nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
Hablar de turismo y desarrollo es abordar una búsqueda por mejorar las condiciones de vida de las poblaciones receptoras; un enfoque que se ha ligado a esta visión es el del desarrollo local, que busca satisfacer las necesidades de todos los actores relacionados con la actividad turística y dejar un beneficio para la comunidad destinataria, quien es protagonista en el proceso de desarrollo (Varisco, 2007; Wallingre, 2007).
Dada la importancia de la comunidad receptora en el turismo, se busca conocer la percepción que se tiene del mismo y de su impacto, con la intención de detectar problemas y posibles soluciones, en aras de coadyuvar al desarrollo local, a través de proyectos turísticos (García Martínez et al., 2015; Mendoza Ontiveros et al., 2013).
La actividad turística tiene gran importancia en la agenda de la política pública de México y, a causa de esto, se han creado programas de desarrollo turístico regionales. Entre éstos, destaca el Programa Pueblos Mágicos (PPM), que surgió en 2001 con el objetivo de motivar el desarrollo de las localidades incorporadas. Sin embargo, a lo largo de sus 20 años de existencia, ha tenido cambios en la gestión y su aplicación ha propiciado diversos resultados, que se expresan en la vasta literatura existente al respecto. Algunas de las principales líneas de investigación que se pueden observar están relacionadas con los impactos del programa en las localidades receptoras, con abordajes cualitativos.
En este trabajo se plantea, como objetivo, identificar las variables que han sido determinantes para el desarrollo local en Mineral de Pozos, Guanajuato, México, como Pueblo Mágico, con base en una encuesta de percepción con escala tipo Likert, aplicada a la población de esta localidad, y desarrollando un modelo de ecuaciones estructurales por el método de mínimos cuadrados parciales (Partial Least Squares Structural Equation Modeling, PLS-SEM), el cual es un método utilizado en estudios relacionados con el turismo, pero no en el tema de los Pueblos Mágicos, específicamente.
El documento se estructura en seis apartados. Después de la introducción, se hace una revisión teórica sobre el desarrollo local y las percepciones sociales del PPM; posteriormente, se revisan investigaciones que aplican el modelo PLS-SEM en asuntos turísticos; en el apartado cuatro se exponen los aspectos metodológicos en los que se fundamenta la información del caso analizado, la recolección de los datos y el proceso de selección de las variables; en la quinta sección se presentan los resultados y la discusión sobre ellos; finalmente, se postula una serie de conclusiones.
1. Desarrollo local, percepciones sociales y Pueblos Mágicos
Hablar de turismo y desarrollo es hablar de una relación, ligada al cambio, entre las poblaciones receptoras y la forma en que viven su cotidianidad, pues la búsqueda de mejoras en la calidad de vida, basada en la actividad turística, es una de las estrategias que más se ha popularizado en territorios con atractivos culturales, naturales, arquitectónicos, étnicos, etcétera. Esta situación ha sido impulsada por el Estado en todas las escalas de gobierno, a través de la creación de políticas públicas que ayuden a gestionar este tipo de actividades.
El desarrollo local (DL) es un enfoque que busca las fortalezas endógenas de las localidades y propone la participación de todos los niveles de gobierno para lograr las estrategias de desarrollo, con una visión integradora, que incluya el conjunto de las dimensiones que convergen en él: ambiental, sociocultural, humana, institucional, política, económica, entre otras (Vázquez Barquero, 2009; Alburquerque, 2003).
Este enfoque también se ha relacionado con las actividades turísticas, dado que a través de éstas se pueden satisfacer las necesidades de ocio de los visitantes, dejando un beneficio económico que permite, a su vez, sanear las de la comunidad receptora (Varisco, 2007). Aunado a lo anterior, desde el enfoque del DL, la participación de la población es fundamental y la existencia de un sentido de pertenencia de una comunidad enriquece el proceso de desarrollo (Wallingre, 2007).
En este sentido, la comunidad anfitriona es un actor imprescindible dentro del turismo, pues es quien percibe directamente los impactos positivos y negativos que se derivan de estas actividades; por esa razón, se debe conocer la percepción de la población local, lo que ayudará a detectar problemas y posibles soluciones para lograr un DL exitoso, a través de su participación en los proyectos turísticos (García Martínez et al., 2015; Mendoza Ontiveros et al., 2013).
En esta investigación, se recupera una definición de percepción orientada a lo social, en la que se involucran factores culturales, creencias, opiniones, actitudes y el reconocimiento de los sujetos hacia un fenómeno determinado; esta definición dice que la percepción de la comunidad es la actitud que ésta toma ante el impulso de la actividad turística dentro de la comunidad; puede ser positiva o negativa (García Martínez et al., 2015).
Para un entendimiento de las percepciones que se crean hacia el turismo, la teoría del intercambio social (Social Exchange Theory) da a conocer que las relaciones sociales involucran el intercambio de diversos recursos entre los actores sociales, que en este caso son los residentes y los turistas. Ambas partes buscan beneficios en dichas relaciones; los que más inciden en la determinación de la percepción de las comunidades locales son los beneficios social y económico (Ap, 1992).
