Análisis Socioeconómico y Educativo de los Municipios del Valle del Cauca en 2018: Segmentación y Tendencias para el Desarrollo Regional

Introduccion

El presente informe tiene como objetivo analizar la situación socioeconómica y educativa de los municipios del departamento del Valle del Cauca en el año 2018. Para ello, se ha recurrido a una base de datos que contiene información relevante sobre diferentes ámbitos, como la educación, los recursos, la población y la economía. Este análisis se llevará a cabo utilizando métodos de aprendizaje no supervisado, específicamente la segmentación por factores, con el fin de clasificar los municipios según sus características comunes y proporcionar una visión integral que permita identificar patrones y tendencias que puedan orientar futuras políticas públicas y estrategias de desarrollo.

Contexto socioeconomico

El Valle del Cauca, situado en la región suroccidental de Colombia, es una de las áreas más influyentes y diversas del país. Este departamento es conocido por su fuerte sector agrícola, industrial y de servicios, y su capital, Cali, es un importante centro urbano y económico. Sin embargo, el contexto socioeconómico de los municipios dentro del Valle del Cauca presenta una considerable heterogeneidad, reflejada en disparidades significativas en términos de desarrollo económico, acceso a servicios y calidad de la educación.

En 2018, el Valle del Cauca enfrentó una serie de desafíos y oportunidades socioeconómicas:

Desigualdad en el Desarrollo Económico:

• Los niveles de producción económica variaban ampliamente entre los municipios, destacando tanto zonas altamente productivas como áreas con menor dinamismo económico.

• Las diferencias en la actividad industrial y comercial entre municipios indicaban una concentración de la actividad económica en ciertos centros urbanos y municipios más desarrollados.

Acceso a Recursos Básicos:

• La cobertura de servicios esenciales como el acueducto, la energía eléctrica y el alcantarillado era desigual, con algunos municipios disfrutando de una infraestructura completa y otros enfrentando limitaciones significativas.

• La capacidad de los municipios para generar recursos propios reflejaba su autonomía fiscal y su capacidad para financiar proyectos locales, mostrando grandes variaciones.

Situación Educativa:

• La tasa de matriculación en los diferentes niveles educativos era un indicador clave del acceso y la calidad de la educación en cada municipio.

• La cobertura educativa reflejaba las brechas y desafíos en la formación de jóvenes, especialmente en educación secundaria.

• La disponibilidad de docentes en los diferentes niveles educativos reflejaba los recursos humanos destinados a la educación y su distribución desigual.

Demografia:

• La población de los municipios variaba considerablemente, afectando la demanda de servicios públicos y recursos educativos y económicos.

Metodologia

Para realizar el análisis y la clasificación de los municipios del Valle del Cauca, se emplearán dos técnicas principales de aprendizaje no supervisado: el Análisis de Componentes Principales (ACP) y la Clusterización mediante el método de Ward.

Análisis de Componentes Principales (ACP):

El ACP es una técnica estadística que se utiliza para reducir la dimensionalidad de un conjunto de datos, transformando un gran número de variables posiblemente correlacionadas en un conjunto más pequeño de variables no correlacionadas llamadas componentes principales. Este método ayuda a identificar las principales fuentes de variación en los datos y facilita la visualización y comprensión de las relaciones subyacentes entre las variables.

Clusterización – Método de Ward:

La clusterización es una técnica de agrupamiento que busca organizar un conjunto de objetos en grupos (clusters) de modo que los objetos dentro de un mismo grupo sean más similares entre sí que con los objetos de otros grupos. El método de Ward es una técnica de clusterización jerárquica aglomerativa que minimiza la suma de las desviaciones al cuadrado dentro de cada grupo. Es particularmente útil para identificar estructuras naturales en los datos y formar grupos homogéneos basados en las características seleccionadas.

Este enfoque combinado de ACP y clusterización mediante el método de Ward permitirá una segmentación efectiva de los municipios del Valle del Cauca, revelando patrones y relaciones que pueden no ser evidentes a través de un análisis tradicional.

Este informe servirá como una herramienta valiosa para los formuladores de políticas, investigadores y actores locales, ofreciendo una visión clara y basada en datos sobre la diversidad y complejidad de los municipios del Valle del Cauca. La información obtenida permitirá un enfoque más informado y eficiente para abordar las necesidades y aprovechar las oportunidades de cada municipio, promoviendo un desarrollo más equilibrado y sostenible en toda la región.

