boletim de anÁlises estatÍstico basta 2018 vol. 1 · programas de pós graduação em economia e...

PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO

Programas de Pós Graduação em

Economia e

Administração da

PUC-SP

BOLETIM DE ANÁLISES ESTATÍSTICO BASTA 2018

Vol. 1

O FUTURO DA EDUCAÇÃO E O TRABALHO

DISCIPLINA: MÉTODOS QUALITATIVOS E QUANTITATIVOS DA PESQUISA EMPÍRICA PROF. ARNOLDO JOSÉ DE HOYOS GUEVARA

Márcia Christina Ferreira Barleta

São Paulo – SP 2018

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 “O Futuro da Educação e o Trabalho” ..................................... 3

2.4 Países analisados ........................................................................................................ 6

3. Tratamento Dos Dados, Agrupamentos E Relacionamentos ..................................... 6

3.1 Análises de agrupamentos (clusters) ........................................................................... 6

3.2 Análise de variância - ANOVA ................................................................................ 10

3.3 Análise de Componentes Principais (PC) ................................................................. 11

3.4 Novo índice de performance ..................................................................................... 15

3.5 Criando indicadores a partir dos PC1, PC2, PC3, PC4, PC5 ..................................... 39

3.6 Ranking de FEW - AIBER ....................................................................................... 40

4. Considerações Finais ......................................................................................................................... 43

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 O Futuro da

Educação e o Trabalho 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 O Futuro

da Educação e o Trabalho 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 “O Futuro da Educação e o Trabalho”

Este tema da pesquisa apresenta 24 (vinte e quatro) 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 7 (sete): Social Progress Index, IDH, EPI Score, The

Happy Planet, Ginni, Governance, Labor Force,

Indicadores ou variáveis components | São 14 (sete): Acess to information and

Communications, Acess to Advanced Education, Adult literacy rate (% of pop. Aged 15+),

Primary school enrollment, Lower secondary school enrollment, Upper secondary schol

enrollment, Internet users, Years of tertiary schooling, Inequality in the attainment of

education, Number of globally ranked universities, Unemployment Total, Unemployment,

youth total (% of total labor force ages 15‐24), Knowledge and Technology, Creative

Outputs

4

Quadro 1. As variáveis do eixo temático: O Futuro da Educação e o Trabalho

Variável Significado Tipo Unidade de

Medida Original

PAÍS É o nome do país. Variável Categórica N/A

PAÍS _COD É o código de três

atribuído a cada

país.

Variável Categóric N/A

REG É a região em que

o país está

localizado, dentre

20 regiões do

mundo.

Variável Categórica N/A

SPI Pontuação no

Índice de Progresso

Social

Variável Quantitativa Pontuação do país,

em escala

centesimal.

Acess to

information and

Communications

Acesso a

informação e a

comunicações

Variável Quantitativa (% Ocorrência)

Acess to Advanced

Education

Acesso à Educação

Avançada


Adult literacy rate

(% of pop. Aged

15+)

Taxa de adultos

alfabetizados


Primary school

enrollment (% of

children)

Percentual de

crianças

matriculadas no

ensino fundamental

ou equivalente

Variável Quantitativa (% of children)

Lower secondary

school enrollment

(% of children)

Percentual baixo de

crianças que estão

estudando


Upper secondary

schol enrollment

(% of children)

Percentual de

crianças

matriculadas no

ensino médio ou

equivalente)


Internet users Percentual da

população com

acesso à Internet

Variável Quantitativa (% of pop.)

Years of tertiary

schooling

Anos que se

permanece

estudando


Inequality in the

attainment of

education (0=low;

1=high)

A desigualdade na

condução da

educação

Variável Quantitativa Probabilidade (%)

Number of

globally ranked

A desigualdade na

condução da

Variável Quantitativa Probabilidade (%)

5

universities

(0=none; 5= >50)

educação

Unemployment

Total (% of total

Labor Force) 2017

A taxa de

desemprego total

em 2017


Total Labor Force

(% Global)

Percentual do

número de

trabalhadores


Unemployment,

youth total (% of

total labor force

ages 15‐24)

(modeled ILO

estimate) 2017

O desemprego, o

percentual da

juventude com

idade de 15‐24,

que não está

trabalhando,

estimado conforme

ILO – 2017

Variável Quantitativa ages 15‐24)

IDH2015 O Índice de

Desenvolvimento

Humano (IDH)

mede o progresso

de uma nação a

partir de três

dimensões: renda,

saúde e educação.


em escala

centesimal.

Governance Índice que avalia

como o país,

conduz questões

éticas, ligadas

corrupção,

eficiência

econômica,

conflitos de

interesse entre os

acionistas


em escala

centesimal.

Knowledge and

Technology

Conhecimento e

Tecnologia


em escala

centesimal.

Creative Outputs Saídas Criativas Variável Quantitativa Pontuação do país,

em escala

centesimal.

EPI Score Medição dos países

que usam

equipamentos de

proteção

individual, para

segurança no

trabalho


em escala

centesimal.

Happy Planet Index Índice da felicidade

está ligado ao bem‐Variável Quantitativa Pontuação do país,

em escala

6

estar do indivíduo centesimal.

GINI Index Índice de

desigualdade de

renda


em escala

centesimal. 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

10 Guatemala AIBER GTM

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. As variáveis tiveram seus nomes reduzidos para

melhor acomodação nos gráficos e tabelas.

Conforme estudos anteriores serão trabalhadas para análise 21 variáveis:

A saber, a variável Social Progress = “SPI”, Acess to information and Communications

=”Acess IC”, Acess to Advanced Education = “Acess EA”, Adult literacy rate = “Adult

7

A”, Primary school enrollment = “Primary S”, Lower secondary school enrollment =

“Lower S”, Upper secondary schol enrollment = “Upper S”, Internet users = “Net U”;

Years of tertiary schooling = “Years S”, Equality in the attainment of education –

“Equality S”, Number of globally ranked universities = “Nº Univ”, Unemployment Total =

“Unemp”, Total Labor Force = “Labor”, Unemployment, youth total 15-24 = “Unemp”

15.24, IDH2015 = “IDH”, Governance = “GOV”, Knowledge and Technology = “KT”,

Creative Outputs = “CO”, EPI Score = “EPI”, Happy Planet Index = Happy, GINI Index =

“GINI”.

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: Social

... .Igualdade de Ren 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 81,5149 34,182 5 16 5 2

