Segregación urbana e infraestructura en América Latina:

una tipología de los barrios de Bariloche

Andrés Niembro, Tomás Guevara y Eugenia Cavanagh

Documento de Trabajo No. 2019/01

Las expresiones vertidas en este documento y los posibles errores remanentes son de
exclusiva responsabilidad de los autores y no necesariamente representan la posición del
CIETES – UNRN.

Esta obra puede ser leída, grabada y utilizada con fines de estudio, investigación y
docencia. Es necesario el reconocimiento de la autoría mediante la cita correspondiente:
Niembro, A., Guevara, T. y Cavanagh, E. (2019). "Segregación urbana e infraestructura en
América Latina: una tipología de los barrios de Bariloche". Documento de Trabajo del
CIETES No. 2019/01. Bariloche, Argentina: Centro Interdisciplinario de Estudios sobre
Territorio, Economía y Sociedad (CIETES), Universidad Nacional de Río Negro.

0
 Segregación urbana e infraestructura en América Latina:
una tipología de los barrios de Bariloche1

Andrés Niembro*, Tomás Guevara*† y Eugenia Cavanagh*

* CIETES-UNRN
†
CONICET

Resumen:
El problema de la segregación urbana ha sido largamente estudiado entre los países más
avanzados y también en los países en desarrollo, pero la evidencia para América Latina
muestra que este fenómeno presenta algunas particularidades en la región, como por
ejemplo, cierta diferenciación en el acceso a la infraestructura urbana. A partir de A partir de
datos del último censo poblacional y técnicas de análisis multivariado, este trabajo aporta un
ejercicio de clasificación de los barrios de Bariloche (Argentina) que, entre otras cosas,
permite complejizar la relación entre el nivel socioeconómico de la población, su localización
residencial y la disponibilidad de infraestructura. A diferencia de trabajos previos sobre
ciudades latinoamericanas, la menor correlación entre estas cuestiones en nuestro caso de
estudio parece indicar que, si bien la infraestructura y el equipamiento urbano son
importantes para combatir la segregación urbana, las políticas públicas no debieran limitarse
sólo a dichas dimensiones.

Palabras clave: Desigualdades socioeconómicas; Hábitat e infraestructura urbana;

Clasificación de unidades espaciales; Análisis cluster; Ciudades latinoamericanas.

1
Los autores agradecen la colaboración de Marcelo Verbeke en el armado inicial de la base de datos, en el
marco de una Beca EVC-CIN dirigida por Andrés Niembro, como así también el financiamiento recibido por parte
de la Agencia Nacional de Promoción Científica y Tecnológica, a partir del proyecto PICT 2015-3020. Asimismo,
se agradecen los valiosos comentarios y sugerencias de María Cristina Cravino a una versión previa. Como es
usual, los errores remanentes son de nuestra exclusiva responsabilidad.

1
1. Introducción
La discusión sobre la segregación urbana se puede remontar al origen mismo de los
estudios urbanos, manifestando una preocupación histórica por la forma de localización de
los diferentes grupos socioeconómicos en la ciudad (Castells, 1977; Sandoval, 2011; Ellis et
al., 2018). Si bien ésta es una problemática de larga data en los países desarrollados
(Wacquant, 1993), en las últimas décadas ha ganado lugar en la agenda de investigación (y
de de políticas urbanas) en América Latina (Sabatini y Brain, 2008; Roberts y Wilson, 2009;
López-Morales et al., 2016; Ruiz-Rivera y van Lindert, 2016) y se ha puesto en evidencia
que dicho fenómeno presenta algunas características diferenciales en el contexto de las
ciudades latinoamericanas.
Las desigualdades socioeconómicas y habitacionales reflejadas en los procesos de
segregación urbana han levantado el interés de una gran variedad de autores que,
generalmente por medio de distintas técnicas de análisis multivariado, han buscado analizar
y clasificar diferentes unidades espaciales hacia el interior de las ciudades (barrios,
manzanas, distritos electorales, etc.). La definición de este tipo de clasificaciones y
tipologías empíricas no sólo ha sido un objetivo frecuente a lo largo de los estudios sobre
diversas ciudades en países desarrollados (Chow, 1998; Orfield, 2002; Mikelbank, 2004;
Miles y Song, 2009; Reibel y Regelson, 2011; Gil et al., 2012; Wei y Knox, 2014; Delmelle,
2015; 2016; Salom y Fajardo, 2017), sino también de algunos centros urbanos en América
Latina (Duhau y Giglia, 2008; Vásquez et al., 2008; Aguilar y Mateos, 2011; Burgos et al.,
2011; Marmolejo-Duarte et al., 2012; Mateos y Aguilar, 2013; Link et al., 2015) y, en
particular, en Argentina (Sánchez et al., 2007; Molinatti, 2013; Molinatti y Peláez, 2013;
Marcos et al., 2015; Di Virgilio et al., 2016).
En este marco, el objetivo del presente artículo es realizar una clasificación, a partir de datos
del último censo poblacional (año 2010), de los barrios de la ciudad de San Carlos de
Bariloche, un caso de estudio que presenta de antemano varias particularidades. Ubicada
en la Norpatagonia argentina, en el Oeste de la provincia de Río Negro, la ciudad está
rodeada y atravesada por montañas, lagos, lagunas, ríos y arroyos (figura 1). Precisamente,
el paisaje ha sido uno de los factores de mayor peso en su consolidación como un destino
turístico reconocido tanto a nivel nacional como internacional (Vejsbjerg et al., 2014). Pero,
además del atractivo natural, Bariloche se ha posicionado como una ciudad con cierta
relevancia y centralidad regional, por su función de nodo político-administrativo y de
servicios de media y alta complejidad. Todo esto ha derivado en un crecimiento poblacional
sostenido durante los últimos veinte años, convirtiéndola en la ciudad más poblada de la
provincia de Río Negro y en la tercera de la Patagonia argentina (luego de Neuquén y
Comodoro Rivadavia)2, lo que ha ido de la mano también de un importante y rápido proceso
de expansión de su mancha urbana (Abalerón, 1995; Matossian, 2015; 2016). No obstante,
se trata de una forma de urbanización más bien difusa, con bajas densidades de ocupación
en grandes porciones del ejido municipal, el cual es a su vez uno de los más extensos del
país, con más de 27.000 hectáreas.

2
Según datos del último censo poblacional, en 2010 Bariloche tenía 112.887 habitantes, frente a los 93.101
registrados en el censo anterior, del año 2001. Esto representa una variación intercensal del 21,2 %, superando
el porcentaje de aumento provincial (15,5%) y nacional (10,6 %).

2
 Figura 1. Mapa satelital de Bariloche y su geografía

Centro
urbano

Fuente: elaboración propia en base a Instituto Geográfico Nacional (Imagen Satelital Bariloche 2 - SRC:
EPSG:3857 - WGS 84 / Pseudo Mercator - Proyectado).

El ejido urbano limita con (y está totalmente rodeado por) el Parque Nacional Nahuel Huapi,
el cual fue creado en 1934 en el marco de una política nacionalista de control territorial y que
hizo especial hincapié en la conformación de una región turística (Matossian, 2015).
Asimismo, la Dirección de Parques Nacionales tuvo un papel fundamental en la provisión
inicial de infraestructura, en el proceso de urbanización, en la política de tierras y en la
expansión del ejido municipal de Bariloche (Vejsbjerg et al., 2014; Lolich y Guevara, 2015).
Desde ese momento, el perfil turístico de la ciudad se ha entrelazado con un paulatino
encarecimiento del suelo y la activación de algunos procesos de especulación inmobiliaria,
muchas veces con la participación de actores foráneos. El paisaje y la cercanía a los lagos y
montañas han ejercido un peso diferencial sobre el precio de la tierra, tanto para residencia
como para usos económicos, lo cual tiene su impacto en la estructura urbana y en las
desigualdades socio-espaciales (Medina, 2017).
En definitiva, el crecimiento urbano y demográfico, desordenado y acelerado, combinado
con desacertadas e insuficientes políticas de planificación (muchas veces subordinadas a
intereses económicos particulares), han implicado diversos problemas en la consolidación
de la trama urbana. Como veremos luego, esto se manifiesta, por ejemplo, en la dotación de
infraestructura de servicios públicos, como así también en la distribución territorial de la
población y las desiguales condiciones socio-habitacionales.
Luego de esta introducción, en la sección 2 se revisan los principales antecedentes de la
literatura y el marco teórico utilizado. En la tercera, se presenta la metodología y las fuentes
de información. En la cuarta, se analizan los resultados alcanzados, desde la determinación
de la cantidad de grupos o clusters hasta su caracterización y definición de una tipología de

3
los barrios de Bariloche. Por último, se presentan las reflexiones finales de este caso de
estudio, en discusión con la evidencia previa sobre ciudades latinoamericanas.

