La cuestión del desarrollo

El desarrollo como teoría económica surge a finales de la Segunda Guerra Mundial como respuesta a las condiciones complejas y cambiantes que vivían las sociedades de países no desarrollados.

La disciplina del desarrollo explica la situación en la que se encuentran los países que no cuentan con las condiciones económicas para ser considerados desarrollados, y que repercute en los niveles de pobreza y marginación en la que se encuentran muchos de sus habitantes. Así como las empresas ubicadas en dichos países se presentan como, poco competitivas, en un mundo donde los mercados son cada vez más globalizados. Por lo cual tienen dependencia económica, al ser de categoría primario, exportadores, no pueden acceder a los procesos de competitividad, para generar beneficios y posibilidades reales para mejorar las condiciones de vida de los habitantes de la región (^{Bustelo, 1999}; ^{Preston, 1999}). La preocupación por los niveles de vida en los países subdesarrollados provocó la creación de muchos grupos de trabajo. Así, desde distintas entidades, abordaron esta problemática, particularmente la Organización de las Naciones Unidades (ONU), con la creación de diversos programas en el de Desarrollo (PNUD), de Medio Ambiente (PNUMA), y la oficina de Planeación del Desarrollo de la ONU y la Organización Mundial del Trabajo (OIT).

Así mismo, El Club de Roma (1968) hizo un encargo al ITM de un informe, cuyo título “Los límites del Crecimiento” fue publicado en 1972, donde participaron 17 profesionales, liderados por Donella Meadows. De la investigación se concluyó que, de seguir el ritmo sin variación del aumento en la población, la explotación de los recursos naturales, la producción de alimentos, la contaminación, la industrialización, se estaría llegando en los próximos 100 años a los límites de crecimiento en la tierra. El estudio en cuestión hace énfasis en los procesos de producción mundial, y de cómo se registraba una tendencia del grave deterioro del planeta y los seres vivos, por la contaminación medioambiental, entre otras, situación insostenible para mantener los niveles de crecimiento. Hechos alarmantes que ya mostraban las consecuencias de los diversos efectos nocivos asociados a ello, y por ende las condiciones dañinas para toda la vida en la tierra (^{Meadows D., Meadows & Randers, 1988}; ^{Bardi, 2014}).

En el caso de América Latina es de resaltar los aportes de la Teoría de la Dependencia realizados en los años 60 y 70, muchos teóricos encabezados por Raúl Prebish trabajaron en la Conferencia Económica para América Latina (CEPAL) (^{CEPAL, 1998}; ^{Solorza & Cetré, 2011}; ^{Bértola & Ocampo, 2013}; ^{Cordera, 2014}; ^{Barcena & Prado, 2015}; ^{Pérez & Berango, 2016}).

A partir de la actual crisis del modelo neoliberal imperante, estos autores son referente en el análisis de la realidad de los países no desarrollados, y sus percepciones continúan siendo válidas para las condiciones actuales; además de la integración de nuevas metodologías, como las del desarrollo local, son exploradas en la búsqueda de mejores condiciones de vida de las poblaciones condiciones de atraso.

El Desarrollo Local Sustentable

El Desarrollo Sustentable tiene al ser humano en el centro de la cuestión, pues los daños al medio ambiente generan efectos nocivos a la comunidad y deterioran las condiciones de vida de la población, son elementos que provocan efectos negativos en la naturaleza, por lo que el círculo vicioso que se sucede entre la pobreza, la degradación medioambiental y los problemas asociados a ambos, sólo pueden ser superados, con un proceso articulado de acciones entre los actores, participando activamente.

Es importante mencionar que dentro de este círculo vicioso se incluyen los efectos que provocan las acciones depredadoras también sobre la identidad cultural y las formas de vida de las comunidades (Leff, 2013).

El Desarrollo Local tiene como actores a la comunidad local, el gobierno y las empresas productivas que inciden en un territorio determinado; por lo que dependerá de las acciones desarrolladas por estos actores de forma organizada, el logro de contar con una mejor sociedad, ya sea mediante procesos endógenos generadores de condiciones favorables al interior de las comunidades, o con procesos hacia los mercados globalizados que inserten las acciones locales en esferas fuera de ella (^{Boisier, 2015}, ²⁰¹³; ^{Vázquez Barquero, 2015}; ^{Arocena, 2013}).

