Análise fatorial em componentes principais

Para estabelecer a relação entre as populações vulneráveis e as hortas, foi também crucial arranjar uma base de dados que tivesse o levantamento de todas as hortas da cidade de Lisboa, sejam elas de cariz formal ou informal. Considerou-se a bases de dados da CML (disponível do portal geodados da CML para o ano de 2021), que contém um levantamento das hortas urbanas de gestão municipal, mas também as de cariz espontâneo. Apesar da seleção e caracterização dos casos de estudo recaírem sobre espaços formais planeados (“hortas sociais ou comunitárias” de gestão municipal) e espaços informais (“hortas dispersas”), tal como foi referido anteriormente, numa fase inicial considerou-se, por uma questão de coerência, totalizar a área de hortas por cada freguesia, não tendo sido levado em consideração a questão da tipologia, uma vez que o que se pretendia apurar nesta fase inicial era essencialmente a existência ou não de hortas urbanas e a sua dimensão em cada freguesia.

Figura 18. Área total de hortas urbanas pelas freguesias do concelho de Lisboa (m²) Fonte: CML, 2021

controlam as variáveis originais” (Maroco, 2007). Por outras palavras, espera-se que a partir de um grupo de variáveis iniciais consideradas necessárias e suficientes para descrever o fenómeno, seja criado um conjunto de variáveis reduzidas que melhor descrevem o sistema.

Para a extração destas componentes os métodos mais utilizado são o Teste Kaiser- Meyer-Olkin (KMO) e de Esfericidade de Bartlett, que indicam o nível de confiança que se pode esperar dos dados. Para a compreensão do teste KMO importa destacar que, geralmente, se os dados forem inferiores a 0,5 estão completamente desapropriados para o tratamento de dados pois pouco permitem reduzir a informação. Esta situação não se verifica na análise fatorial realizada (Tabela 6). No mesmo sentido, o teste de Esfericidade de Bartlett o valor obtido deverá ser menor que 0,05, algo que também se verifica (0,000).

Tabela 6. Testes Kaiser-Meyer-Olkin (KMO) e de Esfericidade de Bartlett

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,618

Bartlett's Test of Sphericity

Approx. Chi-Square 584,915

Df 190

Sig. ,000

Autor: Elaboração própria Estabelecida a adequação dos dados a tratar, deve reter-se apenas o número mínimo de fatores que permitam explicar o fenómeno em estudo, uma vez que o objetivo da análise é a simplificação da informação.

A extração dos fatores foi realizada através da rotação Varimax, com o intuito de obter uma estrutura fatorial na qual uma, e apenas uma, das variáveis originais esteja fortemente associada a um fator e pouco associada aos restantes fatores (Maroco, 2007). Através da Tabela 7 pode-se observar os Eigenvalues (valores próprios) que exprimem a variância de cada variável. Neste sentido, pode observar-se que, das 20 variáveis iniciais, o resultado foi a obtenção de 4 fatores, que no seu conjunto explicam 81,7% da variância das variáveis iniciais, ficando 18,3% da variância por explicar.

Tabela 7. Variância Total Explicada

1 7,942 39,712 39,712 7,942 39,712 39,712 6,605 33,027 33,027 2 3,977 19,883 59,595 3,977 19,883 59,595 4,101 20,506 53,533 3 2,224 11,121 70,716 2,224 11,121 70,716 3,369 16,847 70,381 4 2,188 10,939 81,655 2,188 10,939 81,655 2,255 11,274 81,655 Método de Extração: Análise dos componentes principais

Autor: Elaboração própria Na Tabela 8, é possível verificar mais uma vez a extração de quatro fatores, relacionadas com as variáveis iniciais (loadings). Na Matriz dos Componentes Rodados os valores se situam entre -1 e 1, dado que são coeficientes de correlação, sendo os valores podem ser negativos (indicando correlação inversa) ou positivos (indicando correlação positiva). Quanto mais próximos os valores tiverem de 1 ou -1, mais forte é a correlação, e mais peso vai ter na componente.

