https://doi.org/10.15446/bitacora.v27n1.52110

Aplicación del análisis multivariante para la sostenibilidad ambiental urbana¹

Application of multivariate analysis for urban environmental sustainability

Aplicação de análise multivariada para a sustentabilidade ambiental urbana

Loraine Mayrim Giraud-Herrera
lgiraud@usb.ve
Urbanista, magister en Gerencia Ambiental y doctora en Desarrollo Sostenible de la Universidad Simón Bolívar (Caracas, Venezuela). Profesora agregada adscrita al Departamento de Planificación Urbana de la misma Universidad. Miembro del grupo de investigación Vida Urbana y Ambiente (VUA-USB) y de la Comisión de Ambiente de la Academia Nacional de la Ingeniería y el Hábitat de Venezuela. Tiene más de veinte años de experiencia profesional en la gestión y gerencia de proyectos de innovación en temas sociales, ambientales y urbanos.

Giobertti Raúl Morantes-Quintana
gmorantes@usb.ve ]]> Ingeniero Ambiental y magister en Desarrollo y Ambiente. Profesor instructor del Departamento de Procesos y Sistemas de la Universidad Simón Bolívar, Caracas, Venezuela, con experiencia en docencia e investigación.

Recibido: 24 de junio 2015 Aprobado: 25 de diciembre de 2016

Resumen

La determinación de las variables ambientales urbanas en el marco de la sostenibilidad ambiental urbana implica la identificación de las posibles variables que inciden de manera crítica en el desarrollo sostenible a nivel de parcelas y edificaciones. Este análisis multivariante aplicado en el sector de Los Palos Grandes, municipio Chacao (Caracas, Venezuela) aborda las siguientes preguntas de investigación: ¿cuáles son las variables ambientales urbanas que influyen en la variabilidad de la sostenibilidad ambiental urbana (SAU)? A partir de la escasa información obtenida, ¿cómo es la relación entre estas variables? El marco teórico fundamental de esta investigación se basa en indicadores SAU para ciudades, y su evaluación se hace a partir de los datos recolectados en el trabajo de campo y los datos extraídos de fuentes de información secundaria. Se levantó la información de factores ambientales y urbanos en 21 manzanas del sector (277 parcelas, aproximadamente el 33% del área total) utilizando el programa SPSS, para luego proponer un modelo de regresión lineal múltiple que prediga la sostenibilidad ambiental urbana a nivel de la parcela. Los resultados obtenidos reflejan cierta coherencia lógica y relaciones vinculadas con la SAU a nivel de la parcela en el sector estudiado.

Palabras claves: Análisis multivariante, sostenibilidad ambiental urbana, variables ambientales urbanas.

Abstract

The determination of urban environmental variables within urban environmental sustainability, involves identifying possible variables that affect critically on sustainable urban development in terms of plots and buildings. This multivariate analysis applied to a case study of a section of Los Palos Grandes of Chacao (Caracas, Venezuela) addresses the following research questions: What are the urban environmental variables that influence the variability of Urban Environmental Sustainability (SAU) and how is the relationship between these variables from the limited information obtained? The fundamental theoretical framework is based on indicators for cities SAU and SAU assessment and is made from data collected in field work and data from secondary sources. The data was taken from 21 blocks of LPG industry factors (277 plots, 33% of the total area), using SPSS and then propose a multiple linear regression model to predict urban environmental sustainability at plot level. The results reflect some logical coherence and related relations with the SAU at the farm level in LPG.

Key words: Multivariate analysis, urban environmental sustainability, urban environmental variables.

Resumo

A determinação de variáveis ambientais urbanos dentro de sustentabilidade ambiental urbana envolve a identificação de possíveis variáveis que afetam criticamente sobre o desenvolvimento urbano sustentável, em termos de lotes e de edifícios. Esta análise multivariada aplicada a um estudo de caso de uma seção de Los Palos Grandes de Chacao (Caracas, Venezuela) aborda as seguintes questões de investigação: Quais são as variáveis ambientais urbanos que influenciam a variabilidade da sustentabilidade ambiental Urban (SAU) e como é a relação entre essas variáveis a partir das informações obtidas limitado?. O quadro teórico fundamental é baseado com indicadores para as cidades SAU e avaliação SAU é feita a partir de dados coletados no trabalho de campo e dados de fontes secundárias. Rose e dados ambientais urbanos em 21 blocos de fatores da indústria de LPG (277 parcelas, 33% da área total), usando SPSS e, então, propor um modelo de regressão linear múltipla para prever a sustentabilidade ambiental urbana ao nível da exploração. Os resultados refletem alguma coerência e relações lógicas relacionados com a SAU ao nível da exploração em LPG.