2 17 81,0153 35,106 12 14 12 2

3 16 77,6590 41,312 5 12 5 4

4 15 77,5744 41,468 9 11 9 2

5 14 73,6300 48,762 3 8 3 2

6 13 73,3147 49,345 1 19 1 2

7 12 72,6168 50,636 10 13 10 2

8 11 71,6028 52,511 4 17 4 2

9 10 71,1802 53,292 7 15 7 2

10 9 71,1663 53,318 3 5 3 6

11 8 61,7095 70,805 1 6 1 3

12 7 57,7144 78,193 1 3 1 9

13 6 53,1876 86,563 7 9 7 4

14 5 50,1784 92,128 7 10 7 6

15 4 47,9563 96,237 4 18 4 3

16 3 34,2629 121,558 1 4 1 12

17 2 21,5309 145,102 2 7 2 7

18 1 0,0000 184,916 1 2 1 19

Partição Final

Número de

observações

Dentro da

soma de

Distância

média do

Distância

máxima do

8

quadrados

do

agrupado

centróide centróide

Agrupado1 12 28060,0 46,3330 80,2984

Agrupado2 1 0,0 0,0000 0,0000

Agrupado3 6 13194,0 46,5081 54,1769

Centróides do grupo

Variável Agrupado1 Agrupado2 Agrupado3

Centróide

global

Social Progress Index 78,4893 61,987 59,4549 71,6099

Access to Information and Commu 74,1200 63,464 59,9706 69,0909

Access to Advanced Education 57,5048 34,925 24,5451 45,9081

Adult literacy rate (% of pop. 87,8543 87,064 78,4324 84,8373

Primary school enrollment (% of 94,9862 78,316 85,5918 91,1422

Lower secondary school enrollme 58,3488 46,819 38,4057 51,4442

Upper secondary school enrollme 46,6127 37,998 38,9742 43,7471

Internet users (% of pop.) 60,0990 44,676 31,8487 50,3661

Years of tertiary schooling 33,1219 43,986 15,9373 28,2670

Equality in the attainment of e 70,6021 50,258 45,5431 61,6180

Number of globally ranked unive 3,9767 0,000 0,0000 2,5116

Unemployment Total (% of total 26,2687 88,235 22,4337 28,3191

Total Labor Force (% Global) 2,9217 0,622 0,5121 2,0397

Unemployment, youth total (% of 26,9394 100,000 19,3193 28,3784

IDH - 2015 73,3948 53,936 52,8476 65,8820

1. Governança 43,9456 30,018 40,2388 42,0420

1.5 Knowledge and Technology 24,6938 14,537 10,4633 19,6654

1.6 Creative Outputs 51,7321 32,570 43,7752 48,2109

EPI Score 2018 63,9375 55,980 55,2383 60,7716

Happy Planet Index 73,5885 33,016 58,8082 66,7856

GINNI Index (P.Igualdade de Ren 36,5400 60,090 57,1767 44,2963

Distâncias Entre Centróides do Grupo

Agrupado1 Agrupado2 Agrupado3

Agrupado1 0,000 121,066 74,293

Agrupado2 121,066 0,000 114,282

Agrupado3 74,293 114,282 0,000

9

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.

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 Bolívia

GRUPO PAÍSES

3 Dominican Republic

3 El Salvador

3 Guatemala

3 Honduras

3 Nicaragua

3 Paraguay

Nicar

agua

Guate

mala

Hond

uras

El S

alva

dor

Para

guay

Dom

inican

Repub

lic

Bolivia

Spain

Portuga

l

Chile

Panam

a

Mex

ico

Peru

Colom

bia

Ecuad

or

Brazil

Costa Rica

Uru

guay

Argen

tina

0,00

33,33

66,67

100,00

Observações

Sim

ilari

dad

e

DendrogramaLigação Completa; Distância Euclideana

10

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: Social Progress Index versus Código

AIBER 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

Código AIBER 3 1; 2; 3

Análise de Variância

Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P

Código AIBER 2 1547 773,49 11,59 0,001

Erro 16 1067 66,72

Total 18 2614

Sumário do Modelo

S R2 R2(aj) R2(pred)

8,16800 59,17% 54,07% *

Médias

Código

AIBER N Média DesvPad IC de 95%

1 12 78,49 9,31 (73,49; 83,49)

2 1 61,99 * (44,67; 79,30)

3 6 59,45 4,76 (52,39; 66,52)

DesvPad Combinado = 8,16800

Gráfico de Intervalos de Social Progress Index versus Código AIBER

Boxplot de SPI n

11

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 2 ( 01

observação) com média 61,99, representado no gráfico da sessão anterior pela cor

vermelha, numa posição intermediária. E finalmente o grupo 3 ( 6 componentes) com

média de 59,45 com os resultados mais baixos da amostra e representados no gráfico pela

cor verde.

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: Social Progress

... ualdade de Ren Autoanálise (Autovalores e Autovetores) da Matriz de Correlação