Initial Eigenvalues Extraction Sums of Squared

Loadings Loadings

Fator

% of Variance

Cumulative

%

% of Variance

Cumulative

%

% of Variance

Cumulative

Total Total Total %

Neste sentido, foram destacadas na Matriz dos Componentes Rodados (Tabela 8), as associações dominantes, quando o valor se situar entre -0,7 e -1 ou entre 0,7 e 1. Assim, é possível observar:

• o primeiro fator é o que apresenta mais correlações, destacando-se as relações positivas com a

“Proporção de população residente com o 1º ciclo ou sem qualquer nível de escolaridade concluído” (0,952), “Proporção de população residente entre os 20 e os 30 anos, que nem trabalha nem estuda” (0,946) e “Taxa de desemprego” (0,920), e uma relação negativa forte com a

“Proporção de alojamentos familiares clássicos arrendados de residência habitual com uma renda mensal de 400 ou mais euros” (-,806);

• o segundo fator tem um loading elevado para o “Número médio dos beneficiários do Subsídio de Desemprego entre 2015-2020” (0,929) e o “Número médio trimestral de desempregados inscritos nos Centros de Emprego” (0,910);

• o terceiro fator compreende três associações dominantes, a “Proporção residente de nacionalidade estrangeira (0,918) e “Proporção de alojamentos familiares clássicos vagos no total dos alojamentos” (0,860);

• e, por fim, o quarto fator possui apenas duas associações dominantes, e as mesmas não são tão elevadas, nomeadamente com “Famílias clássicas unipessoais de 1 pessoa de 65 e mais anos no total de famílias clássicas unipessoais” (0,875) e o “Índice de envelhecimento” (0 ,853).

Fatores Tabela 8. Matriz dos Componentes Rodados

1 2 3 4

Densidade de hortas ,773 ,276 -,356 -,254

Densidade populacional -,371 ,583 ,261 -,092

Proporção residente de nacionalidade estrangeira -,057 -,020 ,918 -,157

Índice de envelhecimento ,050 ,035 ,385 ,853

Famílias clássicas unipessoais de 1 pessoa de 65 e mais anos no total de

famílias clássicas unipessoais ,068 ,047 -,221 ,875

Proporção de população residente com o 1º ciclo ou sem qualquer nível de

escolaridade concluído ,952 ,194 ,093 ,022

Taxa de abandono escolar ,843 ,047 ,050 ,120

Proporção de população residente entre os 20 e os 30 anos, que nem

trabalha nem estuda ,946 ,133 -,006 ,042

Taxa de desemprego ,920 ,237 ,178 ,167

Número médio trimestral de desempregados inscritos nos Centros de

Emprego ,275 ,910 -,102 -,191

Proporção de agregados familiares beneficiários de RSI ,790 ,095 ,339 -,211

Número médio trimestral dos beneficiários Complemento Solidário para Idosos

,369 ,875 -,113 ,126

Número médio dos beneficiários do Subsídio de Desemprego entre 2015 - 2020

,023 ,929 -,253 ,077

Número médio de beneficiários do Abono de Família para crianças e jovens nos primeiros trimestres 3 trimestres de 2021

,479 ,796 -,317 -,061

Proporção de edifícios com necessidade de grandes reparações ou muito degradados

,443 -,163 ,705 -,277

Índice de envelhecimento dos edifícios ,259 ,183 ,199 -,550

Proporção de alojamentos familiares clássicos arrendados de residência habitual com uma renda mensal de 400 ou mais euros

-,806 -,103 ,330 ,207

Proporção de alojamentos familiares clássicos vagos no total dos alojamentos

-,035 -,329 ,860 ,177

Alojamentos não clássicos por 1000 alojamentos ,608 ,058 -,323 -,234

Valor mediano das rendas por m² de novos contratos de arrendamento de alojamentos familiares

-,395 -,535 ,548 ,074

Método de Extração: Análise de Componentes Principais.

Método de Rotação: Varimax com Normalização Kaiser a. Rotação convergente em 6 interações

Autor: Elaboração própria

Na Figura 19 e Figura 20 é possível observar os scores dos quatro fatores mais importantes para cada freguesia do concelho de Lisboa, podendo-se assim analisar padrões territoriais.