La participación del gobierno debe ser visto desde diversos enfoques porque las políticas nacionales tienden a ser planteadas desde una visión macro, donde las posibilidades de inserción en las comunidades dependen del nivel de gestión de los actores locales y de la percepción del nivel de deterioro local, que genera la preocupación por las implicaciones de un detonante social.

La participación del gobierno local deberá ser efectiva, toda vez que está más cerca de los ciudadanos y sus problemas, pero se requiere cuente con capacidades de gestión y de disponibilidad de recursos financieros para la generación de acciones que beneficien a la comunidad (^{Gauna, 2014: 12-13}).

Sobre la participación de las empresas existen opiniones diversas, aquellos que postulan un desarrollo para el mercado local, quienes desean sus procesos productivos se incerten en mercados globales. De otra manera también se plantean empresas con capital e intereses locales o los que desde el exterior ven un buen negocio y se incertan en la comunidad para lograr beneficios económicos.

Cualquier forma que adopten los esfuerzos empresariales, el desarrollo local postula, deben responder a las capacidades del territorio e incluir en el reparto de los beneficios a las comunidades, generando empleos permanentes y bien remunerados, no dañando al medio natural, produciendo procesos de regeneración ambiental, siendo proactivos en la mejora de la población, sin generar conflictos con sus formas de vida cultural.

El Turismo en la región de estudio: Puerto Vallarta

La región de Puerto Vallarta-Bahía de Banderas ha sido estudiada de forma sistemática particularmente desde la formulación del proyecto Bahía de Banderas a Futuro (^{CEDESTUR/CEED, 2001}; ^{Canales & Vargas, 2002}; ^{Cesar & Arnaiz, 2006}); investigación sobre la percepción de turistas de cruceros (^{Gauna & Virgen, 2005}); o de información monográfica y de edición de trabajos sobre la región y el turismo (^{Gauna, 2011}; ^{Guzmán & Anaya, 2011}; ^{Virgen, 2014}; ^{Arnaiz & César, 2015}; ^{Arnaiz & Gauna, 2016}). Existen otros trabajos que analizan la región desde el medio ambiente, el desarrollo urbano, la antropología, el turismo y la problemática social.

Puerto Vallarta-Bahía de Banderas es uno de los principales destinos turísticos de México, con más de tres y medio millones de turistas al año, lo que implica contar con una infraestructura hotelera que de soporte a esa oferta turística y que ha generado una migración persistente que lo ubica como la tercera región con mayor inmigración del país (salvo zonas metropolitanas) (^{SECTUR, 2012}; ^{Secturjal, 2016}; ^{Gauna, 2013}; ^{Virgen & Gauna, 2011}).

Una condición de la región es estar constituida por dos ciudades de dos estados federales diferentes (y hasta hace unos años con un uso horario diferente), al realizar un análisis de la actividad económica, medio ambiental, turística y poblacional es difícil hacer una separación del destino (^{CEDESTUR/CEED, 2001}), por lo que los estudios y los procesos de planeamiento, no pueden hacer una separación, salvo en los procesos de políticas públicas, donde cada ayuntamiento y gobierno del estado (Jalisco y Nayarit) tienen sus propias formulaciones, a pesar del proceso de metropolización en la que se encuentran actualmente.

Las condiciones sociales y económicas de ambas localidades son asimétricas, por lo que se consideró realizar el estudio sólo en Puerto Vallarta, para identificar la percepción de la población en condiciones más homogéneas.

El municipio de Puerto Vallarta se localiza en la región costa norte del estado de Jalisco, en la zona del pacífico medio mexicano, ubicado entre las coordenadas 20º27´00´ y 20º59´00´´ latitud norte y 104º55´00´´ y 105º33´00´´longitud oeste, a una altura de 2 m sobre el nivel medio del mar.

Análisis factorial

Es una modalidad del Análisis Multivariado que nos permite reducir una serie de variables a un conjunto menor (factores), que contienen la mayor parte de la información y son suficientes para explicar el modelo (^{Malhotra, 2004}; ^{Luque, 2000}; ^{Pérez, 2009}; ^{Hair, Anderson, Tatham & Black, 2008}).

