¿Por qué viven las personas donde viven, ya sea en el mundo en su conjunto o dentro de un país determinado? ¿Por qué algunos lugares están tan densamente poblados y otros tan vacíos? En la vida cotidiana, damos por sentada esta variación en la densidad, pero en muchos sentidos puede resultar bastante desconcertante.
Los economistas señalan tres factores para explicar cómo se distribuye la población. El primero es que existen diferencias en las características geográficas, a menudo denominadas «primera naturaleza», que hacen que algunos lugares sean más propicios que otros para vivir o producir. Esto explica por qué las regiones montañosas, los desiertos, la tundra y otros entornos similares suelen tener baja densidad de población, y por qué gran parte de la población mundial se concentra en lugares donde resulta relativamente fácil producir alimentos.
El segundo factor es la aglomeración. Gracias a las economías de escala y las ventajas del comercio, a los seres humanos a menudo nos resulta eficiente concentrarnos en áreas pequeñas. Por supuesto, muchas industrias, sobre todo la producción de alimentos, no se benefician de esa concentración, sino que se distribuyen en función de la disponibilidad de recursos de primera naturaleza. Además, los beneficios de la aglomeración tienen límites: debido a la congestión y los costos de transporte, la población urbana se reparte entre muchas ciudades que, a su vez, están dispersas en el espacio.
El último factor que afecta a la distribución de la población es la historia. Una vez establecidas, las ciudades tienden con mucha fuerza a permanecer en su lugar. Esta persistencia se debe a muchos factores, que a menudo se describen en conjunto como «segunda naturaleza» (Cronon, 1992). Entre ellos figuran el capital de larga duración, el poder político y el hecho de que, una vez iniciada la aglomeración en un lugar determinado, este se convierte en un foco natural para los equilibrios futuros. Como señalan Bleakley y Lin (2012), y Michaels y Rauch (de próxima publicación), esta persistencia puede ser importante incluso cuando las razones por las que se estableció una ciudad en un lugar determinado ya han dejado de serlo.
La historia completa de cómo la naturaleza, la aglomeración y la historia han interactuado para dar lugar a la distribución de la población que vemos hoy en el mundo es demasiado compleja para plasmarla en un solo estudio. Los objetivos de nuestro reciente artículo son más modestos (Henderson et al., 2017). Nos preguntamos cómo el desarrollo económico y tecnológico ha cambiado la manera en que las características de primera naturaleza inciden en la distribución de la población. Aunque estas características en sí no han cambiado demasiado a lo largo de la historia (hasta ahora), sí lo ha hecho la manera en que afectan a los asentamientos. Algunos ejemplos sencillos de estos cambios son los efectos del aire acondicionado, el riego y el descubrimiento de nuevos usos para determinados recursos minerales. Nos centramos en las dos características naturales que, a nuestro juicio, se han visto más afectadas por los cambios económicos y tecnológicos. Se trata, primero, de la aptitud de una región para cultivar alimentos y, segundo, de su aptitud para participar en el comercio nacional e internacional. En los últimos siglos, la importancia de las tierras fértiles como factor determinante de la densidad de población ha disminuido, tanto porque ha aumentado la productividad agrícola —de modo que una proporción menor de la fuerza laboral trabaja en el campo— como porque han bajado los costos de transporte, por lo que la gente no necesita vivir cerca de donde se producen sus alimentos. La reducción de los costos de transporte, junto con el aumento de las oportunidades de obtener beneficios del comercio, también ha elevado el valor de los lugares accesibles al comercio, ya sea dentro de los países o entre ellos, como las costas, los ríos navegables y los puertos naturales.
Nuestro objetivo es mostrar cómo se reflejan hoy estos cambios en la distribución de la población. Al perseguirlo, el efecto de la persistencia descrita anteriormente resulta muy importante. Nos interesa saber cómo la tecnología de épocas pasadas afectó entonces a la aglomeración, pero los datos sobre densidad de población que utilizamos (descritos más adelante) solo están disponibles para el mundo actual. Sin embargo, si sabemos, aunque sea de manera aproximada, cuándo comenzó la aglomeración en un país, podemos utilizar la similitud entre la distribución actual y la histórica para averiguar cómo afectó a la aglomeración la tecnología disponible en aquella época.
