ISSN 0188-7297

Certificación ISO 9001:2000 ‡

ANÁLISIS GRAVITACIONAL DE LA
MOVILIDAD DE PASAJEROS EN LA RED
DE TRANSPORTE AÉREO DOMÉSTICO
EN MÉXICO

Óscar Armando Rico Galeana

Publicación Técnica 320

Sanfandila, Querétaro, 2008
SECRETARÍA DE COMUNICACIONES Y TRANSPORTES

INSTITUTO MEXICANO DEL TRANSPORTE

Análisis gravitacional de la movilidad de pasajeros

en la red de transporte aéreo doméstico en México

Publicación Técnica 320

Sanfandila, Querétaro, 2008
Este trabajo fue realizado por el Mtro. Óscar Armando Rico Galeana, investigador titular
de la Coordinación de Economía de los Transportes y Desarrollo Regional, del Instituto
Mexicano del Transporte (IMT), y profesor de tiempo parcial en la Facultad de
Ingeniería de la Universidad Autónoma de Querétaro.

El autor agradece al Dr. Guillermo Torres Vargas, Jefe de la División de Estudios

Económicos y Sociales del Transporte, del IMT, el apoyo brindado y la cuidadosa
revisión del documento.
Índice
Resumen ......................................................................................................................... iii

Abstract ............................................................................................................................v

Resumen ejecutivo ......................................................................................................... vii

1 Introducción................................................................................................................ 1

1.1 Antecedentes y justificación .............................................................................. 1

1.2 Planteamiento del problema de investigación ................................................... 4

1.3 Objetivos de la investigación ............................................................................. 5

1.3.1 Objetivo general ......................................................................................... 5

1.3.2 Objetivos particulares................................................................................. 5

1.4 Metodología e hipótesis .................................................................................... 5

2 Marco teórico ............................................................................................................. 7

2.1 Antecedentes sobre el modelo gravitacional..................................................... 7

2.2 Modelo utilizado en el estudio ........................................................................... 8

2.3 Pruebas de hipótesis para la evaluación de los parámetros de la regresión... 10

3 Definición del objeto de estudio ............................................................................... 13

3.1 La aviación comercial en México..................................................................... 13

3.2 Determinación del subsistema de transporte por analizar............................... 15

3.3 Cálculo de las distancias empleadas en el modelo ......................................... 17

4 Modelación matemática de la distribución espacial de los pasajeros en la red de

transporte aéreo....................................................................................................... 19

4.1 Resultados del análisis de regresión múltiple ................................................. 20

4.2 Evaluación de los parámetros mediante pruebas de hipótesis ....................... 21

i
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

4.3 Discusión de los resultados del análisis de regresión, y de la evaluación de los

parámetros ...................................................................................................... 22

5 Conclusiones............................................................................................................ 25

6 Bibliografía ............................................................................................................... 29

Anexo 1

Datos para el análisis de regresión ............................................................................... 33

Anexo 2

Análisis estadístico de la longitud de los arcos y de la longitud de viaje en la red ........ 39

Anexo 3

Comentarios finales acerca de la longitud de viaje en el transporte aéreo de pasajeros

en México y sus implicaciones en la modelación gravitacional de la movilidad............. 43

ii
Resumen
Se presentan los resultados de una investigación cuyo objetivo general ha sido realizar
un análisis gravitacional de la movilidad de los pasajeros que utilizan los servicios
regulares de transporte aéreo en el espacio geográfico mexicano.

Se ha empleado un modelo de regresión lineal múltiple con estructura gravitacional,

pero adaptado para ser calibrado a partir de datos empíricos, mediante la técnica de los
mínimos cuadrados. La calidad estadística de los parámetros de la función de regresión
se ha verificado mediante las pruebas de hipótesis convencionales.

Los indicadores de desempeño del modelo de regresión múltiple y los resultados de la

evaluación paramétrica, permiten concluir que los viajes generados en los orígenes, y
los viajes atraídos por los destinos, son variables con un alto potencial para explicar la
intensidad de flujo de pasajeros en los corredores de transporte; no así la distancia
euclidiana que los separa.

Los resultados de la investigación respecto al comportamiento estadístico de la variable

distancia, coinciden plenamente con los obtenidos en estudios previos sobre transporte
aéreo de carga y permiten concluir que la independencia entre la intensidad de flujo de
transporte y la distancia física que separa a los orígenes y destinos de los movimientos,
es una característica propia de este modo de transporte, al menos en México.

iii
Abstract
This document presents the results of a research which main objective was to perform a
gravitational analysis of the mobility associated with the passengers that uses the
regular services of air transportation in Mexico.

A multiple regression model with gravity structure was used, but with a mathematical
form that has permitted its calibration from empirical data, by the least squares
technique. The statistical quality of the regression parameters was verified by means of
the conventional hypothesis tests.

From the indicators of the regression model performance and the parametric evaluation
results it can be concluded that the trips generated at the origins, and the trips attracted
by the destinations, are variables with a high potential to explain the passengers flow
intensity between nodes, being not the case for the third variable included, which is the
Euclidian distance that separates them.

The research findings about the statistical behaviour of the variable distance are
coincident with those obtained in previous researches on air freight transportation and
let us conclude that the independence between the transportation flow intensity and the
physical distance that separates the origins and destinations is a peculiar characteristic
of this transportation mode, at least in Mexico.

v
Resumen ejecutivo
En el Instituto Mexicano del Transporte (IMT) se desarrollan varias líneas de
investigación relacionadas con el transporte aéreo en México, que incluyen la
modelación matemática de algunos aspectos del fenómeno. En particular, se ha
estudiado la distribución espacial de los viajes que se realizan en territorio mexicano
para transportar carga; en estos trabajos se han utilizado modelos gravitacionales
debido a la aceptación generalizada de su marco teórico para explicar analíticamente la
interacción espacial en las sociedades humanas.

Los resultados de las modelaciones de la interacción espacial han sido parcialmente

satisfactorios, considerando que las pruebas estadísticas señalan que la cantidad de
carga generada y atraída por los nodos, constituye una buena variable de explicación
de la intensidad del flujo de mercancías que se intercambian entre ellos. De hecho, los
coeficientes de correlación múltiple y de determinación han resultado con valores
aceptablemente altos, lo cual permite recomendar la aplicación de estos modelos en la
planeación del transporte aéreo.

Sin embargo, es importante señalar que en la mayoría de los modelos estudiados, la

distancia no ha logrado superar las pruebas estadísticas individuales para la evaluación
de su comportamiento como variable explicativa dentro de la función de regresión
múltiple; de tal manera que no puede afirmarse estadísticamente que su coeficiente (o
exponente en la función original), realmente tiene un valor distinto a cero.

Un problema adicional deriva de que en algunos modelos, el signo del coeficiente de la

distancia ha resultado positivo; lo cual implica que ese factor no actúa como elemento
disuasivo en el modelo; sino al contrario, como factor promotor de la realización de
transporte; esto es, que a mayor distancia se esperan mayores volúmenes de
intercambio.

Bajo la premisa gravitatoria, la distancia que separa los puntos de origen y destino,
actúa como un factor disuasivo para la realización de viajes, o el envío de mercancías;
en otras palabras, mientras mayor es la distancia, “normalmente” la intensidad de flujo
tiende a disminuir, de acuerdo con una función inversa típica.

La independencia de la intensidad del flujo respecto a la distancia contradice no sólo el

principio gravitatorio, sino incluso el paradigma de comportamiento de la demanda de
transporte en el espacio geográfico, puesto que normalmente se considera que la
distancia es un factor que reduce la accesibilidad; entendiendo por accesibilidad la
capacidad de un lugar (o localidad) para ser alcanzado desde otros lugares, o para
llegar a otros lugares.

El comportamiento gravitatorio teórico, también responde a una lógica económica, ya

que es razonable suponer que la distancia refleja el esfuerzo requerido para superar el

vii
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

espacio que separa a origen y destino; y que, en consecuencia, se encuentra

correlacionada positivamente con el costo generalizado de transporte (la distancia
económica), que en última instancia determina la conveniencia o inconveniencia del
intercambio comercial, de acuerdo con el principio de transferibilidad de Ullman.

En todos los estudios previos, se ha modelado la distribución espacial de los

movimientos de carga; de tal manera, que los resultados obtenidos, hipotéticamente,
podrían reflejar una peculiaridad del sistema que atiende ese mercado específico y no
estar presentes en el transporte aéreo de pasajeros.

Con base en los antecedentes señalados, resulta pertinente continuar la línea de

investigación para verificar si el comportamiento anómalo de la intensidad de flujo,
respecto a la posición relativa en el espacio de los orígenes y destinos, encontrado en
el transporte aéreo de carga, se encuentra presente también en el transporte aéreo de
pasajeros. Esta es una de las intenciones fundamentales de esta investigación.

Para sostener la hipótesis de investigación, se puede señalar que hay diferencias entre
los dos sistemas (objetos de estudio) indicados, que pueden ser suficientes para
generar comportamientos distintos en sus patrones de distribución espacial; y en
consecuencia, características divergentes respecto a las premisas gravitacionales. Por
ejemplo, en primer término los movimientos de pasajeros son mucho más numerosos
en el tiempo y en el espacio; en segundo lugar, la red en que opera el sistema de
transporte de pasajeros es mayor, tanto en nodos como en arcos; en consecuencia, se
tiene una mayor cantidad de datos asociados con las variables aleatorias implicadas, lo
cual podría resultar en una mayor estabilidad estadística en el comportamiento de los
parámetros.

El objetivo general de la investigación fue realizar un análisis gravitatorio de la movilidad

de los usuarios (pasajeros) del sistema de transporte aéreo en el espacio geográfico
mexicano. Adicionalmente, se ha logrado alcanzar algunos objetivos particulares, como
obtener los patrones más recientes de la movilidad asociada con el sistema de
transporte aéreo de pasajeros en México, y determinar la presencia del fenómeno de
independencia causal entre la distancia euclidiana y la intensidad de flujo, que fue
detectado previamente como una característica de la red doméstica de transporte aéreo
de carga.

El método empleado en la investigación es fundamentalmente inductivo, considerando

que se pretende obtener conclusiones de posible alcance general a partir del análisis de
un caso particular. En la investigación se parte de una hipótesis que fue contrastada a
partir del análisis de datos empíricos obtenidos de la observación directa de un
fenómeno social.

La hipótesis de investigación plantea que la distribución de los viajes de personas que

son transportadas por el modo aéreo en México responde adecuadamente a las
premisas del modelo gravitacional, mismas que se encuentran definidas dentro del

viii
 Resumen ejecutivo

marco teórico actual de la geografía y la economía del transporte. Los datos empíricos
consisten en los movimientos de pasajeros registrados por la Dirección General de
Aeronáutica Civil de la SCT, en el año 2007.

Los elementos teóricos de la investigación, así como las técnicas para el tratamiento de
los datos, provienen fundamentalmente de la economía, la geografía, la modelación del
transporte, y la estadística matemática.

El objeto de estudio específico de la investigación es la movilidad de los pasajeros que

utilizan el sistema de transporte aéreo doméstico mexicano, a través de los servicios
denominados regulares.

En el estudio se ha utilizado un modelo de regresión múltiple con estructura

gravitacional, pero adaptado para ser calibrado mediante la técnica de los mínimos
cuadrados, a partir de un conjunto de datos empíricos. La estimación de los parámetros
por mínimos cuadrados ofrece una sólida batería de pruebas estadísticas que permiten
evaluar su calidad, así como la bondad de ajuste de la regresión respecto a la
dispersión de los datos.

En este sentido se han empleado las dos pruebas de hipótesis típicas para verificar la
significancia de los parámetros: la prueba t (individual) y la prueba F (grupal), que se
aplica mediante un análisis de varianza.

Con base en los indicadores globales del desempeño estadístico de la ecuación de

regresión múltiple, y del resultado de la evaluación paramétrica, especialmente la
prueba F, se puede considerar que los resultados de la modelación realizada en el
estudio son satisfactorios.

El coeficiente de determinación indica que el modelo explica adecuadamente el

comportamiento de poco más del 67% de los datos. Por su parte, el valor elevado del
coeficiente de correlación de Pearson indica que el conjunto de las variables
independientes tiene un adecuado comportamiento lineal respecto a las variaciones de
la variable dependiente.

El coeficiente de correlación múltiple obtenido es sensiblemente mejor que los

coeficientes de correlación individuales de las variables independientes respecto a la
variable dependiente. Este resultado sugiere que las variables independientes tienen un
mejor desempeño en conjunto, para explicar el comportamiento de la variable
dependiente, que en forma aislada.

Las pruebas de hipótesis para la evaluación de los parámetros de la regresión múltiple

ofrecen resultados que resultan complementarios para la obtención de conclusiones.

Por una parte, la prueba F indica un buen comportamiento de la ecuación de regresión

múltiple en general, y sugiere un adecuado potencial de las variables independientes

ix
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

para explicar el comportamiento de la variable dependiente, sin distinguir entre ellas,

dado su carácter de prueba de comportamiento en grupo.

Por otra parte, la prueba t, en su carácter de prueba individual, confirma los resultados
de la prueba F en lo que respecta al buen comportamiento de los pasajeros generados
y atraídos en los nodos, pero al mismo tiempo ofrece evidencia estadística de que el
desempeño de la variable distancia es muy pobre; de tal manera, que la probabilidad de
que su coeficiente sea igual a cero en la ecuación de regresión es muy alta.

La conclusión en este sentido es que los viajes generados en los orígenes, y los viajes
atraídos por los destinos, son variables con un alto potencial para explicar la intensidad
de flujo de pasajeros en los corredores que los unen. No así la distancia euclidiana que
los separa. De hecho, los resultados sugieren que la omisión de la variable distancia en
el modelo, no tendría un efecto importante en su eficiencia para reproducir el
comportamiento del fenómeno estudiado.

Por lo anterior, se debe señalar que los resultados de la presente investigación

coinciden plenamente con los obtenidos previamente en los estudios de la movilidad de
la carga: en el transporte aéreo que se realiza en el territorio mexicano, la intensidad de
flujo de pasajeros y carga en los enlaces origen – destino, es estadísticamente
independiente de la distancia euclidiana que los separa.

