BOLETIM DE ANÁLISES ESTATÍSTICO BASTA 2018 Vol. 1

(1)

Programas de Pós

Graduação em

Economia e

Administração da

PUC-SP

BOLETIM DE ANÁLISES ESTATÍSTICO

BASTA 201

₈

Vol.

1 RESILIÊNCIA

DISCIPLINA: MÉTODOS QUALITATIVOS E QUANTITATIVOS DA PESQUISA

EMPÍRICA PROF. ARNOLDO JOSÉ DE HOYOS GUEVARA

Kallita Ester Magalhães

São Paulo – SP

201

8 ANÁLISE DOS PAÍSES DA REGIÃO IBERO-AMERICANA (AIBER)

PROJETO ORIBER

(2)

Sumário

1. Introdução ... 3

2. Entendendo Os Dados ... 3

2.1 Sobre Projeto Milênio – Observatório Riber - Oriber ... 3

2.2 Os Indivíduos ... 3

2.3 As variáveis do tema Biodiversidade - Capital Natural e Social ... 3

2.4 Países analisados ... 6

3. Tratamento Dos Dados, Agrupamentos E Relacionamentos ... 7

3.1 Análises de agrupamentos (clusters) ... 7

3.2 Análise de variância - ANOVA ... 10

3.3 Análise de Componentes Principais (PC) ... 14

3.4 Novo índice de performance ... 16

3.5 Criando indicadores a partir dos PC1, PC2 ... 28

3.6 Ranking de Resiliência ... 29

(3)

1. Introdução

Este trabalho tem por objetivo realizar análises dos países da região

Ibero-Americana (AIBER). Para tanto serão efetuadas análises de correspondência, para obter

graficamente a distribuição dos resultados das variáveis do eixo temático Resiliência e

analisar o grau de relacionamento entre as variáveis de interesse. Análises de variância

(ANOVA), regressões, de agrupamentos (clusters) e de componentes principais também

serão efetuadas. E por fim, ao se identificar as variáveis de maior relevância na

composição do modelo, será criado um indicador de performance, através do qual os países

serão agrupados e ordenados. E um mapa indicando suas posições no ranking através das

cores para destaque.

Os dados são compilados pelo Banco Mundial. O software estatístico utilizado neste

estudo é o Minitab.

2. Entendendo Os Dados

Os dados desta análise compreende os 19 países pertencentes à região

Ibero-Americana (AIBER). Estes dados são representados pelos indicadores sintéticos e

analíticos de maior relevância para permitir análises e conclusões sobre o tema Resiliência

e auxiliar os envolvidos no Projeto ORIBER – Observatório RIBER.

2.1 Sobre Projeto Milênio – Observatório Riber - Oriber

A Rede Ibero-americana do Projeto Milênio – RIBER tem como objetivo: promover

o estudo da prospectiva na Iberoamérica através de uma comunidade com competências,

conceitos, métodos e práticas prospectivas, que permita analisar e intercambiar

informações sobre os diferentes países da região e contribuir na aprendizagem coletiva dos

atores regionais para o desenvolvimento de competências em prospectiva, fornecendo

referências das melhores práticas existentes na região e no mundo como um todo. Fonte:

Guia GPS – Gestão Pública Sustentável

2.2 Os Indivíduos

Os indivíduos desta análise são países que constam na base de dados do Banco

Mundial. Os conceitos que compõem o tema Reisliência, foram extraídos do material

fornecido em aula, do guia Programa Países Sustentáveis - Guia GPS – Gestão Pública

Sustentável, uma publicação do Núcleo de Estudos do Futuro da PUC-SP e do site do

Banco Mundial.

2.3 As variáveis do tema Biodiversidade - Capital Natural e Social

Este tema da pesquisa apresenta 18 (dezoito) variáveis, sendo três categóricas –

Country, Country Code e Região descritas abaixo no Quadro 1. Estas ainda podem ser

divididas em: índices sintéticos e variáveis-componentes ou indicadores, a saber:

Índices sintéticos | São 11 (onze): Social Progress Index, The World Risk Index,

IDH, Governance, EPI Score, The Happy Planet Index, Gini, Democracy, Economic Score,

Supply Chain Score, Risk Quality Score.

Indicadores ou variáveis components | São 7 (sete): Tolerance and Inclusion,

Exposure, Susceptibility, Vulnerability, Lack of coping capacities, Lack of adaptive

capacities, Inherent Cyber Risk.

(4)

Quadro 1. As variáveis do eixo temático: Resiliência

Variável Significado Tipo Unidade de Medida

Social Progress Index O índice de progresso social é um índice que agrega indicadores sociais e ambientais em três dimensões do progresso social: (1) necessidades básicas humanas, (2) bem-estar, (3) oportunidades. O índice de progresso social de 2017 inclui dados de 128 países em 50 indicadores.

Quantitativa Percentual

Tolerance and Inclusion O índice de tolerância e inclusão é composto por cinco indicadores são eles: (1) tolerância para com os imigrantes, (2) para com os homossexuais, (3) discriminação e violência contra as minorias, (4) tolerância religiosa e (5) rede de segurança comunitária.

The World Risk Index O Índice de Risco Mundial consiste em quatro componentes: (1) exposição para os perigos naturais, (2) a suscetibilidade, (3) falta de capacidades de enfrentamento e (4) à falta capacidades adaptativas. O Índice é calculado a partir de 28 indicadores que utilizam dados disponibilizados pelos países e acessíveis a todos.

The World Risk Index- Exposure

A exposição refere-se à população, condições de áreas construídas, componentes de infraestrutura e ambiental expostos aos impactos de um ou mais riscos naturais, tais como: terremotos, ciclones, secas, inundações e elevação do nível do mar etc.

