BOLETIM DE ANÁLISES ESTATÍSTICO BASTA 2018 Vol. 1 · ... onde são apresentadas todas as 18...

PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO

Programas de Pós Graduação em

Economia e

Administração da

PUC-SP

BOLETIM DE ANÁLISES ESTATÍSTICO BASTA 2018

Vol. 1

TRANSFORMAÇÃO PRODUTIVA E INOVAÇÃO SUSTENTÁVEL

DISCIPLINA: MÉTODOS QUALITATIVOS E QUANTITATIVOS DA PESQUISA EMPÍRICA PROF. ARNOLDO JOSÉ DE HOYOS GUEVARA

José Luiz Alves da Silva

São Paulo – SP 2018

ANÁLISE DOS PAÍSES DA REGIÃO IBERO-AMERICANA (AIBER)PROJETO ORIBER

2

Sumário

1.Introdução ........................................................................................................................ 3

2.Entendendo O Tema E As Variáveis ............................................................................. 4

3. Entendendo a Amostra ................................................................................................. 11

3.1. Base De Dados Utilizada Parte 1 ............................................................................. 11

3.2. Base De Dados Utilizada Parte 2 ............................................................................. 12

3.3. Estatísticas Descritivas Minitab ............................................................................... 13

4.Análise De Agrupamentos E Relacionamentos ........................................................... 14

4.1. Análise De Agrupamentos E Grupos Existentes .................................................... 14

4.2. Análise Anova Das Principais Variáveis ................................................................. 17

4.2.1. Anova Com As Variáveis X G4 ........................................................................ 19

4.2.2. ANOVA POR VARIÁVEL x G4 ..................................................................... 20

5.Geração Dos Componentes Principais. ....................................................................... 25

5.1. Geração Dos Componentes Principais ..................................................................... 25

5.2. Geração Das Regressões Por Componente ............................................................... 27

5.2.1. Regressão CP1 .................................................................................................. 27

5.2.2. Regressão CP2 .................................................................................................. 32

5.2.3. Regressão CP3 .................................................................................................. 34

5.2.4. Regressão CP4 ................................................................................................... 36

6. Mapa de Ranqueamento dos Países AIBER .............................................................. 42

7. Considerações Finais .................................................................................................... 43

3

1. Introdução O presente trabalho tem por objetivo efetuar uma análise exploratória dos dados

relativos ao tema Transformação Produtiva e Inovação Sustentável, que possui um

conjunto de dezoito variáveis previamente selecionadas, que refletem o tema.

Este trabalho tem por objetivo realizar análises dos países da região Ibero-

Americana (AIBER). Para tanto serão efetuadas análises de correspondência, para obter

graficamente a distribuição dos resultados das variáveis do Tema Transformação Produtiva

e Inovação Sustentável e analisar o grau de relacionamento entre as variáveis de interesse.

Análises de variância (ANOVA), regressões, de agrupamentos (clusters) e de componentes

principais também serão efetuadas. E por fim, ao se identificar as variáveis de maior

relevância na composição do modelo, será criado um indicador de performance, através do

qual os países serão agrupados e ordenados. E um mapa indicando suas posições no

ranking através das cores para destaque.

Os dados são compilados pelo Banco Mundial. O software estatístico utilizado neste

estudo é o Minitab.

Para esta análise, selecionou-se uma amostra a partir dos dados de uma população

com 132 países identificados pelo Programa Países Sustentáveis, Guia Gestão Pública

Sustentável, uma Publicação do Núcleo de Estudos do Futuro da PUC-SP que, a partir de

agora, chamaremos de GPS.

A amostra, objeto deste estudo, foi utilizada a partir das tabelas “Base de Dados

Final” preparada pela disciplina. Foram observadas algumas diferenças em relação à lista

de países contidas em tabelas anteriores, que são destacadas aqui como registro. Foram

excluídos os países Iraque, Venezuela e Zâmbia e foram incluídos os países República

Democrática do Congo, Singapura e Vietnam. Mantiveram-se assim o total de 132 países e

de 18 variáveis para podermos trabalhar o primeiro exercício deste modelo de análise

estatística. No modelo final do relatório, caso seja indicado pela disciplina, serão

selecionados somente os países da região Ibero Americana- AIBER.

Cabe ressaltar que os dados da amostra foram ajustados e trabalhados a partir do

programa de software estatístico MINITAB. Nas posições nas quais existiam lacunas, sem

dados disponíveis, utilizou-se a média dos demais países, para garantir que não ocorressem

erros nas plotagens dos indicadores e dos gráficos. Este valor estará indicado na tabela de

dados como uma média geral para compor lacunas.

Estes valores também foram Normalizados e Positivados (quando necessário), para

garantir uma melhor comparabilidade entre os países.

Este trabalho inicia-se pelo entendimento do GPS e das variáveis que o compõe,

seguido dos dados apresentados nas Estatísticas Descritivas do Minitab, onde são

apresentadas todas as 18 variáveis e seus limites principais. Neste exercício, em particular,

faremos uma análise da ferramenta de Análise de Componentes Principais. Na segunda

vamos obter como resultado uma única Variável Sintética que representará o esforço

completo de análise de nossas 18 variáveis e, com isso, vamos fazer um ranqueamento de

todos os países e de nossa amostra.

Fecha-se este relatório com as Considerações finais do autor. A visão geral deste

trabalho é explorar os dados sobre Transformação Produtiva e Inovação Sustentável (Basic

Features: Productive Transformation and Sustainable Innovation), de tal modo que se

possa, através dos recursos citados anteriormente, avaliar e apresentar conclusões a

respeito das correlações entre as variáveis estudas e do tema em geral.

4

2. Entendendo o Tema e as Variáveis TRANSFORMAÇÃO PRODUTIVA E INOVAÇÃO SUSTENTÁVEL

A análise dos conceitos que compõem o tema foi extraída do material Programa

Países Sustentáveis - Guia GPS – Gestão Pública Sustentável uma publicação do Núcleo

de Estudos Futuros da PUC-SP – Pontifícia Universidade Católica. Nesse estudo são

apresentadas as informações teóricas de outros indicadores, porém este trabalho contempla

somente o tema Transformação Produtiva e Inovação Sustentável, dentre 15 temas em

questão.

Vale destacar o desafio citado no GPS e sua proposta de solução:

“GPS - Guia para Gestão Pública Sustentável propõe então uma forma de

contribuir na superação desses desafios, que consiste na promoção, a partir das secretarias

de planejamento de cada país, de sinergias entre os setores científico-tecnológico,

sociocultural e institucional, que harmonizem os processos e impactos do desenvolvimento

ao nível local, tornando-o sustentável, procurando sempre estimular a participação dos

cidadãos como forma de contribuir para a melhoria da qualidade de vida, e aproveitando de

modo efetivo a troca de informações e experiências com outros países da região ibero-

americana e suas redes de contatos.”

O tema Transformação Produtiva e Inovação Sustentável (Basic Features:

Productive Transformation and Sustainable Innovation), é composto por dezoito variáveis

quantitativas, divididas em 8 índices sintéticos e 10 indicadores ou variáveis componentes.

“Com isso, a variável é denominada quantitativa pois mostra que ela pode ser medida em

uma escala quantitativa, isto é, com números” (SANTOS; PARRA FILHO, 2011). A saber:

Índices sintéticos: Índice de Progresso Social (Social Progress Index), Índice de

Sustentabilidade em Ecossistema (Ecosystem Sustainability), Índice de Combustíveis

Renováveis e Resíduos (Combustible Renewables and Waste), o Índice de

Desenvolvimento Humano – IDH, publicado pelo PNUD – ONU, Suscetibilidade

(Susceptibility), Índice de Proteção Ambiental – EPI (Environmental Protection Index), o

Índice do Mundo Feliz – HPI (Happy Planet Index), e o Índice de GINNI para os países

selecionados.

Indicadores ou variáveis componentes: Índice de Inovação Global (Global

Innovation Index), com subindicadores, Instituições (Institutions), Capital Humano e

Pesquisa (Human Capital and Research), Infraestrutura (Infrastructure), Sofisticação de

Mercado (Market Sophistication), Conhecimento e Tecnologia (Knowledge and

Technology), Soluções Criativas (Creative Outputs), Cooperação Internacional

(International Cooperation), Uso Eficaz de Apoio (Effective use of support) e Cooperação

Regional (Regional Cooperation)

Para melhor compreensão acerca das variáveis, detalham-se essas variáveis com

seu significado e sua unidade de medida.

5

Social Progress Index

O Índice de Progresso Social é o resultado de um processo de dois anos de

pesquisas envolvendo uma equipe renomada de especialistas que inclui, entre outros, os

economistas Hernando de Soto e Michael Porter e do presidente da Fundação Rockefeller

Dr. Judith Rodin

O Índice foi estruturado em torno de 12 componentes e 54 indicadores distintos

consolidadas em três dimensões do Progresso Social: Necessidades Humanas Básicas,

Fundações de Bem-estar e Oportunidades.

A primeira dimensão, necessidades humanas básicas, avalia o quão bem um país

prevê necessidades essenciais de seu povo através da medição, se as pessoas têm comida

suficiente e estão recebendo cuidados médicos básicos, se possuem acesso à água potável,

acesso a uma habitação condigna com serviços básicos, e se eles estão seguros e

protegidos.

No segundo quesito medem indicadores como Acesso ao Conhecimento, Acesso à

Informação, Saúde e Qualidade Ambiental.

No último item, medem-se Direitos Individuas, Direito à escolha, Inclusão e Acesso

ao Ensino Superior. É uma variável Quantitativa, com indicador nominal que varia de 0 a

100.

Ecosystem Sustainability

A manutenção de um ecossistema sustentável depende da interação de 4 elementos:

Produtividade, Diversidade, Resiliência, Distúrbios Naturais.

A produtividade é a taxa de crescimento de cada parte viva de um ecossistema: os

animais, plantas e outros organismos que compõem um ecossistema. A produtividade afeta

o nível básico de recursos que um ecossistema pode proporcionar.

Diversidade é o número de habitats, os tipos de espécies e a quantidade de

variabilidade genética, o que também influencia a produtividade.

Resiliência é a capacidade de um ecossistema de resistir e se recuperar de eventos

de distúrbios naturais e é influenciada tanto pela produtividade quanto pela diversidade.

Distúrbios Naturais podem fazer com que um sistema pode torne-se insustentável,

caso o nível combinado de distúrbios torne-se muito grande.

A sustentabilidade dos ecossistemas é determinada pela relação entre esses

elementos e, juntos, eles determinam o nível de recursos que podem ser tomados a partir de

um ambiente e ainda mantê-lo de forma sustentável. Variável quantitativa: Indicador

nominal que varia de 0 a 100.

IDH - 2014

O Índice de Desenvolvimento Humano (IDH) mede o progresso de uma nação a

partir de três dimensões: renda, saúde e educação.

O PNUD - Programa de las Naciones Unidas para el Desarrollo, em 2014, aponta

que o IDH é progresso real da população em relação a expectativa de vida, educação,

saúde, habitação, segurança e condições para um desenvolvimento sustentável. Quanto

maior melhor o desenvolvimento daquela sociedade.

Variável Quantitativa: Indicador nominal que varia de 0 a 1.

6

Combustible Renewables And Waste

Compreendem a biomassa sólida, biomassa líquida, biogás, resíduos industriais e

resíduos urbanos, medido em percentagem do consumo total de energia

Definição: combustíveis renováveis e resíduos compreendem a biomassa sólida,

biomassa líquida, biogás, resíduos industriais e resíduos urbanos, medido em percentagem

do consumo total de energia.

Os combustíveis renováveis e resíduos (% da energia total) no mundo foi de 9,81 a

partir de 2011. O seu valor mais alto nos últimos 51 anos foi de 12,70 em 1983, enquanto o

seu valor mais baixo foi de 2,12 em 1969.

Variável Quantitativa elaborada pela Agência Internacional de Energia (IEA

Estatísticas, varia de 0 a 100.

Percentual De Susceptibilidade

A variável Susceptibilidade mede a probabilidade de desastres naturais

prejudicarem a produção do país. Então, trata-se de um índice que quanto mais alto o seu

valor, é pior para o país. Refere-se à probabilidade de sofrer danos, perda e interrupção de

um evento extremo ou desastres naturais. Assim, a susceptibilidade descreve as

características estruturais e condições de enquadramento de uma sociedade. Variável

Quantitativa Percentual.

Gii - Global Innovation Index

O Índice Global de Inovação (GII) reconhece o papel fundamental da inovação

como motor do crescimento económico e prosperidade, e reconhece a necessidade de uma

ampla visão horizontal de inovação, que é aplicável a ambas as economias: desenvolvidas

e emergentes, com a inclusão de indicadores que vão além das medidas tradicionais de

inovação (como o nível de pesquisa e desenvolvimento em um determinado país).