Se considera que la investigación que se reporta en este documento aporta una serie
de resultados que son de utilidad al sector, puesto que el desarrollo y actualización del
conocimiento sobre el transporte y su modelación, es un elemento imprescindible para
la planeación, tarea fundamental de la Secretaría de Comunicaciones y Transportes.

Finalmente, pero no menos importante, se debe señalar que este tipo de trabajos de
investigación aportan beneficios en el ámbito académico, al contribuir en el desarrollo
del conocimiento científico del fenómeno y sus interrelaciones; en este sentido,
conviene destacar que la investigación se ha realizado en estricto apego a la
metodología y los principios teóricos de las ciencias, tanto sociales, como físico –
matemáticas, de las cuales forma parte.

x
1 Introducción

1.1 Antecedentes y justificación

Desde hace varios años, en el Instituto Mexicano del Transporte se han mantenido
vigentes varias líneas de investigación relacionadas con el transporte aéreo en México;
algunas de las investigaciones realizadas han incluido modelos matemáticos para
estudiar el comportamiento del fenómeno.

Por ejemplo, en 2001 se publicó una investigación (Rico, 2001) que incluye un análisis
gravitacional de la distribución de carga en la red doméstica, con datos de 1998. En
2004 se realizó un estudio (Herrera, et. al.; 2005) contratado por Aeropuertos y
Servicios Auxiliares (ASA) en el que se volvieron a utilizar los modelos desarrollados en
el estudio previo, pero con datos de 2003; y finalmente, en 2005 se llevo al cabo una
investigación mucho más detallada (Gradilla, Rico, 2005), sobre la distribución espacial
de la carga en los ámbitos doméstico e internacional.

En dichos estudios se ha elegido un modelo gravitacional, debido a la aceptación

generalizada (académica y profesional) de su marco teórico para explicar
analíticamente la interacción espacial en las sociedades humanas (Taaffe, et. al, 1996;
Black, 2003).

Los resultados de la modelación han sido parcialmente satisfactorios, considerando que

las pruebas estadísticas señalan que la cantidad de carga generada y atraída por los
nodos, constituye una buena variable de explicación de la intensidad del flujo de
mercancías que se intercambia entre ellos (Rico, 2001; Gradilla y Rico, 2005; Herrera,
et. al., 2005). De hecho, los coeficientes de correlación múltiple y de determinación han
resultado con valores aceptables, lo cual permite el uso de los modelos en actividades
para la planeación del transporte aéreo.

Sin embargo, en la mayoría de los modelos estudiados la distancia no ha logrado

superar las pruebas estadísticas individuales para la evaluación de su comportamiento
como variable explicativa dentro de la función (Rico, 2007).

Concretamente, en todos los casos la prueba F para el modelo completo (esto es para
los tres parámetros en grupo1), ha permitido rechazar la hipótesis nula [H0: (α, β, δ) = (0,
0, 0)] de que alguno de los coeficientes es igual a cero; esto es, que no aporta
explicación al comportamiento de la variable dependiente (Infante y Zarate, 1990); este
resultado es congruente con los valores altos calculados para los coeficientes de
determinación y de correlación múltiple, ya señalado.

1
La ordenada al origen y los dos coeficientes de las variables explicativas.

1
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

Sin embargo, en la prueba t, que es la prueba individual para cada uno de los
coeficientes (Infante y Zarate, 1990), el exponente de la variable “distancia” (δ) en la
función, ha resultado con probabilidades de rechazo mayores al mínimo aceptable, que
usualmente se toma en el 5% (95% de nivel de confianza). Este resultado sugiere que
en la función de regresión, la contribución de la variable distancia a la explicación del
comportamiento de la variable dependiente no es relevante, al menos en comparación
con la otra variable explicativa (Rico, 2007).

La tabla 1.1 presenta un resumen de los resultados obtenidos en las pruebas de

hipótesis individuales (prueba t) para el coeficiente δ, en varios de los estudios
realizados en el IMT sobre la movilidad de carga en la red doméstica de transporte
aéreo (Rico, 2007).

Tabla 1.1 Resumen de resultados de las estadísticas de regresión para el

coeficiente δ en diversos estudios realizados en el IMT

Probabilidad de no
Año de los Movimientos incluidos
Signo y valor de δ rechazo para
datos (domésticos)
H0: δ = 0
1999 80% del total + 0,1919 0,1162
2003 95% del total - 0,1359 0,1456
2003 95% regular + 0,0831 0,3035
2003 95% fletamento - 0,5604 0,0492
Fuente: (Rico, 2007)

En la tabla 1.1 se puede observar que el único caso que se encuentra ligeramente fuera
de la zona de no rechazo para la hipótesis nula (aceptación del parámetro), es el de los
movimientos de fletamento en el año 2003. En los otros tres casos no se puede
sostener, con un 95% de confianza, que el verdadero valor del coeficiente sea diferente
de cero; adicionalmente, otro resultado no menos importante tiene que ver con el signo
del coeficiente, que de acuerdo con el marco teórico se espera sea negativo, lo cual no
se cumple en dos de los casos.

Bajo la premisa gravitatoria, la distancia que separa los puntos de origen y destino,
actúa como un factor disuasivo para la realización de viajes, o el envío de mercancía
(Hall, et. al.; 2003); en otras palabras, mientras mayor es la distancia, “normalmente” la
intensidad de flujo tiende a disminuir, de acuerdo con una función inversa típica; es
decir, en el modelo multiplicativo el exponente δ debe tener signo negativo (fig. 1.1).

El hecho de que no pueda afirmarse que el coeficiente (o exponente en la función

original) δ tiene un valor distinto a cero, implica que la intensidad del flujo de
mercancías entre dos puntos cualesquiera de la red es independiente de su posición
relativa dentro del espacio geográfico.

Por otra parte, el hecho de que el signo del exponente sea positivo, implica que el factor
distancia no actúa como elemento disuasivo, sino al contrario, como factor promotor de

2
 1 Introducción

f(x)

Intensidad
de
transporte

f ( x ) = α x −δ

Distancia recorrida x

Fig.1.1 Intensidad de transporte en función de la distancia recorrida

la realización de transporte; esto es, que a mayor distancia se registran mayores

volúmenes de intercambio.

La independencia de la intensidad del flujo respecto a la distancia, contradice no sólo el

principio gravitatorio, sino incluso el paradigma de comportamiento de la demanda de
transporte en el espacio geográfico, puesto que normalmente se considera que la
distancia es un factor disuasivo de la movilidad; o dicho de otra forma, es un factor que
reduce la accesibilidad, entendiendo por accesibilidad “la capacidad de un lugar (o
localidad) para ser alcanzado desde otros lugares, o para alcanzar otros lugares”
(Rodrigue, Comptois, Slack; 2006).

El comportamiento gravitacional también responde a una lógica económica, ya que es

razonable suponer que la distancia refleja el esfuerzo requerido para superar el espacio
que separa a origen y destino; y que, en consecuencia, se correlaciona positivamente
con el costo generalizado de transporte (la distancia económica), que en última
instancia determina la conveniencia o inconveniencia del intercambio comercial, de
acuerdo con el principio de transferibilidad de Ullman (Black, 2003).

Evidentemente, la distancia euclidiana no es la única variable que puede emplearse

para modelar el efecto de disuasión en los modelos gravitacionales (aunque
típicamente es la más fácil de calcular); también se puede usar el tiempo de viaje, el
consumo de combustible (o de alguna forma de energía), o incluso algunas otras
medidas más sofisticadas de “distancia social” (Potrykowski and Taylor, 1984).

3
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

La independencia de la demanda respecto a la distancia euclidiana (al menos en un

intervalo específico) puede ser consecuencia de la naturaleza del transporte aéreo,
caracterizado por su capacidad para superar grandes distancias en lapsos
relativamente cortos; pero también puede ser consecuencia de la naturaleza del
transporte de carga; por ejemplo, en la red analizada se tiene una fuerte asimetría
direccional en los arcos (no hay carga de regreso) que posiblemente afecta la relación
de la intensidad de flujo con la distancia, puesto que para un mismo conjunto de
distancias se tienen intensidades de flujo muy diferentes.

1.2 Planteamiento del problema de investigación

Con base en los antecedentes expuestos, se plantea la necesidad de investigar si tal
comportamiento anómalo de la intensidad de flujo, respecto a la posición relativa en el
espacio de los orígenes y destinos, encontrado en el transporte aéreo de carga, existe
también en el traslado aéreo de pasajeros.

Hay algunas diferencias entre los dos sistemas (objetos de estudio) señalados, que
pueden ser suficientes para generar comportamientos distintos en sus patrones de
distribución espacial y en consecuencia, características divergentes respecto a las
premisas gravitacionales.

Se puede señalar en primer término, que los movimientos de pasajeros son mucho más
numerosos en el tiempo y en el espacio; en segundo lugar, la red en que opera el
sistema de transporte es mayor, tanto en nodos, como en arcos; en consecuencia se
tiene mayor cantidad de datos asociados con las variables aleatorias implicadas, lo cual
podría resultar en una mayor estabilidad estadística en el comportamiento de los
parámetros.

Otro aspecto importante deriva del hecho de que los movimientos de carga dependen
en cierta medida de la movilidad de los pasajeros, debido a que cerca de la mitad de las
operaciones de carga se realizan en vuelos de pasajeros. Este fenómeno puede alterar
los patrones de distribución espacial del fenómeno.

La investigación que aquí se reporta aporta una serie de resultados de utilidad al sector
y a la academia. Se ofrece información detallada y actualizada sobre los patrones de
movilidad de los usuarios del sistema de transporte aéreo en el país; y en el aspecto
académico, la verificación del comportamiento anómalo o típico, del patrón de
distribución respecto a las premisas gravitacionales es importante para el avance del
conocimiento en los marcos teóricos de la geografía y la economía del transporte.

4
 1 Introducción

1.3 Objetivos de la investigación

1.3.1Objetivo general
1) Realizar un análisis gravitatorio de la movilidad de los usuarios (pasajeros) del
sistema de transporte aéreo en el espacio geográfico mexicano.

1.3.2Objetivos particulares
2) Obtener las bases de datos más recientes, en formato electrónico, de la
Dirección General de Aeronáutica Civil (DGAC) sobre las operaciones
aeronáuticas realizadas en México.

3) Procesar la base de datos de la DGAC para obtener la matriz origen – destino

de los desplazamientos de pasajeros en el territorio nacional, desagregando el
análisis en las categorías doméstica e internacional, regular y de fletamento.

4) Obtener los patrones más recientes de la movilidad asociada con el sistema de

transporte aéreo de pasajeros en México, por medio de la identificación de los
principales orígenes y destinos, así como de los corredores de transporte y las
características cuantitativas asociadas.

5) Ajustar un modelo gravitacional a la distribución de viajes en la red doméstica

de transporte aéreo de pasajeros, utilizando los datos más recientes de la
DGAC y la técnica estadística de los mínimos cuadrados.

6) Validar estadísticamente el modelo gravitacional por medio de pruebas en

conjunto e individuales del desempeño de los parámetros, y su aportación a la
explicación de la variable dependiente.

7) Determinar la presencia o ausencia en la red doméstica de transporte aéreo de

pasajeros, del fenómeno de independencia causal entre la distancia euclidiana
y la intensidad de flujo, característica de la red doméstica de transporte aéreo
de carga.

1.4 Metodología e hipótesis

El método que se utiliza en la investigación es fundamentalmente inductivo,
considerando que se pretende obtener conclusiones de posible alcance general, sobre
los patrones de distribución de viajes de pasajeros en el modo de transporte aéreo, a
partir del análisis de un caso particular, consistente en la movilidad observada en el
espacio geográfico mexicano en el año 2007.

En esta investigación se parte de una hipótesis que será comprobada o refutada con
base en el análisis de datos empíricos obtenidos de la observación directa del
fenómeno.

5
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

La hipótesis de investigación plantea que la distribución de los viajes de personas

transportadas por el modo aéreo en México responde adecuadamente a las premisas
del modelo gravitacional; mismas que se encuentran definidas en el marco teórico
actual de la geografía y la economía del transporte. Los datos empíricos consisten en
los movimientos de pasajeros registrados por la Dirección General de Aeronáutica Civil
de la SCT, en el año 2007.

Los datos empíricos serán analizados mediante técnicas estadísticas, con las que se
verificará la presencia o ausencia de relaciones matemáticas, que finalmente serán
utilizadas para probar la hipótesis de investigación.

De acuerdo con lo anterior, en la investigación se seguirá la secuencia del método

experimental, que parte de una hipótesis, prosigue con la recopilación de información,
para su posterior análisis, y finaliza con el establecimiento de relaciones de validez
general.

Los elementos teóricos de la investigación, así como las técnicas para el tratamiento de
los datos, provienen fundamentalmente de la economía, la geografía, la modelación del
transporte, y la estadística matemática.

6
2 Marco teórico

2.1 Antecedentes sobre el modelo gravitacional

La ley de la gravitación universal fue publicada por Isaac Newton en 1687 en su obra
Principios matemáticos de filosofía natural y se expresa con la siguiente afirmación:
“toda partícula del universo atrae a toda otra partícula con una fuerza que es
directamente proporcional al producto de sus masas, e inversamente proporcional al
cuadrado de la distancia entre ellas” (Serway, Jewett, 2006).

Si las partículas tienen masas m1 y m2, y están separadas por una distancia r, la
magnitud de la fuerza gravitacional es2:

m1 ⋅ m2
Fg = G (1)
r2

El descubrimiento del principio de la gravitación universal significó un avance

trascendente en el conocimiento de las ciencias físicas al definir las relaciones de los
objetos en el espacio, que determinan su posicionamiento relativo.

A mediados del siglo XIX se comenzó a explorar la posibilidad de aplicar algunos

principios de las ciencias físico – matemáticas en las ciencias sociales; en particular,
resultó especialmente atractivo utilizar el principio de la gravitación universal en la
explicación de algunos fenómenos de interacción espacial – regional. Destacan los
trabajos de J. H. von Thunen y Alfred Weber, quienes fundaron las bases de la teoría
de la localización con un enfoque económico – espacial, y ya en el siglo XX, las
aportaciones de August Lösch, Walter Christaller, George K. Zipf y John Q. Stewart
(Krueckberg y Silvers, 1978; Potrykowski y Taylor, 1984).