Introducción

Las formas de medición de la sostenibilidad urbana son resultado de múltiples enfoques y marcos ordenadores de carácter metodológico, que arrojan una diversidad de variables cualitativas y cuantitativas susceptibles de ser medidas, así como metodologías de construcción de indicadores que son difíciles de equiparar con el criterio de comparabilidad. No obstante, a nivel mundial existen grandes esfuerzos en las ciudades para avanzar hacia sistemas de indicadores de sostenibilidad urbana. A nivel micro, hay pocas experiencias que determinen las variables ambientales urbanas en parcelas y que se vinculen con la sostenibilidad ambiental urbana.

La necesidad impostergable de identificar y de medir la situación de insostenibilidad de los asentamientos humanos venezolanos requiere de un sistema integrado de indicadores basado en un modelo de ciudad sostenible adaptado a la historia, la estructura y la dinámica urbana de cada una. Para ello se requiere, en una primera fase, levantar y validar la información primaria y secundaria de ciertas variables que es escasa, y que apunten a medir su funcionamiento bajo un enfoque integral y sistémico, además de indicadores que midan las causas, los estados, los impactos y las respuestas, así como las interrelaciones entre cada una de las dimensiones, especialmente a nivel de manzanas y parcelas, donde se considera que podría realizarse una renovación o intervención específica que vaya orientada hacia la ruta de la sostenibilidad. Luego, en una segunda fase, se deben construir los indicadores a nivel de cada ciudad y posteriormente, en una tercera fase, llevar a cabo un intercambio y seguimiento de los indicadores frente a los avances y retrocesos que están sufriendo las mismas.

Las formas de medición del desarrollo sostenible a nivel urbano con énfasis en la dimensión ambiental requieren hacer operacionales las variables mediante indicadores e índices vinculados con las ciudades sostenibles en los aspectos ecológicos, ambientales y urbanos. Lo anterior exige comprender qué tipos de indicadores de sostenibilidad ambiental urbana (ISAU) se han utilizado y cuáles han sido las experiencias metodológicas aplicadas para la medición de este tipo de desarrollo.

El análisis de la sostenibilidad ambiental en la parcela y en la edificación sugiere que se identifiquen y se evalúen las posibles variables ambientales urbanas en el marco de la sostenibilidad ambiental urbana con la aplicación de técnicas de análisis multivariante y contrastarlas con técnicas de carácter cualitativo.

Por todo lo anteriormente descrito, se establece como el objetivo de esta investigación obtener un modelo de regresión lineal múltiple que mida la sostenibilidad ambiental urbana en el sector de Los Palos Grandes, Caracas, Venezuela, a partir de la pregunta ¿cuáles son las variables ambientales y urbanas que influyen en la variabilidad de la sostenibilidad ambiental urbana, y cómo es la relación entre estas variables?

Sostenibilidad ambiental urbana y sus implicaciones en la ciudad sostenible

Girardet (2001) define una ciudad sostenible como una relación armónica entre la ciudad, su gente y la naturaleza. Para ello, se requiere de grandes esfuerzos vinculados a todas las personas (mente, cuerpo y espíritu), al predominio sobre la gestión a largo plazo, a la actuación que cumpla con los principios de precaución y uso responsable de los recursos, a la estimulación de la diversidad entre las sociedades, a la protección fundamentada en la justicia y equidad, y al manejo adecuado de las actividades humanas viables en las escalas apropiadas.

La ciudad es un sistema complejo donde se desarrollan actividades humanas y se generan efectos ambientales. El urbanismo es un factor importante de presión sobre los ecosistemas (PNUMA, 2002). El ambiente y los recursos naturales son utilizados como alimentos, energía y bienes para satisfacer las necesidades y demandas de la población, así como las actividades económicas que se desarrollan en las ciudades, generando residuos orgánicos, inorgánicos y emisiones.

La aproximación a una ciudad sostenible no puede verse sesgada por alguna dimensión de la sustentabilidad, es decir, la dimensión ambiental urbana no puede separarse de la dimensión social, ni mucho menos de las dimensiones política-institucional y económica. La sustentabilidad urbana debe estar interrelacionada entre las distintas variables que inciden en cada una de las dimensiones y estas entre sí.

Las variables que deberían ser consideradas en el proceso de planificación urbana ambiental obedecen a una racionalidad en el uso del recurso y, para ello, es necesario incluir en el análisis el flujo de energía y materiales (entradas, procesos y salidas del sistema) aunado con los aspectos sociales, políticos, institucionales, económicos, de transporte y de estructura urbana.