The World Risk Index - Susceptibility

Susceptibilidade refere-se à probabilidade de sofrer perda, dano ou interrupção face a eventos extremos ou de desastres naturais. Assim, a susceptibilidade descreve as características estruturais e condições-quadro de uma sociedade sendo elas: (1) infraestrutura pública com a parte da população sem acesso a um saneamento e fonte de água melhorados, (2) condições de habitação com a parte da população que vive em comunidades; proporção de moradias semissólidas e frágeis, (3) nutrição com a percentagem das pessoas subnutridas da população, (4)pobreza e relação de dependência com a população de extrema pobreza vivendo com US1,25 por dia ou menos (paridade de poder de compra), (5) capacidade econômica e distribuição de renda com o produto interno bruto per capta (paridade de compra) e índice de Gini.

The World Risk Index- Vulnerability

Compreende à suscetibilidade, associadas a falta de capacidade de resposta e de adaptação da sociedade, à fatores sociais, físicos, econômicos e ambientais que os tornam suscetíveis aos impactos dos riscos de desastres naturais, aos efeitos adversos das alterações climáticas ou de processos de transformação. Demonstra também a capacidade da sociedade, país em enfrentar e adaptar-se aos impactos negativos dos

(5)

desastres naturais.

The World Risk Index – Lack of coping capacities

É a habilidade da sociedade em minimizar os impactos negativos oriundos de desastres naturais, às alterações climáticas via ação direta e da disponibilidade de recursos para redução de danos e prejuízos na ocorrência destes eventos.

The World Risk Index – Lack of adaptive capacities

Adaptação, ao contrário da capacidade de enfrentar e sobreviver, é entendida como um processo de longo prazo que inclui mudanças estruturais. Concentra-se em medidas e estratégias que abordam os impactos negativos dos desastres naturais e das mudanças climáticas em longo prazo.

IDH O índice de desenvolvimento humano mede o progresso de um país por indicadores de qualidade de vida sendo os principais: (1) renda nacional bruta per capta, (2) saúde com a avaliação da expectativa de vida, e (3) educação com os anos de escolaridade para adultos com idade de 25 anos e crianças.

Quantitativa Indicador nominal que

varia de 0 a 1

Governance O indicador de governança mede a capacidade de um país de eleger, monitorar e substituir seus governantes eleitos. Mede também nível de estabilidade política, medidas contra corrupção, entre outros. É baseado em mais de 30 fontes de dados que relatam as percepções de governança de um grande número de inquiridos e avaliações especializadas em todo o mundo.

EPI Score O índice de desempenho ambiental mede como dimensões: (1) proteção da saúde frente a riscos ambientais e (2) proteção dos ecossistemas.

The Happy Planet Index

O índice do planeta feliz mede o bem-estar sustentável. Nos dizendo o quão bem as nações estão fazendo em alcançar vidas longas, felizes e sustentáveis.

GINI Index O índice de Gini mede até que ponto a distribuição de renda (ou, em alguns casos, as despesas de consumo) entre indivíduos ou famílias dentro de uma economia se desvia de uma distribuição perfeitamente igual. Onde um índice 0 representa a desigualdade perfeita, enquanto um índice de 1 implica uma perfeita igualdade.

varia de 0 a 1

Economic Score Esse fator representa influências políticas e macroeconômicas na resiliência. Combinando para formar este fator estão quatro fatores: produtividade, risco político, intensidade de óleo e taxa de urbanização. Descobriu-se que o terrorismo está altamente correlacionado com a instabilidade política, então essas duas

variáveis são combinadas em um único driver: risco político.

(6)

Supply Chain Score Esse fator está relacionado à própria cadeia de suprimentos e compreende quatro fatores: controle da corrupção, qualidade da

infraestrutura, qualidade do fornecedor local e visibilidade da cadeia de suprimentos.

Risk Quality Score Este indicador compreende como aspectos: exposição a riscos naturais, qualidade de risco natural e qualidade de risco de incêndio. Um quarto driver adicional é incluído para capturar o risco cibernético inerente de um país.

Inherent Cyber Risk O risco cibernético inerente refere-se à vulnerabilidade a um ataque cibernético combinado igualmente com a capacidade de recuperação do país: capturado pela penetração na Internet (a porcentagem de indivíduos em um país que tem acesso à internet) e as liberdades civis. (Dado baseado no UM ad Freedom House).

Democracy Index O índice de democracia avalia 165 países em cinco categorias: processo eleitoral e pluralismo; liberdades civis; o funcionamento do governo; participação política; e cultura política. Classificando-os em quatro tipos de regime: "democracia plena"; "democracia defeituosa"; "regime híbrido"; e "regime autoritário".

varia de 0 a 10

Country Nome do país Categórica N/A

Região Região do país Categórica N/A

Country Code Código do país Categórica N/A

Fonte: O autor a partir dos dados da planilha estatística, do GPS p.16 e do site do Banco Mundial. A pontuação foi padronizada para uma escala de 0 a 100 e as variáveis foram positivadas.

2.4 Países analisados

Este trabalho consiste em fazer análises com os indicadores mencionados na sessão

anterior abrangendo os 19 países da região Ibero-Americana, conforme o Quadro 2.

Quadro 2. Países contemplados neste estudo

Ord. Country Região

Country Code

1 Argentina AIBER ARG

2 Bolivia AIBER BOL

3 Brazil AIBER BRA

4 Chile AIBER CHL

5 Colombia AIBER COL

6 Costa Rica AIBER CRI

7 Dominican Republic AIBER DOM

8 Ecuador AIBER ECU

9 El Salvador AIBER SLV

(7)

11 Honduras AIBER HND

12 Mexico AIBER MEX

13 Nicaragua AIBER NIC

14 Panama AIBER PAN

15 Paraguay AIBER PRY

16 Peru AIBER PER

17 Portugal AIBER PRT

18 Spain AIBER ESP

19 Uruguay AIBER URY

3. Tratamento Dos Dados, Agrupamentos E Relacionamentos

Nesta sessão serão realizadas análises de agrupamentos (clusters), regressões,

análise da variância (ANOVA) e de componentes principais.

