Policentrismo del Distrito Metropolitano de Quito

[119]

pp. 119-153Paradigma económico Año 10 Núm. 1 enero-junio 2018 ISSN: 2007-3062

Policentrismo del Distrito Metropolitano de Quito. Análisis desde la localización del empleo, 2010

Leonardo arias ÁLvarez* Tangya Tandazo-arias**

Resumen

La investigación determina la existencia de un sistema policéntrico de ciudad en el Distrito Metropolitano de Quito (DMQ) a partir de la locali-zación del empleo parroquial como indicador de la aglomeración econó-mica espacial. Los resultados muestran que el DMQ tiene una estructura espacial policéntrica, con subcentros de actividad económica, identi-ficándose 3 centros y 11 subcentros de actividad económica ubicados en la zona urbana como son: Sur (Guamani, Turubamba, La Ecuato-riana, Solanda, San Bartolo, La Ferroviaria), Centro-Norte (Belisario Quevedo y Concepción) y Norte (Cotocollao, Ponceano, El Condado).Palabras clave: Distrito Metropolitano de Quito, aglomeración econó-mica, policentrismo, subcentros, economía urbana. Clasificación JEL: R12, E14, R30.

AbstractPolycentric System in the Quito Metropolitan District. An Analysis of the Employment Location Approach, 2010The following research has as aim to evidence the polycentric city system in Quito Metropolitan District (DMQ). Using the spatial loca-tion of employment as a proxy of economic agglomeration. The results indicate that DMQ is a space with a polycentric structure and subcen-ters of economic activity. Furthermore, there have been identified 3 major centers and 11 sub centers of economic activity that are located in 3 specific urban areas: South (Guamani, Turubamba, La Ecuatoriana,

RECEPCIÓN: 18/09/2017 ACEPTACIÓN: 19/02/2018

* Maestrante del Programa de Estudios Urbanos en la Facultad Latinoamericana de Ciencias So-ciales. Sede Ecuador (FLACSO). Quito, Ecuador. Correo electrónico: [email protected]

** Docente Investigadora de la Universidad Técnica Particular de Loja (UTPL). Loja, Ecuador. Correo electrónico: [email protected]

120 Paradigma económico Año 10 Núm. 1

Solanda, San Bartolo, La Ferroviaria), North-Center (Belisario Quevedo y Concepción) and North (Cotocollao, Ponceano, El Condado).Keywords: Quito Metropolitan District, Economic agglomeration, Polycentric system, Sub centers, Urban Economics.JEL Classification: R12, E14, R30.

Introducción

Las características económicas de las ciudades desde su surgimiento han evolucionado constantemente en su morfología física, social, cultural y económica, de ahí que muchos investigadores de la Economía Urbana se interesen por las dinámicas territoriales llegando incluso a proponer una serie de modelos teóricos cuantitativos para explicar mejor la organización territorial de las urbes y su funcionamiento. Entre estos modelos se encuentran el monocéntrico y el policéntrico; el primero estudia el proceso de aglomeración de las actividades económicas en un solo lugar central, el segundo —una derivación y evolución lógica del primero— analiza el proceso de dispersión o desconcentración de las actividades económicas del único centro manifestando en el modelo monocéntrico a múltiples centros.

Una de las teorías fundamentales en este ámbito está propuesta por Harris y Ullman (1945), quienes afirman que el crecimiento de las ciudades se presenta en torno a varios núcleos y no a uno sólo como lo planteó Richardson (1973); siguiendo la misma línea, McDonald y Prather (1994) proponen un modelo econométrico para explicar dicho desarrollo, modificado por Sullivan (1986) al adaptar la metodología de círculos concéntricos y así presentar la modelización econométrica para demostrar la existencia de una ciudad policéntrica.

Bajo este esquema teórico la investigación tiene como objetivo determinar que el DMQ posee un sistema de ciudad policéntrica, para ello se analiza una serie de indicadores paramétricos y no paramétricos, así como de modelos econométricos desarrollados para el efecto. El estudio se realiza a partir del empleo y distancias, en el primer caso los datos del empleo por rama de actividad económica se obtuvieron del VII Censo de Población (2010), la densidad del empleo por parroquia1

1 Según el Art. 242 de la constitución de la República del Ecuador, el Estado se organiza terri-

121Policentrismo del Distrito Metropolitano de Quito... Arias, L. y T. Tandazo-Arias

fue proporcionada por la Secretaría de Hábitat y Vivienda del DMQ, las distancias implicaron el uso de metodologías de Sistemas de Informa-ción Geográfica (SIG), finalmente la cobertura de análisis y desagre-gación territorial permitió considerar las 32 parroquias urbanas y 33 parroquias rurales del DMQ.

Las investigaciones de este tipo son escasas para el Ecuador y más si se incluye el enfoque de las estructuras y concentración económica de las ciudades, de ahí la importancia y el aporte del trabajo aquí desarro-llado, pues la aplicación de teorías relacionadas con la Ciencia Regional (entre ellas, la Economía Urbana) es reciente en el país. Específica-mente, en el caso del DMQ, el presente documento de investigación es un aporte al estudio de la estructura económica del distrito, permitiendo identificar procesos espaciales ya evidenciados en otras ciudades alre-dedor del mundo.

La investigación se desarrolla en la siguientes partes: una breve introducción, después se presenta el fundamento teórico que guía la investigación, así como la revisión de estudios similares dentro y fuera del país; luego, se caracteriza el DMQ para conocer a la ciudad desde un enfoque regional/local; posteriormente se desarrolla la metodología, incluyendo los modelos econométricos cuyos resultados se discuten posteriormente; por último, se presentan las conclusiones a las cuales ha llevado el estudio.

1. Monocentrismo vs. Policentrismo

Dentro del estudio de las ciudades, un fenómeno de gran interés es determinar la tipología de la ciudad, entre las teorías utilizadas están el monocentrismo y el policentrismo. Estas teorías son secuenciales, el monocentrismo fue el primer modelo para explicar el funcionamiento económico del valor de la renta del suelo en una ciudad y, por consi-guiente, de la actividad económica que en ella se desarrolla. El creci-miento constante de las ciudades restó importancia a esta teoría y, por lo tanto, se volvió insuficiente para explicar la dinámica económica de las ciudades, por ello se asignó este papel al modelo de policentrismo. La

torialmente en regiones, provincias, cantones y parroquias rurales, es decir, la espacialización parroquial es el conglomerado político-administrativo más pequeño del Ecuador.


evolución teórica, hasta llegar a los modelos policéntricos, se presenta en el esquema 1.

Una ciudad monocéntrica se caracteriza por ser una unidad terri-torial donde se ubica el Distrito Central de Negocios (DCN).2 Este DCN representa la única aglomeración de empleo de la ciudad y, a partir de ella, se explica cómo se distribuye la población considerando la distancia del mismo (Ramírez, 2009). Entre los autores que han apor-tado a esta teoría se puede citar a Von Thϋnen (1826), Alonso (1964), Muth (1969) y Mills (1972).

Autores como Fujita, Krugman y Venables (2000) manifiestan que el monocentrismo parte de la ingeniosa teoría de Von Thϋnen, quien estudia las relaciones entre la distancia de un lugar céntrico y el valor del alquiler de la tierra en los sectores periféricos: mientras más lejano se encuentre el terreno del centro de la ciudad tendrá un valor inferior y también repercusiones en la producción de los agricultores alrededor de la ciudad, una variable fundamental es el costo de transporte.

Esquema 1Desarrollo teórico sobre Monocentrismo y Policentrismo

2 CBN (Central Buisness District) por sus siglas en inglés.


Walter Christaller (1933) incluiría un factor fundamental: las activi-dades de servicio reservadas a la población urbana, incorporando así una explicación teórica del tamaño y la distribución de los asenta-mientos dentro del sistema urbano (Vinuesa, 1991); de la misma forma, para él, las ciudades se convierten en puntos ponderados de concen-tración comercial, donde la localización espacial de centros terciarios dependerá del volumen, distribución y densidad de la actividad residen-cial en el territorio.

Por su parte, William Alonso, en 1964, expone el modelo de renta ofertada,3 que consiste en una versión urbana del modelo de Von Thϋnen (Ramírez, 2009), que plantea la teoría del mercado de uso del suelo y, aplicando herramientas microeconómicas de la teoría neoclá-sica, muestra el paso de una función de renta explicada por los costes de transporte de acuerdo con la distancia a una función de renta espe-cificada por el ingreso neto y el nivel de utilidad fijo (Fujita, 1989). Empero, el autor conserva los supuestos de homogeneidad de suelo y de competencia perfecta del modelo de Von Thϋnen.

En la gráfica 1, el modelo de Alonso muestra las curvas de renta ofertadas, indicando la disposición a pagar por unidad del suelo locali-zado a una distancia determinada al DCN. Las curvas —con pendientes negativas— demuestran la disponibilidad de los sectores en pagar por el uso del suelo, el sector de oficinas o terciario está dispuesto a pagar el nivel de renta más alto, por su localización más cercana al DCN (Ramírez, 2009). En conclusión, el modelo determina el punto de localización ideal para los diferentes sectores económicos, donde estos puedan maximizar sus beneficios en valor de uso de suelo, dependiendo de las necesidades específicas que estos sectores buscan, generando así una idea bastante clara de cómo se encuentra distribuida la actividad económica dentro del territorio de una ciudad.

3 The bid-rent modelo, en su versión original el modelo se conoce como bid-price curva.


Gráfica 1Modelo de Alonso: solapamientos de curvas de renta ofertada

Fuente: Richardson (1977).

Las teorías sobre el monocentrismo —aunque siguen teniendo validez en algunos aspectos— no son suficientes para explicar el rápido creci-miento de las ciudades, pues la actividad, los empleos y los costes de transporte ya no se encuentran aglomerados en un solo lugar central, evolucionaron, y la consideración de las ciudades con un solo DCN no basta, surge la necesidad de desarrollar modelos que idealicen varios subcentros de aglomeración de la actividad económica, dando paso así a los modelos policéntricos de las ciudades.

El policentrismo —término de origen anglosajón, policentricity—, de acuerdo con Aalbu (2004), se define como la caracterización de las ciudades por una división funcional del trabajo, por su integración económica e institucional y por su cooperación política. Para Sarzynsky, Hanson y Wolman (2005), “Un área metropolitana es policéntrica si su extensión está separada por dos o más centros de empleo distintos que contengan una cantidad significativa del empleo total del área, y la relación de empleo en el centro principal al empleo en todos los otros centros es baja”.

Ramírez (2009) realiza una diferenciación entre dos corrientes del policentrismo: modelos endógenos y modelos exógenos; los primeros se caracterizan por estudiar la ciudad sin predeterminar una estructura espacial, es decir, no se consideran la existencia de concentraciones de empleo; en cambio los modelos exógenos parten del supuesto de que existe históricamente un DCN, se examinan los efectos de las empresas


suburbanizadas sobre la localización residencial. A diferencia de los primeros, los modelos exógenos no modelizan las economías de aglo-meración y el empleo no sigue a la población.

Una primera teoría es la desarrollada por Harris y Ullman (1945): las ciudades se desarrollan alrededor de diferentes núcleos urbanos en lugar de hacerlo en un núcleo céntrico de origen (Richardson, 1973). Para ello combinaron las características de los modelos iniciales de Burgess y Hoyt; sin embargo, los plantean como polos alejados del DCN. Igualmente sostienen que a pesar de la aparición de los sub-centros el DCN se mantiene activo y plenamente funcional (Ramírez Carrasco, 2003).

Como lo manifiesta Roca Cladera y otros (2009), la realidad de desarrollo de los centros urbanos, desde 1980, ha revelado cambios sustanciales en las estructuras de áreas metropolitanas que no pueden ser explicadas por los modelos tradicionales; corroborando lo expre-sado por Guliano y otros (2007), para quienes uno de los cambios es el crecimiento policéntrico en las áreas metropolitanas, pues el empleo está concentrado en varios sub-centros bajo el DCN y constituyen una extensión de la actividad económica.

En conclusión, el policentrismo asocia la idea de que al interior de un área urbana de carácter metropolitano se genera una estructura multinuclear, a partir del surgimiento de núcleos urbanos periféricos (Becerril-Pauda, 2000) (véase gráfica 2). Es decir, el policentrismo es la respuesta a las diferentes fuerzas centrípetas y centrifugas de la loca-lización de las inversiones privadas en función del mercado urbano.

Gráfica 2Distribución teórica de los centros formados en la ciudad policéntrica

Fuente: tomada de Gonzáles y del Pozo (2012).


2. Modelo Exógeno de la Nueva Economía Urbana

Arthur M. Sullivan (1986) parte de la segunda corriente de modelos policéntricos y presenta un modelo de equilibrio general en el cual el centro de la ciudad es el DCN y donde se localizan la actividad terciaria o de oficinas y se presentan las economías de aglomeración (gráfica 3). Los residentes en un mercado de libre competencia pueden elegir entre el sector oficinas o el sector manufacturero localizado cerca de una carretera circunferencial que está integrada al sistema vial inter urbano, generando una segunda aglomeración de empleo denominada Subcentro Distrital de Negocios (SBD) (Ramírez, 2009).

Gráfica 3Equilibrio general (localización del suelo) modelo Sullivan (1986)

Fuente: elaborado a partir de Ramírez (2009).

White (1999) muestra al proceso del policentrismo como una evolución lógica del modelo de ciudad monocéntrica, donde las economías de aglomeración del centro son replicables en gran medida en la periferia conformando nuevos subcentros de empleo (véase gráfica 4) (García y Muñiz, 2007).


Grafica 4Cambios en la forma urbana ante la formación de subcentro de empleo por

descentralización

Fuente: elaborado a partir de García y Muñiz (2007).

Como lo explican García y Muñiz (2007), mientras el radio de la ciudad de X0 a X1 surgen dos subcentros simétricos de empleo a una distancia de Xa/b del centro. La densidad de empleo se distorsiona en t1 presen-tando dos picos a una distancia Xa/b del centro.