Datos de primera naturaleza y distribución actual de la población
Antes de examinar el papel de la historia, empezamos por analizar sencillamente el poder explicativo de las características de primera naturaleza con respecto a la distribución actual de la población mundial, una cuestión que, cabe sostener, resulta interesante por sí misma.
Nuestro punto de partida para medir la dispersión de la población son las luces nocturnas observadas por satélites meteorológicos. En concreto, utilizamos el conjunto de datos Global Radiance Calibrated Nighttime Lights de 2010 (Ziskin et al., 2010). En trabajos anteriores (Henderson et al., 2012), demostramos que los cambios a lo largo del tiempo en los datos de luces nocturnas son un indicador útil del crecimiento del PIB en países con datos deficientes sobre las cuentas nacionales de ingresos. Los datos de luces se distribuyen en una cuadrícula de píxeles con una resolución de 0,5 minutos de arco (1/120 de grado de longitud/latitud). Los agregamos en una cuadrícula de cuadrados de 1/4 de grado, cada uno de los cuales cubre aproximadamente 770 kilómetros cuadrados en el ecuador. Con esta resolución, nuestra muestra consta de unos 240.000 cuadrados (excluidos los que están formados únicamente por agua). La figura 1 muestra estos datos de celdas de la cuadrícula para el mundo en su conjunto.
Figura 1 Luces con la media sustraída
Las variables de primera naturaleza que utilizamos para predecir las luces se dividen en tres grupos. El primero, denominado «agricultura», incluye factores que parecen estar claramente relacionados con la producción de alimentos. Comprende seis variables continuas (temperatura, precipitaciones, duración del período de crecimiento, aptitud de las tierras para la agricultura, altitud y latitud), así como un conjunto de 14 indicadores de biomas (regiones mutuamente excluyentes que codifican la vegetación natural predominante prevista en una zona, según las investigaciones de biólogos). El segundo grupo de variables, denominado «comercio», se centra en el acceso al transporte acuático. Incluye variables ficticias que indican si el centro de una celda de la cuadrícula se encuentra a menos de 25 kilómetros de una costa, un río navegable, un lago importante o un puerto natural, así como una medida continua de la distancia a la costa. Por último, definimos un grupo «base» de dos variables —la rugosidad del terreno y la ecología de la malaria— que, a nuestro parecer, eran más o menos igual de pertinentes para la agricultura y el comercio.
Figura 2a Luces predichas con la media sustraída y sin efectos fijos
La figura 2a muestra los valores ajustados al hacer una regresión de las luces de cada cuadrado de la cuadrícula sobre nuestros tres conjuntos de variables de primera naturaleza. En conjunto, estas variables explican el 47 % de la variación de las luces y, a juzgar por la figura, los valores ajustados se parecen claramente al mundo tal como lo conocemos. Sin embargo, hay dos posibles problemas al pasar de este resultado a la conclusión de que la naturaleza explica realmente una fracción tan grande de la variabilidad de la densidad de población. El primero es que la variación de la luz visible no depende exclusivamente de la densidad de población. El otro factor determinante importante es el ingreso per cápita. Por eso, en la figura 1, Japón aparece mucho más iluminado que Bangladés, a pesar de que este último está más densamente poblado. El segundo problema es que una correlación estadística entre las características geográficas y los ingresos o la densidad de población podría no indicar un efecto real de la geografía, sino reflejar el efecto de algún factor correlacionado con ella. Por ejemplo, si los colonizadores europeos implantaron buenas instituciones en lugares cuyo clima favorecía su asentamiento, y malas instituciones en lugares donde no era así (la explicación de Acemoglu et al., 2001), entonces un clima de tipo europeo predeciría ingresos más altos, aunque quizá no los afectara directamente en absoluto.
Figura 2b Luces predichas con la media sustraída y con efectos fijos
Abordamos ambos problemas examinando la variación de las luces y las características naturales dentro de los países. En términos formales, esto supone incluir efectos fijos por país en nuestro análisis, como hacemos en todos los resultados que presentamos a continuación. La figura 2b ofrece un ejemplo: estimamos el efecto de las características de primera naturaleza utilizando únicamente la variación de las luces dentro de cada país y, después, calculamos los valores ajustados para el mundo en su conjunto, omitiendo los efectos fijos por país estimados. Como muestra la figura, conociendo solo cómo afecta la geografía a la población dentro de los países, aun así se podría predecir bastante bien la variación de la densidad de población en todo el mundo. Las variables de agricultura y comercio explican algo más de un tercio de la variación dentro de los países.