En los años cincuenta, se comenzó a desarrollar el análisis del transporte como un

fenómeno económico – espacial, mediante técnicas cuantitativas. En especial fue
relevante el trabajo del geógrafo Edward L. Ullman, investigador de la Universidad de
Chicago, quien propuso el uso del modelo gravitacional en la geografía del transporte
(Black, 2003). De hecho, Ullman desarrolló su conocida triada conceptual para explicar
las interrelaciones regionales (complementariedad, transferibilidad, y oportunidad de
intervención) con base en el principio gravitacional (Potrykowski y Taylor, 1984).

Por esa misma época, investigadores como F. C. Iklé, J. D. Carrol y H. B. Bevis

(Potrykowski y Taylor; 1984) y H. J. Carey (Ortúzar y Willumsen; 1994) comenzaron a
utilizar variantes del modelo gravitacional para construir modelos de distribución de

2
En la ecuación (1) G es la constante de la gravitación universal. G = 6.673 x 10 -11 N m2 / kg2

7
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

viajes en redes de transporte; una de las primeras innovaciones importantes de esos

modelos fue la sustitución de la población (medida en cantidad de habitantes) por la
cantidad de viajes generados y atraídos por los nodos (Ortúzar y Willumsen; 1994), lo
cual permite aminorar los problemas que se presentan cuando existe baja correlación
entre el tamaño de la población y la movilidad.

Una segunda adaptación importante, más reciente, consistió en hacer flexible el grado
de la potencia de la variable “distancia”; es decir, se definió el exponente de esta
variable como un parámetro de calibración (no restringido a valores enteros).
Adicionalmente, el llamado factor de impedancia, o variable disuasiva, se amplió desde
el concepto tradicional de la “distancia”, hacia la utilización del tiempo (de viaje, de
espera, de entrega, etcétera), o de una función de costo generalizado (usualmente de
potencia decreciente, como en el caso exponencial).

Finalmente, en el análisis teórico de los modelos gravitacionales, merecen una mención

especial los trabajos del matemático británico Alan G. Wilson, quien en las décadas de
los años sesenta y setenta del siglo XX, desarrolló una sólida estructura matemática
para sustentar la generalización de varios modelos espaciales, a partir del concepto
físico de entropía (Wilson, 1970).

2.2 Modelo utilizado en el estudio

El modelo aplicado en los estudios referidos en el numeral 1.1 (Rico, 2001; Gradilla y
Rico, 2005; Herrera, et. al., 2005) es del tipo no restringido (Ortúzar y Willumsen, 1994)
y fue propuesto por Rico (2001) con base en un modelo previo propuesto por Taaffe,
Gauthier y O’Kelly (1996), con la siguiente estructura matemática:

Vij = α ⋅ ⎡⎣VGi ⋅ VAj ⎤⎦ β ⋅ Dijδ (2)

Donde

Vij flujo de carga entre el nodo i-ésimo y el nodo j-ésimo

α parámetro empírico a obtener por calibración
⎡⎣VGi ⋅ VAj ⎤⎦ producto de la carga generada en el nodo i-ésimo por la carga atraída
en el nodo j-ésimo
β parámetro empírico, a obtener por calibración
Dij distancia euclidiana entre el nodo i-ésimo y el nodo j-ésimo
δ parámetro empírico, a obtener por calibración

Este modelo pretende conservar la estructura gravitatoria clásica mediante el empleo

del producto de los factores potenciales como variable explicativa, además del factor de
impedancia, que corresponde a la distancia euclidiana.

8
 2 Marco teórico

Para la investigación que se reporta en este documento, se ha realizado una ligera

modificación del modelo anterior, quedando con la siguiente estructura matemática:

Vij = α ⋅ (VGi ) β ⋅ (VA j )ϕ ⋅ Dijδ (3)

Donde

Vij flujo de pasajeros entre el nodo i-ésimo y el nodo j-ésimo

α parámetro empírico, a obtener por calibración
VGi pasajeros “generados” por el nodo i-ésimo
β parámetro empírico, a obtener por calibración
VA j pasajeros “atraídos” por el nodo j-ésimo
ϕ parámetro empírico, a obtener por calibración
Dij distancia euclidiana entre el nodo i-ésimo y el nodo j-ésimo
δ parámetro empírico, a obtener por calibración

En nuestra opinión, la función propuesta (3) presenta algunas ventajas respecto al

modelo previo (2). Una de ellas es que “aísla” el efecto de cada una de las variables
explicativas, lo cual permite un análisis más preciso de su comportamiento individual.
Una segunda ventaja radica en que la forma log-lineal de la función se apega con
mayor bondad al modelo clásico de regresión lineal múltiple, que ha sido utilizado para
el cálculo de los parámetros.

Finalmente, otra ventaja adicional, que puede ofrecer oportunidades de investigación en

paralelo, es que la ecuación (3) tiene la forma de una función de demanda de transporte
tipo Kraft (Khisty, 1990; Sinha y Labi, 2007), en la que la elasticidad de la intensidad de
flujo de transporte, respecto a cada una de las variables explicativas, es igual al valor
de los exponentes respectivos3. La elasticidad de la demanda permite conocer su
sensibilidad (variación porcentual) ante variaciones en la dimensión de las variables
explicativas.

Al obtener el logaritmo natural en ambos lados de la ecuación (3), se obtiene la

ecuación (4):

n
3
En la función tipo Kraft V ( X ) = k ∏X
i =1
i
Ci
se puede demostrar que la elasticidad de V(X) respecto a

X ∂V ( X )
cada una de las variables Xi es igual a ε X (V ) = = ci
V ∂X

9
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

ln Vij = ln α + β ln (VGi ) + ϕ ln (VA j ) + δ ln Dij (4)

La ecuación (4) tiene la forma de una ecuación de regresión lineal múltiple (Infante y
Zárate, 1990):

Y = β 0 + β1 X 1 + β 2 X 2 + β 3 X 3 (5)

Los mejores estimadores de los parámetros (ordenada al origen y coeficientes) de la

ecuación de regresión lineal múltiple, se obtienen a partir de un conjunto de datos
empíricos, por medio del método de los mínimos cuadrados (Infante y Zárate, 1990),
con lo cual se llega a la ecuación:

Yˆ = βˆ0 + βˆ1 X 1 + βˆ 2 X 2 + βˆ3 X 3 (6)

2.3 Pruebas de hipótesis para la evaluación de los

parámetros de la regresión
La estimación de los parámetros por mínimos cuadrados ofrece una sólida batería de
pruebas estadísticas que permiten evaluar su calidad, así como la bondad de ajuste de
la regresión respecto a la dispersión de los datos.

En particular, en el estudio se utilizan las dos pruebas de hipótesis típicas para verificar
la significancia de los parámetros (Infante y Zarate, 1990): la prueba t (individual) y la
prueba F (grupal), que se aplica mediante un análisis de varianza.

Con base en el teorema central del límite, se puede demostrar (Infante y Zárate, 1990)
que los estimadores mínimos cuadráticos de los parámetros de regresión tienen
distribución de probabilidades Normal; de tal manera que, mediante la distribución t de
student, se puede contrastar hipótesis nulas y alternas del tipo:

H o : β i = β i∗ en oposición a H a : β i ≠ β i∗ (i = 0,1, 2, 3) , utilizando el estadístico de prueba:

βˆi − β i∗
t0 = (i = 0,1, 2, 3) , de acuerdo con la regla de decisión:
S βˆi

Rechazar H o si t 0 ≥ tα / 2 (n − 2) o si t 0 ≤ −tα / 2 (n − 2)

La prueba de hipótesis que se acostumbra realizar verifica que:

H o : β i = 0 en oposición a H a : β i ≠ 0 (i = 0,1, 2, 3) , puesto que en el caso de que no se

pueda rechazar la hipótesis nula, el resultado puede interpretarse en el sentido de que

10
 2 Marco teórico

la variable explicativa, cuyo coeficiente es cero no es significativa en la explicación de la

variable dependiente.

Por otra parte, partiendo del diagrama de dispersión de los datos se puede mostrar
(Infante y Zárate, 1990) que:
n n n

∑ (Y − Y ) =∑ (Y − Yˆ ) + ∑ (Yˆ − Y )
i =1
i
2

i =1
i
2

i =1
i
2
(7)

O, en palabras: S. C. TOTAL = S. C. ERROR + S. C. REGRESIÓN4

Adicionalmente, sabiendo que los estimadores mínimos cuadráticos de los parámetros

de regresión tienen distribución de probabilidades Normal:

⎛ ⎞
⎜ ⎟
σ 2
β̂ i ~ N ⎜ β i ⎟ (i = 1, 2, 3)
⎜ n ⎟
⎜
⎝
∑
i =1
(Xi − X ) ⎟
2

Entonces:

(βˆ − βi ) ⋅
n

i ∑ (X
i =1
i −X )2
~ N (0, 1)
σ
Por lo que:

(βˆ − βi ) ⋅ ∑ (X i − X )
n
2 2
i
i =1
~ χ 2 (1)
σ 2

De aquí que, bajo Ho: βi = 0 (substituyendo), tengamos que:

(βˆ ) ⋅ ∑ ( X
n n
−X) ∑ (Yˆ − Y )
2 2 2
i i i
S. C. REGRESIÓN
i =1
= i =1
= ~ χ 2 (1)
σ 2
σ 2
σ 2

Igualmente, puede probarse (Infante y Zárate, 1990) que:

4
S. C. significa “suma de cuadrados”.

11
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

S. C. TOTAL
~ χ 2 ( n−1)
σ 2

Y que:

S. C. ERROR
~ χ 2 ( n−2)
σ 2

De modo que, para probar Ho: βi = 0 en oposición a Ha: βi ≠ 0 el estadístico:

S. C. REGRESIÓN
σ 2 (1)
F0 =
S. C. ERROR
σ 2 (n − 2)

tiene distribución F con 1 y n-2 grados de libertad.

Una prueba de nivel de significancia α para Ho: βi = 0 en oposición a Ha: βi ≠ 0 se

obtiene mediante la regla de decisión (Infante y Zárate, 1990):

Rechazar Ho si: Fo ≥ Fn1− 2,α

Estos resultados se acostumbra presentarlos mediante una tabla de análisis de

varianza.

12
3 Definición del objeto de estudio

3.1 La aviación comercial en México

La principal fuente de datos empíricos cuantitativos sobre la aviación comercial en
México es la Dirección General de Aeronáutica Civil (DGAC) de la SCT, misma que
mantiene y publica anualmente una base de datos con el número de operaciones, los
pasajeros y la carga que es transportada en cada par origen destino de la red
aeroportuaria federal (comercial) (DGAC, 2007).

La información se ofrece desagregada en las categorías internacional5 y doméstica6; y

en las subcategorías de servicio regular7, y de fletamento8; por ello, se encuentra
disponible en cuatro grandes subconjuntos. Los datos utilizados en este estudio
corresponden al año 2007. La tabla 3.1 muestra un resumen de la información
recopilada por la DGAC para ese año, y que se considera el universo general de
estudio de la presente investigación.

Tabla 3.1. Total de operaciones, pasajeros y carga, transportados

en México por la aviación comercial en 2007.

Carga
Ámbito Servicio Operaciones Pasajeros
(toneladas)
Regular 524,722 27,400,965 112,077
Doméstico Fletamento 16,463 708,665 9,814
Subtotal 541,185 28,109,630 121,892
Regular 291,633 24,819,867 460,322
Internacional Fletamento 19,639 2,432,010 53,564
Subtotal 311,272 27,251,877 513,885

Total 852,457 55,361,507 635,777

5
Servicio internacional. Comprende todas las operaciones realizadas entre un punto del territorio
mexicano y uno del extranjero (DGAC, 2007b).
6
Servicio doméstico. Comprende todas las operaciones realizadas entre puntos del territorio mexicano
(DGAC, 2007b).
7
Servicio regular. Es el servicio aéreo que está sujeto a itinerarios, frecuencias de vuelos, y horarios
(DGAC, 2007b).
8
Servicio de fletamento. Es el servicio aéreo no sujeto a itinerarios, frecuencias de vuelos, ni horarios
(DGAC, 2007b).

13
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

Fig. 3.1 Operaciones aeronáuticas realizadas en 2007

600
Millares
500

400 525

300
200 292

100
16 20
0
Regular Fletamento Regular Fletamento

Doméstico Internacional

Fuente: Elaboración propia con información de la DGAC (DGAC, 2007)

La información de la tabla 3.1 permite formar un panorama general de algunas de las

características actuales de la aviación comercial en México. Se puede notar, por
ejemplo, que tanto en el número de operaciones como en los pasajeros transportados,
el mercado doméstico tiene mayor relevancia numérica que el internacional; situación
que no comparte el transporte de carga, puesto que en este segmento el transporte
internacional es mucho más cuantioso (figuras 3.1, 3.2, y 3.3).

Fig. 3.2 Pasajeros transportados en 2007

30
Millones

25
20 27.4

15 24.8

10
5
0.7 2.4
0
Regular Fletamento Regular Fletamento

Doméstico Internacional

De las proporciones observadas en los ámbitos doméstico e internacional para las

operaciones, los pasajeros y la carga, se puede inferir que las operaciones
internacionales se realizan con equipo de vuelo de mayor capacidad, puesto que con

14
 3 Definición del objeto de estudio

Fig. 3.3 Carga transportada en 2007

500
Millares de Toneladas 450
400
350
300 460.3
250
200
112.1
150
100
9.8 53.6
50
0
Regular Fletamento Regular Fletamento

Doméstico Internacional

menos operaciones se transporta más carga y un número similar de pasajeros, que en

el ámbito doméstico; lo cual, además de ser probablemente una necesidad ante las
mayores distancias recorridas, también puede ser indicador de una mayor eficiencia
económica en la producción de estos servicios.

A su vez, se puede notar que los servicios regulares son altamente predominantes en
los dos ámbitos geográficos en que se desarrolla la aviación comercial mexicana,
siendo mas notable la situación en el ámbito doméstico, puesto que en este segmento
les corresponde a los servicios de fletamento, sólo el 3% de las operaciones y el 2.5%
de los pasajeros transportados.