Para White, una ciudad sigue una pauta descentralizadora policén-trica o dispersa dependiendo del nivel de interacción de tres fuerzas: las economías de mercado de trabajo, las deseconomías de aglomeración y de los costes de transporte.

Finalmente, las ciudades monocéntricas —debido a su crecimiento poblacional y consecuentemente de empleo en las últimas décadas— han mutado en ciudades policéntricas las cuales se enfrentan a proble-máticas relacionadas directamente con el desarrollo económico de la ciudad y sobre todo con el diario vivir de sus habitantes.

En el Ecuador, los estudios relacionados con la ciencia regional y urbana son escasos y de reciente desarrollo, eso explica, en parte, por qué no se tienen investigaciones en este marco, por ello las refe-rencias provienen de otros países y se han tomado para la realización del trabajo, entre ellos se encuentran los trabajos referentes a la Nueva Economía Urbana (NEU), que se enfocan a la planificación, y el estudio de las dinámicas económicas de los distritos metropolitanos. En la tabla 1, se resumen los principales trabajos para diferentes ciudades.


Tabla 1Estudios sobre policentrismo y subcentros

Autor Titulo Metodología Principales Resultados

McDonald y Prather

(1994)

Estados Unidos

“Suburban Employment

Centres: The Case of

Chicago”

Método no paramétricos

a través de las densidades

del empleo y distancia de

los subcentros.

Existencia de centros suburbanos de

empleo en Chicago. Primer modelo

econométrico para la determinación

de subcentros y un modelo

policéntrico de ciudad.

McMillen (2001)

Estados Unidos

“Nonparametric

Employment Subcenter

Identification”

Regresión ponderada del

número de empleos y

distancia de DCN.

Identificación de subcentros de

empleo mediante métodos no-

paramétricos, es decir, modelos

policéntricos en las ciudades de

Chicago, Dallas, Houston, Los Ángeles,

y San Francisco.

García y Muñiz (2007)

España

“¿Policentrismo o

dispersión? Una

aproximación desde la

Nueva Economía Urbana”

Identificación de

subcentros: número de

empleos.

Se confirma la existencia de

policentrismo en Barcelona y la

caracterización de los subcentros

identificados.

Garrocho y Campos (2007)

México

“Dinámica de la estructura

policéntrica del empleo

terciario en el área

metropolitana de Toluca

1994-2004”

Método umbrales

dobles del empleo

terciario: número,

tamaño, densidad,

jerarquía, localización,

especialización económica

y evolución en el tiempo.

Subcentros de empleo terciario

que articulan la estructura espacial

policéntrica del área urbana.

Avendaño (2008)

Colombia

“Identificación de

subcentros de empleo y

estimación de funciones

de densidad para Bogotá,

D.C.”

Función de renta ofertada:

empleo y distancias entre

subcentros.

La estimación de un modelo

policéntrico para la ciudad de

Bogotá, D.C., para luego determinar

los subcentros de la misma y su

influencia sobre la densidad de

empleo, evidenciando la morfología

policéntrica de Bogotá.

Rojas et al. (2009)

Chile

“Estructura urbana y

policentrismo en el

Área Metropolitana de

Concepción”

Efectos de los subcentros

en relación con la

distancia: empleo

y distancias entre

subcentros.

A través de los indicadores de

empleo y funciones de densidad, se

identifican los diferente subcentros de

esta área de Chile.

Cuenin y Silva (2010)

Ecuador

Identificación y fortalecimiento de

centralidades urbanas. El caso de Quito

Localización de

Centralidades

Identificaciones de

Centralidades.

Se obtiene centralidades de diferente

nivel de jerarquía: metropolitano,

zonal, sectorial y barrial.

Gonzales y del Pozo (2012)

Perú

“Lima, una ciudad

policéntrica. Un análisis a

partir de la localización del

empleo”

Función de renta ofertada:

empleo y distancias entre

subcentros.

Modelo policéntrico, se utiliza el

empleo como una variable a proxi. Determinación de principales

subcentros del distrito utilizando 4

diferentes parámetros de estimación.

Como se observa, los estudios de policentrismo giran en torno a los indicadores de empleo y a la distancia de los subcentros, correspon-diéndose en mayor medida con los modelos exógenos. Para finalizar, las ciudades latinoamericanas presentan una tendencia hacia el policen-trismo; en el caso del DMQ, el único estudio es el realizado por el Banco


Interamericano de Desarrollo (BID), donde se identificaron algunos centros al analizar localización de la población, áreas verdes, accesibi-lidad, equipamiento urbano, actividad económica, población día/noche, proyectos estratégicos del gobierno local.

3. El Distrito Metropolitano de Quito (DMQ)

Los orígenes de la ciudad de Quito datan de la época pre-incásica, como lo manifiesta Núñez Sánchez (2003): en 1534, en las faldas del volcán Pichincha, se fundó con el nombre de San Francisco de Quito y actualmente es la capital más antigua de toda Sudamérica (Cuenin y Silva, 2010).

El crecimiento poblacional acelerado de la ciudad llevó a la expedi-ción de la Ley de Régimen, en 1993, declarando a Quito como Distrito Metropolitano y con ello la capacidad de determinar la Base Territo-rial, establecer la Base Político-Administrativa y el rol económico del Distrito Metropolitano.4

Mapa 1a. Cambios en los límites

políticos de Quito (1535-1983) b. Distribución política

del DMQ 2014

Fuente: Fuente: tomado del portal de Internet de la Organización de las Naciones Unidas para la Alimentación (FAO, 1983)4.

Fuente: tomado del Municipio del Distrito Metropolitano de Quito, 2010.

4 FAO (Food and Agriculture Organization of the Unites Nations) por sus siglas en inglés.


Podemos observar la evolución de la ciudad de Quito en los mapas 1a y 1b. Ellos muestran su crecimiento y el resultado de la declaratoria de Quito como un distrito metropolitano.

De manera desagregada, si analizamos con mayor detenimiento para el 2010 la dinámica interna de cada una de las zonas administra-tivas, observamos (mapa 2) que ciertas parroquias responderían a una correlación espacial en cuanto a sus densidades de población, empleo y vivienda; es decir, donde encontramos alta densidad de población en la mayoría de las ocasiones, corresponderá con alta densidad de empleo y vivienda.

Mapa 2Densidades parroquiales (2010)

Empleo Vivienda

Población

Fuente: Censo de Población y Vivienda (2010).


Una característica fundamental dentro de estas zonas es su ubicación geográfica, las mismas que dividen a Quito urbano en tres sectores: Sector Norte (Eugenio Espejo, La Delicia), Sector Centro (Manuela Sáenz), Sector Sur (Quitumbe, Eloy Alfaro), como una conclusión inicial, el aporte a la actividad económica del DMQ se encuentra locali-zado en estos tres centros económicos.

4. Metodología

La determinación del policentrismo en el DMQ se desarrolla siguiendo el esquema 2. Los datos de la densidad de empleo del 2010 fueron proporcionados por la Secretaría de Territorio, Hábitat y Vivienda del DMQ y del VII Censo de Población del 2010 realizado por el Instituto de Estadísticas y Censos (INEC).

La matriz de distancias se construyó a partir de las estimaciones de las distancias inter-parroquiales, para ello se aplicó el Sistema de Información Geográfica (SIG) y con la ayuda del software se tomó el centro geográfico de la parroquia (polígono geográfico) para medir su distancia lineal hacia cada centro geográfico parroquial (anexo 2).

Esquema 2Proceso metodológico

Policentrismo

Conformación de anillos concéntricos con gradientes de distancias al DCN:

5 Km, 10 Km, 15 Km, 20 Km, 25 Km, 30Km, más de 30 Km

Modelo econométrico para cada anillo concéntricas con

distancia directas

Modelo econométrico para cada anillo concéntricas con

el inverso de las distancias y ajustado con el vector de

robustez

El desarrollo del modelo se realiza en dos pasos, en el primero el objetivo es determinar la existencia de un modelo policéntrico de ciudad utili-zando un modelo econométrico. En segundo lugar, el objetivo central es corroborar los resultados obtenidos en el primer modelo y compararlos con los del segundo y así establecer la existencia de subcentros de aglo-meraciones económicas en la unidad de análisis espacial.


Paso 1. La especificación del modelo econométricoEl modelo a aplicar es de corriente exógena, toma como referencia

el modelo propuesto por Harris y Ullman (1945) y el desarrollo poste-rior de McDonald y Prather (1994). A partir de ellos se obtuvieron algunas derivaciones dependiendo de las variables consideradas por los investigadores. La investigación aquí presentada es una aplicación de la derivación de la oferta de la renta y la densidad de empleo (anexo 4), el modelo tiene la siguiente estructura:

lnD (dCENTROi) = lnD0+ΣβCENTROi XCENTROi+μ (1)

Donde lnD es la densidad del empleo en cada parroquia; XCENTROi el gradiente de distancia del subcentro al DCN en Km; D0 es la densidad bruta teórica de empleo de las parroquias, es decir, el coeficiente del modelo econométrico.

El modelo predice que la función de densidad bruta de empleo en cada punto de la ciudad depende de la distancia a cada uno de los centros (Gonzales y del Pozo, 2012).

Al no ser las parroquias de la misma dimensión y, por consiguiente, tampoco las distancias entre ellas, Frankena (1978) sugiere que la esti-mación se realice a través del Método de Mínimos Cuadrados Ponde-rados (MCP),5 permitiendo corregir también la heteroscedasticidad del modelo. En el estudio se estimó con el método de Mínimos Cuadrados Ordinarios (MCO) utilizando un vector de ajuste robust, el cual es el equivalente a una regresión de MCP.

Además, el uso de una matriz cuadrada de distancias de las 65 parro-quias se agregó al vector robust, el inverso de las distancias en lugar de utilizar las distancias directas,6 tal como lo sugiere McDonald y Prather (1994) y García y Muñiz (2007), obteniendo la siguiente ecuación:

lnD(dCENTROi) = lnD0+ΣβCENTROi 1/XCENTROi+μ (2)

5 Gujarati (2010) manifiesta que los MCP son una derivación de una técnica más general, Mí-nimos Cuadrados Generales, los cuales son ponderados por la suma de los cuadrados de los residuos de la regresión de Mínimos Cuadrados Ordinarios.

6 Distancias directas son aquellas medidas desde el centro de una parroquia A al centro de una parroquia B.


De acuerdo con Rojas, Muñiz y García (2009), y Gonzales y del Pozo (2012), la ecuación (2) es la más idónea para determinar los subcentros urbanos, pues supera el problema de multicolinealidad entre la variable “distancias del DCN” a cada uno de los subcentros.

Paso 2. La metodología usada para localizar los subcentros de aglomeración de empleo en una región o ciudad

Existe varias metodologías para determinar los centros, los trabajos de McDonald (1987) presentan la identificación de subcentros a través de áreas que presentan mayor densidad de empleo o por la relación empleo/población respecto a las zonas aledañas (Ramírez, 2009), meto-dología llamada Teoría de Picos.

Una segunda forma es utilizando la Teoría de Umbrales o Doble Umbral, la cual define los subcentros de empleo a través de la obten-ción de dos tipos de umbrales, uno de empleo total y otro de densidad de empleo (Ramírez, 2009). Entre los trabajos bajo esta línea están los desarrollados por García y Muñiz (2007) y McDonald y Prather (1994), para quienes los subcentros deben contener las características expre-sadas en la tabla 2.

Tabla 2Métodos de identificación de subcentros de empleo

Método Descripción

McDonald (1987) 1. Densidad Bruta de Empleo superior a la de las zonas adyacentes.

2. Al menos 10.000 empleados.

McDonald y Prather (1994) 1. Al menos 10.000 empleados.

2. Zonas cuyos residuos son mayores a los esperados en el modelo monocéntrico.

García y Muñiz (2007) 1. Densidad bruta de empleo superior o igual al promedio.

2. Nivel de empleo superior o igual al 1% del total de DMQ.

Fuente: Tomado de Gonzales y del Pozo (2012).

En este sentido, el uso de metodologías paramétricas y no paramétricas son utilizadas para identificar la existencia de diferentes subcentros de actividad económica, cuyos resultados se exponen a continuación.

5. Discusión de resultados

Las ciudades como espacios socialmente construidos se encuentran en constante evolución, es decir, fenómenos como la urbanización y el crecimiento de las mismas han permitido que diferentes morfologías


surjan con el pasar del tiempo. Por ello, la característica en la mayoría de las grandes ciudades es la consolidación de un modelo policéntrico de ciudad, donde los diferentes subcentros de aglomeración de empleo formarán sistemas policéntricos. El DMQ actualmente presenta dicha morfología y consolidación de un sistema de ciudad policéntrica donde las aglomeraciones de empleo —como variables proxi de las actividades económicas— permiten observar los subcentros que se han formado.

Acorde a la metodología paramétrica propuesta en los anillos concéntricos alrededor del DCN con gradientes de distancia de 5km entre anillo a anillo, tenemos las parroquias que se ubican en cada uno de ellos (tabla 4), con lo cual conformamos anillos a 5km, 10km, 15km, 20km, 25km y 30km de distancia desde el DCN.

Los resultados de la estimación del modelo econométrico (2) se presentan en la tabla 3;7 éstos, en términos generales, son significa-tivos y cumplen con las condiciones MELI8 esperadas en una estimación (anexo 1); demuestran que la teoría se cumple para el DMQ, el signo del gradiente de distancia es positivo9 y con significancia estadística dentro del modelo.

La primera estimación, cuyo anillo concéntrico es de 5km de distancia al DCN, presenta las parroquias de San Bartolo y la Ferro-viaria (ubicadas en el centro-sur) y Belisario Quevedo (ubicada en el centro-norte) con las de mayor significancia, esto implica que la aglo-meración económica —medida a través del empleo— es explicado en un 43%, el índice de bondad de ajuste del modelo por su parte no es alto debido a la distancia de éstas parroquias al DCN. Siguiendo a Villalobos (2012a), en estas parroquias la actividad económica se encuentra concentrada en el comercio al por mayor y menor, el cual generó ventas de US$1787,017 miles.

