Resumen de Índice de desenvolvimento municipal: hierarquização dos municípios do Ceará no ano de 1997

Ana Cristina Lima Gouveia Soares, Annúzia Maria Pontes Moreira Gosson, Maria Angela Leão Hitzschky Madeira, Vírgina Dantas Soares Teixeira

• português

  O Indice de Desenvolvimento Municipal (IDM) tem como objetivo básico traçar um perfil dos municípios cearenses e possibilitar a hierarquização destes no contexto global do Estado. Para o cálculo do índice procedeu-se inicialmente a um agrupamento de indicadores definidos como: fisiográficos, fundiários e agrícolas; demográficos e econômicos; de infra-estrutura de apoio; e sociais. A criação de um índice, com finalidade de classificação geral, a partir dos grupos de indicadores selecionados, envolve um número considerável de variáveis, levando à opção do uso da técnica multivariada de análise fatorial através do método dos componentes principais. A idéia é identificar “fatores” (não observados diretamente), baseando-se em um conjunto de variáveis observadas, tendo como meta principal descrever um grupo de p variáveis X1, X2, ...., Xp em função de um conjunto (menor) de k indicadores, para assim explicar relações existentes entre as variáveis que não sejam diretamente observadas. Finalmente, os índices foram classificados em quatro classes através da análise de agrupamento usando o método das k-médias para as partições das classes.

• English

  The Municipal Development Rate (MDR) has as its basic  objectives to draw a profile of the municipalities of Ceará and to make their organization possible in a hierarchical system within the state global context. At first, for the rate calculation the correlated indicators were grouped and classified as: Physiographic, Agrarian and Agricultural; Demographic and Economical; Support Substructure; and Social. To create a rate for a general classification based upon selected indicators, involves a number of variables which leads to choose the use of the factorial analysis multivaried technique through the method of principal components. The idea is to indentify “factors” (not directly observed) based upon a group of observed variables, having as main goal to describe the p variables X1, X2, ....Xp, based on a set smaller than K indicators, to explain the existing relations between variables which are not directly observed. Finally, the rates were categorized according to four classes using the cluster analysis through the method of K average for the partitions of classes.