BOLETIM DE ANÁLISES ESTATÍSTICO BASTA 2018 Vol. 1

Transcrição

1 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 ANÁLISE DOS PAÍSES DA REGIÃO IBERO-AMERICANA (AIBER) PROJETO ORIBER GOVERNANÇA E EMPODERAMENTO DO CIDADÃO DISCIPLINA: MÉTODOS QUALITATIVOS E QUANTITATIVOS DA PESQUISA EMPÍRICA PROF. ARNOLDO JOSÉ DE HOYOS GUEVARA Jerônimo Henrique Portes São Paulo SP 2018

2 2 Sumário 1. Introdução Entendendo Os Dados Sobre o Projeto Milênio Observatório RIBER - ORIBER As variáveis do tema Gobernança e Empoderamento do Cidadão Os Indivíduos Países analisados Análises de Regressão Logística e Discriminante Tratamento Dos Dados, Agrupamentos E Relacionamentos Análises de agrupamentos (clusters) Análise de variância - ANOVA Análise de Componentes Principais (PC) Novo índice de performance Criando indicadores a partir dos CP1, CP Ranking de Governança Considerações Finais... 31

3 3 1. Introdução O presente trabalho tem por objetivo efetuar análise de conglomerados, ao agrupar dados de acordo com sua similaridade a partir de pontos definidos pelas médias das variáveis para os indivíduos de cada agrupamento (centróides). E análise de dendrogramas e clusters de dados relacionados ao tema Governança e Empoderamento do Cidadão. Assim, inicia-se com a análise dos agrupamentos e dendrogramas (dendrogram), podteriormente faz-sena categorização e separação por região, análises com a nova amostra e gráficos de dispersão (scatterplot 3D). O software estatístico utilizado é o SPSS. 2. Entendendo Os Dados Os dados desta análise compreende um total de 132 países, categorizados em 3 regiões, representados pelos indicadores sintéticos de maior relevância para permitir análise e conclusões sobre o tema Governança e Empoderamento do Cidadão e auxiliar os envolvidos no Projeto ORIBER Observatório RIBER. 2.1 Sobre o Projeto Milênio Observatório RIBER - ORIBER A Rede Ibero-americana do Projeto Milênio RIBER tem como objetivo: promover o estudo da prospectiva na Iberoamérica através de uma comunidade com competências, conceitos, métodos e práticas prospectivas, que permita analisar e intercambiar informações sobre os diferentes países da região e contribuir na aprendizagem coletiva dos atores regionais para o desenvolvimento de competências em prospectiva, fornecendo referências das melhores práticas existentes na região e no mundo como um todo. Fonte: Guia GPS Gestão Pública Sustentável. 2.2 As variáveis do tema Gobernança e Empoderamento do Cidadão Este tema da pesquisa apresenta 24 (vinte e quatro) variáveis, sendo três categóricas Country, Country Code e Região descritas abaixo no Quadro 1. Estas ainda podem ser divididas em: índices sintéticos e variáveis-componentes ou indicadores: Quadro 1. As variáveis do eixo temático: Governança e Empoderamento do Cidadão Unidade de Variável Significado Medida Country Nome do país Categórica N/A Região Região do país Categórica N/A Country Code Código do país Categórica N/A Social Progress Index O índice de progresso social é um índice que agrega indicadores sociais e ambientais em três dimensões do progresso social: (1) necessidades Percentual básicas humanas, (2) bem-estar, (3) oportunidades. O índice de progresso social de 2017 inclui dados de 128 países em 50 indicadores. Opportunity Oportunidades Percentual Mobile telephone subscriptions Subscrições de um serviço telefónico móvel público utilizando tecnologia celular, incluindo o número de cartões SIM pré-pagos activos durante os últimos três meses, expresso como o número de assinaturas de telefone móvel por 100 habitantes. No modelo SPI, as pontuações são limitadas a 100 telefones celulares por 100 pessoas. Percentual

4 4 Internet users O número estimado de usuários da Internet em relação à população total, usando a Internet de qualquer dispositivo (incluindo telefones celulares) nos últimos 12 meses. Press Freedom Index O grau de liberdade que jornalistas, organizações noticiosas e internautas desfrutam em cada país e os esforços feitos pelas autoridades para respeitar e garantir o respeito por essa liberdade. Corruption O nível percebido de corrupção no setor público com base na opinião de especialistas, medida em uma escala de 0 (altamente corrupto) a 100 (muito limpo). Discrimination and violence against minorities Religious tolerance Community safety net Indicador de queixas do grupo. Discriminação, impotência, violência étnica, violência comunal, violência sectária e violência religiosa, medidas em uma escala de 0 (pressões baixas) a 10 (pressões muito altas). Uma medida de 13 tipos de hostilidade religiosa por parte de indivíduos, organizações ou grupos da sociedade, incluindo conflitos armados ou terrorismo relacionados à religião, violência popular ou sectária, assédio por trajes religiosos ou outras intimações ou abusos relacionados à religião. No modelo SPI, os escores variam de 1 (baixo) a 4 (muito alto). A porcentagem de respondentes respondendo sim à pergunta: "Se você estava com problemas, você tem parentes ou amigos com quem pode contar para ajudá-lo sempre que precisar ou não?" Percentual Percentual Percentual Percentual Percentual Percentual Corruption Perceived Index 2017 CPI IDH Governança O Índice de Percepção da Corrupção (IPC) foi estabelecido em 1995 como um indicador composto usado para medir as percepções de corrupção no setor público em diferentes países ao redor do mundo. O índice de desenvolvimento humano mede o progresso de um país por indicadores de qualidade de vida sendo os principais: (1) renda nacional bruta per capta, (2) saúde com a avaliação da expectativa de vida, e (3) educação com os anos de escolaridade para adultos com idade de 25 anos e crianças. O indicador de governança mede a capacidade de um país de eleger, monitorar e substituir seus governantes eleitos. Mede também nível de estabilidade política, medidas contra corrupção, entre outros. É baseado em mais de 30 fontes de dados que relatam as percepções de governança de um grande número de inquiridos e avaliações especializadas em todo o mundo. Percentual Indicador nominal que varia de 0 a 1 Percentual

