PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO FEA - Faculdade de Economia e Administração Programa de Estudos Pós-Graduados em Administração

Transcrição

1 PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO FEA - Faculdade de Economia e Administração Programa de Estudos Pós-Graduados em Administração PROJETO ORIBER TEMA : Transformação Produtiva e Inovação Sustentável ANÁLISE DISCRIMINANTE Disciplina: Métodos Quantitativos Professor: Dr. Arnoldo Jose de Hoyos Leda Honorato da Silva Reis 1. INTRODUÇÃO

2 2 O presente trabalho tem por objetivo efetuar uma análise comparativa de médias, intervalos de confiança e regressões de dados de indicadores relacionados ao desenvolvimento humano dos países do mundo. O principal propósito é comparar os conglomerados da amostra. Para tal iniciamos com análise da estatística descritiva. Em seguida passamos para a análise da comparação de médias e variância através da One-Way Analysis of Variance. Na terceira parte utilizamos a análise discriminante para tentar predizer ou explicar os indicadores relacionados ao desenvolvimento humano que explicam a posição dos países dos conglomerados das amostras. Por fim, fazemos as considerações finais. Os dados são compilados pelo Banco Mundial. O software estatístico utilizado é o MINITAB. 2. ENTENDENDO OS DADOS 2.1 Os Indivíduos Os indivíduos desta análise são os países reportados no GPS. Os dados analisados de cada país são as variáveis que descrevemos a seguir. Os dados foram coletados no banco de dados do GPS. 2.2 As Variáveis Quadro 1. As dezoito Variáveis do Eixo temático:transformação Produtiva e Inovação Sustentável (Basic Features: Productive Transformation and Sustainable Innovation) Variável Significado Tipo Unidade de Medida Social Progress Index Ecosystem Sustainability IDH Combustible renewables and waste Suceptibilidad Global Innovation Ind. 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 oportunidade. 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 tiverem acesso a água potável, se tiverem acesso a uma habitação condigna com serviços básicos, e se eles são seguros e protegidos. A manutenção de um ecossistema sustentável depende da interação de 4 elementos: Produtividade, Diversidade, Resiliência, Distúrbios Naturais. A sustentabilidade dos ecossistemas é determinada pela relação entre esses elementos, e juntos eles determinam o nível de recursos que podem ser tomadas a partir de um ambiente e ainda mantê-lo de forma sustentável. O Índice de Desenvolvimento Humano (IDH) mede o progresso de uma nação a partir de três dimensões: renda, saúde e educação. Compreendem a biomassa sólida, biomassa líquida, biogás, resíduos industriais e resíduos urbanos, medido em percentagem do consumo total de energia Susceptibilidade refere-se à probabilidade de sofrer dano, perda e interrupção de um evento extremo ou desastres naturais. Assim, a susceptibilidade descreve as características estruturais e condições de enquadramento de uma sociedade. 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 à ambas as economias: desenvolvidas e emergentes, Variável Quantitativa Variável Quantitativa Variável Quantitativa Variável Quantitativa Variável Quantitativa Variável Quantitativa Percentual Percentual Indicador nominal que varia de a 1 Percentual Percentual Percentual

3 3 Institutions Human Capital and Research Infraestructure Market Sophistication Knowledge and Technology Creative Outputs com a inclusão de indicadores que vão além das medidas tradicionais de inovação (como o nível de pesquisa e desenvolvimento em um determinado país). 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 c) 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. Os quatro pilares do Índice são: O pilar Educação contém indicadores relativos à aspectos quantitativos e qualitativos da educação do outro lado primário, secundário e terciário e contém informações tanto no presente como força de trabalho bem como a futura força de trabalho. A Saúde e Bem-Estar pilar contém indicadores relativa ao bem-estar físico e mental de uma população sendo, desde a infância até a idade adulta. O pilar da Força de Trabalho e Emprego destina-se a quantificar a experiência, talento, conhecimento e treinamento na população em idade activa de um país. O pilar Ambiente propício capta o legal quadro, infraestrutura e outros fatores que possibilitam retornos sobre o capital humano. Percentagem da população sem acesso a saneamento melhorado e a uma fonte de água melhorada. As condições de habitação: parcela da população vivendo em favelas; proporção de habitações semi-sólidos e frágeis. Nutrição: Percentagem da população subnutrida, pobreza excessiva e dependências (jovens menores de 15 anos e adultos maiores de 65 anos) em relaçao à população ativa Este indicador é um derivado 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 (i) índice de direitos legais. Direcionadas para a atividade de invenções e inovações, abrangendo: a) Criação do Conhecimento que envolve: o resultado de Atividades Criativas e Inovadores b) Sobre o Impacto do Conhecimento: aumento da produtividade do trabalho, a entrada de novas empresas, os gastos com software e quantidade de certificação de qualidade ISSO 91; e c) Difusão do Conhecimento: royalties e taxas de licenças; percentual de exportações de alta tecnologia; 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). A criatividade foi reconhecida como um motor econômico para gerar riqueza, emprego, o desenvolvimento sustentável das cidades do mundo, mudanças tecnológicas, inovação empresarial e reforço da competitividade das cidades e países individuais. Variável Quantitativa Variável Quantitativa Variável Quantitativa Variável Quantitativa Variável Quantitativa Percentual Percentual Percentual Percentual Percentual Percentual