O Fator 1, sendo o fator que apresenta um número maior de correlações com as variáveis em estudo, possui scores positivos elevados nas freguesias de Santa Clara (2,37) e Marvila (1,76). Contrariamente este fator apresenta scores negativos em 13 freguesias, destacando-se as freguesias do Lumiar e São Domingos de Benfica (ambas com um score de - 1,13). Por outras palavras, as variáveis “Proporção de população residente com o 1º ciclo ou sem qualquer nível de escolaridade concluído”, “Proporção de população residente entre os 20 e os 30 anos, que nem trabalha nem estuda” e “Taxa de desemprego”, têm correlações positivas fortes com as freguesias de Santa Clara e Marvila. No lado oposto, as freguesias ao longo de um eixo central da cidade (e.g Lumiar, Alvalade, Arieiro, Alameda) têm uma relação com a Proporção de alojamentos familiares clássicos arrendados de residência habitual com uma renda mensal de 400 ou mais euros.

O Fator 2 possui correlações fortes com variáveis relacionadas com a temática de prestações sociais e uma variável indutora de situação profissional de desemprego. Este fator possui scores positivos fortes nas freguesias de Arroios (2,47), Marvila (1,88) e Penha de França (1,75). Não obstante, a maioria das freguesias apresenta scores negativos, destacando-se as freguesias localizadas na zona ribeirinha como as que apresentam os scores negativos mais elevados, evidenciando-se a freguesia de Belém (-1,25).

São Domingos São Domingos

de Benfica de Benfica

Figura 19. Scores dos Fatores 1 e 2 Fonte: CAOP, 2020; Autor: Elaboração própria

O Fator 3, possui relações forte com variáveis relacionadas com o parque habitacional, nomeadamente a existência de alojamentos vagos e edifícios a necessitar de reparações, mas também com a variável da densidade populacional. Verifica-se a partir da Figura 20 a existência de um claro padrão, com os scores positivos mais fortes a localizarem-se nas freguesias do centro histórico, nomeadamente Santa Maria Maior (2,49), Misericórdia (1,88) e Arroios (1,60).

Já as freguesias mais periferias relativamente ao centro apresentam scores negativos fortes, destacando-se as freguesias do Lumiar (-1,17), Belém (-1,11), Olivais (-0,99), Marvila (-0,89) e Santa Clara (-0,87).

O Fator 4 possui apenas uma correlação forte com duas variáveis muito relacionadas ao envelhecimento populacional. Neste fator destacam-se, com scores positivos fortes, as freguesias de Olivais (1,53), Benfica (1,42) e Ajuda (1,31). Com scores negativos fortes destacam-se a freguesia do Parque das Nações (-3,05) e a freguesia de Santa Clara (-2,09).

São Domingos São Domingos

de Benfica de Benfica

Figura 20. Scores dos Fatores 3 e 4 Fonte: CAOP, 2020; Autor: Elaboração própria A análise destes Fatores e da sua representação cartográfica permitem confirmar alguma evidência empírica sobre quais as freguesias mais nobres e as mais vulneráveis da cidade, do ponto das dimensões analisadas. Do ponto de vista demográfico, e em particular da população idosa, destacam-se as freguesias Olivais, Benfica e Ajuda como as que apresentam uma maior fragilidade; do ponto de vista habitacional, verifica-se que resultante da idade do edificado e da especulação imobiliária impulsionada pela procura turística, as freguesias do centro (nomeadamente Santa Maria Maior, Misericórdia e Arroios) apresentam maiores

debilidades no que se refere ao estado de conservação do parque edificado e à existência de alojamentos vagos; do ponto vista socioeconómico da população, e em particular no que ao emprego e escolaridade diz respeito, verifica-se que as freguesias de Santa Clara e Marvila apresentam relações fortes com indicadores indutores de desemprego ou inatividade profissional, assim como níveis de escolaridade mais baixos; no mesmo sentido, e relativamente às pensões sociais, Marvila é uma das freguesias que mais se destaca, a par das freguesias de Arroios e Penha de França.