MÉTODOS ESTATÍSTICOS COMO SUPORTE PARA A AVALIAÇÃO DAS

Na relação entre teoria e prática das concepções políticas e das atividades governamentais, Batista (2002) ressalta o uso de métodos estatísticos cada vez mais sofisticados, impregnando os processos de gerenciamento por meio de técnicas de quantificação e sistematização da informação, de maneira a tornar o setor público mais eficiente. O uso de tais métodos para apoiar a formulação de políticas públicas pode ocorrer

em diversos níveis. A sua utilização pioneira esteve associada às contas públicas e ao registro de operações fiscais. Atualmente, o seu uso é cada vez mais visível no planejamento e nas instituições de pesquisa, dando suporte à tomada de decisão. A popularização do uso de indicadores sintéticos, de simulações dos impactos das políticas públicas, de comparações entre objetivos pretendidos e alcançados e de construção de modelos estatísticos, certamente, permitem melhor inferir sobre a realidade. Segundo Kerlinger (1980, p. 353):

Estatística é a teoria e o método de analisar dados obtidos de amostras de observações com o fim de descrever populações, estudar, comparar fontes de variância, para ajudar a tomar decisões sobre aceitar ou rejeitar relações entre fenômenos e para ajudar a fazer inferências fidedignas de observações empíricas.

O objetivo de categorizar, ordenar e manipular informações por meio de procedimentos analíticos é reduzir grandes quantidades de dados brutos, passando-os para uma forma interpretável, de maneira que as características de situações sejam descritas sucintamente e as relações entre as variáveis sejam estudadas e interpretadas. A estatística descritiva trata da descrição de um conjunto de dados por meio de gráficos e tabelas. Isso facilita o poder de síntese, além de indicar padrões de comportamento representativo de um determinado grupo, classe ou conjunto de indivíduos.

A análise multivariada se refere a todos os métodos estatísticos que analisam simultaneamente múltiplas medidas sobre cada indivíduo ou objeto sob investigação, ou seja, investiga um determinado fenômeno de uma forma conjunta. De um modo geral, o caráter multivariado pode se referir tanto às múltiplas variáveis estatísticas (combinações ponderadas de variáveis) como ao número de variáveis ou observações. Atualmente, os métodos de análise multivariada influenciam não apenas aspectos analíticos de pesquisa, mas também o planejamento e a abordagem da coleta de dados para decisões e resoluções de problemas (HAIR et al., 2005).

A análise multivariada proporciona um enfoque diferente na avaliação de políticas públicas onde se define a estrutura da informação a partir do que foi observado e não a partir dos resultados de modelos ou das transformações a que os dados são submetidos por meio de operações de modelagens (BATISTA, 2002).

A escolha do método de análise multivariada depende do tipo do dado e dos objetivos da investigação. Há dois tipos de dados: métricos (quantitativos) e não-métricos (qualitativos). Os dados não-métricos são atributos ou características categóricas que identificam ou descrevem um objeto. As medidas não-métricas podem ser nominais (por

exemplo, respostas sim ou não) ou ordinais (por exemplo, respostas ruim, médio e bom, ou do tipo ranquing: “maior que” ou “menos que”).

A discussão a respeito dos diferentes métodos de análise multivariada está fora do âmbito deste trabalho. Hair et al. (2005) detalham os diferentes escopos da análise multivariada e suas respectivas técnicas mais estabelecidas que possam ser úteis para: 1) facilitar a interpretação por meio da redução dos dados – análise fatorial65; 2) investigar a interdependência entre as variáveis – análise multivariada de variância, análise multivariada de covariância e análise de correspondência66; 3) prever o valor de determinadas variáveis a partir da relação e do comportamento entre elas – análise de regressão múltipla, análise discriminante múltipla, modelos lineares de probabilidade ou análise de correlação canônica67 ou 4) agrupar objetos similares – análise de agrupamentos.

