Upload
trinhnhan
View
214
Download
0
Embed Size (px)
Citation preview
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
ENVELHECIMENTO E LONGEVIDADE
DISCIPLINA: MÉTODOS QUALITATIVOS E QUANTITATIVOS DA PESQUISA EMPÍRICA PROF. ARNOLDO JOSÉ DE HOYOS GUEVARA
Christian Gomes e Souza Munaier
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 O tema de pesquisa: Envelhecimento e Longevidade .................................................. 3
2.2 Os indivíduos ............................................................................................................. 4
2.3 As variáveis do tema: Envelhecimento e Longevidade .............................................. 4
3. Análise Das Variáveis ..................................................................................................... 5
3.1 – Variáveis Quantitativas ............................................................................................ 5
3.2 – Média, Mínimo e Máximo das variáveis com uso do MINITAB ........................... 5
3.3 – Normalização dos dados ......................................................................................... 6
4. Análise Comparativa ...................................................................................................... 6
4.1 Definições e Análise das Variáveis deste estudo ....................................................... 6
4.2 Relatórios Resumo dos 19 países para os 8 indicadores principalmente analisados .. 8
5. Componentes Principais ................................................................................................ 8
5.1 Análise de Regressão: ................................................................................................ 11
5.2 Análise de Regressão: .............................................................................................. 13
5.3 Análise de Regressão: .............................................................................................. 16
5.4 Análise de Regressão: ............................................................................................... 16
5.5 Análise de Regressão: .............................................................................................. 17
5.6 Análise de Regressão: .............................................................................................. 17
6. Smart Age Index – AIBER .......................................................................................... 18
7. Conclusões ...................................................................................................................... 20
8. Referências .................................................................................................................... 22
3
1. Introdução
A população mundial está envelhecendo, como aponta o relatório de 2015 da
Organização das Nações Unidas, World Population Ageing. “O número de pessoas idosas -
com idade igual ou superior a 60 anos - deverá mais do que duplicar até 2050 e mais do
que triplicar até 2100, passando de 962 milhões a nível mundial em 2017 para 2,1 bilhões
em 2050 e 3,1 bilhões em 2100. Globalmente, a população com 60 anos ou mais está
crescendo mais rápido que todos os grupos etários mais jovens” (p. 25).
O presente trabalho tem por objetivo efetuar uma análise exploratória dos dados
relativos ao tema Envelhecimento e Longevidade, que possui um conjunto de 18
(dezoito) variáveis previamente selecionadas e que refletem o grau de engajamento sobre
esta temática, considerando os 19 países objetos deste estudo, como parte do projeto
“Programa Países Sustentáveis” - Guia GPS – Gestão Pública Sustentável, uma publicação
do Núcleo de Estudos do Futuros da PUC-SP –Pontifícia Universidade Católica. Em
seguida algumas definições e contextualização sobre o que se entende por Envelhecimento
e Longevidade.
Entenderemos os conceitos de média, mínimo, máximo, padronização dos dados e,
por fim, a análise exploratória dos dados sobre o tema: Envelhecimento e
Longevidade empregando o software estatístico MINITAB. O Objetivo é explorar os
dados sobre Envelhecimento e Longevidade de tal modo que possamos com os recursos
citados anteriormente apresentar conclusões de correlações entre as variáveis que
compõem o tema.
2. Entendendo os Dados Antes da apresentação dos indivíduos desta análise que envolve 19 países e os
indicadores de desenvolvimento humano selecionados a partir de referência internacional,
citamos a origem do trabalho, que é o Projeto ORIBER – Observatório RIBER. A
análise dos conceitos que compõem o tema foi extraída do material de aula Programa
Países Sustentáveis - Guia GPS – Gestão Pública Sustentável, uma publicação do Núcleo
de Estudos do Futuros da PUC-SP – Pontifícia Universidade Católica. Nesse estudo são
apresentadas as informações teóricas de outros indicadores, cuja análise e interpretação
estão sob responsabilidade de outros colegas desse curso. “O GPS - Guia para Gestão
Pública Sustentável propõe então uma forma de contribuir na superação desses desafios,
que consiste na promoção, a partir das secretarias de planejamento de cada país, de
sinergias entre os setores científico-tecnológico, sociocultural e institucional, que
harmonizem os processos e impactos do desenvolvimento ao nível local, tornando-o
sustentável, procurando sempre estimular a participação dos cidadãos como forma de
contribuir para a melhoria da qualidade de vida, e aproveitando de modo efetivo a troca de
informações e experiências com outros países da região ibero-americana e suas redes de
contatos.”
2.1 O tema de pesquisa: Envelhecimento e Longevidade
Em seu relatório “World Population Ageing 2015”, a ONU registra que a taxa de
crescimento da população de idosos hoje dá-se em função dos níveis de fertilidade que
prevaleceram há cerca de 60 anos. Como as taxas de fertilidade em meados do século 20
foram maiores em muitas partes da África, Ásia e América Latina e Caribe - acima de
cinco filhos por mulher, em média, relata - as taxas de crescimento das populações mais
velhas nessas regiões hoje são significativamente mais rápidas do que em Europa, onde a
fertilidade em 1950 - 1955 já havia caído abaixo de três filhos por mulher em muitos
países. “Nos próximos 15 anos, espera-se que o número de idosos cresça mais rápido na
4
América Latina e no Caribe, com um aumento de 71% previsto na população com 60 anos
ou mais, seguido pela Ásia (66%), África (64%), Oceania (47%), América do Norte (41%)
e Europa (23%)” (p. 14).
E é esse envelhecimento que o relatório da ONU aponta. A causa imediata do
envelhecimento da população é o declínio da fertilidade. No entanto, a longevidade
melhorada também contribui, primeiro eliminando a necessidade demográfica de alta
fertilidade e, segundo, aumentando o número de sobreviventes para idades mais avançadas.
Em 2050, a expectativa de vida no nascimento deverá superar 80 anos na Europa, América
Latina e Caribe, América do Norte e Oceania; e aproximará 80 anos na Ásia e 70 anos na
África.
Estima-se que 13% da população global seja composta por pessoas com mais de 60
anos, um total de 962 milhões de pessoas. O ritmo de crescimento da faixa de 60 anos ou
mais está em cerca de 3% ano. A Europa concentra a maior fatia da população madura no
mundo, com 25%. O processo de rápido envelhecimento ocorrerá, também, em outras
partes do mundo. Até 2050, todas as regiões do mundo, à exceção da África, terão quase
um quarto ou mais de suas populações com idades de 60 anos ou mais.
