Introducción

Las familias pertenecientes a diferentes grupos o estratos socioeconómicos tienden a localizar su residencia en diferentes áreas de la ciudad; en la sociología urbana, este fenómeno se conoce como segregación residencial socioeconómica (SRS). El estudio de este concepto es importante debido a los efectos negativos que se le atribuyen en cuanto a calidad de vida y estructura de oportunidades de personas de menores recursos, especialmente cuando las distancias espaciales son largas, cuando la escala de la segregación es amplia (extensas zonas residenciales socialmente homogéneas) y cuando la separación se ve reforzada por formas duras de fragmentación física del espacio, cuya máxima expresión son las urbanizaciones cerradas (Borsdorf, 2003; Groisman y Suárez, 2005; Kaztman, 1999; Sabatini, Cáceres y Cerdá, 2001; Sanhueza y Larrañaga, 2007).

El objetivo principal de este trabajo es conocer los niveles y tendencias de la SRS, en las últimas décadas, en Argentina. Dentro de este objetivo interesa particularmente examinar la relación entre la SRS y las desigualdades socioeconómicas; para ello, se cuenta con una excepcional oportunidad: los años de realización de los últimos tres censos (un insumo fundamental para medir la SRS), 1991, 2001 y 2010, coinciden de manera suficientemente aproximada con el desarrollo de dos etapas significativas para la vida política y económica del país. Por un lado, está la década neoliberal, iniciada en 1991 y finalizada dramáticamente con la crisis de diciembre del 2001. Posteriormente, la década que podríamos llamar de diferentes maneras (redistributiva, progresista, populista o simplemente kirchnerista), ¹ pero que en esencia estuvo caracterizada por políticas redistributivas y ampliación de oportunidades, con pocos antecedentes en la historia del país (Arceo, Monsalvo, Schorr y Wainer, 2008; Cenda, 2010; Rofman y Blanco, 2011). Indicadores como desempleo, pobreza y distribución del ingreso empeoraron entre 1991 y 2001, y luego mejoraron notablemente entre 2003 y 2010 (Cepalstat. Comisión Económica para América Latina y el Caribe, s. f.; Banco Mundial, 2019; Da Peña, 2013). ²

De modo general, la hipótesis a estudiar plantea que, ceteris paribus, la SRS es mayor en las ciudades más desiguales del país. De esta forma, la SRS aumentaría en períodos de ampliación de la desigualdad socioeconómica, mientras que disminuiría en períodos de signo contrario, de reducción de la desigualdad.

El tipo de trabajo propuesto aquí tiene escasos antecedentes en América Latina. En primer lugar, por la magnitud del universo analizado, compuesto por 783 ciudades de todo el país. La mayoría de los estudios previos en la región se han enfocado en apenas una o pocas grandes ciudades, para un año puntual o un corto período. En segundo lugar, por la metodología utilizada, con el fin de reducir los efectos distorsivos del llamado problema de la unidad espacial modificable (PUEM) sobre los índices estadísticos de segregación. De no ser correctamente tratado, el PUEM puede invalidar cualquier resultado, especialmente en aquellos estudios cuantitativos que se proponen establecer comparaciones entre ciudades y tendencias de la SRS a lo largo del tiempo. Se recurre para ello al método de restitución cartográfica (ReCar) al año base 1991, para el caso de radios censales que se hubiesen subdividido entre censo y censo.

En la primera parte del trabajo se expone el marco teórico, desarrollando el concepto de la SRS, hipótesis y antecedentes. Un segundo apartado explica en detalle la metodología utilizada para medir la SRS, la definición de universo de estudio y las técnicas para lidiar con el PUEM. En la tercera parte se presentan los resultados de la investigación, mientras que en el cuarto y último apartado se resumen las conclusiones.

SRS y desigualdades socioeconómicas SRS y desigualdades socioeconómicas

El concepto de segregación residencial es polisémico y es referido a través de múltiples expresiones, tales como segregación espacial, urbana, territorial o socioespacial, entre otras. En este trabajo optamos por el adjetivo ‘residencial’, pues este sintetiza adecuadamente tanto la especificidad espacial en que se manifiesta la segregación como su correspondiente unidad de análisis: la vivienda y su localización.

El enfoque clásico de la segregación residencial la define como la simple distribución desigual del espacio o la separación de los grupos sociales en el espacio residencial (Massey y Denton, 1988; White, 1983). Se asume que la segregación es mayormente voluntaria y se da entre grupos, sin importar el criterio y variable de segmentación utilizada (ricos y pobres, negros y blancos, jóvenes y adultos u hombres y mujeres). Cualquier grupo, estrato o categoría social desigualmente distribuido en el espacio es un grupo segregado (Sabatini et al., 2001)

Una extensa crítica al enfoque clásico ha sido desarrollada por (Rodríguez Merkel, 2014). Argumenta que, en términos sociológicos, la segregación residencial es antes que nada una relación social de poder, mientras que la distribución desigual de los grupos en el espacio no es en sí misma segregación, sino su resultado, su objetivación en el espacio. Puede así definirse como

el proceso mediante el cual los grupos sociales de mayor poder restringen, condicionan o limitan —a través de distintos mecanismos, y de manera no siempre consciente e intencional— las oportunidades de acceso al suelo urbano a los grupos de menor poder, resultando en su distribución desigual u otras formas de separación en el espacio físico de la ciudad. (Rodríguez Merkel, 2014, p. 15)

De esta manera, cuando hablamos de segregación residencial socioeconómica asumimos que la distribución desigual de grupos con menor poder económico no es (o es poco) resultado de la libre elección individual, sino de restricciones de acceso al suelo que los estratos de mayor poder adquisitivo les imponen. La segregación no se reduce a sus manifestaciones espaciales más evidentes y sensibles a la opinión pública, como pueden ser las urbanizaciones cerradas en un extremo y los barrios precarios en el otro; la SRS se despliega en todo el territorio de una ciudad e involucra a todos los estratos socioeconómicos, incluyendo las clases medias.