Así, en la medida en que los residentes observen que los beneficios que se perciben son mayores al costo derivado de ese desarrollo pueden mostrar actitudes favorables al desarrollo turístico (Ruiz Hidalgo, 2018). Algunos de los impactos más percibidos por la comunidad se encuentran en tres categorías básicas de costo-beneficio, que son las económicas, medioambientales y sociales; específicamente, se pueden mencionar los siguientes: haber nacido en la comunidad, tiempo de residencia en la misma, nivel educativo, dependencia económica de la industria turística, familia, grupos sociales y experiencia (García Martínez et al., 2015).
En el caso de México, la actividad turística es un tema prioritario de la política pública, por lo que se han creado programas de desarrollo turístico regionales para promoverla, entre los que destaca el PPM, que surgió en 2001 y, desde entonces, ha presentado cambios en su gestión, pero sigue vigente como una marca turística que permite a las localidades obtener inversiones a nivel federal, con el objetivo de mejorar la oferta turística y aumentar la competitividad de los destinos beneficiarios (Sectur, 2014).
Existe abundante literatura al respecto. En algunos trabajos se hace hincapié en que la intención de las localidades de incorporarse al PPM produce cambios en ellas, crea expectativas por las propuestas que trae este programa y orilla al replanteamiento de tradiciones y de la cotidianidad para favorecer al turismo; además, aparecen grupos con poder económico que se benefician del programa y promueven cambios en la oferta turística, provocando el desplazamiento de la población local (López Levi et al., 2018; Hiernaux-Nicolas, 2015; Guzmán Ríos, 2015; Enciso, 2015; Rosas Jaco et al., 2016; De la Rosa et al., 2016).
Otros estudios resaltan la importancia de la participación ciudadana de los Pueblos Mágicos (PM) en el rescate del patrimonio cultural, así como la capacidad de resiliencia de dichos pueblos con miras hacia la promoción de prácticas sustentables que favorezcan el DL; algunos autores analizan datos sociodemográficos, económicos y turísticos para determinar el impacto del turismo en dichos pueblos (Muñoz Aréyzaga, 2019; Arista Castillo et al., 2020; Gauna, 2019).
Desde otros enfoques, se analizan las modificaciones que sufre el territorio gracias a las políticas turísticas derivadas del PPM, así como la importancia de la cultura de las localidades que forman parte del programa y de la trascendencia de la marca turística que se ha creado (Núñez-Camarena y Ettinger, 2020; Bolaños Ortega et al., 2021).
Algunos autores estudian la percepción y satisfacción de los turistas respecto a los servicios en los PM (Monroy Ceseña y Urcádiz Cázares, 2020); otros realizan una revisión de los estudios generados hasta el momento sobre el tema (Madrid, 2019); también se ha investigado sobre el impacto del turismo desde el análisis de datos de aumento de empleo y marginación (Winiarczyk-Raźniak y Raźniak, 2021).
Por otra parte, en cuanto a los estudios que analizan las percepciones de la población, Hernández González e Iturbe Vargas (2019) analizan impactos positivos y negativos del turismo en la identidad cultural, a través de una encuesta aplicada a la población local. Los autores consideran los indicadores de sentido de pertenencia, respeto, beneficios sociales y económicos, modificaciones en la cultura, pérdida de la identidad y migración.
Covarrubias-Ramírez et al. (2010) se enfocan en determinar la relación entre el impulso al desarrollo del turismo y el grado de satisfacción de la población local. En su trabajo analizan las dimensiones ambiental, social y económica empleando una escala tipo Likert; además, se consideran aspectos como el sexo, la actividad económica, la edad y el tiempo de residencia en la localidad. Algunos de los indicadores analizados son los beneficios generados por el turismo y la generación de empleos, derrama económica e incremento en los precios de la localidad.
Por su parte, Arvizu Armenta (2014) realiza una investigación sobre la percepción de los habitantes en relación con la aplicación del PPM y se enfatiza la importancia de conocer las experiencias, expectativas y visiones de los distintos actores que se involucran en el programa. Se da importancia hacia los aspectos sociales, como tradiciones, fiestas, edificios, gastronomía, expectativas, experiencias de la sociedad local; además de considerar aspectos como beneficios materiales, trabajo, valores e imagen.
En otro estudio, Álvarez-Quijada (2017) buscó mostrar la percepción de la población con respecto al PPM y las actividades turísticas que se generan; las variables consideradas son la localidad, la percepción de los beneficios del turismo de manera individual y comunitaria y la creación de actividades, así como la influencia que eso ha tenido en el desarrollo económico, social y turístico de dicha comunidad.
Una investigación más sobre las percepciones de la población es la que realizan Cornejo-Ortega et al. (2018), quienes estudian los impactos del turismo en el PM de Tapalpa, Jalisco; ellos analizan la percepción de la población local y de los turistas a través de la aplicación de una encuesta, donde los efectos percibidos están relacionados con mayores inversiones, mejora en la calidad de vida por los ingresos derivados de la actividad, así como oportunidades de empleo; sin embargo, el costo de todo esto es el encarecimiento de la vida en la localidad.