El concepto de sostenibilidad ambiental urbana ha abierto una nueva visión o perspectiva integral, transversal y a largo plazo. Inclusive, es preciso medir si el capital de los recursos naturales puede soportar indefinidamente el desarrollo urbano actual. Para ello, es imperante relacionar la demanda de los recursos necesarios para satisfacer las necesidades de los habitantes de las ciudades a través de indicadores e índices que midan estas relaciones e interacciones complejas (Bettini, 1998).

Si se exhorta a alcanzar la sostenibilidad ambiental urbana en Venezuela es indispensable repensar las variables que condicionan el desarrollo urbano e identificar las vinculaciones posibles, estableciendo nuevas variables ambientales urbanas y evaluaciones ambientales de carácter estratégico necesarias en el proceso de planificación y gestión ambiental urbana para no comprometer la viabilidad ambiental a futuro.

Variables ambientales urbanas en el marco de la sostenibilidad ambiental urbana en Venezuela

Lamentablemente el desarrollo de las ciudades en Venezuela ha sido desordenado y requiere la incorporación de variables ambientales urbanas en los procesos de planificación y gestión que respondan a las condiciones ambientales del lugar (Pérez, 1999). Grimaldi (1994) señala que las Variables Urbanas Fundamentales (V.U.F.) son las siguientes: los usos e intensidades del suelo urbano, las dimensiones de la parcela, las dimensiones de los lotes, las áreas de construcción y de ubicación, el área libre de la parcela, los retiros (laterales, frente y fondo), la altura de la edificación y el estacionamiento.

El artículo 87 de la Ley Orgánica de Ordenación Urbanística (Congreso de la República de Venezuela, 1987) de Venezuela define las V.U.F. para las edificaciones así: el uso propuesto en la ordenanza de zonificación, la densidad bruta de población, los retiros de frente, laterales y de fondo, las alturas de la edificación, los porcentajes de ubicación y construcción, y las restricciones por seguridad o por protección ambiental. Estas y las variables ambientales deberían estar previstas en las propias ordenanzas, y en los instrumentos legales de regulación y control de las edificaciones, no obstante, el componente o la variable ambiental expresada en esa Ley es la denominada en función de las restricciones o por protección ambiental, dejando un margen muy amplio a la interpretación de cada actor sobre las variables ambientales en el ámbito urbano. La presente investigación propone un modelo que comprenda la construcción y verificación de ciertas Variables Ambientales Urbanas (V.A.U.) en función de los instrumentos de información y planificación existentes para el sector de Los Palos Grandes del municipio Chacao.

Se hace necesaria la obtención, análisis y procesamiento de la información primaria y secundaria para la construcción de las variables ambientales urbanas que, de por sí, son sumamente escasas y desactualizadas. La información primaria se refiere al levantamiento de información directamente en campo, y la información secundaria hace referencia a otros documentos y herramientas de información disponibles: el Sistema de Información Ambiental y de Riesgos (SIGAR), el Plan de Desarrollo Urbano Local (PDUL) (City Plan Consultoría, 2009-2011) y el Plan de Gestión Ambiental y de Riesgos (PGAR) (Alcaldía de Chacao e Instituto Autónomo Municipal de Protección Civil y Ambiente, 2011). Luego del procesamiento de los datos, se procede a la obtención de la información básica de cada parcela del sector de estudio, donde se identifican variables, y condicionantes ambientales y urbanas.

A partir del enfoque teórico descrito y tomando como caso de estudio el sector de Los Palos Grandes del municipio Chacao, se construye una conjunto de Indicadores de Sostenibilidad Ambiental Urbana (ISAU) aplicables a la realidad del sector. Así, se elaboraron 47 fichas de indicadores en función de la información primaria y secundaria obtenida, y procesada. El modelo de la ficha de indicadores diseñados y el listado de los 47 indicadores se muestran en Tabla 1 y 2 respectivamente.

En la Tabla 3 se enuncian las 29 variables predictoras del modelo propuesto, su definición conceptual y operacional. Estas 29 variables son el resultado de usar como insumos los datos levantados en campo, los datos de información primaria y secundaria, y la batería de indicadores diseñados. Dichas variables representan las variables ambientales y urbanas de interés que sirven para construir un modelo multivariante de relación entre los datos cuantitativos.

TABLA 3

Relación entre modelos de regresión y las Variables Ambientales Urbanas (V.A.U.)