3.2 Determinación del subsistema de transporte por

analizar
De acuerdo con los objetivos perseguidos en el presente estudio y señalados en el
numeral 1.3, el objeto de estudio primario de la investigación es la distribución espacial
de los pasajeros transportados en el mercado doméstico mexicano. Por esta razón, la
totalidad de los movimientos internacionales quedan excluidos del análisis.

Dentro de los movimientos domésticos, se ha tenido la posibilidad de estudiar el

comportamiento de dos mercados distintos: los servicios regulares y los de fletamento.
Como ya se señaló en el numeral previo (3.1), los servicios de fletamento son poco
frecuentes y representan sólo el 2.5% del total de los pasajeros transportados en el
territorio nacional. Adicionalmente, existe la posibilidad de que estos servicios muestren
una cierta “irregularidad espacial”, en el sentido de que las necesidades de transporte
que los originan responden más a situaciones de coyuntura que a decisiones planeadas
con anticipación, en las que usualmente se pondera con mayor consideración aspectos
como la distancia y el costo de viaje; que resultan cruciales para la modelación

15
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

Fig. 3.4 Distribución de los pasajeros transportados en función del número de arcos
en la red de servicios regulares de transporte aéreo (Análisis de Pareto)

100%
90%
Pasajeros transportados

80%
70%
60%
50%
40%
30%
20%
10%
0%
0% 25% 50% 75% 100%
Arcos

gravitacional de la movilidad. Por estas razones, el estudio se ha concentrado en los

servicios regulares.

Excluidas las operaciones realizadas mediante servicios de fletamento, el siguiente

paso consistió en analizar con mayor detalle el conjunto de los servicios regulares.
Nuestros análisis de la base de datos de la DGAC, han permitido determinar que en
2007 los servicios regulares de transporte doméstico de pasajeros se realizaron en una
red formada por 61 aeropuertos (nodos), y 533 enlaces origen-destino (arcos)
diferentes9.

En esos 533 enlaces origen-destino existe una notable heterogeneidad en cuanto a la

cantidad de usuarios transportados, de tal manera que la mayoría presentan una
intensidad de flujo muy pequeña, mientras que algunos cuantos son los que concentran
la mayoría de los desplazamientos10. Esta distribución de la intensidad de flujo en los

9
Cada par de aeropuertos tiene dos enlaces posibles entre si, puesto que se distingue el sentido del
desplazamiento (cada nodo es origen en un movimiento y destino en el otro). De esta manera, el número
total de enlaces que se pueden formar con 61 nodos es 61 por 60, que es igual a 3660; lo cual produce
un índice de conectividad de 0.145 para los 533 enlaces existentes. Este índice señala que en 2007 sólo
se estableció el 14.5% del total de interrelaciones posibles en la red de transporte aéreo regular.
10
Dicha característica no es exclusiva de este segmento, sino que se encuentra presente en todo el
sistema de transporte aéreo, incluyendo los movimientos de carga (Rico, 2001).

16
 3 Definición del objeto de estudio

arcos de la red sigue fielmente la curva de distribución de Pareto11 (Rico, 2001), como
se puede verificar en la fig. 3.4.

Ballou (2004) propone una clasificación en tres categorías (A, B, C) definidas por las
dos fronteras (80/20) y (95,50) en el diagrama de Pareto; de acuerdo con este criterio
de clasificación, los productos o servicios incluidos en las dos primeras se consideran
los más relevantes (o en nuestro caso, representativos) en el sistema. Adicionalmente,
se considera que entre los productos o servicios que forman parte de cada una de las
tres categorías, existe una mayor homogeneidad en sus características; lo cual justifica
un trato diferenciado para cada uno de ellos.

En nuestro caso de estudio, hemos considerado conveniente no incluir en el análisis

gravitacional los movimientos que se encuentran en la categoría más baja; mismos que
aportan sólo el 5% del flujo total, debido a que son operaciones poco frecuentes que
pueden tener una lógica económica diferente a la de los movimientos más estables
dentro del sistema; especialmente en lo que respecta al comportamiento relacionado
con los costos de transporte.

Por lo anterior, el objeto de estudio de la investigación ha quedado definido por el 95%

de los movimientos regulares de transporte de pasajeros, mismos que se realizan en
los 244 arcos con mayor intensidad de flujo dentro del sistema, y que interconectan a
las 53 principales terminales aéreas en el país12.

3.3 Cálculo de las distancias empleadas en el modelo

Las distancias empleadas para la modelación de la distribución espacial de los
pasajeros en la red de transporte aéreo se calcularon mediante un sistema de
información geográfica (SIG).

Mediante el procesamiento de la base de datos de la DGAC, que contiene la

información de los pasajeros transportados en 2007, se identificaron los 244 arcos
principales, y las 53 terminales aeroportuarias que acumulan el 95% de la movilidad en
el sistema, como se explica en el numeral 3.2 del presente documento.

A continuación, se procedió a ligar la base de datos resultante del paso anterior, con las
coordenadas de localización geográfica de las terminales. La mayoría de los datos
sobre la localización de los aeropuertos proviene de la Dirección General de Planeación
de la SCT; sin embargo, durante el análisis se detectaron errores en las coordenadas

11
Los puntos críticos sobre la curva teórica de Pareto son los que definen las relaciones 80/20 y 95/50;
en la curva de la fig. 3.4; tales puntos corresponden a las parejas (80.1 / 23.6) y (95 / 46.5).
12
El listado de los aeropuertos y enlaces que los interconectan, que fueron objeto de estudio de la
presente investigación, se muestran en el Anexo 1.

17
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

de algunos aeropuertos, mismos que fueron subsanados con información proveniente

de la base de datos de localidades del Instituto Nacional de Estadística, Geografía e
Informática (INEGI), y de la base de datos en línea del SIG Google Earth.

El tercer paso consistió en transformar la base de datos, con las coordenadas de

localización geográfica y los datos de movimientos de pasajeros, en archivos
compatibles con el programa Arc View, del fabricante de software Environmental
Systems Research Institute (ESRI). Arc View es un sistema de visualización y mapeo
computarizado de datos geográficos, que permite el manejo de la información y su
análisis numérico desde una perspectiva espacial.

Mediante el software Arc View, la distancia entre aeropuertos se calculó en línea recta
sobre la proyección cartográfica cónica conforme de Lambert (Robinson, Sale, et. al.;
1984), de la República Mexicana.

Con objeto de verificar la exactitud de las distancias calculadas con dicho

procedimiento, los resultados para algunos pares de ciudades se compararon con las
distancias publicadas en el libro de itinerarios de la empresa Aeroméxico, sin encontrar
diferencias significativas13.

Las distancias calculadas entre los 244 pares origen – destino, por el procedimiento
descrito previamente, se presentan en el cuadro A1.1 del Anexo 1 de este reporte.

13
Lo cual indica que las distancias señaladas en los itinerarios de Aeroméxico, también están calculadas
sobre el segmento de recta que une origen y destino.

18
4 Modelación matemática de la distribución
espacial de los pasajeros en la red de
transporte aéreo
En el presente estudio se ha utilizado la siguiente ecuación para modelar la distribución
espacial de los pasajeros que se transportan por vía aérea en el territorio nacional
mexicano:

Vij = α ⋅ (VGi ) β ⋅ (VA j )ϕ ⋅ Dijδ (3)

Donde

Vij flujo de pasajeros entre el nodo i-ésimo y el nodo j-ésimo

α parámetro empírico, a obtener por calibración
VGi pasajeros “generados” por el nodo i-ésimo
β parámetro empírico, a obtener por calibración
VA j pasajeros “atraídos” por el nodo j-ésimo
ϕ parámetro empírico, a obtener por calibración
Dij distancia euclidiana entre el nodo i-ésimo y el j-ésimo
δ parámetro empírico, a obtener por calibración

La ecuación (3) conserva las relaciones estructurales del modelo gravitacional clásico,
que se utiliza en las aplicaciones del análisis de sistemas de transporte (Ortúzar y
Willumsen, 1994), con la cualidad calibrarse mediante la minimización del cuadrado de
los errores, a partir de un conjunto de datos empíricos (Rico, 2001).

Al obtener el logaritmo natural en ambos lados de la ecuación (3), se llega a la ecuación

(4), que es la forma log – lineal de la ecuación (3):

ln Vij = ln α + β ln (VGi ) + ϕ ln (VA j ) + δ ln Dij (4)

La ecuación (4) tiene la forma de una función de regresión lineal múltiple (Infante y
Zárate, 1990):

Y = β 0 + β1 X 1 + β 2 X 2 + β 3 X 3 (5)

Los mejores estimadores de los parámetros (ordenada al origen y coeficientes) de la

ecuación de regresión lineal múltiple, se obtienen a partir de un conjunto de datos
empíricos por medio del método de los mínimos cuadrados (Infante y Zárate, 1990).

19
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

4.1 Resultados del análisis de regresión múltiple

Los datos empíricos empleados en el análisis de regresión múltiple se presentan en el
Anexo 1 del documento, y se obtuvieron mediante el procesamiento de la base de datos
de la Dirección General de Aeronáutica Civil de la SCT, con información que
corresponde al año 2007 (ver capítulo 3).

La tabla 4.1 muestra los valores obtenidos para la ordenada al origen, y los tres
coeficientes de la ecuación (4), mismos que corresponden a los exponentes de la
ecuación (3).

Tabla 4.1 Valores de los parámetros de calibración

de la ecuación de regresión múltiple.

Parámetro Valor
ln α -5.93669
β 0.62747
φ 0.62696
δ -0.02027
Fuente: elaboración propia

Sustituyendo los valores de los parámetros que se muestran en la tabla 4.1, en la

ecuación (4), se obtiene la ecuación (8), que es la expresión calibrada del modelo en su
forma log – lineal.

ln Vij = − 5.94 + 0.627 ⋅ ln (VGi ) + 0.627 ⋅ ln (VA j ) − 0.02 ⋅ ln Dij (8)

Calculando el valor de α, y sustituyendo los valores de los exponentes en la ecuación

(3), se obtiene la ecuación (9), que es la expresión calibrada del modelo en su forma
original.

Vij = 0.00264 ⋅ (VGi ) 0.627 ⋅ (VA j ) 0.627 ⋅ Dij−0.02 (9)

En la tabla 4.2 se presentan los indicadores estadísticos globales de la regresión

múltiple [ecuación (4)].

Tabla 4.2 Indicadores estadísticos globales de la regresión

múltiple.

Coeficiente de correlación múltiple 0.82132

Coeficiente de determinación R2 0.67456
R2 ajustado 0.67049
Error típico 0.50060
Observaciones 244
Fuente: elaboración propia

20
 4 Modelación matemática de la distribución espacial de los pasajeros en la red de transporte aéreo

4.2 Evaluación de los parámetros mediante pruebas de

hipótesis
En este estudio se emplearon dos pruebas para la evaluación de los parámetros de la
ecuación de regresión múltiple (ver capítulo 2): la prueba t (individual) y la prueba F
(grupal), que se aplica mediante un análisis de varianza.

Con base en el teorema central del límite, se puede demostrar (Infante y Zárate, 1990)
que los estimadores mínimo cuadráticos de los parámetros de regresión tienen
distribución de probabilidades Normal, de tal manera que, mediante la distribución t de
student, se pueden contrastar hipótesis nulas y alternas del tipo:

H o : β i = β i∗ en oposición a H a : β i ≠ β i∗ (i = 0,1, 2, 3) , utilizando el estadístico de prueba:

βˆi − β i∗
t0 = (i = 0,1, 2, 3)
S βˆi

La prueba de hipótesis que se acostumbra realizar verifica:

H o : β i = 0 en oposición a H a : β i ≠ 0 (i = 0,1, 2, 3)

La tabla 4.3 presenta los resultados obtenidos al aplicar la prueba t a los parámetros de
la ecuación de regresión múltiple.

Tabla 4.3 Resultados de la evaluación paramétrica mediante la prueba t.

Probabilidad Intervalo de confianza al 95%

Parámetro Valor puntual Estadístico t de aceptación
Valor inferior Valor superior
de Ho
ln α -5.93669 -7.203 7.53 * 10-12 -7.560 -4.313
β 0.62747 20.818 1.09 * 10-55 0.5680 0.6868
φ 0.62696 20.864 7.76 * 10-56 0.5677 0.6861
δ -0.02027 -0.384 0.7010 -0.1241 0.0836

Fuente: elaboración propia

Por otra parte, partiendo del diagrama de dispersión de los datos se puede mostrar
(Infante y Zárate, 1990), que para probar Ho: βi = 0 en oposición a Ha: βi ≠ 0 se puede
utilizar el estadístico:

S. C. REGRESIÓN
σ 2 (1)
F0 =
S. C. ERROR
σ 2 (n − 2)

21
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

Mediante una prueba de nivel de significancia α con la regla de decisión: rechazar Ho si:
Fo ≥ Fn1− 2,α

La tabla 4.4 presenta los resultados obtenidos al aplicar la prueba F a los parámetros
de la ecuación de regresión múltiple.

Tabla 4.4 Resultados de la evaluación paramétrica mediante la prueba F.

Grados de Suma de Promedio de Valor crítico

Fuente F
libertad cuadrados los cuadrados de F
Regresión 3 124.66 41.55 165.82 3.20 * 10-58
Residuos 240 60.14 0.2506
Total 243 184.81
Fuente: elaboración propia

4.3 Discusión de los resultados del análisis de

regresión, y de la evaluación de los parámetros
Con base en los indicadores globales del desempeño estadístico de la ecuación de
regresión múltiple y del resultado de la evaluación paramétrica, especialmente la
prueba F, se puede considerar que en términos generales los resultados de la
modelación son satisfactorios. Sin embargo, en este estudio también se ha presentado
el problema con la variable distancia, que fue detectado previamente en la modelación
de la distribución de los movimientos de carga (ver el capítulo 1).

El coeficiente de determinación indica que el modelo utilizado explica satisfactoriamente

el comportamiento aleatorio de poco más del 67% de los datos.

En la fig 4.1 se muestra una gráfica en que se comparan los valores de la variable
dependiente que se calcularon con el modelo, y los correspondientes valores
observados. En dicha gráfica se puede observar que las mayores diferencias se
encuentran entre los valores localizados en los extremos superior e inferior del rango de
los datos; es decir, entre aquellos que se alejan más del valor esperado por el sustento
lógico del modelo, o sea el principio gravitacional.