Descripcion de variables

La información de las siguientes variables, hace referencia a los municipios del departamento del valle del cauca en el año 2018

• MES: Número de personas matriculadas en educación superior

• MBP: Número de personas matriculadas en la educación básica primaria

• MP: Número de personas matriculadas en educación preescolar

• MBSM: Número de personas matriculadas en educación básica secundaria y media

• CBEB: porcentaje de cobertura bruta en educación secundaria

• CBES: Porcentaje de cobertura bruta en educación secundaria

• CA: Porcentaje de cobertura en acueducto

• CEE: Porcentaje de cobertura en energía eléctrica

• VAPC: Valor agregado per cápita en pesos colombianos

• CAL: Porcentaje de cobertura en alcantarillado

• PPZ: Número de habitantes totales por zona

• DBP: Número de docentes de básica primaria

• DP: Número de docentes de preescolar

• TD: Número total de docentes para cualquier nivel de educación

• ITIC: Ingresos totales provenientes de industria y comercio en millones de pesos colombianos

• MI: Magnitud de la inversión (puntaje establecido de 0 a 100)

• GRP: Generación de recursos propios (puntaje establecido de 0 a 100)

• CAH: Capacidad de ahorro (puntaje establecido de 0 a 80)

Analisis descriptivo

colores <- rainbow(length(basedatos$MES))


plot_ly(data = basedatos, x = rownames(basedatos), y = ~MES, type = "bar", 
        marker = list(color = colores)) %>%
  layout(title = "PERSONAS MATRICULADAS EN EDUCACION SUPERIOR",
         xaxis = list(title = "MUNICIPIO"),
         yaxis = list(title = "PERSONAS")) 

En este gráfico de barras se tiene la cantidad de personas matriculadas en educación superior en cada municipio del valle del cauca en el año 2018, en este se puede evidenciar que la ciudad de Cali, es el municipio que más personas matriculadas tiene en educación superior en dicho año (256,152) Otros municipios con cifras destacables incluyen Palmira (28,570), Tuluá (18,643), Guadalajara de Buga (14,448) y Buenaventura (12,833). Muchos municipios rurales tienen muy pocas o ninguna matriculación, como Argelia (Valle), Bolívar (Valle), y El Cairo.

Esto se principalmente se debe a que los costos y falta de infraestructura en municipios rurales ocasionan que Cali cuente con la mayor concentración de instituciones universitarias en la región, por ende los habitantes de los demás municipios suelen desplazarse a esta ciudad para llevar a cabo sus estudios universitarios.

colores <- rainbow(length(basedatos$MBP))


plot_ly(data = basedatos, x = rownames(basedatos), y = ~MBP, type = "bar", 
        marker = list(color = colores)) %>%
  layout(title = "PERSONAS MATRICULADAS EN EDUCACION BASICA PRIMARIA",
         xaxis = list(title = "MUNICIPIO"),
         yaxis = list(title = "PERSONAS")) 

El gráfico de barras ilustra el número de personas matriculadas en educación básica primaria en los municipios del Valle del Cauca en 2018. En él, se observa una notable concentración de estudiantes en ciertos municipios, destacando Cali con más de 140,000 matriculados, lo que lo convierte en el municipio con la mayor cantidad de estudiantes en esta categoría. Esta cifra es significativamente superior a la de cualquier otro municipio.

Además de Cali, Buenaventura y Palmira también presentan un número considerable de matriculados, con Buenaventura alrededor de 25,000 y Palmira aproximadamente 20,000. Otros municipios como Tuluá y Yumbo tienen una cantidad moderada de estudiantes matriculados, rondando los 10,000.

La variabilidad en el número de matriculados entre los municipios es evidente. Mientras Cali muestra una cifra extremadamente alta, muchos otros municipios tienen números mucho menores, algunos con menos de 1,000 matriculados. La mayoría de los municipios tienen entre 1,000 y 5,000 estudiantes matriculados en educación básica primaria, reflejando una distribución desigual en la matrícula escolar.

graf1<-ggplot(basedatos,
              aes(x = CEE, 
                  y = CBES)) +
  geom_point(color= "steelblue") +
  geom_smooth(method = "lm")

ggplotly(graf1)

## `geom_smooth()` using formula = 'y ~ x'

El gráfico de dispersión muestra la relación entre la cobertura de energía eléctrica (CEE) en el eje x y la cobertura bruta en educación secundaria (CBES) en el eje y para los municipios del Valle del Cauca en 2018. La línea azul representa una regresión lineal que estima esta relación, mientras que la banda gris alrededor de la línea indica el intervalo de confianza.