4 4 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. International Cooperation Effective use of support Regional Cooperation EPI- Indice de desempenho ambiental HPI Bem estar sustentável do país 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 apoiar a integração regional ou internacional. 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. 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. Avalia a disposição e capacidade da liderança política em: Desenvolver relações de boa vizinhança; Cooperar com os países vizinhos em organizações internacionais e regionais; Apoiar a integração regional ou internacional; A liderança política ativamente e com êxito constrói e expande cooperativa vizinhança e internacional relacionamentos. Ela promove a integração regional e internacional; A liderança política coopera com muitos estados vizinhos e está em conformidade com as regras estabelecidas pela organizações regionais e internacionais. 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 à longo prazo para as pessoas que vivem nelas. Variável Quantitativa Variável Quantitativa GINNI index Mede a distribuição de renda e de despesas das famílias Variável Quantitativa Fonte: autor a partir dos dados da planilha estatística e do GPS p.16 Indicador nominal que varia de a Indicador nominal que varia de a Indicador nominal que varia de a Percentual Percentual Percentual As variáveis que melhor identificam a Transformação Produtiva e Inovação Sustentável são: Social Progress Index, IDH 213, Knowledge and Technology, Market Sophistication, Creative Output, Global Inovation Index. 2.3 A Tabela de Dados A tabela abaixo apresenta os dados das variáveis que melhor identificam a Transformação Produtiva e Inovação Sustentável para países objeto da pesquisa. País Social Global Market Creative IDH Knowledge

5 5 Progress Index Innovation Sophistication Outputs 213 and Index Technology Albania 69,13 3,5 61,9 2,6,716 3,43 Algeria 59,13 24,2 36,2 14,689 29,23 Angola 39,93 23,8 42,9 18,1,526 38,29 Argentina 7,59 35,1 37,7 36,9,88 38,97 Armenia 65,3 36,1 5,4 33,6,73 5,26 Australia 86, 55 68,1 52,5,933 61,71 Austria 85,11 53,4 57,2 49,9,881 66,15 Azerbaijan 62,44 29,6 59,9 24,6,747 28,55 Bangladesh 52,4 24,4 44,1 17,2,558 33,85 Belarus 65,2 37, ,6,786 62,22 Belgium 82,63 51,7 58,5 45,7,881 72,14 Benin 49,11 24,2 36,5 21,2,476 21,54 Bolivia 62,9 27,8 48,2 24,1,667 32,48 Bosnia Herzegovina 64,99 32,4 51,9 21,8,731 45,81 Botswana 65,6 3,9 49,5 17,3,683 36,41 Brazil 69,97 36,3 45,2 33,6,744 43,93 Bulgaria 7,24 4,7 44,2 38,1,777 57,78 Burkina Faso 47,33 28,2 4,4 23,9,388 35,38 Burundi 37,33 22,4 47,3 16,2,389 16,92 Cambodia 51,89 28,7 55,8 22,6,584 41,3 Cameroon 45,51 27, ,1,54 33,16 Canada 86,95 56,1 75,9 48,3,92 7,6 Central Afr Republic 34,17 36,86 5,156 32,57,341 46,55 Chad 32,6 36,86 5,156 32,57,372 46,55 Chile 76,3 4,6 53,3 38,3,822 42,56 China 58,67 46,6 5,5 35,7,719 96,49 Colombia 67,24 35,5 51,8 3,7,711 37,61 Congo, Republic of 47,99 36,86 5,156 32,57,338 46,55 Costa Rica 77,75 37,3 4,7 36,3,763 47,69 Croatia 73,31 4,7 42,5 37,9,812 55,56 Cuba 61,7 36,86 5,156 32,57,815 46,55 Czech Republic 8,41 5,2 49,1 47,3,861 75,21 Denmark 86,55 57,5 67,8 52,4,9 75,56 Djibouti 45,95 36,86 5,156 32,57,467 46,55 Dominican Republic 63,3 32,3 5,4 36,4,7 34,87 Ecuador 68,15 27,5 43,7 28,1,711 2,51 Egypt 59, ,4 26,6,682 39,32 El Salvador 64,7 29,1 43,1 29,8,662 19,15 Estonia 81,28 51,5 55,4 53,4,84 62,74 Finland 86,91 6,7 61,4 53,4,879 88,55 France 81,11 52, ,5,884 71,45 Georgia 63,94 34,5 55,2 25,9,744 47,18 Germany 84, ,1 5,4,911 86,67

