La ley de pareto no es mas que una ley de potencia. Si cambias la escala a log log puedes ver que los datos parecieran que siguen la tendencia de una línea recta y se ajusta casi perfecto a una curva exponencial con un R2 = 0.869, por lo tanto se cumple
El punto de que Chile sea relevante en Astronomía poco le importa al índice, ya que astronomía, al ser muy específica, pondera muy poco puntaje.
Por otro lado, también comenté que los datos están normalizadoS para generar el índice, por lo tanto el asunto de que un país tenga mas citas o mas publicaciones no afecta, ya que se ve la materia de producción individual de cada país.
Lo otro, recuerda que los algoritmos de clustering no supervisados son técnicas que ayudan a tomar decisiones separando los datos en diversos grupos y ver cosas que generalmente no vemos, especialmente cuando tienes muchas variables. Para este caso es sólo mirar el indicador y ya se ve una diferencia entre un grupo y otro (-1 y 1), lo otro ya es meterle mas complejidad al modelo que de por si ya considero un monton de variables, entre ellas variables topológicas de red y topocráticas disciplinares.
A lo que quiero llegar es que el índice es construido con la red total de los 14 países y en base a eso se ha calculado su importancia y por eso la idea es poder validarlo con muchos países mas.
Por otro lado, las diferencias estructurales disciplinares de los países desarrollados y en vías de desarrollo se diferencia mas que nada en la fortaleza de vínculos que hay entre NATURAL SCIENCES y ENGINEERING AND TECHNOLOGY, es decir, mas que el número de citas, los países desarrollados trabajan en areas mucho mas multidisciplinares, en donde hay transferencia de conocimiento de un área a la otra.
Las cosas que propones se escapan de la idea del trabajo, recuerda además que esto no lo hago sólo y este trabajo ya ha sido revisado por otros pares en donde hemos verificado muchas cosas metodológicas.
En cualquier caso mientras no esté publicado de poco sirve esto, esperamos hacerlo en un par de meses.