¿Dónde necesita Maricá atención primero? (1/3): la pregunta y los datos
Primera parte de la serie sobre el Índice de Condiciones Socioterritoriales (ICST) de Maricá (RJ). Por qué el promedio municipal no ayuda a decidir dónde invertir, cómo convertir diez variables oficiales en un índice de 0 a 100 por sector censal y qué hacer cuando el dato no existe en la forma que querías.
En este artículo
Si te dijera que Maricá tenía 197.277 habitantes en el Censo 2022 y que el 35% de los hogares recibía agua de la red general como forma principal de abastecimiento, ¿qué harías con esa información?
Probablemente nada. O mejor: concluirías que «falta agua corriente en Maricá», lo cual es cierto, pero no dice dónde. Y dónde es justamente la pregunta que un gestor necesita responder cuando tiene presupuesto para una obra de red, una nueva Unidad de Salud de la Familia o un mapeo de riesgo de detalle.
Maricá creció mucho en las últimas décadas, y creció de la manera más difícil de atender: loteos extensos y de baja densidad esparcidos entre las lagunas, la costa y las laderas de la sierra. Barrios consolidados y bien servidos conviven con áreas recientes adonde todavía no llegaron la red de alcantarillado, la red de agua ni los equipamientos públicos. El promedio municipal esconde todo eso.
Esta serie cuenta cómo construí el Índice de Condiciones Socioterritoriales (ICST) de Maricá, un indicador de 0 a 100 calculado para cada sector censal del Censo 2022, solo con datos oficiales y todo en Python. El trabajo nació como artículo del posgrado en Análisis de Datos como Método de Apoyo a las Políticas Públicas de la UFRRJ.
- Parte 1 (esta): la pregunta, las dimensiones y los datos. Y las decisiones que tomé cuando el dato no venía listo.
- Parte 2: los resultados. Mapas, barrios, distritos y lo que muestran los números.
- Parte 3: las áreas prioritarias, cuánto se puede confiar en ellas y el misterio del 35% contra el 78% de agua.
Tres preguntas, una unidad de análisis
El índice fue diseñado para responder a tres preguntas aplicadas:
- ¿Cómo se distribuyen, dentro del municipio, las condiciones socioeconómicas, de infraestructura, socioambientales y de acceso a servicios?
- ¿Qué áreas acumulan desventajas y deberían ser priorizadas?
- ¿Cuán sensible es esa priorización a las decisiones metodológicas que tomé?
La tercera pregunta es la que más gente olvida. Todo índice compuesto carga decisiones (qué variables, qué pesos, cómo normalizar), y si el ranking cambia por completo cuando se las mueve un poco, no sirve para decidir nada. Vuelvo a esto en la parte 3.
La unidad de análisis es el sector censal de 2022, la menor unidad con datos oficiales del Censo. Maricá tiene 516 sectores, de los cuales 483 tienen residentes. Los otros 33 son lagunas, áreas de protección y áreas no ocupadas: aparecen en los mapas, pero no reciben índice. Para la lectura gerencial, los resultados también se agregaron a los 49 barrios y 4 distritos definidos por la Municipalidad.
Un detalle que parece pequeño y no lo es: al agregar sectores en barrios, no hice promedio de porcentajes. Sumé numeradores y denominadores y recalculé. El promedio de porcentajes da el mismo peso a un sector de 50 hogares y a uno de 800, y el barrio termina pareciendo mejor o peor de lo que es.
Cuatro dimensiones, diez variables
El ICST tiene cuatro subíndices. Cada uno responde a una pregunta de política pública:
| Dimensión | Peso | Pregunta | Variables |
|---|---|---|---|
| S – Socioeconómica | 0,30 | ¿Dónde se concentran las restricciones de ingreso y de alfabetización? | S1 ingreso bajo, S2 alfabetización 15+ |
| I – Infraestructura y saneamiento | 0,30 | ¿Cómo se distribuyen agua, alcantarillado y recolección de residuos? | I1 agua, I2 alcantarillado, I3 residuos |
| A – Socioambiental | 0,25 | ¿Qué parte de la ocupación está en área susceptible y dónde se pierde vegetación nativa? | A1 inundación, A2 movimiento de masa, A3 pérdida de vegetación |
| P – Acceso a servicios | 0,15 | ¿Qué parte de los hogares llega a pie a una USF y a una escuela pública? | P1 USF a 20 min, P2 escuela a 20 min |
Los pesos se fijaron antes de mirar los resultados, como hipótesis de trabajo. Socioeconómica e infraestructura quedaron con 0,30 cada una por ser las dimensiones más tradicionales y más ligadas a las carencias del hogar; la de acceso quedó con 0,15 porque depende de datos de localización con más incertidumbre. Fijarlos antes importa: si eliges los pesos después de ver el mapa, es fácil (y tentador) ajustar hasta que el resultado «tenga sentido».
Cada variable se llevó a la escala de 0 a 100 mediante el método mínimo–máximo. En las variables en que un valor alto es malo (ingreso bajo, inundación, pérdida de vegetación), el signo se invierte. Al final, en todas ellas, 100 es la mejor situación observada en el municipio y 0 es la peor. El ICST es la suma ponderada de los cuatro subíndices.