Dependendo da técnica utilizada, a análise multivariada pode ser útil para encontrar a estrutura subjacente ao conjunto de variáveis estudadas. Entretanto, a técnica de análise multivariada deve ser acompanhada de uma fundamentação conceitual sobre o objeto

65

A análise fatorial tem como objetivo encontrar um meio de condensar a informação contida em um número de variáveis originais em um conjunto menor de variáveis estatísticas (fatores), com perda mínima de informação. No caso das relações que ocorrerem entre objetos (por exemplo, julgamentos de consumidores sobre objetos A ou B) em vez de variáveis estatísticas, podem ser empregadas as técnicas de escalonamento multidimensional - percepções em distâncias representadas em um espaço multidimensional - (HAIR et al., 2005).

66

A análise multivariada de variância (MANOVA – multivariate analysis of variance) é uma técnica usada para explorar as relações entre diversas variáveis independentes categóricas e duas ou mais variáveis dependentes métricas. A análise multivariada de covariância (MANCOVA – multivariante analysis of covariance) é geralmente usada em conjunção com a MANOVA para remover o efeito de quaisquer variáveis independentes métricas não-controladas sobre as variáveis dependentes. A análise de correspondência é uma técnica de interdependência que facilita tanto a redução dimensional da classificação de objetos em um conjunto de atributos quanto o mapeamento perceptual de objetos relativo a esses atributos. Neste sentido, a análise de correspondência fornece uma representação multivariada de interdependência para dados não-métricos, o que não é possível com outros métodos (HAIR et al., 2005).

67

Quando o problema de pesquisa envolve uma única variável dependente métrica relacionada a duas ou mais variáveis independentes métricas, a técnica mais apropriada é a análise de regressão múltipla, que permite prever as mudanças na variável dependente como resposta a mudanças nas variáveis independentes. No caso de a única variável dependente ser não-métrica - dicotômica (p.ex. masculino-feminino) ou multicotômica (p.ex., alto-médio-baixo), pode-se usar a análise discriminante múltipla ou regressão logística que permite entender diferenças de grupos e prever a probabilidade de que um indivíduo ou objeto pertencerá a uma classe ou grupo em particular. Entretanto, esta técnica pressupõe que as variáveis independentes sejam métricas. Os modelos lineares de probabilidade são uma combinação de regressão múltipla com análise discriminante múltipla. A única diferença é que esses modelos podem acomodar, dependendo do caso, vários tipos de variáveis independentes (métricas e não-métricas). A análise de correlação canônica envolve múltiplas variáveis dependentes. Neste caso, o objetivo é correlacionar diversas variáveis dependentes métricas e diversas variáveis independentes métricas. Este procedimento envolve trabalhar com um conjunto de pesos para as variáveis dependentes e independentes que fornece a correlação simples máxima entre o conjunto de variáveis dependentes e o de variáveis independentes (HAIR et al. 2005).

estudado, para não gerar novas complexidades nos resultados e suas interpretações (HAIR, et al., 2005).

Como a natureza das variáveis MUNIC Meio Ambiente de 2002 é qualitativa (não- métrica) e as variáveis são mensuradas no nível nominal (sim e não ou 0 e 1), a técnica multivariada mais apropriada para análise a que este trabalho se propõe é a de agrupamento (detalhada no próximo item). Além do mais, como na temática ambiental, a escolha de variáveis dependentes ou independentes é extremamente subjetiva, não se pretende aqui gerar um modelo a partir do exame da dependência entre as variáveis da pesquisa.

Em contraste, pretende-se encontrar grupos homogêneos a partir da interdependência entre as respostas da MUNIC Meio Ambiente de 2002, na tentativa de estabelecer uma tipologia para identificar grupos de municípios em função do grau de comprometimento com a gestão ambiental. Ou seja, as variáveis escolhidas para representar o avanço da gestão ambiental local são analisadas simultaneamente, num esforço de avaliar em que medida o arcabouço institucional, com o intuito de administrar os problemas ambientais dos municípios, está associado ao uso de ações que denotam seu maior comprometimento com a gestão ambiental.

Uma vez que as grandes regiões político-administrativas do país têm particularidades e peculiaridades comuns, optou-se pela análise de agrupamento separada para cada uma delas.