7 Se probó el modelo con todas las gradientes de distancias definidas, pero sus resultados no se presentan porque los mismos son espurios y no presentan significancia estadística y la bondad de ajuste es baja.

8 Para Gujarati (2010), un estimador es MELI cuando cumple con las siguientes características: es lineal, insesgado, de estimado eficiente.

9 En el estudio de Rojas, Muñiz y García (2009), al usar el inverso de las distancias, la relación de los gradientes de distancia debe ser positiva.


Mapa 3Anillos concéntricos y parroquias de pertenencia

Nota: De 0 a 5 KM: San Bartolo, La Ferroviaria, Chilibulo, La Magdalena, Chimbacalle, Puengasí, La Libertad, Centro Histórico, Itchimbía, San Juan, Belisario Quevedo, Mariscal Sucre.De 5 a 10 Km: Quitumbe, Chillogallo, La Mena, Solanda, La Argelia, Iñaquito, Rumipamba, Jipijapa, Cochapamba, Concepción, Cumbayá, Conocoto, Guangopolo.De 10 a 15 Km: Guamaní, Turubamba, La Ecuatoriana, Kennedy, San Isidro del Inca, Nayón, Zámbiza, Cotocollao, Ponceano, Comité del Pueblo, El Condado , Llano Chico, Tumbaco, Alangasí, La Merced.De 15 a 20 Km: Lloa, Carcelén , Pomasqui, Calderón, Amaguaña, Puembo, Tababela.De 20 a 25 Km: Nono, YaruquíDe 25 a 30Km: San Antonio, Calacalí, Pintag, Pifo, Checa, El Quinche, Guayllabamba.

La segunda estimación (aplicando una distancia de 10 km en rela-ción con el DCN) muestra que las parroquias con mayor significancia y con una bondad de ajuste del 73.9% son Solanda, Cochapamba, Concep-ción, Cumbaya, Guangopolo; las cuales se encuentran más dispersas geográficamente pero con tasas de participación de su población econó-micamente activa (PEA) en el sector terciario entre el 41% y el 81%, a diferencia del sector manufacturero cuya presencia de evidencia en la parroquia de Guangopolo registra ingresos por ventas de $558,949 mil y comprende el 43% de participación de su PEA total.

Los resultados dejan ver en primera instancia que el modelo poli-céntrico a una distancia de 10Km del DCN muestran ciertas caracterís-


ticas específicas dentro de los posibles subcentros, es decir, a medida que las parroquias se alejan del DCN, las actividades allí desarrolladas se van diversificando y trasladando de un sector a otro, así las aglome-raciones observadas del sector terciario se modifican a aglomeraciones de actividades del sector secundario, corroborando la teoría de la Nueva Economía Urbana en al cual se señala la sustitución de las actividades en el territorio al alejarse del DCN, esto se puede identificar en la jerarquiza-ción de actividades económicas por sector expuestas en el anexo 3.

Tabla 3Resultados del Modelo Policéntrico del DMQ

Parroquias Modelo a [0-5Km] Modelo a [5Km-10Km] Modelo a [10Km-15Km]

Constante -0.873* (-2.04) -2.780***(-6.98) -3.732*** (-7.48)

San Bartolo 3.760** (-3.07)

La Ferroviaria 10.34** (-2.69)

Belisario Quevedo 8.180** (-2.7)

Solanda 2.177* (-2.64)

Cochapamba 8.561*** (-4.59)

Concepción 7.185*** (-4.24)

Cumbaya 7.328*

-2.44

Guangopolo 11.04**

-3.33

Guamaní 6.665** (-3.31)

Turubamba 6.524* (-2.47)

La Ecuatoriana 7.817** (-2.89)

Cotocollao 3.854* (-2.19)

Ponceano 3.636** (-3.16)

El Condado 7.450** (-3.29)

Observaciones 65 65 65

R2 0.435 0.739 0.655

t estadístico entre paréntesis. * p < 0.05, ** p < 0.01, *** p < 0.001Fuente: Estimaciones propias.

Los resultados de la estimación del tercer anillo , donde las parroquias se ubican a 15km de distancia del DCN, presentan una significancia esta-dística y teórica válida para el modelo policéntrico, dichas parroquias se encuentran ubicadas geográficamente entre el límite urbano y rural del DMQ; así, al extremo sur se encuentran La Ecuatoriana, Quitumbe y Turubamba; en extremo norte están El Condado, Ponceano, y Coto-collao: ello explica sus características económicas vinculadas al sector secundario y terciario. Un ejemplo es la parroquia Quitumbe


que presenta especialización económica en el sector manufacturero y de comercio al por mayor y menor: el primero genera ingresos de US$4016,016 miles; el segundo bordea el medio millón de dólares a $460 227 al año.

Nuevamente, los resultados del modelo muestran el cambio del uso del suelo y los gradientes de distancia con respecto al DCN marcan la pauta para determinar la especialización de las parroquias; así, mientras nos alejamos del DCN, la estructura económica del territorio va modifi-cándose de actividades terciarias a secundarias.

Además la estimación paramétrica permite identificar que ciertas parroquias cumplen con las características de ser subcentro de aglo-meraciones económicas. Sin embargo, como se explicó en líneas ante-riores, dichos resultados son corroborados en un segundo paso por metodologías no paramétricas, las cuales identifican los subcentros de aglomeraciones.

5.1. Subcentros La determinación de los subcentros se realizó a través de la combina-ción de los resultados del modelo econométrico y las teorías de Picos y Umbrales; en la tabla 4 se puede identificar aquellas parroquias deter-minadas bajo la metodología de umbrales y picos, de un total de 65 parroquias 27 son seleccionadas como posibles subcentros, sin embargo, como se manifestó con anterioridad, para realizar un análisis prolijo se contrastó estos resultados con aquellos obtenidos en el modelo econo-métrico (tabla 3).

De un total de 28 parroquias obtenidas de la teoría de umbrales y picos, y de 14 parroquias de las estimaciones del modelo policéntrico, el Distrito Metropolitano de Quito tiene 11 subcentros de aglomera-ción económica, bajo las dos metodologías: Guamaní, Turubamba, La Ecuatoriana, Solanda, San Bartolo, La Ferroviaria, Belisario Quevedo, Concepción, Cotocollao, Ponceano y El Condado (tabla 5 y mapa 4).


Tabla 4Resultados del modelo Umbrales y Picos en el DMQ

Parroquias Umbrales y Picos Parroquias Umbrales y Picos

Guamaní √ Puengasí √

Turubamba √ Centro Histórico √

La Ecuatoriana √ Belisario Quevedo √

Quitumbe √ Jipijapa √

Chillogallo √ Concepción √

La Mena √ Kennedy √

Solanda √ San Isidro del Inca √

La Argelia √ Cotocollao √

San Barto √ Ponceano √

La Ferroviari √ Comité del Pueblo √

Chilibulo √ El Condado √

Chimbacalle √ Carcelé √

Tumbaco √ Calderón √

Conocoto √

Tabla 5Resultados de subcentros

Parroquias /

Metodologías

Umbrales y

PicosEstimación

Subcentros

en el DMQ

Parroquias /

Metodologías

Umbrales y

PicosEstimación

Subcentros

en el DMQ

Turubamba SÍ SÍ SÍ Puengasí SÍ

La Ecuatoriana SÍ SÍ SÍCentro

HistóricoSÍ

Quitumbe SÍ SÍ SÍBelisario

QuevedoSÍ SÍ SÍ

Chillogallo SÍ Jipijapa SÍ

La Mena SÍ Concepción SÍ SÍ SÍ

Solanda SÍ SÍ SÍ Kennedy SÍ

La Argelia SÍSan Isidro del

IncaSÍ

Cochapamba Cotocollao SÍ SÍ SÍ

San Bartolo SÍ SÍ SÍ Ponceano SÍ SÍ SÍ

La Ferroviaria SÍ SÍ SÍComité del

PuebloSÍ

Chilibulo SÍ El Condado SÍ SÍ SÍ

Chimbacalle SÍ Carcelén SÍ

Guamaní SÍ SÍ SÍ Calderón SÍ

Los subscentros en el caso del DMQ, como se observa en el mapa 4, tienen una distribución en tres grandes espacios, norte, centro-norte y sur; la consolidación de dichos subcentros y espacios no es una casua-lidad, con el objetivo de descongestionar la centralidad histórica como es la parroquia del Centro Histórico, el gobierno local ha propuesto la creación de dos nuevas grandes centralidades en el norte y el sur de la ciudad.


Mapa 4Subcentros de Aglomeración Económica en el DMQ

Fuente: elaborado por los autores.

Conclusiones

Las ciudades actualmente son el resultado de procesos evolutivos sociales, culturales y económicos, como consecuencia de ello son las estructuras policéntricas en las ciudades, sobre todo, en los distritos metropolitanos.

En la presente investigación, mediante el uso del modelo econo-métrico expuesto por McDonald y Prather (1994) y con la adaptación de los círculos concéntricos tomados del modelo de Sullivan (1986), se determinó desde la aproximación del empleo como variable proxy de aglomeración económica la existencia de una estructura de ciudad policéntrica en el Distrito Metropolitano de Quito.

En la caracterización económica del DMQ, se puede observar que las densidades de empleo parroquiales más altas se encuentran distribuidas en tres sectores específicos de la ciudad, lo cual mostraba indicios claros de una estructura policéntrica. Posteriormente, con la aplicación del modelo econométrico se comprueba dicha estructura y se localizan


los subcentros de actividad económica en el territorio. Mostrando de esta manera el uso de la localización geográfica del empleo como una variable proxy válida para determinar que el Distrito Metropolitano de Quito responde a una estructura de ciudad policéntrica.

La actividad económica se encuentra aglomerada principalmente en cuatro zonas administrativas del DMQ y los cuales contienen los subcentros económicos distribuidos de la siguiente manera: Quitumbe (Guamanì, Turubamba, La Ecuatoriana); donde los sectores de manu-factura y de servicios ocupan cerca del 95% del total del empleo, siendo el comercio al por mayor y por menor la actividad que más aporta a la economía de la zona con 4`016.016 dólares.

Eloy Alfaro (Solanda, San Bartolo, La Ferroviaria) es una zona admin-istrativa con un porcentajes de 75% de empleo en el sector terciario enfo-cado específicamente en el comercio al por menor donde los pequeños comerciantes facturaron en el 2010 cerca de 1`787.017,48 dólares

Eugenio Espejo (Belisario Quevedo y Concepción) aporta a la economía del distrito mayor cantidad de actividad económica, siendo el comercio al por mayor y por menor la que más ingresos generó (17`122.906 dólares), seguido por el sector manufacturero con 10`475.968 dólares, concentrando el 77% de empleo en el sector terciario y 16% en el sector manufacturero.

En la zona administrativa La Delicia (Cotocollao, Ponceano, El Condado), la actividad económica se caracteriza por aglomerar acti-vidades del sector secundario por alrededor de 5`769.608 dólares y concentrando el 23% del empleo en el mismo sector; en segundo plano tenemos actividades pertenecientes al sector terciario con ingresos de 2`377.977 dólares y participación del empleo de alrededor del 70%.

Finalmente, esta investigación ha permitido responder a la estruc-tura económica policéntrica del Distrito Metropolitano de Quito y sus respectivos subcentros. Sin embargo, a futuro se derivan temas de inves-tigación como las consecuencias del policentrismo en el DMQ, políticas públicas urbanas para una ciudad policéntrica, entre otros.


Anexo 1Pruebas estadísticas Modelo Policéntrico distancias inversas

Tabla 1Prueba de Multicolinealidad


Tabla 2 Prueba de normalidad de residuos

Tabla 3Prueba de Homoscedasticidad


Tabla 3Normalidad residuos

144 Paradigma económico Año 10 Núm. 1A

nexo

2M

atri

z de

dis

tanc

ias

parr

oq

uial

es

PARR

OQ

UIA

SG

UA

MA

NI

TURU

BAM

BALA

ECU

ATO

RIA

NA

QU

ITU

MBE

CHIL

LOG

ALL

OLA

MEN

ASO

LAN

DA

LA A

RGEL

IASA

N B

ART

OLO

LA F

ERRO

VIA

RIA

CHIL

IBU

LOLA

MAG

DA

LEN

ACH

IMBA

CALL

ELL

OA

PU

ENG

ASI

LA L

IBER

TAD

GU

AM

AN

I0.

002.

573.

304.

365.

948.

056.

866.

878.

709.

3612

.92

10.5

211

.29

19.0

412

.86

12.4

4TU

RUBA

MBA

2.57

0.00

4.65

4.23

6.63

8.53

6.95

6.14

8.58

8.68

10.3

710

.14

10.5

820

.34

11.7

912

.13

LA E

CUAT

ORI

AN

A3.

304.

650.

002.

982.

655.

164.

425.

376.

487.

567.

918.

249.

2315

.85

10.7

69.

76Q

UIT

UM

BE4.

364.

232.

980.

003.

625.

013.

162.

444.

985.

376.

756.

686.

4717

.03

8.35

8.31

CHIL

LOG

ALL

O5.

946.

632.

653.

620.

002.

422.

834.

244.

435.

705.

325.

887.

0713

.43

8.99

7.40

LA M

ENA

8.05

8.53

5.16

5.01

2.42

0.00

1.92

3.93

2.33

4.28

2.92

3.51

5.01

13.7

97.

264.

87SO

LAN

DA

6.86

6.95

4.42

3.16

2.83

1.92

0.00

2.02

1.89

3.27

3.50

3.52

4.53

15.8

06.

635.

38LA

ARG

ELIA

6.87

6.14

5.37

2.44

4.24

3.93

2.02

0.00

2.70

2.28

4.79

3.98

4.31

18.2

05.

766.

21SA

N B

ART

OLO

8.70

8.58

6.48

4.98

4.43

2.33

1.89

2.70

0.00

2.24

2.17

1.80

2.67

16.1

24.

813.