Autovalor 11,035 2,648 1,762 1,333 1,219 0,808 0,651 0,503 0,318 0,262 0,150

Proporção 0,525 0,126 0,084 0,063 0,058 0,038 0,031 0,024 0,015 0,012 0,007

Acumulado 0,525 0,652 0,735 0,799 0,857 0,895 0,926 0,950 0,966 0,978 0,985

Autovalor 0,098 0,085 0,062 0,041 0,017 0,007 0,002 0,000 0,000 -0,000

Proporção 0,005 0,004 0,003 0,002 0,001 0,000 0,000 0,000 0,000 -0,000

Acumulado 0,990 0,994 0,997 0,999 1,000 1,000 1,000 1,000 1,000 1,000

Autovetores

Variável CP1 CP2 CP3 CP4 CP5 CP6 CP7

Social Progress Index 0,292 -0,037 -0,109 -0,035 0,035 -0,017 0,052

321

100

90

80

70

60

50

Código AIBER

So

cia

l P

rog

ress

In

dex

Boxplot de Social Progress Index

12

Access to Information and Commu 0,260 0,040 -0,172 -0,033 0,104 0,091 0,219

Access to Advanced Education 0,287 -0,059 0,133 0,022 0,038 0,116 -0,090

Adult literacy rate (% of pop. 0,238 0,133 -0,022 0,011 0,050 0,487 -0,360

Primary school enrollment (% of 0,161 -0,355 -0,033 0,144 -0,324 0,083 -0,135

Lower secondary school enrollme 0,266 -0,025 0,079 0,054 -0,082 0,074 0,014

Upper secondary school enrollme 0,144 0,021 -0,289 0,465 -0,150 0,256 0,515

Internet users (% of pop.) 0,276 0,057 0,085 -0,069 0,250 0,123 -0,074

Years of tertiary schooling 0,155 0,139 0,303 -0,140 -0,521 -0,038 -0,357

Equality in the attainment of e 0,272 0,039 -0,176 -0,084 0,172 0,153 -0,165

Number of globally ranked unive 0,201 -0,130 0,371 0,280 0,224 -0,233 0,047

Unemployment Total (% of total 0,080 0,545 0,148 0,151 -0,179 -0,076 0,070

Total Labor Force (% Global) 0,054 -0,212 0,539 0,374 0,262 -0,039 0,005

Unemployment, youth total (% of 0,091 0,548 0,110 0,153 -0,120 0,012 0,058

IDH - 2015 0,288 -0,073 -0,044 -0,057 0,103 0,045 -0,081

1. Governança 0,070 -0,185 -0,333 0,505 -0,315 -0,258 -0,332

1.5 Knowledge and Technology 0,263 -0,005 0,046 -0,061 -0,069 -0,413 0,106

1.6 Creative Outputs 0,221 -0,040 -0,212 -0,290 0,035 -0,445 -0,035

EPI Score 2018 0,262 0,080 0,056 -0,133 -0,128 -0,215 0,326

Happy Planet Index 0,053 -0,338 0,279 -0,302 -0,425 0,280 0,348

GINNI Index (P.Igualdade de Ren -0,286 0,058 0,132 0,074 -0,089 -0,000 -0,021


Social Progress Index 0,050 -0,185 0,065 -0,133 -0,330 -0,053 0,021

Access to Information and Commu -0,034 -0,468 0,229 -0,625 0,122 -0,002 -0,021

Access to Advanced Education 0,004 0,008 -0,164 0,042 -0,252 0,202 0,114

Adult literacy rate (% of pop. 0,232 0,194 0,096 0,099 0,013 0,043 -0,063

Primary school enrollment (% of -0,553 0,298 -0,192 -0,218 0,075 -0,246 0,135

Lower secondary school enrollme -0,366 0,126 0,605 0,133 -0,378 0,209 -0,177

Upper secondary school enrollme 0,311 0,254 -0,198 -0,052 -0,050 0,087 -0,027

Internet users (% of pop.) 0,132 -0,115 0,103 0,311 0,151 -0,084 0,115

Years of tertiary schooling 0,324 -0,024 -0,142 -0,355 -0,035 0,013 -0,250

Equality in the attainment of e -0,031 0,165 -0,225 -0,070 0,157 0,336 0,269

Number of globally ranked unive -0,147 -0,043 -0,126 -0,054 0,387 0,464 -0,293

Unemployment Total (% of total -0,173 0,002 0,012 0,122 0,225 0,047 0,060

Total Labor Force (% Global) 0,255 0,124 0,153 -0,163 -0,084 -0,369 0,287

Unemployment, youth total (% of -0,213 -0,085 0,021 -0,012 0,041 -0,198 0,375

IDH - 2015 -0,020 -0,228 -0,185 0,157 0,093 -0,373 -0,163

1. Governança 0,182 -0,297 0,239 0,244 0,163 0,026 0,063

13

1.5 Knowledge and Technology 0,033 -0,166 -0,361 0,181 -0,453 0,127 0,212

1.6 Creative Outputs 0,178 0,398 0,266 -0,150 0,241 0,031 0,340

EPI Score 2018 0,144 0,308 0,108 0,132 0,075 -0,230 -0,395

Happy Planet Index 0,078 -0,223 0,108 0,234 0,265 0,132 0,302

GINNI Index (P.Igualdade de Ren 0,163 0,062 0,168 -0,169 -0,172 0,320 0,182


Social Progress Index 0,171 -0,213 -0,071 0,246 -0,176 -0,357 0,653

Access to Information and Commu -0,184 0,142 -0,028 -0,194 0,022 0,233 -0,085

Access to Advanced Education -0,494 -0,535 0,329 0,016 0,214 0,205 -0,034

Adult literacy rate (% of pop. 0,205 0,264 0,216 -0,305 -0,049 0,294 0,315

Primary school enrollment (% of -0,046 0,077 -0,203 0,075 -0,008 0,226 0,163

Lower secondary school enrollme 0,148 0,032 -0,062 -0,028 0,060 -0,142 -0,322

Upper secondary school enrollme 0,214 -0,126 -0,104 0,066 0,043 0,029 -0,179

Internet users (% of pop.) -0,068 -0,073 -0,552 0,410 -0,185 0,334 -0,126

Years of tertiary schooling 0,100 -0,086 -0,128 0,121 -0,092 -0,094 -0,252

Equality in the attainment of e -0,263 0,319 -0,084 0,043 -0,034 -0,555 -0,155

Number of globally ranked unive 0,243 0,023 0,145 0,144 -0,032 0,074 0,138

Unemployment Total (% of total -0,106 -0,236 -0,378 -0,453 0,148 -0,117 0,239

Total Labor Force (% Global) -0,065 0,065 -0,030 -0,204 -0,036 -0,197 -0,062

Unemployment, youth total (% of 0,134 0,133 0,446 0,391 -0,073 0,033 -0,094

IDH - 2015 0,238 0,043 0,018 0,033 0,711 -0,170 -0,091

1. Governança -0,186 0,058 0,088 0,010 -0,031 -0,048 0,017

1.5 Knowledge and Technology 0,123 0,356 -0,089 -0,258 -0,070 0,238 -0,048

1.6 Creative Outputs 0,257 -0,235 0,078 -0,051 0,139 0,112 -0,025

EPI Score 2018 -0,468 0,306 0,128 0,132 -0,006 -0,005 0,172

Happy Planet Index 0,062 0,025 0,099 -0,064 -0,005 -0,094 0,066

GINNI Index (P.Igualdade de Ren -0,098 0,284 -0,208 0,316 0,558 0,146 0,257

Scree Plot - gráfico de perfil de autovalores de Social Progress Index; ...; GINNI

Index (P.I

14

Na análise, vemos que as componente CP1 À CP5 já explicam 85,7% da variabilidade

dos dados Social Progress Index, Access to Information and Commu. Acess to Advanced

Education, Adulto literacy rate, Primary school enrrolment.

O que é percebido visualmente pelo gráfico acima.

Observa-se uma proximidade das variáveis SPI com as variáveis ligadas a

educação, estão numa mesma direção por outro lado aparecere Unemployment total, numa

2018161412108642

12

10

8

6

4

2

0

Número do Componente

Au

tovalo

r

fico de perfil de autovalores de Social Progress Index; ...; GINNI Index (P.Igu

0,30,20,10,0-0,1-0,2-0,3

0,6

0,4

0,2

0,0

-0,2

-0,4

Primeiro Componente

Seg

un

do

Co

mp

on

en

te

GINNI

Happy

EPI

C.OKT

GOV

IDH

UNEMP. 15.24

Labor

UNEMP.

Nº UNIV

Equality S

Years S

Net UUpper S

Lower S

Primary S

Adult A

Acess EA

Acces IC

SPI

Gráfico de Loading (Carga Fatorial) de SPI; ...; GINNI

15

área isolada e as variáveis Labor force, Governance, Happy planet, Primary School

convergindo para o mesmo lado e por fim o Gini em área oposta.

3.4 Novo índice de performance

A nova CP1 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 CP1 e a coluna “Código AIBER” - Grupos.

ANOVA com um fator: CP1NV versus Código AIBER 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

Código AIBER 3 1; 2; 3



Código AIBER 2 243,9 121,937 12,97 0,000

Erro 16 150,4 9,402

Total 18 394,3

Sumário do Modelo


3,06621 61,85% 57,08% *

Médias

Código

AIBER N Média DesvPad IC de 95%

1 12 11,131 3,345 (9,255; 13,008)

2 1 5,739 * (-0,761; 12,239)

3 6 3,445 2,339 (0,792; 6,099)

DesvPad Combinado = 3,06621

Boxplot de CP1NV

16

Os resultados acima, mostra o ( r-quadrado) no valor de 61,85.

Outlier = Linha 18 = Espanha

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 Vul np; SPI n Seleção Stepwise de Termos

Análise de Regressão: CP1NV versus SPI; Acces IC; Acess

... ppy; GINNI

Seleção Stepwise de Termos Termos candidatos: SPI; Acces IC; Acess EA; Adult A; Primary S; Lower S; Upper S; Net U;

Years S; Equality S; Nº UNIV; UNEMP.; Labor; UNEMP. 15.24; IDH; GOV; KT; C.O; EPI; Happy;