2. PLS-SEM y turismo
Como un aporte adicional, el análisis de datos en este trabajo se realiza a través de un modelo de ecuaciones estructurales (PLS-SEM), que es un modelo multivariable, es decir, que conlleva la utilización de métodos estadísticos que analizan simultáneamente múltiples variables, obtenidas, normalmente, a partir de datos primarios (a través de encuestas u observaciones).
Este tipo de método se basa en el análisis de la varianza, con una metodología de modelación flexible que no exige supuestos paramétricos rigurosos, en especial, en la distribución de los datos; además, dada su eficiencia estadística, debida al uso de potentes softwares, aumenta el nivel de confianza de las investigaciones; se utiliza, principalmente, para desarrollar teorías en investigaciones exploratorias, enfocándose en la explicación de la variable dependiente (Hair et al., 2019; Martínez Ávila y Fierro-Moreno, 2018).
Este tipo de modelos ha sido poco utilizado en estudios relacionados con el turismo en México; la búsqueda de investigaciones relacionadas con el tema de turismo realizadas con este método se hizo en el buscador Google Académico, utilizando las palabras PLS-SEM y turismo, que arrojó una gran cantidad de trabajos en inglés con este tipo de modelos como una buena opción para aplicarlo en investigaciones turísticas; otros trabajos mencionaban las nuevas aplicaciones de PLS-SEM en turismo para mejorar el rigor metodológico de los modelos mencionados en el campo del turismo (Assaker et al., 2012; Sarstedt et al., 2018; Kock, 2018; Ali et al., 2018; Kumar y Purani, 2018).
En español, Olague et al. (2017) analizan la motivación de viajar en relación con la satisfacción del turista, utilizando un modelo de ecuaciones estructurales por medio de mínimos cuadrados parciales (PLS), donde se evidencia su papel de causalidad y predicción sobre la satisfacción del turista.
Por otra parte, existe evidencia teórico-metodológica más específica sobre el turismo y la percepción de la población local, que se centra en buscar la causalidad entre las variables estudiadas, en algunos casos de percepciones de la población local sobre los impactos del turismo (Moral-Moral y Fernández Alles, 2018; Ramón Cardona et al., 2020; Cañero Morales, 2018; De Alcântara Buosi et al., 2017; Azpelicueta Criado et al., 2015).
En otras investigaciones se aborda el tema de las actitudes de la población residente hacia el turismo (Álvarez Bassi y Ramón Cardona, 2015; Gutiérrez Taño, 2010); estos estudios, principalmente, se realizaron en España, Uruguay, República Dominicana y Colombia; todos utilizan el modelo de ecuaciones estructurales (SEM) por el método de mínimos cuadrados parciales (PLS).
En el caso de México, hay investigaciones que demuestran que la percepción de los beneficios del turismo influye de manera positiva en la calidad de vida de la comunidad (González-Damián y Macias Ramírez, 2019). En otro estudio se analiza la evaluación del apoyo de la comunidad anfitriona a la organización de eventos culturales y deportivos con afluencia turística en ciudades pequeñas, con base en la percepción de los impactos sociales (González-Damián y López Peña, 2017).
3. Metodología
3.1. Área de estudio
San Pedro de los Pozos es una localidad del municipio de San Luis de la Paz y es mejor conocida como Mineral de Pozos; se localiza en la región noreste del estado mexicano de Guanajuato, específicamente en la subregión Chichimeca (Mapa 1); tiene una superficie de 4782 ha, que representan 2.5% del territorio municipal. Su población es de 2856 habitantes, de los cuales, 1375 son hombres y 1481 mujeres. Además, cuenta con un grado de marginación medio y un grado de rezago social muy bajo (Periódico Oficial de San Luis de la Paz, 2014; IPLANEG, 2018; Sedesol, 2018; Inegi, 2020).
Fuente: elaboración propia con el software QGIS Desktop v. 3.2.3. (QGIS Project, 2022).
Mapa 1 Área de estudio.
3.2. Recolección de datos
Para la recolección de datos, y dado el objetivo de este estudio, se aplicó una encuesta -pues este instrumento brinda la posibilidad de medir las actitudes de las personas respecto a un tema determinado- en la que se integró una sección para recabar datos sociodemográficos y otra en la que se midieron las percepciones de las variables determinadas. Para la sección de las percepciones se utilizó la escala tipo Likert, con las siguientes opciones de respuesta: totalmente en desacuerdo, medianamente en desacuerdo, ni de acuerdo ni en desacuerdo, medianamente de acuerdo y totalmente de acuerdo.
El cuestionario se aplicó directamente a los habitantes de esta localidad entre agosto y diciembre de 2019, utilizando “KoBoCollect” (Kobo Toolbox, 2022) para Android, a través de un dispositivo electrónico. Dicho instrumento se diseñó a partir de observaciones en campo y una encuesta piloto, pero también integró cuestiones derivadas de la revisión de literatura respecto a los impactos que se han observado, hasta el momento, en los pueblos que cuentan con el nombramiento de PM, en relación con las variables observadas de la literatura que se enfocan en el impacto a las dimensiones económica, sociocultural y política. Así, las variables que se definieron fueron las siguientes:
Nombramiento de Pueblo Mágico: esta variable es vista como una variable exógena que ha significado grandes cambios para la localidad, representada con indicadores de inversión y la idea de que Mineral de Pozos continúe siendo PM. Está determinada por dos ítems: la dimensión económica (inversiones en el lugar) y la dimensión sociocultural (seguir como PM).