72LA

FER

ROVI

ARI

A9.

368.

687.

565.

375.

704.

283.

272.

282.

240.

003.

562.

452.

1617

.69

43.9

34.

38CH

ILIB

ULO

12.9

210

.37

7.91

6.75

5.32

2.92

3.50

4.79

2.17

3.56

0.00

1.29

2.68

14.7

25.

062.

00LA

MAG

DA

LEN

A10

.52

10.1

48.

246.

685.

883.

513.

523.

981.

802.

451.

290.

001.

5415

.72

4.05

2.18

CHIM

BACA

LLE

17.4

910

.58

9.23

6.47

7.07

5.01

4.53

4.31

2.67

2.16

2.68

1.54

0.00

17.4

92.

302.

62LL

OA

19

.04

20.3

415

.85

17.0

313

.43

13.7

915

.80

18.2

016

.12

17.6

914

.72

15.7

217

.49

0.00

18.6

514

.58

PUEN

GA

SI12

.86

11.7

910

.76

8.35

8.99

7.26

6.63

5.76

4.81

43.9

35.

064.

052.

3018

.65

0.00

4.33

LA L

IBER

TAD

12.4

412

.13

9.76

8.31

7.40

4.87

5.38

6.21

3.72

4.38

2.00

2.18

2.62

14.5

84.

330.

00CE

NTR

O H

ISTO

RICO

12.8

612

.38

10.6

78.

718.

156.

115.

386.

204.

253.

883.

042.

642.

1516

.13

2.89

1.32

ITCH

IMBI

A14

.57

13.7

712

.67

10.2

310

.34

8.24

7.86

7.62

6.07

5.11

5.16

4.66

3.34

18.4

62.

733.

77SA

N JU

AN

14.3

613

.82

11.8

510

.26

9.46

6.93

7.46

7.77

5.82

5.69

4.01

3.98

3.70

16.0

04.

242.

14BE

LISA

RIO

QU

EVED

O16

.76

12.6

214

.00

12.2

611

.88

9.13

9.55

9.74

7.73

7.49

6.34

6.08

5.69

17.5

95.

594.

53M

ARI

SCA

L SU

CRE

16.1

215

.21

14.0

011

.77

11.7

19.

409.

299.

007.

706.

666.

476.

064.

9718

.96

3.80

4.91

IÑAQ

UIT

O18

.14

17.6

215

.96

14.3

213

.83

11.6

511

.50

11.4

49.

859.

248.

448.

537.

0720

.07

6.23

6.81

RUM

IPA

MBA

19.1

118

.77

16.6

214

.73

14.2

311

.47

11.7

212

.19

10.5

39.

878.

728.

947.

9819

.02

7.87

9.17

JIPIJA

PA21

.08

20.4

018

.93

16.6

816

.50

14.2

414

.34

14.3

712

.52

11.8

211

.05

10.9

710

.05

21.5

79.

039.

17CO

CHA

PAM

BA21

.23

21.1

518

.91

17.1

316

.09

13.6

614

.37

15.0

312

.67

12.5

810

.54

11.2

110

.51

19.2

210

.46

9.16

CON

CEPC

ION

22.3

122

.07

19.4

818

.23

17.4

214

.91

15.1

215

.89

16.6

213

.34

12.0

712

.29

11.3

120

.76

11.0

510

.19

KEN

NED

Y23

.29

22.3

720

.77

18.8

018

.37

15.8

416

.26

16.2

314

.33

13.6

812

.89

12.9

112

.06

22.1

911

.48

11.0

9SA

N IS

IDRO

DEL

INCA

23.7

422

.94

21.6

819

.47

19.1

416

.90

17.2

016

.96

15.3

014

.65

13.7

013

.43

12.5

923

.58

11.6

312

.21

NAY

ON

22

.50

21.5

021

.19

18.4

018

.99

16.8

616

.35

15.8

214

.65

13.5

213

.92

13.4

212

.10

25.9

410

.10

12.2

2ZA

MBI

ZA

25.7

824

.93

24.2

621

.59

21.9

819

.82

19.5

318

.62

17.7

716

.79

16.6

516

.28

14.9

227

.61

13.4

715

.40

CO

TOCO

LLAO

24

.71

24.1

321

.98

20.2

419

.17

16.9

317

.62

18.0

415

.95

15.7

713

.78

14.3

813

.67

21.2

713

.49

12.3

1 P

ON

CEA

NO

25

.96

25.3

623

.18

21.5

620

.66

18.4

219

.06

19.1

517

.12

16.7

315

.25

15.6

014

.85

23.0

814

.36

13.7

6 C

OM

ITE

DEL

PU

EBLO

26

.13

25.3

223

.84

21.6

721

.12

18.8

919

.06

19.2

717

.36

16.6

915

.84

15.6

614

.91

24.1

714

.16

13.9

9 E

L CO

ND

AD

O

27.3

227

.12

23.8

722

.68

21.9

619

.15

20.1

220

.77

18.6

318

.89

16.7

417

.07

16.2

722

.27

16.2

915

.03

CA

RCEL

EN

29.0

528

.94

26.7

324

.83

23.9

921

.69

22.0

322

.22

20.4

120

.12

18.5

918

.70

18.0

125

.91

17.5

617

.06

NO

NO

**30

.48

31.2

127

.27

27.8

725

.73

23.5

325

.56

25.5

422

.61

25.2

422

.00

21.4

823

.21

19.6

424

.19

20.0

4PO

MA

SQU

I**

32.7

432

.34

30.3

028

.34

27.6

625

.27

25.3

625

.88

23.7

023

.30

22.1

817

.51

21.1

228

.42

21.1

619

.95

SAN

AN

TON

IO**

41.8

140

.59

39.1

136

.26

36.3

933

.20

35.8

135

.67

33.5

332

.80

31.2

931

.29

30.0

936

.34

30.3

529

.97

CALA

CALI

**42

.05

41.7

638

.86

38.7

635

.11

34.8

533

.72

36.1

335

.21

33.5

130

.79

30.8

831

.86

32.3

531

.43

28.4

1 N

AN

EGA

LITO

46

.65

46.3

341

.45

42.1

140

.12

37.8

239

.36

41.1

637

.70

40.5

535

.97

37.8

137

.87

29.3

739

.58

36.7

0N

AN

EGA

L51

.69

51.4

347

.96

47.8

144

.81

43.4

544

.21

45.9

643

.85

44.2

741

.46

42.0

142

.41

38.4

443

.43

40.7

1G

UA

LEA

52.5

955

.02

50.1

251

.08

48.1

246

.65

48.9

950

.89

47.8

448

.93

47.1

246

.73

47.2

438

.06

48.9

545

.74

PACT

O61

.75

62.8

858

.61

59.9

156

.61

55.3

057

.36

58.9

556

.56

57.9

554

.82

56.2

557

.02

44.4

057

.78

53.9

7PU

ELLA

RO48

.37

46.6

745

.90

44.5

643

.69

40.8

941

.86

19.8

639

.73

39.2

438

.09

37.7

037

.00

44.2

636

.66

36.4

4PE

RUCH

O51

.59

50.8

648

.50

47.0

445

.91

43.5

244

.32

14.0

942

.53

42.3

940

.95

40.8

440

.60

45.2

339

.50

38.9

2CH

AVEZ

PAM

BA53

.11

52.7

250

.89

49.1

148

.12

45.6

146

.37

46.7

644

.73

44.2

443

.01

43.0

742

.31

47.6

941

.27

40.9

6AT

AH

UA

LPA

58.0

357

.05

54.9

553

.52

53.0

150

.73

50.2

850

.60

49.1

748

.54

47.2

747

.66

46.7

353

.65

45.1

345

.42

SAN

JOSE

DE

MIN

AS

58.8

258

.29

55.4

153

.67

53.3

050

.05

50.6

752

.03

49.9

348

.75

48.2

647

.08

48.9

150

.54

46.5

146

.51

CALD

ERO

N30

.19

30.2

833

.64

26.6

226

.59

24.1

224

.04

23.5

721

.63

21.4

620

.13

20.4

119

.39

30.2

918

.53

19.0

5LL

AN

O C

HIC

O25

.80

24.5

923

.55

21.3

721

.54

19.0

518

.99

18.4

617

.14

16.1

616

.66

15.5

014

.45

26.1

513

.22

14.1

3CU

MBA

YA16

.81

16.3

916

.47

13.6

914

.58

12.5

012

.05

10.6

411

.01

8.67

10.2

09.

607.

7423

.46

5.78

9.32

TUM

BACO

21.0

919

.05

20.8

717

.17

18.8

117

.79

16.6

914

.78

15.4

713

.54

15.3

914

.51

12.7

929

.25

10.2

213

.96

AM

AGU

AÑ

A

8.90

5.68

11.5

59.

2713

.80

14.4

313

.62

12.4

213

.18

14.3

916

.89

16.4

415

.20

24.2

015

.10

16.7

9CO

NO

COTO

9.18

7.34

8.71

6.00

7.96

7.89

6.06

3.77

6.00

3.74

7.06

6.07

5.57

19.9

34.

938.

28G

UA

NG

OPO

LO14

.90

14.1

214

.80

12.0

013

.72

12.2

211

.26

9.05

10.1

97.

9510

.66

9.71

7.81

24.4

85.

789.

96A

LAN

GA

SI14

.66

12.1

014

.52

11.6

213

.87

13.5

511

.95

9.92

11.7

49.

7913

.05

11.4

89.

9226

.11

9.68

12.9

6LA

MER

CED

19.0

016

.49

19.6

116

.12

18.5

018

.45

16.5

214

.42

16.0

213

.76

16.3

715

.86

14.2

330

.76

12.4

916

.76

PIN

TAG

26.3

225

.48

29.0

527

.04

29.9

229

.98

28.4

826

.50

29.3

827

.54

30.4

529

.83

28.5

943

.16

27.1

631

.00

PU

EMBO

27

.14

25.4

825

.85

23.8

224

.31

22.1

821

.49

20.4

720

.12

18.4

819

.50

18.8

517

.18

32.4

327

.16

18.4

4PI

FO32

.60

28.9

731

.54

28.2

532

.19

30.7

528

.48

26.1

228

.39

26.9

428

.69

27.9

626

.45

42.5

724

.50

27.2

4TA

BABE

LA30

.40

28.8

653

.27

26.3

527

.40

25.7

024

.62

26.1

223

.22

21.3

622

.58

21.9

020

.01

34.6

518

.27

20.8

9YA

RUQ

UI

31.7

929

.12

30.9

127

.92

29.7

123

.37

26.6

425

.45

25.7

524

.09

25.9

924

.90

23.0

339

.67

21.0

624

.42

CHEC

A36

.05

34.6

035

.71

32.8

934

.69

32.4

131

.78

30.7

930

.28

27.8

630

.29

29.7

427

.86

43.9

225

.69

28.6

4EL

QU

INCH

E37

.81

36.1

336

.99

33.8

635

.30

32.9

832

.63

30.9

631

.07

29.1

730

.56

29.6

828

.11

42.2

325

.56

28.4

0G

UAY

LLA

BAM

BA38

.54

34.4

736

.25

33.9

534

.61

32.3

031

.83

31.5

130

.49

29.3

129

.73

29.1

327

.41

39.4

326

.25

27.6

1


Ane

xo 2

(Co

ntin

uaci

ón)

PARR

OQ

UIA

SCE

NTR

O

HIS

TORI

COIT

CHIM

BIA

SAN

JUA

NBE

LISA

RIO

QU

EVED

O

MA

RISC

AL

SUCR

EIÑ

AQU

ITO

RUM

IPA

MBA

JIPIJA

PACO

CHA

PAM

BACO

NCE

PCIO

NKE

NN

EDY

SAN

ISID

RO D

EL

INCA

NAY

ON

ZA

MBI

ZA

CO

TOCO

LLAO

P

ON

CEA

NO

GU

AM

AN

I12

.86

14.5

714

.36

16.7

616

.12

18.1

419

.11

21.0

821

.23

22.3

123

.29

23.7

422

.50

25.7

824

.71

25.9

6TU

RUBA

MBA

12.3

813

.77

13.8

212

.62

15.2

117

.62

18.7

720

.40

21.1

522

.07

22.3

722

.94

21.5

024

.93

24.1

325

.36

LA E

CUAT

ORI

AN

A10

.67

12.6

711

.85

14.0

014

.00

15.9

616

.62

18.9

318

.91

19.4

820

.77

21.6

821

.19

24.2

621

.98

23.1

8Q

UIT

UM

BE8.

7110

.23

10.2

612

.26

11.7

714

.32

14.7

316

.68

17.1

318

.23

18.8

019

.47

18.4

021

.59

20.2

421

.56

CHIL

LOG

ALL

O8.

1510

.34

9.46

11.8

811

.71

13.8

314

.23

16.5

016

.09

17.4

218

.37

19.1

418

.99

21.9

819

.17

20.6

6LA

MEN

A6.

118.

246.

939.

139.

4011

.65

11.4

714

.24

13.6

614

.91

15.8

416

.90

16.8

619

.82

16.9

318

.42

SOLA

ND

A5.

387.

867.

469.

559.

2911

.50

11.7

214

.34

14.3

715

.12

16.2

617

.20

16.3

519

.53

17.6

219

.06

LA A

RGEL

IA6.

207.

627.

779.

749.

0011

.44

12.1

914

.37

15.0

315

.89

16.2

316

.96

15.8

218

.62

18.0

419

.15

SAN

BA

RTO

LO4.

256.

075.

827.

737.

709.

8510

.53

12.5

212

.67

16.6

214

.33

15.3

014

.65

17.7

715

.95

17.1

2LA

FER

ROVI

ARI

A3.

885.

115.

697.

496.

669.

249.

8711

.82

12.5

813

.34

13.6

814

.65

13.5

216

.79

15.7

716

.73

CHIL

IBU

LO3.

045.

164.

016.

346.

478.

448.