En la sociedad capitalista contemporánea las restricciones de localización que dan lugar a la SRS se construyen principalmente a través de la renta del suelo, aquella que determina los diferentes precios para las distintas ubicaciones y las oportunidades de acceso a ellas. Desde su formulación más temprana, por parte de David Ricardo y Marx para el suelo agrícola, hasta la actualidad, la teoría de la renta intenta explicar la paradoja de por qué el suelo puede tener un precio que no depende de su coste de producción (pues no lo tiene). La renta se define de modo general como la porción del producto social que el propietario de un terreno está en condiciones de reclamar para sí a cambio de cederlo a un tercero, ya sea en forma de venta o alquiler. Puede pensarse como la ventaja económica que cada localización ofrece respecto a otras.

En su teoría de la renta del suelo urbano, Jaramillo (2003, 2009) explica que existen distintos tipos de rentas y estas se pueden superponer unas con otras. Unas son las rentas primarias, que tienen que ver con la constructibilidad del terreno y la edificación en altura. Las rentas secundarias, en cambio, están vinculadas con el uso (comercial, industrial, residencial, etc.). La capitalización ³ de la sumatoria de estas rentas es la que determina el precio total del suelo. En el caso del uso residencial, nos interesan principalmente dos clases de renta por ser las determinantes de la SRS.

La primera es la Renta Secundaria de Monopolio de Segregación (RSMS). Esta tiene que ver con el gasto conspicuo, es decir, “aquellos consumos que hacen los individuos no para satisfacer una necesidad natural, sino para hacer evidente que se tiene el ingreso necesario para incurrir en esos gastos. Es la manifestación de pertenencia a determinado grupo social” (Jaramillo, 2003, p. 41). Este gasto conspicuo adopta la forma de renta, un “sobreprecio, especie de impuesto privado por la diferenciación social” (Jaramillo, 2003, p. 41) del que se apropia el propietario. La importancia de la RSMS es grande en las ciudades contemporáneas, pues esta representa “el rango social de los barrios […] uno de los factores que están más estrechamente asociados estadísticamente a la diferenciación de los precios del suelo urbano” (Jaramillo, 2003, p. 42).

Un segundo tipo es la Renta Secundaria Diferencial de Vivienda (RSDV). La vivienda cumple una función básica que es contribuir al proceso de reproducción de la fuerza de trabajo, en virtud de lo cual necesita “estar enlazada espacialmente con una serie de valores de uso inmobiliarios que le son complementarios: el lugar de trabajo, los sitios de aprovisionamiento, de esparcimiento, de educación, etc.” (Jaramillo, 2003, p. 39). Dado que no todos los terrenos tienen la misma accesibilidad a estos valores de uso, las mejores localizaciones beneficiarían a sus ocupantes con un ahorro diferencial en el costo de la reproducción de su fuerza de trabajo, principalmente en términos de tiempo y movilidad. Pero aquí interviene nuevamente el propietario (generalmente a través de intermediarios inmobiliarios), quien vendrá a reclamar para sí, en forma de renta, la totalidad o casi totalidad de este ahorro diferencial.

Según Rodríguez Merkel (2014) la RSDV no generaría segregación si y solo si el ahorro diferencial fuese el mismo para todos los estratos socioeconómicos, por ejemplo, si todo el mundo utilizara el mismo medio de transporte. Pero en realidad ocurre que también la movilidad está influenciada por la condición socioeconómica (Secretaría de Transporte de la Nación [STN], 2010). Las clases populares usan transportes más baratos, mientras que las clases medias y altas tienden a utilizar medios más caros (tales como el auto particular, remis, Uber, etc.). Dicho de otro modo, los más ricos tienden a gastar en términos absolutos en transporte más que los pobres. En consecuencia, “la magnitud del ahorro diferencial entre un mismo punto de origen y otro de destino tenderá a variar en función del nivel socioeconómico, siendo el ahorro diferencial de las clases más altas el que determine, en cada localización, la magnitud de la renta” (Rodríguez Merkel, 2014)

Una forma sencilla de pensar la diferencia entre las dos rentas es que en la RSMS “lo que interesa a las personas es la composición socioeconómica del vecindario en el que viven o quieren vivir” (Rodríguez Merkel, 2014). En cambio, la RSDV es, en teoría, independiente de la composición socioeconómica del barrio. Lo que interesa en esta renta

es la accesibilidad a los valores de uso complementarios […]. Si bien la separación también es impuesta […] es el efecto no deseado e inintencional que se deriva de la competencia —en condiciones desiguales— por el acceso a valores de uso complementarios que, en la ciudad capitalista, son insuficientes y desigualmente distribuidos en el espacio. (Rodríguez Merkel, 2014)

La teoría de la renta contribuye al estudio de la SRS en la medida en que esta aporta los fundamentos teóricos para la formulación de hipótesis: cuanto menor sea la distancia socioeconómica entre los diferentes grupos, más difícil será que un grupo de mayor poder adquisitivo consiga restringir las opciones de localización a otros de menor poder. De allí que 1) la separación espacial entre grupos sociales tienda a ser más grande en ciudades donde las desigualdades socioeconómicas son mayores, principalmente en términos de poder adquisitivo, y que 2) cambios en la distribución de la riqueza produzcan, ceteris paribus, cambios concomitantes en la SRS. ⁴