2.2 Os indivíduos
Os indivíduos desta análise são os 19 países analisados por uma série de
indicadores de referência internacional. Os dados analisados de cada país são as variáveis
que descrevemos a seguir.
2.3 As variáveis do tema: Envelhecimento e Longevidade
Este tema da pesquisa apresenta 18 (dezoito) variáveis, sendo três categóricas –
País, Country Code e REGIÃO e dezoito quantitativas descritas abaixo no Quadro 1. Estas
ainda podem ser divididas em: índices sintéticos e variáveis-componentes ou indicadores, a
saber:
Índices e índices sintéticos: neste trabalho, foram analisados os indicadores
listados na tabela 1, cujos dados foram levantados de forma colaborativa entre os alunos de
mestrado da Pontifícia Universidade Católica de São Paulo/SP, sob a orientação do Prof.
Dr. Arnoldo Hoyos Guevara, junto a instituições globais de acompanhamento estatístico
dos rumos da humanidade.
Como a análise de tendência de longevidade açambarca todas as demais variáveis
que impactam a vida – violência e tolerância, meio-ambiente, tecnologia, educação e
oportunidades, saúde e bem-estar, foram elencados inicialmente 18 indicadores, com o
objetivo ou de analisá-los de forma direta ou de utilizá-los em regressões para validar os
dados ausentes.
Tabela 1. Indicadores selecionados para a avaliação dos países e quais deles não apresentavam dados
oficiais e onde foram inseridas as médias do eixo
Indicadores Países sem a métrica oficial e para os quais
foram utilizadas a „Regressão Estatística‟
1 Social Progress Index (SPI N) Nenhum
2 AgeWatch Index 2015 (AWI N) Nenhum
3 Life Expectancy World Bank 2014 (LIFE N) Nenhum
4 Population growth (annual %) Ano 2016 (PG% N), Nenhum
5 Foundations of Wellbeing (FWB N) Nenhum
6 Health and Wellness (H&W N) Nenhum
7 Obesity rate (% of pop.) (OBE NP) Nenhum
5
8 Health expenditure, public (% of total health
expenditure) 2014" ($HP N)
Nenhum
9 Opportunity (OPP N) Nenhum
10 Knowledge and Technology (K&T N) Nicaragua
Média inserida: 18,78
11 Access to Basic Knowledge (ABN N) Nenhum
12 Personal Safety (PSF N) Nenhum
13 Happy Planet Index (HPI N) Nenhum
14 Tolerance and Inclusion (T&I N) Nenhum
15 Tolerance for immigrants (T4I N) Nenhum
16 GINI Index (Estimated) (GINI N) Nenhum
17 PIB Per capita 2015 (PPC N) Nenhum
18 IDH 2014 (IDH N) Nenhum
Fontes: ONU 2015, WB 2015, OMS 2015, AWI 2015, HPI 2016
2.4 A tabela de dados
Em função da extensão da tabela, vamos representar aqui apenas alguns países e
algumas variáveis selecionadas para corroborar a tabela 1.
Tabela 2. Países e variáveis selecionadas
Country Região Country Code SPI AWI LIFE PG%,
Argentina AIBER ARG 75,90 57,6 76,2 0,98
Bolivia AIBER BOL 66,93 46,2 68,3 1,51
Brazil AIBER BRA 73,97 46,2 74,4 0,82
El Salvador AIBER SLV 66,43 46,9 72,8 0,51
Spain AIBER ESP 86,96 61,7 83,1 -0,01
Uruguay AIBER URY 80,09 59,8 77 0,36
3. Análise Das Variáveis 3.1 – Variáveis Quantitativas
As variáveis tratadas aqui são denominadas quantitativas, pois mostra que ela pode
ser medida em uma escala quantitativa, isto é, com números (Santos e Parra Filho,
2011). Elas são Variáveis Contínuas porque assumem valores fracionados já que estão em
percentual (Crescimento % da população, % da população com obesidade, IDH e GINI).
3.2 – Média, Mínimo e Máximo das variáveis com uso do MINITAB
Para facilitar o acompanhamento das análises vamos expor os dados do MINITAB
citando com títulos que representem a situação de estudo.
- Valor de N é o total de elementos da amostra, que neste caso é de: 19 países;
- “Missing Values” (dados ausentes): um problema comumente encontrado nesta pesquisa,
vez que países supracitados não reportaram seus dados às instituições que produzem os
relatórios aqui elencados. O tratamento destes casos é necessário para que os resultados do
processo de mineração sejam confiáveis. A técnica utilizada foi, no primeiro momento,
substituir o valor faltante pela média aritmética do indicador em questão e, posteriormente,
feita a regressão no software “Minitab 2018”.
3.3 – Normalização dos dados
6
Foram utilizados os softwares „Minitab 2018‟ e Microsoft Excel para a elaboração
de análises quantitativas, elaboração de gráficos, normalização e positivação dos dados,
para melhor compreensão dos fenômenos. Para a normalização dos dados (DADO N),
utilizei o modelo de equação, no Minitab, como segue:
DADO N = ((DADO-MIN(DADO))/(MAX(DADO)-MIN(DADO))
Conforme observamos na tabela acima, identificamos dados faltantes (missing
values) para algumas variáveis. Após verificação na base de dados, as seguintes células
foram substituídas para os respectivos países que apresentaram problema. O indicador
abaixo foi submetido à normalização e postitivação:
Tabela 3. Indicador submetido à normalização e positivação
DADO ORIGINAL DADO POSITIVDO
Obesity rate (% of pop.) OBE NP (positivado)
Tabela 4. Estatísticas Descritivas:
1. Social Progress Index (SPI N), 2. AgeWatch Index 2015 (AWI N), 3. Life Expectancy World Bank 2014
(LIFE N), 4. Population growth (annual %) Ano 2016 (PG% N), 5. Foundations of Wellbeing (FWB N), 6.