La importancia cambiante de las características de primera naturaleza
Ahora abordamos la cuestión de cómo ha cambiado con el tiempo la importancia de las características naturales como factor determinante de la distribución de la población. Como se ha mencionado, una parte clave de nuestro enfoque consiste en comparar los países donde la aglomeración tuvo lugar temprano —lo que refleja el peso que se daba a las características naturales en épocas más remotas— con aquellos donde ocurrió más tarde. Por desgracia, no contamos con una medida buena y coherente del momento exacto en que tuvo lugar la aglomeración, así que utilizamos datos de 1950 sobre la urbanización y dos indicadores indirectos: la educación y el PIB per cápita. Suponemos que los países con valores más altos en estas medidas en ese momento también iniciaron antes su proceso de urbanización. Utilizamos varios métodos estadísticos para analizar los datos. Uno consiste en estimar por separado los coeficientes de nuestras variables de «agricultura» y «comercio» para los países con aglomeración temprana y tardía, mientras dejamos que los datos determinen simultáneamente el punto de corte entre ambos grupos (en esencia, se prueban todos los puntos de división posibles para hallar el que mejor se ajusta). Por ejemplo, al aplicar este método utilizando la urbanización de 1950, hallamos que el punto de corte entre la aglomeración temprana y tardía corresponde a una tasa de urbanización del 36,2 %, lo que sitúa a 70 de los 189 países (el 57,2 % de los cuadrados de nuestra cuadrícula) en la categoría «temprana». La tabla 1 muestra entonces los valores de R cuadrado de las regresiones de las luces visibles sobre el conjunto de variables base (incluidos los efectos fijos por país), las variables base más las de agricultura o las variables base más las de comercio. La mejora del ajuste que se obtiene al añadir las variables agrícolas es mucho mayor en los países con aglomeración temprana que en los de aglomeración tardía; de forma correspondiente, la mejora del ajuste que se obtiene al añadir las variables comerciales es mucho mayor en los países con aglomeración tardía que en los de aglomeración temprana. Observamos un patrón similar al utilizar la educación o el PIB per cápita de 1950 para dividir los datos, y también al analizar únicamente el Nuevo Mundo o el Viejo Mundo. Asimismo, obtenemos resultados parecidos con otras especificaciones, por ejemplo, al introducir interacciones lineales entre la urbanización, o sus indicadores indirectos, y las variables de agricultura y comercio.
Tabla 1 Valores de R cuadrado
Estos resultados revelan una historia que, a primera vista, parece desconcertante: los países con aglomeración tardía suelen ser más pobres y, en promedio, dependen más de la agricultura que los países con aglomeración temprana. Sin embargo, es en este último grupo donde las variables agrícolas predicen mejor la ubicación de la población y la actividad económica. Nuestra explicación de esta aparente paradoja se centra en el momento en que aumentó la productividad agrícola y, de manera similar, en cuándo disminuyeron los costos del comercio. En los países donde la aglomeración comenzó temprano, el aumento de la productividad agrícola precedió a la reducción de los costos de transporte. Es decir, la gente empezó a trasladarse de las granjas a las ciudades cuando todavía era relativamente caro transportar alimentos de un lugar a otro. Como resultado, las ciudades se ubicaron cerca de zonas propicias para la producción de alimentos. En cambio, en los países con aglomeración tardía, el aumento de la productividad agrícola que hizo posible la urbanización se produjo más tarde con respecto a la reducción de los costos de transporte, por lo que esta última tuvo una influencia relativamente mayor en la ubicación. La figura 3 muestra algunos de los datos que respaldan esta explicación: representa la proporción urbana de la población en los grupos de aglomeración temprana y tardía, así como un índice mundial de los costos de transporte. La figura deja claro que, cuando los países con aglomeración tardía alcanzaron un determinado nivel de urbanización, los costos de transporte eran mucho menores que cuando los países con aglomeración temprana alcanzaron ese mismo nivel.