5 5 Voice and Accountability Political Stability Government Effectiveness Regulatory Quality Rule of Law Control of Corruption Reflete as percepções de até que ponto os cidadãos de um país podem participar na seleção de seu governo, bem como liberdade de expressão, liberdade de associação e mídia livre. A estabilidade política e a ausência de violência / terrorismo medem a percepção da probabilidade de instabilidade política e / ou violência por motivos políticos, incluindo o terrorismo. Reflete as percepções da qualidade dos serviços públicos, a qualidade do serviço civil e o grau de sua independência das pressões políticas, a qualidade da formulação e implementação de políticas e a credibilidade do compromisso do governo com tais políticas. Reflete as percepções da capacidade do governo de formular e implementar políticas e regulamentos sólidos que permitam e promovam o desenvolvimento do setor privado. Reflete as percepções de até que ponto o poder público é exercido para ganhos privados, incluindo formas pequenas e grandes de corrupção, bem como "captura" do Estado pelas elites e interesses privados. Reflete as percepções da medida em que os agentes confiam e respeitam as regras da sociedade e, em particular, a qualidade da execução de contratos, os direitos de propriedade, a polícia e os tribunais, bem como a probabilidade de crime e violência. Indicador nominal que varia de -2,5 a 2,5 Indicador nominal que varia de -2,5 a 2,5 Indicador nominal que varia de -2,5 a 2,5 Indicador nominal que varia de -2,5 a 2,5 Indicador nominal que varia de -2,5 a 2,5 Indicador nominal que varia de -2,5 a 2,5 Institutions Knowledge and Technology EPI Score Happy Planet Index Criar uma estrutura institucional que atraia negócios e fomente o crescimento, proporcionando boa governança e os níveis corretos de proteção e incentivos é essencial para a inovação. O pilar das Instituições captura a estrutura institucional de um país. Este pilar abrange todas as variáveis que são tradicionalmente consideradas os frutos de invenções e / ou inovações O índice de desempenho ambiental mede como dimensões: (1) proteção da saúde frente a riscos ambientais e (2) proteção dos ecossistemas. O índice do planeta feliz mede o bem-estar sustentável. Nos dizendo o quão bem as nações estão fazendo em alcançar vidas longas, felizes e sustentáveis. GINI Index (Estimated) O índice de Gini mede até que ponto a distribuição de renda (ou, em alguns casos, as despesas de consumo) entre indivíduos ou famílias dentro de uma economia se desvia de uma distribuição perfeitamente igual. Onde um Percentual Percentual Percentual Percentual Indicador nominal que varia de 0 a 1

6 6 índice 0 representa a desigualdade perfeita, enquanto um índice de 1 implica uma perfeita igualdade. Democracy Index 2017 O índice de democracia avalia 165 países em cinco categorias: processo eleitoral e pluralismo; liberdades civis; o funcionamento do governo; participação política; e cultura política. Classificando-os em quatro tipos de regime: "democracia plena"; "democracia defeituosa"; "regime híbrido"; e "regime autoritário". Percentual 2.3 Os Indivíduos Os indivíduos desta análise são países que constam na base de dados do Banco Mundial. Os conceitos que compõem o tema Biodiversidade Capital Natural e Social, foram extraídos do material de aula Programa Países Sustentáveis - Guia GPS Gestão Pública Sustentável, uma publicação do Núcleo de Estudos do Futuros da PUC-SP Pontifícia Universidade Católica. Nesse estudo são apresentadas as informações teóricas de outros indicadores, cuja análise e interpretação estão sob responsabilidade de outros colegas deste curso Países analisados Este trabalho consiste em fazer análises de conglomerados nas regiões em que os 132 países estão inseridos, conforme o Quadro 2. Quadro 2: 132 países por Conglomerados nas Regiões: PAÍS REGIÃO CÓDIGO CLASS - 3R Albania EMDEU ALB Other Algeria MENAP DZA Other Angola SUSAF AGO Other Argentina AIBER ARG AIBER Armenia CWEIS ARM Other Australia AVECO AUS AVECO Austria AVECO AUT AVECO Azerbaijan CWEIS AZE Other Bangladesh EMDAS BGD Other Belarus CWEIS BLR Other Belgium AVECO BEL AVECO Benin SUSAF BEN Other Bolivia AIBER BOL AIBER Bosnia and Herzegovina EMDEU BIH Other Botswana EMDEU BWA Other Brazil AIBER BRA AIBER Bulgaria SUSAF BGR Other Burkina Faso SUSAF BFA Burundi SUSAF BDI Other Cambodia EMDAS KHM Other Cameroon SUSAF CMR Other

7 7 Canada AVECO CAN AVECO Central African Republic SUSAF CAF Other Chad SUSAF TCD Other Chile AIBER CHL AIBER China EMDAS CHN Other Colombia AIBER COL AIBER Congo, Democratic Republic of SUSAF COD Other Congo, Republic of SUSAF COG Other Costa Rica AIBER CRI AIBER Croatia EMDEU HRV Other Cuba CARLA CUB Other Czech Republic AVECO CZE AVECO Denmark AVECO DNK AVECO Djibouti SUSAF DJI Other Dominican Republic AIBER DOM AIBER Ecuador AIBER ECU AIBER Egypt MENAP EGY Other El Salvador AIBER SLV AIBER Estonia AVECO EST AVECO Finland AVECO FIN AVECO France AVECO FRA AVECO Georgia CWEIS GEO Other Germany AVECO DEU AVECO Ghana SUSAF GHA Other Greece AVECO GRC AVECO Guatemala AIBER GTM AIBER Guinea SUSAF GIN Other Guyana CARLA GUY Other Honduras AIBER HND AIBER Hungary EMDEU HUN Other Iceland AVECO ISL AVECO India EMDAS IND Other Indonesia EMDAS IDN Other Iran MENAP IRN Other Ireland AVECO IRL AVECO Israel AVECO ISR AVECO Italy AVECO ITA AVECO Jamaica CARLA JAM Other Japan AVECO JPN AVECO Jordan MENAP JOR Other Kazakhstan CWEIS KAZ Other Kenya SUSAF KEN Other Korea, Republic of AVECO KOR AVECO Kuwait MENAP KWT Other Kyrgyzstan CWEIS KGZ Other Laos EMDAS LAO Other

