BOLETIM DE ANÁLISES ESTATÍSTICO BASTA 2018 Vol. 1 · ... onde são apresentadas todas as 18...
Transcript of 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.
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
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
G4 4 1; 2; 3; 4
Análise de Variância
Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P
G4 3 1851,4 617,14 12,73 0,000
Erro 16 775,7 48,48
Total 19 2627,2
Sumário do Modelo
S R2 R2(aj) R2(pred)
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)
DesvPad Combinado = 6,96304
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
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
G4 4 1; 2; 3; 4
Análise de Variância
Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P
G4 3 1696 565,28 7,96 0,002
Erro 16 1136 71,02
Total 19 2832
Sumário do Modelo
S R2 R2(aj) R2(pred)
8,42757 59,88% 52,35% 40,72%
Médias
G4 N Média DesvPad IC de 95%
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)
DesvPad Combinado = 8,42757
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
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
G4 4 1; 2; 3; 4
Análise de Variância
Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P
G4 3 1946,6 648,86 16,66 0,000
Erro 16 623,0 38,94
Total 19 2569,6
Sumário do Modelo
S R2 R2(aj) R2(pred)
6,23989 75,76% 71,21% 63,83%
Médias
G4 N Média DesvPad IC de 95%
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)
DesvPad Combinado = 6,23989
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
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
G4 4 1; 2; 3; 4
Análise de Variância
Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P
G4 3 4635 1544,9 14,45 0,000
Erro 16 1711 106,9
Total 19 6345
Sumário do Modelo
S R2 R2(aj) R2(pred)
10,3398 73,04% 67,99% 61,90%
Médias
G4 N Média DesvPad IC de 95%
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)
DesvPad Combinado = 10,3398
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----
Coef P Coef P Coef P Coef P
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
Análise de Variância
Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P
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
S R2 R2(aj) R2(pred)
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
Seleção Stepwise de Termos
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
α para entrada = 0,15; α para remoção = 0,15
Análise de Variância
Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P
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
S R2 R2(aj) R2(pred)
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
5.2.2. Regressão CP2
Análise de Regressão: CP2N 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
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
S R2 R2(aj) R2(pred)
1,01676 99,93% 99,88% 99,77%
Equação de Regressão
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%
Cp de Mallows 13,44 3,00
α para entrada = 0,15; α para remoção = 0,15
Análise de Variância
Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P
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
S R2 R2(aj) R2(pred)
7,84687 93,66% 92,91% 90,74%
Coeficientes
Termo Coef
EP de
Coef Valor-T Valor-P VIF
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
Equação final de Regressão
34
CP2N = -90,24 + 0,701 EFF SUPP + 1,108 REG COOP
5.2.3. Regressão CP3
Análise de Regressão: CP3N 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
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
S R2 R2(aj) R2(pred)
0,461652 99,99% 99,97% 99,81%
Equação de Regressão
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%
Cp de Mallows 67,22 3,00
α para entrada = 0,15; α para remoção = 0,15
Análise de Variância
Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P
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
S R2 R2(aj) R2(pred)
7,92704 92,25% 91,34% 89,30%
Coeficientes
Termo Coef
EP de
Coef Valor-T Valor-P VIF
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
Equação final de Regressão
CP3N = -79,01 + 1,173 ECO + 0,821 HPI
36
5.2.4. Regressão CP4
Análise de Regressão: CP4N 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
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----
Coef P Coef P Coef P Coef P
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
S R2 R2(aj) R2(pred)
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
Equação de Regressão
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
Seleção Stepwise de Termos
Termos candidatos: COMB; GII; MKT SOP; EFF SUPP; HPI
----Passo 1---- ----Passo 2---- ----Passo 3---- ----Passo 4----
Coef P Coef P Coef P Coef P
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
α para entrada = 0,15; α para remoção = 0,15
Análise de Variância
Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P
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
S R2 R2(aj) R2(pred)
9,42242 86,98% 83,51% 74,60%
39
Equação final de Regressão
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
CP2N = -90,24 + 0,701 EFF SUPP + 1,108 REG COOP
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
CP2N = -90,24 + 0,701 EFF SUPP + 1,108 REG COOP
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.