2. Marco conceptual y antecedentes

Desde los orígenes de las reflexiones sobre el fenómeno urbano bajo el capitalismo, autores
como Engels y Booth pusieron en evidencia las desigualdades inherentes a la ciudad
(Guevara, 2015). Estos trabajos pioneros dejaron de manifiesto cómo los diferentes grupos
sociales se localizaban y se apropiaban de manera diferencial de la ciudad, discusión que
fue retomada en las primeras décadas del siglo XX con el análisis de la segregación urbana,
en el marco del rápido proceso de industrialización en EEUU (Park et al., 1925; Wirth, 1938).
Más recientemente y al calor de la globalización, varios autores (Soja, 2000; Dear, 2002;
Janoschka, 2002; Janoschka y Sequera, 2016) postularon la idea de ciudad fractal, marcada
por una complejidad y heterogeneidad creciente, donde se entrelazan y a veces se
superponen un conjunto de fenómenos: desigualdades sociales, segregación residencial,
delincuencia, conflictividad social, etc. (De Mattos, 2002). En este marco, se fueron
desarrollando numerosos trabajos que, a partir de variables socioeconómicas,
habitacionales y/o demográficas, buscaron dar cuenta de las características diferenciales de
los barrios mediante clasificaciones y tipologías empíricas (Reibel y Regelson, 2007;
Mikelbank, 2011; Vicino et al., 2011; Delmelle, 2015; Ellis et al., 2018). En línea con los
alcances de los métodos de análisis multivariado (en particular, del análisis de clusters) y al
margen de las extensas discusiones sobre las formas de medir y cuantificar a la
segregación, por detrás de estas tipologías hay una definición más bien sencilla sobre la
segregación urbana, ya que en definitiva se trata de identificar unidades espaciales con
características relativamente homogéneas hacia su interior y heterogéneas hacia afuera,
que es el criterio que aquí adoptamos.
En el caso de América Latina, la discusión sobre la segregación urbana se desarrolla con
más fuerza a partir de la década de 1990 (Telles 1995; Calderón, 1999) de la mano de las
transformaciones urbanas derivadas de las políticas neoliberales del Consenso de
Washington3. Por ejemplo, Kaztman y Retamoso (2005; 2007) pusieron de manifiesto las
implicancias negativas de los ambientes segregados de las ciudades latinoamericanas en
términos de reproducción intergeneracional de la pobreza4. Brain et al. (2007) afirman que la
segregación está mostrando ser un problema más crítico en América Latina de lo que se
pensaba hasta hace algunos años, promoviendo una verdadera desintegración social de los
barrios populares, con la consecuente expansión de problemáticas como el narcotráfico, la
criminalidad, la deserción escolar o el desempleo crónico. A grandes rasgos, esto es lo que
en la literatura se conoce como neighbourhood effect, que implica que la estructura de
oportunidades de los individuos está condicionada directa e indirectamente por las
características del entorno barrial donde se localiza (Sampson et al., 2002; Montgomery y
Hewett, 2005; Wu et al., 2010; Sharkey y Faber, 2014).
A diferencia de EEUU y Europa, en América Latina las dimensiones vinculadas a la
infraestructura urbana son centrales para pensar tipologías de barrios, mucho más que la
antigüedad del stock habitacional, del cual muy pocas veces existen datos. Esto se vincula
con las particularidades de la urbanización en la región y el surgimiento de la informalidad
urbana como problemática. Asimismo, la cuestión del acceso o no a distintas
infraestructuras puede verse con claridad en varios de los estudios que realizan ejercicios de

3
En las décadas de 1960 y 1970 la discusión estuvo más centrada en los modelos de desarrollo, la dependencia
y la problemática de la marginalidad como particularidad de la región (Nun, 1969; Quijano, 1972), si bien pueden
encontrarse algunos trabajos iniciales sobre la problemática de la segregación (Rodríguez et al., 1973; Scarpaci
et al., 1988).
4
Existe evidencia también de esta situación en el contexto de ciudades europeas, como analizan Salom y
Fajardo (2017), en virtud de los cambios asociados a los patrones migratorios.

4
clasificación en la región (Vásquez et al., 2008; Burgos et al., 2011; Marmolejo-Duarte y
Batista-Dória de Souza, 2011; Marmolejo-Duarte et al., 2012). En algunos de estos trabajos
se encuentra que las áreas que disponen de (mejores) servicios urbanos albergan a los
estratos de mayor nivel socioeconómico, y viceversa (Marmolejo-Duarte y Batista-Dória de
Souza, 2011; Marmolejo-Duarte et al., 2012), un aspecto que, como veremos luego, será
puesto en cuestión en nuestro caso de estudio.
En la actualidad, existen dos fenómenos opuestos que profundizan la segregación urbana:
por un lado, los grandes conjuntos habitacionales de viviendas sociales y los asentamientos
informales; y por el otro, los barrios privados cerrados. Estas transformaciones están
produciendo cambios en los patrones tradicionales de segregación residencial, promoviendo
un modelo más fragmentado de estructura urbana (Janoschka, 2002; Janoschka y Sequera,
2016). No obstante, en el medio de estas manifestaciones sesgadas de inserción en la
ciudad existen múltiples matices y heterogeneidades en los barrios abiertos. En efecto, lejos
de la dualización de la estructura urbana, varios de los trabajos que analizan y clasifican a
los barrios de distintas ciudades latinoamericanas encuentran, más allá de algunos patrones
de localización, estructuras urbanas dispersas, difusas y con discontinuidades (Aguilar y
Mateos, 2011; Mateos y Aguilar, 2013; Molinatti, 2013; Link et al., 2015; Marcos et al., 2015;
Di Virgilio et al., 2016). Por su parte, la autoproducción de barrios a partir de ocupaciones de
terrenos puede ser entendida no sólo como un último recurso por parte de población en
situación vulnerable, sino también como una estrategia de localización para mejorar las
condiciones de integración urbana en el contexto de creciente periferización de las viviendas
sociales (Brain et al., 2010).

3. Metodología y fuentes de información

3.1. La construcción de la base de datos

Como es usual en la literatura empírica de estudios territoriales y en los trabajos previos en
Argentina (Sánchez et al., 2007; Molinatti, 2013; Molinatti y Peláez, 2013; Marcos et al.,
2015; Di Virgilio et al., 2016) la principal fuente de información son los censos de población y
vivienda. No obstante, una de las dificultades que plantean los censos es la unidad
geográfica para la que se presentan los datos, especialmente cuando se quiere analizar la
situación hacia el interior de las ciudades. La escala de análisis más reducida para la que
tradicionalmente se hace pública y accesible la información es la de radio censal, pero la
definición del alcance territorial de los radios censales se rige en mayor medida por criterios
metodológicos y/o pragmáticos, que facilitan la realización de los censos y el levantamiento
de los datos, y no necesariamente coincide con los límites barriales (Marcos et al., 2015; Di
Virgilio et al., 2016). Esto plantea una diferencia importante entre el trabajo actual y el aporte
previo de Sánchez et al. (2007), quienes definieron una primera clasificación de los barrios
de Bariloche en función de datos censales del 2001 que habían sido previamente
barrializados por la Dirección General de Estadísticas y Censos de la Provincia de Río
Negro. Esta publicación, que data del año 2005, se denominó Censo Nacional de Población,
Hogares y Viviendas 2001, San Carlos de Bariloche por Barrios, y fue realizada a partir de
datos (de acceso más restringido) correspondientes a las manzanas censales. En cambio,
hasta el momento no se ha elaborado un documento similar, que barrialice la información
del censo 2010, sumado a la restricción para acceder a información sobre las manzanas
censales.
En este sentido, el primer paso (y aporte) de este trabajo ha sido realizar el esfuerzo de
barrializar el censo 2010, a partir de los datos disponibles para los 159 radios censales que
conforman el ejido de la ciudad de Bariloche. Respecto de la base de información a nivel de
radios censales, priorizamos utilizar una fuente oficial y de fácil acceso para el público en
general: las Tablas dinámicas del Censo 2010, que elaboró y publicó el Ministerio de