8 8 Latvia AVECO LVA AVECO Lebanon MENAP LBN Other Lesotho SUSAF LSO Other Liberia SUSAF LBR Other Lithuania EMDEU LTU Other Macedonia EMDEU MKD Other Madagascar SUSAF MDG Other Malawi SUSAF MWI Other Malaysia EMDAS MYS Other Mali SUSAF MLI Other Mauritania MENAP MRT Other Mauritius SUSAF MUS Other Mexico AIBER MEX AIBER Moldova CWEIS MDA Other Mongolia EMDAS MNG Other Montenegro EMDEU MNE Other Morocco MENAP MAR Other Mozambique SUSAF MOZ Other Namibia SUSAF NAM Other Nepal EMDAS NPL Other Netherlands AVECO NLD AVECO New Zealand AVECO NZL AVECO Nicaragua AIBER NIC AIBER Niger SUSAF NER Other Nigeria SUSAF NGA Other Norway AVECO NOR AVECO Pakistan MENAP PAK Other Panama AIBER PAN AIBER Paraguay AIBER PRY AIBER Peru AIBER PER AIBER Philippines EMDAS PHL Other Poland EMDEU POL Other Portugal AIBER PRT AIBER Romania EMDEU ROU Other Russia CWEIS RUS Other Rwanda SUSAF RWA Other Saudi Arabia MENAP SAU Other Senegal SUSAF SEN Other Serbia EMDEU SRB Other Singapore SGP Other Slovakia AVECO SVK AVECO Slovenia AVECO SVN AVECO South Africa SUSAF ZAF Other Spain AIBER ESP AIBER

9 9 Sri Lanka EMDAS LKA Other Sudan SUSAF SDN Other Swaziland SUSAF SWZ Other Sweden AVECO SWE AVECO Switzerland AVECO CHE AVECO Tajikistan CWEIS TJK Other Tanzania SUSAF TZA Other Thailand EMDAS THA Other Togo SUSAF TGO Other Trinidad and Tobago CARLA TTO Other Tunisia MENAP TUN Other Turkey EMDEU TUR Other Uganda SUSAF UGA Other Ukraine CWEIS UKR Other United Arab Emirates MENAP ARE Other United Kingdom AVECO GBR AVECO United States AVECO USA AVECO Uruguay AIBER URY AIBER Uzbekistan CWEIS UZB Other Vietnam VNM Other Yemen MENAP YEM Other

10 10 3. Análises de Regressão Logística e Discriminante 3. 1 Tratamento Dos Dados, 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. 3.2 Análises de agrupamentos (clusters) Nesta sessão será efetuada análises de agrupamentos a fim de evidenciar o grau de relacionamento das variáveis estudadas. Algumas variáveis tiveram seus nomes reduzidos para melhor acomodação nos gráficos e tabelas. Abaixo a análise de clusters, utilizando o método completo (complete), medida de distância pelo sistema Euclidiano, e quantidade de clusters igual a 2 (dois). Análise de Agrupamentos de Observações: SPI; OPP;... I; HPI; GINI; DI 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 , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

11 11 Partição Final Número de observações Dentro da soma de quadrados do agrupado Distância média do centróide Distância máxima do centróide Agrupado ,2 57, ,8795 Agrupado ,5 47, ,4109 Agrupado3 1 0,0 0,0000 0,0000 Centróides do grupo Variável Agrupado1 Agrupado2 Agrupado3 Centróide global SPI 65, ,424 83,148 71,6099 OPP 50, ,232 82,663 58,1718 MTS 42, ,994 65,247 44,8583 IU 44, ,372 64,993 50,3661 PFI 35, ,455 10,073 28,8801 COR 75, ,158 25,000 64,6814 DV 60, ,118 16,471 52,4458 RT 88, , ,000 91,2281 CSN 80, ,657 87,132 82,1792 CPI 22, ,329 73,973 33,6698 IDH 60, ,247 74,097 65,8005 GOV 40, ,699 73,911 48,7037 VA 55, ,982 0,000 56,2623 PS 61, ,479 57,192 64,6693 GE 48, ,385 38,831 52,1587 RQ 47, ,797 9,336 48,8250 RL 43, ,499 24,758 47,5154 CC 31, ,619 11,907 35,1772 INS 31, ,260 60,681 40,7637 KT 15, ,264 22,045 19,9439 EPI 65, ,178 68,832 70,5703 HPI 66, ,381 73,135 66,7856 GINI 49, ,034 67,382 55,7036 DI 2,9834 4,019 4,150 3,2628 Distâncias Entre Centróides do Grupo Agrupado1 Agrupado2 Agrupado3

12 Similaridade 12 Agrupado1 0, , ,532 Agrupado2 113,803 0, ,430 Agrupado3 134, ,430 0,000 Dendrograma Dendrograma Ligação Completa; Distância Euclideana 0,00 33,33 66,67 100,00 Argentina Panama Brazil Colombia Peru Mexico Bolivia Dominican Republic Paraguay Observações Este dendrograma mostra os agrupamentos feitos pelos países por similaridade. Os países na cor azul representam os melhores resultados do agrupamento, seguidos pela cor verde que apresentam um resultado intermediário. Os de cor vermelha apresentam os resultados mais baixos da análise. Pelas linhas cinzas também é possível identificar um certo relacionamento entre os países do grupo azul e do grupo verde. Descritivo dos agrupamentos da região AIBER: Ecuador Guatemala Nicaragua El Salv ador Honduras Chile Portugal Tabela 1: Descritivo dos agrupamentos da região AIBER: GRUPO PAÍSES AIBER 1 Argentina 1 Bolivia 1 Brazil 1 Colombia 1 Dominican Republic 1 Ecuador 1 El Salvador 1 Guatemala 1 Honduras 1 Mexico 1 Nicaragua 1 Panama Costa Rica Spain Uruguay

