6.1. Determinantes de las habilidades digitales y «efecto COVID»: regresiones probit
En los apartados anteriores se ha examinado de manera descriptiva y aislada cómo ciertas características demográficas y socioeconómicas de las personas se relacionan con el nivel de las competencias y habilidades digitales. En esta sección el objetivo es analizar de forma conjunta el efecto que tienen esas características sobre la probabilidad de tener un determinado nivel de habilidades digitales, controlando (y por tanto aislando) por el efecto de otras variables como el tamaño del municipio de residencia, la comunidad autónoma o los ingresos netos mensuales, así como la frecuencia de uso diario y la confianza en Internet. Además de analizar el signo positivo o negativo de la influencia, se cuantifica su impacto o efecto marginal, es decir, cómo varía la probabilidad de tener cierto nivel de habilidades digitales según las características contempladas, una vez tenido en cuenta el efecto del resto de características. Asimismo, se analiza si existe un cambio estructural entre 2019 y 2020 que podría interpretarse como una indicación de la existencia de un efecto derivado de la pandemia de la COVID-19 (el llamado «efecto COVID» en las secciones anteriores), y cómo esta puede haber afectado a las habilidades de ciertos colectivos en mayor o menor medida debido a que hayan tenido que realizar un mayor número de actividades y tareas relacionadas con la digitalización. Como ya se ha comentado anteriormente en el apartado 4, no es posible añadir también los datos de 2018, dado que en ese año en la Encuesta TIC-H no se incluyeron todas las preguntas necesarias para poder calcular los índices de competencias digitales y que estos pudiesen ser comparables y homogéneos en el tiempo.
Para este análisis nos apoyamos en los modelos de regresión de variable cualitativa, y en concreto en los modelos de regresión probit 13 . Se trata de modelos donde la variable dependiente no es cuantitativa sino cualitativa. Lo habitual cuando la variable dependiente es cuantitativa es estimar su valor esperado, mientras que cuando la variable dependiente es cualitativa el objetivo es cuantificar la probabilidad de que cierta situación o acontecimiento sucedan. Por ejemplo, para el caso concreto del análisis que nos ocupa, nuestro interés se centra en analizar el efecto de las características de las personas y sus hogares sobre la probabilidad de: a) tener al menos habilidades digitales básicas frente a no tenerlas entre el total de personas encuestadas; b) tener habilidades avanzadas frente a básicas solo entre la muestra de personas con estas habilidades; y c) tener habilidades básicas frente a tener habilidades bajas o no tener ningún tipo de habilidad solo para la muestra de este tipo de personas. Por lo tanto, la variable dependiente a explicar del modelo de regresión probit es dicotómica, de forma que toma un valor igual a 1 si se da la situación analizada y 0 en caso contrario. Una particularidad de los modelos probit es que su interpretación se puede realizar en términos de probabilidad de que un suceso ocurra. No obstante, los coeficientes obtenidos por la
13. En el anexo 2 se puede consultar una breve nota técnica sobre los modelos probit y probit ordenados.
79
Made with FlippingBook - Online Brochure Maker