No todos los especialistas concuerdan con esta hipótesis. Sabatini (2003) sugiere que las grandes distancias sociales tienden a asociarse, más bien, con cortas distancias espaciales. El ejemplo más elocuente sería la relación espacial entre amo y esclavo, en los tiempos de la esclavitud (Park, 1914; White, 1983). Algo similar sucedería en las ciudades latinoamericanas: al estar caracterizadas por “grandes diferencias sociales, bajos niveles de movilidad social y relaciones jerárquicas entre grupos y clases”, las ciudades estarían, al mismo tiempo, “más abiertas a la mezcla social en el espacio” (Sabatini, 2003, p. 17). Tenemos así que “las menores diferencias sociales [podrían] estimular más segregación; y las mayores diferencias, menos segregación” (Sabatini y Brain, 2008, p. 7).

Existen antecedentes de estudios donde se ha propuesto examinar los niveles SRS a la luz de los niveles de desigualdad socioeconómica. Sin pretender una enumeración exhaustiva, interesa mencionar algunos.

En la literatura anglosajona, los trabajos de Reardon y Bischoff (2011), Marshall y Jiobu (1975), Wilson (2011), Watson (2009) y Lobmayer y Wilkinson (2002) reportan de diferentes modos una correlación positiva y significativa entre los niveles de desigualdad económica y la SRS, en ciudades de los EE. UU. Entre las virtudes de estos trabajos, se destaca la gran cantidad de casos analizados y la consecuente posibilidad de generalización estadística. Kawachi (2002), por ejemplo, considera que existen suficientes evidencias de la relación causal entre ambas variables. La principal debilidad de estos estudios es, sin embargo, su fundamentación teórica que ignora la función de la renta del suelo. En general, se asume que la conversión de desigualdad socioeconómica en desigualdades espaciales se reduce simplemente a que los ricos están dispuestos a pagar más (willing to pay, outbid) que los pobres en la subasta por las mejores localizaciones (Jargowsky, 1996; Schwirian, Hankins y Ventresca, 1990; Watson, 2009).

En el ámbito latinoamericano, los estudios son más limitados, principalmente porque se han enfocado en apenas uno o pocos casos, o no analizan series históricas. Telles (1995) fue pionero en el tema al aportar evidencias para 40 ciudades brasileras, con más de 200 mil habitantes, en el año 1980. Rodríguez (2011) también encontró una correlación entre distribución del ingreso y la SRS, en los años 1991 y 2001, aunque solo para un conjunto reducido de 19 ciudades argentinas. Rodríguez (2016) mostró que en la Aglomeración Gran Buenos Aires (AGBA) la SRS aumentó en la década neoliberal de 1991-2001, y disminuyó consistentemente durante la década posterior de 2001-2010, con la mejora en la distribución del ingreso, al igual que los indicadores de empleo y pobreza. Marengo y Elorza (2014) establecieron una relación similar para la ciudad de Córdoba, entre 2001 y 2008. En Colombia, Mayorga, Villamizar Santamaría, Álvarez Rivadulla y Rodríguez Garavito (2010) encontraron evidencias de la relación entre niveles de segregación y diversos indicadores de desigualdad socioeconómica, en 12 ciudades. Un trabajo posterior, de Mayorga, García y Hernández (2017), encontró una fuerte correlación entre los precios del suelo y las condiciones de vida de los hogares en Bogotá. Finalmente, Vázquez Sosa (2018) halló evidencias consistentes con nuestra hipótesis para el caso de Montevideo, al demostrar que los niveles de la SRS acompañaron muy de cerca la evolución de la distribución del ingreso en seis cortes temporales, comprendidos entre los años 2006 y 2016.

Metodología

Medir la segregación residencial en una ciudad consiste, básicamente, en determinar el grado en el que la distribución de los grupos sociales se aparta de una hipotética distribución perfectamente igualitaria. Esto requiere clasificar los hogares de acuerdo con alguna variable de estratificación social, conocer la cantidad de hogares que existen de cada grupo en cada unidad espacial (zona censal) en que se divide una ciudad, y aplicar una fórmula matemática determinada, un índice de segregación.

En este trabajo se utiliza el llamado índice de segregación (IS), muy similar al popular índice de disimilitud, de Duncan y Duncan (1955a, 1955b). El IS puede adoptar cualquier valor de 0 a 1, y su interpretación es sencilla: es la proporción (o porcentaje) de miembros de un grupo que debería cambiar su unidad espacial de residencia, de tal manera que el porcentaje del grupo en cada unidad sea igual a su porcentaje en la ciudad en su conjunto. Supongamos que el porcentaje del grupo en la ciudad es 50%. Si el índice es igual a cero, significa que no hay segregación (existen en todas y cada una de las zonas 50% de miembros del grupo); si el índice es 30%, este es el porcentaje del total de miembros del grupo que deberían relocalizarse, a fin de que en todas las zonas haya el mismo porcentaje que en la ciudad; y si es igual a 100%, significa que todos deberían mudarse (máxima segregación).

Respecto a la variable de estratificación social, y al atender a las características propias del censo en Argentina (que, por ejemplo, no releva información sobre ingresos), se emplea aquí el Máximo Nivel de Instrucción del Jefe de Hogar (MNIJ) como proxy de poder adquisitivo. A partir de la variable MNIJ se definen dos grupos: 1) nivel socioeconómico bajo (NSB), que incluye a los jefes de hogar sin estudios o con hasta nivel primario completo, y 2) nivel socioeconómico alto (NSA), que incluye a los jefes de hogar con nivel de estudio secundario completo o superior.