6 Ghana 55,96 3,3 42,5 22,9,573 49,6 Greece 73,43 38,9 47,9 33,3,853 48,21 Guatemala 61,37 3,8 49,5 27,3,628 34,2 Guinea 37,41 2,2 32,5 18,2,392 17,26 Guyana 6,6 32,5 4,4 36,7,638 41,1 Honduras 61,28 26,7 48,9 21,1,617 23,59 Hungary 73,87 44,6 42,1 42,5,818 67,52 Iceland 88,7 54,1 54,1 66,1,895 58,46 India 5,24 33,7 51,2 28,6,586 5,94 Indonesia 58,98 31,8 45,3 39,2,684 35,56 Iran 56,65 26,1 35,9 18,1,749 3,9 Iraq 44,84 36,86 5,156 32,57,642 46,55 Ireland 84,5 56,7 7,3 46,9,899 86,84 Israel 71,4 55,5 67,5 43,9,888 96,44 Italy 76,93 45, ,5,872 68,89 Jamaica 7,39 32,4 44,6 29,4,715 33,33 Japan 84,21 52,4 66,8 38,1,89 76,58 Jordan 61,92 36,2 39,9 34,9,745 46,15 Kazakhstan 59,47 32,8 44,1 23,9,689 38,29 Kenya 5,2 31,9 54,4 31,2,535 41,88 Korea, Republic of 77,18 55,3 65,4 42,2,689 89,6 Kuwait 7,66 35, ,1,814 53,68 Kyrgyzstan 57,8 27,8 53,6 14,1,689 31,97 Laos 52,41 36,86 5,156 32,57,569 46,55 Latvia 73,91 44, ,1,689 58,8 Lebanon 6,5 33,6 44,6 27,4,765 34,53 Lesotho 48, ,5 16,3,486 2,85 Liberia 44,2 36,86 5,156 32,57,412 46,55 Lithuania 73, ,1 36,2,834 47,69 Macedonia 68,33 36,9 54,6 32,6,732 44, Madagascar 44,28 25,5 41,8 22,5,498 24,44 Malawi 48,79 27,6 39,6 19,8,414 38,12 Malaysia 7, 45,6 63,9 42,773 56,58 Mali 46,85 26,2 38,3 28,7,47 27,86 Mauritania 43,11 36,86 5,156 32,57,487 46,55 Mauritius 73,68 4, ,4,689 41,37 Mexico 66, ,9 32,9,756 41,88 Moldova 6,12 4,7 51,4 43,3,663 57,74 Mongolia 58,97 37,5 57,2 36,4,698 37,26 Montenegro 66,8 37 5,6 35,9,789 31,62 Morocco 58,1 32,2 42,8 27,4,617 39,49 Mozambique 45,23 28,5 49,9 14,3,393 41,88 Namibia 61,19 28,5 44,4 27,9,624 17,61 Nepal 51,58 23,8 43,1 2,3,54 15,4 Netherlands 87,37 6,6 63,6 61,7,689 87,86 New Zealand 88,24 54,5 68,9 47,9,91 73,33 Nicaragua 62,33 25,5 47,1 23,4,614 16,58 6

7 Niger 4, 24,3 43,2 1,1,337 51,8 Nigeria 42,65 27,8 43,9 32,8,54 31,97 Norway 87,12 55,6 57,9 57,5,944 64,44 Pakistan 42, ,8 23,2,537 33,33 Panama 72,58 38,3 44,1 45,765 39,32 Paraguay 62,65 31,6 5,2 36,9,676 25,81 Peru 66,29 34,7 58,5 33,1,737 3,43 Philippines 65,86 29,9 44,8 26,5,66 42,22 Poland 77,44 4,6 48,2 36,7,834 49,23 Portugal 8,49 45,6 53,2 44,7,822 51,79 Romania 67,72 38,1 42,9 33,785 58,46 Russia 6,79 39,1 42,5 31,4,778 6,17 Rwanda 49,46 29,3 59,4 21,3,56 29,2 Saudi Arabia 64,38 41, ,836 39,83 Senegal 53,52 3,1 42,4 31,485 37,9 Serbia 7,61 35, ,6,745 53,68 Slovakia 78,93 41,9 48,6 39,4,83 55,21 Slovenia 81,65 47,2 51,1 42,2,874 65,3 South Africa 62,96 38,2 63,8 32,7,658 45,64 Spain 8,77 49,3 64,7 42,1,869 69,57 Sri Lanka 59, ,2 27,6,75 41,2 Sudan 38,45 12,7 38,9 1,9,473, Swaziland 48,87 25,3 38,1 22,5,898 2,51 Sweden 87,8 62,3 68,2 55,4,917 96,41 Switzerland 88,19 64,8 74,7 65,3,53, Tajikistan 56,5 23,7 61,3 5,67 3,58 Tanzania 46,6 25,6 36,6 2,9,488 25,81 Thailand 65,14 39,3 56,9 35,2,722 51,28 Togo 42,8 17,6 42,7,6,473 18,8 Trinidad and Tobago 69,88 31,6 48,4 27,1,766 33,33 Tunisia 62,96 32,9 39,9 31,1,721 32,14 Turkey 64,62 38,2 49,1 41,2,759 51,11 Uganda 47,75 31,1 43,7 27,6,484 37,44 Ukraine 64,91 36,3 45,1 3,6,734 61,2 United Arab Emirates 72,92 43,2 46,2 46,2,827 26,78 United Kingdom 84,56 62,4 81,4 56,6,892 92,31 United States 82,77 6,1 83,8 46,5,914 95,21 Uruguay 77,51 34,8 4 34,4,79 37,9 Uzbekistan 57,34 25,2 41,1 11,7,661 34,63 Venezuela 63,78 25,7 29,6 23,4,764 42,26 Yemen 4,23 19,5 4,7 15,7,5 19,32 Zambia 49,88 25, ,2,561 37,44 7

8 8 2.4 Fonte de Dados Todos os dados desta pesquisa foram obtidos em: endereço do site 3. ESTATÍSTICA DESCRITIVA / PESQUISA POR AMOSTRAGEM A pesquisa por amostragem foi feita em três amostras de 5 indivíduos ou países. Começamos com a análise das medidas e gráficos da estatística descritiva de cada variável da população total e por amostra. 3.1 Sumário População AS VARIAVEIS REPRESENTATIVAS TRANSFORMAÇÃO PRODUTIVA E INOVAÇA Normal Frequency Social Progress Index ,,9,8,7,6,5, IDH Global Innovation Index Market Sophistication 1.6 Creative Outputs Knowledge and Technology_N Social Progress Index Mean 63,67 StDev 14,2 N 132 IDH Mean,6894 StDev,1567 N Global Innovation Index Mean 36,86 StDev,91 N Market Sophistication Mean 5,16 StDev,4 N Creative Outputs Mean 32,57 StDev 12,44 N 132 Knowledge and Technology_N Mean Todas as variáveis apresentam curva próxima da normal.

