DESCRIÇÃO E ANÁLISE DOS
RESULTADOS
Nesta seção, as informações
são analisadas através da técnica de análise discriminante. Em seguida, é
aplicada ao grupo de cidades sem programas de reciclagem de RCD a técnica de
análise de clusters,com o objetivo de agrupar as cidades, com características
similares, de forma a definir estratégias de análise que
ajudem na implantação
de programas de
reciclagem voltados às
características destas cidades.
 |
| TÉCNICAS DE ANÁLISE MULTIVARIADA ANÁLISE DISCRIMINANTE E DE CLUSTERS |
Discussão dos resultados da
análise discriminante
A análise discriminante
permite através de
uma amostra composta
por cidades com
programas de reciclagem e sem reciclagem e suas
respectivas variáveis sócio-economicas, administrativas e técnicas, identificar
quais são as variáveis que melhor diferenciam este grupo de cidades, para
através de uma função discriminante fornecida
pelo modelo, posicionar
as cidades através
do escores alcançado
em termos de sua possibilidade de
implantação de programas de reciclagem, além disso é possível através desta
função discriminante identificar qual a posição obtida por uma nova cidade
através da introdução dos dados das variáveis na determinada função.
A função discriminante
Uma vez estruturadas as
variáveis e verificadas suas propriedades estatísticas, passa-se à estimação da
função discriminante, que é utilizada para o cálculo do escore discriminante de
cada cidade e mesmo para calcular o escore de futuros casos (cidades fora da
amostra). As variáveis que compõem a função discriminante não padronizada,
estimada pelo método stepwise, no SPSS, são apresentadas na Tabela a seguir.
Tabela 1 – definição da função
discriminante não padronizada
|
Variáveis
|
Coeficientes da função
Discriminante
|
|
|
X1
|
Área de recepção
|
0,078
|
|
X2
|
Domicílios com água
|
0,039
|
|
X3
|
Incentivos
|
-0,412
|
|
X4
|
Programa de coleta
|
0,713
|
|
X5
|
Renda média
|
0,00016
|
|
X6
|
Funcionários médio
|
0,041
|
|
|
Constante
|
-5,010
|
Fonte: Costa, N. A. A. da
(2003) – Formatada por Frank e Sustentabilidade
Desta maneira
a função discriminante
é representada pela
equação (1). Através
dela é possível
calcular o escore das cidades e posicioná-las no grupo 1 ou no grupo 2:
Z= -5,010+ 0,078X1 + 0,039X2 -
0,412X3 + 0,713X4 + 0,00016X5 + 0,041X6
(1)
Análise dos pesos
discriminantes Para analisar a importância de cada variável na sua capacidade
de discriminação, devem-se utilizar os coeficientes da
função discriminante padronizada.
Na tabela (2),
analisando o valor
dos coeficientes das variáveis (ignorando o sinal), nota-se
que as variáveis que mais contribuem para a discriminação entre as
cidades são “funcionário
de nível médio”,
“domicílios com água”,
“incentivos” e “renda
média”, com pesos
de 0,552, 0,521,
0,498 e 0,374,
respectivamente. Estes valores
indicam a importância
relativa da variável
independente na predição
da variável dependente,
que no caso
foi a variável
“funcionários de nível
médio”, variável que
mais contribui para
a capacidade de
discriminação da função.
Tabela 2 – coeficientes da
função discriminante padronizada
|
Variável
|
Coeficientes da
função
discriminante
|
|
Área
de recepção
|
0,363
|
|
Domicílios
com água
|
0,521
|
|
Incentivos
|
-0,498
|
|
Programas
de coleta
|
0,336
|
|
Renda
média
|
0,374
|
|
Funcionários
médio
|
0,552
|
Fonte: Costa, N. A. A. da
(2003) – Formatada por Frank e Sustentabilidade
• Ponto de Corte
O ponto
de corte serve
para separar os
valores da função
discriminante nos respectivos
grupos e permite também
posicionar novas cidades. A figura abaixo permite visualizar a posição dos
centróides (Z = -0,424 e Z =1,273) e do ponto de corte (Zc) sob as curvas de
distribuição normal, auxiliando na classificação entre os dois grupos de
diferentes tamanhos.
a imagem mostre o ponto de corte a posição dos centroides Z=0,424(Grupo 1) e Z=1,273 e do (Grupo2) e do ponto de corte Zc
• Posicionamento
das cidades
A Tabela
3, abaixo, mostra
o escore da
função discriminante para
cada cidade da
amostra. O escore permite a
classificação da cidade
em um grupoou em outro;
além disso, dentro
de cada grupo
é possível verificar
o ranking da
cidade através desse
mesmo valor. De
forma geral, observa-se
que o modelo
permitiu classificar corretamente
83,3% das cidades
da própria mostra
e 77,1% fora
da amostra (cross-validation), o
que é considerado muito bom, se comparado com outros modelos que utilizam a
análise discriminante, como por exemplo, os modelos de previsão de insolvência,
cujo grau de precisão varia de 70 a 90%, conforme Sanvicente e Minardi (1998).
