PROJETO ORIBER TEMA: MORADIA

Transcrição

1 PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO FEA Faculdade de Economia e Administração Programa de Estudos Pós-Graduados em Administração PROJETO ORIBER TEMA: MORADIA ANALISE DISCRIMINANTE Disciplina: METODOS QUANTITATIVOS E QUALITATIVOS DA PESQUISA EMPIRICA Prof. Dr. Arnoldo José de Hoyos Guevara Monitor Prof. Luciano Ferreira Mestrando: Rafael Rodrigues Cardoso

2 1. INTRODUÇÃO O trabalho a seguir corresponde a uma análise multivariada dos dados compilados pelo Banco Mundial, com a utilização do software MINITAB. A finalidade é apresentar uma análise das correlações dos componentes principais de dados dimensionadores de MORADIA dos países analisados. A princípio, faz se necessário uma análise de estatística descritiva, prosseguindo se a continuação, às correlações, dendogramas, regressões com o uso do método stepwise. 2. ENTENDENDO OS DADOS Este tema da pesquisa apresenta treze variáveis, sendo todas elas quantitativas. Elas ainda podem ser divididas em: índices sintéticos e variáveis componentes ou indicadores, a saber: Índices sintéticos: São sete: Índice de Progresso Social, Shelter, Índice de Desenvolvimento Humano IDH, publicado pelo PNUD/ONU, Índice de Governança, EPI (Environmental Protection Index), o Happy Planet Index (HPI), e o Índice de Gini para os países selecionados. Indicadores ou variáveis componentes: Inclui seis variáveis como: Access to piped water (% of pop.)(água encanada), Access to improved sanitation facilities (% of pop.)(acesso a tratamento sanitário melhorado), Availability of affordable housing (% satisfied)(disponibilidade e acessibilidade do imóvel), Access to electricity (% of pop.)(eletricidade), Quality of electricity supply (1=low;7=high)(qualidade fornecimento eletricidade) e Private Property Rights (=none; 1=full)(direitos de propriedade privada), conforme apresentado no Quadro 1 que classifica o tipo de variável e a unidade de medida. Quadro 1. As 13 Variáveis do Eixo temático: Moradia Variável Significado Tipo Unidade de Medida SOCIAL O índice identifica os pontos fortes e fracos dos Variável Indicador PROGRESS INDEX países a partir de um conjunto de informações e Quantitativa nominal análises conduzidas para cada um deles. SHELTER (Abrigo) Este índice indica se as pessoas possuem abrigos (lar) com suas necessidades básicas atendidas? Acesso a Água e saneamento Básico Acesso a tratamento sanitário Melhorado Porcentagem da população que tem uma ou mais torneiras de água encanada tratada. Inclui a população com melhores condições de saneamento, canalização de esgoto, fossas sépticas, latrinas com laje ou melhoradas para as condições sanitárias adequadas Variável Quantitativa Variável Quantitativa Variável Quantitativa de a 1 Indicador nominal de a 1 Percentual Percentual Variável Significado Tipo Unidade Fonte Fonte IPS IPS/UN Habitat WHO UNICEF WHO UNICEF

3 Disponibilidade e Acessibilidade do Imóvel Acesso a Eletricidade Percentual da população que responderam em pesquisa se em sua cidade ou região em que vive, está satisfeito com a disponibilidade e acessibilidade do imóvel Percentual de pessoas com acesso a energia elétrica. Variável Quantitativa Variável Quantitativa de Medida Percentual Percentual Galoop World Poll UN Sustain Able energy for All Project Qualidade no fornecimento de energia elétrica Média das respostas para a pergunta: Em seu país, como você avalia a confiança no fornecimento de energia?. Usando Escala onde 1 não é confiável e 7 extremamente confiável para mostrar a qualidade do fornecimento de energia elétrica. Variável Quantitativa Indicador nominal que varia de 1 a 7 World Economc Forum Global Competiti veness Report Direitos de Propriedade Privada IDH Índice de Desenvolvimento Humano Governança EPI Indice de desempenho ambiental HPI Bem estar sustentável do país GINNI index O grau com que um país protege com leis os Direitos com Propriedade Privada. Medido em escala onde corresponde a nenhuma proteção pelo estado ao direito de propriedade privada e elevado grau de corrupção e 1 corresponde ao total suporte do Governo e nenhum grau de corrupção. O Índice de Desenvolvimento Humano (IDH) mede o progresso de uma nação a partir de três dimensões: renda, saúde e educação. Indica como os governos são indicados. Como a autoridade do país é exercida e como as políticas são implementadas e qual a capacidade de formulá las. Classifica o desempenho dos países em questões ambientais principais: proteção à saúde humana e proteção do ecossistema ambiental Medida de bem estar sustentável país oferece uma vida feliz sustentável a longo prazo para as pessoas que vivem nelas. Mede a distribuição de renda e de despesas das famílias Variável Quantitativa Variável Quantitativa Variável Quantitativa Variável Quantitativa Variável Quantitativa Indicador nominal que varia de a 1 Indicador nominal que varia de a 1 Percentual Percentual Percentual Variável Quantitativa Fonte: Elaboração própria; IPS, Unicef, GWP, WEF, Heritage Foundation, PNUD, WGI, EPI, Banco Mundial Percentual Heritage Foundation PNUD WGI 214 EPI 214 HPI 214 Banco Mundial Tabela 1: Novas Variáveis (PC1 PC2 PC3 PC4)

4 PAÍS ABREVIAÇÃO REGIÃO PC1 PC2 PC3 PC4 Albania ALB Southern Europe 1, ,394437, ,67785 Algeria DZA Northern Africa,9462 1, ,1941,882 Angola AGO Middle Africa 4,32551,2163,66856,17345 Argentina ARG IBE, ,161458,42735,76699 Armenia ARM Western Asia 1,271, ,82442,34177 Australia AUS Australia and New Zealand 3, ,5775,35543,27152 Austria AUT Western Europe 4, ,11618,5212, Azerbaijan AZE Western Asia,281152,759274, , Bangladesh BGD Southern Asia 2, , , ,5138 Belarus BLR Eastern Europe,953314, ,14974, Belgium BEL Western Europe 3, ,37454,17482,18658 Benin BEN Western Africa 4, ,29221,47432,7265 Bolivia BOL IBE 1, ,13811,159645,676 Bosnia and Herzegovina BIH Southern Europe,882339, ,171, Botswana BWA Southern Africa,9714 1, , ,42645 Brazil BRA IBE, ,292452, ,7547 Bulgaria BGR Eastern Europe 1,199837,6329,51877, Burkina Faso BFA Western Africa 4, ,55584,8611,77765 Burundi BDI Eastern Africa 5, ,6357,95298, Cambodia KHM South Eastern Asia 3,1474,6574, ,42531 Cameroon CMR Middle Africa 3,45221,44819,3275, Canada CAN Northern America 4, ,358 1,24929, Central African Republic CAF Eastern Africa 5, ,17,1456 1,56649 Chad TCD Middle Africa 6, ,51251,96719,6283 Chile CHL IBE 2,84666, , ,91967 China CHN Eastern Asia,438 1, ,19376, Colombia COL IBE, , , ,371 Congo, Republic of COG Middle Africa 4,1118,66861,884,41326 Costa Rica CRI IBE 2, , ,2777 1,21541 Croatia HRV Southern Europe 2,119626,61245,214,5713 Cuba CUB Caribbean, , ,8837,9824 Czech Republic CZE Eastern Europe 3, ,9437,52735, Denmark DNK Northern Europe 4, ,97147,8395 1,31572 Djibouti DJI Eastern Africa 2,43332,4686,7148,26126 Dominican Republic DOM IBE, ,61891,5716,2418 Ecuador ECU IBE, ,98719,59677,32557 Egypt EGY Northern Africa,775, ,77783,2655 El Salvador SLV IBE, , ,49753, Estonia EST Northern Europe 3, ,58177,17826,43246 Finland FIN Northern Europe 4, ,57577, ,9865 France FRA Western Europe 3,794778,68735,259629, Georgia GEO Western Asia,913416, ,4672,53319 Germany DEU Western Europe 4, ,31,519927,5375 Ghana GHA Western Africa 2,71346,88395,6941,2421

