118 Revista del Instituto Español de Estudios Estratégicos Núm. 1 / 2013 4.3 Creación de un indicador: nivel de exposición En función de las conclusiones que se han podido extraer del apartado anterior, se establece que el índice de penetración y la concentración de población son las variables que marcan las diferencias entre los países que obtienen mayores puntuaciones con aquellos que registran baremos inferiores. Esto es relevante porque los servicios cartográficos entenderán como una inversión más rentable la adquisición de aquellas imágenes susceptibles de ser consultadas por más personas. A mayor penetración de internet, con mayor concentración de población, más rentabilidad se obtiene por cada kilómetro cuadrado de imagen. De ser esto así, sería interesante poder determinar de antemano qué países son susceptibles de estar sobreexpuestos a través de estas herramientas. Para desarrollar este planteamiento, se han obtenido los datos de las siguientes fuentes: • Índice de penetración de internet (en %) según Internet World Stats. • Población urbana (en %) según el informe Urbanization Prospects. The 2011 Revisión: Data Urbana and Rural Population de Naciones Unidas13. Se ha representado el grado de intensidad de la relación entre la penetración de internet y la población urbana con los valores OPAC asignados a cada herramienta (valores calculados como la media global de O, P, A y C de cada país) en gráficos de dispersión, obteniéndose la recta de regresión que represente dichas relaciones su ecuación y el valor de R2 o bondad del modelo. En estadística, la regresión lineal o ajuste lineal es un método matemático que tiene por objetivo modelizar la relación entre una variable dependiente y, una serie de i variables independientes xi, y un término independiente con el objetivo de hacer predicciones para la variable dependiente. Este modelo puede ser expresado, de forma general, como una recta: y = Σ(βi xi+N) Dónde: y es la variable dependiente a estimar, que en este caso se corresponderá con los valores OPAC. xi será cada una de las variables independientes empleadas en el modelo. En este caso, se corresponderán con el índice de penetración de internet (en tanto por ciento) y con el porcentaje de población urbana del país analizado. βi se corresponde con el coeficiente de cada una de las variables independientes, siendo un parámetro que mide la influencia de estas sobre la variable dependiente. 13 UNITED NATIONS (UN). World Urbanization Prospects, the 2011 Revision: Data on Urban and Rural Populations, Internet Department of Economic and Social Affairs, 2011 fecha de consulta: 2 de abril de 2013. Disponible en: http://esa.un.org/unup/CD-ROM/Urban-Rural-Population.htm
REVISTA IEEE 1
To see the actual publication please follow the link above