Los radios censales son las unidades espaciales más pequeñas para las cuales existe información censal desagregada en Argentina. Su trazado obedece al único criterio de facilitar el operativo censal, y contiene un número aproximado (aunque muy variable) de 300 viviendas. Normalmente, su delimitación permanece constante a lo largo del tiempo, excepto aquellos que se subdividen entre un censo y el siguiente, producto de la densificación. A partir de las bases de datos del Instituto Nacional de Estadísticas y Censos (Indec), ⁵ se obtuvo para 1991, 2001 y 2010 un listado completo de radios censales de todo el país, con su respectivo código de radio, cantidad de hogares NSB y NSA, y código de localidad censal. Esta información fue luego georreferenciada, utilizando los tres mosaicos (archivos shapefile) completos de polígonos de radios censales de cada año.

Para los fines estrictos del presente estudio, se asume el término ciudad como equivalente a localidad censal, tal como es definida por el Indec: una concentración espacial suficientemente grande de edificios conectados entre sí por una red de calles (Indec, 1998; Vapñarsky, 1984). Sobre el universo original de 3183 localidades censales existentes al año 2010, se realizaron sucesivos descartes: 1) en su gran mayoría, localidades que —en cualquiera de los tres censos— no tuvieran al menos dos radios censales; ⁶ 2) localidades inexistentes o no identificadas por el Indec, en alguno de los dos censos previos a 2010; 3) localidades con radios que contuvieran parcialmente más de una localidad; y 4) localidades que contuvieran radios mal codificados, al no ser posible vincularlos con su respectivo registro en la base datos. El universo quedó finalmente compuesto por 783 localidades censales.

Los niveles y tendencias de la SRS se analizan para el conjunto de ciudades en general y estas son clasificadas en seis categorías, de acuerdo con su tamaño (cantidad de hogares). ⁷ Para algunos análisis, la cantidad absoluta de hogares es transformada a su base logarítmica (log), con el fin de aproximar la correlación lineal. Al presentarse los resultados por tamaño, el lector deberá tener en cuenta que:

• El subconjunto de ciudades más pequeñas tiende a reducirse entre censo y censo, debido a que algunas ciudades crecen de tamaño y se incorporan a la categoría siguiente (al tiempo que no se incorporan casos nuevos a la categoría más baja). Y viceversa: tienden a incrementarse los casos en las categorías más grandes.

• Al analizar los cambios de la SRS entre censos, hemos adoptado el criterio de clasificar las ciudades según su tamaño en el año cero. Así, para los períodos 1991-2001 y 1991-2010 se ha tomado como base el tamaño de cada ciudad en 1991, mientras que para el período 2001-2010 se consideró el tamaño de cada ciudad en 2001.

Se utilizan tres criterios para analizar los niveles de SRS puntuales por año y/o su desempeño nacional en cada período. Ninguno de estos criterios parece en sí mismo mejor que otro, pero si encontramos que todos ellos producen resultados similares, podremos tener una idea bastante aproximada sobre lo que ocurrió con la SRS “en el país”.

De acuerdo con la hipótesis, el vínculo entre desigualdades socioeconómicas y la SRS se estudia de dos maneras. Por un lado, se analiza la correlación entre distribución del ingreso (variable independiente) y la SRS, para una muestra reducida de casos, compuesta por las 34 ciudades donde se aplicó la Encuesta Permanente de Hogares (EPH), en el año 2010. La EPH es el relevamiento oficial periódico más extenso que existe sobre ingresos en Argentina. Las bases de datos de cada relevamiento son de acceso libre y fueron utilizadas para el cálculo del Coeficiente de Gini, sobre la base del ingreso total familiar (ITF) en cada ciudad. Por el otro lado, para el universo de 783 ciudades, asumiendo cada contexto político y económico (década neoliberal, década redistributiva) como variable independiente. Esperamos hallar que la SRS aumentó significativamente en el período 1991-2001 y disminuyó en el de 2001-2010.

La metodología incluye dos procedimientos específicos, con el objetivo de lidiar con el llamado Problema de la Unidad Espacial Modificable (Openshaw, 1984). Brevemente, el PUEM consiste en que el valor de cualquier índice de segregación se verá afectado —en algún grado incierto— por el tamaño y forma de las unidades espaciales utilizadas en la agregación de datos.

Respecto al tamaño, unidades espaciales más grandes tienden naturalmente a contener mayor diversidad. En un extremo, si agrupamos a todos los habitantes de una ciudad en una sola unidad espacial, la segregación sería cero; en el otro extremo, si la misma ciudad se dividiera en tantas unidades espaciales como viviendas, la segregación sería máxima o cercana a 1. De allí que el valor de un índice de segregación puede resultar tan alto o tan bajo como la cantidad de unidades espaciales en que la ciudad se divide. Ciudades con unidades más pequeñas (generalmente ciudades más densas) tenderán a aparecer como más segregadas que aquellas con unidades más grandes.

En cuanto a la forma de las unidades espaciales —incluso manteniendo constante el tamaño—, esta puede afectar el valor de los índices según si las unidades son delimitadas de manera independiente o no de la composición socioeconómica. En algunos países, como EE. UU., está establecido que las unidades espaciales (census tracts) deben contener la máxima homogeneidad social posible; en otros, como Argentina, dicho criterio no se aplica, al menos no como regla. Si se contemplara el criterio de la homogeneidad, el índice resultante sería evidentemente más alto.