5
Energía de la Nación para cada una de las provincias del país5. En nuestro caso, filtramos y
nos quedamos con los radios que corresponden específicamente a la ciudad de Bariloche.
Luego, se realizó un trabajo cartográfico que consistió en revisar, superponer y contrastar
las capas de barrios de Bariloche y de radios censales6, a fin de identificar correspondencias
y diferencias entre estas unidades espaciales. Como antes mencionamos, los límites de los
radios censales no necesariamente coinciden con los barriales. No obstante, en algunos
casos ocurre que un radio concuerda relativamente bien con los límites de un barrio (e.g.
San Francisco 1; Jardín Botánico) o de un grupo de barrios vecinos menos poblados en
2010 (e.g. San Francisco 2 y 3; el Este, que abarca a Villa Verde, INTA, La Colina, Aldea del
Este y Las Marías). En otras ocasiones, fue necesario juntar dos o más radios para
aproximarnos a la escala de un barrio más grande y poblado (Frutillar; Las Victorias) o,
dados los límites cambiantes de los radios, para poder cubrir un área cercana a la de un
conjunto de barrios colindantes (Unión y 2 de Abril, denominado 34 hectáreas; Arrayanes y
Eva Perón; el grupo que llamamos Pinares, desde Pinar del Lago hasta Pinar de Festa). De
esta manera, a partir de la unión de radios censales se produjo una nueva cartografía7, que
se verá reflejada más adelante (en la figura 2) y que nos ayudará también para incorporar la
dimensión territorial en la caracterización de los clusters.
En todos los casos en que la comparación entre cartografías indicaba la necesidad de unir
radios censales, se siguió además el criterio de evaluar que existiera cierta homogeneidad
entre los mismos, analizando particularmente la variable de NBI (es decir, el porcentaje de
hogares con al menos un indicador de necesidades básicas insatisfechas). Asimismo, este
criterio fue esencial para poder dirimir algunos casos complejos donde los radios colindantes
no se ajustaban a los límites barriales y se traspasaban constantemente de un barrio a otro
(por ejemplo, en la zona de Las Quintas, Nueva Esperanza, Lera, Las Mutisias y Perito
Moreno). Allí se identificaron los radios núcleo para cada barrio (o conjunto de barrios) y los
restantes radios se distribuyeron combinando el criterio geográfico y el de homogeneidad en
NBI, de forma de asignar los radios superpuestos para un lado u otro, según el caso. En
otras ocasiones (e.g. en Lomas de Monteverde), el criterio de homogeneidad nos llevó a
dividir al barrio en dos fracciones (Norte y Sur), ya que los radios respectivos presentaban
niveles de NBI diferentes y, de haberlos integrado, hubiéramos trabajado con una unidad de
análisis abiertamente distorsionada. Por último, vale destacar que, en lugar de trabajar con
el Centro como una única gran área (que integraría a más de una decena de radios), se
decidió dividirlo en subsecciones, de forma de poder contar con escalas más pequeñas y en
línea con el resto de las unidades identificadas. En el Anexo 1 se presenta una tabla de
correspondencias donde pueden apreciarse cómo se distribuyeron los 159 radios censales
entre los 77 barrios y grupos de barrios conformados, lo cual permite a su vez replicar y/o
perfeccionar el trabajo realizado.
Una característica general de los censos (obviamente también del censo 2010) es que el
cuestionario ampliado, que abarca un mayor volumen de información, únicamente se aplica
a una muestra de la población y por ello los datos relevados no están disponibles para el
nivel de radios censales (Marcos et al., 2015). No obstante, las variables que se derivan del
cuestionario básico permiten cubrir varias dimensiones socioeconómicas y habitacionales
relevantes, en línea con indicadores utilizados de forma tradicional en la literatura
especializada (Zhou et al., 2004; Sánchez et al., 2007; Vásquez et al., 2008; Miles y Song,
2009; Aguilar y Mateos, 2011; Burgos et al., 2011; Marmolejo-Duarte y Batista-Dória de

5
Todas las tablas provinciales se encuentran disponibles en el siguiente link:
https://sig.se.gob.ar/geoportal/index.php/proyectos/?id=23
El link específico de la tabla de Río Negro es:
https://sig.se.gob.ar/geoportal/docs/TD_DATOS_INDEC/TD_RIO_NEGRO.xlsx
6
Un visualizador de los radios censales, también de fácil acceso, puede encontrarse en la misma web del
Ministerio de Energía: https://apps.se.gob.ar/visualizadorcenso2010/index.php
7
Los límites de los radios fueron tomados como base para las nuevas unidades, construidas a partir de la
técnica de unión de polígonos en una nueva capa vectorial.

6
Souza, 2011; Mateos y Aguilar, 2013; Molinatti, 2013; Marcos et al., 2015; Salom y Fajardo,
2017). Como puede apreciarse en el cuadro 1, las variables utilizadas se organizan en
diferentes ejes de análisis (al igual que en Sánchez et al., 2007): NBI, infraestructura,
régimen de tenencia, características de la vivienda, tenencia de bienes (proxy del poder
adquisitivo) y educación del jefe de hogar. Para mayor claridad en la interpretación (lo
veremos luego en los gráficos), se procuró expresar a las variables en un sentido positivo
(es decir, ausencia de NBI, acceso a infraestructura, a bienes, etc.), salvo por el régimen de
tenencia, donde se presentan tres tipos alternativos (y sin una valoración previa sobre los
mismos). En el cuadro 1 se aprecia, además, la existencia de importantes niveles de
variabilidad en la mayoría de los indicadores, lo cual nos da un primer indicio de las
heterogeneidades barriales en Bariloche. Como veremos más adelante, los dos valores
extremos resaltados en negrita respecto al régimen de propiedad corresponden a un barrio
muy particular que, luego del ejercicio, quedará identificado como un caso único.

Cuadro 1. Variables utilizadas que caracterizan a los hogares

(porcentaje del total de hogares del barrio o grupo de barrios conformado)
Desvío
Media Mínimo Máximo
estándar
NBI
Sin ninguna necesidad básica insatisfecha 90,1 11,5 46,7 100
Infraestructura
Acceso a gas de red 85,6 20,2 21,2 100
Acceso a cloacas 53,0 40,6 0 100
Acceso a red pública de agua 89,7 21,2 12,4 100
Régimen de tenencia
Propietario (de la vivienda y el terreno) 60,7 13,4 2,5 85,0
Inquilino 20,0 13,4 0,5 55,0
Otros casos (ocupación, préstamo, etc.) 19,2 11,7 4,3 71,8
Características de la vivienda
Con baño dentro de la vivienda 97,0 3,9 82,7 100
Con cañería de agua dentro de la vivienda 94,6 8,0 59,2 100
Menos de 2 personas por cuarto 84,7 12,0 40,8 98,8
Tenencia de bienes
Con heladera 95,2 5,2 75,1 100
Con computadora 62,4 17,4 11,4 92,0
Con teléfono fijo 59,7 18,1 12,5 86,4
Educación del jefe de hogar
Completó la educación primaria 88,4 9,6 59,8 100
Completó la educación secundaria 51,3 24,6 7,1 89,8
Cursó y/o completó la educación superior 30,6 22,0 1,6 73,2
Fuente: elaboración propia.

3.2. Los métodos de análisis multivariado

La metodología adoptada en este trabajo se condice con las técnicas de análisis
multivariado generalmente utilizadas en la literatura, en particular, la combinación de análisis
de componentes principales (ACP) y análisis cluster (Chow, 1998; Song y Knaap, 2007;
Vicino et al., 2007; Vicino, 2008; Hanlon, 2009; Li y Chuang, 2009; Manaugh et al., 2010;
Vicino et al., 2011; Owens, 2012; Link et al., 2015). En términos estadísticos, el ACP permite
pasar de un conjunto de variables correlacionadas entre sí a un menor número de factores
incorrelacionados (Johnson y Wichern, 2008; Hair et al., 2010). De este modo, el análisis
factorial es muchas veces un medio para un fin más que un fin en sí mismo (Johnson y