5 Greece GRC Southern Europe 2,23997,18579,972,2347 Guatemala GTM IBE,136 2, ,47674,69778 Guinea GIN Western Africa 5,5993,9654,55222, Guyana GUY South America 1,221 1,46837,26168,3433 Honduras HND IBE, ,1657 1, ,33164 Hungary HUN Eastern Europe 2,494924,8636,68829, Iceland ISL Northern Europe 4, ,41373,176215,9879 India IND Southern Asia 2,14683,17494, , Indonesia IDN South Eastern Asia, , , , Iran IRN Southern Asia, , ,22892,78638 Iraq IRQ Western Asia,731 1, ,9713, Ireland IRL Northern Europe 4, ,23486,93132,37931 Israel ISR Western Asia 2,767427,57677, ,11853 Italy ITA Southern Europe 2,549837,3154,2749,16617 Jamaica JAM Caribbean, ,495731,69296,65687 Japan JPN Eastern Asia 4,6584,621 1, ,32614 Jordan JOR Western Asia 1,487615, ,44966,46882 Kazakhstan KAZ Cenrtral Asia,28345, ,419 1, Kenya KEN Eastern Africa 3,27472,6197 1,375816,1247 Korea, Republic of KOR Eastern Asia 2,56837,57484,274585, Kuwait KWT Western Asia 1,294547,87868,56882,17317 Kyrgyzstan KGZ Cenrtral Asia, ,699482,74516, Laos LAO South Eastern Asia 1,88728,784999,12565,8451 Latvia LVA Northern Europe 1,491792,84937,6442,24518 Lebanon LBN Western Asia,6777 1, ,9529,82741 Lesotho LSO Southern Africa 3,96937,6542 1, ,2618 Liberia LBR Western Africa 5, ,29617,38179, Lithuania LTU Northern Europe 2,7363 1,5616 1,59829,63583 Macedonia MKD Southern Europe,53436,27135,46621,6663 Madagascar MDG Eastern Africa 4,28845,416 1, ,6971 Malawi MWI Southern Africa 3,77931, ,252955,4768 Malaysia MYS South Eastern Asia 2,24896, ,161394,3541 Mali MLI Western Africa 4,6338 1,6325, ,3632 Mauritania MRT Western Africa 4,25528,98857,44578,13679 Mauritius MUS Eastern Africa 1,89466,7145,1832,2516 Mexico MEX IBE 1, , ,5696,23734 Moldova MDA Eastern Europe,4369, ,59229, Mongolia MNG Eastern Asia 1, ,5883 2,2881,76483 Montenegro MNE Southern Europe,793757, ,36267,9837 Morocco MAR Northern Africa,44784,728974,4939,38414 Mozambique MOZ Eastern Africa 4, ,7248,958257,1719 Namibia NAM Southern Africa 1,57746, , ,81835 Nepal NPL Southern Asia 2,95198, , , Netherlands NLD Western Europe 4,4873 1,572,566213, New Zealand NZL Australia and New Zealand 4, ,5596,8978,36148

6 Nicaragua NIC IBE 1,137 1,69235,837861,19591 Niger NER Western Africa 4,6286 2,33461,4255 1, Nigeria NGA Western Africa 4,5132,5423,18549, Norway NOR Northern Europe 4, ,5349,61488,775 Pakistan PAK Southern Asia 2, ,637955,389369, Panama PAN IBE 1, , ,82585,7499 Paraguay PRY IBE, , ,49745, Peru PER IBE, ,127328,14254,8739 Philippines PHL South Eastern Asia, , ,9735, Poland POL Eastern Europe 2,483243,5572 1,6281,83961 Portugal PRT IBE 3,78639,93714,8311 1,13774 Romania ROU Eastern Europe,375486,1226 1,8822,32965 Russia RUS Eastern Europe,1532, ,833,93165 Rwanda RWA Eastern Africa 3,3844,91949, ,11229 Saudi Arabia SAU Western Asia 1,645965,645466,34779,9648 Senegal SEN Western Africa 2,53234,845,12372,56781 Serbia SRB Southern Europe 1,39516, ,36223,44181 Slovakia SVK Eastern Europe 2,984682,5592,91528, Slovenia SVN Southern Europe 3,241655,9144 2,918,749 South Africa ZAF Southern Africa,54575,56172, ,68995 Spain ESP IBE 3,49831,55362,47119,5395 Sri Lanka LKA Southern Asia,12796,683952,9435,25372 Sudan SDN Northern Africa 3,89522,71166,5534,57934 Swaziland SWZ Southern Africa 2,54639,647 1,63931,44154 Sweden SWE Northern Europe 4, ,37988,15625, Switzerland CHE Western Europe 4, ,322,731642,2467 Tajikistan TJK Central Asia, ,585292,8457 2,16677 Tanzania TZA Eastern Africa 4,4843 1,6737,86837,283 Thailand THA South Eastern Asia 1,8776 1, , , Togo TGO Western Africa 4, ,46816,55499,94345 Trinidad and Tobago TTO Caribbean 1,174333,58213,26862,22789 Tunisia TUN Northern Africa,823785,8441 1,52518,54478 Turkey TUR Western Asia 1,54965,89133,89585, Uganda UGA Eastern Africa 4,7539 1,23934,495524,8793 Ukraine UKR Eastern Europe,369375, ,3177,87427 United Arab Emirates ARE Western Asia 2, ,6337,1348,28782 United Kingdom GBR Northern Europe 4,12635,83631,66573,4588 United States USA Northern America 3, , ,388734,15518 Uruguay URY IBE 2,254738,5915,1259,88619 Uzbekistan UZB Central Asia, ,74648,5126 1,89432 Venezuela VEN IBE, ,11319,96497,5121 Yemen YEM Western Asia 3,83897,49681,9588,34946 Zambia ZMB Middle Africa 3,61139, , , ANÁLISE DE COMPONENTES PRINCIPAIS

