Análise discriminante

A análise discriminante foi a metodologia adotada em dois momentos do desenvolvimento deste trabalho, com finalidades distintas, embora articuladas com a estratégia geral de argumentação, na primeira para evidenciar que o processo de certificação dos participantes do PSMV não seria influenciado por quaisquer outros fatores que não os político-institucionais, captados pelo ISA; e, no segundo momento para confrontar os resultados da classificação dos municípios em função de seu pioneirismo ambiental com o estágio da governança municipal, na ótica do Tribunal de Contas da União.

A análise discriminante é uma técnica de análise multivariada que se utiliza de acordo com Cunha, (2014, p. 2), “quando a variável dependente é categórica, ou seja, qualitativa (não métrica) e as variáveis independentes são quantitativas (métricas)” sendo seu principal objetivo o de

“identificar as variáveis que discriminam os grupos e, assim, elaborar previsões a respeito de uma nova observação, identificando o grupo mais adequado a que ela deverá pertencer, em função de suas características. Para alcançar esse objetivo, a AD gera funções discriminantes (combinações lineares das variáveis) que ampliam a discriminação dos grupos descritos pelas variáveis dependentes” (CUNHA, 2014, p. 2).

Neste sentido, a análise discriminante permite o conhecimento das variáveis que mais se destacam na discriminação dos grupos, a partir de testes estatísticos, como o lambda de Wilks, a correlação canônica, o qui-quadrado e o eigenvalue. Assim, adoção da análise discriminante tanto serve para identificar as variáveis que melhor discriminam dois ou mais grupos; como para utilizar tais variáveis para desenvolver

funções discriminantes que representem as diferenças entre os grupos; ou ainda, para fazer uso das funções discriminantes para desenvolver regras de classificação de futuras observações.

Para o primeiro caso discutido, o objetivo era simplesmente o de identificar a (ou as) variável capaz de discriminar entre os grupos de certificados e não certificados, partindo da premissa de que apenas o ISA, variável adotada pelo Programa com esta finalidade teria tal capacidade. Já no segundo caso, avançou-se na definição de uma função discriminante que permitisse avaliar em que medida os resultados observados em termos de pioneirismo se relacionava com os estágios de governança dos municípios cearenses apurados pelo TCU.

Com apoio do SPSS aplicou-se a análise discriminante para em dois momentos distintos. Inicialmente a análise foi feita considerando apenas os municípios que haviam certificados na edição selecionada, considerando o conjunto dos indicadores socioeconômicos selecionados, incluindo o ISA. No segundo momento foi realizada a mesma análise considerando, inclusive, aqueles municípios que não participaram do programa naquele ano.

Havendo demonstrado que inovação e boa governança eram aspectos da gestão ambiental municipal medidos pelo processo de certificação do PSMV, restava o desafio de confrontar esta hipótese com outras análises que corroborassem, ou não, com ela. Para tanto se realizou estudo comparado entre os resultados da classificação do grau de pioneirismo dos participantes do Programa, com os resultados observados em um estudo desenvolvido pelo Tribunal de Contas da União (TCU) para avaliar o nível de governança no país, trabalhando-se com o conjunto dos municípios cearenses que tinham participado dos dois processos, tanto do Selo Verde como do TCU (Quadro I e II do Apêndice).

Esta análise foi aprofundada por meio da comparação dos resultados observado, em termos de categoria de pioneirismo, com o desempenho que os municípios tinham alcançado na avaliação do Tribunal de Contas por meio de uma análise discriminante em que os índices de governança setoriais (Liderança, Estratégia e Controle) serviram de variáveis independentes, enquanto que o grau de pioneirismo foi considerado a variável dependente desta função (Tabela XIII do Apêndice).

Originalmente a ideia foi de identificar se algumas das três dimensões estabelecidas na análise do TCU seria capaz de discriminar entre os resultados observados, o que não seria uma situação ótima, para mais adiante analisar, com base

nas funções discriminantes geradas pela análise, qual o grau de precisão observado previsão de pertencimento aos grupos, quando maior for a parcela das observações corretamente classificada, melhor a função discriminante calculada.

Para este segundo momento, a possibilidade de utilizar a análise discriminante como metodologia de análise dependia no tamanho da amostra necessária, como na discussão de Cunha (2014) sobre o tema que afirma que

“é essencial definir o tamanho correto da amostra que será estudada, já que esta técnica é muito sensível à proporção do tamanho da amostra em relação ao número de variáveis preditoras. Assim, como regra geral, utiliza-se no mínimo 20 observações para cada variável explicativa, mesmo que o número final das variáveis preditoras a serem incluídas no modelo seja reduzido (método stepwise)”. (CUNHA, 2014, p. 3).

Com base nisto, optou-se por adotar o método “Stepwise” (passo a passo) que considera a inclusão passo a passo apenas das variáveis significantes, o que possibilita várias análises tais como: Método de lambda de Wilks; a Razão F entre os grupos; ou ainda o Método Unexplained Variance.

Por fim, cabe esclarecer quais as razões que levaram à escolha da edição de 2010 como a adotada para realizar a análise discriminante em questão. Considerando que boa parte dos indicadores sociais e econômicos adotados baseia-se em informações relativas à população dos municípios, a edição selecionada para realizar esta análise foi a de 2010, sendo este ano de realização do Censo da População, diminuindo desvios e margens de erros nos valores adotados.