Issue link: http://endeavor.uberflip.com/i/420690
diretos" e "Distância ao porto mais próximo". Uma vez somadas as variáveis, é possível aplicar o mesmo processo de padronização de variáveis para o resultado. A pa- dronização dos subdeterminantes evita que, posteriormente, um subdeterminante apresente um valor médio maior que outro pelo simples fato de ser composto por mais variáveis. Entretanto, em lugar de centrarmos os scores na média zero, como fizemos com os indicadores, deslocamos a média do score para 6. Por exemplo, no pilar de "Mercado", os sub- determinantes "Desenvolvimento Econômico" e "Clientes Potenciais" terão sempre média 6 e desvio padrão 1, com os scores de cada cidade indicando sua posição relativa às demais. Basicamente, deslocar a média para 6 evita que a visualização de um número artificialmente negativo (score abaixo da média) prejudique a interpretação, ao mesmo tem- po em que não altera os resultados. Subdeterminante_x = Indicador_1' + Indicador_2' + ... + Indicador_k' Subdeterminante_x' = (Subdeterminante_x – Média (Subdeterminantes) / Desv.pad (Subdeterminantes)) + 6 A escolha de somar as variáveis diretamente dentro de um subdeterminante tem consequências. A mais notável é que implicitamente fica assumido que os indicadores têm o mesmo peso dentro de um subdeterminante. Rankings e outras ferramentas de comparação precisam necessaria - mente adotar um critério arbitrário para pesar indicadores diferentes e combiná-los, mesmo que o critério seja atri- buir pesos equivalentes. Uma forma adequada de contor- nar a arbitrariedade dessa escolha é a avaliação cuidadosa de cada um dos determinantes, subdeterminantes e dos indicadores que os compõem. Em lugar de adotar pesos para as variáveis nesta etapa da análise, optou-se por or- ganizá-los hierarquicamente. No início da elaboração do estudo foram apontados 380 indicadores. Em um primeiro momento, esses indi- cadores foram agrupados nos respectivos determinan- tes e subdeterminantes seguindo as orientações dos frameworks existentes e a opinião dos especialistas con- sultados. No processo de coleta de variáveis, eliminamos aqueles indisponíveis, com erros excessivos de medição ou redundantes e buscamos fontes variadas para as mesmas medidas. Por exemplo, o número de voos diretos para uma cidade e o total de passageiros transportados são medidas bastante semelhantes. Utilizar dois indicadores que, uma vez padronizados, são quase idênticos, seria equivalente a adotar o dobro do peso para um aspecto específico de um subdeterminante. Mesmo após a eliminação inicial de indicadores redundan - tes, é possível que dois indicadores sejam medidas muito parecidas e altamente correlacionadas entre si, ainda que sua definição substantiva seja muito diferente. Então, com um conjunto já reduzido de indicadores, foi produzido para cada determinante uma Análise de Componentes Principais em que se observou como cada indicador se comportava em relação ao outro. Intuitivamente, a aplicação da Análise de Componentes Principais se assemelha a descobrir todas as dimensões de cada um dos determinantes e criar um componente que repre - senta cada dimensão. Por vezes, um conjunto de dezenas de indicadores pode ser representado por apenas um componente. Por exemplo, podemos imaginar que capital humano tem duas dimensões, qualidade da educação e total da população edu- cada, e que a nota média dos alunos do município no IDEB e o percentual da população que terminou o Ensino Médio estão eventualmente relacionadas a essas duas dimensões. Ao produ- zirmos a Análise de Componentes Principais, é possível obser- var como esses dois indicadores estão situados nas dimensões encontradas e decidir se são redundantes, divergentes ou com- plementares. Com isso, pode-se também avaliar e reconstruir os subdeterminantes, aprimorando as ferramentas existentes nos estudos internacionais e desenhando um framework ade- quado à realidade das cidades brasileiras. Uma explicação mais detalhada da análise de componentes principais é encontrada adiante, quando é analisada aspectos da performance. Construídos os subdeterminantes, o resultado de cada pilar (determinante) resulta da soma simples entre eles e da pa- dronização, novamente com desvio padrão 1 e média 6. Os rankings de cada determinante, apresentados ao longo deste relatório, e os scores de cada capital para um determinante provêm desta última operação. Os subdeterminantes têm sempre o mesmo peso dentro de cada determinante. Deteminante_x = Subdeterminante_1' + Subdeterminante_2' + ... + Subdeterminante_k' Deteminante_x' = (Deteminante_x – Média (Determinantes) / Desv.pad (Determinantes)) + 6 O framework final, apresentado na página 84, resulta, por - tanto, de um processo inicial indutivo – com consulta a trabalhos internacionais semelhantes e a especialistas – e de um processo final dedutivo, empiricamente orientado e analiticamente consistente. 91