PROGRESO, BIENESTAR Y MODERNIDAD: EL BIENESTAR SUBJETIVO COMO UN DESAFÍO PARA LA DEMOCRACIA EN MÉXICO

Análisis multivariante y teoría de redes

A través de un análisis multivariante se redujo la dimensionalidad de los datos a fin de describir los valores en un subconjunto más pequeño de variables, aunque esto implicó un costo en términos de pérdida de información. Este análisis se realizó a través de la aplicación del análisis multifactorial con el método de componentes principales y rotación con normalización Varimax con Kaiser aplicado al conjunto de 173 variables de la base de datos del bienestar subjetivo auto-reportado.1 El estudio fue realizado a la población de 18 a 70 años de edad que vive en México, elegida aleatoriamente (una persona por vivienda) en las viviendas que formaron parte de la muestra de la Encuesta Nacional de Gastos de los Hogares correspondiente al primer trimestre de 2012. En total se recolectaron cuestionarios llenados por 10 654 personas distribuidas en todo el territorio nacional. Esto con la finalidad de representar con un número menor de variables construidas como combinaciones lineales a los datos originales.
Después de determinar los componentes principales a través de la matrix rotada (véase Anexo 1), fue realizado un análisis de grafos con teoría de redes sociales, utilizando tres software de análisis y visualización de grandes redes; asimismo se usaron técnicas de mapeo y clúster. Los programas utilizados fueron Ucinet6, Pajek 4 y, por último, el software VOSviewer. Además, con la obtención de las puntuaciones factoriales se realizó un análisis de conglomerados.2
            Como resultado de los componentes principales del bienestar subjetivo, se obtuvieron 49 componentes, y al ser llevados a teoría de redes se obtuvieron diversos mapas que muestran con mayor claridad los aspectos principales del bienestar integrado de los mexicanos.3

Análisis de redes sociales (ARS)

Para estudiar las relaciones entre una serie de elementos, se optó por utilizar nuevas herramientas que se centraran en un primer momento en las relaciones y no tanto en los atributos: el análisis de redes sociales se ocupa del estudio de las relaciones entre una serie definida de elementos (personas, grupos, organizaciones, países e incluso acontecimientos —y agregaríamos los conceptos—). A diferencia de los análisis tradicionales que explican, por ejemplo, la conducta en función de la clase social y la profesión, el análisis de redes sociales se centra en las relaciones y no sólo en los atributos de los elementos (Quiroga, 2003). La particularidad de este tipo de análisis es que coloca el énfasis en las relaciones y sus propiedades relacionales, aunque los aspectos atributivos también pueden ser incorporados.4
El análisis de redes sociales es un método de análisis científico que es de gran utilidad para conocer los patrones de relaciones que se establecen en el interior de la estructura social subyacente de los mexicanos. Esta teoría/metodología nacida embrionariamente en los años treinta del siglo XX, y desarrollada profundamente gracias al impulso de la informática, se ha situado hoy a la par que otras metodologías utilizadas en ciencias sociales.
Una buena cantidad de los trabajos que se hacen con redes sociales son primordialmente descriptivos y/o exploratorios. De los artículos publicados con la palabra clave “social network” Estados Unidos, Inglaterra y Canadá aparecen como los países responsables de aproximadamente el 70% de la producción científica en este campo.
El uso de una parte de las herramientas de mapas y teoría de grafos sirvieron para observar patrones estructurales que de otra manera no se podrían haber visto (Cross, Borgatti, y Parker, 2002). En parte, este trabajo se ocupa de lo complejo de las redes sociales porque involucra muchos actores al destacarse las relaciones que el análisis factorial previo no permite ver, cómo son las relaciones de los demás componentes y su grado de conexión a otros conceptos críticos para entender la configuración de estructuras sociales.

Elementos básicos de una red

Una descripción de los elementos básicos de una red social puede ayudarnos a clarificar su interpretación entre los diversos elementos que la conforman (Velázquez Álvarez y Aguilar Gallegos, 2005).
Nodos o actores. Son las personas, grupos de personas o conceptos que se encuentran en torno a un objetivo común. Usualmente los nodos o actores se representan por círculos. La suma de todos los nodos representa el tamaño de la Red.
Vínculo. Son los lazos que existen entre dos o más nodos. Los vínculos o relaciones se representan en líneas.
Flujo. Indica la dirección del vínculo. Los flujos se representan por una flecha que indica el sentido. Es posible que también existan flujos mutuos o bidireccionales. Cuando un actor no tiene ningún tipo de flujo, lo que a su vez implica ningún vínculo, se dice que este nodo está suelto dentro de la Red.