7211

.05

10.5

412

.07

12.8

913

.70

13.9

216

.65

13.7

815

.25

LA M

AGD

ALE

NA

2.64

4.66

3.98

6.08

6.06

8.53

8.94

10.9

711

.21

12.2

912

.91

13.4

313

.42

16.2

814

.38

15.6

0CH

IMBA

CALL

E2.

153.

343.

705.

694.

977.

077.

9810

.05

10.5

111

.31

12.0

612

.59

12.1

014

.92

13.6

714

.85

LLO

A

16.1

318

.46

16.0

017

.59

18.9

620

.07

19.0

221

.57

19.2

220

.76

22.1

923

.58

25.9

427

.61

21.2

723

.08

PUEN

GA

SI2.

892.

734.

245.

593.

806.

237.

879.

0310

.46

11.0

511

.48

11.6

310

.10

13.4

713

.49

14.3

6LA

LIB

ERTA

D1.

323.

772.

144.

534.

916.

819.

179.

179.

1610

.19

11.0

912

.21

12.2

215

.40

12.3

113

.76

CEN

TRO

HIS

TORI

CO0.

002.

371.

744.

083.

685.

676.

528.

388.

759.

7310

.40

11.1

010

.89

13.9

912

.41

13.2

1IT

CHIM

BIA

2.37

0.00

2.53

3.01

1.44

3.69

5.28

6.46

8.04

8.65

8.84

9.18

8.63

11.7

010

.80

11.7

4SA

N JU

AN

1.74

2.53

0.00

2.01

2.77

4.49

4.96

7.05

7.29

7.91

8.96

9.84

10.3

213

.08

10.4

311

.73

BELI

SARI

O Q

UEV

EDO

4.08

3.01

2.01

0.00

2.05

2.70

2.84

4.74

4.99

5.90

6.56

7.60

8.42

10.9

88.

209.

26M

ARI

SCA

L SU

CRE

3.68

1.44

2.77

2.05

0.00

2.56

3.75

4.98

6.33

7.18

7.42

7.83

7.43

10.5

89.

5410

.42

IÑAQ

UIT

O5.

673.

694.

492.

702.

560.

002.

102.

614.

944.

854.

975.

255.

688.

447.

388.

06RU

MIP

AM

BA6.

525.

284.

962.

843.

752.

100.

002.

723.

153.

594.

215.

427.

209.

136.

247.

18JIP

IJAPA

8.38

6.46

7.05

4.74

4.98

2.61

2.72

0.00

3.59

3.23

2.70

3.01

4.93

6.58

5.69

5.81

COCH

APA

MBA

8.75

8.04

7.29

4.99

6.33

4.94

3.15

3.59

0.00

1.46

3.11

4.64

8.48

9.37

3.32

4.69

CON

CEPC

ION

9.73

8.65

7.91

5.90

7.18

4.85

3.59

3.23

1.46

0.00

1.76

3.11

7.40

8.26

2.80

3.64

KEN

NED

Y10

.40

8.84

8.96

6.56

7.42

4.97

4.21

2.70

3.11

1.76

0.00

1.49

5.93

6.20

3.38

3.17

SAN

ISID

RO D

EL IN

CA11

.10

9.18

9.84

7.60

7.83

5.25

5.42

3.01

4.64

3.11

1.49

0.00

5.23

5.29

4.54

3.82

NAY

ON

10

.89

8.63

10.3

28.

427.

435.

687.

204.

938.

487.

405.

935.

230.

002.

889.

438.

97ZA

MBI

ZA

13.9

911

.70

13.0

810

.98

10.5

88.

449.

136.

589.

378.

266.

205.

292.

880.

009.

588.

62 C

OTO

COLL

AO

12.4

110

.80

10.4

38.

209.

547.

386.

245.

693.

322.

803.

384.

549.

439.

580.

001.

51 P

ON

CEA

NO

13

.21

11.7

411

.73

9.26

10.4

28.

067.

185.

814.

693.

643.

173.

828.

978.

621.

510.

00 C

OM

ITE

DEL

PU

EBLO

13

.35

11.8

111

.74

9.57

10.0

67.

757.

025.

275.

324.

122.

882.

357.

516.

933.

261.

94 E

L CO

ND

AD

O

14.9

113

.82

13.0

611

.45

12.5

910

.48

8.82

8.24

6.20

5.87

4.16

6.27

11.7

311

.25

2.62

2.83

CA

RCEL

EN

16.6

214

.91

14.7

612

.67

13.5

511

.09

10.1

68.

677.

976.

967.

065.

6310

.56

9.12

4.62

3.19

NO

NO

**21

.46

21.1

521

.12

19.9

620

.72

19.6

517

.97

17.9

413

.86

16.8

017

.61

16.9

522

.49

21.5

713

.28

14.2

1PO

MA

SQU

I**

15.1

418

.32

18.2

616

.50

17.2

114

.96

13.5

912

.50

11.3

110

.62

10.5

39.

0613

.50

11.9

08.

066.

71SA

N A

NTO

NIO

**29

.88

28.2

228

.26

25.4

626

.41

23.7

323

.72

21.4

120

.29

20.4

820

.41

17.9

422

.88

19.8

117

.11

16.6

7CA

LACA

LI**

29.9

929

.59

29.7

026

.87

27.8

626

.16

24.0

923

.22

22.6

120

.73

20.9

721

.97

26.6

624

.42

18.8

918

.20

NA

NEG

ALI

TO

37.4

237

.03

36.7

434

.98

37.4

636

.27

33.2

734

.74

31.8

231

.73

33.5

934

.38

39.8

538

.58

31.3

230

.60

NA

NEG

AL

40.1

440

.86

39.2

737

.77

38.6

037

.26

36.2

036

.00

32.7

033

.52

34.0

833

.57

38.2

337

.49

29.9

830

.33

GU

ALE

A45

.78

46.2

044

.82

43.4

145

.58

44.6

541

.69

42.8

239

.86

40.1

241

.63

41.9

646

.87

45.9

537

.74

38.0

0PA

CTO

54.8

855

.49

53.7

452

.92

55.0

354

.10

51.9

952

.99

49.5

149

.85

51.2

952

.26

57.3

456

.57

47.7

748

.49

PUEL

LARO

35.7

934

.09

34.0

731

.95

32.3

129

.73

29.0

027

.71

27.3

226

.51

25.9

023

.58

27.1

124

.54

23.4

922

.76

PERU

CHO

38.5

537

.20

37.2

735

.08

35.7

033

.37

32.2

930

.67

29.9

228

.98

28.9

727

.55

31.2

628

.19

26.5

225

.37

CHAV

EZPA

MBA

40.8

138

.74

39.3

037

.03

37.4

635

.11

34.4

333

.04

32.0

631

.24

31.0

029

.35

33.1

329

.84

28.6

827

.61

ATA

HU

ALP

A44

.91

43.0

443

.30

41.6

741

.86

39.1

738

.96

36.5

937

.16

36.0

835

.44

34.2

136

.16

32.7

633

.95

32.4

1SA

N JO

SE D

E M

INA

S45

.27

45.0

343

.81

42.4

242

.51

41.4

641

.00

38.2

037

.77

36.7

536

.61

35.3

339

.05

36.3

832

.94

32.7

6CA

LDER

ON

18.4

015

.61

16.7

315

.07

14.4

712

.92

12.1

010

.25

10.9

010

.26

9.01

8.03

8.55

5.85

9.64

7.68

LLA

NO

CH

ICO

12.9

510

.93

11.8

99.

959.

667.

457.

735.

187.

696.

324.

353.

184.

022.

376.

836.

02CU

MBA

YA6.

995.

097.

536.

875.

025.

036.

966.

779.

669.

328.

088.

405.

158.

0812

.39

11.9

0TU

MBA

CO12

.70

10.2

313

.23

12.0

310

.11

9.50

12.3

211

.12

14.2

613

.69

11.3

211

.30

6.51

8.45

16.7

515

.50

AM

AGU

AÑ

A

16.2

418

.46

17.8

120

.56

20.0

922

.05

23.0

524

.11

25.0

627

.03

26.0

826

.52

25.2

527

.42

29.0

830

.17

CON

OCO

TO6.

508.

199.

0810

.48

9.41

11.4

012

.90

14.2

715

.79

15.2

215

.61

16.2

914

.09

17.4

618

.89

20.0

0G

UA

NG

OPO

LO8.

207.

089.

189.

737.

388.

5310

.88

10.0

313

.59

13.2

012

.14

12.6

08.

9712

.09

16.1

516

.11

ALA

NG

ASI

12.3

310

.84

13.0

114

.03

11.6

813

.56

15.0

515

.24

13.5

917

.73

16.8

217

.87

14.5

116

.78

21.2

920

.74

LA M

ERCE

D14

.87

13.9

416

.06

16.8

414

.62

15.7

417

.47

17.0

220

.49

20.0

818

.66

19.3

014

.58

16.6

022

.67

22.4

4PI

NTA

G29

.45

29.9

530

.95

33.5

631

.17

32.1

634

.10

34.7

436

.85

37.3

135

.98

35.6

331

.02

33.8

039

.37

39.4

0 P

UEM

BO

16.6

014

.16

16.1

015

.07

13.2

412

.03

13.6

311

.02

15.0

113

.74

11.6

910

.60

6.93

6.21

14.8

214

.16

PIFO

26.6

025

.76

27.5

127

.31

25.2

124

.88

27.5

325

.35

29.7

428

.85

26.2

526

.58

21.4

121

.62

31.5

929

.99

TABA

BELA

19.3

817

.05

18.9

717

.39

16.4

814

.64

15.8

713

.58

16.6

815

.46

13.5

112

.21

8.86

7.04

16.6

315

.32

YARU

QU

I22

.55

20.8

822

.95

22.3

019

.89

19.5

421

.88

18.5

822

.87

21.3

319

.84

18.3

914

.64

14.1

923

.57

21.8

9CH

ECA

27.0

725

.15

27.0

526

.73

24.8

723

.31

25.8

320

.95

26.9

024

.78

22.0

522

.17

18.6

516

.93

26.5

424

.69

EL Q

UIN

CHE

27.7

725

.18

26.9

625

.27

23.8

122

.81

23.8

721

.19

24.0

322

.67

20.8

319

.33

17.1

014

.82

23.2

421

.43

GU

AYLL

ABA

MBA

26.5

123

.59

25.1

223

.66

23.2

121

.05

21.2

519

.07

20.4

118

.78

17.9

915

.89

15.7

712

.79

18.4

116

.98


PARR

OQ

UIA

S C

OM

ITE

DEL

PUEB

LO

EL

CON

DA

DO

C

ARC

ELEN

N

ON

O**

POM

ASQ

UI*

*SA

N

AN

TON

IO**

CALA

CALI

** N

AN

EGA

LITO

N

AN

EGA

LG

UA

LEA

PACT

OPU

ELLA

ROPE

RUCH

OCH

AVEZ

PAM

BAAT

AH

UA

LPA

SAN

JOSE

DE

MIN

AS

GU

AM

AN

I26

.13

27.3

229

.05

30.4

832

.74

41.8

142

.05

46.6

551

.69

52.5

961

.91

48.3

751

.59

53.1

158

.03

58.8

2TU

RUBA

MBA

25.3

227

.12

28.9

431

.21

32.3

440

.59

41.7

646

.33

51.4

355

.02

63.1

546

.67

50.8

652

.72

57.0

558

.29

LA E

CUAT

ORI

AN

A23

.84

23.8

726

.73

27.2

730

.30

39.1

138

.86

41.4

547

.96

50.1

258

.55

45.9

048

.50

50.8

954

.95

55.4

1Q

UIT

UM

BE21

.67

22.6

824

.83

27.8

728

.34

36.2

638

.76

42.1

147

.81

51.0

859

.14

44.5

647

.04

49.1

153

.52

53.6

7CH

ILLO

GA

LLO

21.1

221

.96

23.9

925

.73

27.6

636

.39

35.1

140

.12

44.8

148

.12

56.4

343

.69

45.9

148

.12

53.0

153

.30

LA M

ENA

18.8

919

.15

21.6

923

.53

25.2

733

.20

34.8

537

.82

43.4

546

.65

55.0

840

.89

43.5

245

.61

50.7

350

.05

SOLA

ND

A19

.06

20.1

222

.03

25.5

625

.36

35.8

133

.72

39.3

644

.21

48.9

957

.58

41.8

644

.32

46.3

750

.28

50.6

7LA

ARG

ELIA

19.2

720

.77

22.2

225

.54

25.8

835

.67

36.1

341

.16

45.9

650

.89

58.9

819

.86

14.0

946

.76

50.6

052

.03

SAN

BA

RTO

LO17

.36

18.6

320

.41

22.6

123

.70

33.5

335

.21

37.7

043

.85

47.8

455

.81

39.7

342

.53

44.7

349

.17

49.9

3LA

FER

ROVI

ARI

A16

.69

18.8

920

.12

25.2

423

.30

32.8

033

.51

40.5

544

.27

48.9

358

.24

39.2

442

.39

44.2

448

.54

48.7

5CH

ILIB

ULO

15.8

416

.74

18.5

922

.00

22.1

831

.29

30.7

935

.97

41.4

647

.12

54.7

538

.09

40.9

543

.01

47.2

748

.26

LA M

AGD

ALE

NA

15.6

617

.07

18.7

021

.48

17.5

131

.29

30.8

837

.81

42.0

146

.73

55.0

237

.70

40.8

443

.07

47.6

647

.08

CHIM

BACA

LLE

14.9

116

.27

18.0

123

.21

21.1

230

.09

31.8

637

.87

42.4

147

.24

56.2

137

.00

40.6

042

.31

46.7

348

.91

LLO

A

24.1

722

.27

25.9

119

.64

28.4

236

.34

32.3

529

.37

38.4

438

.06

46.4

644

.26

45.2

347

.69

53.6

550

.54

PUEN

GA

SI14

.16

16.2

917

.56

24.1

921

.16

30.3

531

.43

39.5

843

.43

48.9

557

.74

36.6

639

.50

41.2

745

.13

46.5

1LA

LIB

ERTA

D13

.99

15.0

317

.06

20.0

419

.95

29.9

728

.41

36.7

040

.71

45.7

453

.52

36.4

438

.92

40.9

645

.42

46.5

1CE

NTR

O H

ISTO

RICO

13.3

514

.91

16.6

221

.46

15.1

429

.88

29.9

937

.42

40.1

445

.78

55.0

935

.79

38.5

540

.81

44.9

145

.27

ITCH

IMBI

A11

.81

13.8

214

.91

21.1

518

.32

28.2

229

.59

37.0

340

.86

46.2

056

.17

34.0

937

.20

38.7

443

.04

45.0

3SA

N JU

AN

11.7

413

.06

14.7

621

.12

18.2

628

.26

29.7

036

.74

39.2

744

.82

53.8

734

.07

37.2

739

.30

43.3

043

.81

BELI

SARI

O Q

UEV

EDO

9.57

11.4

512

.67

19.9

616

.50

25.4

626

.87

34.9

837

.77

43.4

153

.72

31.9

535

.08

37.0

341

.67

42.4

2M

ARI

SCA

L SU

CRE

10.0

612

.59

13.5

520

.72

17.2

126

.41

27.8

637

.46

38.6

045

.58

54.2

732

.31

35.7

037

.46

41.8

642

.51

IÑAQ

UIT

O7.

