ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA María Victoria Verdugo Matés - [email protected] María Isabel Cal Bouzada - [email protected] Universidad de Vigo

Reservados todos los derechos. Este documento ha sido extraído del CD Rom “Anales de Economía Aplicada. XIV Reunión ASEPELT-España. Oviedo, 22 y 23 de Junio de 2000”. ISBN: 84-699-2357-9

ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA María Victoria Verdugo Matés. Departamento de Economía Aplicada. Facultad de Ciencias Económicas y Empresariales. Universidad de Vigo. [email protected] María Isabel Cal Bouzada. Departamento de Economía Aplicada. Facultad de Ciencias Económicas y Empresariales. Universidad de Vigo. [email protected] PALABRAS CLAVE Análisis Factorial, Análisis Cluster, Componentes Principales, Rotación Varimax. RESUMEN Con este trabajo se pretende la clasificación de los municipios de la provincia de Pontevedra en diferentes zonas homogéneas en función de las características ocupacionales de su población. ÁREA DE ADSCRIPCIÓN: B. ECONOMÍA REGIONAL Y LOCAL

2

ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA

M.V. Verdugo, M.I. Cal. Universidade de Vigo

ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA 1.

INTRODUCCIÓN.

Con este trabajo se pretende la clasificación de los municipios de la provincia de Pontevedra en diferentes zonas homogéneas, en función de las características ocupacionales de su población. Para ello el trabajo se ha estructurado en tres bloques. En el primero, se ha realizado una selección de las variables que nos podían ayudar a determinar el perfil ocupacional de los distintos municipios. En la segunda parte se realizó un análisis factorial con el fin no sólo de determinar la estructura común a todas esas variables, sino también de obtener variables ortogonales y tipificadas que pudieran ser utilizadas para realizar la clasificación de los municipios (análisis cluster), que se lleva a cabo en la última parte del trabajo, y que es nuestro principal objetivo. 2.

VARIABLES UTILIZADAS.

A partir de la información suministrada por la Estadística de Poboación de Galicia realizada en 1996, el IGE ha elaborado una base de datos a nivel municipal en la que se incluyen las principales variables demográficas y socio-económicas, y en dichos datos nos hemos basado para realizar la selección de variables. Las variables utilizadas son: Porcentaje de Población menor de veinte años (PPOBM20) Porcentaje de Población mayor de sesenta y cuatro años (PPOBM64) Porcentaje de Jubilados (PJUB) Porcentaje de Estudiantes (PEST) Porcentaje de Amas de Casa (PAMAS) Porcentaje de Ocupados en el Sector Agricultura y Pesca (POA) Porcentaje de Ocupados en el Sector Industrial (POI) Porcentaje de Ocupados en el Sector Construcción (POC) Porcentaje de Ocupados en el Sector Servicios (POS) Porcentaje de Ocupados Cualificados en la Dirección de las Administraciones Públicas y Grandes Empresas (POGEMP) Porcentaje de Ocupados Cualificados en Profesiones que requieren Títulos Universitarios o Afines (POTUNIV) Porcentaje de Ocupados Cualificados de Tipo Administrativo (POADMI) Porcentaje de Ocupados Cualificados en los Servicios de Restauración, Protección, Seguridad y Comercio (POREST) Porcentaje de Ocupados Cualificados en Artesanado, Industrias Manufactureras, Construcción y Minería (POARTE) Porcentaje de Ocupados Cualificados en Agricultura y Pesca (POAGRI) Tasa de Ocupación Femenina (TOCF) Las dos primeras variables (PPOBM20 y PPOBM64) tratan de recoger la estructura de edad de la población, puesto que ésta puede influir en el grado de cualificación de los individuos, habitualmente los jóvenes suelen estar más cualificados que la gente mayor. Las tres variables siguientes (PJUB, PEST y PAMAS) tratan de recoger a todas aquellas personas que son económicamente inactivas, que no están clasificadas ni como paradas ni como ocupadas, como son las personas que se dedican a las labores del hogar sin fines lucrativos (amas de casa), los estudiantes y los jubilados, fundamentalmente. A continuación se incluyen una serie de variables que recogen a los ocupados clasificados según el sector económico en el que desarrollan su actividad y su grado de cualificación. Por último, se incluye la tasa de ocupación femenina (TOCF), por creer que se trata de una variable que puede 1

ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA

M.V. Verdugo, M.I. Cal. Universidade de Vigo

discriminar bien entre los municipios. 3.

