domingo, 28 de junho de 2015

Concentrações de Alta Renda no distrito da Bela Vista (SP)


No processo de análise de dados as questões de proximidade espacial podem ser decisivas. Alguns fenômenos são fortemente influenciados pela localização e por sua vizinhança. Perfil de renda dos responsáveis por domicílios é um desses. Através de técnicas de análise espacial essa influência pode ser mensurada e aplicada em processos analíticos e inferênciais.
Não são poucos os estudos da distribuição espacial das pessoas de baixa renda, se justifica dada a necessidade de políticas sociais que garantam a segurança alimentar dessas populações, bem como seu acesso aos serviços públicos necessários. A primeira afirmação não implica, no entanto, na irrelevância do conhecimento da distribuição das populações de alta renda. A informação que dispomos sobre esse perfil populacional não me parece detalhada o bastante. O próprio censo demográfico agrupa a renda acima de 20 salários mínimos em uma única categoria.
As concentrações de alta renda são um importante indicador de segregação espacial. As modelagens que investigam o fenômeno da segregação espacial têm embutidos análises de agrupamento observando as características de renda (Feitosa 2007).
Nessa postagem, após quantificar e verificar uma forte influência da localização e da vizinhança nos dados de contagem de população de alta renda (renda acima de 20 salários mínimos) disponíveis no censo 2010. Passamos a investigar o padrão de distribuição espacial dessa população. Identificamos que havia mais de um padrão em alguns distritos. O Distrito da Bela Vista é um dos que apresenta áreas quentes (grande concentração) e frias (baixa concentração) para a concentração de responsáveis com renda acima de 20 salários mínimos.
Postamos os mapas resultantes da análise. Fica à disposição do leitor dois mapas: o primeira apresenta os cluster para alta e baixa concentração de responsáveis com alta renda. Essa primeira camada atende o leitor que deseja conhecer o fenômeno em si, atende uma visão do tomador de decisão.


Quanto mais quente a cor maior a concentração de população com ganhos acima de 20 salários mínimos, na tonalidade azul estão os setores em que é baixa a presença de população com renda acima de 20 salários mínimos. Em tom amarelado os setores em que não houve significância.

O segundo mapa apresenta o P Valor para a análise executada. O P Valor é um teste de hipótese, nesse teste verifica-se a validade da hipótese de haver ou não cluster, são considerados significativos pela literatura resultados acima de 90%. Esse mapa atende a necessidade do analista em verificar a consistência da análise.

Os mapas evidenciaram o quê apenas o morador muito atento da cidade de São Paulo conhece. Existe diferenças fortes de renda entre as vizinhanças da Avenida Paulista e as vizinhanças da Praça 14 Bis e Avenida Nove de Julho até o túnel. A primeira concentra uma população de alta renda, a segunda é mais plural e comporta outros perfil populacionais. Ambas estão no mesmo distrito administrativo, estão realmente muito próximas. Essa região marca o fim de um cluster maior de alta renda que vem da região dos jardins. Temos nessa região uma mudança de padrão de ocupação do espaço.
Para quem precisa conhecer a cidade em nível de detalhe, as técnicas de estatística espacial são um instrumental valioso, diria necessário.
Em tempos de retração econômica quem pode errar na tomada de decisão? As análises de risco que conseguem capturar os arranjos espaciais na sua modelagem, obtêm um diferencial competitivo. Conseguem atingir modelos de inferência mais precisos, mais ajustados, apresentam menos riscos. Esse é mais um benefício da inteligência geográfica em processos de tomada de decisão.
Me despeço com a pergunta ao leitor, morar perto (menos de 2 km) da Avenida Paulista significa ter alta renda?

Flávia F. Feitosa, Gilberto Câmara, Antônio Miguel V. Monteiro, Thomas Koschitzki, Marcelino P. Silva. In: Almeida, C.; Câmara, G.; Monteiro, A.M.V. (Eds.). Geoinformação em Urbanismo: Cidade Real X Cidade Virtual. São Paulo: Oficina de Textos, 2007, p. 86-105.

Análise dos dados e representação da informação realizados com Software Geoda e tecnologia Esri.
Web Analytics