7510

.48

11.0

919

.65

14.9

623

.73

26.1

636

.27

37.2

644

.65

53.9

929

.73

33.3

735

.11

39.1

741

.46

RUM

IPA

MBA

7.02

8.82

10.1

617

.97

13.5

923

.72

24.0

933

.27

36.2

041

.69

52.4

729

.00

32.2

934

.43

38.9

641

.00

JIPIJA

PA5.

278.

248.

6717

.94

12.5

021

.41

23.2

234

.74

36.0

042

.82

53.6

127

.71

30.6

733

.04

36.5

938

.20

COCH

APA

MBA

5.32

6.20

7.97

13.8

611

.31

20.2

922

.61

31.8

232

.70

39.8

648

.93

27.3

229

.92

32.0

637

.16

37.7

7CO

NCE

PCIO

N4.

125.

876.

9616

.80

10.6

220

.48

20.7

331

.73

33.5

240

.12

50.4

526

.51

28.9

831

.24

36.0

836

.75

KEN

NED

Y2.

884.

167.

0617

.61

10.5

320

.41

20.9

733

.59

34.0

841

.63

52.1

325

.90

28.9

731

.00

35.4

436

.61

SAN

ISID

RO D

EL IN

CA2.

356.

275.

6316

.95

9.06

17.9

421

.97

34.3

833

.57

41.9

652

.92

23.5

827

.55

29.3

534

.21

35.3

3N

AYO

N

7.51

11.7

310

.56

22.4

913

.50

22.8

826

.66

39.8

538

.23

46.8

757

.39

27.1

131

.26

33.1

336

.16

39.0

5ZA

MBI

ZA

6.93

11.2

59.

1221

.57

11.9

019

.81

24.4

238

.58

37.4

945

.95

57.4

624

.54

28.1

929

.84

32.7

636

.38

CO

TOCO

LLAO

3.

262.

624.

6213

.28

8.06

17.1

118

.89

31.3

229

.98

37.7

448

.28

23.4

926

.52

28.6

833

.95

32.9

4 P

ON

CEA

NO

1.

942.

833.

1914

.21

6.71

16.6

718

.20

30.6

030

.33

38.0

048

.89

22.7

625

.37

27.6

132

.41

32.7

6 C

OM

ITE

DEL

PU

EBLO

0.

004.

373.

376.

726.

6516

.69

18.0

531

.47

31.3

739

.66

51.2

121

.67

25.3

327

.36

31.5

832

.84

EL

CON

DA

DO

4.

370.

003.

6311

.00

6.18

14.9

014

.93

27.8

226

.93

35.4

646

.34

21.5

224

.06

26.4

131

.75

30.8

9 C

ARC

ELEN

3.

373.

630.

0014

.75

3.81

13.8

814

.38

30.7

328

.64

37.6

348

.31

19.0

722

.20

24.4

329

.44

30.4

2N

ON

O**

6.72

11.0

014

.75

0.00

14.1

518

.48

13.4

316

.54

21.0

425

.19

35.1

526

.54

26.2

729

.35

35.8

030

.62

POM

ASQ

UI*

*6.

656.

183.

8114

.15

0.00

9.64

11.9

528

.83

26.8

336

.10

47.7

016

.19

18.9

621

.26

25.8

926

.39

SAN

AN

TON

IO**

16.6

914

.90

13.8

818

.48

9.64

0.00

6.85

28.6

021

.59

34.0

345

.05

8.84

9.69

12.4

218

.03

16.4

6CA

LACA

LI**

18.0

514

.93

14.3

813

.43

11.9

56.

850.

0021

.48

13.8

825

.47

36.8

714

.88

12.9

015

.58

22.4

917

.43

NA

NEG

ALI

TO

31.4

727

.82

30.7

316

.54

28.8

328

.60

21.4

80.

0014

.98

8.72

18.3

535

.27

32.1

234

.46

42.7

334

.16

NA

NEG

AL

31.3

726

.93

28.6

421

.04

26.8

321

.59

13.8

814

.98

0.00

15.3

025

.64

24.8

720

.61

22.8

530

.03

19.1

1G

UA

LEA

39.6

635

.46

37.6

325

.19

36.1

034

.03

25.4

78.

7215

.30

0.00

12.8

639

.73

35.0

737

.01

45.0

833

.34

PACT

O50

.20

45.8

348

.27

35.9

046

.90

45.3

237

.24

17.7

725

.83

10.8

70.

0050

.46

46.4

948

.53

55.6

144

.38

PUEL

LARO

21.6

721

.52

19.0

726

.54

16.1

98.

8414

.88

35.2

724

.87

39.7

350

.46

0.00

5.96

6.66

9.74

14.7

2PE

RUCH

O25

.33

24.0

622

.20

26.2

718

.96

9.69

12.9

032

.12

20.6

135

.07

46.4

95.

960.

002.

669.

679.

13CH

AVEZ

PAM

BA27

.36

26.4

124

.43

29.3

521

.26

12.4

215

.58

34.4

622

.85

37.0

148

.53

6.66

2.66

0.00

7.73

8.76

ATA

HU

ALP

A31

.58

31.7

529

.44

35.8

025

.89

18.0

322

.49

42.7

330

.03

45.0

855

.61

9.74

9.67

7.73

0.00

13.6

2SA

N JO

SE D

E M

INA

S32

.84

30.8

930

.42

30.6

226

.39

16.4

617

.43

34.1

619

.11

33.3

444

.38

14.7

29.

138.

7613

.62

0.00

CALD

ERO

N6.

109.

155.

6719

.52

6.64

13.0

618

.17

34.5

431

.47

42.4

153

.42

18.3

921

.82

22.6

525

.97

30.6

3LL

AN

O C

HIC

O3.

998.

426.

4119

.19

9.17

17.7

521

.38

35.3

833

.79

43.8

254

.40

23.4

727

.05

28.5

732

.11

35.1

4CU

MBA

YA11

.31

15.1

214

.49

28.2

318

.09

26.7

329

.52

40.3

441

.40

49.4

159

.29

32.2

835

.70

37.4

640

.87

44.2

2TU

MBA

CO14

.56

18.4

816

.86

28.2

319

.86

27.4

632

.79

45.2

144

.06

53.5

064

.25

31.9

536

.35

37.8

940

.43

44.6

9 A

MAG

UA

ÑA

28

.90

32.4

233

.59

37.6

136

.55

44.2

346

.09

52.1

756

.27

62.4

371

.03

51.0

354

.84

55.5

459

.87

61.9

6CO

NO

COTO

19.3

622

.20

21.8

727

.90

25.4

735

.13

36.6

843

.89

47.2

753

.32

62.1

140

.48

44.3

045

.71

49.4

152

.22

GU

AN

GO

POLO

15.1

418

.59

18.5

927

.36

21.8

330

.47

33.8

843

.59

45.2

953

.07

62.6

436

.18

39.7

741

.71

44.3

147

.68

ALA

NG

ASI

20.7

424

.77

23.3

931

.73

26.8

835

.54

38.9

247

.63

49.6

557

.51

66.3

240

.20

44.4

145

.70

48.7

952

.85

LA M

ERCE

D21

.41

25.2

624

.84

34.6

827

.44

36.1

740

.18

50.8

151

.73

60.3

369

.43

40.2

644

.52

45.9

547

.87

53.2

2PI

NTA

G38

.48

41.9

841

.65

50.6

845

.04

52.7

756

.64

67.1

167

.89

75.9

185

.28

56.6

762

.88

63.0

363

.30

70.1

9 P

UEM

BO

12.4

716

.78

14.4

127

.66

16.1

923

.23

29.3

342

.75

41.4

751

.64

62.9

726

.74

30.9

733

.14

34.0

140

.61

PIFO

28.3

433

.80

31.8

144

.21

32.8

739

.51

45.2

459

.86

57.3

467

.26

78.0

140

.47

45.7

846

.48

46.5

254

.59

TABA

BELA

13.4

217

.64

13.9

928

.37

16.4

022

.12

28.4

544

.16

41.0

651

.91

63.0

424

.67

29.5

530

.03

32.1

538

.19

YARU

QU

I20

.11

25.7

122

.74

35.4

924

.64

28.9

235

.89

51.5

849

.25

59.8

070

.21

30.8

236

.55

37.0

537

.63

45.6

1CH

ECA

22.8

927

.67

23.0

237

.82

24.8

928

.67

35.1

753

.22

49.6

760

.78

72.1

329

.28

34.9

835

.52

34.7

743

.00

EL Q

UIN

CHE

19.9

823

.73

20.4

034

.03

20.8

123

.88

31.1

649

.55

43.7

856

.14

66.7

422

.96

28.5

429

.24

27.9

936

.93

GU

AYLL

ABA

MBA

15.1

818

.05

14.6

127

.83

13.8

114

.81

22.2

341

.41

34.7

847

.95

59.3

814

.43

19.6

220

.31

20.7

328

.29

Ane

xo 2

(Co

ntin

uaci

ón)


PARR

OQ

UIA

SCA

LDER

ON

LLA

NO

CH

ICO

CUM

BAYA

TUM

BACO

AM

AGU

AÑ

A

CON

OCO

TOG

UA

NG

OPO

LOA

LAN

GA

SILA

MER

CED

PIN

TAG

PU

EMBO

PI

FOTA

BABE

LAYA

RUQ

UI

CHEC

AEL

QU

INCH

EG

UAY

LLA

BAM

BAG

UA

MA

NI

30.1

925

.80

16.8

121

.09

8.90

9.18

14.9

014

.66

19.0

026

.32

27.1

432

.60

30.4

031

.79

36.0

537

.81

38.5

4TU

RUBA

MBA

30.2

824

.59

16.3

919

.05

5.68

7.34

14.1

212

.10

16.4

925

.48

25.4

828

.97

28.8

629

.12

34.6

036

.13

34.4

7LA

ECU

ATO

RIA

NA

33.6

423

.55

16.4

720

.87

11.5

58.

7114

.80

14.5

219

.61

29.0

525

.85

31.5

453

.27

30.9

135

.71

36.9

936

.25

QU

ITU

MBE

26.6

221

.37

13.6

917

.17

9.27

6.00

12.0

011

.62

16.1

227

.04

23.8

228

.25

26.3

527

.92

32.8

933

.86

33.9

5CH

ILLO

GA

LLO

26.5

921

.54

14.5

818

.81

13.8

07.

9613

.72

13.8

718

.50

29.9

224

.31

32.1

927

.40

29.7

134

.69

35.3

034

.61

LA M

ENA

24.1

219

.05

12.5

017

.79

14.4

37.

8912

.22

13.5

518

.45

29.9

822

.18

30.7

525

.70

23.3

732

.41

32.9

832

.30

SOLA

ND

A24

.04

18.9

912

.05

16.6

913

.62

6.06

11.2

611

.95

16.5

228

.48

21.4

928

.48

24.6

226

.64

31.7

832

.63

31.8

3LA

ARG

ELIA

23.5

718

.46

10.6

414

.78

12.4

23.

779.

059.

9214

.42

26.5

020

.47

26.1

226

.12

25.4

530

.79

30.9

631

.51

SAN

BA

RTO

LO21

.63

17.1

411

.01

15.4

713

.18

6.00

10.1

911

.74

16.0

229

.38

20.1

228

.39

23.2

225

.75

30.2

831

.07

30.4

9LA

FER

ROVI

ARI

A21

.46

16.1

68.

6713

.54

14.3

93.

747.

959.

7913

.76

27.5

418

.48

26.9

421

.36

24.0

927

.86

29.1

729

.31

CHIL

IBU

LO20

.13

16.6

610

.20

15.3

916

.89

7.06

10.6

613

.05

16.3

730

.45

19.5

028

.69

22.5

825

.99

30.2

930

.56

29.7

3LA

MAG

DA

LEN

A20

.41

15.5

09.

6014

.51

16.4

46.

079.

7111

.48

15.8

629

.83

18.8

527

.96

21.9

024

.90

29.7

429

.68

29.1

3CH

IMBA

CALL

E19

.39

14.4

57.

7412

.79

15.2

05.

577.

819.

9214

.23

28.5

917

.18

26.4

520

.01

23.0

327

.86

28.1

127

.41

LLO

A

30.2

926

.15

23.4

629

.25

24.2

019

.93

24.4

826

.11

30.7

643

.16

32.4

342

.57

34.6

539

.67

43.9

242

.23

39.4

3PU

ENG

ASI

18.5

313

.22

5.78

10.2

215

.10

4.93

5.78

9.68

12.4

927

.16

27.1

624

.50

18.2

721

.06

25.6

925

.56

26.2

5LA

LIB

ERTA

D19

.05

14.1

39.

3213

.96

16.7

98.

289.