Health and Wellness (H&W N), 7. Obesity rate (% of pop.) (OBE NP), 8. Health expenditure, public (% of
total health expenditure) 2014" ($HP N), 9. Opportunity (OPP N), 10. Access to Basic Knowledge (ABN N),
11. Knowledge and Technology (K&T N), 12. Personal Safety (PSF N), 13. Happy Planet Index (HPI N), 14.
Tolerance and Inclusion (T&I N), 15. Tolerance for immigrants (T4I N), 16. GINI Index (Estimated) (GINI
N), 17. PIB Per capita 2015 (PPC N), 18. IDH 2014 (IDH N)
Variável N N* Média EP Média DesvPad Mínimo Q1 Mediana Q3 Máximo
SPI N 19 0 44,26 6,82 29,74 0,00 20,52 40,36 72,74 100,00
AWI N 19 0 52,55 6,17 26,90 0,00 35,43 49,98 75,96 100,00
LIFE N 19 0 49,93 5,65 24,63 0,00 32,43 43,92 62,84 100,00
PG% N 19 0 57,76 5,73 24,98 0,00 48,89 61,43 77,27 100,00
FWB N 19 0 43,99 5,81 25,31 0,00 24,19 40,14 56,54 100,00
H&W N 19 0 50,70 6,10 26,60 0,00 33,24 54,29 71,71 100,00
OBE NP 19 0 51,87 7,57 33,01 0,00 15,25 59,32 80,51 100,00
$HP N 19 0 59,03 7,02 30,60 0,00 31,47 61,33 89,60 100,00
OPP N 19 0 48,55 7,31 31,88 0,00 25,97 44,25 78,89 100,00
ABN N 19 0 61,62 6,82 29,74 0,00 37,96 68,48 87,12 100,00
K&T N 19 0 34,91 5,72 24,92 0,00 18,52 30,74 45,93 100,00
PSF N 19 0 52,55 6,11 26,63 0,00 32,19 56,70 73,04 100,00
HPI N 19 0 60,85 7,54 32,85 0,00 40,20 68,31 88,44 100,00
T&I N 19 0 48,74 6,62 28,86 0,00 29,24 45,50 76,09 100,00
T4I N 19 0 56,01 6,32 27,54 0,00 36,97 62,47 77,46 100,00
GINI N 19 0 41,77 6,51 28,38 0,00 23,28 39,37 65,23 100,00
PPC N 19 0 27,85 5,95 25,93 0,00 6,90 19,40 39,50 100,00
IDH N 19 0 46,46 6,60 28,75 0,00 21,22 44,34 65,55 100,00
4. Análise Comparativa 4.1 Definições e Análise das Variáveis deste estudo
SPI:
O Índice de Progresso Social (Social Progress Index) é o resultado de um processo
de dois anos de pesquisas envolvendo uma equipe renomada de especialistas que inclui,
entre outros, os economistas Hernando de Soto e Michael Porter e do presidente da
Fundação Rockefeller, Dr. Judith Rodin. O índice sintetiza uma extensa quantidade de
dados pesquisados para identificar as dimensões do desempenho das sociedades e medir o
progresso social de forma abrangente e rigorosa. O índice foi estruturado em torno de 12
componentes e 54 indicadores distintos consolidados em três dimensões do Progresso
Social: Necessidades Humanas Básicas, Fundações de Bem-estar e Oportunidade. A
primeira dimensão, necessidades humanas básicas, por exemplo, avalia o quão bem um
país prevê as necessidades essenciais de seu povo através da medição que considera se as
7
pessoas têm comida suficiente e estão recebendo cuidados médicos básicos, se têm acesso
à água potável, acesso a uma habitação condigna com serviços básicos, e se eles estão
seguros e protegidos. Fonte: origem e definição dados pelo portal:
http://pt.knoema.com/jklbfre/the-social-progress-index (tradução livre do autor).
AWI:
O Global AgeWatch Index classifica os países de acordo com o bem-estar social e
econômico dos idosos. O Índice Global AgeWatch mostra não apenas o que funciona para
pessoas mais velhas, mas também destaca o quanto precisamos fazer para cumprir a
promessa do nosso mundo. Melhorar os dados sobre a idade nos ajudará nessa tarefa. As
lacunas nos dados de idade devem ser preenchidas para saber como estamos nos saindo
para garantir que todas as metas sejam atingidas e para que as especificidades das metas
relacionadas à idade e à idade nos objetivos propostos e suas metas sejam respondidas.
HPI:
Happy Planet Index. HPI, medida do Bem-Estar Sustentável (Longevidade,
Felicidade e Vida sustentável para a população do país).
T4I:
Tolerância a imigrantes: O percentual de entrevistados respondendo sim para a
pergunta: "Será que a cidade ou área onde você vive é um bom lugar ou não é um bom
lugar para viver para imigrantes de outros países?" Variável que contabiliza respostas SIM
(positivas) da população sobre a percepção de onde vivem ser um bom lugar para
imigrantes de outros países.
GINI Index:
Medida de desigualdade social utilizada para medir a desigualdade na distribuição
de renda, ou desigualdade da riqueza.
OBE:
O Índice de Massa Corporal (IMC, BMI, em inglês) tornou-se a medida útil para
avaliar o excesso de gordura corporal pela Organização Mundial de Saúde (OMS, ou
WHO, em inglês). Independentemente de sexo e idade, o índice é definido pelo peso em kg
dividido pela altura em metros quadrados. Adultos com IMC igual ou superior 25 kg/m2
configura sobrepeso. IMC igual ou superior a 30 kg/m2 devem ser classificados como
obesos (WHO, 2006). Segundo Pinheiro, Freitas e Corso (2004), os valores de IMC entre
25 e 30 são responsáveis pela maior parte do impacto do sobrepeso sobre certas co-
morbidades associadas à obesidade. “Como exemplo, cita-se que cerca de 64% dos homens
e 77% das mulheres com Diabetes Mellitus Não-Insulino Dependentes (DMNID)
poderiam, teoricamente, prevenir a doença se tivessem um IMC menor ou igual a 25”.
H&W:
Indicador sintético que reúne informações do World Heath Organization
(Organização Mundial de Saúde, em inglês) e Institute for Health Metrics and Evaluation.
O indicador avalia o número médio de anos que uma pessoa de 60 anos poderia esperar
viver, se passasse pela vida exposta às taxas de mortalidade específicas por sexo e idade
que prevaleciam na época de seus 60 anos, por um período de 60 anos. ano específico, em
um dado país, território ou área geográfica, além da taxa de mortalidade devido a doenças
cardiovasculares, cânceres, diabetes e doenças respiratórias crônicas entre populações com
idade entre 30 e 70 anos em seus respectivos países.