El principal problema que presentan los radios censales (y esto no es exclusivo de Argentina) para medir la segregación residencial y establecer comparaciones y tendencias en muchas ciudades es la dificultad para especificar la escala de medición utilizada en cada ciudad y año. Los radios censales difieren mucho entre sí, en su tamaño, en tres sentidos. En primer lugar, dentro de cada ciudad los radios más céntricos y densos tienden a ser más pequeños que los periféricos o menos densos. En segundo lugar, también difieren entre ciudades, donde unas ciudades tienen (por diversos motivos, entre ellos, la densidad) en promedio radios más grandes o pequeños que otras. Y finalmente, presentan variaciones a través del tiempo, generalmente como producto de la subdivisión (por densificación), pero también, en ocasiones, por la alteración arbitraria de sus límites.

Como consecuencia, al comparar los índices de segregación obtenidos en diferentes ciudades, aquellas con radios censales más pequeños tendrán un “plus” de segregación que no será necesariamente producto de que los grupos sociales en ella se encuentren más distanciados. Del mismo modo, al observar la evolución del índice de segregación de una misma ciudad a lo largo del tiempo, podemos obtener la falsa imagen de una segregación que aumenta, simplemente porque la ciudad se ha densificado y algunos radios se subdividieron, volviéndose más homogéneos en sí y heterogéneos entre sí.

El PUEM no existiría como problema si los investigadores tuviéramos a nuestra disposición los datos censales totalmente desagregados, con cada hogar georreferenciado a coordenadas precisas en el espacio. De esta manera, definiríamos la escala a la que deseamos medir la segregación y agruparíamos los datos según una grilla de polígonos (todos de igual forma y superficie, por ejemplo, hexágonos), aleatoriamente superpuesta sobre la ciudad. Si replicamos este procedimiento en diferentes ciudades, podemos estar seguros de obtener la medida exacta y comparable de la segregación a cada escala, en cada ciudad y a través del tiempo. Pero de momento, nada de esto es posible, producto de la vigencia del llamado secreto estadístico. ⁸

Existen formas que —sin llegar a resolver el problema— permiten lidiar con el PUEM y minimizar sus distorsiones. Rodríguez (2013) propuso el método de Desagregación y Reagrupamiento de Datos (DRD). El DRD consiste en tomar los datos ya agrupados por radios censales y descomponerlos, asumiendo su distribución homogénea dentro de cada radio censal. A partir de allí, es posible reagruparlos en nuevas unidades de forma y superficie iguales. Este procedimiento contribuye a reducir las distorsiones, permitiendo además especificar la escala de medición y establecer comparaciones más confiables entre ciudades.

Un segundo método para contrarrestar las distorsiones del PUEM —propuesto en este trabajo— es la Restitución Cartográfica (ReCar). Mediante la ReCar, todos aquellos radios de 2001 y 2010 que resultaron de una o sucesivas subdivisiones son restituidos a su delimitación original del censo 1991 (año base); se adicionan, asimismo, sus respectivos atributos (cantidad de hogares pertenecientes a cada grupo NSB y NSA). Si bien el ReCar no supone ninguna ventaja en términos de comparabilidad entre ciudades, su virtud es controlar el efecto que la subdivisión de los radios pudiera tener sobre el valor de los índices de segregación.

Adicionalmente a la ReCar, hemos recurrido a la mencionada DRD, aunque solo para las ciudades de Buenos Aires y Ushuaia, en el año 2010; ambas redibujaron por completo sus radios censales aquel año. La DRD se aplicó para restituir los datos de 2010 a su distribución espacial aproximada, según la cartografía de 1991. ⁹

Resultados

Niveles y tendencias generales de la SRS, entre 1991-2010

La tabla 2 muestra los niveles y tendencias de la SRS en el universo de las 783 ciudades argentinas, entre los años censales 1991, 2001 y 2010, aplicando el método de ReCar. Adicionalmente, la tabla 3 (en el anexo) permite comparar estos valores con los que se obtienen sin aplicar el método, es decir, utilizando los mosaicos de radios censales originales, sin ninguna restitución al año base 1991.

Al cabo de los veinte años transcurridos, la SRS disminuyó de manera visible, cualquiera sea el criterio considerado para evaluar el desempeño nacional. Según el criterio 1, el 79% de las ciudades bajaron su nivel de SRS; de acuerdo con el criterio 2 (variación de la media nacional), la SRS disminuyó un 20,7%. Y según el criterio 3 (variación de la media nacional ponderada), la SRS disminuyó un 7,7%.

Se observa que cuanto más grandes son las ciudades, estas tienden a presentar niveles de SRS más altos, lo que indica que existe una muy alta correlación entre ambas variables (figura 1). Para todos los años, la SRS promedio en ciudades de más de 20 mil hogares es casi 2,5 veces mayor al nivel promedio en pequeñas ciudades de menos de mil hogares.

La reducción más importante de la SRS parece haber ocurrido en las ciudades de tamaño intermedio, aunque con diferencias según el criterio que se utilice. De acuerdo con el criterio 1, fue en el rango de 5000 a 9999 hogares donde casi el 90% de las ciudades bajaron su SRS (figura 2). Los criterios 2 y 3, en cambio, ubican la reducción más significativa en el rango de 1000 a 1999 hogares, con variaciones del 35% y 34%, respectivamente (figuras 3 y 4). Esto significa que las ciudades intermedias grandes que bajaron su SRS fueron proporcionalmente más que las pequeñas, pero las bajas fueron en promedio (tanto simple como ponderado) menos importantes.