Estructura y sistema relacional

Se llama entonces estructura (en un primer sentido débil de la palabra estructura) a las principales características empíricas, medidas por índices, construidas por el examen de las matrices que registran las relaciones entre actores: densidad, conectividad, segmentación en cliques o clases de equivalencia estructural, distancias, centralidad, etc. Después, se puede suponer de manera teórica que el establecimiento de una relación o la imposibilidad de crearla dependen de la manera en que las relaciones existentes ya están organizadas. Entonces diremos que la red constituye un sistema relacional, concepto más teórico que el de red, dado que definir un sistema supone que se formulen hipótesis sobre la interdependencia de las relaciones entre ellas. Así, podemos denominar estructura a las principales reglas que aseguran la producción de dicho sistema particular. De esta manera empleamos la palabra estructura en su sentido fuerte para designar un modelo generativo.
Sin descartar completamente el interés de conocer los atributos de los actores, la focalización interpretativa y analítica en los modelos de relaciones entre los actores sociales, tiene consecuencias evidentes en el método. Primero, es importante averiguar cuáles son las relaciones entre los actores, lo que exige técnicas de investigación y recogida de datos específicos (los llamados generadores de nombres). Segundo, el examen de las relaciones y de la interdependencia de los actores sociales invalida el uso de la estadística (que postula la independencia de las observaciones). Los métodos de análisis tratan directamente la naturaleza relacional de la estructura social, lo que exige la creación de modelos de análisis específicos a partir de la teoría de grafos y del cálculo matricial. Tercero, la clasificación de los actores en función de sus modelos de relación no puede ser realizada sino a posteriori, en función de los tipos de relaciones sociales compartidas, una vez terminados los análisis de la investigación.
El comportamiento de los actores se interpreta a partir de las limitaciones y oportunidades que la estructura de relaciones impone a la acción, no sólo en términos de valores internalizados. Las relaciones típicas entre más de un actor afectan conjuntamente el comportamiento de cada miembro de la red. Se presta una especial atención a la posición de los actores y la posición de las relaciones. Los actores interactúan, negocian, se ajustan, se ponen de acuerdo, se presionan... eso tiene un efecto en las normas emergentes, sobre las acciones de los miembros del sistema y, a término, afecta la transformación de la estructura.
En la aproximación interaccionista estructural aparecen diferentes niveles de análisis. El primer nivel es el de los actores de la red y su composición en términos de atributos. En este grado los análisis son similares a la aproximación atributiva y las bases de datos utilizadas son idénticas a las de dicha perspectiva. En el segundo nivel es el de las relaciones típicas de una red. El tercer nivel de análisis es el propiamente reticular referente a las redes sociales que presenta las interdependencias de las relaciones. La forma dependerá del método por el que se haya optado, describiendo redes personales o completas (De Federico de la Rua, 2010, pp. 53-55).
Algunos de los principales análisis se interpretan con los siguientes aspectos (Velázquez Álvarez y Aguilar Gallegos, 2005):
Grado nodal (degree). El grado nodal o rango es el número de lazos directos de un actor (o nodo), es decir con cuántos otros nodos se encuentran directamente conectados. La columna «Nrmdegree» indica el rango normalizado, es decir, el porcentaje de conexiones que tiene un nodo sobre el total de la red. El análisis del rango o grado nodal nos indica el nodo más conectado en un grupo. El rango también puede ser interpretado como el grado de oportunidad de influir o ser influido por otros en la red.
Grado de centralidad (Centrality degree). El Grado de centralidad es el número de actores a los cuales un actor está directamente unido. El Grado de centralidad se divide en grado de entrada y grado de salida, podemos observar en nuestra Red que estos Grados de entrada y de salida dependen de la dirección del flujo; así tenemos:
Posición: Centralidad de grado. El actor con más lazos de una red suele ser identificado como el centro de esa red. En la terminología del ARS, este actor tiene el máximo posible de centralidad (lazos). La posición del actor en cuestión recae en los geodésicos entre el mayor número posible de actores y se localiza en la distancia mínima para todos los demás actores. En varios estudios se ha demostrado su validez como un importante atributo estructural para el ARS, como por ejemplo, en los estudios sobre organizaciones, sobre posiciones dentro de industrias, sobre integración política y sobre patrones de difusión de innovaciones tecnológicas.
Grado de Cercanía (Closenness). El Grado de cercanía es la capacidad de un nodo de llegar a todos los actores de una red, medido como la suma de las distancias al resto de nodos. Se calcula como las sumas de fila de una matriz simétrica de distancias geodésicas. Es una medida inversa de la centralidad. Índice del tiempo de llegada esperado a un nodo, dado lo que está circulando a través de la red. Por último, el grado de cercanía mide la capacidad de un nodo de acceder al resto de nodos de la red. Para calcular esta medida se suman en primer lugar todos los geodésicos que unen un nodo al resto. Esta medida nos proporciona el número de pasos necesarios para alcanzar a todos los nodos de la red y se llama “lejanía”. Si se calcula la recíproca, tendremos la cercanía. Cabe mencionar que valores altos de cercanía indican una mejor capacidad de los nodos para conectarse a los demás actores de la Red.
Grado de intermediación (betewenss). El grado de intermediación indica la frecuencia con que aparece un nodo en el tramo más corto (o geodésico) que conecta a otros dos. Es decir, muestra cuando un actor es intermediario entre otras dos personas del mismo grupo que no se conocen entre sí, lo que podríamos denominar «actor puente». Una razón para considerar la importancia de un actor recae en su intermediación, esta se enfoca en el “control de la comunicación”, y se interpreta como la posibilidad que tiene un nodo o actor para intermediar las comunicaciones entre pares de nodos.
Índice de centralización (Centralization index). Es una condición especial en la que un actor ejerce un papel claramente central al estar conectado a todos los nodos, los cuales necesitan pasar por el nodo central para conectarse con otros. Por otro lado, lo contrario a la red estrella serían valores bajos en este indicador, indicando ausencia de actores claramente centrales.
Índice de intermediación.Es el control del flujo y también la capacidad de mantener separadas partes de la red. Se puede interpretar como un indicador de poder y acceso a la diversidad que fluye; potencial sintetizador.5