7
Wichern, 2008), ya que los resultados pueden aprovecharse como insumos intermedios para
otras técnicas, entre ellas, el análisis cluster.
Al analizar las variables incluidas en cada eje, encontramos altos niveles de correlación
dentro de los tres últimos (características de la vivienda, tenencia de bienes y educación del
jefe de hogar), por lo que apelamos al ACP para obtener en cada caso un componente que
condense la información o variabilidad compartida por estos indicadores. Además del
análisis de la matriz de correlaciones, el uso del ACP se sustenta en otros criterios
estadísticos que también se satisfacen, como el test de esfericidad de Bartlett, la medida de
adecuación muestral de Kaiser-Meyer-Olkin (KMO) o la evaluación de las comunalidades de
las variables (Hair et al., 2010). Asimismo, en todos los casos resulta apropiado extraer
únicamente el primero de los componentes principales, puesto que así lo indica el criterio de
Kaiser (1960), el cual consiste en quedarse con los componentes principales cuyos
autovalores sean mayores a 1. De este modo, obtenemos tres nuevos indicadores que
sintetizan la información contenida en los últimos ejes: vivienda, bienes y educación (y que
explican el 85%, 89% y 95% de la varianza de las variables originales, respectivamente).
Un punto a tener en cuenta es que tanto el ACP como el análisis cluster son sensibles a
cambios de escala o al uso de diferentes rangos de medidas, por lo que inicialmente es
necesario estandarizar a las variables (Johnson y Wichern, 2008; Hair et al., 2010), algo que
generalmente se suele realizar por medio de Z scores. Es decir, a las variables originales se
les resta la media y luego se dividen por el desvío estándar, de forma que una vez
estandarizadas tengan media 0 y desvío 1. Por otro lado, los tres componentes derivados
del ACP ya tienen estas características. Dicho en otros términos, antes de proceder con el
análisis cluster convertimos en Z scores los 7 indicadores correspondientes a los ejes de
NBI, infraestructura y régimen de tenencia, y agregamos a la base los 3 componentes
principales que dan cuenta, cada uno, de las características de la vivienda, de la tenencia de
bienes y del nivel educativo del jefe de hogar.
En línea con el criterio de segregación que aquí adoptamos, el objetivo del análisis cluster
es maximizar la homogeneidad entre los casos incluidos dentro de cada conglomerado, al
mismo tiempo que se maximiza la heterogeneidad entre los clusters conformados. Esto
permite distinguir las particularidades de cada grupo, asignarle un nombre o descripción a
cada uno y, en función de ello, definir una tipología empírica. Dentro de las distintas
alternativas para llevar a cabo un análisis cluster, en este trabajo recurrimos a una de las
técnicas jerárquicas comúnmente más empleada, el método de Ward, junto con la medida
de proximidad recomendada para este método, la distancia euclídea al cuadrado (Johnson y
Wichern, 2008; Hair et al., 2010). Vale destacar que esta misma técnica ha sido utilizada por
varios de los trabajos especializados en la temática (Pallas-González et al., 2000;
Mikelbank, 2004; Sánchez et al., 2007; Mikelbank, 2011; Marcos et al., 2015), mientras que
otros recurren a distintos métodos jerárquicos alternativos (Webber, 1977; Webber y Craig,
1978; Bingham et al., 1997; Aguirre et al., 2013; Link et al., 2015; Salom y Fajardo, 2017).
Los métodos jerárquicos consisten en una serie de pasos de combinación de casos según el
grado de similitud (o distancia) entre los mismos, que gráficamente adoptan la forma de un
diagrama de árbol o, más técnicamente, un dendrograma. Las ramas de este gráfico
representan a cada uno de los clusters que se van conformando a medida que la distancia
aumenta a través de uno de los ejes. En este sentido, un beneficio de estos métodos es la
posibilidad de inspeccionar visualmente cómo se van conformando los clusters, junto con el
desarrollo de algunos criterios prácticos (stopping rules) que son de utilidad al momento de
definir la cantidad final de clusters a formar. Aquí seguimos una de las reglas más simples y
comúnmente utilizada para evaluar los resultados de las técnicas jerárquicas (Hair et al.,
2010): analizar el cambio porcentual en la heterogeneidad para cada etapa del proceso
aglomerativo. La heterogeneidad hace referencia a que al irse, paso a paso, combinando
diferentes casos entre sí y reduciéndose el número de clusters, tienden a vincularse
observaciones cada vez más disímiles y a aumentar la diferenciación intra-grupos. Si al
combinar dos clusters se produce un salto en la medida de heterogeneidad, es decir, un

8
aumento porcentual en relación a las etapas previas del proceso, entonces podría tomarse
la decisión de no dar ese paso y quedarse con la solución (número de clusters) anterior. En
términos operativos, utilizamos como medida de heterogeneidad a la suma de los cuadrados
de los errores intra-cluster que provee el método de Ward.

4. Resultados

4.1. Determinación de la cantidad de clusters

Como se aprecia en el gráfico 1, un primer quiebre en los niveles de heterogeneidad intra-
clusters se produce al pasar de los 11 grupos a 10, por lo que una solución posible sería en
principio la de 11 clusters. Este mismo criterio podría indicarnos como soluciones
alternativas los 8 o 6 clusters. Si bien es común que haya otros saltos marcados en las
últimas etapas del proceso de aglomeración, como ocurre alrededor de los 3 y 2 clusters,
estas soluciones no suelen ser interesantes en términos analíticos, ya que de por sí parten
de haber aglutinado previamente casos muy diferentes entre sí.

Gráfico 1. Cambio (porcentual) en la heterogeneidad según cantidad de clusters

45
(suma de los cuadrados de los errores)
Cambio porcentual en heterogeneidad

40

35

30

25

20

15

10

0
20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
Cantidad de clusters

Fuente: elaboración propia.

Una de las ventajas del dendrograma que se deriva de los métodos jerárquicos es poder
comparar y evaluar las distintas soluciones alternativas, analizando cuáles son los casos
que se combinan al reducir el número de clusters y si se trata o no de contextos barriales
que conviene mantener por separado. En el gráfico 2 puede apreciarse que las diferencias
entre las soluciones de 8 y 11 clusters radican en la división de la rama B en tres subgrupos
(B1, B2 y B3) y de la F en dos (F1 y F2). Como veremos a continuación, estos clusters más
desagregados presentan algunas características que los distinguen de sus hermanos, por lo
que resulta más rica analíticamente la solución de 11 clusters. Este mismo argumento se
acentúa al contrastar con la solución de 6 clusters, ya que tres de los 8 grupos previos, los
cuales veremos que tienen algunas diferencias bien marcadas (C, D y E), se integrarían en
un único cluster. Más en términos estadísticos, el hecho de trabajar con 11 clusters
encuentra sustento también a partir del análisis de la varianza (ANOVA), ya que se verifica
que la media de los distintos conglomerados para cada variable de estudio es
significativamente diferente entre sí (cuadro 2).

9
 Gráfico 2. Dendrograma del ejercicio de clusterización

Disimilitud (distancia euclídea al cuadrado)

(C+D+E) 6
B F 8
A B1 B3 C D E F1 F2 G H 11
B2

Fuente: elaboración propia.

Cuadro 2. Análisis de la varianza (ANOVA)

Suma de Grados de Media
F
cuadrados libertad cuadrática
NBI (sin) 68,285 10 6,829 58,412***
Red de agua 68,858 10 6,886 63,630***
Cloacas 65,102 10 6,510 39,425***
Gas de red 61,419 10 6,142 27,799***
Vivienda 64,998 10 6,500 38,988***
Bienes 65,554 10 6,555 41,419***
Educación 66,692 10 6,669 47,289***
Propietario 57,777 10 5,778 20,925***
Inquilino 64,251 10 6,425 36,090***
Otra tenencia 49,903 10 4,990 12,620***
Fuente: elaboración propia.
Nivel de significación: * p<0,05; ** p<0,01; *** p<0,001.

4.2. Definición de una tipología de barrios

Las características de estos 11 tipos de barrios en Bariloche se pueden comenzar a
entender a partir del cuadro 3, el cual refleja el promedio de las diez variables de análisis
para cada uno de los clusters conformados. Por el proceso de estandarización, los valores
responden la siguiente pregunta: ¿a cuántos desvíos estándar se encuentra el promedio
grupal de la media general de todos los barrios de Bariloche, ya sea para arriba o para
abajo? Dado que todas las variables socio-residenciales (desde NBI a Educación, en el
cuadro) están expresadas en términos positivos, los valores negativos dan cuenta
precisamente de situaciones de carencia o vulnerabilidad. Para hacerlo más gráfico aún,
hemos utilizado una escala de rojos y verdes para distinguir las situaciones desventajosas
de las favorables y, a su vez, su magnitud: color oscuro, cuando el promedio del cluster es
mayor o menor a ± 1, respectivamente; intermedio, para valores entre ± 0,5 y ± 0,99; y claro,

10
entre ± 0,49 y 0. Para homogeneizar el análisis, esta misma coloración se aplica a las
distintas variables que caracterizan al régimen de tenencia, pero allí no puede hacerse de
antemano una valoración de casos favorables y desfavorables, sino que los colores grafican
meramente la distancia entre el promedio del cluster y la media general.

Cuadro 3. Medias de los clusters en cada dimensión de análisis

Variables socio-residenciales Régimen de tenencia
Cluster NBI Red de Gas de Otra
Cloacas Vivienda Bienes Educación Propietario Inquilino
(sin) agua red tenencia
A -3,52 0,26 -0,79 -2,62 -2,97 -3,05 -1,64 0,36 -1,36 1,13
B1 -1,46 0,45 0,41 -0,33 -1,78 -1,24 -1,42 0,36 -1,07 0,81
B2 -0,52 0,43 -1,09 -0,24 -0,65 -0,50 -0,89 0,41 -0,65 0,27

B3 -0,64 -0,75 -1,02 -2,47 -1,15 -1,48 -0,75 -0,21 -0,91 1,28
C -0,53 0,47 0,77 0,17 -0,17 -0,30 -0,61 -0,66 0,23 0,49
D 0,47 0,48 1,02 0,61 0,49 0,38 0,54 -1,25 1,70 -0,50

E 0,80 0,25 0,66 0,44 0,91 1,19 1,26 -4,34 0,43 4,49

F1 0,45 -0,15 -1,01 0,18 0,38 0,56 0,75 0,39 -0,14 -0,29

F2 0,75 0,28 -0,19 0,64 0,85 1,15 1,31 0,08 0,77 -0,97
G 0,53 0,47 1,07 0,66 0,48 0,20 -0,76 1,10 -0,84 -0,30
H 0,29 -2,85 -1,27 -0,99 0,20 -0,12 0,64 0,10 -0,27 0,19
Fuente: elaboración propia.