9 9 3.2 Sumário para Amostra 1 Tamanho 5 Histogram of HDI value_1; Carbon dioxi; Expected Yea;... Normal Frequency HDI value_ % 2.% 3.% 4.% 5.% 6.% 7.% 8.% Carbon dioxide emissions_ Expected Years of schooling_1 Expenditure on education_1 GDP per capita_1 Life expectancy at birth_1 Mean years of schooling_ HDI value_1 Mean.69 StDev.1826 N 53 Carbon dioxide emissions_1 Mean StDev N 53 Expected Years of schooling_1 Mean StDev 3.43 N 53 Expenditure on education_1 Mean.388 StDev.1492 N 53 GDP per capita_1 Mean StDev 348 N 53 Life expectancy at birth_1 Mean StDev.97 N 53 Mean years of schooling_1 Mean StDev N 53 Para a primeira amostra de 5 indivíduos observamos um resultado similar às curvas da população, isso demonstra que a amostra representa bem a população. Com exceção da variável Mean years of schooling, que nessa amostra apresenta curva próxima à curva normal, ao contrário do observado na população. 3.3 Sumário para Amostra 2 Tamanho 5 Histogram of HDI value_2; Carbon dioxi; Expected Yea;... Normal Frequency %.3.45 HDI value_ % 4.% 6.% 8.% Expenditure on education_2 GDP per capita_2 Life expectancy at birth_2 16 Mean years of schooling_2 8 Carbon dioxide emissions_ Expected Years of schooling_ HDI value_2 Mean.6225 StDev.1814 N 54 Carbon dioxide emissions_2 Mean StDev N 54 Expected Years of schooling_2 Mean StDev N 54 Expenditure on education_2 Mean.42 StDev.1766 N 54 GDP per capita_2 Mean StDev 11 N 54 Life expectancy at birth_2 Mean 67.9 StDev.6 N Mean years of schooling_2 Mean StDev 3.63 N 54

10 Para a segunda amostra de 5 indivíduos observamos um resultado similar às curvas da população, isso demonstra que a amostra representa bem a população. Com exceção da variável HDI value, que nessa amostra não apresenta curva próxima à curva normal, ao contrário do observado na população. 3.4 Sumário para Amostra 3 Tamanho 5 Histogram of HDI value_3; Carbon dioxi; Expected Yea;... Normal Frequency % 2.% 3.% 4.% 5.% 6.% 7.% Expenditure on education_3 GDP per capita_3 Life expectancy at birth_3 2 4 HDI value_3 Mean years of schooling_ Carbon dioxide emissions_3 5 Expected Years of schooling_ HDI value_3 Mean.685 StDev.1792 N 51 Carbon dioxide emissions_3 Mean StDev 4.57 N 51 Expected Years of schooling_3 Mean StDev 3.23 N 51 Expenditure on education_3 Mean.455 StDev.1336 N 51 GDP per capita_3 Mean 748 StDev 378 N 51 Life expectancy at birth_3 Mean StDev.78 N 51 Mean years of schooling_3 Mean StDev 2.86 N 51 Para a terceira amostra de 5 indivíduos observamos um resultado similar às curvas da população, isso demonstra que a amostra representa bem a população. Com exceção da variável HDI value (mesmo comportamento da amostra 2), que nessa amostra não apresenta curva próxima à curva normal, ao contrário do observado na população. 4. COMPARAÇÃO DE MÉDIA, ANÁLISE DE VARIÂNCIA E INTERVALO DE CONFIANÇA. Segue abaixo os resultados da One-Way ANOVA para cada variável, por amostra. A comparação é sempre entre os três conglomerados de cada amostra. 4.1 Amostra 1 Tamanho 5 Cluster 1 Cluster 2 Cluster 3 Cape Verde El Salvador Cyprus Guyana Malawi Czech Republic Nicaragua Kazakhstan Portugal Kenya Maldives Estonia Mauritania Uruguay Hungary Nigeria Niger Equatorial Guinea

11 11 Solomon Islands Mozambique France Nepal Malaysia Belgium India Mauritius Finland Zambia Panama Italy Senegal Botswana Australia Guinea Sierra Leone Burkina Faso Tunisia Kyrgyzstan Lithuania Cameroon Swaziland Viet Nam Ukraine Lao People's Democratic Republic Romania Latvia Madagascar The former Yugoslav Republic of Macedonia Peru Central African Republic Brazil Russian Federation South Africa China One-way ANOVA: HDI value_1 versus Grupo1 Grupo Error Total S =.1361 R-Sq = 45.65% R-Sq(adj) = 43.51% Level N Mean StDev (----*---) (---*--) (-----*----) =.1361 One-way ANOVA: Carbon dioxide emissions_1 versus Grupo1 Grupo Error Total