Tomando como base os resultados das componentes principais, será criado um

indicador com as variáveis de maior poder de explicação do modelo e uma tabela de

ranking, ordenando os países pela sua performance e um mapa para mostrar graficamente

estes resultados.

3.1 Análises de agrupamentos (clusters)

Nesta sessão será efetuada análises de agrupamentos a fim de evidenciar o grau de

relacionamento das variáveis estudadas. Algumas variáveis tiveram seus nomes reduzidos

para melhor acomodação nos gráficos e tabelas.

A saber, a variável Social Progress Index = “SPI”, Tolerance and Inclusion =

“ToIn”, Wolrd Risk Index=”WRI”, Exponsure = “Exp”, “Vulnerability” = “Vul”,

Susceptibility = “Sus”, Governance = “Go”, EPI Score = “EPI”, Happy Planet Index =

“HPI”, Democracy Index = “Dem”, Lack of coping capacities = “ Lack cop cap”, Lack of

adaptive capacities = “Lack adp cap”, Economic Score = “Econ”, Risk Quality Score = “

RQS”, Inherent Cyber Risk = “ICR”, Supply Chain = “SCS”.

Conforme estudos anteriores serão trabalhadas para análise as variáveis SPI, ToIn,

WRI, Exp, Vul, Sus, Go, Dem, Lack cop cap, lack adp cap, ICR totalizando 13 variáveis.

Quanto a quantidade de clusters, foram testadas de 3 a 5 clusters, porém a que

melhor agrupamento formava foi a de 3 clusters, portanto, a que será utilizada no

transcorrer das análises que se seguem.

Abaixo a análise de clusters, utilizando o método completo (complete), medida de

distância pelo sistema Euclidiano, e quantidade de clusters igual a 3 (três).

Análise de Agrupamentos de Observações: SPI n; ToI n; ... m

n; ICR np

Distância Euclideana, Ligação Completa

Passos de Amalgamação

Passo Número de agrupados Nível de similaridade Nível de distância Agrupados reunidos Novo agrupado Número de obs. no novo agrupado 1 18 88,6678 18,323 8 16 8 2 2 17 87,9980 19,406 8 12 8 3

(8)

3 16 87,8103 19,709 17 18 17 2 4 15 85,3125 23,748 5 8 5 4 5 14 84,8538 24,490 2 15 2 2 6 13 84,6919 24,751 3 14 3 2 7 12 82,4356 28,400 11 13 11 2 8 11 79,0976 33,797 9 10 9 2 9 10 78,0226 35,535 5 7 5 5 10 9 77,3321 36,651 17 19 17 3 11 8 75,9754 38,845 4 6 4 2 12 7 75,2399 40,034 1 3 1 3 13 6 68,1712 51,463 2 5 2 7 14 5 67,1894 53,051 9 11 9 4 15 4 52,6495 76,560 1 17 1 6 16 3 43,0978 92,004 2 9 2 11 17 2 39,3045 98,138 1 4 1 8 18 1 0,0000 161,689 1 2 1 19

Partição Final

Número de observações Dentro da soma de quadrados do agrupado Distância média do centróide Distância máxima do centróide Agrupado1 6 6452,7 31,8588 39,1331 Agrupado2 11 14021,5 34,0466 60,2904 Agrupado3 2 754,5 19,4225 19,4225

Centróides do grupo

Variável Agrupado1 Agrupado2 Agrupado3 Centróide global SPI n 82,1917 63,2446 85,8739 71,6099 ToI n 73,0381 51,4397 70,7498 60,2929 IDH n 77,5824 57,4844 76,9682 65,8820 WRI n 88,0330 66,6334 49,9834 71,6385 Exp np 83,1087 66,7324 31,6592 68,2119 Vul np 74,9925 48,1825 73,1847 59,2806 Sus np 80,1485 61,6296 80,7169 69,4868 Lack cop cap np 63,4061 27,7365 55,8814 41,9632 Lack adp cap np 75,6925 56,4589 78,5220 64,8551 Gov n 60,0459 36,9786 71,0087 47,8451

(9)

GINI n 69,0272 46,5730 65,9514 55,7036 Dem n 71,5651 54,5455 75,9857 62,1769 ICR np 36,2319 37,6747 28,4199 36,2449

Distâncias Entre Centróides do Grupo

Agrupado1 Agrupado2 Agrupado3 Agrupado1 0,0000 77,3793 66,2754 Agrupado2 77,3793 0,0000 84,3753 Agrupado3 66,2754 84,3753 0,0000

Dendrogram

Este dendrograma mostra os agrupamentos feitos pelos países por similaridade. Os

países na cor azul representam os melhores resultados do agrupamento, seguidos pela cor

verde que apresentam um resultado intermediário. Os de cor vermelha apresentam os

resultados mais baixos da análise. Pelas linhas cinzas também é possível identificar um

certo relacionamento entre os países do grupo azul e do grupo verde.

Nica ragu a Hond uras Guat emala El Sa lvad or Dom inica n Re publ ic Mex ico Peru Ecua dor Colo mbia Para guay Boliv ia Costa Rica Chile Urug uay Spain Portu gal Pana ma Braz il Arge ntina 0,00 33,33 66,67 100,00 Observações Si m ila ri da de

Dendrograma

(10)

Tabela 1: Descritivo dos agrupamentos da região AIBER: GRUPO PAÍSES 1 Argentina 1 Brazil 1 Panama 1 Portugal 1 Spain 1 Uruguay GRUPO PAÍSES 2 Bolivia 2 Colombia 2 Dominican Republic 2 Ecuador 2 El Salvador 2 Guatemala 2 Honduras 2 Mexico 2 Nicaragua 2 Paraguay 2 Peru GRUPO PAÍSES 3 Chile 3 Costa Rica

3.2 Análise de variância - ANOVA

Com os agrupamentos definidos e estabelecido cada país como membro de seu

respectivo cluster, como próximo passo será executado a ANOVA para entender a

variabilidade entre os grupos e auxiliar na classificação para as análises nas sessões

posteriores.