En términos territoriales, el siguiente mapa (figura 2) nos permite visualizar la localización

geográfica de los barrios que conforman cada uno de los 11 clusters. A partir del cruce entre
el cuadro 3 y el mapa, y siguiendo en cierta medida a las ramas principales del
dendrograma, podemos caracterizar mejor a los distintos tipos de barrios en Bariloche y
derivar una taxonomía empírica.
Un primer caso particular, que conviene aislar del análisis general y que el mismo ejercicio
metodológico reconoce como un cluster aparte, es el E. Este conglomerado abarca a una
sola unidad geográfica de análisis, que se conforma por el barrio Militar y el Centro Atómico
Bariloche. La característica sobresaliente es que son ocupantes por razones laborales de
viviendas estatales pertenecientes a diferentes organismos públicos, las cuales cuentan con
buenas condiciones habitacionales y acceso a infraestructura, y que poseen (en promedio)
un alto nivel educativo y adquisitivo. La contracara de esta ocupación por trabajo es el
prácticamente nulo porcentaje de propietarios. Este caso ya había sido identificado como un
cluster en sí mismo en el trabajo de Sánchez et al. (2007), a partir de datos del Censo 2001.
No obstante, a diferencia de dicho trabajo, donde encontraban otros cinco clusters
compuestos por un solo barrio, aquí es el único, lo cual nos permite desarrollar una tipología
mucho más interesante en términos analíticos.

11
 Figura 2. Mapa de Bariloche con los clusters de barrios conformados

Fuente: elaboración propia en base a cartografía del INDEC.

12
Si dejamos de lado al cluster E, ya que responde a un caso muy específico y aislado de
complejos habitacionales que son propiedad del Estado y que ocupan los propios
trabajadores, podemos identificar los siguientes tipos (más generales) de barrios en
Bariloche:

Barrios suburbanos populares: A y Bs (B1, B2, B3)

En términos generales, los barrios clasificados en A y B se ubican en áreas suburbanas (o
en los márgenes del centro urbano) y son barrios populares, en el sentido de que allí habitan
sectores asalariados (registrados o no) de ingresos medios-bajos y bajos, desocupados y
trabajadores de la economía popular. Tradicionalmente, a estos barrios se los suele
denominar, de forma simplista y un tanto estereotipada, como el Alto. No obstante, el hecho
de que aquí se los pueda dividir en cuatro clusters distintos da cuenta de la existencia de
cierta diferenciación al interior de este grupo, tanto en términos socioeconómicos como de
acceso a infraestructura.
El cluster A abarca a barrios populares con restricciones en infraestructura y muy bajo nivel
socioeconómico (e.g. Unión, 2 de Abril, Nahuel Hue, Vivero)8. Tienen el peor registro en
términos de NBI, de educación, de tenencia de bienes (poder adquisitivo) y de
características habitacionales, sumado a carencias en el acceso a cloacas y, especialmente,
red de gas. En general, son barrios de conformación más reciente, con una cuota importante
de tomas y ocupación informal de tierras, de donde se deriva, en buena medida, su falta de
consolidación urbana. Este grupo tiene algunas características similares al cluster B3, al que
denominamos barrios populares periurbanos con grandes restricciones en infraestructura y
bajo nivel socioeconómico (Llanquihue, Pilar 1 y 2, radio periurbano). Junto con el reducido
poder adquisitivo y formas irregulares de tenencia, la lejanía de los territorios pertenecientes
a B3 explica también parte de las privaciones en materia de infraestructura urbana (por lo
que se agrega, por ejemplo, la carencia de agua de red).
En cambio, los clusters B1 y B2 corresponden a grupos de barrios populares consolidados,
en función del nivel de dotación de infraestructura y servicios urbanos que muestran. Pero,
por el nivel socioeconómico, el B1 se parece más al B3, por lo que hablamos de barrios
populares consolidados y de bajo nivel socioeconómico (e.g. Arrayanes, Eva Perón,
Mutisias, Progreso). Si bien el grupo B2 presenta limitaciones en el acceso a cloacas (en
parte por estar un poco más alejado del centro), por sobre todo da cuenta de los barrios
populares consolidados de mejores condiciones socioeconómicas (e.g. Frutillar, Omega,
San Francisco 2 y 3, Virgen Misionera). Al margen de la infraestructura, en términos
comparativos el cluster B2 tiene valores más altos en materia de vivienda, educación y
poder adquisitivo, y menores niveles de ocupación habitacional.

Barrios céntricos consolidados: C y D

Son barrios que se localizan en zonas relativamente céntricas, muy consolidadas en materia
de infraestructura y servicios urbanos. Sin embargo, presentan algunas diferencias
socioeconómicas y también de localización. Mientras el cluster D abarca a unidades
espaciales en el núcleo del centro urbano o en un primer anillo, los barrios del C están un
poco más alejados, generalmente en un segundo anillo. En parte por ello, en el primer caso
hablamos de barrios micro-céntricos consolidados de sectores medios-altos (e.g.
microcentro, Belgrano, Anasagasti, El Mallín), puesto que allí se observan niveles
educativos y de capacidad de consumo relativamente altos. Asimismo, en el cluster D se
dan los mayores porcentajes de inquilinato de toda la ciudad, dado el proceso de
densificación y verticalización (como contracara, hay una menor proporción de habitantes

8
En el Anexo 2 se incluye un listado completo de los barrios que conforman cada cluster.

13
propietarios). En cambio, el cluster C reúne a barrios macro-céntricos consolidados de
sectores medios-bajos, con mayor precariedad en las viviendas, NBI y menor nivel educativo
(e.g. Lera, San Francisco 1, Ceferino, Nueva Esperanza).

Barrios suburbanos de sectores medios-altos: Fs (F1 y F2)

En parte por la búsqueda del paisaje, la ciudad de Bariloche ha crecido en extensión a lo
largo del Lago Nahuel Huapi, sobre los ejes de las Avenidas (Rutas) Bustillo y Pioneros,
hacia el Oeste, y la Ruta 237 al Este. De ahí que los barrios en estos ejes de expansión (en
particular, los del Oeste) se denominan genéricamente los kilómetros. Este es el lugar de
asiento preferido por los sectores de ingresos medios y medios-altos, que viven en barrios
con una dotación relativamente buena de infraestructura y servicios urbanos, con la
excepción particular del acceso a la red de cloacas, que se ha visto restringida por la
distancia al centro o la menor antigüedad de algunos barrios. Esto último se verifica
especialmente en el cluster F1, al que denominamos barrios suburbanos de sectores
medios-altos con algunas restricciones de infraestructura (e.g. Lago Moreno, Casa de
Piedra, Playa Serena, Los Coihues). En cambio, estas limitaciones son mucho más
puntuales en el cluster F2, que además de una mayor cercanía al centro presenta elevados
niveles educativos y adquisitivos, como así también una mayor proporción de inquilinos (sólo
por detrás del cluster D). Se trata, en este caso, de barrios suburbanos consolidados de
sectores medios-altos (e.g. Cipresales, Las Vertientes, Maitenes, Melipal, Pinares).

Barrios de viviendas e infraestructura social para sectores medios-bajos (entre el centro y

los suburbios): G
Barrios donde viven sectores medios-bajos y bajos, con un perfil educativo también bajo,
pero cuyas condiciones de infraestructura urbana son muy buenas (prácticamente, iguales al
cluster D) y la proporción de propietarios es la más alta de la ciudad. Estas características
se explican, en buena medida, por el hecho de tratarse de viviendas sociales construidas
por el Estado (e.g. 40, 84, 112, 154, 204, 218, 400 viviendas), en muchos casos hace varias
décadas y, dada la mayor disponibilidad de tierras en ese momento, en los márgenes del
macro-centro o en zonas suburbanas cercanas.

Barrios suburbanos poco consolidados (o agrestes) de sectores medios: H

Barrios donde viven sectores medios (y algunos más acomodados) con un buen nivel
educativo pero que, por preferencias en su localización, priorizan el entorno natural, la
cercanía con el bosque y/o el lago, en espacios alejados del centro, con algunas barreras
físicas (cerros, lagos, lagunas) y donde la dotación de infraestructura y servicios urbanos es
todavía deficitaria (e.g. Colonia Suiza, Península, El Trébol, Lago Gutiérrez).