7 Na análise dos componentes principais, com base nas 13 variáveis pré selecionadas para os países em questão, uma vez criadas as 4 variáveis PC1, PC2, PC3 e PC4, pôdese perceber quais dos agrupamentos é melhor representativo para explicar as demais variáveis. Ver Tabela 1. Tabela 1: Indica o peso de cada variável nas componentes PC1, PC2, PC3 e PC4. Variable PC1 PC2 PC3 PC4 Social Progress Index_1N,338 -,86,81 -,58 Shelter_1N,335,12,3 -,1 Access to piped water_1n,313,167 -,113 -,196 Access to improved sanitation_n,37,222 -,159,9 Availability of affordable ho_n,96,24,717,552 Access to electricity (% of p_n,299,33 -,156,67 Quality of electricity supply_n,291 -,157,1 -,19 Private property rights (=no_n,258 -,431,24 -,62 IDH - 213_1_N,332,64 -,71 -,68 1. Governança_1_N,288 -,382,192 -,117 EPI Score_1_N,324 -,125 -,64 -,83 Happy Planet Index_1_N,124,619,266,8 GINNI P,132 -,177 -,57,783 Análise: Analisando PC1. Podemos verificar que não há nenhuma variável negativa. A variável com maior grau de contribuição é SPI com,338 seguida de Shelter,335 e IDH,332. Analisando PC2. Há 6 variáveis com contribuição negativa: Social Progress, Quality of eletricity, Private Property Rights, Governança, EPI Score e HPI; a variável com maior grau de contribuição é Happy Planet Index com,619. Analisando PC3. Há 6 variáveis com contribuição negativa; a variável com maior grau de contribuição é Availability of Affordable House. Analisando PC4. Há 8 variáveis com contribuição negativa; a variável com maior grau de contribuição é Ginni Tabela 2. Matriz de Correlações Principal Component Analysis: Social Progr; Shelter_1N; Access to pi; Access to Eigenanalysis of the Correlation Matrix Eigenvalue 8,1912 1,3952 1,1919,778,4933,3318,1617,1352 Proportion,63,17,92,6,38,26,12,1 Cumulative,63,737,829,889,927,952,965,975 Eigenvalue,1284,831,69,315,178 Proportion,1,6,5,2,1 Cumulative,985,992,996,999 1, Análise: Segundo Las Casas e Guevara (21) 2, por convenção só se deve considerar componentes com contribuição >ou= 1, pois só acima ou igual a 1 é que ajuda a explicar o fenômeno. Neste caso, só PC1, PC2 e PC3 têm Eigenvalue que atendem a esse critério. Porém, incluiremos o PC4 por uma questão de ampliar o espectro da análise, apesar de se perceber que não se altera

8 significativamente (todos os cálculos foram feitos dessa forma anteriormente), também tais agrupamentos explicam, cumulativamente 88,9% das variáveis. Observa se o peso de explicação de PC1 em 63,%. Quando se passa para o grupo de variáveis de PC2, há um acréscimo razoável de 1,7% de poder de explicação; de PC2 para PC3, há um acúmulo inferior de apenas 9,2% de poder de explicação, com o qual, essas primeiras variáveis são suficientes para explicar os indicadores em questão de Moradia dos Países pesquisados para os 2 indicadores pré selecionados. Para comprovar que os PC s são complementares, calculamos a correlação entre eles. Ver tabela 3. Tabela 3. Correlations: PC1; PC2; PC3; PC4 PC1 PC2 PC3 PC2 -, 1, PC3, -, 1, 1, PC4 -,,, 1, 1, 1, Cell Contents: Pearson correlation P-Value Análise: Correlação = nula o que significa que Cada variável está explicando dados variados, portanto trata se de explicações complementares.

9 Gráfico 1: Loading Plot,75 Loading Plot of Social Progress Index_1N;...; GINNI P Happy Planet Index_1_N,5 Second Component,25, Availability of affordable ho_n GINNI P Access to electricity (% of p_n Access to improved sanitation_n Access to piped water_1n Shelter_1N IDH - 213_1_N Social Progress Index_1N EPI Score_1_N Quality of electricity supply_n -,25 1. Gov ernança_1_n Private property rights (=no_n -,5,,5,1,15,2 First Component,25,3,35 Análise: A primeira componente (eixo das abscissas) complementa a segunda componente (eixo das ordenadas) e vice versa, mas não se correlacionam. Percebe se que em nosso gráfico não encontramos nenhuma variável negativada, ou seja, que tenha ficado direcionada à esquerda dos eixos, embora este fenômeno seja possível de acontecer nos demais temas. Ao verificarmos nosso gráfico, percebemos que a variável HPI é a que mais se distanciou das demais variáveis, pois ficou com sua segunda componente em,619. No outro extremo as variáveis Governança e Private Property Rights foram as que mais se distanciaram das demais variáveis tendo ficado com a segunda componente em,382,431 respectivamente. Na primeira componente a variável que mais se distanciou foi Social Progress Index com,338.

10 Gráfico 2: Scree Plot As 4 primeiras bolas vermelhas, da esquerda para a direita, são referente as variáveis mais importantes para darmos seguimento ao nosso estudo: Social Progress é a principal, seguida de Happy Planet Index, Affordable House e Ginni. Cluster Analysis of Variables: Social Progr; Shelter_1N; Access to pi;... Correlation Coefficient Distance, Single Linkage Amalgamation Steps Number of obs. Number of Similarity Distance Clusters New in new Step clusters level level joined cluster cluster ,872, ,8578, ,7798, ,678, ,7981, ,491, ,9, ,8971, ,2356, ,813, ,239, ,3462, Final Partition