12 12 S = R-Sq = 57.5% R-Sq(adj) = 55.84% Level N Mean StDev (---*---) (--*--) (----*----) = One-way ANOVA: Expected Years of schooling_1 versus Grupo1 Grupo Error Total S = R-Sq = 39.63% R-Sq(adj) = 37.26% Level N Mean StDev (-----*----) (----*---) (------*-----) = One-way ANOVA: Expenditure on education_1 versus Grupo1 Grupo Error Total S =.1485 R-Sq = 4.58% R-Sq(adj) =.84% Level N Mean StDev ( * ) ( * ) ( * ) =.1485 One-way ANOVA: GDP per capita_1 versus Grupo1 Grupo Error Total

13 13 S = 3896 R-Sq = 86.14% R-Sq(adj) = 85.6% Level N Mean StDev (--*-) (-*-) (--*--) = 3896 One-way ANOVA: Life expectancy at birth_1 versus Grupo1 Grupo Error Total S = R-Sq = 23.39% R-Sq(adj) = 2.38% Level N Mean StDev (-----*------) (----*-----) ( * ) = One-way ANOVA: Mean years of schooling_1 versus Grupo1 Grupo Error Total S = R-Sq = 36.81% R-Sq(adj) = 34.34% Level N Mean StDev (----*----) (---*---) (-----*-----) = Os valores P-value das análises de variância acima nos confirmam que: - Tendo como parâmetro o p-value menor ou igual a 5% para a rejeição da hipótese nula, podemos considerar que a média populacional das variáveis dos conglomerados são diferentes, com exceção da variável Expenditure on Education. A variável Life expetancy

14 14 at birth, apesar de ter o p-value menor ou igual a 5%, não possui médias entre os conglomerados tão diferentes, conforme pode ser observado visualmente. - Pela análise do valor F, percebemos que a maior diferença aparece na variável GDP per Capita. Veremos abaixo o Box-Plot que nos permite visualizar mais claramente estas grandes diferenças entre os três conglomerados. Boxplot of HDI value_1; Carbon dioxi; Expected Yea; Expenditure ;... HDI value_ C arbon dioxide emissions_1 Expected Years of schooling_ % Expenditure on education_1 GDP per capita_1 Life expectancy at birth_ % 3.% 12 Mean y ears of schooling_ Grupo1 Fica bastante notória as diferenças que separam os três conglomerados nas 7 variáveis analisadas, com exceção das variáveis Expenditure on education e Life expetancy at birth, conforme já explicado anteriormente.

15 15 Dendrogram Single Linkage; Correlation Coefficient Distance Similarity HDI value_1 Expected Years of schooling_1 Mean years of schooling_1 Life expectancy at birth_1 Carbon dioxide emissions_1 GDP per capita_1 Expenditure on education_1 Variables Pelo dendrograma podemos observar que as variáveis HDI value, Expected years of schooling, Mean years of schooling e Life expectancy at birth estão correlacionadas, as variáveis Carbon dioxide emissions e GDP per capita também estão correlacionadas, e a variável Expenditure on education possui baixa correlação com as outras variáveis. 4.2 Amostra 2 Tamanho 5 Cluster 1 Cluster 2 Cluster 3 Senegal Belgium Cyprus Kyrgyzstan Japan Saudi Arabia Sierra Leone Austria Greece Armenia Ireland Korea (Republic of) Nepal Finland Czech Republic Ecuador Bahamas Uruguay Italy Moldova (Republic of) Nicaragua Chad Haiti Romania Morocco Mauritania Nigeria Guyana Mauritius Côte d'ivoire Madagascar

16 16 Lao People's Democratic Republic Honduras Egypt Mozambique Bulgaria India Cameroon Tunisia Malawi Niger Guatemala Jamaica Dominican Republic Swaziland Hungary Ukraine Namibia Central African Republic Croatia Brazil Russian Federation China South Africa One-way ANOVA: HDI value_2 versus Cluster2 Cluster Error Total S =.1382 R-Sq = 44.2% R-Sq(adj) = 42.1% Level N Mean StDev (--*--) ( * ) (------*------) =.1382 One-way ANOVA: Carbon dioxide emissions_2 versus Cluster2 Cluster Error

17 17 Total S = R-Sq = 64.5% R-Sq(adj) = 63.% Level N Mean StDev (-*--) ( *------) (-----*-----) = One-way ANOVA: Expected Years of schooling_2 versus Cluster2 Cluster Error Total S = R-Sq = 35.28% R-Sq(adj) = 32.74% Level N Mean StDev (---*--) ( * ) ( * ) = One-way ANOVA: Expenditure on education_2 versus Cluster2 Cluster Error Total S =.1775 R-Sq = 2.83% R-Sq(adj) =.% Level N Mean StDev (----*-----) ( * ) ( * ) =.1775 One-way ANOVA: GDP per capita_2 versus Cluster2 Cluster Error Total