En el análisis de la información (Tabla 2) tanto la prueba de esfericidad de Bartlett es menor a 0.05 al resultar igual a 0.00 y el Índice Kaiser-Meyer-Olkin está entre 0.5 y 1, al tener un resultado de 0.708.

En cuanto a las comunalidades (Tabla 3) sólo se tomaron aquellas que tuvieran valores comunes (comunalidades) superiores a 0.6, dejando fuera para el proceso aquellas variables que no lograron estos valores, esta información será corroborada una vez que se realiza el modelo de ecuaciones estructurales, dado que el mejor ajuste también se logra con las variables tomadas con comunalidades superiores a 0.6.

La matriz de correlaciones observadas (Tabla 4) permite ver cómo existen correlaciones más altas entre los ítems que se agrupan en cada factor, por lo que se prueba la existencia de una estructura de correlación compleja entre las variables observadas. Además de que el determinante es bajo y diferente de cero al resultar 0.46.

Tabla 4 Matriz de correlaciones observadas 

Fuente: elaboración propia de acuerdo con los resultado del SPSS.

La matriz anti-imagen (Tabla 5) muestra que en la diagonal principal todos los valores de la varianza que explican los factores comunes son mayores de 0.5 y que todos los valores parciales (que no se encuentran en la diagonal principal) son bajos y distintos de cero (pudiendo tener valores negativos), dado que las correlaciones entre factores únicos e independientes entre sí, las correlaciones deben ser próximas a cero (^{Luque, 2000: 78}).

Tabla 5 Correlación Anti-imagen de la muestra 

Fuente: elaboración propia de acuerdo con los resultado del SPSS.

Los componentes principales (Tabla 6) explican que los primeros cinco factores se logran antes del valor de 1 y que allí se tiene explicada el 73.149% de la varianza.

Tabla 6 Componentes principales 

Fuente: elaboración propia de acuerdo con los resultado del SPSS.

Una vez determinado el buen ajuste del proceso factorial se extraen los factores a través de la matriz de componentes rotados (Tabla 7), los cuales nos servirán para la construcción del modelo. Así, en el factor 1, llamado Problemas Sociales, se integran las variables, Alcohol, Drogas y Prostitución, en el factor 2, denominado Problemas Medio Ambientales, se integran las variables Erosión, Bosques y Ecosistemas, en el componente 3, nombrado Asuntos Culturales, se integran las variables Identidad y Tradición, en el componente 4, titulado Proceso de Participación Social, se integran las variables Interés y Participa, y en el componente 5, que se denomina Problemas Económicos, se integran las variables Sueldos y Remunerados. Este ajuste coincide con la teoría planteada, lo cual hace pertinente pensar en el diseño de un modelo de ecuaciones estructurales que mida la relación entre percepción de la problemática asociada al turismo e interés por participar en la problemática de su comunidad.

Tabla 7 Matriz de componentes rotados 

Fuente: elaboración propia de acuerdo con los resultado del SPSS.

Fiabilidad de escala a través del Alpha de Cronbach

A la vez de ser identificados las variables que ajustan a los factores propuestos, es útil y necesario hacer una valoración sobre la fiabilidad de los datos, para lo cual se utiliza el estadístico del Alpha de Cronbach (^{Malhotra, 2004}; ^{Hernández, Fernández, & Baptista, 2006}), en la valoración se utilizan sólo los valores que fueron utilizados en la construcción del modelo factorial, todos los valores asociados a los factores de forma independiente tiene valores que van de 0.666 a 0.778, que están por arriba del valor de 0.6 que mide el valor mínimo aceptable de consistencia interna, incluso para la suma de todos los valores el resultado de la consistencia interna es de 0.659, un valor también por arriba del mínimo aceptable. Por ello todas las escalas cumplen con niveles de fiabilidad de consistencia interna aceptable (Tabla 8).

Especificación teórica del modelo

El modelo de ecuaciones estructurales (SEM) explica las relaciones causales de variables (observadas y latentes) en las que el cambio en una variable se supone que produce un cambio en otra variable, asumiendo que estas relaciones son lineales (^{Arbuckle, 2007}; ^{Hair, Anderson, Tatham & Black, 2008}).