O GII evoluiu para uma ferramenta de benchmarking valioso para facilitar o

diálogo público-privada, em que os responsáveis políticos, líderes empresariais e outros

interessados podem avaliar o progresso em uma base contínua.

Variável Quantitativa,

Percentual Institutions

Capta o quadro institucional de um país, por meio de suas instituições, medindo a

capacidade de atrair negócios e promover o crescimento, fornecendo boa governança e

níveis adequados de proteção e incentivo para inovações.

Variável percentual quantitativa, de 0 a 100. É formado por três pilares:

a) Ambiente Político: indica a percepção da probabilidade de que um país possa ser

desestabilizado, da qualidade dos serviços públicos e civis, da formulação e

implementação de políticas e a percepção de violações à liberdade de imprensa;

b) Ambiente Regulatório: indica a percepção sobre a capacidade de um governo de

formular e implementar políticas de coesão que promovam o desenvolvimento do setor

privado, a prevalência do Estado de Direito e avalia os custos de indenização por demissão

de trabalhador;

c) O Ambiente de Negócios reflete a avaliação de três aspectos: a facilidade de começar

um negócio, a facilidade de solução de insolvência e a facilidade de pagamento de

impostos.

7

Human Capital And Research

O Índice de Capital Humano é uma nova medida para a captura e rastrear o estado

de desenvolvimento do capital humano ao redor do mundo. Ele tem três características

fundamentais. Em primeiro lugar, o índice mede um conjunto mais amplo de indicadores

do que as definições tradicionais de capital humano. Em segundo lugar, o índice tem uma

abordagem de longo prazo para capital humano.

Além de fornecer um quadro instantâneo do estado do capital humano de um país,

procura desenvolver uma forte consciência em torno da necessidade de planejamento,

resultantes de práticas e decisões políticas que afetam as crianças de hoje e que irão moldar

a força de trabalho futuro. O Índice inclui, assim, medidas que indicam a qualidade da

primeira infância.

Além disso, o Índice captura a extensão na qual os investimentos feitos em anos

anteriores, na saúde e educação, estão sendo realizados na população em idade ativa,

através da aprendizagem e da formação ao longo da vida. Finalmente, na outra

extremidade, o índice leva em conta a saúde e a produtividade da população idosa.

É uma variável quantitativa percentual. Podemos resumir o Índice de Capital

Humano e Pesquisa com base em quatro pilares, que são:

(a) Educação: contém indicadores relativos à aspectos quantitativos e qualitativos da

educação do primário, secundário e terceiro grau e contém informações tanto da atual força

de trabalho, como da futura.

(b) Saúde e Bem-Estar: contém indicadores relativos ao bem-estar físico e mental de uma

população, desde a infância até a idade adulta.

(c) Força de Trabalho e Emprego: destina-se a quantificar a experiência, talento,

conhecimento e treinamento na população em idade ativa de um país.

(d) Ambiente Propício: capta o quadro legal, infraestrutura e outros fatores que

possibilitam retornos sobre o capital humano.

Infrastructure

Infraestrutura ajuda a determinar o sucesso de fabricação e atividades agrícolas.

Investimentos em água, saneamento, energia, habitação e transportes também ajudam a

melhorar a vida e a reduzir a pobreza. E as novas tecnologias de informação e

comunicação permitem promover o crescimento, melhorar a prestação de saúde e outros

serviços, ampliar o alcance da educação e apoiar os avanços sociais e culturais.

Os dados são compilados a partir de fontes tais como a Federação Internacional

Road, Containerisation International, a Organização da Aviação Civil Internacional, a

Associação Internacional de Energia e a União Internacional das Telecomunicações.

Variável Quantitativa Percentual.

Market Sophistication

Este é uma Variável Quantitativa Percentual e é derivada dos seguintes indicadores:

(a) Disponibilidade de serviços financeiros;

(b) A acessibilidade dos serviços financeiros;

(c) Financiamento através do mercado de ações local;

(d) Facilidade de acesso a empréstimos;

(e) A disponibilidade de capital de risco;

(f) Restrição sobre os fluxos de capital;

(g) Solidez dos bancos;

(h) A regulação das bolsas de valores e

8

(i) índice de direitos legais.

Knowledge And Technology

Reflete todas as variáveis tradicionais direcionadas para a atividade de invenções e

inovações, abrangendo:

(a) Criação do Conhecimento, que envolve: o resultado de Atividades Criativas e

Inovadores, pedidos de patentes, aplicação de modelos de utilidade, artigos

científicos e técnicos públicos e a quantidade de citações dos artigos publicados;

(b) Sobre o Impacto do Conhecimento, envolvendo: estatísticas que representem o

impacto das atividades de invenções e inovações no contexto micro e

macroeconômico, aumento da produtividade do trabalho, a entrada de novas

empresas, os gastos com software e quantidade de certificação de qualidade ISO

9001;

(c) Difusão do Conhecimento, medida por estatísticas ligadas ao setor de alta

tecnologia ou que são fundamentais para a inovação, envolvendo quadro aspectos:

royalties e taxas de licenças, percentual de exportações de alta tecnologia em

relação ao total de exportações, percentual das exportações de serviços de

comunicação, computação e informação, em relação ao total de exportação de

serviços e o percentual de saída de FDI (Foreign Direct Investment) em relação ao

PIB (Produto Interno Bruto).

É uma variável Quantitativa Percentual.

Creative Outputs

A criatividade foi reconhecida como um motor econômico para gerar riqueza,

emprego, desenvolvimento sustentável das cidades do mundo, mudanças tecnológicas,

inovação empresarial e o reforço da competitividade das cidades e países individuais.

Criatividade mostrada na produção econômica e nos domínios culturais, por

exemplo, pode ser avaliado e apreciado pela comunidade, enquanto a inovação criativa em

ciência ou ciência humana poderia ser reconhecida pelas comunidades científicas e

acadêmicas. Isto significa "criatividade social" é mensurável e quantificável, embora "a

criatividade da vida diária" é uma capacidade geral encontrada em outro lugar em nossa

vida é mais difícil de medir.

Em 2002, Richard Florida, de acordo com sua "teoria do capital criativo", diz que

os centros da classe criativa são "mais prováveis de serem vencedores econômicos", tendo

sucesso na geração de postos de trabalho high-end e do crescimento econômico,

aumentando ainda mais a vantagem regional do indivíduo em sua região. Sua teoria para

explicar o crescimento econômico regional constrói em torno dos "3Ts" - talento,

tecnologia e tolerância - que argumenta que pessoas criativas preferem lugares "que são

diversos, tolerantes e abertos a novas ideias", e que a presença e concentração do capital

criativo uma região "por sua vez levam a maiores taxas de inovação, alta tecnologia

formação de negócios, geração de emprego e crescimento económico

É uma variável Quantitativa Percentual.

International Cooperation

Esta questão visa avaliar a disposição e capacidade da liderança política em

desenvolver boas relações de vizinhança e cooperar com os países vizinhos em

organizações internacionais e regionais e apoiar a integração regional ou internacional.

Os dois próximos itens fazem parte da composição deste indicar sintético.

9

É uma variável Quantitativa, com indicador nominal que varia de 0 a 10.

Effective Use Of Support

Utilização eficaz de apoio: avalia se o Governo tem objetivos claros do

desenvolvimento político e econômico, e sobre a forma como a liderança política faz uso

de grandes projetos assistenciais internacionais, envolvendo cooperação técnica ou pessoal

em sua própria agenda de desenvolvimento.

Este indicador mede se o Governo tem definido de forma clara quais são os

objetivos políticos e econômicos e se consegue utilizar know-how de grandes projetos

assistenciais internacionais, trazendo esses projetos para a realidade do seu país.

O foco é sobre a capacidade de aprender a partir de know-how internacional, e se

adaptar ao aconselhamento externo às realidades nacionais e ainda integrar essa assistência

internacional em uma estratégia consistente de desenvolvimento de longo prazo.

É uma variável Quantitativa, com indicador nominal que varia de 0 a 10.

Regional Cooperation

Avalia a disposição e a capacidade da liderança política em desenvolver relações de

boa vizinhança, cooperar com os países vizinhos em organizações internacionais e

regionais e apoiar a integração regional ou internacional.

A liderança política ativa e com êxito, constrói e expande a cooperação com a

vizinhança e os relacionamentos internacionais. Ela promove a integração regional e

internacional. A liderança política adequada, coopera com muitos estados vizinhos e está

em conformidade com as regras estabelecidas pelas organizações regionais e

internacionais.

Variável Quantitativa. Indicador nominal que varia de 0 a 10.

EPI- Índice De Desempenho Ambiental

Classifica o desempenho dos países em questões ambientais principais: proteção à

saúde humana e proteção do ecossistema ambiental. Variável Quantitativa Percentual.

O Índice de Desempenho Ambiental, ou Índice de Performance Ambiental

(Environmental Performance Index, sigla EPI) é um método para quantificar e classificar

numericamente o desempenho ambiental das políticas de um país. O EPI foi antecedido

pelo Índice de Sustentabilidade Ambiental (Environmental Sustainability Index, sigla ESI),

publicado entre 1999 e 2005.

Ambos indicadores foram desenvolvidos pelo Centro de Política e Lei Ambiental da

Universidade de Yale, em conjunto com a Rede de Informação do Centro Internacional de

Ciências da Terra da Universidade de Columbia. O ESI foi desenvolvido para avaliar a

sustentabilidade relativa entre países. Devido a mudanças no enfoque da equipe de

pesquisa que desenvolveu o ESI, o novo índice EPI utiliza indicadores orientados para

resultados, pelo qual serve como índice de comparação, permitindo assim um melhor

entendimento por parte de políticos, cientistas, ONGs e o público em geral.

HPI– Happy Planet Index

O Happy Planet Index (HPI) ou Índice do Planeta Feliz mede a capacidade que

cada país tem para proporcionar um bem-estar sustentável aos seus cidadãos a avalia a

felicidade dos moradores de um país. Em outras palavras, busca entender se o bem-estar do

país oferece uma vida feliz sustentável a longo prazo para as pessoas que vivem nele.

10

O Happy Planet Index não é uma forma de quantificar quais os países mais felizes

do mundo. É antes uma forma de medir a eficiência com que uma nação converte os seus

recursos naturais em vidas longas e felizes para os seus cidadãos.

O HPI é então uma medida do desenvolvimento das comunidades ou países, que

leva em conta quatro fatores fundamentais: a esperança de vida (saúde), a satisfação com a

vida (felicidade), a desigualdade e a pegada ecológica (ambiente).

Foi introduzido pela New Economics Foundation, uma organização não

governamental ecológica britânica em julho de 2006. Quanto maior o seu valor, melhor

para o desenvolvimento do país. É o bem-estar sustentável do país. É uma variável cujas

medidas foram alteradas no último relatório, de 2016. É quantitativa varia entre 0 e 50.

GINI INDEX

O Coeficiente de Gini é uma medida de desigualdade desenvolvida pelo estatístico

italiano Corrado Gini, e publicada no documento "Variabilità e mutabilità"

("Variabilidade e mutabilidade" em italiano), em 1912.

Pode ser usado para qualquer distribuição embora seja comumente utilizado para

medir a desigualdade de distribuição de renda. O Coeficiente de Gini é amplamente

utilizado em diversos campos de estudo, como a sociologia, economia, ciências da saúde,

ecologia, engenharia e agricultura. Por exemplo, em ciências sociais e economia, além do

coeficiente de Gini relacionado à renda, estudiosos publicaram coeficientes relacionados à

educação e oportunidades. Mede a desigualdade de distribuição de renda e de despesas das

famílias.

O Coeficiente de Gini consiste em um número entre 0 e 1, onde 0 corresponde à

completa igualdade (no caso do rendimento, por exemplo, toda a população recebe o

mesmo salário) e 1 corresponde à completa desigualdade (onde uma pessoa recebe todo o

rendimento e as demais nada recebem). É uma variável quantitativa, portanto, podendo ser

indicada como número absoluto ou como percentual.

https://www.google.com.br/url?sa=i&rct=j&q=&esrc=s&source=images&cd=&cad=rja&uact=8&ved=0ahUKEwiV5u6H9-TZAhXMgJAKHbkFDEsQjRwIBg&url=https://www.youtube.com/watch?v=kxxuIFq5ZTs&psig=AOvVaw02DQQ6psR7EQphgFsDsD-n&ust=1520880224572213

11

3. Entendendo a Amostra 3.1. Base De Dados Utilizada Parte 1

Tabela 1 – Base De Dados Parte 1 – Fornecido Pela Disciplina

Adaptado Pelo Autor (Normalizado E Positivado)

N.Var. 1 12 95 99 104 144 145 146 147 148 149 150 151 152 154 169 174 176

REG

IÃO

REG

IÃO

CLA

SS 6

R

CLA

SS 3

R

Soci

al P

rogr

ess

Ind

ex (

N)

Eco

syst

em S

ust

ain

abili

ty -

201

4 (N

)

IDH

- 2

014

(N)

Co

mb

ust

ible

ren

ewab

les

and

was

te

(% o

f to

tal e

ner

gy)

- 2

014

(N)

Susc

epti

bili

ty (

N +

P)

1. G

lob

al In

no

vati

on

Ind

ex 2

017

(N)

1.1.