GINNI

----Passo 1---- -----Passo 2---- -----Passo 3---- -----Passo 4-----

Coef P Coef P Coef P Coef P

Constante -18,57 -13,03 -16,88 -16,22

SPI 0,3768 0,000 0,2313 0,000 0,1853 0,000 0,2006 0,000

Acess EA 0,1063 0,000 0,0969 0,000 0,0948 0,000

EPI 0,1248 0,005 0,0897 0,034

UNEMP. 0,01673 0,057

321

20

15

10

5

0

Código AIBER

CP

1NV

Boxplot de CP1NV

17

GINNI

GOV

Adult A

Nº UNIV

Primary S

KT

Net U

Equality S

S 1,16371 0,807552 0,635190 0,574888

R2 94,16% 97,35% 98,47% 98,83%

R2(aj) 93,82% 97,02% 98,16% 98,49%

R2(pred) 92,09% 95,96% 97,42% 97,00%

-----Passo 5----- -----Passo 6----- -----Passo 7----- -----Passo 8-----


Constante -8,27 -8,00 -12,11 -15,90

SPI 0,1408 0,002 0,1207 0,006 0,1112 0,008 0,1273 0,001

Acess EA 0,0884 0,000 0,0925 0,000 0,0817 0,000 0,0455 0,024

EPI 0,0803 0,032 0,0921 0,014 0,1087 0,006 0,1149 0,001

UNEMP. 0,01913 0,018 0,01973 0,012 0,01532 0,044 0,01227 0,044

GINNI -0,0650 0,034 -0,0687 0,021 -0,0672 0,018 -0,0637 0,007

GOV 0,00987 0,120 0,01068 0,080 0,00931 0,057

Adult A 0,0508 0,127 0,0934 0,008

Nº UNIV 0,1180 0,016

Primary S

KT

Net U

Equality S

S 0,498968 0,467743 0,437253 0,338730

R2 99,18% 99,33% 99,47% 99,71%

R2(aj) 98,86% 99,00% 99,13% 99,48%

R2(pred) 98,42% 98,45% 98,55% 98,93%

-----Passo 9----- -----Passo 10---- -----Passo 11---- -----Passo 12----


Constante -22,07 -23,31 -26,15 -26,06

SPI 0,1538 0,000 0,1647 0,000 0,1759 0,000 0,1537 0,000

18

Acess EA 0,0264 0,130 0,0211 0,178

EPI 0,1135 0,000 0,1098 0,000 0,1167 0,000 0,1031 0,000

UNEMP. 0,01544 0,007 0,01593 0,005 0,01527 0,007 0,01283 0,012

GINNI -0,0470 0,020 -0,0427 0,022 -0,0413 0,029 -0,0406 0,019

GOV 0,00370 0,395

Adult A 0,1106 0,001 0,1136 0,001 0,1362 0,000 0,1570 0,000

Nº UNIV 0,1353 0,003 0,1414 0,002 0,1754 0,000 0,1595 0,000

Primary S 0,0344 0,033 0,0410 0,005 0,0470 0,002 0,04691 0,001

KT 0,0329 0,066

Net U

Equality S

S 0,273691 0,270928 0,284185 0,249721

R2 99,83% 99,81% 99,77% 99,84%

R2(aj) 99,66% 99,66% 99,63% 99,72%

R2(pred) 99,49% 99,52% 99,41% 99,48%

-----Passo 13---- -----Passo 14---- -----Passo 15----

Coef P Coef P Coef P

Constante -26,62 -29,07 -27,63

SPI 0,1521 0,000 0,1643 0,000 0,1565 0,000

Acess EA

EPI 0,0974 0,000 0,0973 0,000 0,1028 0,000

UNEMP. 0,01499 0,004 0,01564 0,003 0,01588 0,001

GINNI -0,0225 0,189

GOV

Adult A 0,1206 0,001 0,1075 0,001 0,0910 0,001

Nº UNIV 0,1165 0,003 0,0994 0,006 0,1156 0,001

Primary S 0,0676 0,001 0,0795 0,000 0,07417 0,000

KT 0,0326 0,046 0,0329 0,050 0,0275 0,044

Net U 0,0293 0,082 0,0418 0,008 0,0338 0,010

Equality S 0,01834 0,024

S 0,220460 0,231460 0,181376

R2 99,89% 99,86% 99,92%

R2(aj) 99,78% 99,76% 99,85%

R2(pred) 99,36% 99,18% 99,63%

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

19



Regressão 9 394,003 43,7781 1330,75 0,000

SPI 1 4,318 4,3176 131,24 0,000

Adult A 1 0,682 0,6822 20,74 0,001

Primary S 1 2,175 2,1750 66,11 0,000

Net U 1 0,346 0,3463 10,53 0,010

Equality S 1 0,240 0,2397 7,29 0,024

Nº UNIV 1 0,832 0,8316 25,28 0,001

UNEMP. 1 0,823 0,8234 25,03 0,001

KT 1 0,180 0,1805 5,49 0,044

EPI 1 1,838 1,8380 55,87 0,000

Erro 9 0,296 0,0329

Total 18 394,299

Sumário do Modelo


0,181376 99,92% 99,85% 99,63%

Coeficientes

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

Constante -27,63 1,33 -20,84 0,000

SPI 0,1565 0,0137 11,46 0,000 14,84

Adult A 0,0910 0,0200 4,55 0,001 7,97

Primary S 0,07417 0,00912 8,13 0,000 2,99

Net U 0,0338 0,0104 3,24 0,010 18,66

Equality S 0,01834 0,00680 2,70 0,024 8,47

Nº UNIV 0,1156 0,0230 5,03 0,001 3,71

UNEMP. 0,01588 0,00317 5,00 0,001 2,01

KT 0,0275 0,0118 2,34 0,044 8,62

EPI 0,1028 0,0138 7,47 0,000 5,01

Equação de Regressão

CP1NV = -27,63 + 0,1565 SPI + 0,0910 Adult A + 0,07417 Primary S + 0,0338 Net U

+ 0,01834 Equality S + 0,1156 Nº UNIV + 0,01588 UNEMP. + 0,0275 KT + 0,1028 EPI

As variáveis SPI e Acess Advanced Education explicam 97,35% do CP1

Análise de Regressão: CP1NV versus SPI; Acess EA Seleção Stepwise de Termos

20

Termos candidatos: SPI; Acess EA

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

Coef P Coef P

Constante -18,57 -13,03

SPI 0,3768 0,000 0,2313 0,000

Acess EA 0,1063 0,000

S 1,16371 0,807552

R2 94,16% 97,35%

R2(aj) 93,82% 97,02%

R2(pred) 92,09% 95,96%

Cp de Mallows 20,30 3,00




Regressão 2 383,86 191,932 294,31 0,000

SPI 1 25,91 25,914 39,74 0,000

Acess EA 1 12,59 12,588 19,30 0,000

Erro 16 10,43 0,652

Total 18 394,30

Sumário do Modelo


0,807552 97,35% 97,02% 95,96%

Coeficientes


Constante -13,03 1,70 -7,64 0,000

SPI 0,2313 0,0367 6,30 0,000 5,40

Acess EA 0,1063 0,0242 4,39 0,000 5,40


CP1NV = -13,03 + 0,2313 SPI + 0,1063 Acess EA

Ajustados e Diagnósticos para Observações Atípicas

Obs. CP1NV Ajuste Resíd

Resíd

Pad

18 18,789 17,292 1,497 2,15 R

R Resíduo grande

21


... ppy; GINNI Seleção Stepwise de Termos Termos candidatos: SPI; Acces IC; Acess EA; Adult A; Primary S; Lower S; Upper S; Net U;


GINNI

----Passo 1---- -----Passo 2----- -----Passo 3----- ------Passo 4-----


Constante -0,000 10,89 10,47 10,41

UNEMP. 15.24 0,0995 0,000 0,08946 0,000 0,08761 0,000 0,08469 0,000

Primary S -0,1164 0,000 -0,1082 0,000 -0,0977 0,000

Labor -0,1335 0,001 -0,1268 0,001

Happy -0,01238 0,045

Years S

GOV

KT

EPI

UNEMP.

Upper S

Adult A

Nº UNIV

S 1,11537 0,611839 0,431312 0,384925

R2 79,53% 94,20% 97,30% 97,99%

R2(aj) 78,33% 93,48% 96,76% 97,42%

R2(pred) 71,42% 92,21% 95,67% 95,90%

------Passo 5----- ------Passo 6----- ------Passo 7-----


Constante 11,03 10,413 9,885

UNEMP. 15.24 0,07768 0,000 0,07437 0,000 0,07596 0,000

Primary S -0,1030 0,000 -0,0862 0,000 -0,07891 0,000

Labor -0,1313 0,000 -0,1360 0,000 -0,1320 0,000

Happy -0,01845 0,007 -0,02488 0,000 -0,02520 0,000

Years S 0,01684 0,055 0,02075 0,006 0,02463 0,001

GOV -0,01172 0,009 -0,01128 0,005

KT -0,01496 0,046

EPI

22

UNEMP.