ANÁLISIS FACTORIAL.

El análisis factorial es una técnica que permite representar un conjunto de variables cuantitativas en un espacio de menor dimensión, denominado espacio factorial, espacio que permitirá interpretar las relaciones entre las variables. Partiendo de una muestra de cincuenta y nueve municipios de la provincia de Pontevedra y dieciséis variables (espacio original), utilizando el método de Componentes Principales, se han extraído dieciséis factores incorrelados entre sí (espacio factorial), que son combinaciones lineales de las dieciséis variables originales. Estos factores son los que se utilizarán para la clasificación de los municipios pontevedreses, permitiendo mostrar sus analogías y sus diferencias. Debido al elevado número de factores que se obtienen y la dificultad para su interpretación, se busca un espacio de la menor dimensión posible y con la menor pérdida de información relativa a las relaciones entre las variables originales. Si analizamos la Tabla de Varianza Total Explicada (Tabla 1), se observa que a partir del quinto factor los autovalores asociados son todos menores que la unidad, por ello, basándonos en el criterio de Kaiser, se extraen los cinco primeros factores (subespacio factorial). Cuando representamos nuestro conjunto de variables sobre el subespacio generado por los cinco primeros factores, es decir, cuando reducimos nuestro espacio factorial a un espacio de cinco dimensiones, la calidad de representación de toda nuestra muestra se reduce al 84.60%, lo que se traduce en la variación de la calidad de representación de las variables, que vendrá dada por la comunalidad después de la extracción, de manera que si analizamos la Tabla de Comunalidades (Tabla 2), vemos que todas son elevadas con una variación entre el 72.5% y el 94.0%, excepto para la Tasa de Ocupación Femenina, que es del 64.9%, lo que implica una buena representación para las variables en general. Como la interpretación de las relaciones entre las variables mediante su proyección en el espacio factorial, analizando los elementos de la matriz de componentes (Tabla 3) resulta difícil, se propone como alternativa la rotación de los ejes del subespacio factorial. Se utiliza la Rotación Varimax de los factores por ser una rotación ortogonal cuyo objetivo es la minimización del número de variables con saturaciones altas en un factor, facilitando con ello la interpretación de las relaciones entre las variables. Debe tenerse en cuenta que tras la rotación varimax, los factores siguen estando incorrelados, esta rotación se proporciona en la Matriz de Componentes Rotados (Tabla 4). Se debe observar que después de la rotación la comunalidad (calidad de representación sobre el subespacio factorial) no cambia, pero no ocurre lo mismo con los autovalores asociados a cada factor y el porcentaje de variabilidad total de la muestra que es explicado por cada uno de ellos, que variará respecto a la solución sin rotar, pudiendo por lo tanto alterarse la importancia de los factores respecto a la solución sin rotar. Basándonos en las variables de mayor peso en cada uno de los factores rotados, la interpretación que podemos dar a los mismos es la siguiente: Factor 1: Factor ocupación en el sector industrial y estructura de edad de la población. Este factor pondera positivamente a los municipios con altos porcentajes de población ocupada en el sector industrial y elevados porcentajes de población menor de veinte años y pondera negativamente a los municipios con importantes porcentaje de ciudadanos mayores de sesenta y cuatro años y jubilados. Factor 2: Factor ocupados de alta cualificación. Factor que tiene valores altos en los municipios con porcentajes elevados de profesionales altamente cualificados de la administración, de grandes empresas, etc. Factor 3: Factor ocupación en el sector construcción y agrario. Este factor pondera positivamente a los municipios que tienen un elevado porcentaje de ocupación en el sector construcción y negativamente a los que tienen una elevada ocupación en el sector agrario. Factor 4: Factor nivel de ocupación femenina. Factor que pondera positivamente a los municipios con altas tasas de ocupación femenina y negativamente a los municipios con elevados porcentajes de amas de casa respecto a la población de dieciseis años y más. Factor 5: Factor ocupación en el sector servicios Este factor pondera negativamente a los municipios con un elevado porcentaje de ocupados en el sector servicios. 4.

ANÁLISIS CLUSTER.