Inst

itu

tio

ns

(N)

1.2.

Hu

man

Cap

ital

an

d R

esea

rch

(N

)

1.3.

Infr

aest

ruct

ure

(N

)

1.4.

Mar

ket

Sop

his

tica

tio

n (

N)

1.5.

Kn

ow

led

ge a

nd

Tec

hn

olo

gy (

N)

1.6.

Cre

ativ

e O

utp

uts

(N

)

1 .

Inte

rnat

ion

al C

oo

per

atio

n (

N)

1.1

. Eff

ecti

ve u

se o

f su

pp

ort

(N

)

1.3

. Reg

ion

al c

oo

per

atio

n (

N)

EPI S

core

(N

)

HP

I - H

app

y P

lan

et In

dex

- 2

016

(N

)

GIN

I In

dex

(Es

tim

ated

) (N

)

Albania ALB EMDEU Southern EuropeEMDEU OTHERS 68,48 63,99 63,75 10,21 81,57 25,38 51,86 25,39 56,79 44,48 7,83 29,79 69,57 62,50 85,71 69,58 75,12 66,09

Algeria DZA MENAP Northern AfricaNSWUA OTHERS 59,54 40,13 65,72 0,01 77,04 16,73 26,63 29,39 49,06 5,60 12,62 24,39 43,48 37,50 42,86 61,93 64,26 54,51

Angola AGO SUSAF Middle AfricaSUSAF OTHERS 19,86 31,14 30,32 53,19 24,56 41,56 51,16 44,37 56,66 37,43 30,91 50,39 47,83 50,00 42,86 26,54 44,28 19,60

Argentina ARG AIBER IBE AIBER AIBER 76,41 50,76 79,56 5,02 80,13 31,54 25,70 58,61 57,17 19,96 17,73 42,23 47,83 50,00 71,43 79,77 70,18 71,39

Armenia ARM CWEIS Western AsiaCWEAS OTHERS 65,33 66,29 65,40 1,25 79,77 38,46 49,69 18,26 42,83 42,38 30,67 58,43 47,83 50,00 42,86 83,05 40,36 67,95

Australia AUS AVECO Australia and New ZealandAVECO AVECO 97,96 65,30 98,20 4,43 91,55 69,62 89,16 89,22 91,51 68,30 40,89 72,50 60,48 59,88 64,00 93,54 26,46 94,71

Austria AUT AVECO Western EuropeAVECO AVECO 95,84 85,38 90,62 21,54 92,99 72,12 88,70 90,61 88,11 46,94 50,48 76,10 60,48 59,88 64,00 92,46 55,43 88,13

Azerbaijan AZE CWEIS Western AsiaCWEAS OTHERS 59,41 53,05 68,02 1,17 79,04 28,65 40,40 15,65 64,53 50,79 14,22 38,79 47,83 37,50 57,14 87,12 44,28 65,81

Bangladesh BGD EMDAS Southern AsiaESEAS OTHERS 42,55 58,66 37,92 28,42 45,65 15,58 16,25 5,39 39,06 21,02 15,18 25,86 56,52 62,50 57,14 8,72 80,20 30,47

Belarus BLR CWEIS Eastern EuropeCWEAS OTHERS 63,39 59,81 74,27 5,74 88,44 27,50 37,62 57,39 56,23 27,32 24,28 16,20 17,39 25,00 28,57 84,36 28,00 78,11

Belgium BEL AVECO Western EuropeAVECO AVECO 94,50 53,76 90,97 6,88 90,56 65,77 78,48 88,35 77,17 44,66 42,65 74,14 60,48 59,88 64,00 80,35 34,28 88,98

Benin BEN SUSAF Western AfricaSUSAF OTHERS 37,48 64,49 22,22 58,26 22,33 14,23 37,46 21,22 13,21 7,53 3,19 31,42 65,22 62,50 57,14 12,24 2,02 15,02

Bolivia BOL AIBER IBE AIBER AIBER 61,99 68,66 53,88 13,60 45,85 19,04 0,00 29,39 35,85 34,85 14,54 32,57 56,52 62,50 71,43 63,44 33,02 39,91

Bosnia and Herzegovina BIH EMDEU Southern EuropeEMDEU OTHERS 68,54 30,79 66,57 20,80 83,39 28,08 41,80 56,35 38,87 29,95 17,09 32,08 43,48 37,50 57,14 48,86 39,17 64,52

Botswana BWA EMDEU Southern AfricaSUSAF OTHERS 57,98 86,54 57,83 21,79 54,45 27,50 60,06 40,17 46,60 40,28 14,54 25,04 86,96 87,50 85,71 62,75 11,99 33,48

Brazil BRA AIBER IBE AIBER AIBER 73,31 71,47 67,29 29,93 73,89 33,65 34,06 46,96 60,38 31,35 19,81 40,59 91,30 87,50 100,00 78,01 67,53 51,79

Bulgaria BGR SUSAF Eastern EuropeEMDEU OTHERS 74,03 70,59 73,91 6,92 85,96 52,31 57,74 43,13 67,17 30,82 40,73 69,23 78,26 75,00 85,71 86,41 24,00 72,96

Burkina Faso BFA SUSAF Western AfricaSUSAF OTHERS 34,36 73,97 8,26 21,26 19,61 11,92 36,53 12,00 17,17 5,95 13,74 0,00 65,22 62,50 71,43 12,34 16,00 9,73

Burundi BDI SUSAF Eastern AfricaSUSAF OTHERS 27,91 33,89 8,60 21,26 4,75 10,96 20,74 10,43 10,57 11,21 2,24 24,71 47,83 50,00 57,14 11,70 8,76 11,02

Cambodia KHM EMDAS South-Eastern AsiaESEAS OTHERS 42,06 80,64 35,28 70,22 43,30 21,92 29,88 9,22 20,00 45,71 17,41 36,99 34,78 12,50 57,14 26,39 40,31 33,91

Cameroon CMR SUSAF Middle AfricaSUSAF OTHERS 31,28 41,42 27,66 70,26 40,88 13,27 19,35 18,96 16,98 12,96 14,54 24,39 39,13 37,50 28,57 37,38 12,28 21,32

Canada CAN AVECO Northern AmericaAVECO AVECO 98,83 65,39 95,12 5,96 91,92 73,08 94,74 77,22 86,42 83,01 51,44 70,38 60,48 59,88 64,00 89,51 34,96 91,56

Central African Republic CAF SUSAF Eastern AfricaSUSAF OTHERS 0,00 69,24 0,00 21,26 6,04 41,56 51,16 44,37 56,66 37,43 30,91 50,39 43,48 50,00 42,86 17,47 44,28 0,00

Chad TCD SUSAF Middle AfricaSUSAF OTHERS 11,75 44,17 7,31 21,26 4,79 41,56 51,16 44,37 56,66 37,43 30,91 50,39 30,43 25,00 42,86 1,36 0,00 5,58

Chile CHL AIBER IBE AIBER AIBER 87,09 54,92 82,78 22,30 82,13 44,42 62,69 41,57 67,55 41,16 31,15 49,59 100,00 100,00 100,00 75,72 59,14 70,53

China CHN EMDAS Eastern Asia ESEAS OTHERS 56,83 48,08 64,53 7,77 70,93 70,96 38,70 70,09 78,49 49,74 79,71 71,19 52,17 62,50 42,86 52,26 40,55 54,51

Colombia COL AIBER IBE AIBER AIBER 69,69 82,07 62,79 11,92 67,52 36,73 44,43 39,65 68,30 46,94 20,13 43,86 73,91 75,00 71,43 72,47 87,42 49,93

Congo, Democratic Rep. of COD SUSAF Middle AfricaSUSAF OTHERS 44,25 57,58 12,99 100,00 22,75 41,56 51,16 44,37 56,66 37,43 30,91 50,39 26,09 25,00 28,57 9,24 44,28 54,51

Congo, Republic of COG SUSAF Middle AfricaSUSAF OTHERS 31,93 74,02 13,91 61,54 22,75 41,56 51,16 44,37 56,66 37,43 30,91 50,39 39,13 37,50 42,86 41,92 44,28 54,51

Costa Rica CRI AIBER IBE AIBER AIBER 84,66 77,71 71,03 14,63 79,30 41,15 56,04 41,39 59,06 21,19 24,92 59,74 91,30 87,50 85,71 80,12 100,00 61,37

Croatia HRV EMDEU Southern EuropeEMDEU OTHERS 79,85 78,79 79,56 15,68 86,66 46,54 61,15 49,57 74,72 27,67 30,19 59,08 78,26 75,00 85,71 93,09 54,44 79,11

Cuba CUB CARLA CARIBBEANAIBER AIBER 67,95 52,81 70,73 15,42 85,06 41,56 51,16 44,37 56,66 37,43 30,91 50,39 47,83 50,00 57,14 78,28 44,28 54,51

Czech Republic CZE AVECO Eastern EuropeAVECO AVECO 89,79 86,98 88,01 9,21 91,87 67,88 73,99 67,30 77,36 41,86 62,78 73,49 95,65 100,00 100,00 88,78 45,42 90,27

Denmark DNK AVECO Northern EuropeAVECO AVECO 100,00 71,80 95,85 24,49 91,79 82,88 95,36 99,48 88,49 76,88 59,74 84,62 60,48 59,88 64,00 97,26 62,30 94,28

Djibouti DJI SUSAF Eastern AfricaSUSAF OTHERS 30,99 30,16 20,22 21,26 49,47 41,56 51,16 44,37 56,66 37,43 30,91 50,39 60,48 59,88 64,00 15,29 11,43 15,88

Dominican Republic DOM AIBER IBE AIBER AIBER 64,38 70,68 61,85 11,69 66,54 29,81 34,06 15,13 49,25 33,45 17,09 49,26 65,22 75,00 57,14 71,33 54,89 52,36

Ecuador ECU AIBER IBE AIBER AIBER 66,88 77,39 64,80 6,12 68,45 25,96 20,90 24,17 51,13 34,15 12,46 46,32 39,13 50,00 42,86 55,02 75,98 55,51

Egypt EGY MENAP Northern AfricaNSWUA OTHERS 56,89 68,34 56,78 2,50 79,65 20,00 16,41 31,30 41,70 18,21 16,77 32,41 52,17 50,00 71,43 54,78 34,46 41,77

El Salvador SLV AIBER IBE AIBER AIBER 61,18 45,80 54,83 15,48 65,12 21,15 36,69 19,48 37,55 27,85 4,47 38,46 91,30 87,50 100,00 57,80 71,57 47,21

Estonia EST AVECO Northern EuropeAVECO AVECO 87,76 78,62 85,88 15,77 86,19 67,88 79,41 56,70 89,81 50,26 47,28 84,78 100,00 100,00 100,00 96,10 16,02 84,26

Finland FIN AVECO Northern EuropeAVECO AVECO 99,94 68,50 90,80 29,38 90,83 82,31 96,59 100,00 90,75 61,82 67,57 74,47 60,48 59,88 64,00 100,00 57,98 92,13

France FRA AVECO Western EuropeAVECO AVECO 92,52 60,19 91,29 6,65 89,52 74,04 78,79 85,57 88,87 66,55 51,12 88,54 60,48 59,88 64,00 95,37 55,22 87,84

Georgia GEO CWEIS Western AsiaCWEAS OTHERS 68,21 48,39 69,84 11,55 71,98 35,96 60,06 25,57 51,89 40,11 27,80 45,01 65,22 62,50 71,43 52,00 57,30 67,67

Germany DEU AVECO Western EuropeAVECO AVECO 96,67 83,51 96,02 10,40 91,45 82,12 83,13 89,04 85,28 59,02 71,25 88,54 60,48 59,88 64,00 88,02 53,35 94,42

Ghana GHA SUSAF Western AfricaSUSAF OTHERS 53,16 58,86 37,92 43,80 36,25 41,56 51,16 44,37 56,66 37,43 30,91 50,39 78,26 75,00 71,43 40,67 27,11 27,47

Greece GRC AVECO Southern EuropeAVECO AVECO 81,27 57,89 86,00 5,82 87,30 44,62 54,80 82,61 60,19 41,86 22,20 55,16 60,48 59,88 64,00 90,91 33,95 79,97