Upper S

Adult A

Nº UNIV

S 0,344996 0,266449 0,230171

R2 98,50% 99,18% 99,44%

R2(aj) 97,93% 98,76% 99,08%

R2(pred) 96,96% 97,89% 97,15%

------Passo 8----- ------Passo 9----- -----Passo 10-----


Constante 8,351 8,329 8,863

UNEMP. 15.24 0,07371 0,000 0,05714 0,000 0,05219 0,000

Primary S -0,08018 0,000 -0,07701 0,000 -0,07764 0,000

Labor -0,1300 0,000 -0,1303 0,000 -0,1319 0,000

Happy -0,02709 0,000 -0,02701 0,000 -0,02795 0,000

Years S 0,02420 0,000 0,02195 0,001 0,02516 0,000

GOV -0,01022 0,003 -0,01092 0,001 -0,01391 0,000

KT -0,03256 0,003 -0,02917 0,004 -0,02509 0,005

EPI 0,0354 0,021 0,0296 0,034 0,0174 0,165

UNEMP. 0,0203 0,082 0,02387 0,027

Upper S 0,00743 0,060

Adult A

Nº UNIV

S 0,182911 0,161546 0,135504

R2 99,68% 99,77% 99,86%

R2(aj) 99,42% 99,55% 99,68%

R2(pred) 98,35% 98,96% 98,76%

-----Passo 11----- -----Passo 12----- ------Passo 13-----


Constante 9,581 8,375 7,172

UNEMP. 15.24 0,04894 0,000 0,04260 0,000 0,03456 0,000

Primary S -0,07696 0,000 -0,07884 0,000 -0,07187 0,000

Labor -0,1333 0,000 -0,13406 0,000 -0,09080 0,000

Happy -0,02760 0,000 -0,02587 0,000 -0,02602 0,000

Years S 0,02609 0,000 0,02130 0,001 0,01583 0,000

23

GOV -0,01540 0,000 -0,01418 0,000 -0,01439 0,000

KT -0,01704 0,003 -0,01779 0,001 -0,00691 0,045

EPI

UNEMP. 0,02796 0,013 0,03583 0,002 0,04752 0,000

Upper S 0,00998 0,012 0,00697 0,042 0,00483 0,016

Adult A 0,01710 0,047 0,02397 0,001

Nº UNIV -0,0606 0,002

S 0,145180 0,118618 0,0601178

R2 99,82% 99,89% 99,98%

R2(aj) 99,63% 99,75% 99,94%

R2(pred) 98,81% 99,28% 99,73%




Regressão 11 103,293 9,39025 2598,19 0,000

Adult A 1 0,133 0,13259 36,69 0,001

Primary S 1 2,131 2,13078 589,57 0,000

Upper S 1 0,036 0,03615 10,00 0,016

Years S 1 0,179 0,17861 49,42 0,000

Nº UNIV 1 0,087 0,08726 24,14 0,002

UNEMP. 1 0,362 0,36197 100,15 0,000

Labor 1 0,303 0,30285 83,80 0,000

UNEMP. 15.24 1 0,276 0,27603 76,38 0,000

GOV 1 0,748 0,74766 206,87 0,000

KT 1 0,021 0,02141 5,92 0,045

Happy 1 1,676 1,67594 463,72 0,000

Erro 7 0,025 0,00361

Total 18 103,318

Sumário do Modelo


0,0601178 99,98% 99,94% 99,73%

Coeficientes


Constante 7,172 0,410 17,50 0,000

Adult A 0,02397 0,00396 6,06 0,001 2,84

Primary S -0,07187 0,00296 -24,28 0,000 2,86

24

Upper S 0,00483 0,00153 3,16 0,016 2,38

Years S 0,01583 0,00225 7,03 0,000 5,02

Nº UNIV -0,0606 0,0123 -4,91 0,002 9,74

UNEMP. 0,04752 0,00475 10,01 0,000 40,96

Labor -0,09080 0,00992 -9,15 0,000 5,08

UNEMP. 15.24 0,03456 0,00395 8,74 0,000 35,91

GOV -0,01439 0,00100 -14,38 0,000 2,16

KT -0,00691 0,00284 -2,43 0,045 4,58

Happy -0,02602 0,00121 -21,53 0,000 2,60


CP2NV = 7,172 + 0,02397 Adult A - 0,07187 Primary S + 0,00483 Upper S + 0,01583 Years S

- 0,0606 Nº UNIV + 0,04752 UNEMP. - 0,09080 Labor + 0,03456 UNEMP. 15.24

- 0,01439 GOV - 0,00691 KT - 0,02602 Happy

CP2: Passo 03 explica 97,30% ( Unemployed 15.24, Primary School, Labor force)

Análise de Regressão: CP2NV versus UNEMP.; Primary S;

Labor Seleção Stepwise de Termos Termos candidatos: UNEMP.; Primary S; Labor

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


Constante -0,328 10,33 9,89

UNEMP. 0,1113 0,000 0,09955 0,000 0,09757 0,000

Primary S -0,1133 0,000 -0,1048 0,000

Labor -0,1388 0,003

S 1,13772 0,695303 0,533671

R2 78,70% 92,51% 95,87%

R2(aj) 77,45% 91,58% 95,04%

R2(pred) 66,69% 88,68% 91,96%

Cp de Mallows 62,26 14,16 4,00




Regressão 3 99,046 33,0153 115,92 0,000

UNEMP. 1 58,376 58,3761 204,97 0,000

Primary S 1 11,915 11,9151 41,84 0,000

25

Labor 1 3,463 3,4631 12,16 0,003

Erro 15 4,272 0,2848

Total 18 103,318

Sumário do Modelo


0,533671 95,87% 95,04% 91,96%

Coeficientes


Constante 9,89 1,53 6,47 0,000

UNEMP. 0,09757 0,00681 14,32 0,000 1,07

Primary S -0,1048 0,0162 -6,47 0,000 1,09

Labor -0,1388 0,0398 -3,49 0,003 1,04


CP2NV = 9,89 + 0,09757 UNEMP. - 0,1048 Primary S - 0,1388 Labor


Obs. CP2NV Ajuste Resíd

Resíd

Pad

2 10,692 10,210 0,482 1,50 X

3 0,445 0,262 0,184 0,67 X

X Atípicos X




GINNI

----Passo 1--- -----Passo 2---- ------Passo 3----- ------Passo 4-----


Constante 2,559 4,272 3,019 4,460

Labor 0,425 0,001 0,4258 0,000 0,4031 0,000 0,3917 0,000

GOV -0,0408 0,005 -0,04320 0,000 -0,03981 0,000

Years S 0,0496 0,003 0,0627 0,000

Equality S -0,03134 0,002

Nº UNIV

C.O

Upper S

EPI

26

S 1,37450 1,09480 0,837832 0,617879

R2 51,25% 70,89% 84,02% 91,89%

R2(aj) 48,39% 67,26% 80,82% 89,57%

R2(pred) 22,76% 44,59% 70,90% 80,29%



Constante 5,568 6,197 6,576

Labor 0,2321 0,004 0,2107 0,005 0,2189 0,002

GOV -0,04163 0,000 -0,04042 0,000 -0,03451 0,000

Years S 0,06021 0,000 0,06232 0,000 0,06045 0,000

Equality S -0,04973 0,000 -0,04023 0,002 -0,03045 0,008

Nº UNIV 0,1981 0,011 0,2127 0,005 0,2042 0,003

C.O -0,0273 0,091 -0,0341 0,024

Upper S -0,01940 0,040

EPI

S 0,496791 0,456855 0,390610

R2 95,13% 96,20% 97,45%

R2(aj) 93,26% 94,30% 95,83%

R2(pred) 78,03% 80,73% 90,73%

------Passo 8-----

Coef P

Constante 4,41

Labor 0,2381 0,001

GOV -0,02829 0,001

Years S 0,05052 0,000

Equality S -0,02656 0,015

Nº UNIV 0,1599 0,016

C.O -0,0582 0,010

Upper S -0,0321 0,013

EPI 0,0614 0,115

S 0,359575

R2 98,04%

R2(aj) 96,47%

R2(pred) 93,85%


27



Regressão 8 64,5947 8,0743 62,45 0,000

Upper S 1 1,1794 1,1794 9,12 0,013

Years S 1 4,3444 4,3444 33,60 0,000

Equality S 1 1,1179 1,1179 8,65 0,015

Nº UNIV 1 1,0713 1,0713 8,29 0,016

Labor 1 2,9763 2,9763 23,02 0,001

GOV 1 2,8820 2,8820 22,29 0,001

C.O 1 1,2884 1,2884 9,96 0,010

EPI 1 0,3854 0,3854 2,98 0,115

Erro 10 1,2929 0,1293

Total 18 65,8877

Sumário do Modelo


0,359575 98,04% 96,47% 93,85%

Coeficientes


Constante 4,41 1,36 3,25 0,009

Upper S -0,0321 0,0106 -3,02 0,013 3,21

Years S 0,05052 0,00871 5,80 0,000 2,10

Equality S -0,02656 0,00903 -2,94 0,015 3,80

Nº UNIV 0,1599 0,0555 2,88 0,016 5,51

Labor 0,2381 0,0496 4,80 0,001 3,56

GOV -0,02829 0,00599 -4,72 0,001 2,16

C.O -0,0582 0,0184 -3,16 0,010 5,57

EPI 0,0614 0,0356 1,73 0,115 8,53


CP3NV = 4,41 - 0,0321 Upper S + 0,05052 Years S - 0,02656 Equality S + 0,1599 Nº UNIV