La gran ventaja del SEM permite proponer el tipo y dirección de la relación que se espera encontrar entre las diversas variables, pero esta modelización no puede ser arbitraria, sino basada en una teoría que se intenta probar. Este proceso se facilita al contar con programas de cómputo de forma fácil y a través de una interface amigable, permite la construcción del modelo, como es el caso del programa AMOS de SPSS con el cual se trabajó el modelo propuesto.

Podemos mirar estos modelos de diversos modos. Son ecuaciones de regresión con supuestos menos restrictivos, que permiten errores de medida tanto de los análisis factoriales que permiten efectos directos e indirectos entre factores. Habitualmente incluyen múltiples indicadores y variables latentes. Resumiendo engloban y extienden los procedimientos de regresión, el análisis econométrico y el análisis factorial (^{Bolen, 1989: 5}).

Este tipo de análisis han cobrado relevancia y cada vez más estudios, en las ciencias sociales se realizan con el SEM, ya sea como tesis doctorales, libros, artículos científicos y materiales de apoyo para la docencia (Arias; López, Fernández & Mariel, 2002; ^{Casas, 2013}; ^{Tejedor, 2004}), particularmente para el turismo se han realizado trabajos con respecto a la organización empresarial y a la percepción de los turistas, utilizando modelos basados en SEM (^{Gauna, 2010}; ^{Vergara, Quezada & Blanco, 2011}; ^{Prat & Canovas, 2012}; ^{Berné, García, García & Mujica, 2012}; ^{Rey, Medina & Rufin, 2013}; ^{Álvarez, Vila, Frais & Del Río, 2013}; ^{Mendez & Sanos, 2014}; ^{Marinao, Torres & Chasco, 2014}; Alvarez, 2015; ^{Almeida, Marquez & Marreiro, 2015}; ^{Olague, 2016}).

El modelo que se presenta se construyó a partir del análisis factorial, con lo cual se utilizan 12 variables correspondientes al mismo número de ítems del cuestionario aplicado a población abierta. Estas variables se integran en cinco factores que se infiere son variables latentes.

El modelo estadístico propuesto se basa en una serie de variables observadas y otras latentes, que se construyen a partir de la experiencia del investigador, y se refuerzan con el resultado del análisis factorial, deja fuera a otras variables del turismo u otras que provienen de la percepción de cada entrevistado, que son representados por los errores (e y f) que representan todas las causas de una variable que son omitidas e incluso del efecto en la construcción del modelo. Esto es, el entrevistado tiene otras preocupaciones y apreciaciones que no son tomadas en la investigación, pero que afectan las respuestas y el resultado del modelo.

Lo que corresponde al análisis es contestar si la relación entre variables endógenas y exógenas tiene algún tipo de causalidad y cómo se determina ésta, para lo cual se construyó la hipótesis general que se propone en este estudio.

La identificación del modelo

Para el modelo representado en la Gráfica 1 nos arroja los siguientes resultados del análisis de las variables (Tabla 9).

Fuente: Elaboración propia de acuerdo con los resultado del SPSS/AMOS.

Gráfica 1 Construcción del modelo utilizando en programa AMOS de SPSS 

Tabla 9 Análisis de las variables 

Fuente: Elaboración propia de acuerdo con los resultado del SPSS.

Por los que la suma de variables exógenas (p) es de 13 y endógenas (q) es de 17, el número de variables (s) es igual a 30, por lo que el número de elementos no redundantes (W) es igual a 465, de acuerdo con la formula W = ½s (s + 1). Tomando en cuenta que el número de parámetros a estimar (t es igual a 35, este valor es mucho menor que (s) por lo que el modelo esta sobre identificado, y estamos ante un modelo recursivo porque existe una correlación entre residuos (e11 a e12).

Evaluación de consistencia

Una vez construido el modelo procede correr el programa para ver si el modelo se ajusta a los criterios estadísticos requeridos como buenos, este proceso se usa generando distintos parámetros, estimados por Mínimos cuadrados ponderados (Distribución libre asintótica ADF) que aparecen en la gráfica.

