TALLER DE ANÁLISIS DE COMPONENTES PRINCIPALES Y DE CONGLOMERADOS APLICADOS AL DESARROLLO REGIONAL: CONSTRUCCIÓN DE TIPOLOGÍAS TERRITORIALES CON RSTUDIO Y SPSS

Caso de estudio: municipios del estado de Sonora

Sede: El Colegio de Sonora | Fecha propuesta: 28 de octubre de 2026 | Duración: 6 horas

Universidad de Sonora, Campus Caborca

Instructor, César Omar Sepúlveda Moreno

 

I. Presentación

​

En el 31º Encuentro Nacional sobre Desarrollo Regional en México, AMECIDER 2026, que se realizará en El Colegio de Sonora, la Universidad de Sonora, Campus Caborca, presenta el curso-taller “Análisis de componentes principales y de conglomerados aplicados al desarrollo regional: construcción de tipologías territoriales con RStudio y SPSS”.

El taller responde a una necesidad frecuente en la investigación regional: transformar un amplio conjunto de indicadores sociales, económicos y territoriales en evidencia sintética, rigurosa e interpretable para la toma de decisiones. En estudios municipales y regionales es común disponer de decenas de variables con escalas distintas, correlaciones entre sí y significados parcialmente traslapados o superpuestos. En estos casos, el análisis de componentes principales (PCA) permite reducir la complejidad sin perder la estructura esencial de la información, mientras que el análisis de conglomerados o clústeres permite identificar perfiles territoriales semejantes y construir tipologías útiles para el diseño de políticas públicas diferenciadas.

A partir de un ejercicio práctico con los 72 municipios de Sonora, el curso recorrerá todo el proceso analítico: definición teórica de dimensiones, construcción de indicadores, depuración de bases de datos, tratamiento de datos faltantes, transformaciones y estandarización, evaluación de la pertinencia del PCA, extracción e interpretación de componentes, generación de puntuaciones sintéticas y aplicación posterior de técnicas de agrupamiento jerárquico y no jerárquico. El taller tiene un enfoque aplicado, paso a paso, y está orientado a que los participantes comprendan no solo cómo ejecutar los procedimientos en software, sino, sobre todo, cómo justificarlos e interpretarlos metodológicamente.

El curso está pensado principalmente para profesores, investigadores y estudiantes de posgrado. También es para estudiantes avanzados de licenciatura interesados en métodos estadísticos aplicados al desarrollo regional. Utilizaremos R/RStudio y SPSS, poniendo especial atención a comprender bien los resultados y a cómo estos métodos contribuyen a la investigación territorial.

 

II. Objetivos

​

Objetivo general: fortalecer las capacidades metodológicas de los participantes para construir tipologías territoriales mediante el análisis de componentes principales y de conglomerados, utilizando información municipal de Sonora y articulando criterios estadísticos con una interpretación sustantiva en el campo del desarrollo regional.

Objetivos específicos:

• Comprender el problema de la multidimensionalidad en los estudios territoriales y la lógica de la reducción de la información mediante el PCA.

• Distinguir con claridad entre el análisis de componentes principales, el análisis factorial exploratorio y el análisis de conglomerados.

• Construir una base analítica con dimensiones teóricas y variables observables para los 72 municipios de Sonora.

• Aplicar dos rutas complementarias para reducir la información: PCA global y PCA guiado por bloques teóricos.

• Interpretar eigenvalores, varianza explicada, gráficos de sedimentación, análisis paralelo, cargas factoriales y puntuaciones de los componentes.

• Aplicar métodos de agrupamiento jerárquico y no jerárquico, como Ward y K-means, y entender cómo funciona el método del vecino más cercano para usarlo como ejemplo didáctico.

• Interpretar dendrogramas, decidir el número de conglomerados con fundamento estadístico y sustantivo, y caracterizar los perfiles resultantes.