Los valores de la SRS presentan un grado de dispersión muy acentuado en las ciudades más pequeñas, que va disminuyendo a medida que aumenta el tamaño de la ciudad (véase la figura 1). Es decir que, si bien entre las pequeñas predominan valores de SRS muy bajos, también aparecen registros llamativamente elevados. La explicación para este fenómeno podría ser estrictamente metodológica y vinculada al PUEM. Ciudades muy pequeñas con apenas dos radios censales pueden presentar valores de segregación tan altos o tan bajos, según como dichos radios fueron originalmente delimitados.

El problema se puede ilustrar fácilmente a través de un ejemplo (figura 5). Los Frentones (provincia del Chaco) y Santa Clara de la Buena Vista (provincia de Santa Fe) son dos ciudades muy similares: pequeños pueblos ferroviarios atravesados por el (y estructurados a partir del) ferrocarril, con un área central más consolidada, ubicada a un lado de las vías, y un sector más pobre ubicado hacia la periferia y al otro lado de las vías. Sin embargo, del total de 783 ciudades en 1991, los Frentones presenta el valor más alto de SRS (52,2%) y Santa Clara el más bajo de todos (apenas 8,3%). Es poco probable que esta diferencia en los niveles de SRS tenga que ver con la distribución espacial de los grupos NSB y NSA, sino más bien con el trazado de los radios censales. En el caso de Los Frentones, un primer radio contiene el área más céntrica y un segundo radio delimita la periferia del pueblo (conteniendo en sí, incluso, un área extensa claramente rural). En Santa Clara, en cambio, observamos que la delimitación es mucho más compacta (no contiene nada rural) y que los dos radios censales en que se divide cortan transversalmente la localidad, sin respetar centro y periferia, ni vías del F. C. La probabilidad de que ocurran este tipo de situaciones evidentemente se diluye cuanto más grandes son las ciudades y mayor la cantidad de radios. En ciudades grandes con muchos radios censales es prácticamente imposible que la delimitación resulte en un mosaico de zonas que, ya sea, maximicen o minimicen el nivel de segregación.

SRS y desigualdades socioeconómicas

Se examina a continuación la hipótesis que vincula las desigualdades socioeconómicas con los niveles de la SRS. Concretamente, interesa saber si 1) los niveles de la SRS y la distribución del ingreso en Argentina tienen correlación estadísticamente significativa, y si 2) los niveles de la SRS aumentaron durante la década neoliberal 1991-2001, y disminuyeron luego en la década redistributiva 2001-2010.

Al considerar las 34 ciudades donde se llevó a cabo la EPH, en el año 2010, los niveles de la SRS y desigualdad del ingreso (Gini) mantienen, en efecto, una correlación positiva y significativa (figura 6): a mayor desigualdad mayor segregación. El coeficiente r de Pearson entre ambas variables alcanza un valor de 0,497 (significativo al nivel de 0,003) y un coeficiente de regresión R2 de 0,247.

Al observar los cambios dentro de cada período, encontramos que la SRS disminuyó tanto en el período de 1991-2001 como en el de 2001-2010 (tabla 2). Este hecho no sería del todo compatible con la hipótesis propuesta. Nótese que, sin embargo, la reducción de la SRS fue bastante más intensa durante el periodo redistributivo, respecto al anterior período neoliberal. El 69% de las ciudades argentinas redujeron su SRS entre 1991-2001, y 74% lo hicieron entre 2001-2010. La diferencia entre ambos períodos también es significativa si atendemos a los criterios 2 y 3, que informan respectivamente disminuciones del -8,7% y -2,5% en la década neoliberal, y del -13,2% y -5,3% en la década siguiente.

No tenemos de momento una explicación clara de por qué la SRS puede haber disminuido también entre 1991 y 2001. El ingreso es un factor que incide en las oportunidades de localización de las familias, pero sin dudas no es el único, así como los cambios en el ingreso familiar tampoco se traducen mecánicamente en cambios de residencia. Factores como el apego al vecindario, las estrategias de reproducción cotidiana, o el costo económico y de tiempo implicados en una mudanza pueden demorar o postergar indefinidamente cualquier intención al respecto. Dicho de otro modo, si un hogar mejora sus ingresos no se mudará a un “barrio mejor” automáticamente, y viceversa, cuando los ingresos bajan, podrá sacrificar otros gastos familiares a cambio de mantenerse en el lugar.

Por otro lado, es preciso tener en cuenta que la década del 90 vio surgir dos fenómenos característicos de la desigualdad urbana contemporánea: el aumento exponencial de las urbanizaciones cerradas periféricas (muchas veces limítrofes con asentamientos populares) y las llamadas casas tomadas, ubicadas en o próximas a las áreas centrales de las ciudades, en directa vecindad con hogares de clase media y alta. Ambos fenómenos configuran lo que Rodríguez Merkel (2014) llama falsa mixidad: una proximidad entre clases sociales que puede inducir a la baja en los índices de segregación. Ahora bien, estos dos fenómenos son característicos principalmente de las grandes ciudades, mientras que los datos muestran que la baja de la SRS ocurrió en todos los rangos de ciudades, incluso en las más pequeñas.

Sería preciso entonces explorar otras hipótesis que expliquen la baja de la SRS en ciudades de todos los tamaños, aun en un contexto de aumento de la desigualdad, tal como fue la década del noventa. No se puede descartar que la explicación esté relacionada con la variable de estratificación social, utilizada como proxy de poder económico (nivel de educación del jefe de hogar). Si, por ejemplo, las credenciales educativas guardasen una correlación cada vez menor con el ingreso, ello podría inducir a la baja de la SRS.