ANOVA com um fator: GINI n versus Cluster

Método

Hipótese nula Todas as médias são iguais Hipótese alternativa Nem todas as médias são iguais Nível de significância α = 0,05

Assumiu-se igualdade de variâncias para a análise

Informações dos Fatores

Fator Níveis Valores

Cluster 3 1; 2; 3

Análise de Variância

Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P Cluster 2 2192 1096,09 12,52 0,001

(11)

Erro 16 1401 87,56 Total 18 3593

Sumário do Modelo

S R2 R2(aj) R2(pred) 9,35743 61,01% 56,14% 44,74%

Médias

Cluster N Média DesvPad IC de 95% 1 6 69,03 12,29 (60,93; 77,13) 2 11 46,57 7,77 (40,59; 52,55) 3 2 65,95 6,47 (51,92; 79,98)

DesvPad Combinado = 9,35743

Boxplot de GINI n

Na análise acima, vemos o que havia sido descrito na sessão anterior, que o grupo 1,

no gráfico representado pela cor azul, apresenta a maior média entre todos. O grupo 3, com

média 65,95, representado no gráfico da sessão anterior pela cor verde, numa posição

intermediária. E finalmente o grupo 2, com média de 46,57, com os resultados mais baixos

da amostra e representados no gráfico pela cor vermelha.

A coluna de ordenamento ficou com a seguinte característica de grupos:

Cluster 1 para 1

Cluster 2 para 3

Cluster 3 para 2

Feito o ordenamento (cluster members), é executado novamente a ANOVA com os

seguintes resultados:

3 2 1 90 80 70 60 50 40 30 Cluster G IN I n

Boxplot de GINI n

(12)

ANOVA com um fator: GINI n versus Recodificado Cluster

Método

Informações dos Fatores

Fator Níveis Valores Recodificado Cluster 3 1; 2; 3

Análise de Variância

Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P Recodificado Cluster 2 2192 1096,09 12,52 0,001 Erro 16 1401 87,56 Total 18 3593

Sumário do Modelo

S R2 R2(aj) R2(pred) 9,35743 61,01% 56,14% 44,74%

Médias

Recodificado

Cluster N Média DesvPad IC de 95% 1 6 69,03 12,29 (60,93; 77,13) 2 2 65,95 6,47 (51,92; 79,98) 3 11 46,57 7,77 (40,59; 52,55)

DesvPad Combinado = 9,35743

(13)

Tabela 2:

GRUPO PAÍSES 1 Argentina 1 Brazil 1 Panama 1 Portugal 1 Spain 1 Uruguay GRUPO PAÍSES 2 Chile 2 Costa Rica GRUPO PAÍSES 3 Bolivia 3 Colombia 3 Dominican Republic 3 Ecuador 3 _{El Salvador} 3 Guatemala 3 Honduras 3 Mexico 3 _Nicaragua 3 Paraguay 3 Peru 3 2 1 90 80 70 60 50 40 30 Recodificado Cluster G IN I n

Boxplot de GINI n

(14)

Seguiremos com os 3 (três) clusters para as análises das próximas sessões, sendo a

classificação:

Cluster 1 para 1 ALTO

Cluster 2 para 3 BAIXO

Cluster 3 para 2 MÉDIO

A nova classificação proposta será utilizada na elaboração do ranking dos países de

AIBER.

3.3 Análise de Componentes Principais (PC)

Com os agrupamentos definidos e estabelecido cada país como membro de seu

respectivo cluster, como próximo passo será executado a ANOVA para entender a

variabilidade entre os grupos e auxiliar na classificação para as análises das sessões

posteriores.

Análise de Componentes Principais: SPI n; ToI n; IDH n;

... em n; ICR np

Autoanálise (Autovalores e Autovetores) da Matriz de Correlação

Autovalor 9,297 2 2,197 9 0,754 1 0,270 4 0,184 6 0,106 2 0,075 3 0,049 3 0,033 5 0,016 0 Proporção 0,715 0,169 0,058 0,021 0,014 0,008 0,006 0,004 0,003 0,001 Acumulad o 0,715 0,884 0,942 0,963 0,977 0,985 0,991 0,995 0,998 0,999 Autovalor 0,0134 0,0022 0,0000 Proporção 0,001 0,000 0,000 Acumulado 1,000 1,000 1,000

Autovetores

Variável CP1 CP2 CP3 CP4 CP5 CP6 CP7 CP8 CP9 SPI n 0,321 -0,063 -0,027 0,011 0,003 0,432 0,049 0,090 0,368 ToI n 0,289 -0,002 0,368 -0,121 -0,751 -0,313 -0,024 0,278 0,141 IDH n 0,318 0,026 -0,137 0,211 0,170 0,139 -0,167 0,584 -0,165 WRI n 0,168 0,548 0,292 -0,049 0,112 0,163 0,254 0,052 0,071 Exp np 0,091 0,614 0,331 -0,083 0,213 -0,003 -0,075 -0,123 -0,073 Vul np 0,325 -0,040 -0,030 0,107 0,054 -0,219 -0,008 -0,290 -0,076 Sus np 0,310 -0,040 -0,205 0,010 0,311 -0,540 0,423 -0,040 0,454 Lack cop cap np 0,319 -0,060 0,105 -0,111 0,075 -0,253 -0,454 -0,396 -0,301 Lack adp cap np 0,303 0,005 -0,075 0,612 -0,290 0,251 0,332 -0,339 -0,258 Gov n 0,297 -0,220 0,057 -0,348 0,012 0,433 -0,209 -0,299 0,365 GINI n 0,320 -0,006 -0,068 0,227 0,206 -0,091 -0,404 0,281 -0,005 Dem n 0,299 -0,122 -0,165 -0,580 0,039 0,081 0,398 0,147 -0,544