13 13 1 Paraguay 1 Peru GRUPO PAÍSES AIBER 2 Chile 2 Costa Rica 2 Portugal 2 Spain GRUPO PAÍSES AIBER 3 Uruguay 3.3 Análise de variância - ANOVA Com os agrupamentos definidos e estabelecido cada país como membro de seu respectivo cluster, como próximo passo será executado a ANOVA para entender a variabilidade entre os grupos e auxiliar na classificação para as análises nas sessões posteriores. ANOVA com um fator: SPI; OPP; MTS; IU; PFI; COR; DV;... PI; GINI; DI Método Hipótese nula Hipótese alternativa Todas as médias são iguais 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 24 SPI; OPP; MTS; IU; PFI; COR; DV; RT; CSN; CPI; IDH; GOV; VA; PS; GE; RQ; RL; CC; INS; KT; EPI; HPI; GINI; DI Análise de Variância Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P Fator ,8 27,82 0,000 Erro ,0 Total Sumário do Modelo S R2 R2(aj) R2(pred) 16, ,70% 57,55% 55,09% Médias Fator N Média DesvPad IC de 95% SPI 19 71,61 12,05 (64,34; 78,88) OPP 19 58,17 16,19 (50,90; 65,44)

14 14 MTS 19 44,86 13,11 (37,59; 52,13) IU 19 50,37 17,72 (43,10; 57,64) PFI 19 28,88 14,02 (21,61; 36,15) COR 19 64,68 18,80 (57,41; 71,95) DV 19 52,45 17,99 (45,18; 59,72) RT 19 91,23 18,73 (83,96; 98,50) CSN 19 82,18 7,30 (74,91; 89,45) CPI 19 33,67 19,97 (26,40; 40,94) IDH 19 65,80 12,49 (58,53; 73,07) GOV 19 48,70 15,97 (41,43; 55,97) VA 19 56,26 22,63 (48,99; 63,53) PS 19 64,67 14,69 (57,40; 71,94) GE 19 52,16 15,35 (44,89; 59,43) RQ 19 48,82 21,33 (41,55; 56,10) RL 19 47,52 18,14 (40,24; 54,79) CC 19 35,18 17,55 (27,91; 42,45) INS 19 40,76 19,46 (33,49; 48,03) KT 19 19,94 10,62 (12,67; 27,21) EPI 19 70,57 12,42 (63,30; 77,84) HPI 19 66,79 18,91 (59,51; 74,06) GINI 19 55,70 14,13 (48,43; 62,97) DI 19 3,263 0,596 (-4,008; 10,533) DesvPad Combinado = 16,1244

15 GINI 15 Boxplot de GINI CGG Análise de Componentes Principais (PC) Com os agrupamentos definidos e estabelecido cada país como membro de seu respectivo cluster, como próximo passo será executado a ANOVA para entender a variabilidade entre os grupos e auxiliar na classificação para as análises das sessões posteriores. Análise de Componentes Principais: SPI; OPP; MTS; IU;... HPI; GINI; DI Autoanálise (Autovalores e Autovetores) da Matriz de Correlação Autovalor 12,674 4,495 2,072 1,409 0,921 0,697 0,542 0,340 0,241 0,179 0,159 Proporção 0,528 0,187 0,086 0,059 0,038 0,029 0,023 0,014 0,010 0,007 0,007 Acumulado 0,528 0,715 0,802 0,860 0,899 0,928 0,950 0,965 0,975 0,982 0,989 Autovalor 0,112 0,067 0,037 0,024 0,018 0,009 0,007 0,000 0,000-0,000-0,000 Proporção 0,005 0,003 0,002 0,001 0,001 0,000 0,000 0,000 0,000-0,000-0,000 Acumulado 0,993 0,996 0,998 0,999 0,999 1,000 1,000 1,000 1,000 1,000 1,000 Autovalor -0,000-0,000 Proporção -0,000-0,000 Acumulado 1,000 1,000 Autovetores Variável CP1 CP2 CP3 CP4 CP5 CP6 CP7 CP8 CP9 CP10 SPI 0,270 0,099 0,057 0,020-0,072 0,032 0,061-0,028 0,049 0,057 OPP 0,266 0,117 0,039 0,035 0,048-0,100 0,140 0,082 0,039 0,116 MTS 0,131-0,053-0,237-0,490 0,502 0,155 0,121 0,275 0,065-0,180