Existen investigaciones sobre la construcción de índices e indicadores ambientales y de desarrollo sostenible utilizando técnicas de análisis multivariante, como el análisis de componentes principales (ACP) y el análisis de conjuntos difusos (DP₂) (Escobar, 2006; 2008; Montosa, 2014). Estas se llevaron a cabo en sectores urbanos o a escala de la ciudad, no obstante, a nivel micro (parcelas y edificaciones), la técnica del análisis multivariante podría ser aplicada para determinar las posibles variables ambientales y urbanas que inciden en la sostenibilidad ambiental urbana.

Metodología

Tipo y diseño de la investigación

Se trata de un estudio no experimental de tipo prospectivo, donde los sujetos son seleccionados por poseer determinados valores que pueden ejercer cierta influencia y de grupo único (se selecciona una muestra de sujetos que presenten todos los niveles de las variables independientes) con finalidad predictiva sobre la variable predicha (VP) (Montero y León, 2002).

Se establece un diseño transeccional que aplica cuando se recolectan datos en un tiempo único y cuando el propósito es describir variables y analizar su incidencia e interrelación en un momento dado (Hernández, Fernández y Baptista, 2006; Kerlinger y Lee, 2002).

La definición de las V.A.U. se obtuvo a partir de los fundamentos teóricos, lo establecido en la Ley, y en los instrumentos de planificación y gestión existentes para el sector de estudio. Por lo tanto, se determinaron 29 variables urbanas y ambientales para el sector de Los Palos Grandes, y su definición conceptual y operacional.

A partir de los valores de referencia investigados se construye una variable dependiente que sirve como predicha en el modelo de regresión usando los indicadores de sostenibilidad ambiental urbana (ISAU) diseñados para el sector estudiado. Para la investigación actual se asignaron con éxito los respectivos valores de referencia a un total de 14 indicadores. Esta variable a predecir o predicha (VP) asigna un puntaje del 0 al 28 el estado actual (ambiental y urbano) de cada parcela de Los Palos Grandes, según sea el valor del indicador de la misma, comparado con sus valores de referencia: se estableció una escala del 0 al 2, donde "0'; representado con el color rojo en la ficha del indicador, no cumple con los estándares de la variable evaluada (insostenible). "1", con color amarillo en la ficha, puede cumplir medianamente con el estándar de la variable evaluada (medianamente sostenible) y "2", con color verde en la ficha, es considerada la mejor opción, en otras palabras, que cumple con los estándares planteados. La VP mide el "deber ser" de cada parcela del sector Los Palos Grandes para la medición de la variable ambiental o urbana. En esta variable, los puntajes más altos se asocian con valores positivos de la dimensión ambiental y urbana de la parcela.

Población y muestra

Se trabajó en Los Palos Grandes que se ubica al noreste del municipio Chacao, en el Estado Miranda, Venezuela. La unidad de estudio para esta investigación fue la parcela. En el sector existe un total de 63 manzanas, que suman 815 parcelas (12,93 parcelas/ manzana), en una superficie de 115,68 hectáreas.

Hernández, Fernández y Baptista (2006) establecen que existen maneras de calcular el tamaño de la muestra a partir del nivel de confianza, el tamaño de la población y el error permitido establecido por el investigador. Siguiendo estos parámetros, el tamaño de la muestra se calculó usando la ecuación de determinación de población (Netquest, 2014). Se tomó un universo de 63 manzanas con un nivel de confianza del 95%, un margen de error del 5% y una heterogeneidad de la población de 50%, resultando en un valor de 21 manzanas.

Definido el tamaño de la muestra, el siguiente paso fue determinar cómo iba a ser escogido el individuo que formaría parte del estudio: a) se dividió la zona de estudio en tres (3) sectores según su homogeneidad en cuanto a los tipos de usos del suelo y a la estructura morfológica de las manzanas, b) se utilizó un muestreo probabilístico tipo tómbola (Hernández, Fernández y Baptista, 2006) en cada sector y c) se escogieron siete (7) manzanas aleatoriamente en cada uno de los tres sectores donde se recolectó la información en campo. La Figura 1 muestra un plano del sector de estudio donde se observa cómo se divide el espacio en los tres micro-sectores según su homogeneidad urbanística.

Análisis de los datos

Se aplicó un modelo de regresión multivariante que estudia simultáneamente más de dos variables. La regresión lineal múltiple está incluida en los ejemplos de análisis multivariante y su análisis permite establecer la relación que se produce entre una variable predicha y un conjunto de variables predictoras. Al aplicar el análisis de regresión múltiple lo más frecuente es que tanto la variable dependiente como las independientes sean variables continuas, medidas en escala de intervalo o razón. Otras posibilidades son: a) relacionar una variable dependiente continua con un conjunto de variables categóricas y b) aplicar el análisis de regresión lineal múltiple en el caso de relacionar una variable dependiente nominal con un conjunto de variables continuas (Rodríguez y Mora, 2001).