9612

.96

16.7

631

.00

18.4

427

.24

20.8

924

.42

28.6

428

.40

27.6

1CE

NTR

O H

ISTO

RICO

18.4

012

.95

6.99

12.7

016

.24

6.50

8.20

12.3

314

.87

29.4

516

.60

26.6

019

.38

22.5

527

.07

27.7

726

.51

ITCH

IMBI

A15

.61

10.9

35.

0910

.23

18.4

68.

197.

0810

.84

13.9

429

.95

14.1

625

.76

17.0

520

.88

25.1

525

.18

23.5

9SA

N JU

AN

16.7

311

.89

7.53

13.2

317

.81

9.08

9.18

13.0

116

.06

30.9

516

.10

27.5

118

.97

22.9

527

.05

26.9

625

.12

BELI

SARI

O Q

UEV

EDO

15.0

79.

956.

8712

.03

20.5

610

.48

9.73

14.0

316

.84

33.5

615

.07

27.3

117

.39

22.3

026

.73

25.2

723

.66

MA

RISC

AL

SUCR

E14

.47

9.66

5.02

10.1

120

.09

9.41

7.38

11.6

814

.62

31.1

713

.24

25.2

116

.48

19.8

924

.87

23.8

123

.21

IÑAQ

UIT

O12

.92

7.45

5.03

9.50

22.0

511

.40

8.53

13.5

615

.74

32.1

612

.03

24.8

814

.64

19.5

423

.31

22.8

121

.05

RUM

IPA

MBA

12.1

07.

736.

9612

.32

23.0

512

.90

10.8

815

.05

17.4

734

.10

13.6

327

.53

15.8

721

.88

25.8

323

.87

21.2

5JIP

IJAPA

10.2

55.

186.

7711

.12

24.1

114

.27

10.0

315

.24

17.0

234

.74

11.0

225

.35

13.5

818

.58

20.9

521

.19

19.0

7CO

CHA

PAM

BA10

.90

7.69

9.66

14.2

625

.06

15.7

913

.59

13.5

920

.49

36.8

515

.01

29.7

416

.68

22.8

726

.90

24.0

320

.41

CON

CEPC

ION

10.2

66.

329.

3213

.69

27.0

315

.22

13.2

017

.73

20.0

837

.31

13.7

428

.85

15.4

621

.33

24.7

822

.67

18.7

8KE

NN

EDY

9.01

4.35

8.08

11.3

226

.08

15.6

112

.14

16.8

218

.66

35.9

811

.69

26.2

513

.51

19.8

422

.05

20.8

317

.99

SAN

ISID

RO D

EL IN

CA8.

033.

188.

4011

.30

26.5

216

.29

12.6

017

.87

19.3

035

.63

10.6

026

.58

12.2

118

.39

22.1

719

.33

15.8

9N

AYO

N

8.55

4.02

5.15

6.51

25.2

514

.09

8.97

14.5

114

.58

31.0

26.

9321

.41

8.86

14.6

418

.65

17.1

015

.77

ZAM

BIZA

5.

852.

378.

088.

4527

.42

17.4

612

.09

16.7

816

.60

33.8

06.

2121

.62

7.04

14.1

916

.93

14.8

212

.79

CO

TOCO

LLAO

9.

646.

8312

.39

16.7

529

.08

18.8

916

.15

21.2

922

.67

39.3

714

.82

31.5

916

.63

23.5

726

.54

23.2

418

.41

PO

NCE

AN

O

7.68

6.02

11.9

015

.50

30.1

720

.00

16.1

120

.74

22.4

439

.40

14.1

629

.99

15.3

221

.89

24.6

921

.43

16.9

8 C

OM

ITE

DEL

PU

EBLO

6.

103.

9911

.31

14.5

628

.90

19.3

615

.14

20.7

421

.41

38.4

812

.47

28.3

413

.42

20.1

122

.89

19.9

815

.18

EL

CON

DA

DO

9.

158.

4215

.12

18.4

832

.42

22.2

018

.59

24.7

725

.26

41.9

816

.78

33.8

017

.64

25.7

127

.67

23.7

318

.05

CA

RCEL

EN

5.67

6.41

14.4

916

.86

33.5

921

.87

18.5

923

.39

24.8

441

.65

14.4

131

.81

13.9

922

.74

23.0

220

.40

14.6

1N

ON

O**

19.5

219

.19

28.2

328

.23

37.6

127

.90

27.3

631

.73

34.6

850

.68

27.6

644

.21

28.3

735

.49

37.8

234

.03

27.8

3PO

MA

SQU

I**

6.64

9.17

18.0

919

.86

36.5

525

.47

21.8

326

.88

27.4

445

.04

16.1

932

.87

16.4

024

.64

24.8

920

.81

13.8

1SA

N A

NTO

NIO

**13

.06

17.7

526

.73

27.4

644

.23

35.1

330

.47

35.5

436

.17

52.7

723

.23

39.5

122

.12

28.9

228

.67

23.8

814

.81

CALA

CALI

**18

.17

21.3

829

.52

32.7

946

.09

36.6

833

.88

38.9

240

.18

56.6

429

.33

45.2

428

.45

35.8

935

.17

31.1

622

.23

NA

NEG

ALI

TO

34.5

435

.38

40.3

445

.21

52.1

743

.89

43.5

947

.63

50.8

167

.11

42.7

559

.86

44.1

651

.58

53.2

249

.55

41.4

1N

AN

EGA

L31

.47

33.7

941

.40

44.0

656

.27

47.2

745

.29

49.6

551

.73

67.8

941

.47

57.3

441

.06

49.2

549

.67

43.7

834

.78

GU

ALE

A42

.41

43.8

249

.41

53.5

062

.43

53.3

253

.07

57.5

160

.33

75.9

151

.64

67.2

651

.91

59.8

060

.78

56.1

447

.95

PACT

O53

.42

54.4

059

.29

64.2

571

.03

62.1

162

.64

66.3

269

.43

85.2

862

.97

78.0

163

.04

70.2

172

.13

66.7

459

.38

PUEL

LARO

18.3

923

.47

32.2

831

.95

51.0

340

.48

36.1

840

.20

40.2

656

.67

26.7

440

.47

24.6

730

.82

29.2

822

.96

14.4

3PE

RUCH

O21

.82

27.0

535

.70

36.3

554

.84

44.3

039

.77

44.4

144

.52

62.8

830

.97

45.7

829

.55

36.5

534

.98

28.5

419

.62

CHAV

EZPA

MBA

22.6

528

.57

37.4

637

.89

55.5

445

.71

41.7

145

.70

45.9

563

.03

33.1

446

.48

30.0

337

.05

35.5

229

.24

20.3

1AT

AH

UA

LPA

25.9

732

.11

40.8

740

.43

59.8

749

.41

44.3

148

.79

47.8

763

.30

34.0

146

.52

32.1

537

.63

34.7

727

.99

20.7

3SA

N JO

SE D

E M

INA

S30

.63

35.1

444

.22

44.6

961

.96

52.2

247

.68

52.8

553

.22

70.1

940

.61

54.5

938

.19

45.6

143

.00

36.9

328

.29

CALD

ERO

N0.

005.

0413

.53

14.2

033

.04

22.2

717

.72

22.2

022

.31

40.0

29.

9825

.51

9.53

16.8

818

.55

14.7

49.

62LL

AN

O C

HIC

O5.

040.

009.

3810

.92

27.4

517

.38

12.8

217

.59

18.5

035

.47

7.94

23.8

59.

2816

.14

19.2

216

.64

13.7

8CU

MBA

YA13

.53

9.38

0.00

4.86

19.7

98.

943.

908.

8010

.16

28.5

59.

3719

.85

12.5

715

.40

19.4

020

.60

21.5

1TU

MBA

CO14

.20

10.9

24.

860.

0020

.90

11.9

09.

107.

8025

.68

16.1

76.

4314

.27

9.64

10.4

015

.00

16.9

520

.01

AM

AGU

AÑ

A

33.0

427

.45

19.7

920

.90

0.00

9.55

14.6

710

.57

14.0

219

.49

25.9

525

.37

29.5

127

.95

33.6

536

.06

39.0

1CO

NO

COTO

22.2

717

.38

8.94

11.9

09.

550.

006.

135.

9510

.58

24.4

617

.88

22.1

621

.09

21.9

427

.14

29.0

129

.95

GU

AN

GO

POLO

17.7

212

.82

3.90

9.10

14.6

76.

130.

005.

7410

.32

23.9

517

.73

22.3

521

.38

22.3

526

.96

28.2

929

.97

ALA

NG

ASI

22.2

017

.59

8.80

7.80

10.5

75.

955.

740.

004.

6519

.84

15.6

016

.70

18.6

117

.50

22.9

325

.54

28.7

3LA

MER

CED

22.3

118

.50

10.1

625

.68

14.0

210

.58

10.3

24.

650.

0018

.72

13.3

212

.53

16.7

313

.77

19.2

122

.38

27.0

9PI

NTA

G40

.02

35.4

728

.55

16.1

719

.49

24.4

623

.95

19.8

418

.72

0.00

30.5

519

.40

34.6

826

.73

31.8

837

.38

43.9

1 P

UEM

BO

9.98

7.94

9.37

6.43

25.9

517

.88

17.7

315

.60

13.3

230

.55

0.00

16.7

23.

517.

9210

.98

11.1

113

.64

PIFO

25.5

123

.85

19.8

514

.27

25.3

722

.16

22.3

516

.70

12.5

319

.40

16.7

20.

0016

.82

8.94

12.9

018

.75

26.1

1TA

BABE

LA9.

539.

2812

.57

9.64

29.5

121

.09

21.3

818

.61

16.7

334

.68

3.51

16.8

20.

008.

679.

488.

0610

.03

YARU

QU

I16

.88

16.1

415

.40

10.4

027

.95

21.9

422

.35

17.5

013

.77

26.7

37.

928.

948.

670.

004.

429.

4816

.79

CHEC

A18

.55

19.2

219

.40

15.0

033

.65

27.1

426

.96

22.9

319

.21

31.8

810

.98

12.9

09.

484.

420.

006.

1715

.72

EL Q

UIN

CHE

14.7

416

.64

20.6

016

.95

36.0

629

.01

28.2

925

.54

22.3

837

.38

11.1

118

.75

8.06

9.48

6.17

0.00

8.32

GU

AYLL

ABA

MBA

9.62

13.7

821

.51

20.0

139

.01

29.9

529

.97

28.7

327

.09

43.9

113

.64

26.1

110

.03

16.7

915

.72

8.32

0.00

Ane

xo 2

(Co

ntin

uaci

ón)


