A continuación se explica mediante un ejemplo la función "ai_normalize". Esta función sirve para identificar qué indicadores destacan positivamente o negativamente en un país, con respecto a otros países con el mismo indicador.
Para ello, la función pone a cero el valor de la media y normaliza a partir de ahí el resto de valores, dando valores negativos a indicadores por debajo de la media.
Veamos un ejemplo para el indicador de tasa de desempleo:
| País | Año | Valor | |---------- |------ |------- | | Colombia | 2010 | 0.1 | | Perú | 2010 | 0.11 | | Honduras | 2010 | 0.25 | | Suecia | 2010 | 0.02 |
M = (0.1+0.11+0.25+0.02) / 4 = 0.12 STD = 0.10
| País | X - 2010|(M-X)/ STD| |---------- |---------|----------| | Colombia | 0.1 | -0.209 | | Perú | 0.11 | -0.104 | | Honduras | 0.25 | 1.36 | | Suecia | 0.02 | -1.04 |
| País | X - 2010|Multiplicador| |---------- |---------|-------------| | Colombia | 0.1 | 0.209 | | Perú | 0.11 | 0.104 | | Honduras | 0.25 | -1.36 | | Suecia | 0.02 | 1.04 |
Sucia tiene el mejor indicador, Colombia está por encima de Perú y Honduras es el peor en el ranking.
Al poner muchos indicadores en la misma escala (la media en cero) los podemos comparar. Esa es la ventaja de la normalización.
Si tomamos un subconjunto de indicadores cómo los de género la normalización nos ayuda a saber para cada país:
Esto sirve para enfocar el análisis. Si vemos que Honduras está 'mal' en general en temas de empleo, la normalización nos ayuda a determinar en cuál área está peor, en cuál a mejorado o empeorado con respecto a los otros países.
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.