(15)

ICR np 0,022 0,498 -0,745 -0,158 -0,339 -0,013 -0,198 -0,088 0,092 Variável CP10 CP11 CP12 CP13 SPI n -0,523 0,534 -0,014 -0,000 ToI n 0,025 -0,014 -0,072 0,000 IDH n -0,266 -0,546 -0,146 -0,000 WRI n 0,071 -0,148 0,667 -0,000 Exp np 0,013 0,112 -0,644 0,000 Vul np -0,122 -0,043 0,053 0,848 Sus np 0,018 -0,096 -0,105 -0,254 Lack cop cap np -0,354 -0,012 0,235 -0,410 Lack adp cap np 0,169 -0,032 -0,113 -0,219 Gov n 0,355 -0,383 -0,111 0,000 GINI n 0,583 0,439 0,126 0,000 Dem n 0,120 0,174 -0,052 0,000 ICR np -0,005 -0,012 0,030 -0,000

Scree Plot - gráfico de perfil de autovalores de SPI n; ...; ICR np

Na análise, vemos que as componentes PC1 e PC2 já explicam 88,4% da

variabilidade dos dados (Progresso Social e Torelancia e Inclusão). O que é percebido

visualmente pelo gráfico acima.

13 12 11 10 9 8 7 6 5 4 3 2 1 9 8 7 6 5 4 3 2 1 0 Número do Componente A ut ov al or

(16)

Observa-se uma proximidade das variáveis de susceptibilidade, adaptação e

vulnerabilidade com o IDH. Também verifica-se um descolamento da exposição, cyber

risco e risco de desastres mundiais em relação ao modelo. É interessante também notar a

questão da governança que se desloca para o polo negativo aproximando-se mais da

variável democracia.

3.4 Novo índice de performance

A nova PC1 criada na sessão anterior será utilizada para a criação de um novo

índice de performance.

Para tanto, iniciamos executando a análise de variância ANOVA tomando como

base a PC1 e a coluna Recodificado.

ANOVA com um fator: CP1 versus Recodificado Cluster

Método

Informações dos Fatores

Fator Níveis Valores Recodificado Cluster 3 1; 2; 3

Análise de Variância

Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P Recodificado Cluster 2 119,68 59,842 20,09 0,000 Erro 16 47,66 2,979 0,35 0,30 0,25 0,20 0,15 0,10 0,05 0,00 0,6 0,5 0,4 0,3 0,2 0,1 0,0 -0,1 -0,2 -0,3 Primeiro Componente Se gu nd o C om po ne nt e ICR np Dem n GINI n Gov n Lack adp cap np

Lack cop cap npSus npVul np Exp np

WRI n

IDH n ToI n

SPI n

(17)

Total 18 167,35

Sumário do Modelo

S R2 R2(aj) R2(pred) 1,72599 71,52% 67,96% 60,56%

Médias

Recodificado

Cluster N Média DesvPad IC de 95% 1 6 3,031 2,166 (1,537; 4,524) 2 2 2,671 1,025 (0,084; 5,258) 3 11 -2,139 1,521 (-3,242; -1,035) DesvPad Combinado = 1,72599 Boxplot de CP1

.

Os resultados acima, mostram pelo gráfico, que manteve-se a mesma disposição da

análise anterior, porém havendo o aumento do coeficiente de determinação (r-quadrado)

para 71,52%.

Para determinar o peso da contribuição das variáveis na PC1, será executada

regressão stepwise utilizando como variável de interesse (response) a PC1 e como

variáveis independentes (predictors), todas as outras variáveis desse estudo.

Análise de Regressão: CP1 versus SPI n; ToI n; IDH n; WRI

... n; ICR np

Seleção Stepwise de Termos

3 2 1 5,0 2,5 0,0 -2,5 -5,0 Recodificado Cluster C P1

Boxplot de CP1

(18)

Termos candidatos: SPI n; ToI n; IDH n; WRI n; Exp np; Vul np; Sus np; Lack cop cap np; Lack adp cap np; Gov n; GINI n; Dem n; ICR np

---Passo 1--- ---Passo 2--- ---Passo 3---

Coef P Coef P Coef P

Constante -11,334 -13,613 -14,158 Vul np 0,19120 0,000 0,1314 0,000 0,1226 0,000 SPI n 0,0814 0,004 0,0830 0,000 WRI n 0,01323 0,000 Dem n ToI n GINI n IDH n Gov n

Lack cop cap np

ICR np

Lack adp cap np

Exp np Sus np S 0,415240 0,329145 0,218458 R2 98,25% 98,96% 99,57% R2(aj) 98,15% 98,83% 99,49% R2(pred) 97,82% 98,49% 99,37%

Constante -14,445 -14,577 -14,601 Vul np 0,1154 0,000 0,10887 0,000 0,07931 0,000 SPI n 0,0669 0,000 0,0634 0,000 0,05164 0,000 WRI n 0,01518 0,000 0,01365 0,000 0,01248 0,000 Dem n 0,02783 0,010 0,02742 0,004 0,03362 0,000 ToI n 0,01493 0,020 0,01997 0,000 GINI n 0,03612 0,000 IDH n Gov n

Lack cop cap np

ICR np

(19)

Constante -14,776 -14,376 -14,4751 Vul np 0,07861 0,000 0,07884 0,000 0,08842 0,000 SPI n 0,04570 0,000 0,03308 0,000 0,02695 0,000 WRI n 0,01141 0,000 0,012905 0,000 0,013614 0,000 Dem n 0,03245 0,000 0,02689 0,000 0,02659 0,000 ToI n 0,02243 0,000 0,02050 0,000 0,02182 0,000 GINI n 0,02459 0,005 0,02108 0,001 0,02340 0,000 IDH n 0,01951 0,022 0,02716 0,000 0,02548 0,000 Gov n 0,01122 0,003 0,01601 0,000