Dicho grafico evidencia que a pesar de haber una tendencia general que sugiere una relación positiva entre la cobertura de energía eléctrica y la cobertura en educación secundaria, la alta dispersión de los datos y la débil relación implican que la cobertura de energía eléctrica no es el único factor que afecta la educación secundaria. Otros factores socioeconómicos y de infraestructura también son determinantes importantes que deben ser considerados al analizar y planificar mejoras en la educación en los municipios del Valle del Cauca.

graf2<-ggplot(basedatos,
              aes(x = CA, 
                  y = CBES)) +
  geom_point(color= "steelblue") +
  geom_smooth(method = "lm")

ggplotly(graf2)

## `geom_smooth()` using formula = 'y ~ x'

El gráfico presenta la relación entre el porcentaje de cobertura del acueducto (CA) y el porcentaje de cobertura bruta en educación secundaria (CBES) en diferentes municipios. Aunque en principio se podría suponer que existe cierto nivel de relación entre estas variables, la línea de regresión mostrada es casi horizontal, indicando que no hay una relación significativa entre ambas variables: un aumento en la cobertura del acueducto no parece estar asociado con cambios en la cobertura educativa secundaria. Además, los puntos de datos están muy dispersos, sugiriendo una gran variabilidad en la cobertura educativa que no se explica por la cobertura del acueducto. La sombra alrededor de la línea de regresión, que representa el intervalo de confianza, es bastante amplia, especialmente en los extremos, lo que indica una alta incertidumbre en la predicción de CBES basada en CA. En resumen, no se observa una relación clara entre la cobertura del acueducto y la cobertura en educación secundaria, sugiriendo que otros factores pueden influir en la cobertura educativa.

ggcorrplot(r, 
           hc.order = TRUE, 
           type = "lower",
           lab = TRUE)

Finalizando con el análisis descriptivo, el gráfico anterior muestra una matriz de correlaciones entre varias variables relacionadas con educación, servicios públicos e indicadores económicos en diferentes municipios. Las variables relacionadas con la matrícula en distintos niveles educativos (MES, MBP, MP, MBSM) están fuertemente correlacionadas entre sí y con el número de docentes correspondientes (DBP, DP, TD), indicando que un aumento en el número de estudiantes se asocia con un aumento en el número de docentes.

La cobertura bruta en educación secundaria (CBEB y CBES) está casi perfectamente correlacionada, reflejando que miden prácticamente lo mismo. Estas variables también muestran correlaciones positivas moderadas con la matrícula en otros niveles educativos y con el total de docentes.

Las coberturas de servicios públicos, como acueducto (CA), energía eléctrica (CEE) y alcantarillado (CAL), están moderadamente correlacionadas entre sí y con indicadores económicos como el valor agregado per cápita (VAPC) y la generación de recursos propios (GRP).

Los indicadores económicos y de inversión (VAPC, GRP, ITIC, MI, CAH) presentan correlaciones positivas entre ellos, especialmente entre la generación de recursos propios y la capacidad de ahorro. La magnitud de la inversión (MI) muestra correlaciones negativas débiles con muchas variables educativas y de cobertura, sugiriendo que mayores inversiones no siempre se traducen en mejores coberturas.

El número total de habitantes (PPZ) tiene correlaciones moderadas con las variables de matrícula y docentes, lo cual es lógico dado que un mayor número de habitantes implica mayores necesidades educativas.

Resultados principales

fviz_eig(res.pca, addlabels =TRUE)

Para el desarrollo del proyecto, se genera un grafico de barras o grafico de codo que muestra explicitamente el porcentaje de explicacion de cada dimension. En este caso, las dimensiones mas representativas son la 1 y la 2, con un porcentaje del 51.7% y 15.5% respectivamente, obteniendo un porcentaje de explicacion del 67.2% para el modelo.

Esto se obtuvo a partir del analisis de los componentes principales mediantes el uso de un metodo de reduccion de dimensionalidad, explicando asi la variabilidad de cada componente.

fviz_pca_ind(res.pca,
             col.ind = "cos2", # Color by the quality of representation
             gradient.cols = c("#00AFBB", "#E7B800", "#FC4E07"),
             repel = TRUE    # Avoid text overlapping
)

El grafico presente muestra el nivel de representatividad y explicacion de cada municipio respecto a las dos dimensiones pre establecidad. Los municipios que cuentan con colores cercanos a rojo representan mayor explicacion para las dimensiones, mientras que los municipios con colores similares a azul representan una menor explicacion para las dimensiones. Ademas, se puede destacar a Cali como un punto atipico de la grafica con respecto a los demas municipios, aunque con una tendencia notoria a la dimension 1 (Esto puede generarse por caracteristicas distintas del mismo, como mayor desarrollo educativo y socioeconimico).