16 16 IU 0,221 0,208 0,181 0,153 0,079 0,069 0,353-0,057-0,023 0,075 PFI -0,207-0,020 0,385 0,015 0,005-0,171 0,019 0,475-0,068-0,353 COR -0,255-0,048 0,171 0,030 0,068 0,335 0,028-0,094-0,135-0,207 DV -0,226 0,014 0,208-0,115-0,331 0,283 0,017-0,037 0,584-0,008 RT 0,049-0,098-0,570 0,027-0,340 0,412 0,092-0,027 0,004-0,153 CSN 0,140 0,272 0,217 0,065 0,392 0,146-0,345-0,490 0,043 0,006 CPI 0,256 0,050-0,179-0,027-0,099-0,305 0,016 0,110 0,109 0,197 IDH 0,253 0,114 0,127 0,021-0,076 0,156 0,269-0,013-0,113-0,311 GOV 0,272 0,034-0,091-0,026-0,078-0,161-0,099 0,061 0,139-0,039 VA 0,099-0,373 0,214 0,114 0,183 0,296 0,110 0,093 0,116 0,307 PS 0,133-0,309-0,206 0,154 0,294 0,215-0,359 0,114-0,008-0,075 GE 0,166-0,349 0,131-0,051-0,005-0,125 0,134 0,055-0,330-0,020 RQ 0,093-0,393 0,246-0,140-0,065-0,068-0,063 0,020 0,253-0,114 RL 0,155-0,359 0,106-0,051-0,084-0,059-0,030-0,333-0,174-0,075 CC 0,144-0,382 0,041 0,035-0,146-0,088 0,134-0,256 0,077 0,104 INS 0,239 0,017 0,075-0,171-0,173-0,103-0,519-0,006 0,121-0,330 KT 0,220 0,115 0,134 0,041-0,330 0,218-0,353 0,314-0,317 0,227 EPI 0,239 0,048 0,166 0,190 0,027 0,344-0,032 0,307 0,125 0,170 HPI 0,032 0,100 0,153-0,761-0,116 0,170 0,031-0,097-0,186 0,274 GINI 0,257 0,101 0,066 0,051-0,130 0,161 0,164-0,129-0,156-0,453 DI 0,261 0,070 0,009-0,043 0,085-0,090 0,145 0,019 0,411-0,137 Variável CP11 CP12 CP13 CP14 CP15 CP16 CP17 CP18 CP19 CP20 SPI 0,194 0,022-0,136 0,238-0,165 0,065-0,414 0,526 0,140-0,390 OPP 0,060-0,003-0,061 0,505-0,204 0,003 0,534-0,360 0,054-0,269 MTS 0,240-0,355 0,102 0,006 0,223-0,003 0,033 0,102-0,009 0,024 IU -0,049 0,045 0,006-0,334-0,096 0,218 0,183 0,091-0,289 0,335 PFI -0,260-0,287-0,161-0,100-0,152 0,264-0,111-0,193 0,123-0,190 COR 0,008 0,153 0,146 0,010-0,127 0,032-0,157-0,034 0,200 0,068 DV 0,069-0,025-0,180 0,088 0,223 0,025 0,094 0,035-0,000-0,103 RT -0,210-0,240 0,048-0,113-0,395 0,198 0,117 0,000 0,017-0,099 CSN -0,081-0,299-0,059-0,142-0,117 0,253 0,066 0,007 0,075-0,176 CPI 0,058-0,054-0,146 0,025-0,069 0,355-0,380-0,186 0,098 0,315 IDH 0,230 0,061-0,157-0,163-0,057-0,309-0,236-0,261-0,444-0,241 GOV 0,035 0,078 0,064-0,306-0,074-0,045-0,098-0,142 0,238-0,174 VA 0,224 0,066 0,233-0,134-0,263-0,142-0,103-0,255 0,354 0,041 PS -0,132 0,408-0,494 0,004 0,124 0,110-0,018-0,123-0,131-0,067 GE -0,223 0,181 0,182-0,027 0,017 0,093 0,203 0,390 0,024-0,235

17 17 RQ 0,271 0,002-0,199-0,037-0,304 0,204 0,219 0,238-0,195 0,244 RL -0,197-0,431-0,214 0,269-0,066-0,363-0,144-0,068-0,002 0,264 CC -0,018-0,167 0,160-0,193 0,488 0,275-0,036-0,222-0,080-0,310 INS 0,033 0,143 0,512 0,047-0,111-0,035-0,002-0,090-0,171 0,053 KT 0,175-0,240-0,176-0,261 0,198-0,171 0,224 0,102 0,149 0,055 EPI -0,378-0,095 0,266 0,333 0,145 0,086-0,209 0,044-0,269 0,117 HPI -0,256 0,248-0,120-0,020-0,081 0,111-0,079-0,169-0,003-0,019 GINI 0,124 0,174-0,037 0,205 0,315 0,242 0,070-0,055 0,428 0,272 DI -0,482 0,093-0,101-0,226 0,040-0,389 0,091 0,135 0,272 0,057 Variável CP21 CP22 CP23 CP24 SPI -0,139 0,092 0,317 0,068 OPP -0,041 0,100 0,092-0,212 MTS 0,040-0,042 0,093-0,113 IU -0,031-0,184 0,504-0,088 PFI -0,009-0,016 0,151 0,142 COR -0,116 0,279 0,058-0,698 DV 0,355-0,290 0,098-0,154 RT 0,034 0,037-0,006 0,079 CSN 0,170-0,008-0,224 0,027 CPI 0,423 0,162-0,108-0,265 IDH 0,190 0,077-0,258-0,003 GOV -0,379-0,598-0,154-0,308 VA 0,177-0,035 0,069 0,295 PS 0,022-0,047 0,211-0,016 GE 0,461-0,190-0,182-0,172 RQ -0,292 0,157-0,327 0,006 RL -0,008-0,227 0,198-0,099 CC -0,209 0,287 0,126-0,033 INS 0,149 0,086 0,317 0,065 KT 0,015 0,179 0,027-0,114 EPI -0,191-0,077-0,284-0,022 HPI -0,116 0,010-0,002 0,118 GINI -0,042-0,083-0,115 0,259 DI 0,011 0,376-0,025-0,002 Scree Plot - gráfico de perfil de autovalores de SPI;...; DI Gráfico de Loading (Carga Fatorial) de SPI;...; DI

18 Segundo Componente Autovalor 18 Scree Plot - gráfico de perfil de autovalores de SPI;...; DI Número do Componente Na análise, vemos que as componentes PC1 e PC2 já explicam 88,4% da variabilidade dos dados (Progresso Social e Torelancia e Inclusão). O que é percebido visualmente pelo gráfico acima. Gráfico de Loading (Carga Fatorial) de SPI;...; DI 0,3 CSN 0,2 IU 0,1 0,0 COR DV PFI HPI MTS KT IDH OPP GINI SPI DI EPICPI GOV INS -0,1 RT -0,2-0,3-0,4 VA RQ PS CC RL GE -0,3-0,2-0,1 0,0 0,1 Primeiro Componente 0,2 0,3 Observa-se uma proximidade das variáveis de susceptibilidade, adaptação e vulnerabilidade com o IDH. Também verifica-se um descolamento da exposição, cyber risco e risco de desastres mundiais em relação ao modelo. É interessante também notar a

19 19 questão da governança que se desloca para o polo negativo aproximando-se mais da variável democracia. 3.5 Novo índice de performance A nova PC1 criada na sessão anterior será utilizada para a criação de um novo índice de performance. Para tanto, iniciamos executando a análise de variância ANOVA tomando como base a PC1 e a coluna Recodificado. ANOVA com um fator: CP1_N versus CGG Método Hipótese nula Hipótese alternativa Todas as médias são iguais 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 CGG 3 1; 2; 3 Análise de Variância Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P CGG ,6 26,26 0,000 Erro ,5 Total Sumário do Modelo S R2 R2(aj) R2(pred) 15, ,65% 73,73% * Médias CGG N Média DesvPad IC de 95% ,41 16,92 (17,48; 35,34) ,89 9,23 (72,18; 105,60) ,28 * (37,86; 104,70) DesvPad Combinado = 15,7643 Boxplot de CP1_N