Lack cop cap np -0,00928 0,002

ICR np

Lack adp cap np

Constante -14,4717 -14,4516 -14,6246 Vul np 0,08759 0,000 0,08378 0,000 0,086249 0,000 SPI n 0,02723 0,000 0,02635 0,000 0,026623 0,000 WRI n 0,012957 0,000 0,013024 0,000 0,008367 0,000 Dem n 0,024423 0,000 0,025613 0,000 0,026336 0,000 ToI n 0,022631 0,000 0,022162 0,000 0,022895 0,000 GINI n 0,02323 0,000 0,02373 0,000 0,022620 0,000

(20)

IDH n 0,02450 0,000 0,02405 0,000 0,025461 0,000 Gov n 0,01755 0,000 0,017443 0,000 0,018321 0,000 Lack cop cap np -0,00825 0,000 -0,00652 0,001 -0,009262 0,000 ICR np 0,003207 0,001 0,003104 0,000 0,002592 0,000 Lack adp cap np 0,002421 0,034 0,002727 0,000

Exp np 0,004279 0,000 Sus np S 0,0138612 0,0105290 0,0000220 R2 100,00% 100,00% 100,00% R2(aj) 100,00% 100,00% 100,00% R2(pred) 100,00% 99,99% 100,00% ---Passo 13---- Coef P Constante -14,86 Vul np 0,02057 * SPI n 0,02663 * WRI n 0,008369 * Dem n 0,02633 * ToI n 0,02289 * GINI n 0,02262 * IDH n 0,02546 * Gov n 0,01832 *

Lack cop cap np 0,01608 *

ICR np 0,002592 *

Lack adp cap np 0,02312 *

Exp np 0,004277 * Sus np 0,02509 * S 0 R2 100,00% R2(aj) 100,00% R2(pred) 100,00%

α para entrada = 0,15; α para remoção = 0,15

Análise de Variância

Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P Regressão 13 167,349 12,8730 * *

(21)

SPI n 1 0,025 0,0250 * * ToI n 1 0,128 0,1282 * * IDH n 1 0,040 0,0399 * * WRI n 1 0,002 0,0023 * * Exp np 1 0,001 0,0007 * * Vul np 1 0,000 0,0000 * * Sus np 1 0,000 0,0000 * *

Lack cop cap np 1 0,000 0,0000 * * Lack adp cap np 1 0,000 0,0000 * *

Gov n 1 0,029 0,0292 * * GINI n 1 0,039 0,0390 * * Dem n 1 0,091 0,0913 * * ICR np 1 0,003 0,0030 * * Erro 5 0,000 0,0000 Total 18 167,349

Sumário do Modelo

S R2 R2(aj) R2(pred) 0 100,00% 100,00% 100,00%

Coeficientes

Termo Coef EP de Coef Valor-T Valor-P VIF

Constante -14,86 0,00 * * SPI n 0,02663 0,00000 * * 74,25 ToI n 0,02289 0,00000 * * 11,70 IDH n 0,02546 0,00000 * * 45,61 WRI n 0,008369 0,000000 * * 220,48 Exp np 0,004277 0,000000 * * 206,89 Vul np 0,02057 0,00000 * * 6,68936E+09 Sus np 0,02509 0,00000 * * 5,97545E+08 Lack cop cap np 0,01608 0,00000 * * 1,56489E+09 Lack adp cap np 0,02312 0,00000 * * 4,44390E+08

Gov n 0,01832 0,00000 * * 54,55

GINI n 0,02262 0,00000 * * 47,19

Dem n 0,02633 0,00000 * * 17,64

ICR np 0,002592 0,000000 * * 2,93

Equação de Regressão

CP1 = -14,86 + 0,02663 SPI n + 0,02289 ToI n + 0,02546 IDH n + 0,008369 WRI n + 0,004277 Exp np + 0,02057 Vul np + 0,02509 Sus np + 0,01608 Lack cop cap np

(22)

+ 0,02312 Lack adp cap np + 0,01832 Gov n + 0,02262 GINI n + 0,02633 Dem n + 0,002592 ICR np

Com os resultados desta regressão, nota-se, analisando o coeficiente de

determinação (r-quadrado), que a variável vulnerabilidade já explica 98,25% da PC1 e

somada a progresso social tem-se uma explicação de 98,96%.

Ao executar a análise de regressão do PC1 e com as duas variáveis de maior peso,

descritas acima, temos:

Análise de Regressão: CP1 versus Vul np; SPI n

Seleção Stepwise de Termos

Termos candidatos: SPI n; Vul np

---Passo 1--- ---Passo 2--- Coef P Coef P Constante -11,334 -13,613 Vul np 0,19120 0,000 0,1314 0,000 SPI n 0,0814 0,004 S 0,415240 0,329145 R2 98,25% 98,96% R2(aj) 98,15% 98,83% R2(pred) 97,82% 98,49% Cp de Mallows 12,06 3,00

Análise de Variância

Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P Regressão 2 165,616 82,8078 764,36 0,000 SPI n 1 1,198 1,1978 11,06 0,004 Vul np 1 5,372 5,3717 49,58 0,000 Erro 16 1,733 0,1083 Total 18 167,349

Sumário do Modelo

S R2 R2(aj) R2(pred) 0,329145 98,96% 98,83% 98,49%

Coeficientes

Termo Coef EP de Coef Valor-T Valor-P VIF Constante -13,613 0,748 -18,19 0,000 SPI n 0,0814 0,0245 3,33 0,004 14,45 Vul np 0,1314 0,0187 7,04 0,000 14,45

Equação de Regressão

(23)

CP1 = -13,613 + 0,0814 SPI n + 0,1314 Vul np

Ajustados e Diagnósticos para Observações Atípicas

Obs. CP1 Ajuste Resíd Resíd Pad

6 1,946 2,567 -0,621 -2,11 R 15 -1,839 -2,453 0,613 2,06 R

R Resíduo grande

Que gera a seguinte equação de regressão:

CP1 = -13,613 + 0,0814 SPI n + 0,1314 Vul np

Para determinar o peso da contribuição das variáveis na PC2, será executada

regressão stepwise utilizando como variável de interesse (response) a PC2 e como

variáveis independentes (predictors), todas as outras variáveis desse estudo.