8
4.2 Relatórios Resumo dos 19 países para os 8 indicadores principalmente analisados
Figura 1. SPI AIBER
Figura 2. AWI AIBER
Figura 3. LIFE AIBER
Figura 4. LIFE PG%. Outlier: Portugal
Figura 5. OBE AIBER
Figura 6. H&W AIBER
9
Figura 7. GINI AIBER
Figura 8. T4I AIBER
Das análises feitas, é possível observar as curvas de densidades nos histogramas
acima indicando distribuiçõeso levemente deslocadas à esquerda na maioria dos gráficos,
em especial para os indicadores SPI e GINI, representados nas figuras 1 e 7. Pelo fato da
média e mediana figurarem à esquerda do gráfico, isso nos mostra que temos um
comportamento de um maior número de países da região com piores resultados em seu
progresso social e de combate à desigualdade. Vale destacar o comportamento de Portugal
no gráfico PG%, de crescimento populacional, na figura 4. O país da península Ibérica
apresenta um crescimento populacional negativo de -0,32% ao ano (WB, 2016).
Tabela 5. Análise de Agrupamentos de Variáveis:
1. SPI N, 2. AWI N, 3. LIFE N, 4. PG% N, 5. FWB N, 6. H&W N, 7. OBE NP, 8. $HP N, 9. OPP N, 10.
ABN N, 11. K&T N, 12. PSF N, 13. HPI N, 14. T&I N, 15. T4I N, 16. GINI N, 17. PPC N, 18. IDH N
Passo
Número de
agrupados
Nível de
similaridade
Nível de
distância
Agrupados
reunidos
Novo
agrupado
Número de
obs. no
novo
agrupado
1 17 98,8450 0,02310 16 18 16 2
2 16 98,6068 0,02786 1 9 1 2
3 15 96,2851 0,07430 11 17 11 2
4 14 95,4726 0,09055 1 16 1 4
5 13 93,1792 0,13642 3 5 3 2
6 12 92,0923 0,15815 3 11 3 4
7 11 91,5877 0,16825 14 15 14 2
8 10 89,4821 0,21036 1 3 1 8
9 9 84,0873 0,31825 1 2 1 9
10 8 84,0216 0,31957 12 14 12 3
11 7 79,8826 0,40235 1 10 1 10
12 6 68,6004 0,62799 6 13 6 2
13 5 64,3982 0,71204 1 12 1 13
14 4 62,3329 0,75334 4 7 4 2
15 3 59,9500 0,80100 6 8 6 3
16 2 37,1090 1,25782 1 6 1 16
17 1 10,2871 1,79426 1 4 1 18
Partição Final
Variáveis
Agrupamento 1 SPI N AWI N LIFE N FWB N OPP N ABN N K&T N GINI N PPC N IDH N
Agrupamento 2 PG% N
Agrupamento 3 H&W N HPI N
Agrupamento 4 OBE NP
Agrupamento 5 $HP N
Agrupamento 6 PSF N T&I N T4I N
10
Figura 9. Dendograma de agrupamento das variáveis
A figura 9 nos oferece um panorama dos 18 indicadores aqui observados, e suas
similaridades. Identificamos, para o presente trabalho, com 6 clusters específicos. Chamo a
primeira atenção para o cluster SPI, OPP, GINI e IDH. Como veremos nos componentes
principais mais adiante, temos a constatação de que não há progresso social (SPI) e
desenvolvimento humano (IDH) sem oportunidades e redução das desigualdades. Da
mesma forma, a expectativa de vida está diretamente ligada à saúde e bem-estar, como
veremos mais à frente, no item 5.6. E o cluster PSF, T&I e T4I, todos voltados para a
tolerância e segurança física, é fundamental, como veremos no item 5.5, para uma vida
mais longeve como também para uma melhor adequação para os países e a baixa
natalidade de suas populações.
5. Componentes Principais A análise de componentes principais é usada comumente em ciências sociais,
pesquisa de mercado e outros setores que usam grandes conjuntos de dados. A meta da
análise de componentes principais é explicar a maior quantidade de variância com o menor
número de componentes principais. No presente projeto, como veremos na tabela 6 e nas
figuras 10 e 11, foram identificados 3 componentes principais, com os quais iremos
responder a 81,8% de toda a nossa análise quanto ao Smart Age Index.
Tabela 6. Análise de Componentes Principais:
1. SPI N, 2. AWI N, 3. LIFE N, 4. PG% N, 5. FWB N, 6. H&W N, 7. OBE NP, 8. $HP N, 9. OPP N, 10.
ABN N, 11. K&T N, 12. PSF N, 13. HPI N, 14. T&I N, 15. T4I N, 16. GINI N, 17. PPC N, 18. IDH N Autovalor 11,470 2,164 1,091 0,939 0,649 0,566 0,381 0,258 0,172 0,115 0,062
Proporção 0,637 0,120 0,061 0,052 0,036 0,031 0,021 0,014 0,010 0,006 0,003
Acumulado 0,637 0,757 0,818 0,870 0,906 0,938 0,959 0,973 0,983 0,989 0,993
Autovalor 0,049 0,044 0,025 0,009 0,006 0,001 0,000 Proporção 0,003 0,002 0,001 0,000 0,000 0,000 0,000 Acumulado 0,995 0,998 0,999 1,000 1,000 1,000 1,000
Autovetores Variável CP1 CP2 CP3
SPI N 0,291 -0,050 0,016
AWI N 0,237 0,298 0,201
LIFE N 0,265 0,116 -0,111
PG% N -0,218 0,189 0,046
FWB N 0,274 0,089 -0,262
H&W N 0,146 0,344 -0,653
OBE NP -0,179 -0,334 -0,513
$HP N 0,127 0,088 -0,036
OPP N 0,278 -0,105 0,178
11
ABN N 0,237 0,022 -0,032
K&T N 0,265 0,035 -0,166
PSF N 0,229 -0,149 -0,194
HPI N 0,059 0,565 0,155
T&I N 0,243 -0,294 0,210
T4I N 0,194 -0,411 0,006
GINI N 0,286 -0,041 0,067
PPC N 0,277 -0,050 -0,002
IDH N 0,286 0,005 0,119
Figura 10. Scree Plot - gráfico de perfil de autovalores
Figura 11. Carga fatorial da tabela 6
Uma análise de fatores foi realizada para os 18 indicadores. A figura 10 mostra que
3 desses fatores aplicam a maior parte da variabilidade porque a linha começa a endireitar
após o fator 3. Os fatores restantes explicam uma proporção muito pequena da
variabilidade e provavelmente não são importantes
A figura 11 não deixa dúvidas quanto ao papel dos indicadores Obesity rate (% of
pop.) e Population growth (annual %) Ano 2016. O crescimento da população de um país
está inversamente relacionado ao envelhecimento deste mesmo país. Quanto maior o
crescimento populacional (advindo da taxa de nascimento), menor o envelhecimento.
Logo, em países com populações mais envelhecidas, a taxa de crescimento é menor.