Guatemala GTM AIBER IBE AIBER AIBER 55,06 66,06 48,10 63,47 52,11 23,65 25,85 16,00 34,53 30,65 11,82 39,61 56,52 50,00 71,43 60,73 67,19 35,91

Guinea GIN SUSAF Western AfricaSUSAF OTHERS 24,15 39,22 10,34 21,26 20,49 3,46 23,53 0,00 16,04 0,00 0,00 19,15 65,22 62,50 71,43 34,15 9,63 10,16

Guyana GUY CARLA SOUTH AMERICACARLA OTHERS 55,24 29,31 47,84 21,26 66,97 41,56 51,16 44,37 56,66 37,43 30,91 50,39 60,48 59,88 64,00 63,53 44,28 45,64

Honduras HND AIBER IBE AIBER AIBER 53,67 81,64 45,61 46,01 55,26 20,58 20,74 18,78 33,02 34,33 9,42 35,52 65,22 62,50 71,43 60,73 45,03 34,91

Hungary HUN EMDEU Eastern EuropeEMDEU OTHERS 78,69 54,17 81,04 8,62 89,27 50,27 63,31 53,22 67,92 26,62 41,21 59,08 47,83 62,50 42,86 88,65 42,60 81,83

Iceland ISL AVECO Northern EuropeAVECO AVECO 99,52 83,96 95,26 0,08 92,23 77,12 87,93 69,74 82,26 50,61 53,35 100,00 60,48 59,88 64,00 99,68 57,31 95,71

India IND EMDAS Southern AsiaESEAS OTHERS 48,26 41,62 45,41 25,59 49,58 38,08 33,44 40,70 52,45 44,83 38,02 39,44 65,22 62,50 57,14 30,76 51,35 36,48

Indonesia IDN EMDAS South-Eastern AsiaESEAS OTHERS 59,04 64,07 56,35 28,58 60,18 27,88 17,65 24,52 48,49 34,50 23,00 43,04 69,57 62,50 71,43 53,66 71,83 52,07

Iran IRN MENAP Southern AsiaNSWUA OTHERS 53,95 33,67 70,63 0,24 84,06 41,56 51,16 44,37 56,66 37,43 30,91 50,39 13,04 12,50 0,00 54,54 35,12 45,64

Ireland IRL AVECO Northern EuropeAVECO AVECO 97,33 34,61 95,53 4,35 90,23 81,79 89,47 80,35 86,42 50,26 77,48 80,36 60,48 59,88 64,00 92,39 53,98 93,13

Israel ISR AVECO Western AsiaAVECO AVECO 83,98 34,63 91,53 0,12 84,25 73,46 58,98 82,78 78,30 61,65 68,85 68,90 60,48 59,88 64,00 76,60 50,27 82,83

Italy ITA AVECO Southern EuropeAVECO AVECO 87,22 64,48 89,47 10,40 88,36 60,19 65,17 65,04 85,85 46,06 47,28 67,27 60,48 59,88 64,00 88,43 47,90 83,69

Jamaica JAM CARLA CARIBBEANCARLA OTHERS 70,82 59,44 63,25 19,90 70,81 28,27 55,73 25,91 31,13 23,64 12,62 45,66 78,26 75,00 85,71 74,51 75,50 58,66

Japan JPN AVECO Eastern Asia AVECO AVECO 93,36 62,86 92,30 2,75 87,53 75,19 89,16 83,13 90,57 66,55 64,86 63,83 60,48 59,88 64,00 81,17 48,67 84,69

Jordan JOR MENAP Western AsiaNSWUA OTHERS 66,68 19,62 65,17 0,09 77,56 28,65 56,19 30,96 44,91 10,51 20,45 43,86 65,22 62,50 71,43 65,58 44,28 60,09

Kazakhstan KAZ CWEIS Central AsiaCWEAS OTHERS 60,51 14,11 73,99 0,03 86,06 30,58 56,19 38,43 59,62 29,60 18,05 32,90 52,17 37,50 71,43 67,54 19,64 73,68

Kenya KEN SUSAF Eastern AfricaSUSAF OTHERS 44,69 73,45 33,88 72,91 20,63 29,42 37,15 9,04 38,49 38,35 24,12 42,55 56,52 62,50 71,43 47,39 35,82 27,47

Korea, Republic of KOR AVECO Eastern Asia AVECO AVECO 86,35 47,81 91,89 2,27 92,52 80,96 69,20 99,65 88,87 61,82 77,00 77,91 60,48 59,88 64,00 60,77 44,28 54,51

Kuwait KWT MENAP Western AsiaNSWUA OTHERS 73,55 50,46 75,00 0,00 97,04 39,42 40,25 38,96 66,23 37,65 37,06 52,86 56,52 37,50 85,71 50,97 44,28 54,51

Kyrgyzstan KGZ CWEIS Central AsiaCWEAS OTHERS 59,41 22,15 52,13 0,09 69,88 23,85 27,55 37,74 41,32 36,08 18,85 25,53 56,52 62,50 42,86 67,25 63,57 54,79

Laos LAO EMDAS South-Eastern AsiaESEAS OTHERS 41,47 79,24 39,13 21,26 44,81 41,56 51,16 44,37 56,66 37,43 30,91 50,39 52,17 50,00 71,43 24,62 44,28 32,62

Latvia LVA AVECO Northern EuropeAVECO AVECO 80,77 89,75 79,97 37,57 81,21 55,77 74,30 45,74 69,43 45,18 31,95 77,91 95,65 87,50 100,00 90,72 13,40 77,68

PAÍS

(132)

CÓ

DIG

O D

O P

AÍS

12

3.2. Base De Dados Utilizada Parte 2

Tabela 2 – Base De Dados Parte 2 – fornecido Pela Disciplina

Adaptado Pelo Autor (Normalizado E Positivado)

N.Var. 1 12 95 99 104 144 145 146 147 148 149 150 151 152 154 169 174 176

REG

IÃO

REG

IÃO

CLA

SS 6

R

CLA

SS 3

R

Soci

al P

rogr

ess

Ind

ex

(N)

Eco

syst

em

Su

stai

nab

ility

- 2

01

4 (

N)

IDH

- 2

01

4 (

N)

Co

mb

ust

ible

re

ne

wab

les

and

was

te

(% o

f to

tal e

ne

rgy)

- 2

01

4 (

N)

Susc

ep

tib

ility

(N

+ P

)

1. G

lob

al In

no

vati

on

Ind

ex

20

17

(N

)

1.1

. In

stit

uti

on

s (N

)

1.2

. Hu

man

Cap

ital

an

d R

ese

arch

(N

)

1.3

. In

frae

stru

ctu

re (

N)

1.4

. Ma

rke

t So

ph

isti

cati

on

(N

)

1.5

. Kn

ow

led

ge a

nd

Te

chn

olo

gy (

N)

1.6

. Cre

ativ

e O

utp

uts

(N

)

1 .

Inte

rnat

ion

al C

oo

pe

rati

on

(N

)

1.1

. Eff

ect

ive

use

of

sup

po

rt (

N)

1.3

. Re

gio

nal

co

op

era

tio

n (

N)

EPI S

core

(N

)

HP

I - H

app

y P

lan

et

Ind

ex

- 2

01

6 (

N)

GIN

I In

de

x (E

stim

ate

d)

(N)

Lebanon LBN MENAP Western AsiaNSWUA OTHERS 60,99 16,31 68,75 1,83 81,27 28,85 28,02 34,96 44,72 22,94 20,13 42,06 47,83 37,50 42,86 59,80 28,56 57,80

Lesotho LSO SUSAF Southern AfricaSUSAF OTHERS 37,56 19,33 24,28 21,26 28,88 41,56 51,16 44,37 56,66 37,43 30,91 50,39 43,48 50,00 42,86 18,79 12,17 17,31

Liberia LBR SUSAF Western AfricaSUSAF OTHERS 33,70 41,96 12,47 21,26 3,76 41,56 51,16 44,37 56,66 37,43 30,91 50,39 73,91 87,50 57,14 11,80 29,45 12,16

Lithuania LTU EMDEU Northern EuropeEMDEU OTHERS 79,93 83,19 83,03 0,92 84,42 49,04 68,58 49,74 77,17 46,76 23,64 61,87 95,65 100,00 85,71 90,31 25,86 80,11

Macedonia MKD EMDEU Southern EuropeEMDEU OTHERS 65,88 40,82 64,92 18,67 72,02 38,08 60,53 36,17 48,87 36,95 19,81 52,21 60,87 75,00 57,14 76,37 33,24 54,51

Madagascar MDG SUSAF Eastern AfricaSUSAF OTHERS 30,58 30,35 26,75 7,04 0,00 16,35 29,26 10,26 8,49 18,56 11,34 38,63 47,83 50,00 42,86 0,00 44,28 25,04

Malawi MWI SUSAF Southern AfricaSUSAF OTHERS 39,73 75,51 20,69 21,26 14,33 15,00 33,28 5,91 18,68 9,98 14,86 24,06 65,22 75,00 71,43 23,50 29,29 18,45

Malaysia MYS EMDAS South-Eastern AsiaESEAS OTHERS 68,76 78,89 73,20 21,26 82,86 52,12 57,59 57,39 68,11 54,82 40,26 58,10 73,91 62,50 100,00 69,30 54,84 54,51

Mali MLI SUSAF Western AfricaSUSAF OTHERS 31,15 35,99 15,02 2,25 19,35 13,08 24,92 5,74 15,47 4,03 20,13 20,79 69,57 62,50 71,43 8,17 44,28 13,45

Mauritania MRT MENAP Western AfricaNSWUA OTHERS 32,26 43,42 26,91 21,26 31,84 41,56 51,16 44,37 56,66 37,43 30,91 50,39 47,83 37,50 57,14 17,19 16,35 21,17

Mauritius MUS SUSAF Eastern AfricaSUSAF OTHERS 75,25 52,04 71,85 21,26 85,07 36,92 77,71 37,04 58,30 42,56 11,34 48,45 82,61 87,50 85,71 62,99 45,74 67,24

Mexico MEX AIBER IBE AIBER AIBER 70,03 54,29 68,55 16,06 76,11 38,65 44,43 43,13 63,02 41,51 23,96 50,41 65,22 62,50 71,43 68,10 87,42 55,51

Moldova MDA CWEIS Eastern EuropeCWEAS OTHERS 60,99 25,21 58,06 5,07 74,08 40,77 41,18 42,26 47,92 35,90 30,19 61,37 60,87 62,50 71,43 73,89 44,28 61,37

Mongolia MNG EMDAS Eastern Asia ESEAS OTHERS 54,06 33,54 64,05 9,36 60,27 41,35 53,87 31,30 44,91 46,06 23,32 65,79 73,91 75,00 85,71 50,93 4,67 62,95

Montenegro MNE EMDEU Southern EuropeEMDEU OTHERS 66,94 43,41 76,18 3,81 83,35 43,08 59,75 47,65 62,64 34,33 25,56 56,14 82,61 87,50 85,71 78,00 38,67 76,82

Morocco MAR MENAP Northern AfricaNSWUA OTHERS 59,29 33,68 49,41 18,89 67,88 32,88 43,81 40,70 63,58 27,67 22,04 45,17 52,17 62,50 28,57 69,20 62,25 36,77

Mozambique MOZ SUSAF Eastern AfricaSUSAF OTHERS 31,39 58,35 10,91 7,85 0,71 17,12 22,91 17,04 23,58 16,64 22,84 24,06 60,87 50,00 71,43 8,81 34,22 11,59

Namibia NAM SUSAF Southern AfricaSUSAF OTHERS 54,03 68,85 48,17 84,34 35,40 23,65 54,80 23,65 42,08 22,77 2,24 43,37 69,57 62,50 71,43 62,97 27,53 30,90

Nepal NPL EMDAS Southern AsiaESEAS OTHERS 50,97 48,61 34,46 13,93 41,62 16,54 21,83 10,61 32,08 31,17 11,50 26,68 52,17 50,00 57,14 24,47 55,53 29,76

Netherlands NLD AVECO Western EuropeAVECO AVECO 98,79 81,64 95,79 87,74 92,26 91,85 90,40 79,65 88,68 57,27 90,10 93,62 60,48 59,88 64,00 83,86 70,57 94,71

New Zealand NZL AVECO Australia and New ZealandAVECO AVECO 97,96 73,92 94,22 5,42 89,06 71,54 98,45 81,91 84,34 70,05 44,25 77,25 60,48 59,88 64,00 95,00 57,87 54,51

Nicaragua NIC AIBER IBE AIBER AIBER 57,55 84,15 49,04 6,11 52,15 41,56 51,16 44,37 56,66 37,43 30,91 50,39 47,83 50,00 57,14 50,56 81,13 40,06