Por otro lado, la dimension 2 representaria a los municipios como Candelaria, El Cairo y El Aguila, gracias a su afiliacion con respecto al eje y.

Finalmente, Palmira es un punto que esta representado equitativamente por la dimension 1 y 2.

fviz_pca_var(res.pca,
             col.var = "contrib", # Color by contributions to the PC
             gradient.cols = c("#00AFBB", "#E7B800", "#FC4E07"),
             repel = TRUE,
             axes = c(1,2)# Avoid text overlapping
)

El gráfico de ACP (Análisis de Componentes Principales) ilustra las relaciones entre varias variables educativas y socioeconómicas de los municipios del Valle del Cauca.

La primera dimensión está dominada por variables como el número de matriculados en diferentes niveles educativos (MES, MBP, MBSM, MP), el número de docentes (DBP, DP, TD), los ingresos de industria y comercio (ITIC) y la población total (PPZ), que están altamente correlacionadas, y esto sugiere que municipios con más matriculados también tienen más docentes y mayores ingresos comerciales.

Por otro lado, la segunda dimensión muestra menor contribución de variables como la cobertura en servicios básicos (CA, CEE, CAL) y aspectos económicos como el valor agregado per cápita (VAPC), generación de recursos propios (GRP) y capacidad de ahorro (CAH). Estas variables, aunque menos influyentes en la varianza principal, siguen siendo cruciales para el análisis socioeconómico.

Las coberturas educativas (CBEB y CBES) también están correlacionadas, indicando que una buena cobertura en educación básica suele ir acompañada de una buena cobertura en educación secundaria.

fviz_pca_biplot(res.pca, repel = TRUE,
                col.var = "#2E9FDF", # Variables color
                col.ind = "#696969",
                axes=c(1,2)# Individuals color
)

En el gráfico, Cali se destaca claramente en la dimension 1, separándose significativamente de los demás municipios, lo que indica características socioeconómicas y educativas distintivas, y la mayoría de los otros municipios están agrupados cerca del origen, sugiriendo similitudes en sus características. Las flechas azules representan variables clave como la cantidad de personas matriculadas en diferentes niveles educativos (MES, MBP, MBSM), número de habitantes (PPZ), ingresos de industria y comercio (ITIC) y cobertura de servicios públicos (CA, CEE, CAL), todas ellas contribuyendo significativamente a la variabilidad explicada por la dimension 1 y la dimension 2.

Estas variables, orientadas hacia Cali, indican que este municipio tiene una mayor población, más matriculados en educación, mejores ingresos de industria y comercio y mejor infraestructura de servicios públicos. Además, variables como el número total de docentes y la generación de recursos propios están asociadas a municipios con más recursos educativos y estabilidad financiera.

En conjunto, este análisis sugiere que las políticas y estrategias educativas y socioeconómicas deben ser personalizadas, con un enfoque especial en Cali y otros municipios destacados.

Porcentaje de contribucion de cada variable

res.var$contrib[,1:2]

##            Dim.1       Dim.2
## MES  10.33622603  0.30047395
## MBP  10.59497902  0.19315601
## MP   10.61616278  0.14714432
## MBSM 10.62482465  0.14600297
## CBEB  0.26085909 14.71354156
## CBES  0.40651822 12.91415946
## CA    0.23161414  6.24660792
## CEE   0.22720808  6.03566480
## VAPC  0.06634502  9.88809370
## CAL   1.27138672  9.06324847
## PPZ  10.59755599  0.23663163
## DBP  10.54788945  0.15458088
## DP   10.62413713  0.09806578
## TD   10.60923061  0.12997741
## ITIC 10.30672989  0.01066059
## MI    0.05537352 15.51373927
## GRP   0.82793453 18.25059618
## CAH   1.79502512  5.95765512

En la presente tabla se muestran los porcentas de contribucion de cada variable para cada dimension respectivamente, observando que las variables que mas contribuyen a la dimension 1 son: MES, MBP, MP, MBSM, PPZ, DBP, DP, TD y por ultimo ITIC.

Por otro lado, las variables que mas contribuyen a la dimension 2 son: CBEB, CBES, MI y GRP

Generalizacion de variables a factores

• Dimension 1: Con las variables anteriormente mencionadas que son representativas para la dimension 1, se puede interpretar como Recursos y Desempeño Educativo

• Dimension 2: Con las variables anteriormente mencionadas que son representativas para la dimension 2, se puede interpretar como Cobertura y Financiación Educativa

Cluster

Para el siguiente apartado, se realizo un Dendograma con la finalidad de analizar la segmentacion de los municipios segun sus caracteristicas y similitudes de sus componentes principales y analisis de clusters jerarquico.