20 CP1_N 20 Boxplot de CP1_N CGG 3 Os resultados acima, mostram pelo gráfico, que se manteve a mesma disposição da análise anterior, porém havendo o aumento do coeficiente de determinação (r-quadrado) para 76,65%. Para determinar o peso da contribuição das variáveis na PC1, será executada regressão stepwise utilizando como variável de interesse (response) a PC1 e como variáveis independentes (predictors), todas as outras variáveis desse estudo. Análise de Regressão: CP1_N versus SPI; OPP; MTS; IU;... HPI; GINI; DI Seleção Stepwise de Termos Termos candidatos: SPI; OPP; MTS; IU; PFI; COR; DV; RT; CSN; CPI; IDH; GOV; VA; PS; GE; RQ; RL; CC; INS; KT; EPI; HPI; GINI; DI ----Passo Passo Passo Passo Coef P Coef P Coef P Coef P Constante -48,89-77,44-81,57-79,57 GOV 1,865 0,000 1,463 0,000 1,360 0,000 0,939 0,000 EPI 0,682 0,001 0,662 0,000 0,405 0,004 RL 0,2218 0,004 0,2866 0,000 OPP 0,577 0,003 PFI IDH MTS RT

21 21 DV S 7, , , ,27768 R2 93,69% 96,93% 98,28% 99,12% R2(aj) 93,32% 96,54% 97,94% 98,86% R2(pred) 91,77% 95,59% 97,32% 98,41% -----Passo Passo Passo Passo Coef P Coef P Coef P Coef P Constante -70,13-75,49-81,71-71,49 GOV 0,762 0,000 0,773 0,000 0,7674 0,000 0,8060 0,000 EPI 0,437 0,001 0,3703 0,001 0,4006 0,000 0,4284 0,000 RL 0,2963 0,000 0,2904 0,000 0,2803 0,000 0,2766 0,000 OPP 0,608 0,001 0,405 0,009 0,371 0,004 0,257 0,036 PFI -0,1845 0,031-0,1898 0,009-0,1535 0,010-0,2394 0,003 IDH 0,331 0,014 0,3423 0,003 0,3629 0,001 MTS 0,1114 0,013 0,1143 0,006 RT -0,0683 0,066 DV S 2, , , ,54882 R2 99,39% 99,64% 99,80% 99,86% R2(aj) 99,16% 99,46% 99,67% 99,75% R2(pred) 98,79% 99,08% 99,45% 99,41% -----Passo Coef P Constante -65,39 GOV 0,7903 0,000 EPI 0,4403 0,000 RL 0,2646 0,000 OPP 0,1717 0,091 PFI -0,2202 0,001 IDH 0,4205 0,000 MTS 0,1006 0,005 RT -0,0690 0,028 DV -0,0825 0,030 S 1,23845

22 22 R2 99,92% R2(aj) 99,84% R2(pred) 99,68% α para entrada = 0,15; α para remoção = 0,15 Análise de Variância Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P Regressão ,7 1890, ,69 0,000 OPP 1 5,5 5,49 3,58 0,091 MTS 1 21,3 21,32 13,90 0,005 PFI 1 31,5 31,54 20,56 0,001 DV 1 10,2 10,18 6,64 0,030 RT 1 10,4 10,42 6,79 0,028 IDH 1 59,7 59,68 38,91 0,000 GOV 1 235,6 235,59 153,60 0,000 RL 1 264,1 264,10 172,19 0,000 EPI 1 124,6 124,55 81,21 0,000 Erro 9 13,8 1,53 Total ,5 Sumário do Modelo S R2 R2(aj) R2(pred) 1, ,92% 99,84% 99,68% Coeficientes Termo Coef EP de Coef Valor-T Valor-P VIF Constante -65,39 5,54-11,80 0,000 OPP 0,1717 0,0907 1,89 0,091 25,32 MTS 0,1006 0,0270 3,73 0,005 1,47 PFI -0,2202 0,0486-4,53 0,001 5,44 DV -0,0825 0,0320-2,58 0,030 3,89 RT -0,0690 0,0265-2,61 0,028 2,89 IDH 0,4205 0,0674 6,24 0,000 8,32 GOV 0,7903 0, ,39 0,000 12,16 RL 0,2646 0, ,12 0,000 1,57 EPI 0,4403 0,0489 9,01 0,000 4,32 Equação de Regressão CP1_N = -65,39 + 0,1717 OPP + 0,1006 MTS - 0,2202 PFI - 0,0825 DV - 0,0690 RT + 0,4205 IDH + 0,7903 GOV + 0,2646 RL + 0,4403 EPI Ajustados e Diagnósticos para Observações Atípicas Obs. CP1_N Ajuste Resíd Resíd Pad

23 ,061 45,443-2,383-2,58 R R Resíduo grande Com os resultados desta regressão, nota-se, analisando o coeficiente de determinação (r-quadrado), que a variável GOV já explica 93,69%, somada à EPI explica 96,93%, somada à RL, 98,28% e somada à OPP 99,12%. Análise de Regressão: CP1_N versus GOV; EPI; RL; OPP Seleção Stepwise de Termos Termos candidatos: OPP; GOV; RL; EPI ----Passo Passo Passo Passo Coef P Coef P Coef P Coef P Constante -48,89-77,44-81,57-79,57 GOV 1,865 0,000 1,463 0,000 1,360 0,000 0,939 0,000 EPI 0,682 0,001 0,662 0,000 0,405 0,004 RL 0,2218 0,004 0,2866 0,000 OPP 0,577 0,003 S 7, , , ,27768 R2 93,69% 96,93% 98,28% 99,12% R2(aj) 93,32% 96,54% 97,94% 98,86% R2(pred) 91,77% 95,59% 97,32% 98,41% Cp de Mallows 84,98 35,71 16,25 5,00 α para entrada = 0,15; α para remoção = 0,15 Análise de Variância Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P Regressão ,1 4219,77 392,79 0,000 OPP 1 142,4 142,35 13,25 0,003 GOV 1 488,2 488,20 45,44 0,000 RL 1 338,2 338,23 31,48 0,000 EPI 1 125,8 125,81 11,71 0,004 Erro ,4 10,74 Total ,5 Sumário do Modelo S R2 R2(aj) R2(pred) 3, ,12% 98,86% 98,41% Coeficientes Termo Coef EP de Coef Valor-T Valor-P VIF Constante -79,57 4,81-16,55 0,000