Niger NER SUSAF Western AfricaSUSAF OTHERS 23,46 58,11 0,03 44,38 8,70 10,58 30,03 20,35 21,13 2,98 21,09 1,47 78,26 62,50 85,71 0,71 12,74 7,73

Nigeria NGA SUSAF Western AfricaSUSAF OTHERS 34,78 70,15 29,26 80,46 20,29 12,12 15,17 10,78 22,45 24,34 5,43 29,62 47,83 50,00 42,86 39,51 29,65 18,45

Norway NOR AVECO Northern EuropeAVECO AVECO 99,52 77,03 100,00 87,94 93,39 72,19 95,98 77,22 100,00 54,12 49,52 74,14 60,48 59,88 64,00 92,95 75,30 100,00

Pakistan PAK MENAP Southern AsiaNSWUA OTHERS 37,24 38,68 33,15 5,48 51,72 15,77 12,69 6,78 23,96 21,02 19,81 25,53 26,09 25,00 28,57 26,73 58,62 25,89

Panama PAN AIBER IBE AIBER AIBER 74,34 85,01 72,90 38,98 68,55 37,12 47,52 21,74 73,21 29,25 24,28 55,32 78,26 75,00 85,71 76,33 83,68 59,37

Paraguay PRY AIBER IBE AIBER AIBER 64,88 46,05 57,04 9,36 62,62 28,27 26,47 26,26 44,53 42,38 4,79 56,63 78,26 75,00 71,43 62,08 33,03 46,49

Peru PER AIBER IBE AIBER AIBER 70,38 60,34 64,88 47,13 66,19 33,27 44,74 30,78 54,53 49,91 14,86 41,90 69,57 62,50 71,43 66,91 68,19 54,51

Philippines PHL EMDAS South-Eastern AsiaESEAS OTHERS 62,26 56,58 55,17 13,35 59,09 32,31 34,37 23,30 53,40 26,27 34,82 34,37 65,22 50,00 71,43 68,31 69,56 51,07

Poland POL EMDEU Eastern EuropeEMDEU OTHERS 82,44 82,49 84,22 19,35 87,62 50,58 70,90 48,00 69,81 38,35 34,19 62,03 100,00 100,00 100,00 82,42 46,01 82,26

Portugal PRT AIBER IBE AIBER AIBER 91,75 56,38 82,12 9,53 87,01 58,46 78,95 67,30 71,13 43,43 37,38 73,49 60,48 59,88 64,00 96,17 37,79 79,54

Romania ROU EMDEU Eastern EuropeEMDEU OTHERS 72,60 70,21 75,37 13,34 79,95 45,19 60,68 37,57 73,21 31,35 39,14 50,90 65,22 75,00 71,43 86,11 50,17 73,68

Russia RUS CWEIS Eastern EuropeCWEAS OTHERS 62,37 50,83 75,62 1,09 80,14 44,42 40,71 71,48 58,87 36,43 33,71 47,79 4,35 0,00 14,29 86,64 18,58 75,25

Rwanda RWA SUSAF Eastern AfricaSUSAF OTHERS 39,23 71,18 24,31 21,26 18,92 22,50 52,17 25,39 45,47 25,57 1,92 29,13 60,87 87,50 42,86 24,71 21,45 20,03

Saudi Arabia SAU MENAP Western AsiaNSWUA OTHERS 66,04 62,48 82,78 0,00 89,68 39,42 34,98 65,39 69,81 40,46 24,12 43,54 34,78 37,50 42,86 58,85 44,28 54,51

Senegal SEN SUSAF Western AfricaSUSAF OTHERS 48,13 85,35 23,71 49,27 34,19 22,12 38,24 39,65 31,70 10,68 19,01 29,13 82,61 87,50 85,71 49,70 28,55 18,88

Serbia SRB EMDEU Southern EuropeEMDEU OTHERS 72,41 90,87 70,91 8,65 85,21 37,88 58,67 43,48 63,02 21,72 29,07 44,68 69,57 75,00 57,14 77,58 50,95 70,10

Singapore SGP EMDAS South-Eastern AsiaESEAS OTHERS 78,21 57,58 93,40 2,69 93,16 82,69 100,00 95,30 99,62 78,63 65,18 67,27 86,96 75,00 100,00 93,21 44,28 54,51

Slovakia SVK AVECO Eastern EuropeAVECO AVECO 83,36 84,90 82,50 7,83 93,01 53,46 69,20 44,35 73,58 34,15 43,13 63,83 91,30 87,50 85,71 90,18 48,38 84,98

Slovenia SVN AVECO Southern EuropeAVECO AVECO 89,95 94,16 90,10 11,09 91,69 58,08 79,10 70,09 73,77 29,42 34,35 73,00 82,61 75,00 85,71 96,83 37,14 91,42

South Africa ZAF SUSAF Southern AfricaSUSAF OTHERS 62,50 46,11 52,60 11,50 63,83 38,85 56,50 41,57 51,13 54,47 23,96 42,88 69,57 75,00 57,14 62,37 9,68 33,76

Spain ESP AIBER IBE AIBER AIBER 94,20 50,03 89,07 6,67 89,92 63,85 71,36 69,57 90,57 57,27 47,60 69,72 60,48 59,88 64,00 96,70 72,59 84,69

Sri Lanka LKA EMDAS Southern AsiaESEAS OTHERS 60,75 60,03 69,35 50,00 71,45 27,31 23,99 16,87 58,49 27,85 23,16 39,28 56,52 50,00 71,43 53,10 65,80 68,53

Sudan SDN SUSAF Northern AfricaSUSAF OTHERS 48,64 21,25 23,07 68,85 25,03 41,56 51,16 44,37 56,66 37,43 30,91 50,39 0,00 0,00 0,00 9,61 44,28 54,51

Swaziland SWZ SUSAF Southern AfricaSUSAF OTHERS 39,01 32,97 31,59 21,26 36,17 41,56 51,16 44,37 56,66 37,43 30,91 50,39 60,48 59,88 64,00 43,92 8,64 23,18

Sweden SWE AVECO Northern EuropeAVECO AVECO 98,54 66,95 93,85 25,83 91,50 92,69 90,56 95,30 99,62 67,60 89,46 84,29 60,48 59,88 64,00 99,53 47,77 93,28

Switzerland CHE AVECO Western EuropeAVECO AVECO 99,24 100,00 98,28 10,45 92,79 100,00 92,41 94,61 92,08 72,15 100,00 99,35 60,48 59,88 64,00 93,00 67,49 94,42

Tajikistan TJK CWEIS Central AsiaCWEAS OTHERS 49,03 34,05 46,07 0,00 55,19 24,04 25,70 34,09 16,04 47,81 25,40 28,48 26,09 37,50 28,57 67,10 67,23 47,64

Tanzania TZA SUSAF Eastern AfricaSUSAF OTHERS 35,10 62,95 29,84 92,38 42,05 23,65 37,31 1,04 37,36 16,99 16,13 47,14 56,52 62,50 57,14 39,64 29,31 28,18

Thailand THA EMDAS South-Eastern AsiaESEAS OTHERS 64,53 68,84 64,89 20,84 82,04 42,12 40,25 38,09 54,15 43,61 37,22 53,68 43,48 37,50 42,86 60,54 76,75 55,36

Togo TGO SUSAF Western AfricaSUSAF OTHERS 31,89 52,33 22,60 86,95 17,97 5,38 30,34 11,83 19,25 7,71 9,58 2,78 56,52 62,50 57,14 16,80 1,43 19,03

Trinidad and Tobago TTO CARLA CARIBBEANCARLA OTHERS 72,34 45,28 71,61 0,08 83,90 27,12 47,83 20,00 36,98 32,75 25,56 29,79 60,48 59,88 64,00 69,50 9,21 66,09

Tunisia TUN MENAP Northern AfricaNSWUA OTHERS 68,68 38,15 62,33 11,15 79,99 32,12 38,85 50,61 54,53 21,72 23,16 43,37 60,87 50,00 71,43 74,99 42,02 51,93

Turkey TUR EMDEU Western AsiaEMDEU OTHERS 64,80 41,37 69,44 3,20 82,89 44,81 32,20 50,78 55,47 37,65 33,71 68,09 65,22 87,50 42,86 57,07 42,73 63,81

Uganda UGA SUSAF Eastern AfricaSUSAF OTHERS 34,11 89,72 23,52 21,26 17,71 21,73 38,39 16,17 45,66 18,21 14,54 27,99 56,52 62,50 57,14 38,19 20,80 20,31

Ukraine UKR CWEIS Eastern EuropeCWEAS OTHERS 64,27 39,58 65,43 2,00 84,39 42,31 28,02 53,39 43,40 29,60 42,01 55,32 56,52 50,00 71,43 79,49 42,60 70,24

United Arab Emirates ARE MENAP Western AsiaNSWUA OTHERS 70,66 63,90 81,64 0,09 100,00 53,08 78,64 73,22 77,74 46,58 23,00 56,14 73,91 75,00 85,71 60,19 44,28 54,51

United Kingdom GBR AVECO Northern EuropeAVECO AVECO 97,04 63,48 93,31 5,54 88,99 86,92 90,71 94,61 95,85 76,88 63,90 96,07 60,48 59,88 64,00 93,84 59,91 91,13

United States USA AVECO Northern AmericaAVECO AVECO 93,34 58,41 95,00 5,18 88,88 88,08 87,31 84,00 84,34 100,00 76,52 84,62 60,48 59,88 64,00 88,88 24,95 85,41

Uruguay URY AIBER IBE AIBER AIBER 83,15 49,45 74,10 39,84 81,39 36,35 60,68 42,78 68,68 17,86 22,04 47,63 100,00 100,00 100,00 68,83 73,14 67,38

Uzbekistan UZB CWEIS Central AsiaCWEAS OTHERS 54,09 0,00 58,33 21,26 63,04 41,56 51,16 44,37 56,66 37,43 30,91 50,39 0,00 0,00 0,00 49,59 51,19 55,94

Vietnam VNM EMDAS South-Eastern AsiaESEAS OTHERS 58,86 57,58 51,52 21,26 69,50 43,65 35,60 38,43 49,81 46,41 45,53 54,01 60,87 50,00 71,43 39,94 86,18 54,51

Yemen YEM MENAP Western AsiaNSWUA OTHERS 24,25 27,15 21,77 21,26 34,94 0,00 1,24 8,00 0,00 10,16 0,48 15,06 56,52 50,00 85,71 23,68 31,24 17,31

MÉDIA APÓS AJUSTES 63,55 57,58 59,96 21,26 64,73 41,56 51,16 44,37 56,66 37,42 30,91 50,40 60,46 59,86 64,01 60,78 44,28 54,62

MÉDIA DAS LACUNAS 64,17 57,58 59,96 21,26 64,63 41,56 51,16 44,37 56,66 37,42 30,91 50,40 60,46 59,86 64,01 60,78 44,28 54,62

PAÍS

(132)

CÓ

DIG

O D

O P

AÍS

13

3.3. Estatísticas Descritivas Minitab

Note-se que, em relação ao exercício número 1, foram alterados os valores da

amostra, para a continuidade do processo de análise, com suas 18 variáveis e 132 países.

Todos os dados estão normalizados (0-100) e positivados (quanto maior melhor). Nesse

caso, somente a variável Susceptibility precisou de Positivação. Com estas alterações, será

oferecido um olhar homogêneo para a avaliação da amostra.

Após o exercício número 2, substituímos as médias que foram incluídas nos

“missing values”, pelos indicadores das colunas de ajustes, oferecidas pelas Regressões,

associadas às correlações estabelecidas naquele exercício. Destaque-se que somente Social

Progress e Susceptibility exigiram substituições.

Tabela 3 - Estatísticas Descritivas - Minitab

14

4.Análise De Agrupamentos E Relacionamentos Nesta sessão serão realizadas análises de agrupamentos (clusters), regressões,

análise da variância (ANOVA) e de componentes principais.

Tomando como base os resultados das componentes principais, será criado um

indicador com as variáveis de maior poder de explicação do modelo e uma tabela de

ranking, ordenando os países pela sua performance e um mapa para mostrar graficamente

estes resultados.

4.1. Análise De Agrupamentos E Grupos Existentes

Os 20 países analisados neste exercício são os compostos pelo grupo AIBER.