Por su parte, el valor elevado (0.82) del coeficiente de correlación de Pearson señala
que el conjunto de variables independientes tiene un adecuado comportamiento lineal
respecto a las variaciones de la variable dependiente.

De hecho, es conveniente señalar que el coeficiente de correlación múltiple obtenido es

sensiblemente mejor que las correlaciones individuales de las variables independientes
respecto a la variable dependiente; lo cual se puede confirmar con los datos
presentados en la tabla 4.5. Este resultado sugiere que las variables independientes
tienen un mejor desempeño en conjunto, para explicar el comportamiento de la variable
dependiente, que en forma aislada.

22
 4 Modelación matemática de la distribución espacial de los pasajeros en la red de transporte aéreo

14

13

12
ln Vij

11

10

9
0 50 100 150 200 250
Observación
Vij (observada) Vij (pronosticada)

Fig 4.1 Valores pronosticados y observados de la variable dependiente

La matriz de correlaciones, también es útil para confirmar que no existe correlación alta
entre las variables independientes, lo cual permite reducir problemas de autocorrelación
en la ecuación de regresión múltiple.

En la tabla 4.5 se observa que el signo de la correlación entre los pasajeros generados
y atraídos en los nodos de la red, es negativo. Este caso se presenta cuando a valores
altos de una variable le corresponden valores bajos de la otra, y viceversa. Este
resultado puede indicar que los nodos presentan un comportamiento polarizado; es
decir, que unos funcionan como polos generadores de viajes, y los otros como polos
atractores, lo cual puede causar efectos negativos en el equilibrio de los flujos por
sentido.

Tabla 4.5 Matriz de correlaciones de Pearson para las variables de la regresión

ln pasajeros ln pasajeros ln pasajeros

ln distancia
(flujo) generados atraídos
ln pasajeros (flujo) 1
ln pasajeros generados 0.28689 1
ln pasajeros atraídos 0.29195 -0.75156 1
ln distancia 0.05030 0.02097 0.03429 1
Fuente: elaboración propia

23
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

También es interesante destacar la baja correlación que existe entre la intensidad de

flujo de pasajeros en los arcos y su longitud, lo cual sugiere un resultado que se
confirma mediante las pruebas de hipótesis para la evaluación de los parámetros: la
cantidad de viajes que se realizan entre dos nodos es independiente de la distancia
euclidiana que los separa.

Las pruebas de hipótesis para evaluar los parámetros de la regresión múltiple ofrecen
resultados que resultan complementarios para la obtención de conclusiones.

Por una parte la prueba F indica un comportamiento satisfactorio de la ecuación de

regresión múltiple en general, y sugiere un buen potencial de las variables
independientes para explicar el comportamiento de la variable dependiente, sin
distinguir entre ellas, dado su carácter de prueba de comportamiento en grupo.

Por otra parte, la prueba t, en su carácter de prueba individual, confirma los resultados
de la prueba F en lo que respecta al buen comportamiento de los pasajeros generados
y atraídos en los nodos, como variables explicativas de la variable dependiente, y al
mismo tiempo ofrece evidencia estadística de que el desempeño de la variable
distancia es muy pobre; de tal manera, que la probabilidad de que su coeficiente sea
igual a cero en la ecuación de regresión es muy alta (0.70), lo cual se puede verificar en
la tabla 4.3.

La conclusión en este sentido, es que los viajes generados en los orígenes, y los viajes
atraídos por los destinos, son variables con un alto potencial para explicar la intensidad
de flujo de pasajeros en los corredores que los unen. No así la distancia euclidiana que
los separa. De hecho, los resultados sugieren que la omisión de la variable distancia en
el modelo, no tendría un efecto importante en su eficiencia para reproducir el
comportamiento del fenómeno estudiado.

24
5 Conclusiones
Desde hace varios años, en el Instituto Mexicano del Transporte se han mantenido
vigentes varias líneas de investigación relacionadas con el transporte aéreo en México;
el presente trabajo es parte de la línea de investigación relacionada con la modelación
matemática del fenómeno.

El objeto de estudio de la presente investigación es la movilidad de los pasajeros que

utilizan el sistema de transporte aéreo doméstico mexicano, específicamente a través
de los servicios denominados regulares, mismos que constituyen la gruesa mayoría,
respecto al total.

El objetivo de la investigación ha sido verificar la hipótesis del comportamiento

gravitacional en la movilidad de los pasajeros que recurrieron al transporte aéreo en
2007; en particular, con cierto énfasis en la observación del comportamiento de la
distancia euclidiana, que separa a los orígenes y destinos, como variable explicativa de
la intensidad de flujo de transporte de pasajeros.

El interés sobre este objeto de estudio específico deriva del hecho de que las
investigaciones que anteceden al trabajo han estudiado exclusivamente el movimiento
de carga, surgiendo entonces la pertinencia del análisis del movimiento de pasajeros,
con la intención de verificar la consistencia de las conclusiones obtenidas previamente.

En general, los resultados de la modelación de la distribución espacial de la movilidad

han sido satisfactorios; sin embargo, se han encontrado problemas para utilizar
eficientemente la distancia de viaje como una de las variables explicativas en el modelo
gravitacional.

El principal problema deriva del hallazgo sistemático de que la intensidad de flujo en los
arcos de la red es estadísticamente independiente de su longitud, o sea de la distancia
euclidiana entre los orígenes y destinos de los viajes.

La independencia entre la cantidad de transporte realizado y la longitud del

desplazamiento contradice varias de las permisas fundamentales del marco teórico de
la geografía y la economía del transporte, al sugerir que la distancia física no está
correlacionada adecuadamente con el costo generalizado de transporte, o sea la
distancia económica, que enfrentan los usuarios en el momento de contratar un servicio
de transporte aéreo.

La principal explicación para esta contradicción, surge del análisis detallado de la

distribución de frecuencias de la intensidad de transporte, en función de la distancia de
viaje (ver los Anexos 2 y 3). El histograma de frecuencias muestra que el
comportamiento esperado (convencional) de la variable se presenta después del
máximo de la distribución, alrededor de los 750 km, y que el comportamiento anómalo

25
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

se presenta únicamente en la región anterior a dicho punto máximo, que corresponde a

los valores pequeños de la distancia. La razón estriba en que en las distancias cortas el
transporte aéreo enfrenta una intensa competencia por parte del autotransporte, y por
ello no hay demanda en ese segmento de mercado. En este sentido, se puede afirmar
que las dos modalidades de transporte funcionan como servicios complementarios, y
que su análisis gravitacional requiere un enfoque sistémico, inalcanzable mediante el
análisis individual del comportamiento de cada modo.

Adicionalmente, la presente investigación ha permitido obtener los patrones más

recientes de la movilidad de los usuarios del sistema de transporte aéreo en México, a
través de la identificación de los principales orígenes y destinos, así como de los
principales corredores de transporte y las características cuantitativas asociadas.

En el estudio se utilizó un modelo con estructura gravitacional, pero adaptado para

calibrarse mediante la técnica de los mínimos cuadrados, a partir de un conjunto de
datos empíricos. La fuente de la información de campo es la Dirección General de
Aeronáutica Civil de la SCT, que anualmente publica una base de datos con la totalidad
de los movimientos origen - destino realizados por la aviación comercial en México.

La estimación de los parámetros por mínimos cuadrados ofrece una sólida batería de
pruebas estadísticas que permiten evaluar su calidad, así como la bondad de ajuste de
la regresión respecto a la dispersión de los datos.

En el análisis respectivo se han empleado las dos pruebas de hipótesis típicas para
verificar la significancia de los parámetros: la prueba t (individual) y la prueba F (grupal),
que se aplica mediante un análisis de varianza.

Con base en los indicadores globales del desempeño estadístico de la ecuación de

regresión múltiple, y del resultado de la evaluación paramétrica, especialmente la
prueba F, se puede considerar que los resultados de la modelación realizada en el
estudio son satisfactorios.

El coeficiente de determinación indica que el modelo explica adecuadamente el

comportamiento de poco más del 67% de los datos. Por su parte, el valor elevado del
coeficiente de correlación de Pearson señala que el conjunto de las variables
independientes tiene un adecuado comportamiento lineal respecto a los cambios de la
variable dependiente.

De hecho, es conveniente señalar que el coeficiente de correlación múltiple obtenido es

sensiblemente mejor que los coeficientes de correlación individuales de las variables
independientes respecto a la variable dependiente. Dicho resultado sugiere que las
variables independientes tienen un mejor desempeño en conjunto, para explicar el
comportamiento de la variable dependiente, que en forma aislada.

Las pruebas de hipótesis para la evaluación de los parámetros de la regresión múltiple

ofrecen resultados que resultan complementarios para el logro de conclusiones.

26
 5 Conclusiones

Por una parte, la prueba F indica un buen comportamiento de la ecuación de regresión

múltiple en general, y sugiere un adecuado potencial de las variables independientes
para explicar el comportamiento de la variable dependiente, sin distinguir entre ellas,
dado su carácter de prueba de comportamiento grupal.

Por otra parte, la prueba t, en su carácter de análisis individual, confirma los resultados
de la prueba F, en lo que respecta al buen comportamiento de los pasajeros generados
y atraídos en los nodos; pero, al mismo tiempo ofrece evidencia estadística de que el
desempeño de la variable distancia es muy pobre; de tal manera, que la probabilidad de
que su coeficiente sea igual a cero en la ecuación de regresión, es muy alta.

La conclusión en este sentido, es que los viajes generados en los orígenes, y los viajes
atraídos por los destinos, son variables con un alto potencial para explicar la intensidad
de flujo de pasajeros en los corredores que los unen. No así, la distancia euclidiana que
los separa. De hecho, los resultados sugieren que la omisión de la variable distancia en
el modelo, no tendría un efecto importante en su eficiencia para reproducir el
comportamiento del fenómeno estudiado.

Los resultados de la presente investigación coinciden plenamente con los obtenidos

previamente en los estudios de movilidad de la carga: en el transporte aéreo que se
realiza en el territorio mexicano, la intensidad de flujo de pasajeros y carga en los
enlaces origen – destino, es estadísticamente independiente de la distancia euclidiana
que los separa.

La investigación que se reporta en este documento aporta una serie de resultados que
se consideran de utilidad al sector, puesto que el desarrollo y actualización del
conocimiento sobre el transporte y su modelación, son elementos imprescindibles para
la planeación sectorial, tarea fundamental de la Secretaría de Comunicaciones y
Transportes, de la cual el IMT forma parte. En este sentido, la contribución al desarrollo
económico y social del país, resulta evidente.

Finalmente, pero no menos importante, se debe señalar que este tipo de trabajos de
investigación aporta beneficios en el ámbito académico, al contribuir en el desarrollo del
conocimiento científico del fenómeno y sus interrelaciones; en tal sentido, conviene
destacar que la investigación se ha realizado en estricto apego a la metodología y los
principios teóricos de las ciencias, tanto sociales, como físico – matemáticas, de las
cuales forma parte.

27
6 Bibliografía
BLACK, William. Transportation: A Geographical Analysis. Guilford Publications, New
York, 2003.

BALLOU, Ronald H. Logística. Administración de la cadena de suministro. 5ª ed.

Pearson Educación, México, 2004.

Dirección General de Aeronáutica Civil (DGAC, 2007). Web page [en línea]. Disponible
en: <URL:http://dgac.sct.gob.mx/>

Dirección General de Aeronáutica Civil. La aviación mexicana en cifras. (DGAC, 2007b).

[en línea]. Disponible en: <URL:http://dgac.sct.gob.mx/>

GRADILLA HERNÁNDEZ, Luz Angélica; RICO GALEANA, Óscar Armando. Análisis

espacial de la distribución de la carga transportada por aire en México. Publicación
Técnica No. 269. Sanfandila, Querétaro: Instituto Mexicano del Transporte, 2005. pp.
139. ISSN 0188-7297.

HALL, Randolph W. (editor). Handbook of Transportation Science. 2nd. Ed. Kluwer

Academic Publishers, Norwell, Massachusetts, 2003.

HERRERA GARCÍA, Alfonso; BUSTOS ROSALES, Agustín; et. al. Diagnóstico del
transporte de carga aérea en México. Publicación Técnica No. 273. Sanfandila,
Querétaro: Instituto Mexicano del Transporte, 2005. pp. 194. ISSN 0188-7297.

INFANTE GIL, Said; ZÁRATE DE LARA, Guillermo P. Métodos estadísticos. Un

enfoque interdisciplinario. 2ª ed. Editorial Trillas, México, 1990.

KHISTY, C. Jotin. Transportation Engineering: An Introduction. Prentice-Hall Inc.

Englewood, Cliffs, New Jersey. 1990.

KRUECKEBERG, Donald; SILVERS, Arthur. Análisis de Planificación Urbana, Métodos

y Modelos. Limusa, 1978.

MANHEIM, Marvin L. Fundamentals of Transportation Systems Analysis. Vol I. The

Massachusetts Institute of Technology. MIT Press, Cambridge, Mass, 1979.

Manual Estadístico del Sector Transporte 2006. Instituto Mexicano del Transporte.
Sanfandila, Querétaro: Instituto Mexicano del Transporte, 2006. ISSN 0188-7246.

NELSON, David. Dictionary of Statistics. England, UK: Penguin Books, 2004.

ORTÚZAR, Juan de Dios. Modelos de demanda de transporte. 1ª ed. Ediciones

Universidad Católica de Chile, Santiago, 1994.

29
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

ORTÚZAR, Juan de Dios; WILLUMSEN, Luis. Modelling Transport. 2ª ed. John Wiley &
Sons, 1994.

PEÑA SÁNCHEZ DE RIVERA, Daniel. Fundamentos de estadística. Madrid: Alianza

Editorial, S.A., 2001.

POTRYKOWSKI, Marek; TAYLOR, Zbigniew. Geografía del transporte. Editorial Ariel

S.A., Barcelona, 1984.

RICO GALEANA, Óscar Armando. Problemas en la modelación del transporte de carga:

Un caso gravitacional. NOTAS No. 92, Artículo 1, Instituto Mexicano del Transporte,
febrero de 2005.