24 24 OPP 0,577 0,158 3,64 0,003 11,03 GOV 0,939 0,139 6,74 0,000 8,28 RL 0,2866 0,0511 5,61 0,000 1,44 EPI 0,405 0,118 3,42 0,004 3,63 Equação de Regressão CP1_N = -79,57 + 0,577 OPP + 0,939 GOV + 0,2866 RL + 0,405 EPI Ajustados e Diagnósticos para Observações Atípicas Obs. CP1_N Ajuste Resíd Resíd Pad 1 54,56 48,39 6,17 2,14 R R Resíduo grande Que gera a seguinte equação de regressão: CP1_N = -79,57 + 0,577 OPP + 0,939 GOV + 0,2866 RL + 0,405 EPI Para determinar o peso da contribuição das variáveis na PC2, será executada regressão stepwise utilizando como variável de interesse (response) a PC2 e como variáveis independentes (predictors), todas as outras variáveis desse estudo. Análise de Regressão: CP2 versus SPI; OPP; MTS; IU; PFI;... PI; GINI; DI Seleção Stepwise de Termos Termos candidatos: SPI; OPP; MTS; IU; PFI; COR; DV; RT; CSN; CPI; IDH; GOV; VA; PS; GE; RQ; RL; CC; INS; KT; EPI; HPI; GINI; DI -----Passo Passo Passo Passo Coef P Coef P Coef P Coef P Constante 4,041-5,98-4,46-1,91 RQ -0,0828 0,000-0,0733 0,000-0, ,000-0, ,000 CSN 0,1164 0,001 0,1241 0,000 0,0855 0,001 PS -0,0474 0,002-0, ,000 GOV 0, ,002 CC SPI DV RT

25 25 GINI CPI RL S 1, , , , R2 69,33% 84,47% 91,90% 95,98% R2(aj) 67,53% 82,53% 90,28% 94,83% R2(pred) 60,91% 78,01% 86,81% 92,82% Passo Passo Passo Coef P Coef P Coef P Constante -0,911-1,387-2,985 RQ -0, ,000-0, ,000-0, ,000 CSN 0,0604 0,000 0,0441 0,001 0, ,000 PS -0, ,000-0, ,000-0, ,000 GOV 0, ,000 0,0275 0,019 0, ,001 CC -0, ,000-0, ,000-0, ,000 SPI 0,0397 0,018 0,0362 0,010 DV 0, ,017 RT GINI CPI RL S 0, , , R2 99,00% 99,39% 99,64% R2(aj) 98,62% 99,08% 99,42% R2(pred) 97,81% 98,60% 98,81% Passo Passo Passo Coef P Coef P Coef P Constante -2,218-1,666-1,282 RQ -0, ,000-0, ,000-0, ,000 CSN 0, ,003 0, ,002 0, ,001 PS -0, ,000-0, ,000-0, ,000 GOV 0, ,000 0, ,000 0, ,000 CC -0, ,000-0, ,000-0, ,000 SPI 0,0383 0,003 0,0205 0,171 DV 0, ,003 0, ,002 0, ,002

26 26 RT -0, ,054-0, ,025-0, ,023 GINI 0, ,118 0, ,002 CPI RL S 0, , , R2 99,76% 99,82% 99,77% R2(aj) 99,57% 99,64% 99,59% R2(pred) 99,04% 99,20% 99,29% Passo Passo Coef P Coef P Constante -2,043-2,245 RQ -0, ,000-0, ,000 CSN 0, ,000 0, ,000 PS -0, ,000-0, ,000 GOV 0, ,055 0, ,077 CC -0, ,000-0, ,000 SPI DV 0, ,000 0, ,000 RT -0, ,002-0, ,011 GINI 0, ,000 0, ,000 CPI 0, ,003 0, ,002 RL -0, ,146 S 0, , R2 99,92% 99,94% R2(aj) 99,84% 99,86% R2(pred) 99,69% 99,55% α para entrada = 0,15; α para remoção = 0,15 Análise de Variância Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P Regressão 10 80,8634 8, ,25 0,000 DV 1 0,2624 0, ,10 0,000 RT 1 0,0667 0, ,96 0,011 CSN 1 0,4411 0, ,46 0,000 CPI 1 0,1194 0, ,61 0,002 GOV 1 0,0250 0, ,11 0,077

27 27 PS 1 0,5107 0, ,89 0,000 RQ 1 0,5288 0, ,85 0,000 RL 1 0,0158 0, ,59 0,146 CC 1 0,7651 0, ,68 0,000 GINI 1 0,4125 0, ,75 0,000 Erro 8 0,0487 0,00609 Total 18 80,9121 Sumário do Modelo S R2 R2(aj) R2(pred) 0, ,94% 99,86% 99,55% Coeficientes Termo Coef EP de Coef Valor-T Valor-P VIF Constante -2,245 0,495-4,53 0,002 DV 0, , ,57 0,000 9,58 RT -0, , ,31 0,011 5,88 CSN 0, , ,51 0,000 5,98 CPI 0, , ,43 0,002 38,65 GOV 0, , ,03 0,077 57,82 PS -0, , ,16 0,000 6,54 RQ -0, , ,32 0,000 21,74 RL -0, , ,61 0,146 19,30 CC -0, , ,21 0,000 15,24 GINI 0, , ,23 0,000 6,52 Equação de Regressão CP 2 = -2, ,02078 DV - 0,00788 RT + 0,05246 CSN + 0,02536 CPI + 0,01776 GOV - 0,02932 PS - 0,03747 RQ - 0,00718 RL - 0,04587 CC + 0,02736 GINI Com os resultados desta regressão, nota-se, analisando o coeficiente de determinação (r-quadrado), que a variável RQ explica 69,33%, somada à CSN explica 84,47 somada à PS 91,9. Ao executar a análise de regressão do PC2 e com as três variáveis de maior peso, descritas acima, temos: Análise de Regressão: CP2 versus RQ; CSN; PS Seleção Stepwise de Termos Termos candidatos: CSN; PS; RQ -----Passo Passo Passo Coef P Coef P Coef P