Analisando as informações da
Tabela 3, mostrada abaixo, observa-se
que as cidades que ocupam as primeiras
posições são Belo
Horizonte, Piracicaba e
Brasília. As cidades
com posições mais
desfavoráveis são Rio Branco, Maceió e Feira de Santana.
Ainda, de acordo com a Tabela
3, dentro do grupo 2 (cidades com reciclagem) Belo Horizonte foi a melhor cidade
posicionada, confirmando o fato desta
cidade ser considerada
referência em âmbito
nacional em termos de implantação de reciclagem de RCD (PAULICS, 2000).
O escore alcançado por Belo Horizonte é influenciado pela variável domicílio
com água, 99,3%, o maior número de áreas de recepção (23
áreas) e renda
média anual de
R$ 10.421,83, todos
valores maiores que a média
das variáveis que
compõem o grupo
2. Belo Horizonte
foi uma das
primeiras cidades brasileiras
a implantar programa de
reciclagem de RCD com sucesso.
A secretaria de limpeza
urbana, de Belo Horizonte, opera duas estações de reciclagem de entulho que
juntas reciclam aproximadamente 25%
do entulho coletado,
ou 350 toneladas
por dia. Por
volta de 40%
dos resíduos gerados
são de entulho
de construção civil.
De janeiro a
setembro de 2003,
a prefeitura produziu 99,236 toneladas de material britado, para
utilização na construção civil.
Piracicaba ocupou
a segunda posição,
pois, como Belo
Horizonte, tem um
desempenho superior à
média do grupo
2 no que
se refere às
variáveis renda média,
de R$ 9.825,21,
domicílios com água
(99,4%), funcionários de
nível médio (37,33%)
e programa de
coleta seletiva. Por
outro lado, com
relação às variáveis áreas de recepção (duas) e incentivos, seu valor
está abaixo da média do grupo 2.” Para mais detalhe sobre os
valores das variáveis em cada cidade analisada veja Costa (2003).”
Esta cidade
tem dado grande
importância às questões
do meio ambiente,
segundo informações da
prefeitura, a cidade
é uma das
únicas no Brasil
a ter implantado
seu planejamento estratégico,
com base nos
princípios da Agenda
21, através do
projeto Piracicaba 2010
(transformado em ONG)
com vistas a seu desenvolvimento sustentável.
Brasília, outra
cidade que possui
programa de reciclagem,
ocupa a terceira
posição, e seu
escore foi determinado, principalmente, pela
quantidade de funcionários
na administração municipal
de nível médio
(76,69%), quase o
dobro do valor
médio alcançado pela
amostra do grupo
2. Somente na variável
domicílio com água
é que seu valor foi
abaixo da média
do grupo 2.
Esta cidade não
foi melhor posicionada
por causa da
variável incentivo que,
por ter um
sinal negativo, contribui
para a redução do escore da função discriminante.
Pela análise
destas cidades mais
bem posicionadas, observa-se
que, de forma
geral, elas apresentam condições favoráveis à implantação
ou sucesso de programas de reciclagem. Estas cidades obtiveram um melhor
valor em quase
todas as variáveis
que compõem a
função discriminante e um
valor superior à média das
cidades que compõem o grupo 2.
Observa-se que
algumas cidades estão
tomando iniciativas inovadoras
com relação aos
resíduos, por exemplo São Paulo, que embora já possua um
programa de reciclagem, mobiliza-se para garantir um melhor avanço na
reciclagem de entulho.
Tabela
3 – posicionamento das cidades
|
Cidades
|
Classificação
atual
|
Classificação
definida
pelo
modelo
|
Escore
da função
discriminante
|
|
Belo
Horizonte
|
2
|
2
|
3,052
|
|
Piracicaba
|
2
|
2
|
2,75
|
|
Brasília
|
2
|
2
|
2,089
|
|
Rio
de Janeiro
|
2
|
2
|
1,710
|
|
São
Paulo
|
2
|
2
|
1,649
|
|
S.J.