Desarrollo Local: es una variable endógena, que está conformada por ocho ítems de las dimensiones económica (más turistas, beneficios para Mineral de Pozos, empleos y beneficios para las familias), política (mejora de los servicios públicos y seguridad) y sociocultural (festivales y otras actividades culturales y se mantienen las tradiciones y costumbres).
En el instrumento aplicado, al encuestado se le plantearon diferentes enunciados y se les preguntó el grado de acuerdo o desacuerdo que tenían con las afirmaciones establecidas, mismas que se observan a detalle en la Tabla 1.
Tabla 1 Ítems de los constructos como modelos de medida reflectivos.
| Variable | Dimensión | Clave | Ítem |
|---|---|---|---|
| Exógena | Económica | EC4 | Hay más inversiones en Mineral de Pozos. |
| Sociocultural | SC11 | Mineral de Pozos debe seguir como PM. | |
| Endógena | Económica | EC1 | El nombramiento ha atraído más turistas. |
| EC2 | El turismo trae beneficios, en general, para Mineral de Pozos. |
||
| EC3 | El turismo aporta empleos. | ||
| EC6 | A su familia, en particular, le ha traído beneficios el turismo. |
||
| Política | PO1 | Han mejorado los servicios públicos en Mineral de Pozos con el nombramiento de PM (agua, luz, basura, etcétera). |
|
| PO2 | Ha cambiado la seguridad en Mineral de Pozos con el turismo. |
||
| Sociocultural | SC8 | Los festivales y otras actividades culturales que se organizan en Mineral de Pozos. |
|
| SC9 | Se han mantenido las tradiciones y costumbres de la localidad. |
Fuente: elaboración propia
La población de estudio se integró por todas aquellas viviendas habitadas en la localidad. De acuerdo con datos del Inventario Nacional de Viviendas 2016 (Inegi, 2016), existen 580 hogares en los cuales habita al menos una persona mayor de 18 años. La muestra se calculó a través de la fórmula general para poblaciones finitas, obteniendo un total de 231 encuestas para asegurar un nivel de confianza de 95% y un margen de error de 5%; este fue el número de encuestas que se aplicó en la localidad de Mineral de Pozos.
Posteriormente, durante las visitas de campo se observó el territorio y, por las características encontradas, se decidió realizar el levantamiento de encuestas por manzana, que resultó ser la mejor forma de abordar toda la localidad de manera ordenada para hacer más eficiente este proceso. Además, se hizo una corrección de la muestra para población finita para la aplicación de encuestas en campo, con el siguiente procedimiento: se eliminaron las manzanas que no tenían viviendas habitadas y aquellas que sólo contaban con una vivienda habitada, obteniendo al final 57 para la aplicación de las encuestas. Se seleccionó el número de encuestas a aplicar en cada manzana, de acuerdo con la proporción de éstas con respecto al total, y se procedió a mapearlo.
En la Figura 1 se puede observar la selección de las manzanas con el número de encuestas a aplicar por cada una de ellas; cabe mencionar que el recorrido se inició de norte a sur.
Fuente: elaboración propia con base en la investigación y en la información del Inventario Nacional de Viviendas 2016 (Inegi, 2016); mapa generado con el software QGIS Desktop v. 3.2.3. (QGIS Project, 2022).
Figura 1 Aplicación de encuestas en Mineral de Pozos.
3.3 Modelización de ecuaciones PLS-SEM
Para la modelización de ecuaciones estructurales con PLS, primero es necesario la creación de nomogramas (modelos path) con variables latentes; éstos son diagramas para representar visualmente las hipótesis y las relaciones entre variables, cuando se aplica SEM. En la Figura 2 se puede observar un nomograma simple.
Los constructos son variables que no se miden directamente; en los modelos path se observan representados como círculos o elipses. Los ítems, o variables manifiestas, son los indicadores, y se miden directamente por las variables proxy que contienen los datos en bruto, mismos que son representados, en los modelos path, con cuadrados o rectángulos. Todas las relaciones entre constructos, y las que hay entre éstos y sus indicadores, se muestran con flechas, las cuales, en este tipo de modelos, siempre son de una sola dirección, lo que significa que son relaciones unidireccionales; además, se consideran relaciones predictivas y, cuando existe una base teórica fuerte, pueden interpretarse como relaciones causales (Hair et al., 2019; Martínez Ávila y Fierro-Moreno, 2018).
Un nomograma (modelo path) PLS está integrado por dos elementos: un modelo estructural (modelo interno) y los modelos de medida (modelos externos) de los constructos, los cuales reflejan las relaciones entre estos constructos y las variables indicador (rectángulos). Estos nomogramas (modelos path) se dibujan con base en la teoría seleccionada, entendiendo como teoría el conjunto de hipótesis relacionadas sistemáticamente, desarrolladas mediante el método científico y que se pueden utilizar para explicar y predecir resultados (Hair et al., 2019).