5. Reflexiones finales
Prácticamente desde los inicios de la reflexión sobre la ciudad capitalista existió la
preocupación por analizar la lógica de localización habitacional de los diferentes grupos
sociales y por el nivel de (des)integración social efectiva que experimentaban. En base al
ejercicio realizado de clasificación de barrios, apreciamos nuevamente que Bariloche se
corresponde con la idea de una ciudad segregada, fragmentada, heterogénea y diversa en
su interior, aunque la tipología presentada trasciende y complejiza a los estereotipos
tradicionales del Centro, el Alto o los kilómetros. Está claro que esta heterogeneidad y
diversidad no se limita a los clusters conformados, sino que además se pueden encontrar
distintos niveles de diferenciación entre los barrios que componen cada grupo, al igual que
hacia adentro de los mismos barrios. En este sentido, agrupar las unidades espaciales

14
facilita una mirada general sobre las características socio-habitacionales de la población a
partir del análisis de los datos, lo que significa un insumo importante para los procesos de
reflexión, gestión y planificación urbana. Pero, a la vez, nos invita a continuar profundizando
el estudio en futuras investigaciones, que contribuyan a la comprensión de la complejidad
que caracteriza a la trama socio-urbana.
Un aspecto destacable del caso de Bariloche es que la fragmentación y segregación urbana
no se asocian directamente al fenómeno, tan estudiado en la literatura, de los barrios
cerrados, que en la ciudad se pueden contar con los dedos de la mano y hasta encontrar
historias de fracasos, sino más bien a desigualdades y jerarquías entre los barrios abiertos.
Otra cuestión distintiva de Bariloche, que también contribuye con la discontinuidad y
dispersión de la trama urbana, es el efecto del propio entorno físico y las barreras naturales,
a partir del relieve montañoso en ciertas zonas del ejido, así como la presencia de cursos y
cuerpos de agua permanentes o intermitentes, que condicionan las formas de ocupación y
urbanización del territorio. Por ejemplo, el Cerro Otto (cuyo radio se encuentra dentro del
cluster H) es un elemento geográfico que obstaculiza el desarrollo continuo del tejido urbano
y la conectividad, separando a algunos barrios acomodados del cluster F2 de los barrios
populares hacia el sur (A y Bs). Estas características obviamente inciden en los procesos de
segregación urbana, o han sido incluso funcionales a la desintegración, como una forma de
ocultar a algunas porciones de la población (Pérez, 2004).
Bariloche presenta una estructura urbana dispersa y extensa, con límites difusos y
manchones urbanizados discontinuos en algunas zonas. Ejemplos de esto son los barrios
populares de los grupos A, B2 y B3, pero también algunos de sectores medios como los
clusters F1 y H, cada uno con sus particularidades y diferencias. Estos últimos grupos de
barrios (F1 y H) representan, a su vez, un contraejemplo para la literatura latinoamericana
que ha tendido a encontrar una relación directa entre el acceso a la infraestructura de
servicios públicos y el nivel socioeconómico de los hogares. En el caso de Bariloche
pareciera que la disponibilidad de recursos naturales compensa para algunos a la ausencia
de ciertos servicios, que por otro lado pueden obtenerse de ese mismo entorno físico (como
lo son las vertientes de agua) o que pueden remediarse de algún modo (como a través de
un correcto tratamiento de los efluentes residenciales). Otro contraejemplo, pero a la
inversa, es el cluster G de viviendas sociales construidas por el Estado. Por las
características de estas políticas habitacionales, de varias décadas atrás, en cercanías del
centro y destinadas a hogares de ingresos medio-bajos y bajos, la infraestructura y ciertas
cualidades residenciales están garantizadas. Una relación similar entre relativa
consolidación de infraestructura y sectores más populares se aprecia igualmente en los
alrededores del centro (clusters C y B1). Por lo tanto, sólo en el micro-centro y en los barrios
acomodados cercanos (grupos D y F2) se da el vínculo directo entre servicios urbanos y
condiciones socioeconómicas favorables.
Los clusters, a su vez, permiten rastrear diferentes capas geológicas de la acción de las
políticas habitacionales. El cluster G muestra esto con claridad, al concentrar los conjuntos
habitacionales de viviendas sociales propios de décadas pasadas, que eran producto de las
políticas de erradicación de asentamientos precarios (Pérez, 2004). Mientras tanto, los
cluster A y Bs muestran, con diferentes grados de maduración, el sedimento de los procesos
de urbanización informal, que se extendieron en la región y en nuestro país con fuerza
desde la década de 1980 y que parten de tomas de tierras y las posteriores políticas de
regularización y mejoramiento habitacional. Estas políticas buscaban afianzar a la población
en su lugar de radicación, a partir de mejorar progresivamente las viviendas que habitaban,
el acceso a los servicios, regularizar la tenencia de las viviendas y dotar de equipamiento
comunitario a estos barrios.
La falta de correlación que se observa en Bariloche respecto a la lógica de localización
territorial de los distintos grupos sociales y el acceso a los servicios permite reflexionar sobre
las distintas dimensiones de la segregación, la cual trasciende, aunque está condicionada
por, la materialidad de la infraestructura urbana. En términos de políticas públicas, más allá

15
de la infraestructura y el equipamiento, que conforman sin dudas un aspecto central de la
integración urbana, está claro que existen otras dimensiones ligadas a la integración
socioeconómica, como así también un componente más subjetivo, simbólico y de muy difícil
medición, que tiene que ver finalmente con el sentido de pertenencia a una comunidad. Con
todas sus posibles limitaciones, esperamos que el presente trabajo pueda resultar un
insumo interesante no sólo para futuras investigaciones, sino especialmente para la
elaboración de políticas públicas que apunten a la integración urbana, principalmente de la
población que enfrenta mayores condiciones de vulnerabilidad.

Referencias
Abalerón, C. A. (1995). "Difusión espacial de la pobreza y destrucción del patrimonio natural:
las dos caras de una misma moneda". EURE - Journal of Latin American Urban and
Regional Studies, 21 (64), 61-74.
Aguilar, A. G. y Mateos, P. (2011). "Diferenciación sociodemográfica del espacio urbano de
la Ciudad de México". EURE - Journal of Latin American Urban and Regional
Studies, 37 (110), 5-30.
Aguirre, C., Blanco, C., Canals, C., Mena, C., Fábrega, F. y Paulus, N. (2013). "Elección
escolar en contexto sociogeográficos diferenciados: una tipología de comunas de la
ciudad de Santiago". Documento de Trabajo, Instituto de Filosofía y Ciencias de la
Complejidad (IFICC), Santiago de Chile.
Bingham, R. D., Bowen, W. M. y Kimble, D. (1997). "The Ohio Edge Cities Project", En
Bingham, R. D., W. M. Bowen y Y. Amara (ed.), Beyond Edge Cities. New York:
Routledge
Brain, I., Cubillos, G. y Sabatini, F. (2007). "Integración social urbana en la nueva política
habitacional". Dirección de Asuntos Públicos, 2 (7), 1-15.
Brain, I., Prieto, J. J. y Sabatini, F. (2010). "Vivir en Campamentos: ¿Camino hacia la
vivienda formal o estrategia de localización para enfrentar la vulnerabilidad?". EURE
- Journal of Latin American Urban and Regional Studies, 36 (109), 111-41.
Burgos, S., Koifman, R. J., Montaño Espinoza, R. y Atria Curi, J. (2011). "Tipologías
residenciales en comunidades chilenas en condiciones de precariedad habitacional".
Revista Panamericana de Salud Pública, 29, 32-40.
Calderón, J. A. (1999). "Algunas consideraciones sobre los mercados ilegales e informales
de suelo urbano en América Latina". Lincoln Institute of Land Policy.
Castells, M. (1977). The Urban Question. London: Edward Arnold.
Chow, J. (1998). "Differentiating urban neighborhoods: A multivariate structural model
analysis". Social Work Research, 22 (3), 131-42.
De Mattos, C. (2002). "Transformación de las ciudades latinoamericanas:¿ Impactos de la
globalización?". EURE - Journal of Latin American Urban and Regional Studies, 28
(85), 5-10.
Dear, M. (ed.) (2002). From Chicago to LA: Making sense of urban theory. London: Sage.
Delmelle, E. C. (2015). "Five decades of neighborhood classifications and their transitions: A
comparison of four US cities, 1970–2010". Applied Geography, 57, 1-11.
Delmelle, E. C. (2016). "Mapping the DNA of urban neighborhoods: Clustering longitudinal
sequences of neighborhood socioeconomic change". Annals of the American
Association of Geographers, 106 (1), 36-56.
Di Virgilio, M. M., Marcos, M. y Mera, G. (2016). "Heterogeneidades socio-habitacionales en
la ciudad de Buenos Aires: indagaciones sobre la base de una tipología de entornos
urbanos". Cuaderno urbano, 20 (20), 163-89.
Ellis, M., Wright, R., Holloway, S. y Fiorio, L. (2018). "Remaking white residential
segregation: metropolitan diversity and neighborhood change in the United States".
Urban Geography, 39 (4), 519-45.