Análise de Regressão: CP2 versus SPI n; ToI n; IDH n; WRI

... n; ICR np

Seleção Stepwise de Termos

Termos candidatos: SPI n; ToI n; IDH n; WRI n; Exp np; Vul np; Sus np; Lack cop cap np; Lack adp cap np; Gov n; GINI n; Dem n; ICR np

Constante -4,341 -5,832 -4,487 Exp np 0,06364 0,000 0,05044 0,000 0,05213 0,000 ICR np 0,0660 0,000 0,05560 0,000 Gov n -0,02265 0,000 WRI n Sus np Dem n Vul np SPI n

Lack adp cap np

IDH n

GINI n

ToI n

Lack cop cap np

(24)

R2 82,83% 93,74% 99,61%

R2(aj) 81,82% 92,95% 99,54%

R2(pred) 79,22% 91,38% 99,28%

Constante -4,334 -4,0548 -3,9044 Exp np 0,03471 0,000 0,02889 0,000 0,02762 0,000 ICR np 0,05360 0,000 0,05682 0,000 0,05895 0,000 Gov n -0,02874 0,000 -0,02366 0,000 -0,01899 0,000 WRI n 0,01952 0,005 0,02645 0,000 0,02755 0,000 Sus np -0,01062 0,000 -0,00809 0,000 Dem n -0,00996 0,000 Vul np SPI n

Lack adp cap np

IDH n

GINI n

ToI n

Lack cop cap np

S 0,0778816 0,0471235 0,0285967

R2 99,79% 99,93% 99,98%

R2(aj) 99,72% 99,90% 99,96%

R2(pred) 99,55% 99,75% 99,90%

Constante -4,0097 -4,0375 -3,9438 Exp np 0,027517 0,000 0,02772 0,000 0,02660 0,000 ICR np 0,058741 0,000 0,058624 0,000 0,058878 0,000 Gov n -0,015933 0,000 -0,015432 0,000 -0,014463 0,000 WRI n 0,02843 0,000 0,02833 0,000 0,02968 0,000 Sus np -0,00176 0,155 Dem n -0,011531 0,000 -0,012142 0,000 -0,012423 0,000 Vul np -0,00729 0,000 -0,008669 0,000 -0,007656 0,000 SPI n -0,00297 0,054

Lack adp cap np

(25)

GINI n

ToI n

Lack cop cap np

S 0,0133248 0,0140435 0,0122932

R2 100,00% 99,99% 100,00%

R2(aj) 99,99% 99,99% 99,99%

R2(pred) 99,98% 99,98% 99,99%

Constante -4,0170 -4,01859 -4,02324 Exp np 0,028731 0,000 0,028996 0,000 0,029124 0,000 ICR np 0,058514 0,000 0,058266 0,000 0,058258 0,000 Gov n -0,013942 0,000 -0,013558 0,000 -0,013532 0,000 WRI n 0,027463 0,000 0,027188 0,000 0,027041 0,000 Sus np Dem n -0,010756 0,000 -0,010651 0,000 -0,010720 0,000 Vul np -0,009972 0,000 -0,010932 0,000 -0,010731 0,000 SPI n -0,004018 0,001 -0,005261 0,000 -0,005223 0,000 Lack adp cap np 0,002830 0,001 0,002982 0,000 0,002968 0,000

IDH n 0,001875 0,000 0,002202 0,000

GINI n -0,000457 0,001

ToI n

Lack cop cap np

S 0,0069179 0,0015765 0,0008468

R2 100,00% 100,00% 100,00%

R2(aj) 100,00% 100,00% 100,00%

R2(pred) 99,99% 100,00% 100,00%

Constante -4,01993 -4,01158 -3,983 Exp np 0,029092 0,000 0,028953 0,000 0,02895 * ICR np 0,058235 0,000 0,058255 0,000 0,05825 * Gov n -0,013512 0,000 -0,013570 0,000 -0,01357 * WRI n 0,027098 0,000 0,027245 0,000 0,02724 * Sus np -0,000182 0,000 -0,003204 *

(26)

Dem n -0,010718 0,000 -0,010718 0,000 -0,01072 * Vul np -0,010678 0,000 -0,010421 0,000 -0,002511 * SPI n -0,005233 0,000 -0,005221 0,000 -0,005222 * Lack adp cap np 0,002978 0,000 0,002870 0,000 0,000414 * IDH n 0,002152 0,000 0,002106 0,000 0,002106 * GINI n -0,000453 0,000 -0,000422 0,000 -0,000422 * ToI n -0,000093 0,005 -0,000133 0,000 -0,000133 *

Lack cop cap np -0,003053 *

S 0,0004912 0,0000026 0

R2 100,00% 100,00% 100,00%

R2(aj) 100,00% 100,00% 100,00%

R2(pred) 100,00% 100,00% 100,00%

Análise de Variância

Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P Regressão 13 39,5629 3,04330 * * SPI n 1 0,0010 0,00096 * * ToI n 1 0,0000 0,00000 * * IDH n 1 0,0003 0,00027 * * WRI n 1 0,0245 0,02452 * * Exp np 1 0,0328 0,03279 * * Vul np 1 0,0000 0,00000 * * Sus np 1 0,0000 0,00000 * *

