchas poblaciones pequeñas.

Vivienda y ruralidad: una aplicación del InR

Una clasificación más precisa de las áreas rurales permite una mejor identificación de sus necesidades y oportunidades y con esto un diseño de políticas públicas más efectivas (^{Madu, 2010, p. 177}; ^{López-Moreno, 2017, p. 225}). Si las políticas de desarrollo rural han traído beneficios en algunos sectores, también es cierto que hay una gran cantidad de proyectos sin efectos positivos en la base social (^{Herrera-Tapia, 2013, p. 133}).

A escala mundial se dedican importantes recursos públicos para mejorar la calidad de las viviendas y en varios países esto se utiliza como herramienta para combatir la pobreza (^{Correa-López, 2014, pp. 27-28}). En México, como las políticas sociales generales no alcanzan a todos los estratos de la población, en especial a las personas pobres que viven en las regiones rurales, con la finalidad de mitigar la pobreza se desarrolló una estrategia a través de la Secretaría de Desarrollo Social (Sedesol) con la instrumentación de programas como Oportunidades, Vivienda Rural y Abasto Alimentario (^{OECD, 2007, pp. 100-101}).

Como ejemplo de uso del InR, se analizó el desempeño del Programa de Vivienda Rural (PVR) para saber si los recursos se habían priorizado de manera eficiente (pertinente), es decir, si la población que se encontraba en condiciones de mayor ruralidad fue atendida. El PVR, vigente entre 2003 y 2015, apoyaba a los hogares mexicanos de zonas rurales que se encontraban en situación de pobreza, con ingresos por debajo de la línea de bienestar mínimo y con carencia por calidad y espacios de la vivienda. Hasta 2013 su cobertura se limitaba a localidades de hasta 5000 habitantes, límite que se redujo en 2014 a 2500 habitantes. Aunque el criterio para otorgar los apoyos contempla a la localidad como unidad territorial, el análisis que se presenta aquí es a escala municipal.

La base de datos de beneficiarios del PVR la publica el Fideicomiso Fondo Nacional de Habitaciones Populares (Fonhapo);² contiene información de los ciudadanos a los que se les dio el subsidio para la construcción, ampliación o mejoramiento de la vivienda en zonas rurales durante el periodo 2006-2015.

Para llevar a cabo el análisis, se diseñó una forma de visualizar la información del número de beneficiarios del programa en cada municipio y los montos de apoyo que se les había asignado. Así, mediante gráficas fue posible observar la proporción acumulada de ambos indicadores en función de los niveles del InR, una para cada ejercicio fiscal. Para las gráficas de 2006-2010 se utilizó el InR de 2005, mientras que para 2011-2015 el de 2010.

La idea de usar las gráficas (Figura 4) fue ver qué tan convexas eran en el intervalo del mínimo al máximo InR que se tenía en la unidad territorial bajo análisis. Se esperaba que los apoyos fueran limitados en los municipios con bajo InR, y conforme este tendiera a su máximo los apoyos serían vastos. En este sentido, se propone un criterio pertinente, en el que según la ruralidad se incremente, los montos de apoyo asignados se eleven, con el fin de asignar más recursos en los municipios más rurales y menos recursos en los municipios más urbanos -sin considerar el tamaño de población de los municipios.

Fuente: Elaboración con cálculos propios.

Figura 4 Proporción acumulada a nivel municipal del monto de apoyo asignado (azul) y número de beneficiarios (gris) del PVR durante el ejercicio fiscal 2006 y propuesta de asignación (naranja) directamente proporcional al valor del InR. 