El mapa de la segregación

La figura 7 muestra cómo se distribuye espacialmente la SRS, según las diferentes provincias de Argentina en relación con el tamaño medio de sus respectivas ciudades. Se puede observar la existencia de un patrón regional bastante definido, donde las provincias con mayor SRS configuran dos grandes agrupamientos: por un lado, Chubut, Neuquén y Río Negro en el norte patagónico; por el otro, Misiones, Corrientes, Chaco y Entre Ríos en la región noreste y mesopotámica. Y viceversa, las provincias con menores niveles de SRS conforman prácticamente un único continuo bien marcado (La Pampa, Mendoza, San Juan, La Rioja, Catamarca y Santiago del Estero) que atraviesa varias regiones del país, principalmente la región de Cuyo y noroeste. El caso más disonante es la provincia de San Luis, que presenta un alto nivel de SRS en relación con sus provincias vecinas.

Es interesante anotar que los niveles de SRS a nivel provincial no parecen tener relación con el tamaño medio de sus ciudades. Provincias con ciudades más grandes, como Mendoza y Tierra del Fuego, tienen niveles de SRS relativamente bajos. Y viceversa, provincias como Misiones y Río Negro combinan ciudades más pequeñas con niveles de SRS altos. Futuros estudios podrán abordar este tema, examinando cuáles son las particularidades regionales (topográficas, productivas, históricas, etc.) que pudieran explicar estos patrones.

Finalmente, se ha elaborado un ranking de la SRS (anexo b) ¹⁰ que muestra que la ciudad con mayor SRS del país, en 2010, es el Gran Rosario. Esta ciudad venía de ocupar el puesto 18 en 1991 y 6 en 2001. Le siguen Gran San Miguel de Tucumán, Gran Córdoba y Gran Buenos Aires, en el segundo, tercer y cuarto puesto, respectivamente. En quinto lugar, aparece la pequeña localidad de Villa Berthet (Chaco), siendo este un caso interesante para analizar en términos cualitativos a futuro.

Método ReCar

La aplicación de la metodología de restitución cartográfica de los radios censales de 2001 y 2010, a los del año base 1991, con el objetivo de lidiar con el PUEM, arroja resultados que no son radicalmente distintos a los que se obtienen sin la aplicación del método (anexo a). Con la ReCar, los niveles de segregación son menores y las bajas más pronunciadas (o menos pronunciados los aumentos, según el caso).

Pero hay algunas excepciones interesantes. Según la variación media ponderada —y sin la aplicación del método— se concluiría que, entre 1991 y 2001, la baja de la SRS fue casi insignificante (apenas un -0,4%), es decir, que no hubo una reducción generalizada de la SRS en la década neoliberal. Por mucho que ello sería un resultado más acorde con la hipótesis, no hay motivo para considerarlo válido, ya que seguramente este aumento de la SRS fue inducido por la subdivisión de radios censales, ocurrida entre los censos de 1991 y 2001. Algo similar ocurre con el rango de ciudades más grandes, donde sin la ReCar se registraría incluso un aumento de la SRS (igualmente insignificante) del 0,05%, en el mismo período.

Conclusiones

La segregación residencial socioeconómica (SRS) en Argentina tuvo una tendencia general a la baja, en el conjunto del período 1991-2010. De las 783 ciudades analizadas, el 79% bajaron su nivel de segregación, especialmente las ciudades medianas con entre 5 mil y 10 mil hogares (o 15 mil y 30 mil habitantes, aproximadamente), donde la reducción alcanzó casi el 90%. La misma tendencia se manifiesta cuando evaluamos el desempeño nacional, utilizando como criterio la variación de la SRS media nacional (ya sea simple o ponderada), aunque en este caso las que más redujeron su SRS fueron las ciudades intermedias más pequeñas (1000 a 1999 hogares).

Los niveles de SRS en Argentina mantienen una importante correlación con el tamaño de las ciudades, confirmándose la tendencia ya detectada en países donde se han realizado estudios similares. Futuras investigaciones deberán buscar explicaciones más precisas para esta relación entre SRS y tamaño, una deuda pendiente en la literatura. Posibles explicaciones son que las ciudades más grandes tienden a ser también más densas, lo que afecta el tamaño de las unidades espaciales y, en consecuencia, se trataría de una simple correlación espuria (Krupka, 2007); o bien, que las ciudades más grandes tienden a ser más desiguales (Baum-Snow y Pavan, 2013). Y en efecto, tamaño y desigualdad en Argentina mantienen una correlación positiva, aunque poco significativa en términos estadísticos, tomando como base la escasa cantidad de ciudades para las cuales el Indec releva información sobre ingresos. ¹¹ En este sentido, sería recomendable que a futuro el Indec extienda la EPH a una muestra mayor de ciudades, incluyendo ciudades pequeñas; o bien, que incluya la variable ingresos en futuros censos, tal como se hace en otros países.

El hallazgo principal del trabajo es que, dentro de cada década, los niveles de SRS tuvieron un comportamiento diferencial, parcialmente compatible con lo anticipado en nuestra hipótesis que —basada en la teoría de la renta del suelo urbano— vincula desigualdades socioeconómicas y segregación. Si bien la SRS disminuyó ligeramente durante la década neoliberal de 1991 y 2001 (contrariamente a lo esperado) lo hizo de manera más intensa durante la década redistributiva de 2001- 2010. También en sintonía con la hipótesis, los datos muestran que (para la muestra reducida de ciudades EPH, en 2010) existe una correlación positiva entre SRS y distribución del ingreso. Las ciudades más desiguales tienen mayor segregación. De esta manera, y aunque sin la contundencia esperada, estos resultados sugieren que una de las múltiples causas de la baja en la SRS entre 2001-2010 pudo haber sido la reducción de las desigualdades socioeconómicas.