• Traducir los hallazgos estadísticos en argumentos útiles para el diagnóstico territorial y el diseño de políticas públicas diferenciadas.

 

III. Contenido

​

Unidad 1. Del problema regional a la construcción de la base de datos

• La multidimensionalidad en el análisis del desarrollo regional.

• Planteamiento del caso de estudio: tipología municipal del estado de Sonora.

• Definición de dimensiones teóricas tales como la estructura sociodemográfica, la actividad económica y el mercado laboral, el capital humano, la vivienda y los servicios, y la conectividad y los activos del hogar.

• Selección de variables observables y revisión de sus fuentes oficiales (principalmente el INEGI, el Censo de Población y Vivienda 2020 y el SCITEL municipal).

• Diagnóstico previo de la base: tipos de variables, valores faltantes, valores atípicos, transformaciones, imputación y estandarización.

• Criterios para elegir entre las correlaciones de Pearson y de Spearman.

 

Unidad 2. Análisis de componentes principales (PCA)

• ¿Para qué sirve el PCA en la investigación regional?

• Diferencias entre el PCA y el análisis factorial exploratorio.

• Adecuación de la matriz de datos: KMO y prueba de esfericidad de Bartlett.

• Extracción de componentes: autovalores, criterio de Kaiser, varianza acumulada, gráfico de sedimentación y análisis paralelo.

• Interpretación de cargas factoriales y nombramiento de componentes.

• Rotaciones: Varimax, Quartimax y referencia a rotaciones oblicuas.

• Ruta A: PCA global (todas las variables a la vez).

• Ruta B: PCA guiado por teoría (PCA por bloques/dimensiones).

• Obtención e interpretación de puntuaciones o de variables sintéticas.

 

Unidad 3. Análisis de conglomerados y construcción de tipologías

• Lógica del análisis de conglomerados: similitud, distancia y formación de grupos.

• Revisión de los scores del PCA y de los criterios para su estandarización previa al clustering.

• Distancias euclidianas y lectura intuitiva del parecido entre municipios.

• Método jerárquico de Ward (Ward.D2): formación de grupos compactos e interpretación del dendrograma.

• Método de vecino más cercano: utilidad pedagógica y problema del encadenamiento.

• Elección del número de conglomerados: lectura del dendrograma, método del codo, índice de silueta y estadístico de brecha.

• Refinamiento mediante K-means y comparación con la solución jerárquica.

• Caracterización de clústeres, elaboración de perfiles territoriales y uso de los resultados en la política pública.

 

Unidad 4. Integración, interpretación y comunicación de resultados

• Del resultado estadístico a la narrativa regional: cómo explicar con claridad los componentes y clústeres.

• Validación externa opcional con indicadores municipales complementarios (por ejemplo, CONEVAL y CONAPO).

• Errores comunes, decisiones excepcionales y preguntas metodológicas frecuentes.

• Recomendaciones para reportar el procedimiento en tesis, artículos y proyectos aplicados.

 

IV. Caso de estudio y variables de trabajo

​

El ejercicio práctico del taller utilizará como hilo conductor el análisis de los 72 municipios de Sonora. La propuesta inicial parte de cinco dimensiones teóricas y 21 variables observables, obtenidas principalmente del Censo de Población y Vivienda 2020 y del ITER municipal del INEGI. La siguiente lista presenta la estructura de referencia del caso.

 

Dimensión - Variables observables sugeridas - Fuente principal

1. Estructura sociodemográfica - Densidad de población; edad mediana; razón de dependencia; migración reciente - INEGI, Censo de Población y Vivienda 2020 / ITER

2. Actividad económica y mercado laboral - Tasa de participación económica; tasa de ocupación de la PEA; brecha de participación económica entre hombres y mujeres; estudiantes dentro de la PNEA - INEGI, Censo de Población y Vivienda 2020 / ITER

3. Capital humano - Grado promedio de escolaridad; alfabetización de la población de 25 años y más; asistencia escolar de 15 a 24 años. - INEGI, Censo de Población y Vivienda 2020 / ITER