Lack cop cap np 1 0,0000 0,00000 * * Lack adp cap np 1 0,0000 0,00000 * *

Gov n 1 0,0160 0,01601 * * GINI n 1 0,0000 0,00001 * * Dem n 1 0,0151 0,01512 * * ICR np 1 1,5219 1,52189 * * Erro 5 0,0000 0,00000 Total 18 39,5629

Sumário do Modelo

S R2 R2(aj) R2(pred) 0 100,00% 100,00% 100,00%

Coeficientes

(27)

Constante -3,983 0,000 * * SPI n -0,005222 0,000000 * * 74,25 ToI n -0,000133 0,000000 * * 11,70 IDH n 0,002106 0,000000 * * 45,61 WRI n 0,02724 0,00000 * * 220,48 Exp np 0,02895 0,00000 * * 206,89 Vul np -0,002511 0,000000 * * 6,68936E+09 Sus np -0,003204 0,000000 * * 5,97545E+08 Lack cop cap np -0,003053 0,000000 * * 1,56489E+09 Lack adp cap np 0,000414 0,000000 * * 4,44390E+08

Gov n -0,01357 0,00000 * * 54,55

GINI n -0,000422 0,000000 * * 47,19

Dem n -0,01072 0,00000 * * 17,64

ICR np 0,05825 0,00000 * * 2,93

Equação de Regressão

CP2 = -3,983 - 0,005222 SPI n - 0,000133 ToI n + 0,002106 IDH n + 0,02724 WRI n + 0,02895 Exp np - 0,002511 Vul np - 0,003204 Sus np - 0,003053 Lack cop cap np + 0,000414 Lack adp cap np - 0,01357 Gov n - 0,000422 GINI n - 0,01072 Dem n + 0,05825 ICR np

Com os resultados desta regressão, nota-se, analisando o coeficiente de

determinação (r-quadrado), que a variável de exposição já explica 82,83% da PC2 e

somada a risco cybernético tem-se uma explicação de 93,74%.

Ao executar a análise de regressão do PC2 e com as duas variáveis de maior peso,

descritas acima, temos:

Análise de Regressão: CP2 versus Exp np; ICR np

Seleção Stepwise de Termos

Termos candidatos: Exp np; ICR np

---Passo 1--- ---Passo 2--- Coef P Coef P Constante -4,341 -5,832 Exp np 0,06364 0,000 0,05044 0,000 ICR np 0,0660 0,000 S 0,632205 0,393562 R2 82,83% 93,74% R2(aj) 81,82% 92,95%

(28)

R2(pred) 79,22% 91,38% Cp de Mallows 28,87 3,00

Análise de Variância

Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P Regressão 2 37,085 18,5423 119,71 0,000 Exp np 1 15,517 15,5171 100,18 0,000 ICR np 1 4,316 4,3164 27,87 0,000 Erro 16 2,478 0,1549 Total 18 39,563

Sumário do Modelo

S R2 R2(aj) R2(pred) 0,393562 93,74% 92,95% 91,38%

Coeficientes

Termo Coef EP de Coef Valor-T Valor-P VIF Constante -5,832 0,421 -13,86 0,000 Exp np 0,05044 0,00504 10,01 0,000 1,33 ICR np 0,0660 0,0125 5,28 0,000 1,33

Equação de Regressão

CP2 = -5,832 + 0,05044 Exp np + 0,0660 ICR np

Que gera a seguinte equação de regressão:

CP2 = -5,832 + 0,05044 Exp np + 0,0660 ICR np

3.5 Criando indicadores a partir dos PC1, PC2

Aproveitando os resultados da sessão anterior, relacionou-se cada componente

principal (PC), com as variáveis de estudo afim de obter a mais alta correlação com as

variáveis de resposta.

Abaixo, listamos as 2 (duas) variáveis que apresentaram esta correlação prara

criação de um indicador sintético de resiliência para os países da região AIBER.

No caso de CP1

CP1 = SPI + Vul CP1 = -13,613 + 0,0814 SPI n + 0,1314 Vul np

No caso de CP2

CP2 = Exp + ICR CP2 = -5,832 + 0,05044 Exp np + 0,0660 ICR np

(29)

Pensando em um indicador que sintetize CP1, CP2

Resiliência AIBER = (0,715CP1) +(0,169CP2)

3.6 Ranking de Resiliência

Através da fórmula sintética (que engloba as variáveis CP1, CP2) foi possível

calcular um Ranking de Resiliência para os países da região AIBER, conforme abaixo:

Tabela 3: Ranking de Resiliência para os países da região AIBER

Classificação Resilience n País

1 100,00 Spain 2 90,59 Portugal 3 80,57 Uruguay 4 76,41 Argentina 5 68,87 Chile 6 56,99 Brazil 7 52,95 Panama 8 51,31 Mexico 9 51,02 Costa Rica 10 48,37 Colombia 11 43,98 Ecuador 12 43,64 Peru 13 38,43 Paraguay 14 38,02 Dominican Republic 15 28,72 Bolivia 16 16,05 El Salvador 17 15,66 Honduras 18 7,31 Nicaragua 19 0,00 Guatemala

(30)

Observa-se que de forma geral a disposição dos países se manteve como os

agrupamentos haviam ilustrado: cluster 1 com médias mais elevadas, cluster 2 em posição

intermediária e cluster 3 com médias mais baixas.

É interessante notar que o Chile se destaca apresentando resultado, do indicador sintético

de resiliencia, acima no Brasil e Panamá. Também que o México se destaca do seu grupo

apresentando um resultado na faixa intermediária , é não na escala menor.

3 2 1 100 80 60 40 20 0 Recodificado Cluster R es ili en ce n

Boxplot de Resilience n

(31)

Mapa com os países da região Ibero-Americana - AIBER

Legenda:

Laranja escuro = ALTO Laranja médio = MÉDIO Laranja claro = BAIXO

(32)