do Rio Preto
|
2
|
2
|
1,540
|
|
Santo
André
|
1
|
2
|
1,481
|
|
Porto
Alegre
|
1
|
2
|
1,256
|
|
Florianópolis
|
1
|
2
|
1,146
|
|
Salvador
|
2
|
2
|
1,144
|
|
Guarulhos
|
2
|
2
|
0,973
|
|
S. J.
dos Campos
|
2
|
1
|
0,791
|
|
São
Bernardo do Campo
|
1
|
1
|
0,740
|
|
Uberlândia
|
1
|
1
|
0,697
|
|
Cuiabá
|
1
|
1
|
0,466
|
|
Fortaleza
|
1
|
1
|
0,452
|
|
Pelotas
|
1
|
1
|
0,415
|
|
Juiz
de Fora
|
1
|
1
|
0,343
|
|
Ribeirão
Preto
|
2
|
1
|
0,326
|
|
Santos
|
1
|
1
|
0,307
|
|
Canoas
|
1
|
1
|
0,25
|
|
Belém
|
1
|
1
|
0.174
|
|
Contagem
|
1
|
1
|
0,166
|
|
Maringá
|
1
|
1
|
0,112
|
|
Londrina
|
2
|
1
|
-0,158
|
|
Sorocaba
|
1
|
1
|
-0,237
|
|
Betim
|
1
|
1
|
-,0238
|
|
Niterói
|
1
|
1
|
-0,415
|
|
Natal
|
1
|
1
|
-0.437
|
|
Bauru
|
1
|
1
|
-0,516
|
|
Campinas
|
2
|
1
|
-0,591
|
|
Boa
Vista
|
1
|
1
|
-0,686
|
|
Mauá
|
1
|
1
|
-0,699
|
|
Recife
|
1
|
1
|
-0,741
|
|
Aracaju
|
1
|
1
|
-0,894
|
|
Osasco
|
1
|
1
|
-0,916
|
|
Porto
Velho
|
1
|
1
|
-0,966
|
|
Montes
Claros
|
1
|
1
|
-1,007
|
|
Mogi
das Cruzes
|
1
|
1
|
-1,109
|
|
Manaus
|
1
|
1
|
-1,12
|
|
Teresina
|
1
|
1
|
-1,278
|
|
Macapá
|
1
|
1
|
-1,282
|
|
Campina
Grande
|
1
|
1
|
-1,309
|
|
Petrópolis
|
1
|
1
|
-1,310
|
|
Palmas
|
1
|
1
|
-1,421
|
|
Rio
Branco
|
1
|
1
|
-1,946
|
|
Maceió
|
1
|
1
|
-2,117
|
|
Feira
de Santana
|
1
|
1
|
-2,635
|
Fonte: Costa, N. A. A. da (2003) Formatada por Frank e
Sustentabilidade
Com relação às cidades que
constituem o grupo 1 (cidades sem reciclagem), Feira de Santana obteve o pior
posicionamento. Além de não possuir programa de coleta seletiva, sua renda média está entre as mais
baixas. Na verdade,
nos serviços de
saneamento básico seu
valor está abaixo
da média do
grupo 1, a porcentagem de domicílios com serviço de água é de 80,20%.
Além disso, a porcentagem de funcionários da administração municipal de nível
médio é de 13,44%, quase a metade do valor da média do grupo 1.
Maceió, a
segunda pior posicionada,
além de não
possuir área de
recepção e programa
de coleta seletiva,
possui um desempenho
menor que a
média do grupo
1 em todas
as variáveis da
função discriminante, com exceção
de incentivos, cujo valor acima de média, pelo fato de o sinal na função
discriminante ser negativo, acaba diminuindo mais o escore total da função.
Ao analisar
Rio Branco, a
terceira pior posicionada,
observa-se que, além
de não possuir
área de recepção
e programa de
coleta seletiva, na
variável domicílios com
água (55,80%) apresenta
valor bem abaixo
da média do
grupo 1. Segundo
as variáveis incentivo
e renda média,
a cidade avaliada
apresenta um posicionamento quase igual à média do grupo 1. Sendo ainda
a variável funcionário de nível médio
(41,59%) superior à média do grupo 2, isto não influenciou na posição obtida, talvez seja pelo baixo
valor adquirido na variável
domicílios com água e pelo
fato da variável
incentivo ter um
alto valor.....continua na próxima postagem....
Fonte do texto:I CONFERÊNCIA LATINO-AMERICANA DE CONSTRUÇÃO SUSTENTÁVEL - X ENCONTRO NACIONAL DE TECNOLOGIA DO AMBIENTE CONSTRUÍDO18-21 julho
2004, São Paulo. ISBN 85-89478-08-4.Nébel A. A. da Costa; Newton C. A.
da Costa Jr;Mônica M. L. Detoni;Paulo Maurício Selig; Janaíde
Cavalcante Rocha