16
Gil, J., Beirão, J. N., Montenegro, N. y Duarte, J. P. (2012). "On the discovery of urban
typologies: data mining the many dimensions of urban form". Urban morphology, 16
(1), 27-40.
Guevara, T. A. (2015). "Abordajes disciplinares sobre las transformaciones territoriales en
las ciudades latinoamericanas en las últimas cuatro décadas". EURE - Journal of
Latin American Urban and Regional Studies, 41 (124), 5-24.
Hair, J., Black, W., Babin, B. y Anderson, R. (2010). Multivariate Data Analysis. 7th Edition.
Londres: Pearson.
Hanlon, B. (2009). "A typology of inner‐ring suburbs: Class, race, and ethnicity in US
suburbia". City & Community, 8 (3), 221-46.
Janoschka, M. (2002). "El nuevo modelo de la ciudad latinoamericana: fragmentación y
privatización". EURE - Journal of Latin American Urban and Regional Studies, 28
(85), 11-20.
Janoschka, M. y Sequera, J. (2016). "Gentrification in Latin America: addressing the politics
and geographies of displacement". Urban Geography, 37 (8), 1175-94.
Johnson, R. y Wichern, D. (2008). Applied Multivariate Statistical Analysis. 6th Edition.
Londres: Pearson.
Kaiser, H. F. (1960). "The application of electronic computers to factor analysis". Educational
and psychological measurement, 20, 141-51.
Kaztman, R. y Retamoso, A. (2005). "Spatial segregation, employment and poverty". CEPAL
review, 85, 125-41.
Kaztman, R. y Retamoso, A. (2007). "Effects of urban segregation on education in
Montevideo". CEPAL review, 91, 133-53.
Li, Y.-S. y Chuang, Y.-C. (2009). "Neighborhood effects on an individual’s health using
neighborhood measurements developed by factor analysis and cluster analysis".
Journal of Urban Health, 86 (1), 5.
Link, F., Valenzuela, F. y Fuentes, L. (2015). "Segregación, estructura y composición social
del territorio metropolitano en Santiago de Chile: Complejidades metodológicas en el
análisis de la diferenciación social en el espacio". Revista de Geografía Norte
Grande, (62), 151-68.
Lolich, L. y Guevara, T. A. (2015). "Public Policies Under Tension: Tourism and
Environmental Protection-A Case Study in Patagonia". Athens Journal of Tourism, 2
(4), 241-58.
López-Morales, E., Shin, H. B. y Lees, L. (2016). "Latin American gentrifications". Urban
Geography, 37 (8), 1091-108.
Manaugh, K., Miranda-Moreno, L. F. y El-Geneidy, A. M. (2010). "The effect of
neighbourhood characteristics, accessibility, home–work location, and demographics
on commuting distances". Transportation, 37 (4), 627-46.
Marcos, M., Mera, G. y Di Virgilio, M. M. (2015). "Contextos urbanos de la Ciudad de Buenos
Aires: una propuesta de clasificación de la ciudad según tipos de hábitat". Papeles de
población, 21 (84), 161-96.
Marmolejo-Duarte, C. y Batista-Dória de Souza, N. J. (2011). "Estructura urbana y
segregación socioresidencial: un análisis para Maceió-Alagoas, Brasil". Papeles de
población, 17 (70), 247-86.
Marmolejo-Duarte, C., Fitch-Osuna, J. M. y Batista-Dória de Souza, N. J. (2012). "Estructura
urbana y segregación socioresidencial en América Latina". 8º Congreso Internacional
Ciudad y Territorio Virtual, Río de Janeiro, 10, 11 y 12 Octubre 2012.
Mateos, P. y Aguilar, A. G. (2013). "Socioeconomic segregation in Latin American cities. A
geodemographic application in Mexico City". Journal of settlements and spatial
planning, 4 (1), 11-25.
Matossian, B. (2015). "División social del espacio residencial y migraciones: el caso de San
Carlos de Bariloche, Argentina". EURE - Journal of Latin American Urban and
Regional Studies, 41 (124), 163-84.
Matossian, B. (2016). "Urban fragmentation and neighborhood associations in San Carlos de
Bariloche city, Patagonia-Argentina (1983-2015)". Geography Papers, 62, 1-4.

17
Medina, V. (2017). "Las movilidades poblacionales y su impacto territorial en la estructura
espacial de las ciudades turísticas: El caso de San Carlos de Bariloche". EURE -
Journal of Latin American Urban and Regional Studies, 43 (129), 71-92.
Mikelbank, B. A. (2004). "A typology of US suburban places". Housing Policy Debate, 15 (4),
935-64.
Mikelbank, B. A. (2011). "Neighborhood déjà vu: Classification in metropolitan Cleveland,
1970-2000". Urban Geography, 32 (3), 317-33.
Miles, R. y Song, Y. (2009). "“Good” neighborhoods in Portland, Oregon: Focus on both
social and physical environments". Journal of Urban Affairs, 31 (4), 491-509.
Molinatti, F. (2013). "Segregación residencial socioeconómica en la ciudad de Córdoba
(Argentina): Tendencias y patrones espaciales". Revista Invi, 28 (79), 61-94.
Molinatti, F. y Peláez, E. (2013). "Padrões espaciais dos comportamentos de risco na cidade
de Córdoba (Argentina)–2001". Revista Brasileira de Estudos de População, 29 (1),
37-52.
Montgomery, M. R. y Hewett, P. C. (2005). "Urban poverty and health in developing
countries: Household and neighborhood effects". Demography, 42 (3), 397-425.
Nun, J. (1969). "Superpoblación relativa, ejército industrial de reserva y masa marginal. ,
Buenos Aires, v.5, n.2, p.". Revista Latinoamericana de Sociología, 5 (2), 180-225.
Orfield, M. (2002). American metropolitics: The new suburban reality. Washington DC:
Brookings Institution Press.
Owens, A. (2012). "Neighborhoods on the rise: A typology of neighborhoods experiencing
socioeconomic ascent". City & Community, 11 (4), 345-69.
Pallas-González, J., Martínez-Roget, F. y Miranda-Torrado, F. (2000). "Clasificación
multivariante: una aplicación a las comarcas gallegas". Anales de Economía
Aplicada. XIV Reunión ASEPELT-España. Oviedo, 22 y 23 de Junio de 2000.
Park, R. E., Burgess, E. W. y McKenzie, R. D. (1925). The City. Chicago: University of
Chicago Press.
Pérez, S. A. (2004). "Identidades urbanas y relocalización de la pobreza". Intersecciones en
Antropología, 5, 177-86.
Quijano, A. (1972). "La constitución del “mundo” de la marginalidad urbana". EURE - Journal
of Latin American Urban and Regional Studies, 2 (5), 89-106.
Reibel, M. y Regelson, M. (2007). "Quantifying neighborhood racial and ethnic transition
clusters in multiethnic cities". Urban Geography, 28 (4), 361-76.
Reibel, M. y Regelson, M. (2011). "Neighborhood racial and ethnic change: The time
dimension in segregation". Urban Geography, 32 (3), 360-82.
Roberts, B. R. y Wilson, R. H. (ed.) (2009). Urban segregation and governance in the
Americas. New York: Palgrave Macmillan.
Rodríguez, A., Riofrío, G. y Welsh, E. (1973). Segregación residencial y desmovilización
política: el caso de Lima. Buenos Aires: Ediciones SIAP.
Ruiz-Rivera, N. y van Lindert, P. (2016). "Urban segregation in Latin America". Habitat
International, 54 (1), 1-2.
Sabatini, F. y Brain, I. (2008). "La segregación, los guetos y la integración social urbana:
mitos y claves". EURE - Journal of Latin American Urban and Regional Studies, 34
(103), 5-26.
Salom, J. y Fajardo, F. (2017). "Cambios recientes en la estructura territorial
sociodemográfica del área metropolitana de Valencia (2001-2011)". Boletín de la
Asociación de Geógrafos Españoles, 73, 123-47.
Sampson, R. J., Morenoff, J. D. y Gannon-Rowley, T. (2002). "Assessing “neighborhood
effects”: Social processes and new directions in research". Annual review of
sociology, 28 (1), 443-78.
Sánchez, D., Sassone, S. y Matossian, B. (2007). "Barrios y áreas sociales de San Carlos de
Bariloche: análisis geográfico de una ciudad fragmentada". IX Jornadas Argentinas
de Estudios de Población. Asociación de Estudios de Población de la Argentina.
Sandoval, J. O. (2011). "Neighborhood diversity and segregation in the Chicago metropolitan
region, 1980-2000". Urban Geography, 32 (5), 609-40.