Ane

xo 3

Jera

rqui

zaci

ón

de A

ctiv

idad

es e

conó

mic

as p

arro

qui

ales

JERA

RQU

IA E

N B

ASE

SEC

TOR

PRIM

ARI

OJE

RARQ

UIA

EN

BA

SE S

ECTO

R SE

CUN

DA

RIO

JERA

RQU

IA E

N B

ASE

SEC

TOR

TERC

IARI

OPa

rroq

uia

Prim

ario

Secu

ndar

ioTe

rcia

rio

Parr

oqui

aPr

imar

ioSe

cund

ario

Terc

iari

oPa

rroq

uia

Prim

ario

Secu

ndar

ioTe

rcia

rio

GU

ALE

A1

6563

EL C

ON

DA

DO

36

145

MA

RISC

AL

SUCR

E48

601

PUEL

LARO

261

62G

UA

NG

OPO

LO24

247

CON

CEPC

ION

4656

2SA

N JO

SE D

E M

INA

S3

6261

SAN

AN

TON

IO**

263

46LA

MAG

DA

LEN

A59

533

CHAV

EZPA

MBA

463

60LA

MER

CED

234

44IÑ

AQU

ITO

3258

4PA

CTO

552

64CO

MIT

E D

EL P

UEB

LO

445

40RU

MIP

AM

BA37

555

PERU

CHO

664

59A

MAG

UA

ÑA

22

642

ITCH

IMBI

A53

496

NO

NO

**7

2365

POM

ASQ

UI*

*29

739

CHIM

BACA

LLE

5848

7LL

OA

8

5757

LLA

NO

CH

ICO

288

38JIP

IJAPA

4051

8AT

AH

UA

LPA

959

56PI

NTA

G19

950

KEN

NED

Y49

479

NA

NEG

AL

1050

58CA

RCEL

EN

3510

36SA

N B

ART

OLO

6245

10CH

ECA

1134

54ZA

MBI

ZA

2711

37SO

LAN

DA

6044

11EL

QU

INCH

E12

4652

GU

AM

AN

I38

1235

CEN

TRO

HIS

TORI

CO64

4212

NA

NEG

ALI

TO

1354

48PI

FO20

1343

BELI

SARI

O Q

UEV

EDO

5643

13CA

LACA

LI**

1415

55PO

NCE

AN

O

3314

34LA

MEN

A57

3814

GU

AYLL

ABA

MBA

1540

51CA

LACA

LI**

1415

55SA

N JU

AN

6336

15TA

BABE

LA16

4149

TURU

BAM

BA42

1633

PUEN

GA

SI54

3516

YARU

QU

I17

2853

CALD

ERO

N41

1730

CHIL

IBU

LO55

3217

PUEM

BO

1833

41LA

ECU

ATO

RIA

NA

4318

28CU

MBA

YA30

3918

PIN

TAG

199

50LA

ARG

ELIA

5019

26LA

LIB

ERTA

D65

3019

PIFO

2013

43CO

TOCO

LLAO

34

2029

LA F

ERRO

VIA

RIA

6126

20N

AYO

N

2137

31TU

MBA

CO25

2132

CON

OCO

TO39

3121

AM

AGU

AÑ

A

226

42CO

CHA

PAM

BA52

2224

QU

ITU

MBE

5129

22LA

MER

CED

234

44N

ON

O**

723

65SA

N IS

IDRO

DEL

INCA

4727

23G

UA

NG

OPO

LO24

247

CHIL

LOG

ALL

O45

2425

COCH

APA

MBA

5222

24TU

MBA

CO25

2132

ALA

NG

ASI

3125

27CH

ILLO

GA

LLO

4524

25SA

N A

NTO

NIO

**26

346

LA F

ERRO

VIA

RIA

6126

20LA

ARG

ELIA

5019

26ZA

MBI

ZA

2711

37SA

N IS

IDRO

DEL

INCA

4727

23A

LAN

GA

SI31

2527

LLA

NO

CH

ICO

288

38YA

RUQ

UI

1728

53LA

ECU

ATO

RIA

NA

4318

28PO

MA

SQU

I**

297

39Q

UIT

UM

BE51

2922

COTO

COLL

AO

3420

29CU

MBA

YA30

3918

LA L

IBER

TAD

6530

19CA

LDER

ON

4117

30A

LAN

GA

SI31

2527

CON

OCO

TO39

3121

NAY

ON

21

3731

IÑAQ

UIT

O32

584

CHIL

IBU

LO55

3217

TUM

BACO

2521

32PO

NCE

AN

O

3314

34PU

EMBO

18

3341

TURU

BAM

BA42

1633

COTO

COLL

AO

3420

29CH

ECA

1134

54PO

NCE

AN

O

3314

34CA

RCEL

EN

3510

36PU

ENG

ASI

5435

16G

UA

MA

NI

3812

35


JERA

RQU

IA E

N B

ASE

SEC

TOR

PRIM

ARI

OJE

RARQ

UIA

EN

BA

SE S

ECTO

R SE

CUN

DA

RIO

JERA

RQU

IA E

N B

ASE

SEC

TOR

TERC

IARI

OPa

rroq

uia

Prim

ario

Secu

ndar

ioTe

rcia

rio

Parr

oqui

aPr

imar

ioSe

cund

ario

Terc

iari

oPa

rroq

uia

Prim

ario

Secu

ndar

ioTe

rcia

rio

EL C

ON

DA

DO

36

145

SAN

JUA

N63

3615

CARC

ELEN

35

1036

RUM

IPA

MBA

3755

5N

AYO

N

2137

31ZA

MBI

ZA

2711

37G

UA

MA

NI

3812

35LA

MEN

A57

3814

LLA

NO

CH

ICO

288

38CO

NO

COTO

3931

21CU

MBA

YA30

3918

POM

ASQ

UI*

*29

739

JIPIJA

PA40

518

GU

AYLL

ABA

MBA

1540

51CO

MIT

E D

EL P

UEB

LO

445

40CA

LDER

ON

4117

30TA

BABE

LA16

4149

PUEM

BO

1833

41TU

RUBA

MBA

4216

33CE

NTR

O H

ISTO

RICO

6442

12A

MAG

UA

ÑA

22

642

LA E

CUAT

ORI

AN

A43

1828

BELI

SARI

O Q

UEV

EDO

5643

13PI

FO20

1343

COM

ITE

DEL

PU

EBLO

44

540

SOLA

ND

A60

4411

LA M

ERCE

D23

444

CHIL

LOG

ALL

O45

2425

SAN

BA

RTO

LO62

4510

EL C

ON

DA

DO

36

145

CON

CEPC

ION

4656

2EL

QU

INCH

E12

4652

SAN

AN

TON

IO**

263

46SA

N IS

IDRO

DEL

INCA

4727

23KE

NN

EDY

4947

9G

UA

NG

OPO

LO24

247

MA

RISC

AL

SUCR

E48

601

CHIM

BACA

LLE

5848

7N

AN

EGA

LITO

13

5448

KEN

NED

Y49

479

ITCH

IMBI

A53

496

TABA

BELA

1641

49LA

ARG

ELIA

5019

26N

AN

EGA

L10

5058

PIN

TAG

199

50Q

UIT

UM

BE51

2922

JIPIJA

PA40

518

GU

AYLL

ABA

MBA

1540

51CO

CHA

PAM

BA52

2224

PACT

O5

5264

EL Q

UIN

CHE

1246

52IT

CHIM

BIA

5349

6LA

MAG

DA

LEN

A59

533

YARU

QU

I17

2853

PUEN

GA

SI54

3516

NA

NEG

ALI

TO

1354

48CH

ECA

1134

54CH

ILIB

ULO

5532

17RU

MIP

AM

BA37

555

CALA

CALI

**14

1555

BELI

SARI

O Q

UEV

EDO

5643

13CO

NCE

PCIO

N46

562

ATA

HU

ALP

A9

5956

LA M

ENA

5738

14LL

OA

8

5757

LLO

A

857

57CH

IMBA

CALL

E58

487

IÑAQ

UIT

O32

584

NA

NEG

AL

1050

58LA

MAG

DA

LEN

A59

533

ATA

HU

ALP

A9

5956

PERU

CHO

664

59SO

LAN

DA

6044

11M

ARI

SCA

L SU

CRE

4860

1CH

AVEZ

PAM

BA4

6360

LA F

ERRO

VIA

RIA

6126

20PU

ELLA

RO2

6162

SAN

JOSE

DE

MIN

AS

362

61SA

N B

ART

OLO

6245

10SA

N JO

SE D

E M

INA

S3

6261

PUEL

LARO

261

62SA

N JU

AN

6336

15CH

AVEZ

PAM

BA4

6360

GU

ALE

A1

6563

CEN

TRO

HIS

TORI

CO64

4212

PERU

CHO

664

59PA

CTO

552

64LA

LIB

ERTA

D65

3019

GU

ALE

A1

6563

NO

NO

**7

2365

Ane

xo 3

(Co

ntin

uaci

ón)


Anexo 4 Densidades de empleo parroquiales

Parroquias Densidad de Empleo Parroquias Densidad de Empleo

GUAMANÍ 16.26 EL CONDADO 7.13

TURUBAMBA 13.09 CARCELÉN 27.23

LA ECUATORIANA 10.84 NONO** 0.04

QUITUMBE 23.87 POMASQUI** 5.92

CHILLOGALLO 16.47 SAN ANTONIO** 1.27

LA MENA 22.96 CALACALÍ 0.09

SOLANDA 81.24 NANEGALITO 0.10

LA ARGELIA 35.38 NANEGAL 0.04

SAN BARTOLO 74.86 GUALEA 0.07

LA FERROVIARIA 45.53 PACTO 0.06

CHILIBULO 26.15 PUELLARO 0.30

LA MAGDALENA 50.97 PERUCHO 0.30

CHIMBACALLE 76.99 CHAVEZPAMBA 0.24

LLOA 0.01 ATAHUALPA 0.09

PUENGASÍ 25.90 SAN JOSÉ 0.09

LA LIBERTAD 46.39 CALDERÓN 8.78

CENTRO HISTÓRICO 53.69 LLANO CHICO 6.11

ITCHIMBÍ 14.91 CUMBAYÁ 5.87

SAN JUAN 13.66 TUMBACO 3.51

BELISARIO QUEVEDO 17.84 AMAGUAÑA 2.20

MARISCAL SUCRE 26.12 CONOCOTO 7.87

IÑAQUITO 15.72 GUANGOPOLO 1.26

RUMIPAMBA 14.95 ALANGASÍ 3.68

JIPIJAPA 30.11 LA MERCED 1.15

COCHAPAMBA 11.93 PÍNTAG 0.15

CONCEPCIÓN 31.79 PUEMBO 1.92

KENNEDY 52.56 PIFO 0.29

SAN ISIDRO DEL INCA 32.77 TABABELA 0.49

NAYÓN 4.92 YARUQUÍ 1.11

ZAMBIZA 2.39 CHECA 0.44

COTOCOLLAO 58.19 EL QUINCHE 0.98

PONCEANO 40.69 GUAYLLABAMBA 1.33

COMITÉ DEL PUEBLO 40.26


Bibliografía

Arias, Leonardo y Tangya Tandazo (2014), Análisis de la Actividad Econó-mica a partir del empleo del Distrito Metropolitano de Quito, año 2010. <https://goo.gl/WhePd7> [1 de diciembre de 2015].

Avendaño, Antonio (2008), Identificación de subcentros de empleo y estima-ción de funciones de densidad para Bogotá, D.C. (Documento de Inves-tigación). Universidad Autónoma de Barcelona. <https://goo.gl/bLLvCq> [20 de diciembre de 2015].

Becerril Pauda, Martín (2000), Policentrismo en las ciudades latinoamericanas. El caso de Santiago de Chile. <https://goo.gl/W2vmZn> [5 enero de 2016].

Cuenin, Fernando y Mauricio Silva (2010), Identificación y fortalecimiento de centralidades urbanas. El caso Quito. Banco Interamericano de Desarro-llo, Washington.

FAO (Organización de las Naciones Unidas para la Agricultura y la Alimen-tación) (1983), Cambios en los límites políticos de Quito (1535-1983). <http://www.fao.org/docrep/w7445s/w7445s03.gif> [7 de enero de 2016].

Carrión Mena, Fernando (1992), “La planificación de Quito. Del Plan Director a la ciudad democrática”, en Alicia Torres y Edmundo Guerra (eds.), Ciu-dades y Políticas Urbanas en América Latina. <http://works.bepress.com/fernando_carrion/70/> [15 de febrero de 2016].

Frankena, Mark W. (1978), “A bias in estimating urban population density functions”, Journal of Urban Economics, 5 (1), pp. 35-45.

Fujita, Masahisa (1989), Urban Economic Theory: Land use and city size, Cambridge University Press, New York.

Fujita, Masahisa, Paul Krugman y Anthony Venable (2000), Economía espacial: las ciudades, las regiones y el comercio internacional, Ariel, Barcelona.

García López, Miguel Ángel e Iván Muñiz Olivera (2007). “¿Policentrismo o dispersión? Una aproximación desde la Nueva Economía Urbana”, Inves-tigaciones Regionales, 11, pp. 25-43.

Garrocho, Carlos y Juan Campos (2007), “Dinámica de la estructura policén-trica del empleo terciario en el área metropolitana de Toluca, 1994-2004”, Papeles de Población, 13 (52), pp. 109-135.

Gonzales de Olarte, Efraín y Juan Manuel del Pozo Segura (2012), “Lima, una ciudad policéntrica. Un análisis a partir de la localización del empleo”, Investigaciones Regionales, 23, pp. 29-52.

Gujarati, Damodar N. (2010). Econometría, McGraw-Hill Interamericana, México.

Harris, Chauncy y Edward Ullman (1945), “The Nature of the Cities”, Annals of the American Academy of Political and Social Science, 242, pp. 7-17.

Instituto de la Ciudad, Área de Investigación (2012), Empleo y actividad eco-nómica. <https://goo.gl/rXb9bk> [20 de febrero de 2016].


Congreso Nacional de Quito (2001), Ley Orgánica de Régimen para el Distrito Metropolitano de Quito, Congreso Nacional, Quito.

McDonald, John (1987), “The identification of urban employment subcen-ters”, Journal of Urban Economics, 21 (2), pp. 242-258.

McDonald, John y Paul Prather (1994), “Suburban Employment Centers: The Case of Chicago”, Urban Studies, 31 (2), pp. 201-218.

McMillen, Daniel (2001), “Nonparametric Employment Subcenter Identifica-tion”, Journal of Urban Economics, 50 (3), noviembre, pp. 44-473.

Muñiz Olivera, Iván, Anna Galindo y Miguel Ángel García López (2003), ¿Es Barcelona una ciudad policéntrica? <https://www.researchgate.net/publi-cation/277260233> [10 de marzo de 2016].

Núñez Sánchez, Jorge (2003), Pueblos, ciudades y regiones en la historia del Ecuador, Letramia, Quito.

Ortiz Crespo, Gonzalo (2006), Quito: historia y destino: ensayos y discursos sobre el pasado y el futuro de una ciudad extraordinaria, Trama, Quito.

Ramírez Carrasco, Francisco (2003), Valoración espacial, Universidad Técni-ca de Cataluña, Barcelona.

Ramírez, Luz Dary (2009), “Revisión teórica de la estructura espacial y la identificación de subcentros de empleo”, Ensayos de Economía, 18 (33), pp. 141-178.

Richardson, Harry W. (1973), Economía regional: teoría de la localización, estructuras urbanas y crecimiento regional, Vincens-Vives, Barcelona.

Roca Cladera, Josep, Carlos Marmolejo Duarte y Montserrat Moix (2009). “Urban Structure and Polycentrism: Towards a Redefinition of the Sub-centre Concept”, Urban Studies, 46 (13), pp. 2841-2868.

Rojas Quezada, Carolina Alejandra, Iván Muñiz Olivera y Miguel Ángel Gar-cía López (2009), “Estructura urbana y policentrismo en el Área Metropo-litana de Concepción”, Eure, 35 (105), pp. 47-70.

Secretaría de Territorio (2016), Hábitat y Vivienda. Información Estadística, Quito. <https://goo.gl/BG9MAf> [15 de marzo].

Sjoberg, Gideon (1988), Origen y evolución de las ciudades, UNAM, México.Villalobos, Fabio (2012a), Tumbaco, difusión y profundización de los resulta-

dos del estudio sobre las características económicas y productivas de las administraciones zonales, Instituto de la Ciudad, Quito.

Villalobos, Fabio (2012b), Eloy Alfaro, difusión y profundización de los resul-tados del estudio sobre las características económicas y productivas de las administraciones zonales, Instituto de la Ciudad, Quito.

Villalobos, Fabio (2012c), La Delicia, difusión y profundización de los resulta-dos del estudio sobre las características económicas y productivas de las administraciones zonales, Instituto de la Ciudad, Quito.

Villalobos, Fabio (2012d), Los Chillos, difusión y profundización de los resul-tados del estudio sobre las características económicas y productivas de las administraciones zonales, Instituto de la Ciudad, Quito.


Villalobos, Fabio (2012e), Quitumbe, difusión y profundización de los resulta-dos del estudio sobre las características económicas y productivas de las administraciones zonales, Instituto de la Ciudad, Quito.

Vinuesa, Julio (1991), Planteamientos teóricos sobre localización y organiza-ción de la ciudad, Madrid.

Documents

Policentrismo del Distrito Metropolitano de Quito