Tabela 4 – Relação De Países Aiber

Países CLASS 3R

Argentina AIBER

Bolivia AIBER

Brazil AIBER

Chile AIBER

Colombia AIBER

Costa Rica AIBER

Cuba AIBER

Dominican Rep AIBER

Ecuador AIBER

El Salvador AIBER

Guatemala AIBER

Honduras AIBER

Mexico AIBER

Nicaragua AIBER

Panama AIBER

Paraguay AIBER

Peru AIBER

Portugal AIBER

Spain AIBER

Uruguay AIBER

15

Análise de Agrupamentos de Observações: SPI; ECO; ... ; EPI; HPI; GINI

Distância Euclideana, Ligação Completa

Passos de Amalgamação

Passo

Número de

agrupados

Nível de

similaridade

Nível de

distância

Agrupados

reunidos

Novo

agrupado

Número de

obs. no

novo

agrupado

1 19 77,2877 36,179 5 13 5 2

2 18 76,7552 37,027 11 12 11 2

3 17 76,6483 37,197 4 20 4 2

4 16 71,1336 45,982 8 16 8 2

5 15 71,0402 46,131 18 19 18 2

6 14 70,2694 47,358 6 15 6 2

7 13 67,7718 51,337 5 17 5 3

8 12 66,7128 53,024 3 4 3 3

9 11 65,9291 54,272 1 7 1 2

10 10 64,6181 56,360 9 14 9 2

11 9 62,4255 59,853 2 8 2 3

12 8 57,4786 67,733 3 6 3 5

13 7 55,0652 71,577 5 9 5 5

14 6 48,6228 81,839 2 11 2 5

15 5 48,4585 82,101 3 10 3 6

16 4 48,0745 82,713 1 5 1 7

17 3 36,1616 101,689 1 2 1 12

18 2 21,1869 125,543 1 3 1 18

19 1 0,0000 159,291 1 18 1 20

Partição Final

Número de

observações

Dentro da

soma de

quadrados

do

agrupado

Distância

média do

centróide

Distância

máxima do

centróide

Agrupado1 7 11998,4 40,8113 47,2535

Agrupado2 5 7389,1 37,9764 46,1813

Agrupado3 6 9528,7 38,8951 55,3305

Agrupado4 2 1064,0 23,0653 23,0653

Centróides do grupo

16

Variável Agrupado1 Agrupado2 Agrupado3 Agrupado4

Centróide

global

SPI 68,4118 59,9968 77,2873 92,9731 71,4268

ECO 65,9725 66,6178 64,0614 53,2074 64,2840

IDH 65,7643 53,2956 70,4878 85,5913 66,0469

COMB 15,3969 28,8264 26,8588 8,1019 21,4634

SUSC 70,8009 56,4764 75,0649 88,4657 70,2655

GII 35,6099 24,2692 35,6410 61,1538 35,3385

INSTIT 40,3582 21,4241 49,6130 75,1548 41,8808

HUM CAP 40,7255 21,1130 35,6522 68,4348 37,0713

INFRA 58,2102 39,4340 61,0692 80,8491 56,6377

MKT SOP 38,1886 35,1313 28,1086 50,3503 35,6165

KNOW 21,5655 11,5335 21,1129 42,4920 21,0144

CREA OUT 46,4999 42,7169 48,5543 71,6039 48,6809

INT COOP 55,9006 64,3478 92,0290 60,4783 69,3087

EFF SUPP 57,1429 65,0000 89,5833 59,8750 69,1125

REG COOP 63,2653 68,5714 95,2381 64,0000 74,2571

EPI 67,3012 63,6618 72,8039 96,4352 70,9556

HPI 73,5150 46,6321 75,8441 55,1901 65,6605

GINI 54,4860 41,9170 59,6090 82,1173 55,6438

Distâncias Entre Centróides do Grupo

Agrupado1 Agrupado2 Agrupado3 Agrupado4

Agrupado1 0,0000 54,918 62,6239 88,664

Agrupado2 54,9181 0,000 77,8502 129,673

Agrupado3 62,6239 77,850 0,0000 98,596

Agrupado4 88,6638 129,673 98,5959 0,000

17

Atente-se para a presença de Cuba e Nicarágua no grupo 1 e El Salvador no grupo 3.

4.2. Análise Anova Das Principais Variáveis

Considerando-se que fazemos a análise dos países AIBER, será realizada o ANOVA

das principais variáveis, como estudo adicional de comparação.

Assim, na análise completa dos itens e na experiência acumulada pelo autor, foram

selecionadas sete variáveis principais, após a análise discriminante.

Social Progress Index; Global Innovation Index; Human Capital and Research;

Creative Outputs; International Cooperation; EPI Score; IDH.

Após a análise de correlações e estudo em sala de aula, definiu-se que as variáveis

muito próximas, poderiam ter o efeito de colinearidade, conforme descrito no livro dos

professores Las Casas e De Hoyos. É o caso de Human Capital e de Creative Outputs,

componentes da Variável Sintética Global Innovation.

Além disso variáveis posicionadas com o mesmo efeito também poderiam ser

desconsideradas, caso de International Cooperation e EPI, posicionadas ao lado esquerdo

do gráfico. Vejamos o gráfico:

Spain

Portugal

El S

alva

dor

Panam

a

Costa Ric

a

Urugua

y

Chile

Brazil

Honduras

Gua

tem

ala

Para

guay

Dominica

n Rep

Bolivia

Nica

ragua

Ecuad

orPer

u

Mex

ico

Colom

bia

Cuba

Argent

ina

0,00

33,33

66,67

100,00

Observações

Sim

ilari

dad

e

DendrogramaLigação Completa; Distância Euclideana

18

Ficamos então com, para exemplificar os ANOVAs com quatro variáveis,

consideradas ao longo de nossos vários exercícios, como as principais para este estudo:

Social Progress Index, IDH 2014, Global Innovation Index e International

Cooperation.

19

4.2.1. Anova Com As Variáveis X G4

ANOVA com um fator: SPI; IDH; GII; INT COOP x G4 (Grupos do Dendograma)

Método

Hipótese nula Todas as médias são iguais

Hipótese alternativa Nem todas as médias são iguais

Nível de significância α = 0,05

Assumiu-se igualdade de variâncias para a análise

Informações dos Fatores

Fator Níveis Valores

Fator 4 SPI; IDH; GII; INT COOP

Análise de Variância

Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P

Fator 3 17217 5739,0 30,34 0,000

Erro 76 14374 189,1

Total 79 31591

Sumário do Modelo

S R2 R2(aj) R2(pred)

13,7526 54,50% 52,70% 49,58%

Médias

Fator N Média DesvPad IC de 95%

SPI 20 71,43 11,76 (65,30; 77,55)

IDH 20 66,05 12,21 (59,92; 72,17)

GII 20 35,34 11,63 (29,21; 41,46)

INT COOP 20 69,31 18,27 (63,18; 75,43)

DesvPad Combinado = 13,7526

20

Outlier: Espanha, no GII.

4.2.2. ANOVA POR VARIÁVEL x G4

ANOVA com um fator: SPI versus G4 - Método







G4 4 1; 2; 3; 4



G4 3 1851,4 617,14 12,73 0,000

Erro 16 775,7 48,48

Total 19 2627,2

Sumário do Modelo


6,96304 70,47% 64,94% 57,25%

Médias

G4 N Média DesvPad IC de 95%

1 7 68,41 5,67 (62,83; 73,99)

2 5 60,00 5,28 (53,40; 66,60)

3 6 77,29 9,68 (71,26; 83,31)

4 2 92,97 1,73 (82,54; 103,41)


INT COOPGIIIDHSPI

100

90

80

70

60

50

40

30

20

10

Dad

os

Boxplot de SPI; IDH; ...

21

Outliers: Argentina e Nicarágua, no grupo 1.

Note-se a enorme disparidade do Grupo 4 no SPI. Lembremos que o SPI é

consolidado em três dimensões do Progresso Social: Necessidades Humanas Básicas,

Fundações de Bem-estar e Oportunidades.

4321

100

90

80

70

60

50

G4

SP

I

Boxplot de SPI

22

ANOVA com um fator: IDH versus G4

Método







G4 4 1; 2; 3; 4



G4 3 1696 565,28 7,96 0,002

Erro 16 1136 71,02

Total 19 2832

Sumário do Modelo


8,42757 59,88% 52,35% 40,72%

Médias


1 7 65,76 9,25 (59,01; 72,52)

2 5 53,30 6,59 (45,31; 61,29)

3 6 70,49 9,23 (63,19; 77,78)

4 2 85,59 4,91 (72,96; 98,22)


4321

90

80

70

60

50

40

G4

IDH

Boxplot de IDH

23

Outlier: Nicarágua no grupo 1 (Poderia migrar para o grupo 2)

NOVA com um fator: GII versus G4

Método







G4 4 1; 2; 3; 4



G4 3 1946,6 648,86 16,66 0,000

Erro 16 623,0 38,94

Total 19 2569,6

Sumário do Modelo


6,23989 75,76% 71,21% 63,83%

Médias


1 7 35,61 5,72 (30,61; 40,61)

2 5 24,27 4,69 (18,35; 30,18)

3 6 35,64 8,05 (30,24; 41,04)

4 2 61,15 3,81 (51,80; 70,51)


4321

70

60

50

40

30

20

G4

GII

Boxplot de GII

24

Sem Outliers. Já observado no exercício anterior a contraposição entre países mais

desenvolvidos, que tem GII mais em destaque, no caso do grupo 4.

ANOVA com um fator: INT COOP versus G4 - Método







G4 4 1; 2; 3; 4



G4 3 4635 1544,9 14,45 0,000

Erro 16 1711 106,9

Total 19 6345

Sumário do Modelo


10,3398 73,04% 67,99% 61,90%

Médias


1 7 55,90 13,38 (47,62; 64,19)

2 5 64,35 8,91 (54,55; 74,15)

3 6 92,03 7,98 (83,08; 100,98)

4 2 60,48 0,00 (44,98; 75,98)


4321

100

90

80

70

60

50

40

G4

INT

CO

OP

Boxplot de INT COOP

25

Sem outliers. Mas chama a tenção o fato de que International Cooperation estar tão

destacado no grupo 3. Na aula já havíamos discutido, no exercício anterior, que os países

mais desenvolvidos dependem menos de International Cooperation, o que se pode observar

no grupo 4. Ao mesmo tempo em que corrobora a indicação, também observada em aula,

que contrapõe os indicadores GII e IC, em lados opostos do gráfico de médias da

correlação dos países.

5.Geração Dos Componentes Principais. 5.1. Geração Dos Componentes Principais

Já baseado nos demais estudos serão gerados os componentes principais, com número

básico de 4.

Análise de Componentes Principais: SPI; ECO; IDH; ... P; EPI; HPI; GINI

Autoanálise (Autovalores e Autovetores) da Matriz de Correlação

Autovalo

r

9,144

7

3,341

8

1,531

4

1,062

6

0,787

1

0,571

3

0,489

4

0,430

6

0,192

4

0,160

7

Proporçã

o

0,508 0,186 0,085 0,059 0,044 0,032 0,027 0,024 0,011 0,009

Acumula

do

0,508 0,694 0,779 0,838 0,882 0,913 0,940 0,964 0,975 0,984

Autovalor 0,1054 0,0786 0,0489 0,0392 0,0093 0,0049 0,0012 0,0005

Proporção 0,006 0,004 0,003 0,002 0,001 0,000 0,000 0,000

Acumulado 0,990 0,994 0,997 0,999 1,000 1,000 1,000 1,000

Autovetores

Variável CP1 CP2 CP3 CP4

SPI 0,312 0,107 -0,041 0,063

ECO -0,115 -0,081 0,637 -0,029

IDH 0,307 0,048 -0,092 0,176

COMB -0,117 0,217 0,135 -0,427

SUSC 0,297 0,070 -0,116 0,185

GII 0,311 -0,106 0,119 -0,183

INSTIT 0,284 0,061 0,161 -0,237

HUM CAP 0,276 -0,112 -0,069 0,138

INFRA 0,301 0,005 0,227 -0,029

MKT SOP 0,097 -0,268 -0,042 -0,641

KNOW 0,283 -0,139 0,184 -0,129

CREA OUT 0,269 -0,119 0,047 -0,130

INT COOP 0,058 0,513 0,002 -0,199

26

EFF SUPP 0,059 0,497 -0,012 -0,097

REG COOP 0,031 0,516 -0,045 -0,059

EPI 0,285 -0,007 -0,105 -0,030

HPI 0,059 0,133 0,627 0,331

GINI 0,309 0,026 -0,109 0,177

Temos aqui a montagem do Indicador Sintético Final, batizado de TPISI ou

Transformação Produtiva e Inovação Sustentável Index. O Modelo explica 83,8 % dos

eventos de nossa amostra.

TPISI = 0,508 CP1 + 0,186 CP2 + 0,085 CP3 + 0,059 CP4

Verificamos na montagem do gráfico a indicação de 4 Componentes, com valores

acima de 1, que podem, de fato compor o modelo.