El análisis cluster es una técnica que permite agrupar los elementos de la muestra en grupos o conglomerados, de manera que cada conglomerado sea lo más homogéneo posible y respecto al resto de los conglomerados haya la 2

ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA

M.V. Verdugo, M.I. Cal. Universidade de Vigo

mayor heterogeneidad posible, en lo referente a los valores de las variables. Con los cinco factores obtenidos en el Análisis Factorial previo se realiza un Análisis por Conglomerados utilizando el método de las k-medias. Los métodos no jerárquicos se caracterizan porque para la formación de conglomerados realizan un reparto de los individuos en k grupos, siendo k un número que debe ser fijado de antemano por el analista. En nuestro caso, después de distintas pruebas se ha optado por trabajar con siete conglomerados (k=7). La interpretación de las características de los municipios incluidos en cada uno de los grupos se realiza en función de los valores que los cinco factores toman en el centro de los clusters. Esto nos da una idea de los valores de las variables originales que tendrán los municipios de cada grupo, y son estas variables las que finalmente caracterizarán a cada uno de ellos. A continuación analizamos los municipios que pertenecen a cada grupo y sus características (véanse Tabla 5 y Tabla 6): Conglomerado 1: Está formado por tres ayuntamientos situados en la misma zona geográfica, concretamente en la Comarca do Deza: Dozon, Rodeiro y Silleda. Se trata de municipios con un porcentaje muy alto de ocupados en el sector agrícola (54.59%, 65.03% y 37.50% respectivamente) y sobre todo de ocupados cualificados para el desarrollo de actividades agrícolas, más de un 40% de los ocupados en estos ayuntamientos están cualificados para desarrollar estas actividades (56.03%, 61.76% y 40.23% respectivamente), mientras la media de la provincia de Pontevedra se sitúa en un 12.94%. Paralelamente, son municipios que están muy por debajo de la media en lo referente a su ocupación en los restantes sectores económicos (0.70% en industria, 1.06% en construcción y 1.77% en servicios como media del conglomerado, frente a 3.69%, 4.14% y 6.04% respectivamente como media global), comportamiento similar si analizamos los ocupados cualificados en esos sectores. En consecuencia, a este conglomerado se le podría denominar Conglomerado Agrícola. Conglomerado 2: Está formado por cinco municipios, situados en dos comarcas limítrofes: Caldas (Catoira y Cuntis) y O Salnés (Sanxenxo, O Grove y Ribadumia), el centro del conglomerado se sitúa en Ribadumia. Se trata de municipios con un importante porcentaje de ocupados en el sector servicios (9.64%), el sector industrial (6.14%) y en menor medida en la construcción (4.96%), siendo las medias provinciales 6.04%, 3.69% y 4.14% respectivamente. Además, se pueden destacar sus elevadas tasas de ocupación femenina (28.20% como media del conglomerado frente a 20.38% como media provincial), que podrían tener una explicación por tratarse de municipios en su mayoría dedicados básicamente al turismo y al marisqueo, actividades realizadas tradicionalmente por las mujeres. Conglomerado 3: Está formado por siete ayuntamientos que presentan elevados porcentajes de ocupados en el sector construcción (6.76% media del conglomerado frente al 4.14% media provincial) y valores por debajo de la media en los porcentajes de ocupación en los sectores servicios (5.11% frente a 6.04%) e industria (1.76% frente a 3.69%), por lo que a este conglomerado se le denominaría Conglomerado Construcción. Este cluster se caracteriza además por el elevado grado de envejecimiento de su población, ya que a los elevados porcentajes de población mayor de sesenta y cuatro años (25.41% frente al 17.84%) y jubilados (24.34% frente al 19.28%) hay que añadir los bajos porcentajes de población menor de veinte años (17.84% frente al 23.61%). Se trata de municipios situados en dos comarcas limítrofes como son Cabeirós-Terra de Montes y Pontevedra, excepto los municipios de A Cañiza y Crecente, que pertenecen a la comarca de Paradanta. El municipio de Cotobade lo podemos considerar como el centro de este conglomerado. La mayor o menor homogeneidad entre los municipios de este cluster, vendrá dada por la distancia de cada uno de ellos al centro del conglomerado, en términos relativos, los podemos ordenar de mayor a menor similitud con el ayuntamiento de Cotobade (0.79) de la siguiente forma: Cerdedo (1.15), A Cañiza (1.25), Campo Lameiro (1.34), A Lama (1.53), Forcarei (2.14) y Crecente (2.45). Conglomerado 4: Está formado por municipios todos ellos costeros y eminentemente dedicados a la pesca: Baiona, Bueu, Cangas, A Guarda, Marín, Nigrán y Poio. Se trata de municipios con un porcentaje muy alto de ocupados en el sector pesquero. Se debe destacar además que la población ocupada de este conglomerado está altamente cualificada. Así, por ejemplo, en el municipio de Marín el 11.34% de sus ocupados desempeñan tareas en la Dirección de las Administraciones Públicas y Grandes Empresas, cuando la media pontevedresa se sitúa tan sólo en un 4.74%. En el municipio de Nigrán el 12.35 % de sus ocupados poseen título universitario o afín, mientras la media es un 5.58%, etc. Al contrario que el conglomerado anterior, estos municipios destacan por sus elevados porcentajes de población joven (26.92% frente al 23.69%) y sus bajos porcentajes de población mayor de sesenta y cuatro años (12.83% frente al 17.84%). A este conglomerado se le denominaría Conglomerado Pesca. Conglomerado 5: Está formado por siete ayuntamientos que presentan elevados porcentajes de ocupados en el sector servicios y sobretodo ocupados cualificados del comercio y la hostelería, con porcentajes que superan el 25% en todos los casos, excepto para los municipios de As Neves (18.60%) y Arbo (21.83%), frente a la media global del 13.87%. Además se debe destacar que en estos municipios el porcentaje de ocupados cualificados es significativamente inferior a la media provincial. Todos los municipios de este cluster se sitúan en tres comarcas, 3

ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA

M.V. Verdugo, M.I. Cal. Universidade de Vigo

O Condado (Mondariz y As Neves), Paradanta (Covelo y Arbo) y el norte de la Mancomunidad de Vigo (Soutomaior, Fornelos de Montes y Pazos de Borbén). El centro del cluster está situado en Mondariz, siendo el municipio más alejado Pazos de Borbén y el más cercano Soutomaior. A este conglomerado se le denominaría Conglomerado Servicios. Conglomerado 6: Se trata del conglomerado más numeroso, en el que se agrupan veintiséis municipios con un elevado porcentaje de ocupados en el sector industrial, sobretodo ocupados cualificados en artesanado, industrias manufactureras, construcción y minería (32.39% de media del conglomerado frente a un 27.13% de media global), por lo que se denominará Conglomerado Industria. Son municipios que están muy por debajo de la media en cuanto a su ocupación en los sectores servicios (5.32% frente a un 6.04%) y agrario (11.81% frente a un 14.64%). También se debe tener en cuenta que los municipios de este conglomerado se encuentran por debajo de la media en lo referente a la cualificación media y superior de sus ocupados. Para este cluster Vilaboa representa su centro, el municipio más cercano es O Rosal y el más alejado Vila de Cruces. Conglomerado 7: Tan sólo contiene cuatro municipios (Mondariz Balneario, Pontevedra, Vigo y Vilagarcia) y se trata de municipios con elevados porcentajes de ocupados cualificados medios o superiores. La media de Ocupados Cualificados en Profesiones que requieren Títulos Universitarios o Afines en la provincia de Pontevedra (5.58%) es aproximadamente un tercio de la media para los municipios de este conglomerado (14.51%), el porcentaje más elevado en este caso corresponde al municipio de Pontevedra con un 17.53%. La media provincial de Ocupados Cualificados de Tipo Administrativo (6.31%) supone aproximadamente la mitad de la media del conglomerado (12.89%), siendo Vigo el municipio de porcentaje más elevado en este caso (15.89%). El porcentaje de Ocupados Cualificados en la Dirección de las Administraciones Públicas y Grandes Empresas para el municipio de Pontevedra es un 14.32%, lo que supone más de tres veces la media provincial (4.74%) y algo menos del doble de la media del conglomerado (9.58%). 5.

CONCLUSIONES.

En términos relativos cabe destacar que el 44.06% de los municipios de la provincia de Pontevedra presentan unas características muy similares en lo que se refiere a su distribución de ocupados por sectores y por nivel de cualificación. Son municipios en los que el mayor porcentaje de ocupados se encuentra en el sector industrial y la cualificación media y superior de población ocupada es significativamente baja. En lo relativo a las características de edad de la población destaca su juventud, lo que se refleja en elevados porcentajes de personas menores de veinte años y bajos porcentajes de personas mayores de sesenta y cuatro años. BIBLIOGRAFÍA. Kleinbaum, D. G. et al. (1998): ”Applied Regression Analysis and Multivariable Methods”. Duxbury Press. IGE. “Galicia en Cifras: Anuario 1997”. Xunta de Galicia.