+ 0,2381 Labor - 0,02829 GOV - 0,0582 C.O + 0,0614 EPI

CP3: Passo 06 explica 96,20% (Labor force, Gov, Years S, Equality S, Nº Univ., Creative

Outputs)

Análise de Regressão: CP3NV versus Labor; GOV; Years S;

... UNIV; C.O Seleção Stepwise de Termos Termos candidatos: Labor; GOV; Years S; Equality S; Nº UNIV; C.O

----Passo 1--- -----Passo 2---- ------Passo 3----- ------Passo 4-----

28


Constante 2,559 4,272 3,019 4,460

Labor 0,425 0,001 0,4258 0,000 0,4031 0,000 0,3917 0,000

GOV -0,0408 0,005 -0,04320 0,000 -0,03981 0,000

Years S 0,0496 0,003 0,0627 0,000

Equality S -0,03134 0,002

Nº UNIV

C.O

S 1,37450 1,09480 0,837832 0,617879

R2 51,25% 70,89% 84,02% 91,89%

R2(aj) 48,39% 67,26% 80,82% 89,57%

R2(pred) 22,76% 44,59% 70,90% 80,29%

Cp de Mallows 138,88 78,88 39,45 16,61

------Passo 5----- ------Passo 6-----

Coef P Coef P

Constante 5,568 6,197

Labor 0,2321 0,004 0,2107 0,005

GOV -0,04163 0,000 -0,04042 0,000

Years S 0,06021 0,000 0,06232 0,000

Equality S -0,04973 0,000 -0,04023 0,002

Nº UNIV 0,1981 0,011 0,2127 0,005

C.O -0,0273 0,091

S 0,496791 0,456855

R2 95,13% 96,20%

R2(aj) 93,26% 94,30%

R2(pred) 78,03% 80,73%

Cp de Mallows 8,37 7,00




Regressão 6 63,3831 10,5638 50,61 0,000

Labor 1 2,4654 2,4654 11,81 0,005

GOV 1 12,1075 12,1075 58,01 0,000

Years S 1 11,8795 11,8795 56,92 0,000

Equality S 1 3,4002 3,4002 16,29 0,002

29

Nº UNIV 1 2,4229 2,4229 11,61 0,005

C.O 1 0,7038 0,7038 3,37 0,091

Erro 12 2,5046 0,2087

Total 18 65,8877

Sumário do Modelo


0,456855 96,20% 94,30% 80,73%

Coeficientes


Constante 6,197 0,649 9,54 0,000

Labor 0,2107 0,0613 3,44 0,005 3,36

GOV -0,04042 0,00531 -7,62 0,000 1,05

Years S 0,06232 0,00826 7,54 0,000 1,17

Equality S -0,04023 0,00997 -4,04 0,002 2,87

Nº UNIV 0,2127 0,0624 3,41 0,005 4,32

C.O -0,0273 0,0149 -1,84 0,091 2,25


CP3NV = 6,197 + 0,2107 Labor - 0,04042 GOV + 0,06232 Years S - 0,04023 Equality S

+ 0,2127 Nº UNIV - 0,0273 C.O




GINNI

----Passo 1---- -----Passo 2---- -----Passo 3----- ------Passo 4-----


Constante 0,276 3,43 4,04 6,07

GOV 0,0466 0,009 0,0540 0,001 0,0518 0,000 0,04889 0,000

C.O -0,0719 0,014 -0,0932 0,001 -0,0924 0,000

Nº UNIV 0,2044 0,008 0,2292 0,001

Happy -0,03020 0,007

Upper S

IDH

Labor

Lower S

30

S 1,38743 1,17824 0,953546 0,753939

R2 34,02% 55,22% 72,50% 83,95%

R2(aj) 30,14% 49,62% 67,00% 79,37%

R2(pred) 20,57% 36,25% 49,53% 68,42%



Constante 5,026 5,944 5,148

GOV 0,03660 0,000 0,03626 0,000 0,03608 0,000

C.O -0,0971 0,000 -0,0726 0,000 -0,06608 0,000

Nº UNIV 0,2083 0,000 0,2681 0,000 0,1714 0,003

Happy -0,02982 0,000 -0,02690 0,000 -0,02913 0,000

Upper S 0,04159 0,001 0,04898 0,000 0,04927 0,000

IDH -0,0418 0,008 -0,0320 0,016

Labor 0,1091 0,021

Lower S

S 0,491555 0,376595 0,305283

R2 93,67% 96,57% 97,93%

R2(aj) 91,23% 94,85% 96,62%

R2(pred) 81,88% 88,83% 92,99%

------Passo 8-----

Coef P

Constante 5,037

GOV 0,03603 0,000

C.O -0,06903 0,000

Nº UNIV 0,1415 0,004

Happy -0,03107 0,000

Upper S 0,04721 0,000

IDH -0,04092 0,002

Labor 0,1214 0,005

Lower S 0,02164 0,029

S 0,249068

R2 98,75%

R2(aj) 97,75%

R2(pred) 95,70%


31



Regressão 8 48,9765 6,12206 98,69 0,000

Lower S 1 0,4048 0,40482 6,53 0,029

Upper S 1 5,4659 5,46585 88,11 0,000

Nº UNIV 1 0,8490 0,84898 13,69 0,004

Labor 1 0,8206 0,82058 13,23 0,005

IDH 1 1,0775 1,07753 17,37 0,002

GOV 1 7,7596 7,75957 125,08 0,000

C.O 1 4,5320 4,53196 73,05 0,000

Happy 1 5,2717 5,27174 84,98 0,000

Erro 10 0,6203 0,06203

Total 18 49,5969

Sumário do Modelo


0,249068 98,75% 97,75% 95,70%

Coeficientes


Constante 5,037 0,484 10,41 0,000

Lower S 0,02164 0,00847 2,55 0,029 3,24

Upper S 0,04721 0,00503 9,39 0,000 1,50

Nº UNIV 0,1415 0,0382 3,70 0,004 5,45

Labor 0,1214 0,0334 3,64 0,005 3,35

IDH -0,04092 0,00982 -4,17 0,002 4,36

GOV 0,03603 0,00322 11,18 0,000 1,30

C.O -0,06903 0,00808 -8,55 0,000 2,23

Happy -0,03107 0,00337 -9,22 0,000 1,18


CP4NV = 5,037 + 0,02164 Lower S + 0,04721 Upper S + 0,1415 Nº UNIV + 0,1214 Labor

- 0,04092 IDH + 0,03603 GOV - 0,06903 C.O - 0,03107 Happy

CP4: Passo 06 explica 96,20% (Gov, C.O, Nº Univ., Happy, Upper S. )

Análise de Regressão: CP4NV versus GOV; C.O; Nº UNIV;

... y; Upper S Seleção Stepwise de Termos Termos candidatos: GOV; Nº UNIV; C.O; Happy; Upper S