Já a taxa da população obesa não apresenta correlação direta à longevidade, visto
que em países com maiores expectativas de vida ao nascer há um percentual muito
considerável de pessoas com obesidade. Como visto anteriormente, a obesidade está
fartamente documentada como uma epidemia atrelada às mortes prematuras por doenças
não transmissíveis. O que nos leva a ainda assim considerar este indicador como
fundamental quando analisada a população de um país quanto à longevidade, e que será
validado pelos itens 5.5 e 5.6 logo a seguir.
5.1 Análise de Regressão:
CP1 versus SPI N; AWI N; LIFE N; PG% N; FWB N; H&W N; OBE NP; $HP N; OPP N;
ABN N; K&T N; PSF N; HPI N; T&I N; T4I N; GINI N; PPC N; IDH N
Tabelas 7. Seleção Stepwise de Termo
-----Passo 1----- -----Passo 2---- -----Passo 3----- -----Passo 4-----
Coef P Coef P Coef P Coef P
Constante -4,966 -5,032 -5,387 -5,573
SPI N 0,11220 0,000 0,0755 0,000 0,0697 0,000 0,06472 0,000
GINI N 0,0404 0,006 0,0423 0,002 0,03990 0,001
H&W N 0,01060 0,021 0,00869 0,035
AWI N 0,01144 0,042
T&I N
12
PG% N
T4I N
K&T N
OBE NP
ABN N
S 0,594576 0,481712 0,413592 0,367166
R2 97,09% 98,20% 98,76% 99,09%
R2(aj) 96,92% 97,98% 98,51% 98,82%
R2(pred) 96,20% 97,49% 98,06% 98,40%
-----Passo 5----- ------Passo 6----- ------Passo 7-----
Coef P Coef P Coef P Constante -6,087 -5,409 -5,342 SPI N 0,0470 0,001 0,04090 0,001 0,03802 0,001 GINI N 0,03854 0,000 0,03433 0,001 0,03130 0,001 H&W N 0,01556 0,002 0,01629 0,001 0,01589 0,000 AWI N 0,01456 0,005 0,01915 0,001 0,02433 0,000 T&I N 0,01731 0,016 0,01799 0,008 0,00991 0,111 PG% N -0,00943 0,061 -0,01354 0,008 T4I N 0,01013 0,030 K&T N OBE NP ABN N S 0,302630 0,270564 0,226198 R2 99,42% 99,57% 99,73% R2(aj) 99,20% 99,36% 99,55% R2(pred) 98,75% 98,81% 99,20%
------Passo 8----- ------Passo 9----- ------Passo 10-----
Coef P Coef P Coef P Constante -5,239 -4,698 -4,933 SPI N 0,03305 0,000 0,03273 0,000 0,02682 0,000 GINI N 0,03020 0,000 0,02527 0,000 0,02393 0,000 H&W N 0,01226 0,001 0,01411 0,000 0,01422 0,000 AWI N 0,02439 0,000 0,02133 0,000 0,01906 0,000 T&I N 0,00740 0,112 0,00625 0,100 0,01227 0,005 PG% N -0,01362 0,001 -0,01595 0,000 -0,01397 0,000 T4I N 0,01101 0,004 0,01497 0,001 0,01122 0,002 K&T N 0,01204 0,008 0,01178 0,003 0,01522 0,000 OBE NP -0,00533 0,030 -0,00553 0,006 ABN N 0,00584 0,017 S 0,164969 0,131813 0,0958106 R2 99,87% 99,92% 99,96% R2(aj) 99,76% 99,85% 99,92% R2(pred) 99,55% 99,69% 99,84%
α para entrada = 0,15; α para remoção = 0,15
Análise de Variância Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P
Regressão 10 206,378 20,6378 2248,20 0,000
T4I N 1 0,199 0,1989 21,67 0,002
H&W N 1 0,814 0,8140 88,68 0,000
OBE NP 1 0,124 0,1244 13,55 0,006
PG% N 1 0,451 0,4510 49,13 0,000
ABN N 1 0,083 0,0829 9,03 0,017
SPI N 1 0,396 0,3956 43,09 0,000
AWI N 1 0,724 0,7239 78,86 0,000
K&T N 1 0,361 0,3608 39,31 0,000
T&I N 1 0,136 0,1359 14,80 0,005
GINI N 1 0,547 0,5468 59,56 0,000
Erro 8 0,073 0,0092
Total 18 206,451
Sumário do Modelo S R2 R2(aj) R2(pred)
0,0958106 99,96% 99,92% 99,84%
Coeficientes Termo Coef EP de Coef Valor-T Valor-P VIF
Constante -4,933 0,223 -22,08 0,000
T4I N 0,01122 0,00241 4,66 0,002 8,64
13
H&W N 0,01422 0,00151 9,42 0,000 3,16
OBE NP -0,00553 0,00150 -3,68 0,006 4,83
PG% N -0,01397 0,00199 -7,01 0,000 4,86
ABN N 0,00584 0,00194 3,01 0,017 6,55
SPI N 0,02682 0,00409 6,56 0,000 28,95
AWI N 0,01906 0,00215 8,88 0,000 6,54
K&T N 0,01522 0,00243 6,27 0,000 7,17
T&I N 0,01227 0,00319 3,85 0,005 16,62
GINI N 0,02393 0,00310 7,72 0,000 15,18
Equação de Regressão CP1 = -4,933 + 0,01122 T4I N + 0,01422 H&W N - 0,00553 OBE NP - 0,01397 PG% N + 0,00584 ABN N
+ 0,02682 SPI N + 0,01906 AWI N + 0,01522 K&T N + 0,01227 T&I N + 0,02393 GINI N
5.2 Análise de Regressão:
CP2 versus SPI N; AWI N; LIFE N; PG% N; FWB N; H&W N; OBE NP; $HP N; OPP N;
ABN N; K&T N; PSF N; HPI N; T&I N; T4I N; GINI N; PPC N; IDH N
Tabelas 8. Seleção Stepwise de Termos
-----Passo 1----- ------Passo 2----- ------Passo 3-----
Coef P Coef P Coef P
Constante -2,266 -0,724 -1,104
HPI N 0,03724 0,000 0,03242 0,000 0,02700 0,000
T4I N -0,02230 0,001 -0,02450 0,000
H&W N 0,01643 0,001
OBE NP
PG% N
T&I N
AWI N
PSF N
$HP N
OPP N
PPC N
K&T N
ABN N
LIFE N
FWB N
IDH N
S 0,840871 0,595947 0,430425
R2 69,15% 85,41% 92,87%
R2(aj) 67,33% 83,59% 91,44%
R2(pred) 63,17% 81,34% 89,25%
------Passo 4----- ------Passo 5----- ------Passo 6-----
Coef P Coef P Coef P
Constante -0,110 -0,975 -0,451
HPI N 0,02161 0,000 0,02091 0,000 0,02045 0,000
T4I N -0,02695 0,000 -0,02226 0,000 -0,01557 0,000
H&W N 0,01624 0,000 0,01813 0,000 0,01725 0,000