La Figura 4 corresponde al ejercicio fiscal 2006 del PVR, contiene: la proporción acumulada del monto de apoyo asignado a los municipios (azul), la proporción acumulada del número de beneficiarios de los municipios (gris) y el criterio propuesto por este trabajo (naranja), directamente proporcional al InR. Se observa que en los municipios con InR menor a 0.65 se asignaron menos recursos que los propuestos con el criterio, lo cual no sucede con los municipios de InR mayor a 0.65, esto significa que, bajo el criterio propuesto, parte de los montos de apoyo que debieron ser asignados en municipios con InR menor a 0.65 fueron asignados a municipios con InR mayor a 0.65; sin embargo, los municipios con InR mayor a 0.78 fueron excluidos, puesto que la proporción acumulada de los montos de apoyo es aproximadamente igual a 1 en ese punto. Lo anterior, aunque no sigue el criterio adoptado, es congruente con el propósito del programa porque asigna más recursos a los territorios más rurales, tomando de aquellos que podrían proporcionarse a otros menos rurales, excepto en la parte final donde las curvas azul y gris se tornan cóncavas, señalando que los territorios en los valores extremos de ruralidad recibieron menos intensidad de recursos que aquellos ubicados en el intervalo 0.65 a 0.78.

Al analizar las gráficas de los años 2006-2015 (Figura 5), se percibe que a través de los años y de acuerdo al criterio propuesto, los montos de apoyo destinados a municipios con un InR bajo fueron aumentando gradualmente, mientras que los municipios con mayor InR se fueron excluyendo, lo cual significa que los recursos no estuvieron dirigidos a las familias que habitan en las zonas más rurales. Además, 47 municipios que en 2005 tenían un InR mayor a 0.70 no recibieron los beneficios en ningún ejercicio fiscal, 42 de ellos pertenecen al estado de Oaxaca.

Fuente: Elaboración con cálculos propios.

Figura 5 Proporción acumulada a nivel municipal del monto de apoyo asignado (azul), número de beneficiarios (gris) y propuesta de asignación (naranja) del PVR durante los ejercicios fiscales 2007-2015 

En México existe una diversidad rural conducida por condiciones regionales, culturales y políticas. Las limitantes para contar con servicios públicos e infraestructura se deben a la diversidad regional: localización, recursos naturales, riqueza cultural, capital social (^{OECD, 2007, pp. 144-145}). Por otra parte, la diversidad política se observa cuando los recursos de los programas no son focalizados para atender el rezago declarado en el programa sino que se reparten en poblaciones menos afectadas por la mayor capacidad de gestión de sus habitantes o por estrategias políticas asociadas a los procesos de elección. Cualquiera que sea el caso, los administradores del programa deberían focalizar los recursos donde son requeridos para disminuir en mayor medida los índices de ruralidad, al hacerlo con las condiciones de precariedad en las que están las variables asociadas a la ruralidad.

Aun después de varios años de existencia del PVR, en 2015 el rango de valores del InR sigue siendo el mismo que se observa en 2005, lo que indica que en términos del índice siguen existiendo municipios en condiciones de ruralidad equivalentes a las de 2005. Esto implica que los grados de ruralidad en México persisten y que la ayuda del programa no se refleja en que los valores del índice cada vez tengan una cota superior más baja, en parte porque no se atienden los municipios en condiciones de extrema ruralidad o porque probablemente los recursos del programa son insuficientes. Indistintamente de la última razón, es notorio que el programa ha desplazado los recursos a localidades menos rurales y no ha atendido a los lugares más rurales. Estos dos aspectos deben ser corregidos para reducir los niveles más altos de ruralidad.

En el Cuadro 10 se muestran los valores mínimo y máximo del InR a escala municipal para cada año de estudio. Se esperaría que, con la aplicación del PVR en el periodo 2003-2015, ambos valores descendieran gradualmente, sobre todo el máximo. No obstante, el máximo nivel de ruralidad disminuyó de forma importante en el primer y último quinquenio, lo que significa que el programa solo cumplió con los objetivos propuestos en los periodos 1995-2000 y 2010-2015. Por otro lado, el nivel mínimo de ruralidad no decreció de forma significativa, y aunque en 2005-2010 sí lo hace, el valor mínimo regresa al nivel de 1995. Cabe señalar que, en 2010, el municipio García del estado de Nuevo León reportó el menor InR, sin embargo, fue beneficiado con el PVR en los ejercicios fiscales 2008 y 2009, lo cual confirma que los apoyos se han dirigido a zonas urbanas.