4. Vivienda y servicios - Viviendas con agua entubada; viviendas con drenaje; viviendas con piso distinto de tierra; promedio de ocupantes por cuarto. - INEGI, Censo de Población y Vivienda 2020 / ITER

5. Conectividad y activos del hogar - Viviendas con internet; computadora, laptop o tablet; teléfono celular; automóvil o camioneta. - INEGI, Censo de Población y Vivienda 2020 / ITER

​

La lista anterior sirve como base didáctica. Durante el taller se explicará cómo construir estas variables, verificar su disponibilidad exacta en las fuentes oficiales y adaptar el modelo si se incorporan indicadores adicionales o si alguna variable requiere reespecificar.

 

V. Metodología didáctica

​

• Exposición breve y guiada de los fundamentos conceptuales de cada técnica.

• Desarrollo secuencial de un ejercicio aplicado con la base de datos de Sonora.

• Uso de salidas reales de software para interpretar cada decisión estadística.

• Discusión colectiva de dudas metodológicas, especialmente las relacionadas con la interpretación de los componentes, la elección del número de clústeres y la coherencia entre la teoría y los datos.

• Entrega de material de apoyo: base de datos de trabajo, script de referencia en R, guía resumida para SPSS y lecturas sugeridas.

 

VI. Organización y distribución de horas

​

Se propone impartir el taller en una jornada de 6 horas, distribuida en dos sesiones de trabajo, el día 28 de octubre de 2026. Los horarios específicos podrán ajustarse a la programación general del 31º Encuentro AMECIDER 2026; sin embargo, la siguiente organización resume la estructura sugerida:

​

Primera sesión, matutina - 09:00–12:00 horas: Unidad 1 (1.5 h) y primera parte de la Unidad 2 (1.5 h) - 3 horas

Segunda sesión, vespertina - 12:15–15:00 horas: Segunda parte de la Unidad 2 (0.5 h), Unidad 3 (2 h) y Unidad 4 (0.5 h) - 3 horas

 

VII. Resultados o productos esperados del taller

​

• Una base de trabajo municipal lista para el análisis, documentada y organizada por dimensiones.

• Una salida de PCA correctamente interpretada, con criterios de retención de componentes y la lectura de las cargas.

• Una o dos soluciones de conglomerados discutidas e interpretadas en términos de perfiles territoriales.

• Una guía práctica para replicar el ejercicio en otras entidades federativas, regiones o conjuntos de municipios.

• Material reutilizable para tesis, artículos, diagnósticos institucionales y proyectos de planeación territorial.

 

VIII. Requisitos

​

Los participantes deben:

• Contar con computadora personal.

• Tener conocimientos básicos de estadística descriptiva, de correlación e interpretación de tablas y gráficos.

• Deseablemente, aunque no de forma indispensable, haber tenido contacto previo con matrices de datos en Excel, SPSS o RStudio.

• Contar con R y RStudio instalados; de manera opcional, también con SPSS.

• Disponer de una memoria USB o de suficiente espacio de almacenamiento para guardar las bases y los materiales del taller.

• Asistir a la totalidad de las 6 horas para favorecer la continuidad del ejercicio práctico.

 

La base de datos de trabajo, el guion del ejercicio y los materiales de apoyo serán proporcionados por el profesor responsable.

​

Para la paquetería necesaria:

​

- Instalar R antes de RStudio. https://cran.r-project.org/?utm_source=chatgpt.com

Tutorial: https://docs.posit.co/ide/user/#rstudio-ide-oss-downloads

 

- Para el caso de SPSS existe una versión de prueba excelente, pero deberán abrir un correo completamente nuevo y tendrán hasta 30 días de prueba gratis.