Índices de ajuste del modelo

Un elemento paralelo en el análisis, una vez especificado el modelo, es revisar si éste ajusta adecuadamente a los datos, para lo que se tomaron varios índices de ajuste (Tabla 10) que se ofrecen en el programa AMOS.

Tabla 10 Índices de bondad de ajuste del modelo y los valores que se consideran idóneos 

Fuente: Elaboración propia de acuerdo con los resultado del SPSS/AMOS.

Los índices de bondad de ajuste global, evaluando el modelo estructura y de medida conjuntamente, comprueban la existencia de un buen ajuste.

Teniendo en cuanto los valores de los índices observados, se puede concluir que el modelo muestra un buen ajuste, ya que todos ellos exponen valores dentro de los límites aconsejables, con la salvedad ya explicada de X² (que es sensible al tamaño de muestra), por lo que este indicador por sí solo carece de interés, toda vez que crece en función de muestras mayores a 100 unidades.

Estimación y ajuste

En el modelo no se identifican varianza de error negativas o no significativas para cualquiera de los constructos (variables latentes). Los coeficientes estandarizados que resultaron de la prueba no tienen valores superiores a 1 y no existen errores estándar muy elevados asociados con cualquier coeficiente estimado.

El modelo realiza de forma paralela tanto la estimación del modelo como los índices de ajuste del mismo, por lo que la valoración se hace de forma completa, pudiendo tener la explicación de la estimación antes que el ajuste o de forma inversa, sin que esto genere alguna complicación en su explicación.

En el modelo que se presenta (Gráfica 2), los valores que parecen junto a las flechas que van desde los constructos a las variables de medida indican la carga factorial de las variables indicadoras o directamente observables en el factor común. En la parte superior de los rectángulos que representan las variables indicadoras encontramos el valor de la varianza explicada en la variable por el constructoR² que podemos entender como la fiabilidad de la medida.

Fuente: elaboración propia de acuerdo con los resultado del SPSS/AMOS.

Gráfica 2 Resultado de la aplicación del modelo en AMOS de SPSS. 

Las cargas factoriales del modelo estimado, representado en la Gráfica 2 y Tabla 11, oscilan entre 0.5 y 0.75 con unos índices de fiabilidad aceptables, en la mayoría de los casos.

Tabla 11 Cargas factoriales del modelo 

Fuente: elaboración propia de acuerdo con los resultado del SPSS/AMOS.

Las correlaciones entre los constructos (representados mediante flechas bidireccionales) son moderadas (entre -0.053 y 0.405).

El siguiente paso en el análisis de ajuste del modelo es su evaluación global, de forma que se pueda determinar en qué medida este modelo reproduce adecuadamente las relaciones que existen en la matriz de covarianzas de los datos empíricos.

En la Tabla 12 se muestran los índices para analizar plausibilidad de dicho modelo. Con 43 grados de libertad y un valor de Chi cuadrada de 89.515, Se tiene un estadístico con una probabilidad asociada menor de .000, aunque este estadístico tiene un valor significativo, el valor de Chi cuadrado está sobrestimado y por esto prestamos atención al resto de los valores de los índices de ajuste.

Tabla 12 Resultados de la aplicación del modelo 

Fuente: elaboración propia de acuerdo con los resultado del SPSS/AMOS.

La Tabla 13 contiene las estimaciones de los parámetros del modelo, el error estándar aproximado (S. E.) la proporción crítica (C. R.) y las estimaciones Estandarizadas de los parámetros.

Tabla 13 Valores obtenidos de la aplicación del modelo 

Fuente: elaboración propia de acuerdo con los resultado del SPSS/AMOS.

La proporción crítica (C. R.) es el cociente entre la estimación del parámetro y la estimación del error estándar. Es decir, si a una estimación le corresponde una proporción crítica mayor de 1.96, el parámetro es significativamente diferente de cero al nivel de 0.05.

Lo que resulta de lo anterior es que el cociente entre las estimaciones entre los parámetros economía y sociedad con participación social sí cumplen con este rango, pero los cocientes entre las estimaciones de los parámetros de cultura y de ecología con participación social, no cumplen con este parámetro. Por lo que los dos parámetros estimados de economía y sociedad sí son significativos, pero los parámetros ecología y cultura, no lo son.