18161412108642

9

8

7

6

5

4

3

2

1

0

Número do Componente

Au

tovalo

r

Scree Plot - gráfico de perfil de autovalores de SPI; ...; GINI

27

Pelos gráficos verificamos novamente a concentração das principais variáveis ao lado

direito, com uma dispersão muito grande das variáveis que não contribuem diretamente na

explicação do modelo ou que são componentes de variáveis sintéticas, como é o caso de

Regional Cooperation e Effective Uso of Support, que são parte de International

Cooperation.

5.2. Geração Das Regressões Por Componente

Neste segmento iremos avaliar as Regressões Lineares de cada um dos Componentes

Principais, o que nos levará à montagem do nosso indicador sintético e posteriormente ao

ranqueamento dos países AIBER.

Neste primeiro CP será apresentada a regressão completa feita no Minitab, com os 18

passos montados para cada variável. Para as demais regressões, indicaremos somente o

resumo da regressão, com a apresentação do R2, para a seleção das variáveis que

comporão a montagem do CP.

5.2.1. Regressão CP1

Primeiro iremos efetuar a regressão com todos os componentes e depois, com a

avaliação de quantas variáveis deverão compor o componente, com a avaliação do R2 e de

P, será feita novamente a regressão, com suas novas constantes.

Análise de Regressão: CP1N versus SPI; ECO; IDH; COMB; ... ; HPI; GINI

Seleção Stepwise de Termos

Termos candidatos: SPI; ECO; IDH; COMB; SUSC; GII; INSTIT; HUM CAP; INFRA;

MKT SOP; KNOW;

CREA OUT; INT COOP; EFF SUPP; REG COOP; EPI; HPI; GINI

----Passo 1---- ----Passo 2---- ----Passo 3---- ----Passo 4----

Coef P Coef P Coef P Coef P

0,30,20,10,0-0,1

0,6

0,5

0,4

0,3

0,2

0,1

0,0

-0,1

-0,2

-0,3

Primeiro Componente

Seg

un

do

Co

mp

on

en

te

GINI

HPI

EPI

REG COOPEFF SUPP

INT COOP

CREA OUTKNOW

MKT SOP

INFRA

HUM CAP

INSTIT

GII

SUSC

COMB

IDH

ECO

SPI

Gráfico de Loading (Carga Fatorial) de SPI; ...; GINI

28

Constante -109,8 -84,78 -88,90 -86,44

SPI 2,097 0,000 1,177 0,000 0,795 0,000 0,558 0,001

GII 1,151 0,000 1,0699 0,000 1,0862 0,000

SUSC 0,4875 0,000 0,3377 0,003

IDH 0,370 0,021

COMB

REG COOP

GINI

EPI

INFRA

ECO

S 8,96602 3,97505 2,36024 2,02823

R2 88,87% 97,93% 99,31% 99,53%

R2(aj) 88,25% 97,69% 99,19% 99,40%

R2(pred) 85,84% 97,01% 98,93% 99,19%

-----Passo 5---- -----Passo 6---- -----Passo 7---- -----Passo 8----


Constante -84,50 -84,81 -80,45 -81,11

SPI 0,592 0,000 0,433 0,003 0,307 0,027 0,256 0,043

GII 1,0619 0,000 1,1431 0,000 1,1548 0,000 1,1329 0,000

SUSC 0,3392 0,001 0,3046 0,001 0,2888 0,001 0,2754 0,001

IDH 0,332 0,025 0,423 0,003 0,275 0,053 0,222 0,084

COMB -

0,0541

0,066 -

0,0795

0,007 -

0,0758

0,006 -

0,0826

0,002

REG

COOP

0,0781 0,023 0,0980 0,005 0,1060 0,002

GINI 0,242 0,068 0,279 0,026

EPI 0,0993 0,065

INFRA

ECO

S 1,8524

6

1,5630

7

1,4076

8

1,2503

7

R2 99,63% 99,76% 99,82% 99,87%

R2(aj) 99,50% 99,64% 99,71% 99,77%

R2(pred) 99,28% 99,33% 99,41% 99,53%

29

-----Passo 9----- -----Passo 10---- -----Passo 11-----

Coef P Coef P Coef P

Constante -80,82 -80,56 -75,37

SPI 0,2705 0,011 0,2785 0,006 0,3729 0,000

GII 1,0098 0,000 0,9945 0,000 0,9414 0,000

SUSC 0,3104 0,000 0,3222 0,000 0,2906 0,000

IDH 0,056 0,615

COMB -0,0850 0,000 -0,0852 0,000 -0,08128 0,000

REG COOP 0,0958 0,001 0,0948 0,001 0,0669 0,000

GINI 0,3269 0,004 0,3535 0,000 0,2395 0,000

EPI 0,1357 0,007 0,1430 0,002 0,1601 0,000

INFRA 0,1251 0,018 0,1374 0,003 0,2054 0,000

ECO -0,0711 0,000

S 0,975901 0,942959 0,444614

R2 99,93% 99,92% 99,98%

R2(aj) 99,86% 99,87% 99,97%

R2(pred) 99,58% 99,65% 99,93%

α para entrada = 0,15; α para remoção = 0,15



Regressão 9 12994,6 1443,84 7303,88 0,000

SPI 1 15,6 15,64 79,10 0,000

ECO 1 7,8 7,80 39,48 0,000

COMB 1 24,9 24,92 126,08 0,000

SUSC 1 41,7 41,70 210,95 0,000

GII 1 283,4 283,37 1433,45 0,000

INFRA 1 20,7 20,70 104,73 0,000

REG COOP 1 8,2 8,24 41,71 0,000

EPI 1 17,0 17,05 86,23 0,000

GINI 1 8,5 8,46 42,78 0,000

Erro 10 2,0 0,20

Total 19 12996,5

Sumário do Modelo


30

0,444614 99,98% 99,97% 99,93%

Coeficientes

Termo Coef EP de Coef Valor-T Valor-P VIF

Constante -75,37 1,32 -57,22 0,000

SPI 0,3729 0,0419 8,89 0,000 23,36

ECO -0,0711 0,0113 -6,28 0,000 2,33

COMB -0,08128 0,00724 -11,23 0,000 1,43

SUSC 0,2906 0,0200 14,52 0,000 6,05

GII 0,9414 0,0249 37,86 0,000 8,04

INFRA 0,2054 0,0201 10,23 0,000 8,51

REG COOP 0,0669 0,0104 6,46 0,000 2,74

EPI 0,1601 0,0172 9,29 0,000 4,26

GINI 0,2395 0,0366 6,54 0,000 24,39

Equação de Regressão

CP1

N

= -75,37 + 0,3729 SPI - 0,0711 ECO - 0,08128 COMB + 0,2906 SUSC

+ 0,9414 GII

+ 0,2054 INFRA + 0,0669 REG COOP + 0,1601 EPI + 0,2395 GINI

As duas primeiras variáveis já explicam 97,93% dos eventos do CP1 e apresentam o P

zerado, com alto grau de confiança. Assim, rodaremos novamente a regressão somente

com os componentes SPI e GII.

31

Análise de Regressão: CP1N versus SPI; GII


Termos candidatos: SPI; GII

----Passo 1---- ----Passo 2----

Coef P Coef P

Constante -109,8 -84,78

SPI 2,097 0,000 1,177 0,000

GII 1,151 0,000

S 8,96602 3,97505

R2 88,87% 97,93%

R2(aj) 88,25% 97,69%

R2(pred) 85,84% 97,01%

Cp de Mallows 75,58 3,00




Regressão 2 12727,9 6363,97 402,76 0,000

SPI 1 1259,4 1259,37 79,70 0,000

GII 1 1178,4 1178,39 74,58 0,000

Erro 17 268,6 15,80

Total 19 12996,5

Sumário do Modelo


3,97505 97,93% 97,69% 97,01%

Coeficientes

Termo Coef

EP de

Coef Valor-T Valor-P VIF

Constante -84,78 6,32 -13,42 0,000

SPI 1,177 0,132 8,93 0,000 2,89

GII 1,151 0,133 8,64 0,000 2,89

Equação final de Regressão

CP1N = -84,78 + 1,177 SPI + 1,151 GII

32





MKT SOP; KNOW;


----Passo 1--- ----Passo 2---- ----Passo 3---- ----Passo 4----


Constante -86,2 -90,24 -63,1 -62,69

REG COOP 1,706 0,000 1,108 0,000 0,939 0,000 0,683 0,000

EFF SUPP 0,701 0,003 0,756 0,000 0,932 0,000

MKT SOP -0,517 0,004 -0,512 0,000

COMB 0,2946 0,000

KNOW

SUSC

HPI

ECO

S 10,0361 7,84687 6,21032 4,13885

R2 89,02% 93,66% 96,26% 98,44%

R2(aj) 88,41% 92,91% 95,56% 98,03%

R2(pred) 85,54% 90,74% 94,29% 97,25%

Sumário do Modelo


1,01676 99,93% 99,88% 99,77%


CP2

N

= -68,62 - 0,1013 ECO + 0,2990 COMB + 0,1532 SUSC - 0,3685 MKT SOP -

0,3776 KNOW

+ 0,9100 EFF SUPP + 0,6364 REG COOP + 0,1422 HPI

Ajustados e Diagnósticos para Observações Atípicas

Obs. CP2N Ajuste Resíd Resíd Pad

3 76,565 78,246 -1,681 -2,08 R

R Resíduo grande

33

As duas primeiras variáveis (steps 1 e 2 ), Regional Cooperation e Effective Use of

Support explicam 93,66 % dos eventos, com P zerado, na composição do CP2. Será

montada assim uma nova regressão somente com estas duas variáveis.

Análise de Regressão: CP2N versus REG COOP; EFF SUPP - Seleção Stepwise de

Termos

Termos candidatos: EFF SUPP; REG COOP

----Passo 1--- ----Passo 2----

Coef P Coef P

Constante -86,2 -90,24

REG COOP 1,706 0,000 1,108 0,000

EFF SUPP 0,701 0,003

S 10,0361 7,84687

R2 89,02% 93,66%

R2(aj) 88,41% 92,91%

R2(pred) 85,54% 90,74%





Regressão 2 15463,8 7731,89 125,57 0,000

EFF SUPP 1 766,3 766,27 12,44 0,003

REG COOP 1 1849,3 1849,34 30,03 0,000

Erro 17 1046,7 61,57

Falta de ajuste 8 682,5 85,32 2,11 0,144

Erro puro 9 364,2 40,47 * *

Total 19 16510,5

Sumário do Modelo


7,84687 93,66% 92,91% 90,74%

Coeficientes

Termo Coef

EP de


Constante -90,24 8,46 -10,66 0,000

EFF SUPP 0,701 0,199 3,53 0,003 3,35

REG COOP 1,108 0,202 5,48 0,000 3,35


34

CP2N = -90,24 + 0,701 EFF SUPP + 1,108 REG COOP





MKT SOP; KNOW;


----Passo 1--- ----Passo 2---- ----Passo 3---- ----Passo 4----


Constante -49,0 -79,01 -94,24 -61,2

ECO 1,545 0,000 1,173 0,000 1,329 0,000 1,1688 0,000

HPI 0,821 0,000 0,6996 0,000 0,7393 0,000

INSTIT 0,3137 0,001 0,5073 0,000

SUSC -0,476 0,003

KNOW

COMB

SPI

S 17,0447 7,92704 5,62519 4,29026

R2 62,07% 92,25% 96,33% 98,00%

R2(aj) 59,96% 91,34% 95,64% 97,46%

R2(pred) 53,00% 89,30% 93,99% 95,98%

Sumário do Modelo


0,461652 99,99% 99,97% 99,81%


CP3

N

= -53,69 - 0,1665 SPI + 1,0257 ECO + 0,18623 COMB - 0,2336 SUSC -

0,2568 GII

+ 0,2645 INSTIT + 0,2974 INFRA + 0,5105 KNOW + 0,2651 CREA OUT -

0,0559 REG COOP

- 0,1782 EPI + 0,73184 HPI - 0,2048 GINI

As duas primeiras variáveis, Ecosystem Sustainability e Happy Planet explicam 92,25

% dos eventos, com P zerado, na composição do CP3. Será montada assim uma nova

regressão somente com estas duas variáveis.