Interaccionismo estructural

La aproximación metodológica del interaccionismo estructural difiere necesariamente de la atributiva por el estatus teórico que se confiere a las relaciones entre los actores sociales y por la naturaleza de los datos. En lo que se refiere a la posición teórica, Wellman (1988) critica las explicaciones atributistas arguyendo que la característica distintiva de la sociología es la idea de que los modelos de relaciones sociales entre las partes elementales de los sistemas sociales condicionan el comportamiento individual. Según él, esta idea es la que distingue la sociología de la psicología o la economía que se basan en postulados individualistas. Sin embargo esta aproximación ayuda a dar una explicación sobre aspectos relacionales de cómo se configuran nodos de agrupamiento estructural. Los siguientes algoritmos fueron utilizados en el análisis de redes estructurantes (Batagelj y Mrvar, 1996/2009):

Algoritmo Kamada Kawai. Este comando mueve los vértices/nodos a lugares que reduzcan al mínimo las variaciones en la longitud de la línea. Utilizando este comando producirá un estético diseño estático.También tendrá la opción de permitir que el algoritmo "libremente" distribuya los diferentes nodos y sus bordes respectivos en el espacio visual, fijación de los nodos primeros y los últimos, o si le gustaría identificar un nodo aparecerá en medio del dibujo (por ejemplo, el nodo central).

Algoritmo The Fruchterman Reingold . El algoritmo es similar al algoritmo Kamada-Kawai. Se trata de minimizar la "energía" de la red, también es capaz de distribuir puntos en el espacio tanto bidimensional como tridimensional (tiende a separar mejor la red). Es importante señalar que no hay ninguna "solución única" para la elaboración de una red usando cualquiera de estos algoritmos. Cada vez que los usamos, Pajek les dibujará diferentemente. Sin embargo, dibujos repetidos de los mismos datos de red tienden a parecerse uno al otro. Generalmente es una buena idea, para visualizar los datos, utilizar los comandos de energía más de una vez. Los resultados dependen de la posición inicial de los vértices, empezando en tan diferentes posiciones pueden (y a menudo lo hacen) arrojar resultados diferentes. Los resultados generalmente similares, pero utilizando un método de energía, por segunda vez, produce un dibujo más preciso de los datos, iniciará con las posiciones que no son al azar los cuales reflejan, en cierta medida, la relación correcta entre los distintos nodos.
Un gráfico trabajando en el software Netdraw puede ser más efectivo para un entendimiento más profundo sobre las propiedades básicas de una red social que cualquier número de palabras (Hanneman y Riddle, s. f.). Sobre todo al ver qué tan conectados están los actores unos de otros o las conexiones débiles, permite ver tendencias importantes sobre el conjunto de la red. En este caso los conceptos más densos con mayores conexiones son los más influyentes, tienen mucha importancia para describir el comportamiento general y su potencialidad.
Las medidas usadas fueron de centralidad y agrupamiento o de posición, para describir las subestructuras de los actores. El software utilizado usa algoritmos para estos cálculos, empleando en su mayoría matemáticas matriciales, para una mayor comprensión se describen los elementos básicos utilizados.