18 18 S = 426 R-Sq = 85.57% R-Sq(adj) = 85.% Level N Mean StDev (*) (---*---) (--*--) = 426 One-way ANOVA: Life expectancy at birth_2 versus Cluster2 Cluster Error Total S = R-Sq = 33.26% R-Sq(adj) = 3.64% Level N Mean StDev (---*---) ( * ) ( * ) = One-way ANOVA: Mean years of schooling_2 versus Cluster2 Cluster Error Total S = R-Sq = 32.48% R-Sq(adj) = 29.83% Level N Mean StDev (---*---) ( * ) ( * ) = Os valores P-value das análises de variância acima nos confirmam que: - Tendo como parâmetro o p-value menor ou igual a 5% para a rejeição da hipótese nula, podemos considerar que a média populacional das variáveis dos conglomerados são diferentes, com exceção da variável Expenditure on Education. As variáveis HDI value,

19 19 Cabon dioxide emissions, Expected Years of schooling, Life expetancy at birth e Mean years of schooling, apesar de ter o p-value menor ou igual a 5%, não possuem médias entre os conglomerados tão diferentes, conforme pode ser observado visualmente. - Pela análise do valor F, percebemos que a maior diferença aparece na variável GDP per Capita. Veremos abaixo o Box-Plot que nos permite visualizar mais claramente estas grandes diferenças entre os três conglomerados. Boxplot of HDI value_2; Carbon dioxi; Expected Yea; Expenditure ; HDI value_2 C arbon dioxide emissions_2 18 Expected Years of schooling_ % Expenditure on education_2 GDP per capita_2 Life expectancy at birth_ % % Mean y ears of schooling_ Cluster2 Fica bastante notória as diferenças que separam os três conglomerados nas 7 variáveis analisadas, com exceção das variáveis HDI value, Cabon dioxide emissions, Expected Years of schooling, Expenditure on education, Life expetancy at birth e Mean years of schooling, conforme já explicado anteriormente.

20 2 Dendrogram Single Linkage; Correlation Coefficient Distance 7.2 Similarity HDI value_2 Expected Years of schooling_2 Mean years of schooling_2 Life expectancy at birth_2 Carbon dioxide emissions_2 GDP per capita_2 Expenditure on education_2 Variables Pelo dendrograma podemos observar um comportamento similar à amostra 1, em que as variáveis HDI value, Expected years of schooling, Mean years of schooling e Life expectancy at birth estão correlacionadas, as variáveis Carbon dioxide emissions e GDP per capita também estão correlacionadas, e a variável Expenditure on education possui baixa correlação com as outras variáveis. 4.3 Amostra 3 Tamanho 5 Cluster 1 Cluster 2 Cluster 3 Belgium Cameroon Bahamas Iceland Kazakhstan Saudi Arabia Japan Zimbabwe Korea (Republic of) Denmark China Netherlands Lithuania Madagascar Botswana Philippines Turkmenistan Belize Egypt Ukraine Burkina Faso Nigeria Morocco

21 21 The former Yugoslav Republic of Macedonia Sri Lanka Rwanda Jamaica Ghana Zambia Mauritius Syrian Arab Republic Senegal Fiji Angola Central African Republic Mexico Tunisia Belarus Russian Federation Niger Albania Thailand Panama Gambia Myanmar India Brazil Congo Guatemala Mauritania South Africa One-way ANOVA: HDI value_3 versus Grupo3 Grupo Error Total S =.1479 R-Sq = 34.65% R-Sq(adj) = 31.92% Level N Mean StDev ( * ) (--*--) ( * )

22 22 =.1479 One-way ANOVA: Carbon dioxide emissions_3 versus Grupo3 Grupo Error Total S = 3.91 R-Sq = 44.28% R-Sq(adj) = 41.96% Level N Mean StDev ( * ) (--*-) ( * ) = 3.91 One-way ANOVA: Expected Years of schooling_3 versus Grupo3 Grupo Error Total S = R-Sq = 3.28% R-Sq(adj) = 27.37% Level N Mean StDev ( * ) (--*--) ( * ) = One-way ANOVA: Expenditure on education_3 versus Grupo3 Grupo Error Total S =.1273 R-Sq = 12.78% R-Sq(adj) = 9.15% Level N Mean StDev ( * ) (---*---) ( * )

23 23 =.1273 One-way ANOVA: GDP per capita_3 versus Grupo3 Grupo Error Total S = 4184 R-Sq = 84.4% R-Sq(adj) = 83.75% Level N Mean StDev (---*--) (-*) (---*----) = 4184 One-way ANOVA: Life expectancy at birth_3 versus Grupo3 Grupo Error Total S = 9.41 R-Sq = 27.2% R-Sq(adj) = 23.98% Level N Mean StDev ( * ) (---*---) ( * ) = 9.41 One-way ANOVA: Mean years of schooling_3 versus Grupo3 Grupo Error Total S = R-Sq = 23.94% R-Sq(adj) = 2.77% Level N Mean StDev ( * ) (---*---) ( * )

24 24 = Os valores P-value das análises de variância acima nos confirmam que: - Tendo como parâmetro o p-value menor ou igual a 5% para a rejeição da hipótese nula, podemos considerar que todas as médias populacionais das variáveis dos conglomerados são diferentes. As variáveis HDI value, Cabon dioxide emissions, Expected Years of schooling, Expenditure on education, Life expetancy at birth e Mean years of schooling, apesar de terem o p-value menor ou igual a 5%, não possuem médias entre os conglomerados tão diferentes, conforme pode ser observado visualmente. - Pela análise do valor F, percebemos que a maior diferença aparece na variável GDP per Capita. Veremos abaixo o Box-Plot que nos permite visualizar mais claramente estas grandes diferenças entre os três conglomerados. Boxplot of HDI value_3; Carbon dioxi; Expected Yea; Expenditure ; HDI value_3 16 C arbon dioxide emissions_3 18 Expected Years of schooling_ % Expenditure on education_3 GDP per capita_3 Life expectancy at birth_ % % Mean y ears of schooling_ Grupo3 Fica bastante notória as diferenças que separam os três conglomerados nas 7 variáveis analisadas, com exceção das variáveis HDI value, Cabon dioxide emissions, Expected Years of schooling, Expenditure on education, Life expetancy at birth e Mean years of schooling, conforme já explicado anteriormente.