A pesar de lo anterior, no podemos soslayar que los niveles de SRS en Argentina siguen siendo altos, lo que puede ser fácilmente corroborado —más allá de lo que indiquen nuestras estadísticas— por una simple recorrida por cualquier ciudad del país, especialmente las más grandes. Cualesquiera sean los niveles de SRS que consideremos mínimamente “aceptables”, no son los que existen en la actualidad. La SRS no solo parece elevada, sino que continúa consolidándose mediante otras formas de separación en el espacio, como las urbanizaciones cerradas que se agregan a las ya conocidas formas de hábitat precario, como las villas y asentamientos informales.

En perspectiva, el próximo censo a realizarse en 2020 aportará datos actualizados para continuar examinando la relación entre desigualdades socioeconómicas y SRS. Los datos más recientes del Indec dan cuenta de una ampliación sistemática de las desigualdades a partir del año 2016, con la vuelta de un nuevo gobierno de signo neoliberal. Sería posible anticipar un aumento de la SRS entre 2010 y 2020 (o en su defecto, una disminución menos intensa a la registrada entre 2001 y 2010).

Finalmente, hemos visto que el método utilizado de restitución cartográfica (ReCar) produce resultados similares, pero no idénticos, a los que se arribaría sin su aplicación. Por un lado, a nivel general, la baja en la SRS entre 1991 y 2010 resulta ser más intensa con el método ReCar que sin el método. A nivel de períodos, en cambio, hay excepciones donde la no aplicación del método nos hubiera llevado a conclusiones divergentes. En cualquier caso, confiamos en que el método implementado permite lidiar satisfactoriamente con el PUEM, disminuyendo las distorsiones, especialmente cuando se trata de determinar tendencias de la SRS a lo largo del tiempo. Pero más allá de las virtudes de la ReCar y otras técnicas, sería importante que a corto o mediano plazo los organismos de estadística nacionales debatieran cuál es —en el mundo actual— el sentido y la utilidad del secreto estadístico. Sin necesidad de eliminarlo, se podría pensar en redefinir sus alcances, a fin de poner a disposición de los usuarios datos censales con mayor grado de desagregación espacial.

Referencias

Notas

¹ En sentido estricto, esta segunda etapa comienza en 2003 y finaliza en diciembre de 2015, con la llegada de un nuevo gobierno. En cualquier caso, asumimos que buena parte de los cambios registrados por el censo 2010, respecto al de 2001, cabe interpretarlos en el marco del sistema político y económico vigente entre 2003 y 2010.

² Es preciso aclarar que, a partir del año 2006, las estadísticas oficiales de la República Argentina sobre las que se basan dichos indicadores han sido cuestionadas y puestas en duda por parte de algunos especialistas. Sin embargo, la presunta manipulación nunca fue demostrada por la Justicia. En virtud de ello (y ante la falta de fuentes alternativas), en esta investigación se asumen como válidas o, como mínimo, aproximadas todas las estadísticas oficiales disponibles, como también las bases de datos utilizadas para nuestras propias estimaciones.

³ Consiste en asimilar esta renta al interés promedio de un capital imaginario colocado en un banco.

⁴ Otras variables —que no se examinan aquí— como el rol del Estado, las políticas de vivienda y control de precios, e incluso actitudinales de los individuos, pueden tener también un papel determinante en los niveles de SRS.

⁵ Las bases de datos consultadas en este trabajo son entregadas por el Indec a solicitud del usuario en archivos Excel. No están disponibles en ningún documento publicado ni link de descarga. El link de contacto del Indec es https://www.indec.gob.ar/indec/web/Institucional-Indec-Contacto

⁶ Dos radios censales es la cantidad mínima necesaria para medir una distribución desigual en el espacio urbano.

⁷ Los hogares urbanos en Argentina tienen aproximadamente 3,3 miembros promedio (año 2010).

⁸ La Ley n.° 17622 de 1968 establece en su artículo 10 que “los datos [censales] deberán ser suministrados y publicados, exclusivamente, en compilaciones de conjunto, de modo que no pueda ser violado el secreto comercial o patrimonial, ni individualizarse las personas o entidades a quienes se refieran” (Ministerio de Justicia y Derechos Humanos, 1968).

⁹ El procedimiento DRD no ha sido aplicado al total de ciudades objeto de este estudio, en parte debido a limitaciones técnicas y operativas derivadas del tamaño del universo, pero también en virtud de que nuestro objetivo principal no es comparar ciudades, sino conocer su evolución a través del tiempo.

¹⁰ Este ranking es ilustrativo e incluye solo las localidades con al menos 5 radios censales. Debe recordar el lector que no se ha aplicado en este trabajo una metodología específica orientada a comparar ciudades.

¹¹ Para las 34 ciudades EPH en 2010, se obtiene un coeficiente r de 0,385 (nivel de significancia de 0,025) entre tamaño y distribución del ingreso.

* Artículo de investigación científica
Este artículo fue desarrollado en el ámbito de la línea de Desarrollo Urbano del CEUR-CONICET, Buenos Aires, Argentina, co-dirigida por la Dra. Beatriz Cuenya y el Dr. Pablo Elimbaum. El financiamiento del proyecto corresponde a la Carrera de Investigador Científico y Tecnológico (CIC) del CONICET.

Notas de autor

^a Autor de correspondencia. Correo electrónico: gonzalo.ceur@gmail.com

Información adicional

Cómo citar este artículo: Rodríguez, G. M. (2020). Desigualdad socioeconómica y segregación residencial en Argentina. Niveles y tendencias recientes (1991-2001-2010). Cuadernos de Vivienda y Urbanismo, 13. https://doi.org/10.11144/Javeriana.cvu13.dssr

Descargar