VP= ∝ + Β1 X li + Β2 X 2i + Β3 X 3i + ΒK X Ki+ ∈i

Ó

VP= ∝ + B1 X li +B2 X 2i+B3 X 3i+BK X Ki Ñ

VP: variable a predecir

∝: Constante

B : Coeficiente de regresión

β: Coeficiente de regresión estandarizado

X: Variable independiente

∈ : Residuos

Se realizó un procedimiento para la detección de posibles datos atípicos y datos perdidos, resolviendo las incongruencias de los mismos. El procedimiento utilizado en el análisis cuantitativo se dirigió a la obtención de un modelo de regresión lineal múltiple que relacionara las variables de interés con otra variable a predecir que midiera de manera numérica el valor actual de cada variable para Los Palos Grandes. Se construyó una matriz de datos y se otorgó un valor a cada una de las 29 variables para cada una de las 277 parcelas del sector, lo cual, sumó un total de 37 variables al tener en cuenta que las variables dummy suman más variables al modelo. Se realizó un análisis previo de la matriz de datos construida que incluye análisis descriptivos de moda, media, mediana, frecuencias, entre otras. Los pasos siguientes incluyeron el análisis e interpretación de los datos cuantitativos a partir de correlaciones, análisis factorial (exploratorio y confirmatorio) y la construcción de un modelo de regresión lineal múltiple.

Resultados

Los resultados se estructuraron en cinco fases: análisis de correlaciones exploratorio, análisis de componentes principales exploratorio, análisis de correlaciones final, análisis de componentes principales confirmatorio y, finalmente, el modelo de regresión lineal múltiple.

Análisis de correlaciones exploratorio (ACexp)

Su finalidad es identificar posibles asociaciones o relaciones entre las propias variables, así como relaciones entre las variables predictoras y la VP, la significancia de las relaciones, su sentido, su magnitud y sincronía (Trochim, 2006; Kelmansky, 2009). Para esto se utilizó el coeficiente de correlación lineal de Pearson y se realizó una matriz de correlación entre las 37 variables. Ciertas variables correlacionaron altamente entre sí, como por ejemplo, población con a) dotación de agua estimada para la parcela, b) consumo de electricidad de la parcela, c) residuos, d) consumo de electricidad y e) emisión de CO2 equivalente. Se evidenció la existencia de colinealidad, es decir, que los predictores del modelo están relacionados, constituyendo una combinación lineal (López, 1998). Cuando hay evidencias de colinealidad (correlaciones > 0,9 - sig p < 0,00) (Goldstein, 1993) es recomendable eliminar algunas variables si se desea aplicar un análisis de regresión a posteriori (López, 1998). Esto se puede verificar haciendo un análisis de reducción de dimensiones como: análisis factoriales o de componentes principales. Se evidenció también que al menos 14 variables se correlacionaban estadísticamente de manera significativa con la VP.

Análisis de componentes principales exploratorio (ACPe)

El objetivo es lograr reducir la cantidad de variables manejadas de manera que se pierda la mínima cantidad de información en el proceso al identificar cuáles pesan en un mismo factor (Kerlinger y Lee, 2002). Se realizó el ACPe al conjunto de las 37 variables. Al comprobar los supuestos necesarios para realizar un análisis factorial (comúnmente se aplica el KMO -Kaiser-Meyer-Olkin- y del Test de Esfericidad de Barlett) resultó que no se cumplían los supuestos necesarios. Se llevaron a cabo otras pruebas estadísticas que indicaran las posibles técnicas de reducción de variables que se podían aplicar a la matriz de datos en cuestión. Se calculó el "determinante de la matriz de correlaciones" y la "matriz de correlaciones residuales". Para poder aplicar un ACP, el determinante de la matriz de correlaciones debe tender a cero (a = 0,000 para matriz de datos del sector estudiado) y las diferencias entre las correlaciones observadas y reproducidas deben ser mínimas (el porcentaje de residuos debe ser menor al 16% para que se pueda aplicar un análisis factorial) (Gude-Redond, 2014). Para la matriz de Los Palos Grandes el ACPe resultó ser del 15%. Luego de comprobados los supuestos, se realizó un análisis factorial con extracción mediante "componentes principales".

El ACPe permitió identificar las relaciones existentes entre las variables ambientales y urbanas. Así mismo, permitió agrupar y reducir aquellas variables que pudiesen poseer estructuras significativas en torno a ciertas variables y validar los posibles constructos. Con este análisis se logró agrupar en diez componentes las 37 variables tomadas en cuenta en el modelo. Los diez componentes explican el 80,559% de la varianza total. Tanto el ACexp como el ACPe permiten reducir la gamma de variables manejada de 37 a 25, perdiendo sólo un 19% de información.