RICO GALEANA, Oscar Armando. On the Relationship between Distance and Cargo
Flow Volume in Mexican Domestic Air Transportation Network. Air Transport Research
Society (ATRS). 11th ATRS World Conference 2007, University of California, Berkeley,
2007.

RICO GALEANA, Óscar Armando. Análisis espacial del transporte aéreo de carga en
México. Publicación Técnica No. 264. Sanfandila, Querétaro: Instituto Mexicano del
Transporte, 2005. pp. 106. ISSN 0188-7297.

RICO GALEANA, Óscar Armando. El transporte aéreo de carga doméstica en México.

Publicación Técnica No. 168. Sanfandila, Querétaro: Instituto Mexicano del Transporte,
2001. pp. 157. ISSN 0188-7297.

RICO GALEANA, Óscar Armando. Estrategias de actuación comercial para las

terminales con baja utilización en la nueva estructura aeroportuaria mexicana.
Publicación Técnica No. 212. Sanfandila, Querétaro: Instituto Mexicano del Transporte,
2002. pp. 90. ISSN 0188-7297.

RICO GALEANA, Óscar Armando. La “Ley de Zipf” y la jerarquización de nodos en una

red de transporte. Instituto Mexicano del Transporte. NOTAS, Nº 69, marzo de 2003.

RICO GALEANA, Óscar Armando. La red de transporte aéreo de carga en México.

Instituto Mexicano del Transporte. NOTAS, Nº 58, mayo de 2001.

RICO GALEANA, Óscar Armando. Modelación matemática de fenómenos de

transporte: Un ejemplo en el transporte aéreo de carga en México. Genio e Ingenio,
revista trimestral de la Escuela Nacional de Estudios Profesionales Acatlán, Universidad
Nacional Autónoma de México. Año 2, Número doble 6 – 7, México, enero de 2002. pp.
32 – 38.

ROBINSON, Arthur; SALE, Randall; et. al. Elements of Cartography. John Wiley and
Sons, New York, 1984.

30
 6 Bibliografía

RODRIGUE, Jean-Paul; COMTOIS, Claude; SLACK, Brian. The Geography of

Transport Systems. Routledge, 2006.

SINHA, Kumares C.; LABI, Samuel. Transportation Decision Making : Principles of

Project Evaluation and Programming. John Wiley and Sons, 2007.

SERWAY, Raymond A.; JEWETT, John W. Física para ciencias e ingenierías. Vol I. 6a
ed. Cengage Learning Editores, México, 2006.

TAAFFE, Edward; GAUTHIER, Howard; O’KELLY, Morton. Geography of

Transportation. Prentice Hall, Upper Saddle River, New Jersey, 1996.

TEODOROVIC, Dusan. Airline Operations Research. Gordon and Breach Science

Publishers. Transportation Studies, vol. 10. Amsterdam, 1988.

UPTON, Graham; COOK, Ian. A Dictionary of Statistics. Oxford, UK: Oxford University
Press, 2002.

WILSON, A. G. Entropy in urban and regional modelling. Pion Limited, London, 1970.

31
Anexo 1 Datos para el análisis de regresión
Tabla A1.1 Principales corredores en la red de transporte aéreo doméstico de pasajeros
en México para el año 2007.

Arco Pasajeros Pasajeros

Pasajeros Distancia
generados atraídos
No. Origen Destino en el arco en km
(origen) (destino)
1 México Monterrey 965,434 7,748,676 2,621,672 706.96
2 Monterrey México 938,566 2,582,510 7,679,090 706.96
3 Cancún México 899,786 1,350,487 7,679,090 1,282.52
4 México Cancún 827,706 7,748,676 1,286,023 1,282.52
5 Guadalajara México 780,551 2,485,294 7,679,090 457.00
6 México Guadalajara 769,589 7,748,676 2,359,513 457.00
7 Guadalajara Tijuana 529,183 2,485,294 2,325,480 1,898.31
8 México Tijuana 468,997 7,748,676 2,325,480 2,296.03
9 Tijuana Guadalajara 468,838 2,063,753 2,359,513 1,898.31
10 Tijuana México 421,687 2,063,753 7,679,090 2,296.03
11 Mérida México 393,134 519,267 7,679,090 994.25
12 México Mérida 390,736 7,748,676 513,619 994.25
13 México Tuxtla Gutiérrez 284,866 7,748,676 322,334 692.38
14 Villahermosa México 274,153 379,377 7,679,090 678.19
15 Tuxtla Gutiérrez México 272,645 312,322 7,679,090 692.38
16 México Villahermosa 268,081 7,748,676 366,065 678.19
17 Toluca Monterrey 261,777 1,559,003 2,621,672 712.35
18 Guadalajara Monterrey 258,075 2,485,294 2,621,672 664.69
19 México Veracruz 254,296 7,748,676 414,438 305.43
20 Veracruz México 253,288 415,843 7,679,090 305.43
21 Monterrey Toluca 251,093 2,582,510 1,504,111 712.35
22 Monterrey Guadalajara 243,056 2,582,510 2,359,513 664.69
23 Acapulco México 240,184 348,826 7,679,090 304.41
24 Toluca Cancún 235,734 1,559,003 1,286,023 1,334.31
25 México Acapulco 234,010 7,748,676 349,426 304.41
26 Cancún Toluca 231,166 1,350,487 1,504,111 1,334.31
27 Puerto Vallarta México 224,434 373,168 7,679,090 657.53
28 México Hermosillo 217,415 7,748,676 570,986 1,610.32
29 México Puerto Vallarta 216,791 7,748,676 365,189 657.53
30 Guadalajara Toluca 196,767 2,485,294 1,504,111 412.09
31 Toluca Guadalajara 195,420 1,559,003 2,359,513 412.09
32 Oaxaca México 182,221 213,363 7,679,090 366.59
33 México Oaxaca 171,076 7,748,676 201,662 366.59
34 Cancún Monterrey 170,083 1,350,487 2,621,672 1,442.20
35 Monterrey Cancún 167,061 2,582,510 1,286,023 1,442.20
36 México San José del Cabo 167,012 7,748,676 336,341 1,172.59

33
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

Arco Pasajeros Pasajeros

Pasajeros Distancia
generados atraídos
No. Origen Destino en el arco en km
(origen) (destino)
37 Toluca Tijuana 164,519 1,559,003 2,325,480 2,266.59
38 San José del Cabo México 163,984 338,091 7,679,090 1,172.59
39 México Ciudad Juárez 162,815 7,748,676 433,701 1,537.82
40 Hermosillo México 160,694 492,707 7,679,090 1,610.32
41 Culiacán Tijuana 160,527 524,443 2,325,480 1,266.31
42 Del Bajío Tijuana 150,241 365,969 2,325,480 1,995.86
43 Tijuana Culiacán 149,959 2,063,753 511,992 1,266.31
44 Culiacán México 149,477 524,443 7,679,090 1,042.61
45 México Mexicali 148,813 7,748,676 277,253 2,170.34
46 México Culiacán 148,318 7,748,676 511,992 1,042.61
47 México Chihuahua 147,800 7,748,676 375,007 1,236.44
48 Tijuana Toluca 145,572 2,063,753 1,504,111 2,266.59
49 Chihuahua México 144,538 371,309 7,679,090 1,236.44
50 México Tampico 143,930 7,748,676 243,881 340.88
51 México Torreón 143,078 7,748,676 211,025 808.96
52 Torreón México 141,865 210,768 7,679,090 808.96
53 Tampico México 141,692 241,987 7,679,090 340.88
54 Morelia Tijuana 134,965 190,372 2,325,480 2,117.31
55 Ciudad Juárez México 132,351 379,089 7,679,090 1,537.82
56 Del Bajío México 128,116 365,969 7,679,090 303.24
57 México Del Bajío 125,936 7,748,676 331,909 303.24
58 Tijuana Del Bajío 120,314 2,063,753 331,909 1,995.86
59 Mexicali México 119,906 222,526 7,679,090 2,170.34
60 Zihuatanejo México 116,282 150,620 7,679,090 322.02
61 Monterrey Ciudad Juárez 116,229 2,582,510 433,701 897.75
62 México Zihuatanejo 111,028 7,748,676 145,074 322.02
63 Tapachula México 105,732 105,732 7,679,090 880.52
64 Bahías de Huatulco México 105,455 105,455 7,679,090 505.81
65 Tijuana Morelia 105,331 2,063,753 158,373 2,117.31
66 Guadalajara Mexicali 102,914 2,485,294 277,253 1,785.88
67 México Aguascalientes 101,765 7,748,676 142,706 419.19
68 Monterrey Hermosillo 100,604 2,582,510 570,986 1,138.57
69 Aguascalientes México 100,510 149,954 7,679,090 419.19
70 Ciudad Juárez Monterrey 99,660 379,089 2,621,672 897.75
71 Mazatlán México 98,068 121,582 7,679,090 847.75
72 México Bahías de Huatulco 97,248 7,748,676 97,248 505.81
73 México Mazatlán 96,236 7,748,676 120,275 847.75
74 Toluca San José del Cabo 93,202 1,559,003 336,341 1,130.43
75 Hermosillo Monterrey 92,679 492,707 2,621,672 1,138.57
76 México Tapachula 92,586 7,748,676 92,586 880.52
77 Minatitlán México 89,669 89,669 7,679,090 495.94
78 San José del Cabo Toluca 89,372 338,091 1,504,111 1,130.43
79 Ciudad del Carmen México 89,059 123,550 7,679,090 769.53

34
 Anexo 1 Datos para el análisis de regresión

Arco Pasajeros Pasajeros

Pasajeros Distancia
generados atraídos
No. Origen Destino en el arco en km
(origen) (destino)
80 México Minatitlán 88,941 7,748,676 88,941 495.94
81 Hermosillo Tijuana 88,892 492,707 2,325,480 686.79
82 Del Bajío Monterrey 87,612 365,969 2,621,672 545.35
83 Veracruz Monterrey 86,731 415,843 2,621,672 833.91
84 Monterrey Veracruz 86,182 2,582,510 414,438 833.91
85 México Ciudad del Carmen 85,847 7,748,676 113,767 769.53
86 Monterrey Del Bajío 85,659 2,582,510 331,909 545.35
87 Puerto Vallarta Guadalajara 84,707 373,168 2,359,513 202.28
88 Chihuahua Monterrey 83,774 371,309 2,621,672 662.28
89 Guadalajara Puerto Vallarta 82,485 2,485,294 365,189 202.28
90 Monterrey Chihuahua 82,402 2,582,510 375,007 662.28
91 Mexicali Guadalajara 81,370 222,526 2,359,513 1,785.88
92 Monterrey Tijuana 80,250 2,582,510 2,325,480 1,802.86
93 México Reynosa 79,122 7,748,676 79,122 729.89
94 Tijuana Monterrey 77,722 2,063,753 2,621,672 1,802.86
95 Tijuana Hermosillo 77,641 2,063,753 570,986 686.79
96 Guadalajara Hermosillo 76,528 2,485,294 570,986 1,224.31
97 Guadalajara La Paz 75,163 2,485,294 226,800 821.79
98 Monterrey Culiacán 75,104 2,582,510 511,992 746.80
99 La Paz Guadalajara 74,236 243,805 2,359,513 821.79
100 La Paz México 73,864 243,805 7,679,090 1,268.15
101 Culiacán Monterrey 72,190 524,443 2,621,672 746.80
102 Toluca Hermosillo 70,381 1,559,003 570,986 1,581.92
103 Reynosa México 70,284 70,284 7,679,090 729.89
104 México La Paz 70,145 7,748,676 226,800 1,268.15
105 La Paz Tijuana 69,933 243,805 2,325,480 1,140.26
106 San Luis Potosí México 69,336 69,336 7,679,090 364.94
107 México San Luis Potosí 69,040 7,748,676 69,040 364.94
108 Hermosillo Guadalajara 68,952 492,707 2,359,513 1,224.31
109 México Durango 64,865 7,748,676 93,687 762.44
110 Toluca Ciudad Juárez 64,248 1,559,003 433,701 1,525.34
111 Uruapan Tijuana 64,017 64,017 2,325,480 2,077.17
112 Durango México 63,519 94,300 7,679,090 762.44
113 Tijuana Uruapan 62,120 2,063,753 62,120 2,077.17
114 Guadalajara Culiacán 60,363 2,485,294 511,992 632.27
115 Culiacán Guadalajara 60,291 524,443 2,359,513 632.27
116 Zacatecas México 60,071 96,051 7,679,090 533.30
117 México Zacatecas 59,021 7,748,676 87,877 533.30
118 Acapulco Toluca 58,460 348,826 1,504,111 285.69
119 Ciudad Juárez Toluca 58,276 379,089 1,504,111 1,525.34
120 Toluca Mérida 56,811 1,559,003 513,619 1,046.07
121 Toluca Acapulco 56,677 1,559,003 349,426 285.69
122 Mérida Toluca 56,660 519,267 1,504,111 1,046.07