OBE NP -0,01002 0,002 -0,01185 0,000 -0,01454 0,000
PG% N 0,01116 0,000 0,00764 0,002
T&I N -0,00991 0,008
AWI N
PSF N
$HP N
OPP N
PPC N
K&T N
ABN N
LIFE N
FWB N
IDH N
S 0,311064 0,178398 0,136542
R2 96,52% 98,94% 99,43%
R2(aj) 95,53% 98,53% 99,14%
R2(pred) 92,64% 97,51% 98,49%
------Passo 7----- ------Passo 8------ -------Passo 9------
Coef P Coef P Coef P
Constante -0,601 -0,737 -0,855
14
HPI N 0,01913 0,000 0,018047 0,000 0,017929 0,000
T4I N -0,01591 0,000 -0,01532 0,000 -0,015376 0,000
H&W N 0,01542 0,000 0,016231 0,000 0,016184 0,000
OBE NP -0,01177 0,000 -0,01005 0,000 -0,010053 0,000
PG% N 0,00687 0,001 0,00698 0,000 0,007812 0,000
T&I N -0,01226 0,000 -0,01099 0,000 -0,01063 0,000
AWI N 0,00681 0,008 0,01077 0,001 0,01025 0,000
PSF N -0,00453 0,025 -0,00486 0,002
$HP N 0,001860 0,004
OPP N
PPC N
K&T N
ABN N
LIFE N
FWB N
IDH N
S 0,101645 0,0819080 0,0529084
R2 99,71% 99,83% 99,94%
R2(aj) 99,52% 99,69% 99,87%
R2(pred) 98,93% 99,35% 99,68%
------Passo 10------ ------Passo 11------ ------Passo 12------
Coef P Coef P Coef P
Constante -0,7158 -0,6928 -0,6776
HPI N 0,017537 0,000 0,017404 0,000 0,017450 0,000
T4I N -0,014440 0,000 -0,014380 0,000 -0,014324 0,000
H&W N 0,016596 0,000 0,017027 0,000 0,016739 0,000
OBE NP -0,010629 0,000 -0,010698 0,000 -0,010715 0,000
PG% N 0,006387 0,000 0,005884 0,000 0,005690 0,000
T&I N -0,009256 0,000 -0,008827 0,000 -0,008817 0,000
AWI N 0,01175 0,000 0,012172 0,000 0,012190 0,000
PSF N -0,005625 0,000 -0,005787 0,000 -0,005842 0,000
$HP N 0,001695 0,001 0,001508 0,001 0,001453 0,001
OPP N -0,003555 0,005 -0,003222 0,003 -0,003367 0,002
PPC N -0,001684 0,039 -0,002745 0,014
K&T N 0,001338 0,110
ABN N
LIFE N
FWB N
IDH N
S 0,0335173 0,0258825 0,0221985
R2 99,98% 99,99% 99,99%
R2(aj) 99,95% 99,97% 99,98%
R2(pred) 99,86% 99,91% 99,93%
------Passo 13------ ------Passo 14------ ------Passo 15------
Coef P Coef P Coef P
Constante -0,7082 -0,7632 -0,8402
HPI N 0,017501 0,000 0,017378 0,000 0,017345 0,000
T4I N -0,014937 0,000 -0,014781 0,000 -0,014902 0,000
H&W N 0,016535 0,000 0,015737 0,000 0,014201 0,000
OBE NP -0,010790 0,000 -0,010490 0,000 -0,010110 0,000
PG% N 0,006121 0,000 0,006420 0,000 0,007122 0,000
T&I N -0,008112 0,000 -0,008917 0,000 -0,009543 0,000
AWI N 0,011556 0,000 0,011592 0,000 0,011370 0,000
PSF N -0,005691 0,000 -0,005848 0,000 -0,006014 0,000
$HP N 0,001542 0,000 0,001945 0,001 0,002457 0,003
OPP N -0,003921 0,001 -0,003811 0,001 -0,003953 0,001
PPC N -0,002654 0,009 -0,002845 0,005 -0,003011 0,003
K&T N 0,001742 0,033 0,001875 0,017 0,001894 0,009
ABN N 0,000766 0,087 0,000787 0,051 0,000553 0,080
LIFE N 0,001549 0,115 0,002973 0,031
FWB N 0,001775 0,092
IDH N
S 0,0176436 0,0139058 0,0092786
R2 100,00% 100,00% 100,00%
R2(aj) 99,99% 99,99% 100,00%
R2(pred) 99,94% 99,94% 99,94%
------Passo 16------
Coef P Constante -0,7971 HPI N 0,017256 0,000 T4I N -0,014578 0,000
15
H&W N 0,014309 0,000 OBE NP -0,010527 0,000 PG% N 0,007024 0,001 T&I N -0,009519 0,000 AWI N 0,011599 0,000 PSF N -0,005953 0,000 $HP N 0,002285 0,003 OPP N -0,004035 0,001 PPC N -0,002344 0,010 K&T N 0,001697 0,007 ABN N 0,000758 0,019 LIFE N 0,002772 0,015 FWB N 0,002071 0,024 IDH N -0,001368 0,065 S 0,0040181 R2 100,00% R2(aj) 100,00% R2(pred) 99,97%
α para entrada = 0,15; α para remoção = 0,15
Análise de Variância Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P
Regressão 16 38,9605 2,43503 150819,77 0,000
HPI N 1 1,4770 1,47703 91483,72 0,000
T4I N 1 0,1771 0,17709 10968,24 0,000
H&W N 1 0,0358 0,03579 2216,98 0,000
OBE NP 1 0,0772 0,07725 4784,61 0,000
PG% N 1 0,0295 0,02953 1829,01 0,001
ABN N 1 0,0008 0,00081 50,07 0,019
LIFE N 1 0,0011 0,00107 66,25 0,015
AWI N 1 0,0862 0,08621 5339,52 0,000
FWB N 1 0,0007 0,00066 40,85 0,024
$HP N 1 0,0055 0,00552 341,80 0,003
OPP N 1 0,0145 0,01452 899,21 0,001
K&T N 1 0,0021 0,00215 132,87 0,007
PSF N 1 0,0587 0,05867 3634,16 0,000
T&I N 1 0,0335 0,03345 2071,89 0,000
PPC N 1 0,0016 0,00162 100,60 0,010
IDH N 1 0,0002 0,00023 14,00 0,065
Erro 2 0,0000 0,00002
Total 18 38,9606
Sumário do Modelo S R2 R2(aj) R2(pred)
0,0040181 100,00% 100,00% 99,97%
Coeficientes Termo Coef EP de Coef Valor-T Valor-P VIF
Constante -0,7971 0,0221 -36,09 0,001
HPI N 0,017256 0,000057 302,46 0,000 3,92
T4I N -0,014578 0,000139 -104,73 0,000 16,38
H&W N 0,014309 0,000304 47,08 0,000 72,88
OBE NP -0,010527 0,000152 -69,17 0,000 28,14
PG% N 0,007024 0,000164 42,77 0,001 18,77
ABN N 0,000758 0,000107 7,08 0,019 11,33
LIFE N 0,002772 0,000341 8,14 0,015 78,40
AWI N 0,011599 0,000159 73,07 0,000 20,33
FWB N 0,002071 0,000324 6,39 0,024 74,97