A pesar de lo anterior se puede decir que los cuatro parámetros influyen en la participación de la sociedad, con un valor estandarizado para los problemas económicos de 0.286, para los problemas sociales de 0.182, de los asuntos culturales de 0.059 y de los problemas medioambientales de 0.029.

Con lo que se acepta la hipótesis, de que la percepción que tiene la población sobre los problemas asociados al turismo (medido en cuatro constructos) sí generan un proceso de participación de la población en la resolución de sus problemas, medido a través del interés por participar y el haber realizado acciones a favor de la resolución de los problemas en su comunidad, además que cada uno de los factores propuestos tienen una influencia particular sobre el interés por participar.

Las cargas de los errores de medida y predicción, nos permitan inferir que existen otras condiciones que influyen en la participación social, que pueden estar relacionadas con el turismo (y no fueron medidas) o por otras condiciones, que no son parte de este proceso de investigación.

Un dato adicional es que las varianzas de las variables latentes (Tabla 14) permiten conocer es que el modelo explica el 29.7% de la variable de Problemas Económicos, el 42% de la Variable Problemas Sociales, el 32.2% de la variable Asuntos Culturales y el 16.2% de la variable Problemas Medio Ambientales.

Tabla 14 Varianzas de las variables latentes 

Fuente: elaboración propia de acuerdo con los resultado del SPSS/AMOS.

La Tabla 15 demuestra que el análisis factorial que se realizó, coincide con las puntuaciones de cargas factoriales que se muestran, con la salvedad que los datos que arrojan ambos análisis son diferentes porque en el SEM se calcula a través del modelo y las cargas que tienen es determinadas por éste.

Tabla 15 Análisis factorial confirmatorio 

Fuente: elaboración propia de acuerdo con los resultado del SPSS/AMOS.

Puede afirmarse que la encuesta aplicada a los habitantes de Puerto Vallarta permite conocer de manera cercana las opiniones que tienen las personas sobre algunos asuntos que son percibidos como problemas y que por ellos se valida la opinión de los expertos sobre la importancia de la participación social en los procesos de desarrollo local, particularmente lo que establece la “Agenda 21 para el Turismo y los Viajes”, que de forma general expresa este importante argumento que la mejora de las condiciones de vida de la sociedad pasa por la participación social y que ésta se dará de mejor manera en la medida que se perciban los problemas que lleven a la sociedad de forma organizada en la búsqueda de soluciones.

Este trabajo ha sido mejor construido que su precedente (^{Gauna, 2010}) toda vez que los índices de ajuste son más satisfactorios y los resultados tienen mejores argumentos estadísticos.

En cuanto a la validación de ambos estudios, se pueden hacer las siguientes consideraciones, al quitar una variable latente intermedia que se usó en el primer modelo, percepción del turismo, las cuatro variables latentes que se construyeron a partir del análisis factorial (percepción social, percepción económica, percepción cultural y percepción medioambiental) obtuvieron mejores valores estandarizados, que permite obtener una información más robusta. En ambos proyectos la hipótesis general es válida y tiene que ver con la correlación entre percepción de la problemática, el interés por participar en la búsqueda de soluciones, agregando ahora la fuerza de cada factor latente de forma particular.

En el turismo participan diversos actores (habitantes locales, empresarios, gobiernos y turistas), explicar a través de la investigación científica el funcionamiento de la actividad turística desde diversos enfoques, permite conocer de mejor manera las condiciones en las que funciona en cada localidad.

Una de las principales preocupaciones es conocer qué piensan los habitantes locales sobre el turismo, este trabajo abona en ese sentido, demuestra la preocupación sobre los impactos del turismo en un destino importante como lo es Puerto Vallarta. El aporte mayor es que la información recabada se analiza a través de análisis estadísticos potentes como lo son el análisis factorial y fundamentalmente el modelo de ecuaciones estructurales, lo que da fortaleza al argumento.

Dentro de las políticas de desarrollo, donde se encuentran las particulares de la actividad turística, será necesario tener en cuenta la percepción de la población local, porque en el territorio donde viven y se desarrollan estas comunidades sucede el turismo, una actividad que modifica al entorno físico (natural y creado) y afecta la estructura social, generando beneficios económicos y sociales, pero también provoca problemas en las comunidades de acogida.