25 25 Dendrogram Single Linkage; Correlation Coefficient Distance Similarity HDI value_3 Expected Years of schooling_3 Life expectancy at birth_3 Mean years of schooling_3 GDP per capita_3 Carbon dioxide emissions_3 Expenditure on education_3 Variables Pelo dendrograma podemos observar um comportamento um pouco diferente das amostras anteriores, em que as variáveis HDI value, Expected years of schooling, Mean years of schooling e Life expectancy at birth estão correlacionadas. Já as variáveis GDP per capita, Carbon dioxide emissions e Expenditure on education possuem baixa correlação com as outras variáveis. 5. ANÁLISE DISCRIMINANTE A variável dependente de nossa análise será o conglomerado e para tentar explicar em qual conglomerado um determinado país cai, utilizamos as 7 variáveis de indicadores relacionados ao desenvolvimento humano dos países do mundo. 5.1 Amostra 1 Tamanho 5 Discriminant Analysis: Grupo1 versus HDI value_1; Carbon dioxide e;... Linear Method for Response: Grupo1 Predictors: HDI value_1; Carbon dioxide emissions_1; Expected Years of schooling_1; Expenditure on education_1; GDP per capita_1; Life expectancy at birth_1; Mean years of schooling_1 Group Count Summary of classification True Group

26 26 Put into Group Total N N correct Proportion N = 54 N Correct = 52 Proportion Correct =.963 Squared Distance Between Groups Linear Discriminant Function for Groups Constant HDI value_ Carbon dioxide emissions_ Expected Years of schooling_ Expenditure on education_ GDP per capita_1... Life expectancy at birth_ Mean years of schooling_ Summary of Misclassified Observations True Pred Squared Observation Group Group Group Distance Probability 7** ** Discriminant Analysis: Grupo1 versus HDI value_1; Carbon dioxide e;... HDI value_1 is highly correlated with other predictors in group 1. HDI value_1 is highly correlated with other predictors in group 3. Expected Years of schooling_1 is highly correlated with other predictors in group 3. Life expectancy at birth_1 is highly correlated with other predictors in group 3. Mean years of schooling_1 is highly correlated with other predictors in group 3. Quadratic Method for Response: Grupo1 Predictors: HDI value_1; Carbon dioxide emissions_1;

27 27 Expected Years of schooling_1; Expenditure on education_1; GDP per capita_1; Life expectancy at birth_1; Mean years of schooling_1 Group Count Summary of classification True Group Put into Group Total N N correct Proportion N = 54 N Correct = 53 Proportion Correct =.981 From Generalized Squared Distance to Group Group Summary of Misclassified Observations True Pred Squared Observation Group Group Group Distance Probability 12** A utilização da função quadrática ajustou melhor os dados, uma vez que aumentou a proporção de acerto de 96,3% para 98,1%. Veremos o que ocorre se excluirmos as variáveis com alto valor de p, utilizando a função quadrática: Discriminant Analysis: Grupo1 versus HDI value_1; Carbon dioxide e;... HDI value_1 is highly correlated with other predictors in group 1. HDI value_1 is highly correlated with other predictors in group 3. Life expectancy at birth_1 is highly correlated with other predictors in group 3. Quadratic Method for Response: Grupo1 Predictors: HDI value_1; Carbon dioxide emissions_1; Expected Years of schooling_1; GDP per capita_1; Life expectancy at birth_1; Mean years of schooling_1

28 28 Group Count Summary of classification True Group Put into Group Total N N correct Proportion N = 54 N Correct = 53 Proportion Correct =.981 From Generalized Squared Distance to Group Group Summary of Misclassified Observations True Pred Squared Observation Group Group Group Distance Probability 12** Não houve mudança no poder explicativo e o modelo fica mais simples, com seis variáveis ao invés de sete. Veremos o que acontece se considerarmos apenas a variável GDP per capita, variável com maior diferença entre os conglomerados. O objetivo é termos um modelo ainda mais simples e intuitivo: Discriminant Analysis: Grupo1 versus GDP per capita_1 Quadratic Method for Response: Grupo1 Predictors: GDP per capita_1 Group Count Summary of classification True Group Put into Group Total N N correct Proportion