18
Scarpaci, J. L., Infante, R. P. y Caete, A. (1988). "Planning residential segregation: the case
of Santiago, Chile". Urban Geography, 9 (1), 19-36.
Sharkey, P. y Faber, J. W. (2014). "Where, when, why, and for whom do residential contexts
matter? Moving away from the dichotomous understanding of neighborhood effects".
Annual review of sociology, 40, 559-79.
Soja, E. W. (2000). Postmetropolis: Critical studies of cities and regions. Malden, MA:
Blackwell Publishers.
Song, Y. y Knaap, G.-J. (2007). "Quantitative classification of neighbourhoods: The
neighbourhoods of new single-family homes in the Portland Metropolitan Area".
Journal of Urban Design, 12 (1), 1-24.
Telles, E. E. (1995). "Structural sources of socioeconomic segregation in Brazilian
metropolitan areas". American Journal of Sociology, 100 (5), 1199-223.
Vásquez, E. M., Peña, I. y Cardona, Á. M. S. (2008). "Clasificación de los hogares según su
perfil de salud, para la focalización de recursos destinados a prevención, promoción
y recuperación, Medellín, 2004". Revista de la Facultad Nacional de Salud Pública,
26 (1), 13.
Vejsbjerg, L., Núñez, P. y Matossian, B. (2014). "Transformation of Frontier National Parks
into Tourism Sites. The North Andean Patagonia Experience (1934-1955)".
Almatourism-Journal of Tourism, Culture and Territorial Development, 5 (10), 1-22.
Vicino, T. J. (2008). "The spatial transformation of first‐tier suburbs, 1970 to 2000: The case
of metropolitan Baltimore". Housing Policy Debate, 19 (3), 479-518.
Vicino, T. J., Hanlon, B. y Short, J. R. (2007). "Megalopolis 50 years on: The transformation
of a city region". International Journal of Urban and Regional Research, 31 (2), 344-
67.
Vicino, T. J., Hanlon, B. y Short, J. R. (2011). "A typology of urban immigrant
neighborhoods". Urban Geography, 32 (3), 383-405.
Wacquant, L. J. (1993). "Urban outcasts: stigma and division in the black American ghetto
and the French urban periphery". International Journal of Urban and Regional
Research, 17 (3), 366-83.
Wacquant, L. J. (2010). Las dos caras de un gueto. Ensayos sobre marginalización y
penalización. Buenos Aires: Siglo XXI Editores.
Webber, R. J. (1977). The National Classification of Residential Neighbourhoods: An
Introduction to the Classification of Wards and Parishes. London: Centre for
Environmental Studies.
Webber, R. J. y Craig, J. A. (1978). "Socio-economic classification of local authority areas".
Studies on Medical and Population Subjects No. 35.
Wei, F. y Knox, P. L. (2014). "Neighborhood change in metropolitan America, 1990 to 2010".
Urban Affairs Review, 50 (4), 459-89.
Wirth, L. (1938). "Urbanism as a Way of Life". American journal of sociology, 44 (1), 1-24.
Wu, F., He, S. y Webster, C. (2010). "Path dependency and the neighbourhood effect: urban
poverty in impoverished neighbourhoods in Chinese cities". Environment and
Planning A, 42 (1), 134-52.
Zhou, D., Xu, J., Radke, J. y Mu, L. (2004). "A spatial cluster method supported by GIS for
urban-suburban-rural classification". Chinese Geographical Science, 14 (4), 337-42.

19
 Anexo 1. Barrios y grupos de barrios conformados
Nombre asignado Barrio/s Radios censales
10DIC 10 de Diciembre 620210903
112_84V 112-84 viv 620211808
120V 120 viv. 620211408
154_204_218V 154-204-218 viv 620211603+11604+11605
181V 181 viv 620211009
34HAS Unión-2 de Abril 620210203+10212
3LAGOS_MORENO 3 Lagos-Lago Moreno 620210107+10111
400_40V 400-40 viv Movitur 620210207+10208
80VCOVI 80 viv Covitur 620211412
96_144V Amancay 96-Güemes 144 viv 620211608
ABED_VURI Abedules-Vuriloche 620211701
ALBOR_BV Alborada-Bella Vista 620211607
ANASAG Anasagasti 620210801+10802+10803+11506+11507
ANTU170V Antu Hue 170 viv 620211011
ARRAY_EVA Arrayanes-Eva Perón 620211705+11706
BELGRANO Belgrano 620210311+10312+10313
BONITA_SIC Playa Bonita-San Ignacio del Cerro 620211102+11113
BOTANICO Jardín Botánico 620210907
CAB_MILITAR Centro Atómico Bariloche-Barrio Militar 620211101
CANTERA_OMEGA Toma Cantera y parte de Omega (Sur) 620211710
CASAPIEDRA Casa de Piedra 620211205+11206
CATEDRAL Villa Catedral 620211209
CENTRO_NE Centro-Noreste 620210306+10307+10308+10309+11503+11504+11505
CENTRO_NIRE_O Centro-Ñireco Oeste 620211804+11805
CENTRO_NO Centro-Noroeste 620210301+10302+10310
CENTRO_S Centro-Sur 6202111502+11508+11509+11511+11512
CENTRO_SO Centro-Sudoeste 620210901+10902+11501+11510
COIHUES Los Coihues 620211207+11208
COLSUIZA Colonia Suiza 620210112
CONDOR_NIRE_NE Ñireco Noreste-El Cóndor 620211801
COOP258 Coop. 258-El Maitén 620211402
CSOL_CHACRAS Costa del Sol-Las Chacras 620211417
CUMBRE La Cumbre-Alto Jardín 620210906+10908+10909
ELFL300V Elflein 300 viv 620211606
ESTE Villa Verde-INTA-La Colina-Aldea del Este-Las Marías 620211416
FALDEO_RANCHO Faldeo-Rancho Grande-Ladera Norte 620211109+11110+11114
FRUTI Frutillar 620210204+10205+10206+10209+10210+10211
GUTIER_ARELAU Lago Gutiérrez-Arelauquen 620210202

20
 Anexo 1. Barrios y grupos de barrios conformados (continuación)
Nombre asignado Barrio/s Radios censales
JAMAI_COVI Villa Jamaica-Covibar 620210110
KM4_5 Carihue-El Prado-Rayen Mapu (incl. parte de El Faldeo) 620211301+11302+11310+11311
LERA Lera 620210804+10805+11806+11809
LEVA266V Levalle 266 viv 620211609
LLANQUIH Llanquihue (y Don Bosco) 620210102
LLAO_CAMPAN Llao Llao-Campanario 620210101+10103
MAITEN_CIPRES Maitenes-Cipresales-Runge Superior 620211304+11305
MALLIN_FURMAN Mallín-Furman-Santo Cristo 620210904+10905+11601+11602
MARGARIT Las Margaritas 620211306
MELIPAL Melipal 620211303+11308+11309
MICROCENTRO Microcentro 620210303+10304+10305
MONTEV_NORTE Monteverde (Norte) 620211802
MONTEV_SUR Monteverde (Sur) 620211807
MUTI_PM Las Mutisias-Perito Moreno 620211005+11006+10810
NAH_MALV Nahuel Hue-Malvinas 620211403+11404+11406+11407
NMALAL Nahuel Malal 620211201+11202
NVAESPER Nueva Esperanza 620210806+10807+10808+10809
OMEGA Omega (Norte) 620211405+11709
ORIONE_VESCOND Don Orione-Valle Escondido 620210105
OTTO_LADERAS Cerro Otto: Laderas superiores 620210201
PAJAZUL Pájaro Azul 620211203+11204
PENINS Península San Pedro 620210104
PERIURB Periurbano 620211418
PEUMA153V Peumayén 153 viv 620211703
PILAR Pilar 620211401
PINARES Pinar del Lago-Pehuen-La Cascada-Montelindo-Pinar de Festa 620211103+11104+11105+11106+11107+11108
PROGR_ARG Progreso-Argentino-28 de Abril 620211702+11707
QUIMEY Quimey Hue 620211708
QUINTAS_CEFE Las Quintas-San Ceferino-6 Manzanas 620211001+11002+11003+11004+11007+11008
SANFRAN1 San Francisco I 620211803
SANFRAN2_3 San Francisco II y III 620211409+11410
SANFRAN4 San Francisco IV-130-40-20 viv 620211411
SANMA169V San Martín 169 viv 620211010
SERENA_JOCK Playa Serena-Jockey 620210108+10109
TREBOL El Trébol 620210106
VERTIENT Las Vertientes 620211307
VICTORIAS Las Victorias 620211413+11414+11415
VIRGEN Virgen Misionera 620211111+11112
VIVERO Vivero 620211704

21
 Anexo 2. Barrios por cluster
34HAS 10DIC 3LAGOS_MORENO 112_84V
A NAH_MALV ABED_VURI CASAPIEDRA 154_204_218V
VIVERO ALBOR_BV CATEDRAL 181V
120V CONDOR_NIRE_NE COIHUES 400_40V
C
ARRAY_EVA LERA ESTE 96_144V
F1
B1 CANTERA_OMEGA NVAESPER FALDEO_RANCHO ANTU170V
G
MUTI_PM QUINTAS_CEFE LLAO_CAMPAN ELFL300V
PROGR_ARG SANFRAN1 ORIONE_VESCOND LEVA266V
COOP258 ANASAG SERENA_JOCK PEUMA153V
FRUTI BELGRANO VICTORIAS QUIMEY
MONTEV_SUR CENTRO_NE 80VCOVI SANFRAN4_VIV
B2
OMEGA CENTRO_NIRE_O BONITA_SIC SANMA169V
SANFRAN2_3 CENTRO_NO BOTANICO COLSUIZA
VIRGEN D CENTRO_S KM4_5 CSOL_CHACRAS
LLANQUIH CENTRO_SO MAITEN_CIPRES GUTIER_ARELAU
B3 PERIURB CUMBRE F2 MARGARIT H JAMAI_COVI
PILAR MALLIN_FURMAN MELIPAL OTTO_LADERAS
MICROCENTRO NMALAL PENINS
MONTEV_NORTE PAJAZUL TREBOL
E CAB_MILITAR PINARES
VERTIENT

22