De dónde vinieron los datos
Todo se descargó por script, con URL, fecha de acceso y hash SHA-256 registrados en un catálogo de fuentes, y los archivos originales quedaron intactos. Las principales fuentes:
- IBGE, Censo 2022: agregados por sector censal (alfabetización, agua, alcantarillado, residuos, ingreso del responsable), malla de sectores y el CNEFE, el registro de direcciones, con 106.439 direcciones de hogares en Maricá.
- Servicio Geológico de Brasil (SGB/CPRM): carta de susceptibilidad a inundación y a movimientos de masa de Maricá (2017).
- MapBiomas Colección 11: cobertura y uso de la tierra en 2022 y 2025, a 30 m.
- Municipalidad de Maricá: límites de barrios y distritos y las Unidades de Salud de la Familia georreferenciadas.
- INEP: escuelas y Censo Escolar 2024.
- CNES/DATASUS: establecimientos de salud, para verificar las USF e incluir las de los municipios vecinos.
- Overture Maps: red vial para el cálculo de caminata, porque la base vial municipal exige credencial.
- SNIS 2022 y SINISA 2024: solo para contrastar con el Censo en saneamiento (spoiler de la parte 3: dio trabajo).
Al final, el ICST se calculó para 447 de los 483 sectores habitados, que reúnen el 97,5% de la población. Los sectores que quedaron fuera son pequeños: suman 4.876 personas.
Cuando el dato no viene como querías
Esta es la parte que más me gustaría que te llevaras a tus proyectos. La regla del trabajo era simple: no inventar datos. Ausente queda ausente, nunca se vuelve cero ni promedio. Pero seguir esa regla exige decisiones. Cuatro de ellas:
1. No existe franja de ingreso por sector en el Censo 2022
El indicador de ingreso que quería era «proporción de responsables con ingreso inferior a 1 salario mínimo». El agregado por sector del Censo 2022 no trae franjas de ingreso: trae solo el promedio, la varianza y la mediana del ingreso de los responsables. La tabla por franjas solo existe a nivel de municipio, y los microdatos más finos son de acceso restringido.
La salida tentadora sería copiar el porcentaje municipal a todos los sectores. Eso es fabricar datos. Lo que hice fue estimar la proporción suponiendo que, dentro de cada sector, el ingreso sigue una distribución lognormal (una hipótesis clásica para el ingreso), con el promedio y la varianza publicados por el IBGE. Luego validé de tres formas: la mediana implícita del modelo tiene una correlación de 0,96 con la mediana publicada; agregado a las 11 áreas de ponderación, el indicador ordena las áreas como el ingreso per cápita de la muestra; y el total municipal estimado (24,9% de los responsables por debajo de 1 SM) es del mismo orden que la distribución oficial del municipio.
Entonces S1 es una estimación modelada, y lo escribo en todos los lugares donde aparece. Funciona bien para ordenar sectores; no es un conteo.
2. El IBGE oculta números pequeños (y eso no es cero)
Para proteger el secreto estadístico, el IBGE suprime celdas con conteos pequeños: el valor aparece como «X». Tratar «X» como cero haría que sectores pequeños parecieran no tener agua ni alcantarillado.
Como las categorías de cada pregunta suman exactamente el total de hogares cuando nada se suprime, la diferencia entre el total y lo publicado es la suma de las celdas ocultas, y cada una vale al menos 1. Con eso se puede calcular un intervalo exacto para el valor suprimido y usar su centro. Los límites inferior y superior entraron en el análisis de sensibilidad y no cambiaron el ranking.
3. Hogar es dirección, no mancha urbana
Para saber qué parte de los hogares está en área de inundación o a 20 minutos a pie de una USF, necesito saber dónde están los hogares. La opción común es usar la clase «área urbanizada» de MapBiomas, pero no cubre bien los loteos dispersos, que son justamente el patrón de Maricá. Usé las direcciones del CNEFE: mismo año que el Censo, precisión de dirección (97,6% con coordenada propia) y presente en todo sector con hogares.
4. «No se aplica» es distinto de «no sé»
La pérdida de vegetación nativa (A3) es una razón: cuánto de la vegetación nativa de 2022 pasó a uso humano en 2025. En un sector urbano con menos de 1 hectárea de vegetación nativa, esa razón no tiene base. Marqué esos sectores como no aplicables y recalculé la dimensión solo con inundación y movimiento de masa. Fue la única excepción, definida antes del cálculo. En cualquier otro caso, si faltaba una variable, el sector queda sin índice.
Cómo quedan las variables en el mapa
Antes de juntar todo en un número, vale la pena mirar cada variable por separado. Fíjate cómo agua (I1) y alcantarillado (I2) varían de 0% a 100% entre sectores, mientras que la recolección de residuos (I3) y la alfabetización (S2) son casi universales:
Algunos números del municipio entero para anclar:
- Alfabetización de 15 años o más: mediana de 97,9% entre sectores.
- Recolección de residuos: 99,1% de los hogares.
- Agua de la red general como forma principal: 35,2% de los hogares.
- Alcantarillado conectado a la red: 34,7%.
- Hogares en susceptibilidad alta a inundación: cerca del 24,6%.
- Hogares a hasta 20 minutos a pie de una USF: 56,9%; de una escuela pública con enseñanza fundamental, 65,1%.
Ya se puede sospechar de dónde viene la desigualdad, ¿no? No viene de la escuela básica ni del camión de basura. Viene del caño.
En el próximo post, junto las diez variables en el índice y muestro el mapa de Maricá que resulta: qué barrios y distritos están mejor, cuáles peor y por qué las desventajas no aparecen esparcidas, sino en manchas.