35
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

Arco Pasajeros Pasajeros

Pasajeros Distancia
generados atraídos
No. Origen Destino en el arco en km
(origen) (destino)
123 Hermosillo Toluca 56,523 492,707 1,504,111 1,581.92
124 Toluca Chihuahua 55,729 1,559,003 375,007 1,219.11
125 Querétaro Monterrey 55,541 55,541 2,621,672 567.75
126 Guadalajara Cancún 55,522 2,485,294 1,286,023 1,703.92
127 Monterrey Querétaro 55,173 2,582,510 55,173 567.75
128 Tijuana La Paz 54,953 2,063,753 226,800 1,140.26
129 Tampico Monterrey 53,840 241,987 2,621,672 446.01
130 Chihuahua Toluca 53,575 371,309 1,504,111 1,219.11
131 San José del Cabo Guadalajara 51,855 338,091 2,359,513 720.42
132 Monterrey Tampico 50,687 2,582,510 243,881 446.01
133 Villahermosa Monterrey 50,531 379,377 2,621,672 1,138.84
134 Guadalajara San José del Cabo 49,891 2,485,294 336,341 720.42
135 Cancún Guadalajara 49,452 1,350,487 2,359,513 1,703.92
136 Aguascalientes Tijuana 49,444 149,954 2,325,480 1,879.00
137 Toluca Tampico 49,264 1,559,003 243,881 372.33
138 Chetumal México 49,130 49,130 7,679,090 1,135.90
139 Veracruz Toluca 48,726 415,843 1,504,111 355.17
140 México Chetumal 48,189 7,748,676 48,189 1,135.90
141 Toluca Veracruz 47,890 1,559,003 414,438 355.17
142 Monterrey Villahermosa 47,016 2,582,510 366,065 1,138.84
143 Manzanillo México 46,496 46,496 7,679,090 551.44
144 Tampico Toluca 46,455 241,987 1,504,111 372.33
145 México Saltillo 46,334 7,748,676 46,334 700.16
146 Saltillo México 45,498 45,498 7,679,090 700.16
147 Tijuana Puebla 45,438 2,063,753 121,780 2,371.39
148 Mérida Monterrey 45,220 519,267 2,621,672 1,187.96
149 México Manzanillo 44,830 7,748,676 44,830 551.44
150 Puebla Tijuana 44,647 121,585 2,325,480 2,371.39
151 Guadalajara Torreón 43,470 2,485,294 211,025 557.74
152 Los Mochis Tijuana 41,613 107,060 2,325,480 1,081.20
153 Chihuahua Ciudad Juárez 41,337 371,309 433,701 332.11
154 Tijuana Aguascalientes 40,941 2,063,753 142,706 1,879.00
155 Torreón Guadalajara 40,216 210,768 2,359,513 557.74
156 México Nuevo Laredo 40,185 7,748,676 40,185 884.25
157 Tuxtla Gutiérrez Toluca 39,677 312,322 1,504,111 734.74
158 Guadalajara Los Mochis 39,159 2,485,294 102,634 817.92
159 Puebla Monterrey 39,025 121,585 2,621,672 750.80
160 Monterrey Mérida 38,948 2,582,510 513,619 1,187.96
161 Monterrey Puebla 38,321 2,582,510 121,780 750.80
162 Guadalajara Puebla 38,021 2,485,294 121,780 536.92
163 Puebla Guadalajara 37,913 121,585 2,359,513 536.92
164 México Ciudad Obregón 37,789 7,748,676 37,789 1,400.76
165 Monterrey Puerto Vallarta 37,746 2,582,510 365,189 767.92

36
 Anexo 1 Datos para el análisis de regresión

Arco Pasajeros Pasajeros

Pasajeros Distancia
generados atraídos
No. Origen Destino en el arco en km
(origen) (destino)
166 Ciudad Obregón México 37,602 37,602 7,679,090 1,400.76
167 Campeche México 37,524 37,524 7,679,090 896.65
168 Toluca Tuxtla Gutiérrez 37,468 1,559,003 322,334 734.74
169 México Campeche 37,282 7,748,676 37,282 896.65
170 Puerto Vallarta Monterrey 36,888 373,168 2,621,672 767.92
171 Zacatecas Tijuana 35,980 96,051 2,325,480 1,764.26
172 Ciudad Juárez Chihuahua 34,560 379,089 375,007 332.11
173 Ciudad del Carmen Toluca 34,491 123,550 1,504,111 819.19
174 Zihuatanejo Toluca 34,338 150,620 1,504,111 276.49
175 Los Mochis Guadalajara 34,292 107,060 2,359,513 817.92
176 Toluca Zihuatanejo 34,046 1,559,003 145,074 276.49
177 Colima Tijuana 33,783 66,947 2,325,480 1,983.40
178 Nuevo Laredo México 33,775 33,775 7,679,090 884.25
179 Tijuana Colima 33,760 2,063,753 66,390 1,983.40
180 Tepic Tijuana 33,687 54,311 2,325,480 1,718.45
181 Tijuana Los Mochis 33,278 2,063,753 102,634 1,081.20
182 Colima México 33,164 66,947 7,679,090 471.16
183 Morelia Monterrey 33,090 190,372 2,621,672 659.89
184 San José del Cabo Tijuana 32,880 338,091 2,325,480 1,260.30
185 México Colima 32,630 7,748,676 66,390 471.16
186 Tijuana Tepic 31,979 2,063,753 52,411 1,718.45
187 Los Mochis México 31,155 107,060 7,679,090 1,232.81
188 Oaxaca Tijuana 31,142 213,363 2,325,480 2,661.81
189 Durango Tijuana 30,781 94,300 2,325,480 1,533.82
190 Monterrey Morelia 30,720 2,582,510 158,373 659.89
191 Tijuana Oaxaca 30,586 2,063,753 201,662 2,661.81
192 Tijuana Acapulco 30,325 2,063,753 349,426 2,458.27
193 México Los Mochis 30,197 7,748,676 102,634 1,232.81
194 Cuernavaca Monterrey 29,921 52,481 2,621,672 770.29
195 Monterrey Cuernavaca 29,279 2,582,510 50,866 770.29
196 Ciudad Juárez Tijuana 29,136 379,089 2,325,480 1,006.26
197 Tijuana Zacatecas 28,856 2,063,753 87,877 1,764.26
198 Tijuana Durango 28,822 2,063,753 93,687 1,533.82
199 Torreón Chihuahua 28,687 210,768 375,007 427.62
200 Culiacán Hermosillo 28,417 524,443 570,986 594.59
201 Monterrey Acapulco 28,414 2,582,510 349,426 995.88
202 Acapulco Tijuana 28,303 348,826 2,325,480 2,458.27
203 Toluca Puerto Vallarta 28,167 1,559,003 365,189 611.17
204 Toluca Ciudad del Carmen 27,920 1,559,003 113,767 819.19
205 Tijuana Ciudad Juárez 27,808 2,063,753 433,701 1,006.26
206 Villahermosa Toluca 27,569 379,377 1,504,111 725.66
207 Toluca Culiacán 27,509 1,559,003 511,992 1,008.79
208 Puerto Vallarta Toluca 27,139 373,168 1,504,111 611.17

37
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

Arco Pasajeros Pasajeros

Pasajeros Distancia
generados atraídos
No. Origen Destino en el arco en km
(origen) (destino)
209 Villahermosa Mérida 27,124 379,377 513,619 462.55
210 Veracruz Guadalajara 27,098 415,843 2,359,513 759.24
211 Culiacán Toluca 27,002 524,443 1,504,111 1,008.79
212 Toluca Villahermosa 26,715 1,559,003 366,065 725.66
213 Culiacán La Paz 26,539 524,443 226,800 301.12
214 Tijuana San José del Cabo 26,236 2,063,753 336,341 1,260.30
215 Guadalajara Veracruz 26,070 2,485,294 414,438 759.24
216 Guadalajara Chihuahua 25,829 2,485,294 375,007 940.90
217 La Paz Culiacán 25,772 243,805 511,992 301.12
218 Cozumel México 25,665 25,665 7,679,090 1,272.40
219 México Cozumel 25,528 7,748,676 25,528 1,272.40
220 Toluca Mexicali 25,526 1,559,003 277,253 2,143.01
221 México Ciudad Victoria 25,200 7,748,676 25,200 471.14
222 Ciudad Juárez Guadalajara 25,106 379,089 2,359,513 1,269.78
223 Puerto Escondido México 24,989 24,989 7,679,090 446.83
224 Hermosillo Culiacán 24,967 492,707 511,992 594.59
225 Ciudad Victoria México 24,787 24,787 7,679,090 471.14
226 Chihuahua Torreón 24,477 371,309 211,025 427.62
227 Mérida Villahermosa 24,253 519,267 366,065 462.55
228 México Matamoros 24,084 7,748,676 24,084 716.12
229 Guadalajara Mazatlán 24,039 2,485,294 120,275 420.52
230 Chihuahua Guadalajara 23,608 371,309 2,359,513 940.90
231 Mazatlán Guadalajara 23,514 121,582 2,359,513 420.52
232 Cuernavaca Tijuana 22,560 52,481 2,325,480 2,327.91
233 México Morelia 22,322 7,748,676 158,373 208.19
234 Morelia México 22,317 190,372 7,679,090 208.19
235 Acapulco Monterrey 21,879 348,826 2,621,672 995.88
236 Tijuana Cuernavaca 21,587 2,063,753 50,866 2,327.91
237 Guadalajara Ciudad Juárez 21,264 2,485,294 433,701 1,269.78
238 Mexicali Toluca 21,250 222,526 1,504,111 2,143.01
239 Poza Rica México 20,656 20,656 7,679,090 212.84
240 Tepic México 20,624 54,311 7,679,090 637.55
241 México Poza Rica 20,613 7,748,676 20,613 212.84
242 Matamoros México 20,587 20,587 7,679,090 716.12
243 México Puerto Escondido 20,518 7,748,676 20,518 446.83
244 México Tepic 20,432 7,748,676 52,411 637.55
Fuente: Elaboración propia con información de la DGAC (2008)

38
Anexo 2 Análisis estadístico de la longitud de
los arcos y de la longitud de viaje en la red
Algunas características de la red de servicios regulares de transporte aéreo de
pasajeros en México que pueden resultar de interés, se obtienen del análisis estadístico
de la longitud de los arcos que la integran, y que a la vez funcionan como elemento de
interconexión de los nodos.

La longitud de los arcos está directamente relacionada con la localización geográfica de

las ciudades mexicanas, con la geografía económica del país, y con las características
(atributos de calidad) del sistema de transporte aéreo.

Fig A.2.1 Indicadores estadísticos de la longitud de los arcos en la red

25
M ean 987.07
24
22 S tD ev 584.70
V ariance 341878.31
Frecuencia absoluta

18
18 17 S kew ness 0.929246
Kurtosis 0.097850
N 122
12
M inimum 202.28
8
7 1st Q uartile 543.24
6 5 5 5 M edian 813.44
3 3 3 3rd Q uartile 1268.56
1
M aximum 2661.81
0
400 800 1200 1600 2000 2400 95% C onfidence Interv al for M ean
Longitud del arco en km 882.27 1091.87
95% C onfidence Interv al for M edian
724.17 994.71
95% C onfidence Interv al for S tD ev
519.40 668.93

9 5 % C onfidence Inter vals

Mean

Median

700 800 900 1000 1100

La fig A.2.1 muestra un resumen de los principales indicadores estadísticos de la

longitud de los arcos de la red de servicios regulares de transporte aéreo de pasajeros
en México, para el año 2007.

El histograma de frecuencias absolutas permite observar que la mayoría de los arcos

tiene una longitud menor a 1,200 km, pero mayor a 300 km, lo cual se puede corroborar
con los cuartiles de la distribución de frecuencias.

39
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

El hecho de que los arcos menores a 300 km sean la excepción (sólo cinco casos14) se
explica por los atributos tecnológicos y económicos del modo de transporte aéreo, más
apto para viajes en distancias largas, y los de su competidor más cercano: el
autotransporte, que tiene claras ventajas comparativas en distancias cortas.

La media de la longitud de los arcos de la red es de 987.07 km, y la desviación estándar

respecto a este valor es 585.7 km, misma que sugiere una dispersión considerable.
Dichos indicadores están más relacionados con características morfológicas de la red
de transporte, que con sus características operativas o económicas.

Un segundo indicador, que reviste un claro interés operativo, es la longitud promedio de

los viajes (movimientos) que se realizan en la red. Este indicador no sólo depende de la
longitud de los arcos, sino también de la cantidad de viajes que se realizan en ellos.

Este valor se puede calcular mediante el promedio de la longitud de los arcos, pero
ponderado en función de la intensidad de uso, usando la siguiente expresión:

n
d p = ∑ f i ⋅ di
i =1

Con:

Ii
fi = n

∑I i =1
i

Donde:

d p = promedio de la longitud de los arcos en la red, ponderado en función de la intensidad de

flujo de carga (distancia de viaje promedio).

fi = frecuencia relativa de la intensidad de flujo de carga en el arco i ésimo.

di = longitud del arco i ésimo

Ii = intensidad de flujo de carga en el arco i ésimo

14
Estos cinco casos son: Guadalajara – Puerto Vallarta (202 km); México – Morelia (208 km); México –
Poza Rica (212 km); Toluca – Zihuatanejo (276 km); y Toluca – Acapulco (285 km) (ver Anexo 1). Un
caso especial es el arco La Paz – Culiacán, de 301 km, que se ubica sobre el golfo de Cortés.

40
 Anexo 2 Análisis estadístico de la longitud de los arcos y de la longitud de viaje en la red

n= número de datos

La diferencia fundamental entre el promedio simple y el ponderado, es que el primero

sólo considera el valor de cada uno de los datos diferentes que aparecen en una
población o muestra; en cambio, el promedio ponderado toma en cuenta el número de
veces que se presenta cada uno de los diferentes datos; de tal manera que los que se
repiten con mayor frecuencia, tienen una participación mayor en la formación del
promedio, mismo que va en función de esa frecuencia de aparición.

Fig A.2.2 Histograma de la longitud de viaje

20.39
19.81
20
Porcentaje del total de pasajeros

15.6
15
13.71

10

6.4 6.75
5.69

5 3.78
3.38

1.68 1.78
0.74
0.24
0
400 800 1200 1600 2000 2400
Longitud de viaje en km

En nuestro caso, que es el de los servicios de transporte aéreo de pasajeros que se

realizaron en México en 2007, la longitud promedio de los viajes fue de 1,008.04 km;
que como se puede notar, es un poco mayor que el promedio aritmético simple. La
razón de la diferencia estriba en que algunos arcos grandes son utilizados con una
frecuencia importante, lo cual se puede apreciar en la fig A.2.2.

La figura A.2.2 muestra la distribución de frecuencias de la longitud de viaje en función

de los pasajeros transportados. En el histograma, se mantuvo el mismo rango de los
intervalos en 200 km, para permitir la comparación con el caso anterior; y se puede
notar que los intervalos que corresponden a las longitudes de 1,200; 1,800; y 2,200 km,
tienen frecuencias relativamente altas.

Cada una de las columnas destacadas en el histograma, incluye uno o más de los
arcos más importantes en el sistema; así, el intervalo de los 400 km (que comprende de

41
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

300 a 500 km), tiene los arcos México – Guadalajara; México – Veracruz; y México –
Acapulco; la columna de los 800 km incluye los enlaces México – Monterrey (el más
importante en el sistema), y Toluca – Monterrey; la columna de los 1,200 km incluye el
arco México – Cancún; la columna de los 1,800 km el arco Guadalajara – Tijuana; y
finalmente, la columna de los 2,200 km el enlace México – Tijuana.