Análisis de correlaciones final (ACfin)

Análisis de componentes principales confirmatorio (AcPc)

Su finalidad es evaluar si las 21 variables que han demostrado ser significativas por sus relaciones entre sí pueden reducirse a un set de variables más pequeño, perdiendo la menor cantidad de información posible. En un ACP también se evalúa si los resultados obtenidos hasta el momento mantienen una lógica teórica y práctica pues al reducir las variables según ciertos componentes lo que se espera es que las variables que pesen en un mismo componente (con valores > 0,5) tengan propiedades o particularidades en común desde un punto de vista teórico y/o práctico. Por ejemplo: población, dotación de agua, consumo de electricidad y emisión de dióxido de carbono equivalente deben ser agrupados por el programa automáticamente en un mismo factor, pues todas las variables tienen algo en común: "la población", es decir, realmente sólo una variable está aportando información al sistema. Con el ACPc² se demostró que las 21 variables se podían agrupar en ocho componentes que explicaban el 79,004% de la varianza. Con los resultados del ACPc se logró eliminar una variable por no poseer un peso significativo en los resultados y se pudo reducir a una sola dimensión otras tres variables (todas relacionadas con los árboles). En este punto del análisis cuantitativo las variables de interés para realizar un análisis de regresión múltiple se reducen a 17 (véanse Tabla 4 y Tabla 5).

Modelo de regresión lineal múltiple

Finalmente, se construyó una variable predictora (VP) del modelo a nivel de parcela a partir de las 17 variables,³ cuyo objetivo es dar luces para conocer si la parcela es sostenible⁴ o no con los datos procesados en SPSS, en función de la escasez de información. Se muestra un modelo de regresión lineal múltiple que relaciona dos conjuntos de variables manejados de maneras diferentes pero con factores en común, todo esto mediante una ecuación que se aproxima a explicar de la mejor manera la relación entre esas variables y la VP para el sector de estudio Los Palos Grandes. La ecuación de regresión representa el comportamiento de un hiperplano en un espacio multidimensional.

El modelo de regresión lineal múltiple obtenido explica el 52% de la varianza de manera significativa a partir de las 11 variables (véase Tabla 6). Dado que existen más de dos variables independientes, la representación gráfica de las relaciones que existen entre ellas y la VP resulta compleja, poco intuitiva, irrelevante y nada útil. La interpretación de las relaciones del modelo es más sencillo de entender a partir de la construcción de la ecuación del modelo lineal (Pardo, 2001).

A partir de los datos de la Tabla 5 se construye la ecuación del modelo de regresión:

VP= ∝ + β1 X li+ β2 X 2i + β3 X 3i + βK X Ki + ∈i

[Modelo B: modelo predictivo]

VP= ∝ + B1 X li +B2 X 2i+B3 X 3i+BK X Ki

Modelo A: VP = 0 - (0.254 otros usos variados) - (0.255 ruido) + (0.839 árboles) + (1.450 permeabilidad) + (2.542 rco) + (1.895 resmulti) + (0.835 estado) - (0.001 áreaparcela) + (0.002 población) + (0.008 superedificada) - (0.109 altura) + 1.979

Modelo B: VP = 19,086 - (3,021 otros usos variados) - (0,153 ruido) + (0.293 árboles) + (0.240 permeabilidad) + (0.285 rco) + (0.234 resmulti) + (0.196 estado) - (0.417 áreaparcela) + (0.312 población) + (0.191superedificada) - (0.188 altura)

VP: Variable a predecir

Otros usos variados: otros usos relacionados con equipamientos, vacantes, estacionamientos, entre otros

Ruido: ruido promedio atribuible a cada parcela

Árboles: árboles no muertos ubicados dentro de la parcela

Rco: uso residencial comercial y oficinas

Resmulti: uso residencial multifamiliar

Estado: estado de la edificación

Áreaparcela: área de la parcela

Población: población y empleados de la parcela

Superedificada: superficie edificada (construcción) de la parcela

Altura: altura de la edificación

Con la ecuación del Modelo B se podría predecir la puntuación de la VP que tendría una parcela en Los Palos Grandes sobre la escala que mide el "deber ser" según las variables SAU diseñadas en esta investigación. El Modelo A proporciona una pista muy útil sobre la importancia relativa de cada variable independiente en la ecuación de regresión mediante los valores de los coeficientes estandarizados. Una variable tiene más peso (importancia) en la ecuación de regresión cuanto mayor (en valor absoluto) es su coeficiente de regresión estandarizado (Pardo, 2001). (Véase Figura 2).