----Passo 1---- -----Passo 2---- -----Passo 3----- ------Passo 4-----

32


Constante 0,276 3,43 4,04 6,07

GOV 0,0466 0,009 0,0540 0,001 0,0518 0,000 0,04889 0,000

C.O -0,0719 0,014 -0,0932 0,001 -0,0924 0,000

Nº UNIV 0,2044 0,008 0,2292 0,001

Happy -0,03020 0,007

Upper S

S 1,38743 1,17824 0,953546 0,753939

R2 34,02% 55,22% 72,50% 83,95%

R2(aj) 30,14% 49,62% 67,00% 79,37%

R2(pred) 20,57% 36,25% 49,53% 68,42%

Cp de Mallows 120,43 78,93 45,45 23,93

------Passo 5-----

Coef P

Constante 5,026

GOV 0,03660 0,000

C.O -0,0971 0,000

Nº UNIV 0,2083 0,000

Happy -0,02982 0,000

Upper S 0,04159 0,001

S 0,491555

R2 93,67%

R2(aj) 91,23%

R2(pred) 81,88%

Cp de Mallows 6,00




Regressão 5 46,456 9,2911 38,45 0,000

GOV 1 8,011 8,0111 33,15 0,000

Nº UNIV 1 8,556 8,5559 35,41 0,000

C.O 1 17,185 17,1849 71,12 0,000

Happy 1 5,537 5,5372 22,92 0,000

Upper S 1 4,817 4,8168 19,93 0,001

Erro 13 3,141 0,2416

33

Total 18 49,597

Sumário do Modelo


0,491555 93,67% 91,23% 81,88%

Coeficientes


Constante 5,026 0,733 6,86 0,000

GOV 0,03660 0,00636 5,76 0,000 1,30

Nº UNIV 0,2083 0,0350 5,95 0,000 1,17

C.O -0,0971 0,0115 -8,43 0,000 1,16

Happy -0,02982 0,00623 -4,79 0,000 1,03

Upper S 0,04159 0,00932 4,46 0,001 1,32


CP4N

V

= 5,026 + 0,03660 GOV + 0,2083 Nº UNIV - 0,0971 C.O - 0,02982 Happy

+ 0,04159 Upper S


Obs. CP4NV Ajuste Resíd Resíd Pad

3 5,821 5,081 0,739 2,04 R

4 3,219 4,254 -1,035 -2,50 R

R Resíduo grande




GINNI

-----Passo 1---- -----Passo 2----- -----Passo 3----- -----Passo 4-----


Constante 4,201 2,268 -4,02 -1,51

Years S -0,0637 0,010 -0,0912 0,000 -0,0943 0,000 -0,0965 0,000

Net U 0,0538 0,002 0,1103 0,000 0,1044 0,000

GINNI 0,0797 0,014 0,0597 0,049

Upper S -0,0288 0,059

Happy

Labor

GOV

UNEMP.

Primary S

34

Nº UNIV

EPI

S 1,31500 0,991420 0,830784 0,753794

R2 33,06% 64,19% 76,43% 81,89%

R2(aj) 29,12% 59,71% 71,71% 76,71%

R2(pred) 17,98% 52,43% 63,60% 70,30%



Constante 0,48 2,66 5,098

Years S -0,0864 0,000 -0,0833 0,000 -0,0814 0,000

Net U 0,0968 0,000 0,0761 0,003 0,05680 0,000

GINNI 0,0498 0,064 0,0271 0,304

Upper S -0,0312 0,025 -0,0337 0,011 -0,0382 0,003

Happy -0,02037 0,040 -0,02511 0,012 -0,02768 0,005

Labor 0,1024 0,074 0,1283 0,017

GOV

UNEMP.

Primary S

Nº UNIV

EPI

S 0,661181 0,599122 0,602695

R2 87,06% 90,19% 89,25%

R2(aj) 82,08% 85,29% 85,11%

R2(pred) 69,28% 70,61% 74,14%

------Passo 8----- ------Passo 9----- -----Passo 10-----


Constante 5,497 6,472 8,505

Years S -0,07691 0,000 -0,05352 0,000 -0,05145 0,000

Net U 0,05243 0,000 0,05179 0,000 0,05454 0,000

GINNI

Upper S -0,02467 0,027 -0,01359 0,088 -0,01155 0,074

Happy -0,03001 0,001 -0,04467 0,000 -0,04031 0,000

Labor 0,1345 0,004 0,1220 0,001 0,1232 0,000

GOV -0,01796 0,016 -0,02667 0,000 -0,02220 0,000

UNEMP. -0,02534 0,003 -0,02802 0,000

35

Primary S -0,0299 0,020

Nº UNIV

EPI

S 0,487806 0,332239 0,262557

R2 93,50% 97,24% 98,43%

R2(aj) 90,25% 95,48% 97,17%

R2(pred) 79,17% 93,26% 95,28%

-----Passo 11----- -----Passo 12----- -----Passo 13-----


Constante 10,020 11,208 11,599

Years S -0,04771 0,000 -0,04410 0,000 -0,04122 0,000

Net U 0,04637 0,000 0,05087 0,000 0,05029 0,000

GINNI

Upper S -0,00886 0,066 -0,00501 0,181

Happy -0,04018 0,000 -0,03876 0,000 -0,03928 0,000

Labor 0,0603 0,035 0,0408 0,068 0,0336 0,126

GOV -0,02321 0,000 -0,02434 0,000 -0,02606 0,000

UNEMP. -0,03275 0,000 -0,03230 0,000 -0,03402 0,000

Primary S -0,04383 0,001 -0,04415 0,000 -0,04604 0,000

Nº UNIV 0,0950 0,010 0,1149 0,001 0,1246 0,000

EPI -0,02839 0,021 -0,03406 0,006

S 0,188251 0,140097 0,148731

R2 99,27% 99,64% 99,55%

R2(aj) 98,55% 99,20% 99,09%

R2(pred) 94,86% 98,19% 97,73%




Regressão 9 43,7166 4,85740 219,58 0,000

Primary S 1 0,9891 0,98911 44,71 0,000

Net U 1 4,3799 4,37991 198,00 0,000

Years S 1 2,5844 2,58438 116,83 0,000

Nº UNIV 1 0,6334 0,63337 28,63 0,000

UNEMP. 1 2,9187 2,91874 131,94 0,000

Labor 1 0,0630 0,06297 2,85 0,126

36

GOV 1 3,4490 3,44897 155,91 0,000

EPI 1 0,2753 0,27526 12,44 0,006

Happy 1 4,2951 4,29506 194,16 0,000

Erro 9 0,1991 0,02212

Total 18 43,9157

Sumário do Modelo


0,148731 99,55% 99,09% 97,73%

Coeficientes


Constante 11,599 0,686 16,91 0,000

Primary S -0,04604 0,00689 -6,69 0,000 2,53

Net U 0,05029 0,00357 14,07 0,000 3,27

Years S -0,04122 0,00381 -10,81 0,000 2,35

Nº UNIV 0,1246 0,0233 5,35 0,000 5,67

UNEMP. -0,03402 0,00296 -11,49 0,000 2,60

Labor 0,0336 0,0199 1,69 0,126 3,35

GOV -0,02606 0,00209 -12,49 0,000 1,53

EPI -0,03406 0,00965 -3,53 0,006 3,67

Happy -0,03928 0,00282 -13,93 0,000 2,31


CP5NV = 11,599 - 0,04604 Primary S + 0,05029 Net U - 0,04122 Years S + 0,1246 Nº UNIV

- 0,03402 UNEMP. + 0,0336 Labor - 0,02606 GOV - 0,03406 EPI - 0,03928 Happy

CP5: Passo 09 explica 97,24% (Years School, Net U, Ginni, Upper School, Happy, Labor

force, Gov, Unemployment total)

Análise de Regressão: CP5NV versus Years S; Net U; ... r;

GOV; UNEMP. Seleção Stepwise de Termos Termos candidatos: GOV; Happy; Upper S; Years S; Net U; GINNI; Labor; UNEMP.

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


Constante 4,201 2,268 -4,02

Years S -0,0637 0,010 -0,0912 0,000 -0,0943 0,000

Net U 0,0538 0,002 0,1103 0,000

GINNI 0,0797 0,014

37

Upper S

Happy

Labor

GOV

UNEMP.