4

ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA

M.V. Verdugo, M.I. Cal. Universidade de Vigo

Tabla 1: Varianza Total Explicada Autovalores iniciales

Sumas de las saturaciones al cuadrado de Suma de las saturaciones al cuadrado de la extracción la rotación

Componen te

Total

% de la varianza

% acumulado

Total

% de la varianza

% acumulado

Total

% de la varianza

% acumulado

1

5,855

36,591

36,591

5,855

36,591

36,591

3,837

23,978

23,978

2

2,651

16,568

53,159

2,651

16,568

53,159

3,557

22,229

46,207

3

2,023

12,641

65,800

2,023

12,641

65,800

2,292

14,324

60,531

4

1,732

10,827

76,627

1,732

10,827

76,627

1,937

12,105

72,636

5

1,276

7,975

84,602

1,276

7,975

84,602

1,915

11,966

84,602

6

,631

3,944

88,546

7

,408

2,549

91,095

8

,333

2,082

93,177

9

,253

1,584

94,761

10

,240

1,498

96,259

11

,163

1,016

97,276

12

,158

,990

98,266

13

,135

,844

99,110

14

6,991E-02

,437

99,547

15

4,733E-02

,296

99,843

16

2,511E-02

,157

100,000

Método de extracción: Análisis de Componentes principales. Fuente: Elaboración Propia.

Tabla 2: Comunalidades Inicial Extracció n

Inicial Extracció n

PPOBM20 1,000

,888

POGEMP 1,000

,834

PPOBM64 1,000

,940

POTUNIV 1,000

,870

PJUB

1,000

,792

POADMI 1,000

,856

PEST

1,000

,843

POREST 1,000

,903

POA

1,000

,921

POARTE 1,000

,886

POI

1,000

,761

POAGRI 1,000

,938

POC

1,000

,725

PAMAS 1,000

,860

POS

1,000

,872

TOCF

1,000

,649

Método de extracción: Análisis de Componentes Principales. Fuente: Elaboración Propia.

5

ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA

M.V. Verdugo, M.I. Cal. Universidade de Vigo

Tabla 3: Matriz de Componentes 1

2

3

5

,244

,154

PJUB

-,826

PEST

,822

,384

-,118 -4,119E- 6,111E-02 02

POAGRI

-,803

,503

-,197 -2,627E- 1,920E-02 03

POADMI

,777

,353

,270 7,279E-02

,222

PPOBM64

-,771

-9,442E- ,536 6,257E-02 02

,213

PPOBM20

,727

-7,601E- -,566 -8,932E02 02

-,157

POA

-,686

,601

-,226 -9,802E02

-,170

POGEMP

,664

,272

,447 -9,239E02

,332

POTUNIV

,616

,535

,370 -1,037E02

,258

POI

,512

-,302

-,508

,365

,125

POC

-,144

-,723

,213

,153

,336

-,697

-,321

-,286

,463

POARTE -3,256E-02

2,733E-02 ,162

4

TOCF

-,134

,329

-,515

,467

,195

PAMAS

,411

-,243

,168

-,698

-,342

POS

,588

-,110

,170

,691

-8,316E02

POREST

,129

-,330

,381

,462

-,647

Método de extracción: Análisis de Componentes Principales. Fuente: Elaboración Propia.

Tabla 4: Matriz de Componentes Rotados 1

2

3

PPOBM64

-,944

-,188

,107

PPOBM20

,935

PJUB

-,735

-,363

POI

,669

4

5

2,560E-02 -3,361E02

9,349E-02 5,202E-02 -5,118E- 5,212E-03 02 -3,647E02

,339

-6,432E02

,350

,175

1,676E-02

,400

POTUNIV 8,635E-02

,911

-,176

POGEMP 7,390E-02

,890

8,291E-02

-,174

1,015E-02

POADMI

,280

,873

-2,166E02

-1,834E02

,120

PEST

,616

,662

-,157

-3,707E03

-7,964E03

POARTE

,159

-,295

,777

-9,058E02

-,401

POC

-,282

-,167

,773

-2,302E02

,139

-2,547E- 4,547E-04 02

6

ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA

M.V. Verdugo, M.I. Cal. Universidade de Vigo POA

-,318

-,348

-,708

,257

-,364

POAGRI

-,460

-,370

-,531

,384

-,399

PAMAS

,307

-,871

-4,966E02

TOCF

,163

6,502E-02 1,927E-02

POREST -3,958E-02 POS

,272

-8,310E02

-,164

,759

-,107

-,145

-1,673E02

-,188

,919

,391

,200

,268

,730

Método de extracción: Análisis de componentes principales. Método de rotación: Normalización Varimax con Kaiser. Fuente: Elaboración Propia.