De manera general, el procedimiento para desarrollar un modelo de ecuaciones estructurales utilizando PLS-SEM se compone de diferentes fases, que son:
La especificación del modelo estructural: consiste en preparar un diagrama que ilustre las hipótesis de la investigación, así como la relación entre las variables, constructos e indicadores.
La especificación de los modelos de medidas: en esta etapa se representa la relación entre los constructos y sus indicadores correspondientes, basados en las teorías correspondientes.
La estimación del modelo: consiste en la estimación de los coeficientes de los senderos que relacionan los constructos con los indicadores.
La evaluación de los resultados del PLS-SEM: permite comparar las medidas empíricas utilizadas con la realidad, es decir, qué tan bien la teoría se ajusta a los datos.
La evaluación de los resultados del modelo estructural: ya que se ha confirmado que los constructos son confiables y válidos, se evalúan los resultados del modelo estructural, examinando la capacidad de predictibilidad de las relaciones que existan entre los constructos (Hair et al., 2019).
3.4. Hipótesis
Dados los antecedentes y el marco teórico revisado, se plantea como hipótesis que el nombramiento de Pueblo Mágico tiene un efecto determinante en el desarrollo local de Mineral de Pozos en las dimensiones económica, política y sociocultural.
4.1. Caracterización de la muestra
A continuación, se presentan las características generales de los participantes:
La media de edad fue 40.5 años.
59.2% fueron mujeres y 40.8% hombres.
69.2% nació en la localidad y 30.8% se encuentran en un rango de entre 4 y 74 años de residencia en el lugar.
74.5% realiza alguna actividad económica remunerada, mientras que 25.5% no lo hace. De las personas económicamente activas, 24.4% son empleados (fábricas, gobierno, entre otros), 23.6% son comerciantes (abarrotes, carnicería, alimentos, entre otros), 23.4% realizan algún oficio (artesanos, albañiles, plomeros, cocineros, entre otros) y 3.1% ejercen carrera profesional (arquitectos, maestros, entre otros).
En cuanto a la escolaridad, 16.9% tiene primaria, 36.9% secundaria, 18.2% preparatoria y 8.3% tiene una licenciatura; en cuanto
al resto, que equivale a 19.7%, se reparte en escolaridad incompleta, sin instrucción y los que no contestaron.
4.2. Estimación del modelo PLS-SEM
Después de generar la base de datos de los resultados del instrumento, se exportó al software SmartPLS (Smart PLS GmbH, 2022). Para iniciar el proceso, se grafica el modelo basado en la teoría revisada, con los iconos de las variables, y se conectan con flechas de conector para cada indicador; una vez realizado el gráfico del modelo, se calculó el algoritmo de PLS. Estos resultados se observan en la Figura 3.
Fuente: elaboración propia a través de “SmartPLS” v. 3 (Smart PLS GmbH, 2022).
Figura 3 Estimación del modelo
Uno de los principales resultados en estos cálculos son los constructos path, que están representados en la figura por las flechas de la variable exógena (Nombramiento de Pueblo Mágico) a las variables endógenas (Económica, Política y Sociocultural). Como norma general, para muestras de hasta 1000 observaciones, los coeficientes path con valores estandarizados por encima de 0.20 suelen ser significativos, y aquellos con valores por debajo de esa medida suelen ser no significativos.
Se observa que, para la dimensión Económica, el valor es de 0.713, lo que hace que esta relación sea la más significativa con la variable endógena del Nombramiento de Pueblo Mágico; por su parte, la variable Política tiene un valor de 0.511; mientras que la variable Sociocultural un valor de 0.552; ambos también presentan resultados significativos (Hair et al., 2019).
Es preciso señalar que, para estos modelos PLS- SEM, existe una ausencia de índices de bondad de ajuste; sin embargo, la medición de la calidad del modelo se realiza en las etapas posteriores del desarrollo de éste, evaluando por separado las medidas reflectivas y formativas (Gastelum-Valdez et al., 2021; Martínez Ávila y Fierro-Moreno, 2018).
4.2.1. Evaluación del modelo de medida
Como siguiente paso, se evalúa el modelo de medida, se presentan los resultados de la consistencia interna (alfa de Cronbach, fiabilidad compuesta), validez convergente (fiabilidad del indicador, varianza extraída media) y la validez discriminante. El criterio tradicional para examinar la consistencia interna es el alfa de Cronbach, el cual proporciona una estimación de la fiabilidad con base en las intercorrelaciones de los indicadores observados.
No obstante, se considera otra medida, como la fiabilidad compuesta, la cual tiene en cuenta los diferentes valores de las cargas externas de las variables y oscila entre cero y uno, de tal modo que, cuanto mayor sea el valor, mayor nivel de fiabilidad se alcanzará. Se interpreta normalmente de la misma forma que el alfa de Cronbach y, concretamente, valores de fiabilidad compuesto entre 0.60 y 0.70 se consideran aceptables en esta investigación (Hair et al., 2019).