11 Gráfico 3: Dendograma com 5 clusters 65,35 Dendrogram Single Linkage; Correlation Coefficient Distance Similarity 76,9 88,45 1, Social Progress Index_1N EPI Score_1_N IDH - 213_1_N Shelter_1N Access to electricity (% of p_n 1. Governança_1_N Private property rights (=no_n Access to piped water_1n Happy Planet Index_1_N Quality of electricity supply_n Access to improved sanitation_n GINNI P Availability of affordable ho_n Variables Próximos passos: vamos rodar Stepwise Regression para cada componente PC1, PC2, PC3 e PC4 e sugerir novo nome para estas variáveis Stepwise PC1 Stepwise Regression: PC1 versus Social Progress ; Shelter_1N;... Alpha-to-Enter:,15 Alpha-to-Remove:,15 Response is PC1 on 13 predictors, with N = 132 Step Constant -6,54-6,742-6,767-6,824-6,813-6,846 Social Progress Index_1N,184,615,69,456,35,332 T-Value 43,6 18,42 2,87 14,88 1,83 11,41 P-Value,,,,,, Shelter_1N,514,371,38,383,293 T-Value 15,68 1,22 12,75 14,54 1,33 P-Value,,,,, Access to improved sanitation_n,137,176,153,118 T-Value 6,4 9,63 9,26 7,33 P-Value,,,, Private property rights (=no_n,135,123,153 T-Value 7,97 8,11 1,51 P-Value,,, EPI Score_1_N,158,168 T-Value 6,5 7,17 P-Value,, Access to electricity (% of p_n,1 T-Value 5,66 P-Value, S,735,433,378,31,274,246 R-Sq 93,45 97,75 98,29 98,86 99,12 99,3 R-Sq(adj) 93,4 97,71 98,25 98,83 99,8 99,26

12 3D Scatterplot of Social Progress vs Shelter_1N vs Access to improv N C lass 3R AIBER AVECO OTHERS 1 rogress Index_1N Shelter_1N A ccess to improved sanitation_n Análise: Social Progress Index, Shelter e Access to Improved Sanitation são as variáveis principais. A Social Progress explica 93,45%, depois há um acréscimo de 4,3%. Na terceira variável, o acréscimo é de apenas,54%. Assim os dois primeiros são suficientes como variáveis explicativas do PC1. Observa se que no PC1 as variáveis Social Progress e Shelter sozinhas explicam mais de 97% da variabilidade, sendo as demais variáveis componentes de baixa contribuição. Sugerimos para este Componente Principal a nomenclatura: Moradia e Desenvolvimento Social (MeDS). Stepwise PC2 Stepwise Regression: PC2 versus Social Progress ; Shelter_1N;... Alpha-to-Enter:,15 Alpha-to-Remove:,15 Response is PC2 on 13 predictors, with N = 132 Step Constant -1,9422 -,9618-1,2755 -,821 Happy Planet Index_1_N,48,4214,3278,343 T-Value 12,24 22,38 24,12 26,78 P-Value,,,, Private property rights (=no_n -,25 -,311 -,332 T-Value -16,31-29,42-35,2 P-Value,,, Access to electricity (% of p_n,1331,1579 T-Value 14,7 19,19 P-Value,, GINNI P -,9 T-Value -8,26 P-Value,

13 1. Governança_1_N T-Value P-Value Access to improved sanitation_n T-Value P-Value S,88,464,292,236 R-Sq 53,53 84,83 94,4 96,12 R-Sq(adj) 53,17 84,59 93,9 96, 3D Scatterplot of Happy Planet vs Private prop vs Access to el N C lass 3R AIBER AVECO OTHERS 1 Planet Index_1_N Private property rights ( A ccess to electricity (% of p_n Análise: Happy Planet Index influencia bastante aqui. Esse novo indicador possui indicadores muito próximos a zero, têm um poder de explicação baixo de variabilidade. Poderia ser batizado com o nome: Moradia como fator de alegria (McFA). Stepwise PC3 Stepwise Regression: PC3 versus Social Progress ; Shelter_1N;... Alpha-to-Enter:,15 Alpha-to-Remove:,15 Response is PC3 on 13 predictors, with N = 132 Step Constant -1, ,2423 -, ,5344 Availability of affordable ho_n,439,4272,3986,48 T-Value 14,36 25,69 26,32 37,72 P-Value,,,,

14 GINNI P -,274 -,296 -,2649 T-Value -17,65-21,26-25,73 P-Value,,, Private property rights (=no_n,747,1128 T-Value 6,48 12,69 P-Value,, Access to improved sanitation_n -,827 T-Value -11,2 P-Value, Happy Planet Index_1_N T-Value P-Value Access to electricity (% of p_n T-Value P-Value S,682,37,323,23 R-Sq 61,32 88,67 91,47 95,71 R-Sq(adj) 61,2 88,49 91,27 95,57 3D Scatterplot of Availability of vs GINNI P vs Private property N C lass 3R AIBER AVECO OTHERS 1 of affordable ho_n GINNI P Private property rights (=no_n Análise: A variável que mais influencia no PC3 é Availability of Affordabel House. Porém com grau de explicação baixo, próximo a zero, com valor negativo de Ginni e valor extremamente baixo de Private Property Rights. PC3: Urbanização e Direitos Fundamentais.

15 Stepwise PC4 Stepwise Regression: PC4 versus Social Progress ; Shelter_1N;... Alpha-to-Enter:,15 Alpha-to-Remove:,15 Response is PC4 on 13 predictors, with N = 132 Step Constant -1,815-2,91-2,675-2,846-2,835 GINNI P,2884,297,3686,3751,3757 T-Value 1,89 15,91 55,36 72,66 87,57 P-Value,,,,, Availability of affordable ho_n,2334,317,324,364 T-Value 11,52 43,3 53,83 65,23 P-Value,,,, Social Progress Index_1N -,1845 -,1963 -,164 T-Value -31,88-42,52-28,69 P-Value,,, Happy Planet Index_1_N,48,39 T-Value 9,48 8,93 P-Value,, Private property rights (=no_n -,392 T-Value -7,61 P-Value, Access to piped water_1n T-Value P-Value S,64,451,151,116,967 R-Sq 47,72 74,23 97,12 98,31 98,84 R-Sq(adj) 47,32 73,83 97,5 98,26 98,8

16 3D Scatterplot of GINNI P vs Availability of vs Social Progress N C lass 3R AIBER AVECO OTHERS 1 GINNI P Social Progress Index_1N 1 5 A vailability of affordabl Análise: No PC4, temos Ginni próximo a zero. Observa se que Ginni explica apenas 47% da variabilidade, A variável Affordable House acrescenta muito a esta variável, acrescendo a explicabilidade a 74%, por fim Social Progress Index finaliza a explicabilidade com 97%. Nomeamos esta nova variável como: Incentivos ao Direito de Moradia. Antes de batizar as Componentes Principais é recomendado, logo após realizadas as Regressões Stepwise, rodar uma Regressão Multiple para cada componente utilizando só as variáveis selecionadas no Stepwise. Dessa forma se pode avaliar o peso com o qual cada variável entra na Componente Principal. Regressão PC1 Regression Analysis: MeDS (PC1) versus Social Progr; Shelter_1N; Access to im The regression equation is MeDS = - 6,77 +,69 Social Progress Index_1N +,371 Shelter_1N +,137 Access to improved sanitation_n Predictor Coef SE Coef T P Constant -6,76656, ,59, Social Progress Index_1N,6923,2919 2,87, Shelter_1N,37139,3634 1,22, Access to improved sanitation_n,13739,2147 6,4, S =,37837 R-Sq = 98,3% R-Sq(adj) = 98,3%