28 28 Constante 4,041-5,98-4,46 RQ -0,0828 0,000-0,0733 0,000-0, ,000 CSN 0,1164 0,001 0,1241 0,000 PS -0,0474 0,002 S 1, , , R2 69,33% 84,47% 91,90% R2(aj) 67,53% 82,53% 90,28% R2(pred) 60,91% 78,01% 86,81% Cp de Mallows 41,79 15,76 4,00 α para entrada = 0,15; α para remoção = 0,15 Análise de Variância Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P Regressão 3 74,357 24, ,72 0,000 CSN 1 13,806 13, ,59 0,000 PS 1 6,011 6, ,76 0,002 RQ 1 15,911 15, ,41 0,000 Erro 15 6,555 0,4370 Total 18 80,912 Sumário do Modelo S R2 R2(aj) R2(pred) 0, ,90% 90,28% 86,81% Coeficientes Termo Coef EP de Coef Valor-T Valor-P VIF Constante -4,46 1,98-2,26 0,039 CSN 0,1241 0,0221 5,62 0,000 1,07 PS -0,0474 0,0128-3,71 0,002 1,45 RQ -0, , ,03 0,000 1,54 Equação de Regressão CP2 = -4,46 + 0,1241 CSN - 0,0474 PS - 0,05462 RQ Que gera a seguinte equação de regressão: CP2 = -4,46 + 0,1241 CSN - 0,0474 PS - 0,05462 RQ

29 Criando indicadores a partir dos CP1, CP2 Aproveitando os resultados da sessão anterior, relacionou-se cada componente principal (CP), com as variáveis de estudo afim de obter a mais alta correlação com as variáveis de resposta. Abaixo, listamos as 2 (duas) variáveis que apresentaram esta correlação prara criação de um indicador sintético de resiliência para os países da região AIBER. No caso de CP1 CP1 = OPP + GOV + RL + EPI CP1_N = -79,57 + 0,577 OPP + 0,939 GOV + 0,2866 RL + 0,405 EPI No caso de CP2 CP2 = CSN + OS + RQ CP2 = -4,46 + 0,1241 CSN - 0,0474 PS - 0,05462 RQ Pensando em um indicador que sintetize CP1, CP2 Governança AIBER = (0,528*'CP1_N') + (0,187*'CP2_N') 3.7 Ranking de Governança Através da formula sintética (que engloba as variáveis CP1, CP2) foi possível calcular um Ranking de Resiliência para os países da região AIBER, conforme abaixo: Tabela 2: Ranking de Resiliência. CLASSIFICAÇÃO PAÍS GOVS 1 Spain 100,00 2 Portugal 94,62 3 Uruguay 89,06 4 Chile 82,40 5 Costa Rica 77,65 6 Argentina 58,38 7 Panama 53,28 8 Brazil 48,38 9 Colombia 38,78 10 Mexico 36,07 11 Dominican Republic 35,37 12 Peru 31,88 13 Paraguay 25,80 14 Ecuador 24,17 15 El Salvador 17,43 16 Bolivia 14,06 17 Nicaragua 9,79 18 Guatemala 6,01 19 Honduras 0,00

30 GVS_N 30 Boxplot de GVS_N CGG 3 Observa-se que de forma geral a disposição dos países se manteve como os agrupamentos haviam ilustrado: cluster 2 com médias mais elevadas, cluster 1 em posição mito próximas ao 2 e cluster 3 com médias mais baixas.

31 4. Considerações Finais Este trabalho teve por objetivo realizar análises dos países da região Ibero- Americana (AIBER). Para tanto foram efetuadas análises de correspondência, análises de variância (ANOVA), regressões, agrupamentos (clusters) e componentes principais. Como resultado deste trabalho foi criado o indicador, que reflete um índice de Resiliência para essa região. Da listagem dos países ordenados, foi gerado um ranking de performance e um mapa contendo os países da região AIBER, o qual foi colorido refletindo com seus tons, o posicionamento em relação aos resultados de cada país. Como já esperado, os países Espanha e Portugal ficaram no topo da lista com os melhores resultados, e seguidos pelo Chile que junto à Costa Rica compõe o grupo 2 descrito acima neste mesmo estudo, vale ressaltar que o Uruguai mesmo não tendo composto o grupo 2, manteve resultados superiores à Costa Rica. O Brasil ocupa a sétima posição no ranqueamento gerado. E na parte inferior da lista, com as performances mais baixas, foram destaque, Bolívia, Nicaragua e Guatemala. Em relação ao tema Governança e Empoderamento do Cidadão, que é o objetivo central desta análise, percebe-se nos trabalhos das últimas entregas, que as variáveis de maior destaque/significância deste estudo apresentaram vieses voltados para as questões relativas à democracia, felicidade das pessoas e transparência, apresentando assim, convergência com a literatura disponível sobre o tema. Observa-se, também, que os países da região AVECO (economias avançadas) ocupam as primeiras colocações no Ranking de 31

32 Governança e que de forma geral apresentam uma melhor distribuição de renda, níveis de qualidade de vida, acesso a educação, e infra-estrutura, bem como melhores estruturas de controles e tranasparência, apesar de ser algo questionável, pois há informações na literatura que alertam para questões relativas à riscos que ferem a Governaça, à nível de exemplificação, vale ressaltar questões culturais, o fato de países considerados como jurisdições sigolosas pertencerem à países deste grupo, bem como a questão da tipificação criminal, ou seja, o que se considera como crime e que certamente afetaria os índices que compõe o estudo em um país é crime e em outro uma atividade profissional legalizada. Cita-se como exemplo a atividade lobista, que nos EUA é legalizada, diferentemente de outros outros países, como o próprio Brasil. Já em relação a este estudo em particular foi possível observar a Bolívia com terceiro pior índice, o que talvez possa ser explicado pelo grande movimento de tráfico de drogas que permeia o país. 32