En los resultados de las medidas de consistencia interna para el alfa de Cronbach se obtuvo 0.801 para la variable Económica y 0.627 para la Sociocultural, que se consideran aceptables; mientras que la variable Nombramiento de Pueblo Mágico resultó con 0.519 y la Política con 0.501, las cuales están por debajo del valor mínimo aceptable. En cuanto a la fiabilidad compuesta, las cuatro variables tienen valores aceptables, pues están entre 0.70 y 0.90.
La siguiente medida es la validez convergente; ésta es el grado en el que una medida correlaciona positivamente con medidas alternativas del mismo constructo. Para evaluar la validez convergente de un constructo reflectivo se analizaron las cargas externas de los indicadores. Las cargas externas altas en un constructo indican que los indicadores asociados tienen mucho en común, lo cual es capturado por el constructo.
El tamaño de la carga externa se conoce comúnmente como fiabilidad del indicador y, como mínimo, las cargas externas de todos los indicadores deberían ser estadísticamente significativas. Dado que una carga externa significativa podría ser aún bastante débil, una regla práctica es que la carga externa (estandarizada) debería ser igual o mayor que 0.708 (Hair et al., 2019). En la media de las cargas externas para este modelo todos los indicadores son estadísticamente significativos (Tabla 2), esto es, que se encuentran por arriba de la medida mínima aceptable de 0.708, lo que significa que todos los indicadores reflectivos se mantienen en el modelo.
Tabla 2 Cargas externas y cargas cruzadas
| Cargas externas | Cargas cruzadas | |||||||
| Económica |
Nombramiento de Pueblo Mágico |
Política | Sociocultural | Económica |
Nombramiento de Pueblo Mágico |
Política | Sociocultural | |
| EC2 | 0.83 | 0.830 | 0.624 | 0.439 | 0.474 | |||
| EC3 | 0.808 | 0.808 | 0.551 | 0.372 | 0.495 | |||
| EC4 | 0.773 | 0.598 | 0.773 | 0.275 | 0.386 | |||
| EC6 | 0.729 | 0.729 | 0.525 | 0.402 | 0.38 | |||
| PO1 | 0.857 | 0.395 | 0.457 | 0.857 | 0.425 | |||
| PO2 | 0.772 | 0.453 | 0.37 | 0.772 | 0.37 | |||
| SC11 | 0.865 | 0.606 | 0.865 | 0.536 | 0.51 | |||
| SC8 | 0.874 | 0.536 | 0.501 | 0.472 | 0.874 | |||
| SC9 | 0.831 | 0.484 | 0.438 | 0.356 | 0.831 | |||
| EC1 | 0.796 | 0.796 | 0.606 | 0.414 | 0.541 | |||
Fuente: elaboración propia a través de “SmartPLS” v. 3 (Smart PLS GmbH, 2022).
La siguiente medida es la validez discriminante, que informa del grado en que un constructo es verdaderamente distinto de los otros, siguiendo los estándares empíricos. Así, la existencia de validez discriminante implica que un constructo es único y captura fenómenos no representados por otros constructos del modelo. Las cargas cruzadas han sido el enfoque tradicional para la valoración de la validez discriminante de los indicadores.
Concretamente, la carga externa de un indicador sobre su constructo debería ser superior que cualquiera de sus cargas cruzadas (sus correlaciones) sobre los otros constructos. La mejor forma de valorar y reportar las cargas cruzadas es mediante una tabla con los indicadores en las filas y con las variables latentes en las columnas (Hair et al., 2019). Como se observa en la Tabla 2, las cargas externas (se encuentran en negritas) son más altas que las cargas cruzadas de cada indicador, por lo que se cumple la regla; esto indica que cada constructo es verdaderamente distinto de los otros constructos siguiendo los estándares empíricos.
En cuanto a los criterios de la varianza extraída media (AVE), los datos están por encima del criterio mínimo, que es 0.5. Se observa que la variable Económica tiene 0.627, la Política 0.666, el Nombramiento de Pueblo Mágico 0.673 y la Sociocultural 0.727, por lo que se determina que estos constructos tienen una validez convergente.
Para medir la validez discriminante se utiliza el informe de resultados, el cual incluye la ratio Heterotrait-Monotrait (HTMT) y se toma 0.85 como un nivel mínimo relevante (Hair et al., 2019).
En los resultados obtenidos para la variable Nombramiento de Pueblo Mágico y la dimensión Económica el valor es 1.133, para la Política y el Nombramiento de Pueblo Mágico es de 0.96, en cuanto a la Política y la Económica el valor es 0.819, para la Sociocultural y la Económica es de 0.841, para la Sociocultural y el Nombramiento de Pueblo Mágico es de 0.954 y para la Sociocultural y la Política es de 0.862.
Además de valorar las ratios HTMT, se debería comprobar si los valores de éstos son significativamente diferentes de 1. Para ello, se necesita calcular los intervalos de confianza bootstrap a través de la ejecución de la opción bootstrap de PLS-SEM. El valor mínimo del HTMT para constructos conceptualmente similares es de 0.90.