17 Analysis of Variance Source DF SS MS F P Regression 3 154,72 351, ,75, Residual Error ,32,14 Total ,5 Source DF Seq SS Social Progress Index_1N 1 12,75 Shelter_1N 1 46,11 Access to improved sanitation_n 1 5,86 Unusual Observations Social Progress Obs Index_1N MeDS Fit SE Fit Residual St Resid 4 68,3164 1,742,738 -,7578-2,4R ,2858-5,4347,115,1489,41 X ,1468-2,9962,571,8494 2,27R ,731-1,5244,132,7943 2,24RX ,7674 1,9636,458,838 2,14R ,629-5,586,816,8877 2,4R ,7466-3,749,632 1,24 2,69R R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large leverage. REGRESSÃO PC1 - SUBSTITUINDO SOCIAL PROGRESS INDEX POR IDH Há um consenso de que há muita complexidade na composição da Variável Social Progress Index, por este motivo estamos rodando nova simulação com a variável IDH para verificarmos seu potencial e possibilidade de seguirmos adiante em nossa análise com o IDH no lugar de Social Progress Index, uma vez que estas variáveis possuem em sua gênese grande grau de correlação. Era esperado obtermos R² inferior de IDH em relação a SPI. No nosso caso na primeira regressão tínhamos grau de explicabilidade de 98,3%, enquanto na segunda regressão a explicabilidade ficou em 95,2%, portanto menos 3,1%. Sendo assim com a pequena queda de explicabilidade optaremos por darmos continuidade em nossas análises à partir das variáveis que compõem a segunda regressão de MeDS (PC1) com IDH. Regression Analysis: MeDS (PC1) versus IDH - 213_1; Shelter_1N; Access to im The regression equation is MeDS = - 6,78 +,482 IDH - 213_1_N +,561 Shelter_1N +,52 Access to improved sanitation_n Predictor Coef SE Coef T P Constant -6,777, ,97, IDH - 213_1_N,48158,558 8,63, Shelter_1N,56148,5842 9,61, Access to improved sanitation_n,521,376 1,38,169

18 S =, R-Sq = 95,2% R-Sq(adj) = 95,1% Analysis of Variance Source DF SS MS F P Regression 3 122,3 34,68 854,77, Residual Error ,2,4 Total ,5 Source DF Seq SS IDH - 213_1_N 1 97,47 Shelter_1N 1 5,8 Access to improved sanitation_n 1,76 Unusual Observations IDH - Obs 213_1_N MeDS Fit SE Fit Residual St Resid 8 68,2812 1,5671,846-1,286-2,6R ,2858-5,835,1921,5448,91 X 28-4,112-5,4195,1532 1,393 2,14R ,7793-5,539,1629 1,2746 2,9R ,487 1,9642,1813 2,845 3,45R 91-4,629-6,1167,146 1,4958 2,43R ,153 1,1795,91-1,2849-2,6R ,7134 3,466,953 1,2528 2,1R R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large leverage. Normplot of Residuals for MeDS Scatterplot of MeDS vs Social Progress ; Shelter_1N; Access to improv Social Progress Index_1N Shelter_1N 5-5 MeDS Access to improved sanitation_n

19 Regressão PC2 Regression Analysis: McFA (PC2) versus Happy Planet Ind; Private property;... The regression equation is McFA = - 1,28 +,328 Happy Planet Index_1_N -,311 Private property rights (=no_n +,133 Access to electricity (% of p_n Predictor Coef SE Coef T P Constant -1,2755,765-16,67, Happy Planet Index_1_N,32779, ,12, Private property rights (=no_n -,3112,157-29,42, Access to electricity (% of p_n,133149, ,7, S =, R-Sq = 94,% R-Sq(adj) = 93,9% Analysis of Variance Source DF SS MS F P Regression 3 171,878 57, ,35, Residual Error 128 1,891,85 Total ,769 Source DF Seq SS Happy Planet Index_1_N 1 97,832 Private property rights (=no_n 1 57,27 Access to electricity (% of p_n 1 16,839 Unusual Observations Happy Planet Obs Index_1_N McFA Fit SE Fit Residual St Resid 15-1,9863-2,987,719,9944 3,52R ,6686 -,45,52 -,6236-2,17R ,165 1,5688,53,5962 2,7R ,3916,7884,327,631 2,8R ,3346-1,7345,643 -,61-2,11R ,5617-1,2921,553,733 2,55R R denotes an observation with a large standardized residual. Normplot of Residuals for McFA

20 Scatterplot of McFA vs Happy Planet; Private prop; Access to el Happy Planet Index_1_N Private property rights (=no_n 3, 1,5, -1,5 McFA 3, Access to electricity (% of p_n -3, 1,5, -1,5-3, Regressão PC3 Regression Analysis: UDF (PC3) versus Availability; GINNI P; Private prop The regression equation is UDF = -,238 +,399 Availability of affordable ho_n -,296 GINNI P +,747 Private property rights (=no_n Predictor Coef SE Coef T P Constant -,2382,1117-2,13,35 Availability of affordable ho_n,39862, ,32, GINNI P -,2961, ,26, Private property rights (=no_n,7468,1153 6,48, S =,32267 R-Sq = 91,5% R-Sq(adj) = 91,3% Analysis of Variance Source DF SS MS F P Regression 3 142,813 47,64 457,4, Residual Error ,322,14 Total ,135 Source DF Seq SS Availability of affordable ho_n 1 95,743 GINNI P 1 42,73 Private property rights (=no_n 1 4,368

21 Unusual Observations Availability of affordable Obs ho_n UDF Fit SE Fit Residual St Resid 52 48,4321 -,212,337,6442 2,1R ,5688,1838,292 -,7526-2,34R ,3818-1,321,428,653 2,3R ,4662,32,33 -,7665-2,39R ,6392,8798,421,7595 2,37R 19 38,9222 1,6643,962 -,7421-2,41R R denotes an observation with a large standardized residual. Normplot of Residuals for UDF Scatterplot of UDF vs Availability of ; GINNI P; Private property Availability of affordable ho_n GINNI P 3, 1,5, -1,5 UDF , 3, Private property rights (=no_n 1,5, -1,5-3, Regressão PC4 Regression Analysis: IDM versus GINNI P; Availability; Social Progr The regression equation is IDM = - 2,68 +,369 GINNI P +,311 Availability of affordable ho_n -,185 Social Progress Index_1N Predictor Coef SE Coef T P Constant -2,67532,5293-5,55, GINNI P,368571, ,36, Availability of affordable ho_n,31721, ,3, Social Progress Index_1N -,184519, ,88,