Como se evidencia, Cali se encuentra en un Cluster singular debido a sus caracteristicas significativamente diferentes en comparacion a los otros municipios.

Para la agrupacion del Cluster 1, la funcion FactoClass agrupó aquellos municipios que presentaban las siguientes caracteristicas: Caracterizado por tener una matrícula en educación bastante variada, menor cobertura bruta en educación básica y una menor generación de ingresos y recursos propios

Por otro lado, para la agrupacion del Cluster 2, la funcion FactoClass agrupó aquellos municipios que presentaban las siguientes caracteristicas: Municipios con matrículas más uniformes, mayor cobertura bruta en educación básica y una mayor generación de ingresos y recursos propios

Posterior a la realizacion del Dendograma, se realizo un grafico Biplot donde se puede evidenciar los Clusters generados por centroides que agrupan los municipios, donde los puntos mas alejados de cada centroide evidencia la dispersion de los datos en los municipios que componen cada uno de los Clusters

Caracterizacion

Clase 1:

Los municipios en esta clase presentan una alta magnitud de inversión, lo que indica un potencial significativo para el desarrollo. Sin embargo, la generación de recursos propios, la cobertura en educacion y algunos servicios básicos como la cobertura en acueducto, energía eléctrica y alcantarillado están por debajo de la media global. Esto sugiere que, aunque hay una fuerte inversión inicial, estos municipios necesitan mejorar en la generación de recursos y la infraestructura básica para alcanzar su potencial de desarrollo.

Clase 2:

Los municipios en esta clase tienen un alto promedio en generación de recursos propios y en cobertura educativa y de servicios básicos, como acueducto y energía eléctrica. Estos indicadores sugieren un crecimiento sólido, con una infraestructura y recursos económicos suficientes para sostener un desarrollo continuo, donde la producción económica y financiera es alta, lo que les permite mantener un crecimiento estable y predecible.

Clase 3:

El único municipio en esta clase (Cali) muestra una matrícula en educación superior extremadamente alta, así como un alto número de habitantes y docentes. Esto indica una ciudad con una alta tasa de ocupación y productividad, junto con un nivel de ingresos mayor que el promedio global. Las características financieras y económicas son sobresalientes, lo que posiciona a este municipio como una ciudad modernamente desarrollada con alta productividad y recursos abundantes.

Conclusiones

En conclusión, el análisis de la situación socioeconómica y educativa de los municipios del Valle del Cauca en el año 2018 revela una notable heterogeneidad en diversos aspectos, desde el desarrollo económico hasta el acceso a servicios básicos y la calidad educativa. La utilización de técnicas de aprendizaje no supervisado, como el Análisis de Componentes Principales (ACP) y la Clusterización mediante el método de Ward, ha permitido segmentar efectivamente los municipios y destacar patrones significativos que pueden orientar las políticas públicas y estrategias de desarrollo.

Cali emerge como un municipio con características socioeconómicas y educativas significativamente distintas, con alta matrícula en educación superior y una infraestructura robusta, mientras otros municipios presentan variaciones considerables en términos de matrícula educativa, acceso a servicios básicos y generación de recursos propios.

Además es evidente como la cobertura de servicios esenciales como el acueducto, la energía eléctrica y el alcantarillado varía ampliamente entre los municipios, afectando su capacidad de desarrollo y bienestar, la infraestructura educativa, reflejada en el número de matriculados y docentes, también muestra disparidades que impactan la calidad educativa.

De esta forma, los municipios se agrupan en clústeres con características comunes. Por ejemplo, municipios con alta inversión pero baja generación de recursos propios, versus aquellos con alta generación de recursos y mejor cobertura de servicios básicos, y asi mismo Cali se destaca como un caso singular, con una infraestructura educativa y económica sobresaliente por las razones anteriormente mencionadas

Finalmente, las variables relacionadas con la educación y la infraestructura básica están interrelacionadas, indicando que mejoras en un área pueden influir positivamente en otra, y laa relación entre la cobertura de servicios y la educación no es lineal, sugiriendo que otros factores socioeconómicos también desempeñan un papel crucial.

Referencias

Capítulo 6 Análisis Cluster | Técnicas Multivariadas con R. (n.d.). Bookdown. Retrieved June 7, 2023, from https://bookdown.org/jsalinas/tecnicas_multivariadas/cluster.html

Datos: https://serpacifico.uao.edu.co/ser/estadisticas/busqueda-por-dimensiones