42
Anexo 3 Comentarios finales acerca de la
longitud de viaje en el transporte aéreo de
pasajeros en México y sus implicaciones en la
modelación gravitacional de la movilidad15
La longitud de los viajes efectuados por los usuarios de un modo de transporte depende
de la localización relativa de los orígenes y destinos; pero también de otros factores que
pueden ser importantes, como el costo, tiempo de recorrido, capacidad, accesibilidad, y
en gran medida de la disponibilidad de otros modos opcionales de transporte.

En este Anexo se ofrecen algunos comentarios sobre la relación que existe entre la
longitud de viaje y la competitividad económico – espacial del transporte aéreo frente al
autotransporte, y sobre los efectos del comportamiento característico de la demanda de
servicios de transporte aéreo en la modelación espacial de la movilidad de los
pasajeros.

Competitividad del transporte aéreo en función de la

longitud del viaje
En los datos analizados y que fueron presentados en la publicación, no se tiene
registros de servicios de transporte aéreo de pasajeros que se hayan ofrecido para
longitudes de viaje inferiores a 200 km; de hecho, la gran mayoría de los movimientos
(90%) corresponden a distancias mayores a 350 km. Lo anterior no significa que no
haya usuarios que contraten servicios de transporte aéreo para distancias de viaje
cortas, sino que el número de éstos resulta insignificante en comparación con los
volúmenes de demanda de los servicios regulares, que son los analizados en el
estudio.

La escasez de demanda de servicios de transporte aéreo para cubrir distancias

menores a 200 km, evidencia la disponibilidad en este mercado de un modo de
transporte alterno, el autotransporte, que tiene cualidades económicas y operativas que
resultan insuperables para el transporte aéreo en este rango de distancias.

15
Este anexo esta basado en un breve artículo que fue escrito poco tiempo después de la conclusión de
la publicación técnica; se incluye debido a que, en opinión del autor, su lectura aporta elementos útiles
para la discusión del contenido de la misma.

43
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

La competencia entre los dos modos de transporte se presenta esencialmente en

términos de tiempos y costos, aunque también aspectos como la seguridad y la
confiabilidad tienen cierto peso en la decisión de los usuarios.

Los tiempos y costos asociados con cada uno de estos modos de transporte varían de
manera diferente en función de la longitud del recorrido, lo cual provoca que en los
valores extremos de esta variable, cada uno tenga claras ventajas competitivas sobre el
otro, y resulten, en consecuencia, complementarios

En las distancias cortas el autotransporte tiene ventajas sobre el transporte aéreo por
sus bajas tarifas, consecuencia de la inexistencia de costos de capital significativos, y
de que no requiere de actividades complementarias que consuman mucho tiempo a los
usuarios. En cambio, para recorridos largos estas ventajas disminuyen debido a que los
costos y riesgos se incrementan, y sobretodo porque su velocidad de operación exige
tiempos de recorrido muy grandes, en comparación con los ofrecidos por las aeronaves.

Por su parte el transporte aéreo tiene costos de capital y de operación significativos que
encarecen los costos, lo cual, sumado a los tiempos adicionales requeridos para
documentar y complementar los viajes, provoca que su utilidad comience a
manifestarse, sólo después de un cierto umbral de equilibrio con el autotransporte.

La Fig A.3.1 presenta dos curvas de costo que muestran esquemáticamente el

comportamiento de esta variable para el transporte aéreo y el autotransporte, en

Fig A.3.1 Competitividad en función de la longitud de viaje

e
str
Costo generalizado de transporte

Segmento de mayor e
r
competencia ter
te
por
ns
T ra

reo
s port e a é
Tran

A B C Longitud de viaje

44
Anexo 3 Comentarios finales acerca de la longitud de viaje en el transporte aéreo de pasajeros en México
y sus implicaciones en la modelación gravitacional de la movilidad

función de la longitud de viaje. En cada una de las líneas la ordenada al origen

representa los costos fijos, es decir los costos que son independientes de la distancia
recorrida, y la pendiente refleja la tasa de crecimiento del costo en función de la
distancia recorrida.

En la citada Fig A.3.1 se puede apreciar que, debido a las características económicas y
operativas de estos modos de transporte, para longitudes de viaje inferiores a un cierto
punto de equilibrio, señalado con la letra B, el autotransporte resulta más conveniente
(menos costoso) para los usuarios; en cambio, para longitudes de viaje mayores a esa
distancia, el aerotransporte les ofrece mayores utilidades. El ahorro para el usuario, en
cada longitud de viaje, se puede estimar mediante la diferencia de las ordenadas sobre
las curvas de costo.

Evidentemente, en el segmento de distancias de viaje aledañas al punto de equilibrio se

presenta la zona de mayor competencia entre los dos modos, es decir la zona donde
sus competitividades son similares; sin embargo, es importante señalar que en los
segmentos anterior y posterior a la zona de competencia, estos modos se vuelven
complementarios, dado que permiten la satisfacción de las necesidades de movilidad
bajo las condiciones más favorables de tiempo y costo.

Implicaciones para la modelación gravitacional de la

movilidad
En el estudio de la movilidad de personas y carga es común la utilización del paradigma
gravitacional para modelar las interrelaciones presentes entre los orígenes y destinos
de los viajes y estimar la intensidad del transporte que tiene lugar entre dos puntos del
espacio geográfico.

Los modelos gravitacionales se fundamentan en la idea de que la intensidad de flujo

entre dos localidades es una variable directamente proporcional a la importancia
relativa de las localidades, e inversamente proporcional al esfuerzo necesario para
desplazarse entre ellas. Esto significa que entre más importantes sean las localidades
conectadas, mayor será la intensidad de transporte entre ellas; y que entre mayor sea
la dificultad para trasladarse entre ellas, menor será la intensidad de transporte.

El esfuerzo requerido para superar el espacio geográfico se ha estimado

tradicionalmente mediante la distancia física que las separa (longitud del viaje),
suponiendo implícitamente que hay una relación directamente proporcional entre
esfuerzo y distancia, y que el espacio geográfico es homogéneo en términos de
accesibilidad, misma que es definida en gran medida por los sistemas de transporte.

Otras variables utilizadas frecuentemente para estimar el esfuerzo son el costo de

transporte, el tiempo de viaje, el consumo de combustible, etcétera; también es común
agrupar combinaciones de variables como éstas en lo que se denomina la función de

45
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

costo generalizado de transporte, que es una función de utilidad negativa que en cierta
forma se puede interpretar como la distancia económica entre dos localidades.

La relación entre movilidad y la variable que mide la disuasión ejercida por la

separación física, se suele llamar “función de impedancia” y puede tomar diversas
formas algebraicas, como la del recíproco de la potencia cuadrática, en el caso clásico
newtoniano, o exponencial negativa.

La Fig A.3.2 muestra la relación entre intensidad de transporte y longitud de viaje, o

distancia recorrida, que se considera típica, o paradigmática, en los modelos de
interacción espacial. El principio económico detrás de la relación es que la distancia
recorrida implica consumo de recursos, y que a mayores recursos requeridos la
demanda de transporte es menor, considerando el principio de escasez.

En la Fig A.3.2 es conveniente observar que los mayores valores de la intensidad de

flujo de transporte corresponden a los menores valores de la longitud del viaje y
viceversa. Por esta razón, cuando la función de impedancia es linearizada, por medio
de una transformación logarítmica, la correlación de ambas variables suele ser alta,
aunque con signo negativo.

La relación señalada en la Fig A.3.2 es válida para la mayoría de los modos de

transporte, especialmente para aquellos que operan en el medio terrestre; sin embargo,
como se señaló en la sección anterior, está relación no es valida para el transporte

Fig A.3.2 Relación típica entre la intensidad de transporte y la longitud de viaje

f(x) Intensidad de flujo

α
f ( x) = .......... (1)
xβ
f ( x) = α e − β x ..... (2)

X (longitud de viaje)

46
Anexo 3 Comentarios finales acerca de la longitud de viaje en el transporte aéreo de pasajeros en México
y sus implicaciones en la modelación gravitacional de la movilidad

aéreo, especialmente en la parte que corresponde a los menores valores de la longitud

de viaje, donde los valores de la intensidad de flujo también son pequeños, como se
puede ver esquemáticamente en la Fig A.3.3. La gráfica mostrada en esta figura fue
calculada a partir de un histograma de frecuencias similar al presentado en el anexo 2.

En la Fig A.3.3 se puede observar que a valores pequeños de la longitud de viaje le

corresponden valores también pequeños de la intensidad de flujo de transporte y que
esta situación es similar también para los valores más grandes de la variable
independiente. Este comportamiento provoca que la transformación logarítmica de la
función tenga una correlación lineal muy baja entre las dos variables, dado que la
dispersión de los datos no tiene una tendencia lineal. Una consecuencia importante de
tal comportamiento es que cuando la variable distancia es utilizada como variable
independiente en un modelo de regresión lineal, su aportación para explicar el
comportamiento de la variable dependiente es casi nula (puesto que hay valores
contradictorios) y su coeficiente toma un valor muy cercano a cero.

Esta situación se ha encontrado en varias investigaciones realizadas en el IMT sobre el

transporte aéreo de carga y pasajeros (Rico, 2001, 2008; Gradilla y Rico, 2005), en las
que han sido calibrados modelos gravitacionales mediante funciones de regresión lineal
múltiple y en las que repetidamente se ha encontrado que la distancia de viaje resulta
con un coeficiente cuyo valor es muy cercano a cero, no así las variables que miden la
importancia relativa de los orígenes y destinos, cuyo comportamiento se ha encontrado
bastante satisfactorio.

Fig A.3.3 Intensidad de flujo de transporte en función

de la longitud de viaje en el transporte aéreo de pasajeros
Pasajeros transportados

0 250 500 750 1000 1250 1500 1750 2000 2250 2500 2750 3000
Longitud de viaje (km)

47
Análisis gravitacional de la movilidad de pasajeros en la red de transporte aéreo doméstico en México

Con base en estos hallazgos parece lógico descartar el uso de la longitud de viaje como
una variable útil para modelar el efecto de la impedancia en los modelos de transporte;
sin embargo, una hipótesis de trabajo surge de la posibilidad de dividir la modelación en
dos partes, divididas por el punto donde la frecuencia de viajes es máxima, lo cual se
presenta alrededor de los 750 km (ver Fig A.3.3). De esta manera, para distancias
mayores a este valor la distancia tiene un claro efecto de disuasión de los viajes y un
comportamiento “convencional”, mientras que para los valores menores a este valor la
distancia tiene un efecto promotor de los viajes con una correlación lineal positiva con la
intensidad de flujo de transporte.

Conclusiones
La longitud de los viajes efectuados por los usuarios de un modo de transporte depende
de la localización relativa de los orígenes y destinos; pero también de otros factores que
pueden ser importantes, como el costo, tiempo de recorrido, capacidad, accesibilidad, y
en gran medida de la disponibilidad de otros modos opcionales de transporte. En este
sentido, el análisis de la longitud de los movimientos en un sistema de transporte puede
aportar conocimiento útil para el estudio económico y geográfico de una región o país,
así como de las actividades de transporte asociadas.

Los servicios regulares de transporte aéreo de pasajeros en México se ofrecen en un

rango de longitudes de viaje que van desde 200 km, para los casos más pequeños,
hasta valores cercanos a los 3,000 km en el extremo superior, la distancia promedio de
viaje tiene un valor muy cercano a los 1,000 km.

En México, el 90 % de los servicios de transporte aéreo de pasajeros tienen longitudes

de viaje mayores a 350 km. Esta situación evidencia que el autotransporte tiene
cualidades económicas y operativas que resultan insuperables para el transporte aéreo,
en distancias menores a 200 km. La competencia entre estos dos modos de transporte
se presenta esencialmente en términos de tiempos y costos, aunque también aspectos
como la seguridad y la confiabilidad tienen cierto peso en la decisión de los usuarios.

En las distancias cortas, el autotransporte tiene ventajas sobre el transporte aéreo por
sus bajas tarifas y porque no requiere de actividades complementarias que consuman
mucho tiempo a los usuarios. En cambio, para recorridos largos estas ventajas
disminuyen, debido a que los costos y riesgos se incrementan, y sobretodo porque su
velocidad de operación exige tiempos de recorrido muy grandes, en comparación con
los ofrecidos por las aeronaves. En conclusión, se puede afirmar que en los valores
extremos de la longitud de viaje estos dos modos resultan más complementarios que
substitutos y que la zona de competencia económica se presenta cerca del punto de
equilibrio.

En el caso del transporte aéreo, el comportamiento de la intensidad de flujo de

transporte en función de la longitud de viaje no muestra un comportamiento
convencional, de tal manera que se presentan valores pequeños de intensidad de flujo

48
Anexo 3 Comentarios finales acerca de la longitud de viaje en el transporte aéreo de pasajeros en México
y sus implicaciones en la modelación gravitacional de la movilidad

tanto para valores pequeños, como para valores grandes de la longitud de viaje. Dicha
peculiaridad imposibilita el uso de la longitud de viaje como una variable explicativa en
modelos de regresión lineal múltiple, incluidos los modelos gravitacionales, puesto que
las variables muestran una correlación lineal muy baja.

No obstante lo anterior, en vez de descartarse el uso de la distancia de viaje en la

modelación matemática del transporte aéreo, una hipótesis de trabajo sugiere la
posibilidad de dividir la modelación en dos partes, divididas por el punto donde la
frecuencia de viajes es máxima, dado que para distancias mayores a este valor la
distancia tiene un claro comportamiento “convencional”, mientras que para los valores
menores la distancia tiene un comportamiento invertido, con una correlación lineal
positiva respecto a la intensidad de flujo de transporte.

49
CIUDAD DE MÉXICO SANFANDILA
Av. Nuevo León 210 Carretera Querétaro-Galindo km 12+000
Col. Hipódromo Condesa CP 76700, Sanfandila
CP 06100, México, D F Pedro Escobedo, Querétaro, México
Tel +52 (55) 52 653600 Tel +52 (442) 216 9777
Fax +52 (55) 52 653600 Fax +52 (442) 216 9671

www.imt.mx
[email protected]