29 29 N = 54 N Correct = 54 Proportion Correct = 1. From Generalized Squared Distance to Group Group O poder explicativo aumentou, chegando a uma proporção de acerto de % e a análise fica ainda mais simples com apenas uma variável explicativa. 5.2 Amostra 2 Tamanho 5 Discriminant Analysis: Cluster2 versus HDI value_2; Carbon dioxi;... Linear Method for Response: Cluster2 Predictors: HDI value_2; Carbon dioxide emissions_2; Expected Years of schooling_2; Expenditure on education_2; GDP per capita_2; Life expectancy at birth_2; Mean years of schooling_2 Group Count Summary of classification True Group Put into Group Total N N correct Proportion N = 54 N Correct = 54 Proportion Correct = 1. Squared Distance Between Groups Linear Discriminant Function for Groups Constant HDI value_ Carbon dioxide emissions_ Expected Years of schooling_ Expenditure on education_ GDP per capita_2... Life expectancy at birth_ Mean years of schooling_

30 3 Discriminant Analysis: Cluster2 versus HDI value_2; Carbon dioxi;... * ERROR * Mean years of schooling_2 is highly correlated with other predictors in group 2. * ERROR * Calculations for discriminant analysis cannot be done. Não foi possível calcular utilizando a função quadrática. Porém a utilização da função linear já ajustou os dados em uma proporção de acerto de %. Veremos o que ocorre se excluirmos as variáveis com alto valor de p, utilizando a função linear: Discriminant Analysis: Cluster2 versus HDI value_2; Carbon dioxi;... Linear Method for Response: Cluster2 Predictors: HDI value_2; Carbon dioxide emissions_2; Expected Years of schooling_2; GDP per capita_2; Life expectancy at birth_2; Mean years of schooling_2 Group Count Summary of classification True Group Put into Group Total N N correct Proportion N = 54 N Correct = 54 Proportion Correct = 1. Squared Distance Between Groups Linear Discriminant Function for Groups Constant HDI value_ Carbon dioxide emissions_ Expected Years of schooling_ GDP per capita_2... Life expectancy at birth_ Mean years of schooling_

31 31 Não houve mudança no poder explicativo e o modelo fica mais simples, com seis variáveis ao invés de sete. Veremos o que acontece se considerarmos apenas a variável GDP per capita, variável com maior diferença entre os conglomerados. O objetivo é termos um modelo ainda mais simples e intuitivo: Discriminant Analysis: Cluster2 versus GDP per capita_2 Linear Method for Response: Cluster2 Predictors: GDP per capita_2 Group Count Summary of classification True Group Put into Group Total N N correct Proportion N = 54 N Correct = 52 Proportion Correct =.963 Squared Distance Between Groups Linear Discriminant Function for Groups Constant GDP per capita_ Summary of Misclassified Observations True Pred Squared Observation Group Group Group Distance Probability 45** ** Há uma redução muito pequena no poder explicativo, reduzindo a proporção de acerto de % para 96,3% e a análise fica ainda mais simples com apenas uma variável explicativa.

32 Amostra 3 Tamanho 5 Discriminant Analysis: Grupo3 versus HDI value_3; Carbon dioxide e;... Linear Method for Response: Grupo3 Predictors: HDI value_3; Carbon dioxide emissions_3; Expected Years of schooling_3; Expenditure on education_3; GDP per capita_3; Life expectancy at birth_3; Mean years of schooling_3 Group Count Summary of classification True Group Put into Group Total N N correct Proportion N = 51 N Correct = 51 Proportion Correct = 1. Squared Distance Between Groups Linear Discriminant Function for Groups Constant HDI value_ Carbon dioxide emissions_ Expected Years of schooling_ Expenditure on education_ GDP per capita_3... Life expectancy at birth_ Mean years of schooling_ Discriminant Analysis: Grupo3 versus HDI value_3; Carbon dioxide e;... * ERROR * Mean years of schooling_3 is highly correlated with other predictors in group 1. * ERROR * Calculations for discriminant analysis cannot be done.

33 33 Não foi possível calcular utilizando a função quadrática. Porém a utilização da função linear já ajustou os dados em uma proporção de acerto de %. Com não foram encontradas variáveis com alto valor de p, veremos o que acontece se considerarmos apenas a variável GDP per capita, variável com maior diferença entre os conglomerados. O objetivo é termos um modelo mais simples e intuitivo: Discriminant Analysis: Grupo3 versus GDP per capita_3 Linear Method for Response: Grupo3 Predictors: GDP per capita_3 Group Count Summary of classification True Group Put into Group Total N N correct Proportion N = 51 N Correct = 51 Proportion Correct = 1. Squared Distance Between Groups Linear Discriminant Function for Groups Constant GDP per capita_ O poder explicativo se manteve em % de proporção de acerto e a análise fica muito mais simples com apenas uma variável explicativa. 6. CONSIDERAÇÕES FINAIS De acordo com todas as análises acima, podemos constatar que a função linear se mostrou mais adequada em duas das três amostras, porém vale constatar que nessas duas amostras, não foi possível calcular utilizando a função quadrática. Também foi possível constatar que utilizando-se somente a variável GDP per Capita para divisão dos países das amostras em conglomerados chegou-se a índices de proporção de

34 34 acerto de % em duas amostras e 96,3% na outra amostra. Portanto podemos concluir que entre as variáveis de indicadores de desenvolvimento humano, a variável GDP per Capita é a mais significativa e somente a sua utilização já é suficiente para dividir os países das amostras em conglomerados. As demais variáveis muito pouco ou nada acrescentam. Assim, fica um alerta para os países do BRICS, incluindo o Brasil, que um importante caminho para a melhoria do desenvolvimento humano parece passar necessariamente pela melhoria no índice de GDP per Capita.