Resumen

En este artículo  se  realiza  una  descripción general de  la utilidad  del análisis  multivariante de  datos,  y  formalmente  se  exponen  dos  metodologías  (análisis de componentes principales y análisis  de  distancia  P2)  que  usan  técnicas  de  análisis  multivariante  para definir la dimensionalidad real de los datos para la estimación de indicadores sintéticos o índices de calidad ambiental.

1. INTRODUCCIÓN 

La teoría estadística y los métodos aplicados a la elaboración de indicadores sintéticos por entidades del orden local, regional e internacional, recomiendan el uso de análisis multivariante para el tratamiento de datos que describen fenómenos que pueden ser explicados en común (Segnestan, 2002a, Castro, 2004). Se argumenta que pasar de la recopilación de indicadores simples a la generación de indicadores sintéticos es un imperativo para simplificar los datos y estructurarlos en información más elaborada, de acuerdo a las necesidades de los tomadores de decisión y el público en general [Polanco (2006); MMA (1996; 2000)]. 

En este artículo se realiza una descripción general de la utilidad del análisis multivariante de datos, empleando dos técnicas, en ocasiones complementarias: análisis de componentes principales y análisis de distancia P2 con el fin de definir la dimensionalidad real de los datos disponibles, para la estimación de un indicador sintético o índice de calidad ambiental a nivel urbano. El empleo del análisis multivariante para mejorar la interpretación de problemas no es nuevo en Colombia, trabajos realizados para la reducción de datos y la dimensionalidad de objetos de investigación pueden encontrarse en Ospina y Lema (2005) quien emplea Análisis de Componentes Principales (ACP) y Análisis de Factores para encontrar las relaciones entre variables e impactos y, calificar y clasificar los impactos por su grado de influencia. Escobar y Bermúdez (2004) presentan un índice de calidad ambiental para las localidades de Bogotá, empleando ACP, indicando con este estudio que la ciudad no es ambientalmente homogénea según el índice construido y que es posible priorizar las inversiones ambientales de acuerdo al valor resultante del índice. En este mismo sentido Escobar (2004; 2006a; 2006b) presenta los detalles de la aplicación del índice de calidad ambiental para la ciudad de Cali. A nivel internacional, se recomienda la revisión del estudio de Castro (2004) quien hace una excelente revisión bibliográfica sobre el uso de técnicas de análisis multivariante para la construcción de índices de desarrollo sostenible, y emplea las técnicas de ACP, Distancia P2 y lógica difusa para estimar índices de desarrollo sostenible para los municipios de la comunidad de Andalucía (España). 

2. MÉTODOS DE ANÁLISIS MULTIVARIANTE 

Es posible que cualquier investigador se enfrente a teorías científicas o criterios consensuados sobre algún aspecto a investigar, por ejemplo el desarrollo sostenible, de tal forma que en su explicación, se incluyan los componentes económicos, sociales y ambientales. En cada uno de estos componentes se pueden describir un conjunto grande, complicado y complejo de datos que representan las variables que explican el desarrollo sostenible en las diferentes unidades de observación (por ejemplo países, ciudades, comunas y barrios, etc). 

• Materias:Indicadores ambientales Calidad ambiental
• Subjects:Environmental indicators Environmental quality
• Palabras claves:Indicadores sintéticos, Índices ambientales, Análisis multivariante, Componentes principales, Análisis de distancia.
• Keywords:Recycler workers, Synthetic indicators, Environmental indices, Multivariate analysis, Principal components, Pistance analysis.