22 S =,15148 R-Sq = 97,1% R-Sq(adj) = 97,1% Analysis of Variance Source DF SS MS F P Regression 3 98,977 32, ,8, Residual Error 128 2,937,23 Total ,914 Source DF Seq SS GINNI P 1 48,638 Availability of affordable ho_n 1 27,12 Social Progress Index_1N 1 23,327 Unusual Observations Obs GINNI P IDM Fit SE Fit Residual St Resid ,513 1,1275,275,3855 2,59R ,4264-2,647,4 -,3617-2,48R ,2968,9826,238,3142 2,1R 98 52,4399,712,186,3688 2,45R R denotes an observation with a large standardized residual. REGRESSÃO PC4 - SUBSTITUINDO SOCIAL PROGRESS INDEX POR IDH A exemplo do procedimento que realizamos para o PC1 estamos realizando nova regressão para o PC4 substituindo a variável SPI por IDH. Como a queda de explicabilidade ficou em apenas 4,4% optamos por darmos continuidade em nossas análises com a variável IDH. Regression Analysis: IDM versus GINNI P; Availability; IDH - 213_1 The regression equation is IDM = - 2,6 +,365 GINNI P +,275 Availability of affordable ho_n -,16 IDH - 213_1_N Predictor Coef SE Coef T P Constant -2,5952,855-3,51, GINNI P,36471,164 34,29, Availability of affordable ho_n,2751,115 24,9, IDH - 213_1_N -,159766,885-18,5, S =,24553 R-Sq = 92,7% R-Sq(adj) = 92,6% Analysis of Variance Source DF SS MS F P Regression 3 94,57 31,52 544,4, Residual Error 128 7,47,58 Total ,914 Source DF Seq SS GINNI P 1 48,638 Availability of affordable ho_n 1 27,12

23 IDH - 213_1_N 1 18,857 Unusual Observations Obs GINNI P IDM Fit SE Fit Residual St Resid ,513 1,25,414,515 2,15R ,982-1,4827,572,57 2,14R ,2968,7551,341,5417 2,27R 88 89,7761 1,51,43 -,7339-3,1R ,512 -,5387,36,4875 2,4R R denotes an observation with a large standardized residual. Normplot of Residuals for IDM Scatterplot of IDM vs GINNI P; Availability of ; Social Progress GINNI P Availability of affordable ho_n IDM Social Progress Index_1N

24 54 Países Cluster 1 23 Países Cluster 2 36 Países Cluster 3 19 Países Cluster 4 Albania 1 Angola 2 Australia 3 Botswana 4 Algeria 1 Benin 2 Austria 3 Brazil 4 Argentina 1 Burkina Faso 2 Belgium 3 Chile 4 Armenia 1 Burundi 2 Canada 3 Colombia 4 Azerbaijan 1 Cambodia 2 Croatia 3 Costa Rica 4 Bangladesh 1 Cameroon 2 Czech Republic 3 Djibouti 4 Belarus 1 Central African Rep 2 Denmark 3 Ghana 4 Bolivia 1 Chad 2 Estonia 3 Israel 4 Bosnia and Herz 1 Congo, Republic of 2 Finland 3 Kenya 4 Bulgaria 1 Guinea 2 France 3 Lesotho 4 China 1 Liberia 2 Germany 3 Malawi 4 Cuba 1 Madagascar 2 Greece 3 Mexico 4 Dominican Republic 1 Mali 2 Hungary 3 Namibia 4 Ecuador 1 Mauritania 2 Iceland 3 Panama 4 Egypt 1 Mongolia 2 Ireland 3 Rwanda 4 El Salvador 1 Mozambique 2 Italy 3 Senegal 4 Georgia 1 Niger 2 Japan 3 South Afr 4 Guatemala 1 Nigeria 2 Korea, Republic of 3 Swaziland 4 Guyana 1 Sudan 2 Lithuania 3 Zambia 4 Honduras 1 Tanzania 2 Malaysia 3 India 1 Togo 2 Mauritius 3 Indonesia 1 Uganda 2 Netherlands 3 Iran 1 Yemen 2 New Zealand 3 Iraq 1 Norway 3 Jamaica 1 Poland 3 Jordan 1 Portugal 3 Kazakhstan 1 Saudi Arabia 3 Kuwait 1 Slovakia 3 Kyrgyzstan 1 Slovenia 3 Laos 1 Spain 3 Latvia 1 Sweden 3 Lebanon 1 Switzerland 3 Macedonia 1 United Arab Emir. 3 Moldova 1 United Kingdom 3 Montenegro 1 United States 3 Morocco 1 Uruguay 3 Nepal 1 Nicaragua 1 Pakistan 1 Paraguay 1 Peru 1 Philippines 1 Romania 1 Russia 1 Serbia 1

25 Sri Lanka 1 Tajikistan 1 Thailand 1 Trinidad and Tobago 1 Tunisia 1 Turkey 1 Ukraine 1 Uzbekistan 1 Venezuela 1 FUNÇÃO LINEAR Discriminant Analysis: 4 clusters versus Social Progr; Shelter_1N;... Linear Method for Response: 4 clusters Predictors: Social Progress Index_1N; Shelter_1N; Access to piped water_1n; Access to improved sanitation_n; Availability of affordable ho_n; Access to electricity (% of p_n; Quality of electricity supply_n; Private property rights (=no_n; IDH - 213_1_N; 1. Governança_1_N; EPI Score_1_N; Happy Planet Index_1_N; GINNI P Group Count Summary of classification True Group Put into Group Total N N correct Proportion,944,957,972,737 N = 132 N Correct = 122 Proportion Correct =,924 Squared Distance Between Groups , 23, , , ,4169, 38, , , ,5339, 18, , , ,8219, Linear Discriminant Function for Groups Constant -31,16-12,84-47,937-18,996 Social Progress Index_1N -,171 -,173 -,235 -,28 Shelter_1N -,26,99,19,112 Access to piped water_1n -,1,19,42,31 Access to improved sanitation_n,119 -,14,17,13 Availability of affordable ho_n,184,137,26,141 Access to electricity (% of p_n,27 -,58,27,13

26 Quality of electricity supply_n,52,6,54,33 Private property rights (=no_n -,185 -,46 -,96 -,96 IDH - 213_1_N,56,65,14,55 1. Governança_1_N,279,132,414,382 EPI Score_1_N,37,19,152,42 Happy Planet Index_1_N,141,7,13,138 GINNI P,248,271,298,131 Summary of Misclassified Observations True Pred Squared Observation Group Group Group Distance Probability GHANA 44** ,42,1 2 19,87, ,14, 4 21,88,265 HONDURAS 49** ,78,42 2 4,54, 3 43,19, 4 18,13,58 ISRAEL 57** ,88, ,38, 3 15,59, ,39,284 KENYA 63** ,148, 2 7,892, ,25, 4 14,459,36 KUWAIT 65** ,49, ,3, 3 18,96, ,23,15 LATVIA 68** ,45, ,96, 3 14,65, ,35,17 MALAWI 75** ,2, 2 19,88, ,49, 4 22,,257 MEXICO 8** ,6, ,86, 3 17,7, ,12,365 MONGOLIA 82** ,24, ,67, ,45, 4 36,8,8 SAUDI ARABIA 14** ,64, ,31, 3 18,6, ,88,31 FUNÇÃO QUADRÁTICA Discriminant Analysis: 4 clusters versus Social Progr; Shelter_1N;... Social Progress Index_1N is highly correlated with other predictors in group 4. Shelter_1N is highly correlated with other predictors in group 4. Access to electricity (% of p_n is highly correlated with other predictors in