$HP N 0,002285 0,000124 18,49 0,003 15,95
OPP N -0,004035 0,000135 -29,99 0,001 20,51
K&T N 0,001697 0,000147 11,53 0,007 15,01
PSF N -0,005953 0,000099 -60,28 0,000 7,71
T&I N -0,009519 0,000209 -45,52 0,000 40,59
PPC N -0,002344 0,000234 -10,03 0,010 40,94
IDH N -0,001368 0,000366 -3,74 0,065 123,16
Equação de Regressão CP2 = -0,7971 + 0,017256 HPI N - 0,014578 T4I N + 0,014309 H&W N - 0,010527 OBE NP
+ 0,007024 PG% N + 0,000758 ABN N + 0,002772 LIFE N + 0,011599 AWI N + 0,002071 FWB N
+ 0,002285 $HP N - 0,004035 OPP N + 0,001697 K&T N - 0,005953 PSF N - 0,009519 T&I N
- 0,002344 PPC N - 0,001368 IDH N
16
Ajustados e Diagnósticos para Observações Atípicas Obs. CP2 Ajuste Resíd Resíd Pad
10 0,92433 0,92466 -0,00033 -1,05 X
14 2,49809 2,49816 -0,00007 -0,34 X
X Atípicos X
5.3 Análise de Regressão:
CP3 versus SPI N; AWI N; LIFE N; PG% N; FWB N; H&W N; OBE NP; $HP N; OPP N;
ABN N; K&T N; PSF N; HPI N; T&I N; T4I N; GINI N; PPC N; IDH N
Tabelas 9. Seleção Stepwise de Termos
------Passo 1----- ------Passo 2----- ------Passo 3-----
Coef P Coef P Coef P
Constante 1,359 2,861 2,488
H&W N -0,02680 0,001 -0,03305 0,000 -0,03501 0,000
OBE NP -0,02284 0,000 -0,02043 0,000
HPI N 0,00570 0,000
S 0,785485 0,216750 0,145312
R2 46,59% 96,17% 98,39%
R2(aj) 43,44% 95,69% 98,06%
R2(pred) 28,34% 94,91% 97,46%
α para entrada = 0,15; α para remoção = 0,15
Análise de Variância Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P
Regressão 3 19,3197 6,4399 304,99 0,000
HPI N 1 0,4350 0,4350 20,60 0,000
H&W N 1 13,4234 13,4234 635,71 0,000
OBE NP 1 6,2253 6,2253 294,82 0,000
Erro 15 0,3167 0,0211
Total 18 19,6365
Sumário do Modelo S R2 R2(aj) R2(pred)
0,145312 98,39% 98,06% 97,46%
Coeficientes Termo Coef EP de Coef Valor-T Valor-P VIF
Constante 2,488 0,130 19,07 0,000
HPI N 0,00570 0,00126 4,54 0,000 1,45
H&W N -0,03501 0,00139 -25,21 0,000 1,16
OBE NP -0,02043 0,00119 -17,17 0,000 1,31
Equação de Regressão CP3 = 2,488 + 0,00570 HPI N - 0,03501 H&W N - 0,02043 OBE NP
5.4 Análise de Regressão:
CP1 versus SPI N e GINI N. Nome sugerido: “Combate à desigualdade é progresso”.
Análise de Variância Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P
Regressão 2 202,738 101,369 436,85 0,000
SPI N 1 8,795 8,795 37,90 0,000
GINI N 1 2,297 2,297 9,90 0,006
Erro 16 3,713 0,232
Total 18 206,451
Sumário do Modelo S R2 R2(aj) R2(pred)
0,481712 98,20% 97,98% 97,49%
Coeficientes Termo Coef EP de Coef Valor-T Valor-P VIF
Constante -5,032 0,203 -24,79 0,000
17
SPI N 0,0755 0,0123 6,16 0,000 10,32
GINI N 0,0404 0,0129 3,15 0,006 10,32
Equação de Regressão CP1 = -5,032 + 0,0755 SPI N + 0,0404 GINI N
5.5 Análise de Regressão:
CP2 versus HPI N, T4I N, H&W N, OBE NP: “Tolerância e saúde: a fórmula da
felicidade”
Análise de Variância Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P
Regressão 4 37,606 9,40148 97,16 0,000
HPI N 1 5,456 5,45643 56,39 0,000
T4I N 1 8,607 8,60709 88,95 0,000
H&W N 1 2,836 2,83578 29,31 0,000
OBE NP 1 1,424 1,42434 14,72 0,002
Erro 14 1,355 0,09676
Total 18 38,961
Sumário do Modelo S R2 R2(aj) R2(pred)
0,311064 96,52% 95,53% 92,64%
Coeficientes Termo Coef EP de Coef Valor-T Valor-P VIF
Constante -0,110 0,363 -0,30 0,767
HPI N 0,02161 0,00288 7,51 0,000 1,66
T4I N -0,02695 0,00286 -9,43 0,000 1,15
H&W N 0,01624 0,00300 5,41 0,000 1,19
OBE NP -0,01002 0,00261 -3,84 0,002 1,38
Equação de Regressão CP2 = -0,110 + 0,02161 HPI N - 0,02695 T4I N + 0,01624 H&W N - 0,01002 OBE NP
Ajustados e Diagnósticos para Observações Atípicas Obs. CP2 Ajuste Resíd Resíd Pad
17 -2,205 -1,646 -0,559 -2,19 R
R Resíduo grande
5.6 Análise de Regressão:
CP3 versus H&W N; OBE NP; HPI N. Nome sugerido: “Luta contra a obesidade: questão
de saúde pública”
Análise de Variância Fonte GL SQ (Aj.) QM (Aj.) Valor F Valor-P
Regressão 3 19,3197 6,4399 304,99 0,000
HPI N 1 0,4350 0,4350 20,60 0,000
H&W N 1 13,4234 13,4234 635,71 0,000
OBE NP 1 6,2253 6,2253 294,82 0,000
Erro 15 0,3167 0,0211
Total 18 19,6365
Sumário do Modelo S R2 R2(aj) R2(pred)
0,145312 98,39% 98,06% 97,46%
Coeficientes Termo Coef EP de Coef Valor-T Valor-P VIF
Constante 2,488 0,130 19,07 0,000
HPI N 0,00570 0,00126 4,54 0,000 1,45
H&W N -0,03501 0,00139 -25,21 0,000 1,16
OBE NP -0,02043 0,00119 -17,17 0,000 1,31
Equação de Regressão CP3 = 2,488 + 0,00570 HPI N - 0,03501 H&W N - 0,02043 OBE NP
18
6. Smart Age Index – AIBER
Tabela 10. Ranking SAI AIBER
RK País Pontos
1 Spain 100,00
2 Chile 80,92
3 Portugal 75,62
4 Costa Rica 72,59
5 Uruguay 69,98
6 Panama 66,72
7 Argentina 63,03
8 Mexico 54,62
9 Colombia 46,67
10 Peru 42,29
11 Brazil 41,26
12 Ecuador 37,88
13 Dominican Republic 32,48