Tabla 5: Pertenencia a los conglomerados Municipio

Conglomerado

Distancia

Municipio

Conglomerado

Distancia

Dozón

1

0,66829791

Barro

6

1,45402647

Rodeiro

1

1,09432941

Caldas de Reis

6

1,23116243

Silleda

1

1,18824368

Cambados

6

1,60415879

Catoira

2

1,10741492

Estrada, A

6

1,45176009

Cuntis

2

1,3462899

Gondomar

6

1,12536843

Grove, O

2

2,02054444

Lalín

6

1,64175227

Ribadumia

2

1,077388

Meaño

6

1,23803877

Sanxenxo

2

1,12033665

Meis

6

0,67853407

Campo Lameiro

3

1,34104995

Moaña

6

0,9909814

Cañiza, A

3

1,25428109

Moraña

6

1,32757897

Cerdedo

3

1,1498951

Mos

6

1,18319168

Cotobade

3

0,78961869

Oia

6

1,07370804

Crecente

3

2,44596425

Ponteareas

6

1,04171359

Forcarei

3

2,14548985

Ponte-Caldelas

6

1,21414813

Lama, A

3

1,5270186

Pontecesures

6

1,39520322

Baiona

4

0,76270185

Porriño, O

6

1,29642791

Bueu

4

1,5410019

Portas

6

0,88028426

Cangas

4

1,109256

Redondela

6

1,32477917

Guarda, A

4

0,9503255

Rosal, O

6

0,75404503

Marín

4

1,04782657 Salceda de Caselas

6

1,80780802

Nigrán

4

0,99575763 Salvaterra de Miño

6

0,81830825

Poio

4

1,02435533

Tomiño

6

1,38643589

Arbo

5

1,32332039

Tui

6

1,4622262

Covelo, O

5

1,60656796

Valga

6

1,12304332

Fornelos de Montes

5

1,52788818

Vila de Cruces

6

1,89082327

Mondariz

5

0,63344245

Vilaboa

6

0,55129977

Neves, As

5

1,39727926 Mondariz-Balneario

7

1,54781178

Pazos de Borbén

5

1,88911542

Pontevedra

7

1,35575915

Soutomaior

5

1,00211223

Vigo

7

0,80985854

7

ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA

M.V. Verdugo, M.I. Cal. Universidade de Vigo Vilagarcía de Arousa Fuente: Elaboración Propia.

8

7

1,0160976

ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA

M.V. Verdugo, M.I. Cal. Universidade de Vigo

Tabla 6: Número de casos en cada conglomerado Conglomerado 1

3,000

2

5,000

3

7,000

4

7,000

5

7,000

6

26,000

7

4,000

Válidos

59,000

Perdidos

0,000

Fuente: Elaboración Propia.

9

ANÁLISIS SOCIO-DEMOGRÁFICO DE LOS MUNICIPIOS DE LA PROVINCIA DE PONTEVEDRA

M.V. Verdugo, M.I. Cal. Universidade de Vigo

Vila de Cruces

Pontecesures

A Estrada

Cuntis

Caldas Vilagarcía Forcarei de Reis de Arousa Moraña Vilanova Portas Cerdedo de Arousa Campo Lameiro Ribadumia Barro Cambados Meis O Grove Meaño Poio

Rodeiro

Lalín

Silleda

Valga Catoira

Agolada

Dozón

Cotobade Pontevedra

A Lama

Sanxenxo Ponte-Caldelas Vilaboa Marín Fornelos Soutomaior de Montes Bueu Pazos de Moaña O Covelo Borbén Cangas

Redondela

Vigo Mos

Mondariz Mondariz Balneario

A Cañiza Crecente

Ponteareas Nigrán

As Neves Arbo Salvaterra

Porriño de Miño Baiona Gondomar Salceda de Caselas Tui

Conglomerado 1 Conglomerado 2 Conglomerado 3

Oia

Tomiño

Conglomerado 4 Conglomerado 5 Conglomerado 6

O Rosal

Conglomerado 7 A Guarda

Fuente: Elaboración Propia.

10