35

Análise de Regressão: CP3N versus ECO; HPI - Seleção Stepwise de Termos

Termos candidatos: ECO; HPI

----Passo 1--- ----Passo 2----

Coef P Coef P

Constante -49,0 -79,01

ECO 1,545 0,000 1,173 0,000

HPI 0,821 0,000

S 17,0447 7,92704

R2 62,07% 92,25%

R2(aj) 59,96% 91,34%

R2(pred) 53,00% 89,30%





Regressão 2 12718 6358,83 101,19 0,000

ECO 1 4409 4408,70 70,16 0,000

HPI 1 4161 4161,17 66,22 0,000

Erro 17 1068 62,84

Total 19 13786

Sumário do Modelo


7,92704 92,25% 91,34% 89,30%

Coeficientes

Termo Coef

EP de


Constante -79,01 9,44 -8,37 0,000

ECO 1,173 0,140 8,38 0,000 1,12

HPI 0,821 0,101 8,14 0,000 1,12


CP3N = -79,01 + 1,173 ECO + 0,821 HPI

36





MKT SOP; KNOW;




Constante 87,3 112,6 142,0 122,0

MKT SOP -1,533 0,002 -1,768 0,000 -1,918 0,000 -1,820 0,000

COMB -0,791 0,000 -0,764 0,000 -0,757 0,000

EFF SUPP -0,355 0,037 -0,394 0,011

HPI 0,290 0,025

IDH

GII

HUM CAP

REG COOP

SUSC

GINI

INSTIT

CREA OUT

ECO

S 17,8864 12,1021 10,8416 9,42242

R2 43,69% 75,65% 81,61% 86,98%

R2(aj) 40,56% 72,79% 78,16% 83,51%

R2(pred) 26,24% 63,14% 69,09% 74,60%

----Passo 5---- -----Passo 6---- -----Passo 7---- -----Passo 8----


Constante 107,0 78,65 75,15 77,47

MKT SOP -

1,908

0,000 -1,440 0,000 -

1,3560

0,000 -

1,3716

0,000

COMB -

0,676

0,000 -

0,7103

0,000 -

0,6633

0,000 -

0,5807

0,000

EFF SUPP -

0,467

0,003 -

0,5126

0,000 -

0,4660

0,000 -

0,2736

0,002

HPI 0,253 0,035 0,3502 0,000 0,3695 0,000 0,3819 0,000

IDH 0,361 0,067 1,099 0,000 1,0052 0,000 0,9958 0,000

37

GII -1,121 0,000 -1,400 0,000 -

1,5352

0,000

HUM CAP 0,2993 0,001 0,4381 0,000

REG

COOP

-

0,2344

0,008

S 8,6155

4

3,6914

1

2,4463

0

1,8244

3

R2 89,84% 98,27% 99,30% 99,64%

R2(aj) 86,21% 97,47% 98,89% 99,38%

R2(pred) 76,26% 96,58% 97,86% 98,54%

Sumário do Modelo


0,692103 99,97% 99,91% 99,70%

Coeficientes

Termo Coef EP de Coef Valor-T Valor-P VIF

Constante 83,77 3,40 24,61 0,000

ECO -0,0494 0,0206 -2,40 0,053 3,17

IDH 0,357 0,101 3,53 0,012 60,74

COMB -0,5839 0,0162 -36,03 0,000 2,96

SUSC 0,2849 0,0486 5,86 0,001 14,73

GII -0,979 0,128 -7,65 0,000 87,84

INSTIT -0,1970 0,0433 -4,54 0,004 27,47

HUM CAP 0,2765 0,0396 6,99 0,000 16,15

MKT SOP -1,4049 0,0288 -48,78 0,000 3,29

CREA OUT -0,1772 0,0497 -3,56 0,012 10,85

EFF SUPP -0,2861 0,0287 -9,97 0,000 9,00

REG COOP -0,1904 0,0333 -5,71 0,001 11,72

HPI 0,3921 0,0111 35,27 0,000 1,78

GINI 0,3668 0,0749 4,90 0,003 42,13


CP4

N

= 83,77 - 0,0494 ECO + 0,357 IDH - 0,5839 COMB + 0,2849 SUSC - 0,979 GII -

0,1970 INSTIT

+ 0,2765 HUM CAP - 1,4049 MKT SOP - 0,1772 CREA OUT -

0,2861 EFF SUPP

- 0,1904 REG COOP + 0,3921 HPI + 0,3668 GINI

38

Para ser apresentada uma explicação acima de 90%, é necessário selecionar 6 steps,

chegando-se a 98,27% dos eventos. No entanto, como IDH apresenta P acima de 0,05, fica

excluído da análise. Desta forma, será feita uma nova regressão incluindo-se Market

Sophistication, Combustible Renewable and Waste, Effective Use of Support, Happy

Planet e Global Innovation Index.

Análise de Regressão: CP4N versus COMB; GII; MKT SOP; ... SUPP; HPI


Termos candidatos: COMB; GII; MKT SOP; EFF SUPP; HPI



Constante 87,3 112,6 142,0 122,0

MKT SOP -1,533 0,002 -1,768 0,000 -1,918 0,000 -1,820 0,000

COMB -0,791 0,000 -0,764 0,000 -0,757 0,000

EFF SUPP -0,355 0,037 -0,394 0,011

HPI 0,290 0,025

S 17,8864 12,1021 10,8416 9,42242

R2 43,69% 75,65% 81,61% 86,98%

R2(aj) 40,56% 72,79% 78,16% 83,51%

R2(pred) 26,24% 63,14% 69,09% 74,60%

Cp de Mallows 46,09 12,85 8,28 4,36




Regressão 4 8895,2 2223,79 25,05 0,000

COMB 1 2969,9 2969,86 33,45 0,000

MKT SOP 1 5548,2 5548,24 62,49 0,000

EFF SUPP 1 739,4 739,37 8,33 0,011

HPI 1 548,9 548,90 6,18 0,025

Erro 15 1331,7 88,78

Total 19 10226,9

Sumário do Modelo


9,42242 86,98% 83,51% 74,60%

39


CP4N = 122,0 - 0,757 COMB - 1,820 MKT SOP - 0,394 EFF SUPP + 0,290 HPI

Note-se que o Minitab não incluiu a variável de GII em sua regressão final.

CRIAÇÃO DO INDICADOR SINTÉTICO ÚNICO

Como resumo dos últimos itens temos a montagem do Indicador Sintético Final,

batizado de TPISI ou Transformação Produtiva e Inovação Sustentável Index.

O Modelo explica 83,8 % dos eventos de nossa amostra.

TPSI = 0,508 CP1 + 0,186 CP2 + 0,085 CP3 + 0,059 CP4

A montagem das equações lineares de cada CP, ficaram assim:

CP1N = -84,78 + 1,177 SPI + 1,151 GII


CP3N = -79,01 + 1,173 ECO + 0,821 HPI

CP4N = 122,0 - 0,757 COMB - 1,820 MKT SOP - 0,394 EFF SUPP + 0,290 HPI

A partir daqui será mostrado o quadro com o indicador final TPSI, os CPs e o

ranqueamento dos 20 países do AIBER (incluído Cuba nesta análise).

40

Tabela 5 – Resumo Dos Países E Indicadores Principais

A classificação final e a subdivisão proposta para os países está indicada no quadro

seguinte.

PAÍSES TPISI(N) CP1N CP2N CP3N CP4N TPISI

Spain 100,00 100,00 8,30 49,62 14,76 57,43

Costa Rica 91,15 56,90 72,27 88,09 59,40 53,34

Uruguay 90,31 54,99 100,00 44,91 44,00 52,95

Chile 90,19 66,40 82,26 36,94 12,19 52,89

Portugal 84,17 88,01 11,87 26,32 16,14 50,11

Panama 71,09 45,52 60,38 94,54 28,21 44,06

Brazil 65,72 40,97 76,56 54,52 31,90 41,57

Argentina 57,04 48,57 27,27 22,44 100,00 37,55

Mexico 55,61 46,66 32,30 57,62 38,76 36,89

Colombia 54,34 40,35 37,70 86,71 24,21 36,31

Cuba 42,46 50,04 6,85 25,01 33,67 30,81

El Salvador 37,83 16,71 83,12 25,38 43,42 28,67

Peru 37,05 33,03 38,85 50,58 0,00 28,31

Dominican Rep 32,25 27,92 31,60 46,43 35,18 26,08

Nicaragua 27,82 27,09 0,00 100,00 30,03 24,03

Ecuador 22,52 23,00 2,05 64,40 68,53 21,58

Paraguay 20,13 24,23 39,44 0,00 14,14 20,48

Guatemala 6,03 2,80 35,89 59,31 13,75 13,95

Honduras 1,84 0,00 37,67 52,00 9,93 12,01

Bolivia 0,00 5,22 25,18 20,54 35,25 11,16

41

Tabela 6 – Indicador Sintético Tpisi E Ranqueamento Aiber

Ao final, considera-se que a divisão teve uma boa indicação. As cores foram

expressadas em grupos de cinco países.

Surpreende a inserção de Costa Rica, Uruguai e Chile no primeiro grupo, à frente

de Portugal. Já se esperava que Chile e Costa Rica tivessem destaque. E o Uruguai que

teve um CP2 de 100, o que o elevou no conjunto. Lembremos que o CP2 é responsável por

18,6% na composição do TPISI.

No grupo 2 temos três países que são os mais representativos da Região AIBER,

nas Américas, Brasil, Argentina e México. Panamá está incluído, pois apresenta CP2 e

CP3 altos.

No grupo 3 temos Cuba, El Salvador e Peru, além da República Dominicana e

Nicarágua. Notar que o Peru teve o CP4 zerado, enquanto que a Nicarágua tece CP3

zerado e CP4 com 100.

No grupo 4 tivemos indicadores muito ruins. Dois dos cinco países tiveram zero

nos indicadores. Paraguai no CP4 e Honduras no CP1, de maior peso (50,8%). Guatemala

teve um CP1 de apenas 2,80 e Equador um CP2 de 2,05.

PAÍSES TPISI(N) RANQUEAMENTO

Spain 100,00 1

Costa Rica 91,15 2

Uruguay 90,31 3

Chile 90,19 4

Portugal 84,17 5

Panama 71,09 6

Brazil 65,72 7

Argentina 57,04 8

Mexico 55,61 9

Colombia 54,34 10

Cuba 42,46 11

El Salvador 37,83 12

Peru 37,05 13

Dominican Rep 32,25 14

Nicaragua 27,82 15

Ecuador 22,52 16

Paraguay 20,13 17

Guatemala 6,03 18

Honduras 1,84 19

Bolivia 0,00 20

42

6.Mapa de Ranqueamento dos Países AIBER

Tabela 7 – Classificação Dos Grupos E Localização No Mapa

ALTO MÉDIO REGULAR BAIXO

Spain Panama Cuba Ecuador

Costa Rica Brazil El Salvador Paraguay

Uruguay Argentina Peru Guatemala

Chile Mexico Rep. Domin. Honduras

Portugal Colombia Nicaragua Bolivia

INDICADORES

43

7.Considerações Finais O processo de análise de geral dos países AIBER permitiu analisar mais detidamente as

diferenças entre eles.

Com as técnicas de análise estatísticas ensinadas durante a aula, pudemos entender

como correlacionar melhor os indicadores entre os países.

Afinal, usando a montagem dos Componentes Principais e suas regressões, tivemos

as montagens finais dos mesmos como apresentado abaixo

TPSI = 0,508 CP1 + 0,186 CP2 + 0,085 CP3 + 0,059 CP4

A montagem das equações lineares de cada CP, ficaram assim:

CP1N = -84,78 + 1,177 SPI + 1,151 GII


CP3

N

= -79,01 + 1,173 ECO + 0,821 HPI

CP4

N

= 122,0 - 0,757 COMB - 1,820 MKT SOP - 0,394 EFF SUPP

+ 0,290 HPI

Desta análise fizeram parte 20 países, selecionados entre aqueles cujos dados

estatísticos estavam disponíveis.

O primeiro grupo foi formado por Espanha, Costa Rica, Uruguai e Chile e Portugal.

Surpreendeu que Portugal tivesse ficado em quinto lugar.

No grupo 2 tivemos Panamá, Brasil, Argentina, México e Colômbia. Países com os

quais podemos traçar alguns paralelos.

No grupo 3, temos Cuba, El Salvador e Peru, além da República Dominicana e

Nicarágua. Notar que o Peru teve o CP4 zerado, enquanto que a Nicarágua tece CP3

zerado e CP4 com 100.

No grupo 4 temos Equador, Paraguai, Guatemala, Honduras e Bolívia, com

indicadores muito ruins. Dois dos cinco países tiveram zero nos indicadores. Paraguai no

CP4 e Honduras no CP1, de maior peso (50,8%). Guatemala teve um CP1 de apenas 2,80 e

Equador um CP2 de 2,05.

Cabe salientar que as variáveis mais fortes na análise foram Social Progress Index,

Global Innovation Index e aquelas que montam o International Cooperation neste estudo,

Effective Use of Support e Regional Cooperation.

BOLETIM DE ANÁLISES ESTATÍSTICO BASTA 2018 Vol. 1 · ... onde são apresentadas todas as 18...

Documents

Transcript of BOLETIM DE ANÁLISES ESTATÍSTICO BASTA 2018 Vol. 1 · ... onde são apresentadas todas as 18...