Figura 3
Una consecuencia interesante de este análisis es que los países que solo ahora están urbanizándose tienen distribuciones de población más adecuadas a la tecnología moderna que aquellos que se urbanizaron antes. Por ejemplo, aunque en Europa las zonas costeras ya presentan densidades de población particularmente altas, nuestras estimaciones indican que, si Europa se hubiera desarrollado más tarde, la densidad en las costas sería aún mayor. De manera similar, si África se hubiera desarrollado antes, las zonas interiores, como las tierras altas de Etiopía y la cuenca del Congo, tendrían densidades de población relativas más altas que las que se observan hoy.
Otra serie de implicaciones derivadas de la explicación de nuestro artículo se refiere a la desigualdad espacial dentro de los países. Esperamos que los países con aglomeración temprana, cuya actividad se concentra en torno a tierras aptas para la agricultura y cuya distribución de la población se heredó de una época de altos costos de transporte, presenten una mayor igualdad espacial general en las luces que los países con aglomeración tardía, más concentrados en las costas y con bajos costos de transporte. Para evaluar esta predicción, calculamos un coeficiente de Gini espacial de la luz entre las celdas de la cuadrícula de cada país. La tabla 2 muestra los resultados de la regresión del Gini de las luces sobre la urbanización en 1950. El coeficiente es negativo, tal como se había previsto. Además, controlar por el Gini de las luces predicho mediante nuestras variables geográficas, así como por medidas del tamaño y la población del país (y, por tanto, de la densidad de población), no altera el resultado.
Tabla 2 Coeficiente de Gini de las luces
Conclusión
A menudo se atribuye a Napoleón el dicho «la geografía es el destino». Por su parte, el industrial estadounidense Henry Ford sí dijo que «la historia es una tontería». En nuestra investigación hemos demostrado que, cuando se trata de pensar en cómo se distribuye la población dentro de los países, hay motivos para poner en duda ambas afirmaciones. La geografía influye claramente en gran medida en el lugar donde vive la gente. Pero los aspectos geográficos que importan cambian con el tiempo. Además, la ubicación presenta una enorme persistencia, de modo que la forma en que la geografía influyó en el pasado —es decir, la historia— sigue reflejándose en la distribución espacial actual de la población.
Para muchos lectores que, sentados en ciudades fundadas hace cientos de años, toman café cultivado a miles de kilómetros de distancia, nada de esto será una gran sorpresa. Sin embargo, comprender la interacción dinámica entre geografía, tecnología, crecimiento económico e historia —un proyecto al que nuestro artículo solo aporta un pequeño avance— es de gran importancia para reflexionar sobre muchos de los problemas que afronta el mundo actual. Los efectos de las distintas características geográficas no solo siguen cambiando con el desarrollo económico y tecnológico, sino que, en las próximas décadas, las propias características geográficas cambiarán a un ritmo cada vez mayor. Al mismo tiempo, gran parte del mundo en desarrollo está atravesando una rápida urbanización. Las decisiones de ubicación que se tomen hoy tendrán repercusiones durante siglos.
Referencias
Acemoglu, D., S. Johnson y J. A. Robinson (2001), «The Colonial Origins of Comparative Development: An Empirical Investigation», The American Economic Review 91.5: 1369-1401.
Bairoch, P. (1988), Cities and Economic Development, Chicago: University of Chicago Press.
Bleakley, H. y J. Lin (2012), «Portage and path dependence», The Quarterly Journal of Economics 127.2: 587.
Cronon, W. (1992), Nature’s metropolis: Chicago and the Great West, WW Norton & Company.
Henderson, J. V., A. Storeygard y D. N. Weil (2012), «Measuring Economic Growth from Outer Space», American Economic Review 102(2): 994-1028
Henderson, J. V., T. Squires, A. Storeygard y D. Weil (2017), «The Global Spatial Distribution of Economic Activity: Nature, History, and the Role of Trade», documento de trabajo, Brown University.
Michaels, G. y F. Rauch (de próxima publicación), «Resetting the urban network: 117-2012», The Economic Journal.
Mohammed, S. I. Shah y J. G. Williamson (2004), «Freight rates and productivity gains in British tramp shipping 1869–1950», Explorations in Economic History 41.2: 172-203.
Ziskin, D., K. Baugh, F. C. Hsu, T. Ghosh y C. Elvidge (2010), «Methods Used for the 2006 Radiance Lights», Proceedings of the 30th AsiaPacific Advanced Network Meeting, pp. 131-142.