27 group 4. Quadratic Method for Response: 4 clusters Predictors: Social Progress Index_1N; Shelter_1N; Access to piped water_1n; Access to improved sanitation_n; Availability of affordable ho_n; Access to electricity (% of p_n; Quality of electricity supply_n; Private property rights (=no_n; IDH - 213_1_N; 1. Governança_1_N; EPI Score_1_N; Happy Planet Index_1_N; GINNI P Group Count Summary of classification True Group Put into Group Total N N correct Proportion,963 1, 1, 1, N = 132 N Correct = 13 Proportion Correct =,985 From Generalized Squared Distance to Group Group ,49 13,2 16,47 159, ,1 56, ,3 82, ,7 512,39 48,22 373, ,47 198,4 138,27 58,3 Summary of Misclassified Observations True Pred Squared Observation Group Group Group Distance Probability LATVIA 68** ,62, ,41, 3 76,23, ,19, TRINIDAD12** ,63, ,59, 3 68,95, ,17,

28 FUNÇÃO LINEAR Discriminant Analysis: N Class 3R versus Social Progr; Shelter_1N;... Linear Method for Response: N Class 3R Predictors: Social Progress Index_1N; Shelter_1N; Access to piped water_1n; Access to improved sanitation_n; Availability of affordable ho_n; Access to electricity (% of p_n; Quality of electricity supply_n; Private property rights (=no_n; IDH - 213_1_N; 1. Governança_1_N; EPI Score_1_N; Happy Planet Index_1_N; GINNI P Group AIBER AVECO OTHERS Count Summary of classification True Group Put into Group AIBER AVECO OTHERS AIBER 18 4 AVECO OTHERS Total N N correct Proportion,857,926,929 N = 132 N Correct = 121 Proportion Correct =,917 Squared Distance Between Groups AIBER AVECO OTHERS AIBER, 18,3297 1,1886 AVECO 18,3297, 15,2228 OTHERS 1, ,2228, Linear Discriminant Function for Groups AIBER AVECO OTHERS Constant -17,424-35,137-13,819 Social Progress Index_1N,144 -,112 -,259 Shelter_1N,134,186,128 Access to piped water_1n,82,41,8 Access to improved sanitation_n -,75 -,65 -,7 Availability of affordable ho_n,12,167,135 Access to electricity (% of p_n -,167 -,222 -,95 Quality of electricity supply_n -,38 -,37 -,8 Private property rights (=no_n,3,87 -,13 IDH - 213_1_N,11,9,68 1. Governança_1_N -,32,186,218 EPI Score_1_N,118,227,15 Happy Planet Index_1_N,28,152,1 GINNI P,141,317,24

29 Summary of Misclassified Observations Squared Observation True Group Pred Group Group Distance Probability Cuba 31** AIBER OTHERS AIBER 2,34,383 AVECO 39,3, OTHERS 19,39,617 Greece 45** AVECO OTHERS AIBER 14,192,56 AVECO 9,999,46 OTHERS 9,896,484 Guyana 48** OTHERS AIBER AIBER 1,65,69 AVECO 3,, OTHERS 12,25,31 Hungary 5** OTHERS AVECO AIBER 25,12, AVECO 9,5,832 OTHERS 12,259,167 Jamaica 59** OTHERS AIBER AIBER 4,88,998 AVECO 22,276, OTHERS 17,719,2 Latvia 68** AVECO OTHERS AIBER 21,61,19 AVECO 17,46,153 OTHERS 14,8,828 Namibia 86** OTHERS AIBER AIBER 22,46,639 AVECO 38,15, OTHERS 23,6,361 Filipinas98** OTHERS AIBER AIBER 8,97,812 AVECO 24,969, OTHERS 11,835,188 Poland 99** OTHERS AVECO AIBER 13,837,48 AVECO 8,58,87 OTHERS 12,782,82 Portugal1** AIBER AVECO AIBER 12,858,52 AVECO 7,13,98 OTHERS 13,365,4 Spain 11** AIBER AVECO AIBER 13,683,11 AVECO 4,744,986 OTHERS 16,494,3 FUNÇÃO QUADRÁTICA Discriminant Analysis: N Class 3R versus Social Progr; Shelter_1N;... Shelter_1N is highly correlated with other predictors in group AVECO. Availability of affordable ho_n is highly correlated with other predictors in group AVECO. Quadratic Method for Response: N Class 3R Predictors: Social Progress Index_1N; Shelter_1N; Access to piped water_1n; Access to improved sanitation_n; Availability of affordable ho_n; Access to electricity (% of p_n; Quality of electricity supply_n; Private property rights (=no_n; IDH - 213_1_N; 1. Governança_1_N; EPI Score_1_N; Happy Planet Index_1_N; GINNI P Group AIBER AVECO OTHERS Count Summary of classification True Group

30 Put into Group AIBER AVECO OTHERS AIBER 19 3 AVECO OTHERS 78 Total N N correct Proportion,95 1,,929 N = 132 N Correct = 124 Proportion Correct =,939 From Generalized Squared Distance to Group Group AIBER AVECO OTHERS AIBER 55,47 163,47 76,28 AVECO 73,76 43,19 84,14 OTHERS 18,73 249,38 66,21 Summary of Misclassified Observations Pred Squared Observation True Group Group Group Distance Probability Croatia 3** OTHERS AVECO AIBER 75,56, AVECO 59,66,999 OTHERS 73,85,1 Jamaica 59** OTHERS AIBER AIBER 68,48,999 AVECO 122,72, OTHERS 82,53,1 Lithuania72** OTHERS AIBER AIBER 72,8,55 AVECO 72,87,371 OTHERS 75,97,79 Malaysia 76** OTHERS AVECO AIBER 83,97,2 AVECO 71,74,83 OTHERS 74,57,195 Mauritius79** OTHERS AVECO AIBER 12,15, AVECO 66,88,999 OTHERS 81,36,1 Polanda 99** OTHERS AIBER AIBER 75,38,86 AVECO 298,23, OTHERS 78,23,194 Portugal1** AIBER AVECO AIBER 64,1,256 AVECO 61,87,744 OTHERS 8,59, Spain 11** AIBER AVECO AIBER 66,96,1 AVECO 52,79,999 OTHERS 83,22,