La aplicación del estudio al caso Los Palos Grandes a partir de la información levantada en 277 parcelas como insumo de datos reales en campo, la revisión de fuentes de información secundaria, el diseño de 47 indicadores de sostenibilidad ambiental urbana (ISAU), la selección de 29 variables y la formulación de una variable predictora de SAU, arrojó un modelo de regresión lineal múltiple con 11 variables significativas a nivel de la parcela: área de la parcela, población, usos del suelo (residencial-comercial-oficina, residencial multifamiliar, otros usos variados), superficie edificada por habitante, altura de la edificación, estado de la edificación, nivel de ruido, árboles y permeabilidad del suelo. Esto refleja que dicha variable predictora (denominada SAU) para una parcela de Los Palos Grandes, como variable dependiente, está vinculada con las variables medidas positivas o que contribuyen a la SAU como: número de árboles, permeabilidad de la parcela, uso residencial-comercial-oficina, uso residencial-multifamiliar, población, superficie edificada por habitante y estado de la edificación, mientras que las variables negativas o que desmejoran la SAU están relacionadas con el nivel de ruido, otros usos variados (usos vacantes, estacionamientos, entre otros), el área de la parcela y la altura de la edificación. Los resultados reflejan cierta coherencia lógica vinculados con la SAU a nivel de parcela en el sector de estudio.

La necesidad y el esfuerzo por aplicar una metodología cuantitativa para la aproximación de la realidad compleja e integral de la ciudad en el marco del desarrollo sostenible es un argumento concluyente que se mantiene en esta investigación.

Aquí, la estrategia cuantitativa se enfoca en el proceso del levantamiento de datos en campo y en las fuentes de información secundaria de las manzanas y las parcelas. Se utilizó un modelo de regresión para medir posibles variables predictoras para que una parcela apunte hacia la sostenibilidad, con datos y valores referenciales descubiertos en las fichas de los indicadores de la investigación cualitativa.

La evaluación de la sostenibilidad ambiental urbana se obtiene con el planteamiento del modelo teórico y el análisis de un estudio de caso mediante la construcción de variables ambientales urbanas propias para el mismo. Posteriormente se contrasta con la aplicación del método cuantitativo para la obtención de un modelo de regresión lineal múltiple a partir del análisis de correlaciones y ACP, y finalmente, la comprensión cualitativa de los resultados obtenidos para ambas secuencias.

Notas

¹ El artículo ha sido desarrollado en el marco de la tesis Doctoral Diseño de un sistema integrado de indicadores de sostenibilidad ambiental para el ámbito municipal. Doctorado en Desarrollo Sostenible de la Universidad Simón Bolívar (USB, Caracas, Venezuela) realizado por la profesora Loraine Giraud Herrera.
² Se comprobaron nuevamente los supuestos para realizar un análisis factorial resultando en un KMO = 0,647, p < 0,000, lo cual, es indicativo de que los datos son aptos para realizar cualquier tipo de análisis factorial (véase Tabla 4).
³ En este conjunto de variables se comprobaron los supuestos de normalidad, colinealidad, homocedasticidad.
⁴ La sostenibilidad es identificada en una parcela según cumpla en una mayor medida con los valores deseados de las variables ambientales urbanas diseñadas en esta investigación.

ALCALDÍA DE CHACAO. (2014). Sistema de Información Geográfico Ambiental y de Riesgos (SIGAR). Consultado en: http://sigar.chacao.gob.ve/ipca/.         [ Links ]

ALCALDÍA DE CHACAO E INSTITUTO AUTÓNOMO MUNICIPAL DE PROTECCIÓN CIVIL Y AMBIENTE. (2011). Plan de gestión ambiental y de riesgos del Municipio Chacao 2011-2016. Caracas: Alcaldía de Chacao.         [ Links ]

BETTINI, V. (1998). Elementos de ecología urbana. Valladolid: Trotta.         [ Links ]

CITY PLAN CONSULTORÍA. (ed.). (2009-2012). Plan de Desarrollo Urbano Local del Municipio Chacao. Etapa 2: actualización del diagnóstico urbano. Caracas: Alcaldía de Chacao.         [ Links ]

CONGRESO DE LA REPÚBLICA DE VENEZUELA. (1987, diciembre 16). Ley Orgánica de Ordenación Urbanística. Consultado en: http://www.ucv.ve/fileadmin/user_upload/auditoria_interna/Archivos/ Material_de_Descarga/Ley_Organica_de_Ordenacion_Urbanistica_-_33.868.pdf.         [ Links ]