En la Tabla 3 se pueden observar las columnas etiquetadas con 2.5% y 97.5%, las cuales muestran los límites inferior y superior para un intervalo de confianza de 95%, posicionando los datos de la columna de la muestra original dentro de los parámetros de la medición de la validez discriminante.
Tabla 3 Heterotrait-Monotrait (HTMT)
|
Muestra original (O) |
Media de la muestra (M) |
Sesgo | 2.50% | 97.50% | |
|---|---|---|---|---|---|
| Nombramiento de Pueblo Mágico -> Económica | 1.13 | 1.148 | 0.015 | 0.982 | 1.318 |
| Política -> Económica | 0.819 | 0.826 | 0.007 | 0.637 | 1 |
| Política -> Nombramiento de Pueblo Mágico | 0.96 | 0.98 | 0.02 | 0.729 | 1.23 |
| Sociocultural -> Económica | 0.841 | 0.847 | 0.006 | 0.676 | 0.999 |
| Sociocultural -> Nombramiento de Pueblo Mágico | 0.954 | 0.971 | 0.017 | 0.749 | 1.199 |
| Sociocultural -> Política | 0.862 | 0.869 | 0.007 | 0.65 | 1.092 |
Fuente: elaboración propia a través de “SmartPLS” v. 3 (Smart PLS GmbH, 2022).
4.2.2. Evaluación del modelo estructural
Con los resultados observados de todas las medidas se cumplen todos los criterios de la evaluación del modelo, proporcionando evidencias de la fiabilidad y validez de las medidas de los constructos, dando soporte a su inclusión en el nomograma (modelo path).
Ya que se ha confirmado que los constructos son confiables y válidos, ahora se evalúan los resultados del modelo estructural mediante la examinación de la capacidad predictiva de las relaciones entre los constructos. Un primer paso es evaluar la presencia potencial de colinealidad en el modelo estructural. Para valorar la colinealidad se aplican las mismas medidas que en la evaluación de los modelos de medida formativos de tolerancia y valores (VIF). Para ello, se examinó cada conjunto de constructos predictores por separado para cada una de las subpartes del modelo estructural (Hair et al., 2019).
Se consideran los valores de tolerancia por debajo de 0.2 (VIF2° por encima de cinco) en los constructos predictivos como indicativos de colinealidad. Los resultados indican que el constructo denominado Nombramiento de Pueblo Mágico es predictor de la variable Económica, Política y Sociocultural; estos constructos se encuentran por debajo del límite máximo, que es cinco, presentando un valor de uno, por lo que no existe colinealidad (Hair et al., 2019).
Medir la significación estadística de un coeficiente path depende, en última instancia, del error estándar que se obtiene por medio de la técnica bootstrapping. Cuando un valor t empírico es mayor que el valor crítico, concluimos que el coeficiente es estadísticamente significativo con una determinada probabilidad de error (nivel de significación).
Los valores críticos más utilizados para test de dos colas son 1.75 (nivel de significación = 10%), 1.96 (nivel de significación = 5%) y 2.57 (nivel de significación = 1%). Los valores críticos para un test de una cola son 1.28 (nivel de significación = 10%), 1.75 (nivel de significación = 5%) y 2.33 (nivel de significación = 1%) (Hair et al., 2019).
Dentro de la verificación de los coeficientes path se ha obtenido una significación de 5% en dos variables latentes, que son Nombramiento de Pueblo Mágico-Política, con un valor t de 9.182, y Nombramiento de Pueblo Mágico-Sociocultural, con un valor t 9.391; para la relación Nombramiento de Pueblo Mágico-Económica se obtuvo un valor t de 22.17.
En cuanto al coeficiente de determinación, el valor R2 es la medida utilizada más comúnmente para evaluar el modelo estructural. Este coeficiente es una medida del poder predictivo del modelo y se calcula como la correlación al cuadrado entre el valor real y el valor predicho de un constructo endógeno específico, es decir, representa una medida de poder predictivo en la muestra. El valor de R2 va desde cero a uno, de tal forma que cuanto mayor sea el valor, mayor será el nivel de precisión en la predicción (Hair et al., 2019).
Los valores observados para esta medida muestran, en la variable endógena Económica, una R2 de 0.534, es decir, 53%, representando un nivel de predicción medio. Por su parte, las variables Sociocultural, con 0.305, y Política, con 0.261, tienen un nivel de predicción bajo, con 30.5% y 26.1%, respectivamente.
4.3 Discusión
En esta investigación, y para el desarrollo del modelo de análisis, se planteó como fundamental la relación entre el Nombramiento de Pueblo Mágico y los beneficios económicos y sociales que se obtienen en el DL. Se planteó como hipótesis que el Nombramiento de Pueblo Mágico tiene un efecto determinante en el DL de Mineral de Pozos, en las dimensiones Económica, Política y Sociocultural.
Los valores observados en el modelo PLS-SEM para evaluar el modelo estructural se obtienen a través del cálculo de R2, dichos resultados tienen valor predictivo hacia la variable endógena, los cuales muestran 53%, lo que representa un nivel predictivo medio para la dimensión Económica; es decir, aquí se observa que la variable exógena (Nombramiento de Pueblo Mágico) predice 53% a la variable endógena Económica. Los datos para la variable Sociocultural indican 30.5% y para la variable Política 26.1%, lo que las deja en un nivel predictivo bajo, pero muestra que la variable exógena sí presenta un porcentaje de predicción para estas variables.