31 CLASSIFICAÇÃO NÃO SUPERVISONADA Dendograma com 1 clusters ,11 88,8 94,4 1, Observations Similarity Dendrogram Single Linkage; Euclidean Distance ,11 88,8 94,4 1, Observations Similarity Dendrogram Single Linkage; Euclidean Distance

32 Cluster Analysis of Observations: MeDS; McFA; UDF; IDM Euclidean Distance, Single Linkage Amalgamation Steps Number of obs. Number of Similarity Distance Clusters New in new Step clusters level level joined cluster cluster ,2416, ,7895, ,546, ,717, ,9636, ,9958, ,187, ,34, ,9395, ,9388, ,7518, ,562, ,372, ,2455, ,362, ,9725, ,8241, ,888, ,6631, ,637, ,6368, ,5327, ,517, ,3562, ,2496, ,2398, ,1772, ,9843, ,9548, ,9544, ,91, ,8667, ,834, ,8193, ,6775, ,669, ,6549, ,6363, ,5841, ,2754, ,2342, ,2223, ,1796, ,1424, ,1239, ,114, ,485, ,349, ,342, ,9555, ,7562, ,7415, ,793, ,5813, ,5778, ,5436, ,5345, ,592,

33 ,3796, ,3636, ,3336, ,3118, ,365, ,2973, ,2893, ,2741, ,1547, ,24, ,9435, ,8345, ,8163, ,794, ,7841, ,7193, ,614, ,5419, ,5123, ,59, ,458, ,3631, ,276, ,2567, ,2178, ,1995, ,186, ,969, ,789, ,7 1, ,9115 1, ,8848 1, ,747 1, ,6957 1, ,6947 1, ,632 1, ,478 1, ,47 1, ,269 1, ,2583 1, ,1476 1, ,74 1, ,53 1, ,9311 1, ,8858 1, ,8849 1, ,886 1, ,8134 1, ,7949 1, ,781 1, ,4514 1, ,423 1, ,318 1, ,2859 1, ,9447 1, ,7981 1, ,7939 1, ,7627 1, ,6398 1, ,5996 1, ,1943 1, ,1184 1, ,9689 1, ,8858 1, ,8344 1, ,619 1, ,7289 1, ,2212 1,

34 ,7435 1, ,4823 1, ,787 1, ,6362 1, ,1132 1, Final Partition Number of clusters: 1 Average Maximum Within distance distance Number of cluster sum from from observations of squares centroid centroid Cluster ,498 2,348 4,6132 Cluster ,135 1, ,59852 Cluster3 5 4,24,9163 1,8467 Cluster4 1,,, Cluster5 1,,, Cluster6 1,,, Cluster7 1,,, Cluster8 1,,, Cluster9 1,,, Cluster1 1,,, Cluster Centroids Variable Cluster1 Cluster2 Cluster3 Cluster4 Cluster5 Cluster6 Cluster7 MeDS 1, ,8242-2, ,9714 2, , ,57746 McFA, ,88737, ,98626,1125-1,5883 -,52318 UDF -,1493,13949, , , ,2881 2,1368 IDM,232,1195 1, , , , ,81835 Variable Cluster8 Cluster9 Cluster1 Grand centroid MeDS -, ,878 -,38832, McFA -, ,2794 3, , UDF, ,18221,965, IDM -2, , ,5121, Distances Between Cluster Centroids Cluster1 Cluster2 Cluster3 Cluster4 Cluster5 Cluster6 Cluster7 Cluster1, 5, , , ,7673 4,249 4,37836 Cluster2 5,78262, 2, , , ,433 3,7726 Cluster3 4, ,68628, 4, ,2892 4,3619 3,7549 Cluster4 4, , ,93558, 4, ,1719 1,84183 Cluster5 2,7673 7, ,2892 4,38873, 5,983 4,55911 Cluster6 4,249 3,433 4,3619 4,1719 5,983, 4,5612 Cluster7 4, ,7726 3,7549 1, , ,5612, Cluster8 3,6977 4,5367 4, , , ,95 1,81632 Cluster9 3,1552 6, ,35 5,7183 4, , ,7926 Cluster1 3,4878 5, , ,8824 4, ,875 4,68187 Cluster8 Cluster9 Cluster1 Cluster1 3,6977 3,1552 3,4878 Cluster2 4,5367 6, ,44579 Cluster3 4, ,35 3,33118 Cluster4 1, ,7183 5,8824 Cluster5 3, , ,92686 Cluster6 3,95 6, ,875 Cluster7 1, ,7926 4,68187 Cluster8, 5, ,6158 Cluster9 5,22138, 3,6699 Cluster1 4,6158 3,6699,

35 Dendrogram Cluster Analysis of Observations: MeDS; McFA; UDF; IDM Manhattan Distance, Complete Linkage Amalgamation Steps Number of obs. Number of Similarity Distance Clusters New in new Step clusters level level joined cluster cluster ,364, ,529, ,784, ,8861, ,5246, ,1699, ,846, ,1925, ,6952, ,493, ,1987, ,195, ,678, ,367, ,91, ,799, ,7779, ,7545, ,6917, ,387 1, ,3649 1, ,289 1, ,952 1, ,9137 1, ,895 1, ,8754 1, ,7538 1, ,6514 1, ,6461 1, ,6454 1, ,6268 1, ,5771 1, ,3797 1, ,3549 1, ,2894 1, ,191 1, ,7979 1, ,6465 1, ,3631 1, ,998 1, ,99 1, ,9841 1, ,8196 1, ,761 1, ,6241 1, ,2846 1, ,6125 1, ,595 1, ,518 1, ,3862 1, ,2644 1, ,229 1, ,7874 1, ,7653 1,

36 ,6192 1, ,4475 1, ,4379 1, ,384 1, ,3199 1, ,316 1, ,2338 1, ,3788 1, ,1978 2, ,23 2, ,8995 2, ,76 2, ,6668 2, ,9184 2, ,4136 2, ,381 2, ,3683 2, ,313 2, ,2292 2, ,786 2, ,911 2, ,8771 2, ,5724 2, ,5156 2, ,2534 2, ,217 2, ,1557 2, ,96 2, ,492 2, ,4879 2, ,1493 2, ,33 2, ,7383 2, ,412 2, ,9285 3, ,7331 3, ,571 3, ,643 3, ,1986 3, ,496 3, ,9249 3, ,826 3, ,7937 3, ,5252 3, ,8792 3, ,6614 3, ,5957 3, ,3227 3, ,8283 3, ,5334 3, ,5191 3, ,4978 3, ,251 3, ,4899 4, ,952 4, ,288 4, ,1252 4, ,668 4, ,136 4, ,5569 4, ,2854 5, ,7532 5, ,5397 5, ,968 5, ,412 5, ,585 6, ,9682 6, ,317 6,