S 1,31500 0,991420 0,830784

R2 33,06% 64,19% 76,43%

R2(aj) 29,12% 59,71% 71,71%

R2(pred) 17,98% 52,43% 63,60%

Cp de Mallows 267,07 137,90 88,34

-----Passo 4----- ------Passo 5----- ------Passo 6-----


Constante -1,51 0,48 2,66

Years S -0,0965 0,000 -0,0864 0,000 -0,0833 0,000

Net U 0,1044 0,000 0,0968 0,000 0,0761 0,003

GINNI 0,0597 0,049 0,0498 0,064 0,0271 0,304

Upper S -0,0288 0,059 -0,0312 0,025 -0,0337 0,011

Happy -0,02037 0,040 -0,02511 0,012

Labor 0,1024 0,074

GOV

UNEMP.

S 0,753794 0,661181 0,599122

R2 81,89% 87,06% 90,19%

R2(aj) 76,71% 82,08% 85,29%

R2(pred) 70,30% 69,28% 70,61%

Cp de Mallows 67,33 47,53 36,33



Constante 5,098 5,497 6,472

Years S -0,0814 0,000 -0,07691 0,000 -0,05352 0,000

Net U 0,05680 0,000 0,05243 0,000 0,05179 0,000

GINNI

Upper S -0,0382 0,003 -0,02467 0,027 -0,01359 0,088

Happy -0,02768 0,005 -0,03001 0,001 -0,04467 0,000

Labor 0,1283 0,017 0,1345 0,004 0,1220 0,001

38

GOV -0,01796 0,016 -0,02667 0,000

UNEMP. -0,02534 0,003

S 0,602695 0,487806 0,332239

R2 89,25% 93,50% 97,24%

R2(aj) 85,11% 90,25% 95,48%

R2(pred) 74,14% 79,17% 93,26%

Cp de Mallows 38,31 22,40 8,65




Regressão 7 42,7015 6,1002 55,26 0,000

GOV 1 3,2475 3,2475 29,42 0,000

Happy 1 6,2950 6,2950 57,03 0,000

Upper S 1 0,3867 0,3867 3,50 0,088

Years S 1 3,9371 3,9371 35,67 0,000

Net U 1 10,0996 10,0996 91,50 0,000

Labor 1 2,4368 2,4368 22,08 0,001

UNEMP. 1 1,6412 1,6412 14,87 0,003

Erro 11 1,2142 0,1104

Total 18 43,9157

Sumário do Modelo


0,332239 97,24% 95,48% 93,26%

Coeficientes


Constante 6,472 0,484 13,38 0,000

GOV -0,02667 0,00492 -5,42 0,000 1,71

Happy -0,04467 0,00591 -7,55 0,000 2,04

Upper S -0,01359 0,00726 -1,87 0,088 1,76

Years S -0,05352 0,00896 -5,97 0,000 2,60

Net U 0,05179 0,00541 9,57 0,000 1,50

Labor 0,1220 0,0260 4,70 0,001 1,14

UNEMP. -0,02534 0,00657 -3,86 0,003 2,57


CP5NV = 6,472 - 0,02667 GOV - 0,04467 Happy - 0,01359 Upper S - 0,05352 Years S

+ 0,05179 Net U + 0,1220 Labor - 0,02534 UNEMP.


39

Obs. CP5NV Ajuste Resíd Resíd Pad

8 2,499 3,189 -0,691 -2,31 R

17 3,114 3,639 -0,525 -2,05 R

R Resíduo grande

3.5 Criando indicadores a partir dos PC1, PC2, PC3, PC4, PC5

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 5 (cinco) 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 + Acess EA

CP1 = -13,03 + 0,2313 SPI + 0,1063 Acess EA

No caso de CP2

CP2 = UNEMP + Primary + Labor

CP2 = 9,89 + 0,09757 UNEMP. - 0,1048 Primary S - 0,1388 Labor

No caso de CP3

CP3 = Labor + GOV + Years S + Equality S + Nº Univ + CO

CP3 = 6,197 + 0,2107 Labor - 0,04042 GOV + 0,06232 Years S - 0,04023 Equality S

+ 0,2127 Nº UNIV - 0,0273 C.O

No caso de CP4

CP4 = GOV + Nº Univ + CO + Happy + Upper S

CP4 = 5,026 + 0,03660 GOV + 0,2083 Nº UNIV - 0,0971 C.O - 0,02982 Happy + 0,04159 Upper S

No caso de CP5

CP5 = GOV + Happy + Upper S + Years S + Net U + Labor + UNEMP.

CP5 = 6,472 - 0,02667 GOV - 0,04467 Happy - 0,01359 Upper S - 0,05352 Years S

+ 0,05179 Net U + 0,1220 Labor - 0,02534 UNEMP.

40

Pensando em um indicador que sintetize CP1, CP2, CP3, CP4, CP5

FEW AIBER = (0,525*'CP1NV')+(0,126*'CP2NV')+(0,084*'CP3NV')+(0,063*'CP4NV')+(0,058*'CP5NV')

3.6 Ranking de FEW - AIBER

Através da formula sintética (que engloba as variáveis CP1, CP2, CP3, CP4, CP5)

foi possível calcular um Ranking de FEW para os países da região AIBER, conforme

abaixo:

Figura 1: Ranking de FEW para os países da região AIBER

41

Outlier = Linha 18 = Espanha

A disposição dos países manteve-se como os agrupamentos haviam ilustrado: cluster 1

com médias mais elevadas, cluster 2 em posição intermediária e cluster 3 com médias mais

baixas.

Nota-se que a Argentina (61,27%), Chile (60,46%) e Uruguai (59,89%) estão acima do

Brasil (53,17 em 7º lugar) e este acima do México (45,69%); Bolívia (41,65), Peru

(39,96) e Paraguai (29,09%) abaixo.

Mapa com os países da região Ibero-Americana - AIBER

Legenda: AZUL = ALTO VERDE = INTERMEDIÁRIO I LARANJA= INTERMEDIÁRIO II VERMELHO: BAIXO Branco = NÃO pertencem à AIBER

321

1,0

0,8

0,6

0,4

0,2

0,0

Código AIBER

FEW

n

Boxplot de FEWn

42

Paíse cor azul: 5 países – Alto

Espanha, Portugal, Costa, Rica, Argentina, Chile

Países cor verde: 5 países – Intermediário I

Uruguai, Brazil, Colombia, México, Panama

Países cor laranja: 05 países- Intermediários II

Bolívia, Peru, Republica Dominicana, Equador, Paraguai

Países cor vermelha: 04 países – Baixo

El Salvador, Nicaragua, Honduras, Guatemala

43

4. Considerações Finais Este trabalho teve por objetivo realizar análises dos países da região Ibero-

Americana (AIBER). Foram efetuadas análises de correspondência, análises de variância

(ANOVA), regressões, agrupamentos (clusters) e componentes principais. Como resultado

deste trabalho foi criado o indicador, que reflete um índice de Futuro da Educação e o

Trabalho ( FEW) para essa região.

Da listagem dos países ordenados, foi gerado um ranking de performance e um

mapa contendo os países da região AIBER, o qual foi colorido refletindo com seus tons, o

posicionamento em relação aos resultados de cada país.

Os países Espanha e Portugal ficaram no topo da lista com os melhores resultados, e

seguidos por estes, estão Costa Rica, Argentina e Chile. O Brasil ocupa a sétima posição. E

na parte inferior da lista, com as performances mais baixas, foram destaque, El Salvador,

Nicaragua, Honduras e Guatemala.

Em relação ao tema Futuro do Educação e o Trabalho, objetivo central desta

análise, percebe-se que as variáveis de maior significância foram: SPI e Acesso a Educação

Avançada, pois de formos analisar para que um país tenha progresso social é necessário o

investimento em educação de qualidade o que evidentemente poderá melhorar uma série de

outras questões sociais e problemáticas que são oriundas da falta de investimento em

educação. Destacam-se Espanha e Portugual que também são economias avançadas.

boletim de anÁlises estatÍstico basta 2018 vol. 1 · programas de pós graduação em economia e...

Documents