Con estos resultados es posible aceptar la hipótesis, mencionando que existe relación de predicción de la variable exógena del Nombramiento de Pueblo Mágico, que se midió con los indicadores de las inversiones que han llegado y la percepción de la población de que Mineral de Pozos continúe dentro de este programa federal. Esta relación de predicción es directa y significativa hacia la variable Económica, que está constituida por los indicadores del beneficio del turismo a Mineral de Pozos, pues hay un mayor número de turistas visitando el pueblo, se notan más empleos y la gente percibe mayores beneficios para sus familias.
Adicionalmente, también presenta una incidencia en la variable Sociocultural, integrada por los indicadores de los festivales y actividades culturales en Mineral de Pozos y el mantenimiento de las tradiciones y costumbres en la localidad; así también en la variable Política, integrada por los ítems del mejoramiento de los servicios públicos y de la seguridad en la localidad; pero la incidencia en estas variables es menor que en la variable Económica.
Es a través del modelo PLS-SEM que se puede confirmar una relación de causalidad, es decir, que las localidades pasan por diferentes cambios en lo económico, sociocultural y político gracias a que les otorgan el Nombramiento de Pueblo Mágico. Esta misma relación se confirma en trabajos como el de López Levi et al. (2018), donde se deja en claro que el hecho de que una localidad ingresara al PPM y obtuviera el nombramiento distintivo conllevaba diversas situaciones, como la creación de expectativas sobre el crecimiento económico, cambios sociales e, incluso, en la identidad de la comunidad, así como también esperanzas de mejoras en la infraestructura y modificación del territorio.
Los resultados de este trabajo confirman que la población percibe la llegadas de más turistas como benéfico para las variables económicas, lo que se refleja en más beneficios para el pueblo, más oportunidades de empleo y mayores oportunidades para sus familias. Estos resultados concuerdan con los estudios señalados previamente, en donde se dice que los impactos están relacionados con más inversiones, mejora en la calidad de vida por los ingresos derivados de la actividad, así como oportunidades de empleo; sin embargo, el costo de todo esto es el encarecimiento de la vida en la localidad (Cornejo-Ortega et al., 2017).
Con esto se puede afirmar que el estudio del caso de Mineral de Pozos ha dado resultados que concuerdan con los obtenidos en estudios previos que se han realizado en torno al PPM; a pesar de que cada pueblo vive contextos diferentes, se observa, de manera general, que todos viven procesos similares derivados de este programa.
Conclusiones
El estudio del turismo y las diversas aportaciones desde el enfoque del DL no es algo acabado; es preciso señalar que aún quedan muchas aportaciones por hacer en la consolidación de este enfoque teórico-metodológico, que parece enriquecer la gestión de la actividad turística potenciando los beneficios que se obtienen de ésta, sin dejar de lado a la población local y al cuidado del patrimonio con el que se cuenta.
La revisión de la literatura nos permitió visualizar los principales impactos del PPM en diversas localidades en las que se ha implementado; mientras que el trabajo de campo dio la oportunidad de observar de cerca el caso de Mineral de Pozos, en donde los resultados generales indicaron que la variable Económica fue la mejor valorada, pues es la que se percibe como positiva por parte de la población encuestada.
Respecto al programa, se esperan cambios con la nueva Estrategia Nacional, que se visualiza como una oportunidad para corregir su manejo; de tal manera que con el ejercicio de la evaluación anual se puedan eliminar las malas prácticas en la permanencia de las localidades en el programa, así como en la asignación de nombramientos que se llegaron a dar por favores políticos. Quedaremos a la expectativa de ver lo que sucede en las próximas administraciones y en lo que puede llegar a convertirse este proyecto que, sin duda, ha representado un tema importante en la política turística de México.
La importancia de conocer la percepción de la población local, desde el enfoque del DL, puede aportar un punto a favor de la consolidación de proyectos y estrategias de desarrollo, ya que es la población la que realmente conoce los problemas que se viven en el territorio y, también, las posibles soluciones que se pueden propiciar. Sin duda alguna, en los procesos de DL siempre se deben considerar a estos actores, que son clave para lograr el éxito de estos proyectos.
Finalmente, es posible mencionar que, si bien el modelo refleja impactos positivos en las variables mencionadas, es necesario decir que el PPM no ha sido eficiente en relación con la gestión de las políticas turísticas para lograr un desarrollo equitativo en las localidades y las regiones en las que se ha aplicado.
Son sólo algunas variables las que han visto cierta mejora, pero existen otras en las que el programa no ha tenido injerencia, por lo que resulta necesario replantearse la aplicación del mismo de acuerdo con las características y necesidades específicas de cada localidad; algunas de las variables que pueden estudiarse en el futuro son las relaciones de poder entre los grupos presentes en el territorio, la variable ambiental con el acceso al agua en la región y los problemas de tenencia de la tierra que existen aún derivados de años de abandono de este pueblo.