 

- Otra opción puede ser bajar JASP que es libre y podemos usarlo casi como SPSS, descargable desde la liga: https://jasp-stats.org/download/?utm_source=chatgpt.com

​

Nota: Para Windows 11 elegir Windows MSIX Installer

 

IX. Bibliografía sugerida

​

1. Barrozo, L. V., Fornaciali, M., de André, C. D. S., Morais, G. A. Z., Mansur, G., Cabral-Miranda, W., de Miranda, M. J., Sato, J. R., & Amaro Júnior, E. (2020). GeoSES: A socioeconomic index for health and social research in Brazil. PLOS ONE, 15(4), e0232074. https://doi.org/10.1371/journal.pone.0232074  

2. Bro, R., & Smilde, A. K. (2014). Principal component analysis. Analytical Methods, 6(9), 2812–2831. https://doi.org/10.1039/C3AY41907J

3. Friesen, C. E., Seliske, P., & Papadopoulos, A. (2016). Using principal component analysis to identify priority neighbourhoods for health services delivery by ranking socioeconomic status. Online Journal of Public Health Informatics, 8(2), e192. https://doi.org/10.5210/ojphi.v8i2.6733    

4. Jolliffe, I. T., & Cadima, J. (2016). Principal component analysis: A review and recent developments. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 374(2065), 20150202. https://doi.org/10.1098/rsta.2015.0202

5. Korir, E. K. (2024). Comparative clustering and visualization of socioeconomic and health indicators: A case of Kenya. Socio-Economic Planning Sciences, 95, 101961. https://doi.org/10.1016/j.seps.2024.101961  

6. Marukatat, S. (2023). Tutorial on PCA and approximate PCA and approximate kernel PCA. Artificial Intelligence Review, 56, 5445–5477. https://doi.org/10.1007/s10462-022-10297-z

7. Niembro, A., & Sarmiento, J. (2021). Regional development gaps in Argentina: A multidimensional approach to identify the location of policy priorities. Regional Science Policy & Practice, 13(4), 1297–1327. https://doi.org/10.1111/rsp3.12322

8. Pereira, G. A., & Moreira, T. B. S. (2020). A proposal to redesign the map of the regions of Brazil: Agglomerating neighbouring and socioeconomically homogeneous municipalities. Regional Science Policy & Practice, 12(1), 167–183. https://doi.org/10.1111/rsp3.12142

9. Raykov, Y. P., Boukouvalas, A., Baig, F., & Little, M. A. (2016). What to do when K-means clustering fails: A simple yet principled alternative algorithm. PLOS ONE, 11(9), e0162259. https://doi.org/10.1371/journal.pone.0162259  

10. Shutaywi, M., & Kachouie, N. N. (2021). Silhouette analysis for performance evaluation in machine learning with applications to clustering. Entropy, 23(6), 759. https://doi.org/10.3390/e23060759

11. Strauss, T., & von Maltitz, M. J. (2017). Generalising Ward’s method for use with Manhattan distances. PLOS ONE, 12(1), e0168288. https://doi.org/10.1371/journal.pone.0168288

 

X. Fuentes oficiales de los datos

​

Instituto Nacional de Estadística y Geografía. (2021). Panorama sociodemográfico de Sonora: Censo de Población y Vivienda 2020. INEGI.

Instituto Nacional de Estadística y Geografía. (2020). Censo de Población y Vivienda 2020. INEGI.

Instituto Nacional de Estadística y Geografía. (2020). Principales resultados por localidad (ITER): Sonora. Censo de Población y Vivienda 2020. INEGI.

 

XI. Coordinación general

​

Dra. Virginia Guadalupe López Torres (FCAyS – UABC – Ensenada, B.C.)

Dr. Luis Ramón Moreno Moreno (FCEA – UABC – Mexicali, B.C.)

 

XII. Profesor responsable

​

Dr. César Omar Sepúlveda Moreno (DCEA-UNISON – Caborca, Son.)

 

Para obtener la constancia, es necesario asistir a las 6 horas y completar los ejercicios del curso.