ESCOBAR, L. (2008). "Indicadores ambientales sintéticos: una aproximación conceptual desde la estadística multivariante". Gestión y Ambiente, 11 (1): 21-40.         [ Links ]

ESCOBAR, L. (2006). "Indicadores sintéticos de calidad ambiental: un modelo general para grandes zonas urbanas". Eure, XXXII (96): 73-98.         [ Links ]

GIRARDET, H. (2001). Creando ciudades sostenibles. Valencia: Gorgona, Tilde.         [ Links ]

GIRAUD, L. (2015). "Diseño de un sistema integrado de indicadores de sostenibilidad ambiental para el ámbito municipal". Caracas, Universidad Simón Bolívar, tesis para optar al título de Doctor en Desarrollo Sostenible.         [ Links ]

GOLDSTEIN, R. (1993). "Conditioning diagnostics: collinearity and weak data in regression". Technometrics, 35 (1): 85-86.         [ Links ]

GRIMALDI, L. (1994). Interpretación y reglamentación de las variables urbanas fundamentales. Caracas: Equinoccio.         [ Links ]

GUDE-REDOND, A. (2014). Determinantes del endeudamiento: aplicación al sector español de aguas envasadas. Oviedo: HiFer.         [ Links ]

HERNÁNDEZ, R., FERNÁNDEZ, C. y BAPTISTA, P. (2006). Metodología de la investigación. México: McGraw-Hill.         [ Links ]

KELMANSKY, D. M. (2009). Estadística para todos. Estrategias de pensamiento y herramientas para la solución de problemas. Buenos Aires: Ministerio de Educación de la Nación,         [ Links ]

KERLINGER. F. y LEE H. (2002). Investigación del comportamiento. Método de investigación en Ciencias Sociales. México: Mc Graw Hill.         [ Links ]

LÓPEZ, E. (1998). "Tratamiento de la colinealidad en regresión múltiple". Psicothema, 10 (2): 491-507.         [ Links ]

MINISTERIO DE SANIDAD Y ASISTENCIA SOCIAL Y DEL DESARROLLO URBANO. (1988). "Normas sanitarias para proyecto, construcción, reparación, reforma y mantenimiento de edificaciones". Gaceta Nacional, 4044. Consultado en: http://www.hidroterm.com.ve/documentacion/4044%20norma%20sanitaria/4044-88-1.pdf.         [ Links ]

MONTERO, I. y LEÓN, O. G. (2002). "Clasificación y descripción de las metodologías de investigación en psicología". International Journal of Clinical and Health Psychology, 5: 115-127.         [ Links ]

MONTOSA, J. (2014). "Aplicación del análisis multivariante a espacios en transformación: Las periferias de las mayores aglomeraciones urbanas andaluzas". Boletín de la Asociación de Geógrafos Españoles, 65: 87-112.         [ Links ]

NETQUEST. (2014). Calculadora de muestras. Consultado en: http://www.netquest.com/        [ Links ]

PADRÓN, C. ET AL. (2013). "La microzonificación sísmica en el proceso de planificación urbana. Caso de estudio: municipio Chacao". Revista de la Facultad de Ingeniería Universidad Central de Venezuela, 26 (2): 89-101.         [ Links ]

PARDO, A. R. M. (2001). SPSS 10.0. Guía para el análisis de datos. Consultado en: http://pendientedemigracion.ucm.es/info/socivmyt/paginas/D_departa-mento/materiales/datos_multivariante.htm.         [ Links ]

PÉREZ, A. (1999). "La variable ambiental urbana: nociones generales y ámbitos de aplicación en Venezuela". Revista Geográfica Venezolana, 40 (2): 201-210.         [ Links ]

PNUMA. (2002). Metodología para la elaboración de los informes GEO Ciudades. Manual de aplicación. Versión 1. Consultado en: http://ww2.unhabitat.org/programmes/agenda21/documents/Metodolog%C3%ADa.pdf.         [ Links ]

RODRÍGUEZ, M. J. y MORA R. (2001). Estadística informática: casos y ejemplos con el SPSS. Alicante: Universidad de Alicante.         [ Links ]

RODRÍGUEZ, R. (2011). Análisis de regresión lineal múltiple. Consultado en: http://www.rubenjoserodriguez.com.ar/wp-content/uploads/2011/10/Analisis_de_Regresion_Lineal_Multiple_Ruben_Jose_Rodriguez.pdf.         [ Links ]

TROCHIM, W. (2006). What is the research methods knowledge base? Consultado en: http://www.anatomyfacts.com/research/researchmethodsk-nowledgebase.pdf.         [ Links ]