14 El Salvador 27,55
15 Nicaragua 20,13
16 Bolivia 14,14
17 Paraguay 11,65
18 Guatemala 5,75
19 Honduras 0,00
19
Figura 12. Países Iberoamericanos e o Smart Age Index regional
Não é por acaso que Espanha, Chile, Portugal e Costa Rica se apresentam como os
4 melhores colocados no indicador aqui desenvolvido. São países que têm buscado
algumas das respostas para os grandes desafios dos “tempos dos anciãos”: progresso
social, redução das desigualdades sociais, aumento das tolerâncias – inclusive, e em
especial, aos imigrantes, e melhores indicadores de saúde e bem-estar. Como bem postulou
o douto professor de Economia da PUC-SP, Ladislau Douwbor, em seu blog: “O avanço
social, a redução das desigualdades e a sustentabilidade ambiental não constituem entraves,
e sim condição do desenvolvimento em geral (...). Dizer que a dinamização do
desenvolvimento pela inclusão se esgotou é bobagem. Estamos no caminho certo, mas o
processo precisa de um sólido impulso.”
Os 4 tiveram pontuação média superior a 66 pontos em 100 nos 18 indicadores
analisados e normalizados (colocados de 1 a 100). Do quinto em diante, as médias foram
inferiores a 60. Portugal e Costa Rica tiveram pontuação média até superior ao Chile. Mas,
por questão de peso de cada indicador, o país do Pacífico teve melhor colocação final.
Chile se apresenta na segunda colocação no nosso indicador e se faz mister observá-lo nos
quesitos aqui identificados como cruciais para avaliar os 19 países da região. Notem que
12% da população no norte do Chile já é composta por imigrantes. Relatório da
Organização Internacional do Trabalho, publicado em maio, afirma que o Chile foi o país
da América Latina cuja proporção de imigrantes mais cresceu entre 2010 e 2015: 4,9% ao
ano; seguido pelo México, com 4,2%; Brasil, com 3,8%, e Equador, com 3,6%. No
período, seu número aumentou em 100 mil, de 369.436, para 469.436, ou 27%.
Segundo o Fundo Monetário Internacional (FMI), a renda média chilena atingiu
US$ 14.310 em 2016, atrás apenas da uruguaia, US$ 17.250; e na frente da argentina, US$
14.060, e da brasileira, US$ 10.020. Pelo critério do poder de compra, a renda per capita
chilena supera a uruguaia, mais um dos elementos que dão guarida ao ranking aqui
20
estabelecido. Ainda, as taxas de escolarização do Chile são as mais altas da América
Latina, equivalentes às da Austrália e superiores às da Grã-Bretanha. A expectativa de vida
chilena, 80 anos, fica atrás apenas do Canadá nas Américas: 82.
A Costa Rica apresenta ótimo desempenho nos indicadores HPI (é o país mais feliz
da região) e com o maior volume financeiro de investimento na saúde pública. O fato de
não ter um PIB per capita tão significativo – até menor que México, Argentina, Panamá,
Uruguai... – deixa claro que o PIB per capita só é importante quando é bem distribuído, e
não apenas uma média entre os que passam fome e os que se empanturram.
E Portugal nos apresenta suas credenciais com a segunda maior média entre os 19
países, tendo a totalidade de pontos em Segurança – o país mais seguro da região, baixa
taxa de desigualdade social e significativa tolerância ao imigrante. Neste quesito, Portugal
criou o visto D2 ou visto de empreendedor. Em troca da possibilidade de residência legal,
Portugal se beneficia com a atração de pessoas capazes de gerar riqueza e de criar
emprego, e consequentemente com a movimentação da sua economia. É o Visto D2
Portugal: visto para Imigrantes Empreendedores. Por atividade de investimento, para este
fim, inclui-se a criação de pequenas e médias empresas com relevância econômica, social,
científica, tecnológica ou cult
7. Conclusões Há uma questão crucial para avaliarmos em termos de envelhecimento e
longevidade. Sim, o planeta está envelhecendo e, ao mesmo tempo, as pessoas estão
vivendo mais, conforme atestam os dados apresentados pela ONU e já registrados neste
artigo. Mas com que qualidade de vida estão chegando habitantes dos países com maior
expectativa de vida? A literatura científica tem se debruçado sobre o tema da população
considerada idosa e o seu papel na sociedade. E não apenas a ciência, mas também o
legislador. O Brasil conta com um Estatuto do Idoso (n˚ 10.741, de 1˚ de outubro de 2003)
que propõe garantir-lhe as condições básicas de dignidade e combater o preconceito. “Na
era do capital, aquele que não produz, aquele que não se insere, mal visto, ou melhor
dizendo, deixa de ser visto – e parte do preconceito e da indiferença para com os idosos
surge desta premissa arraigada cada dia mais no seio da sociedade. Neste sentido que
reside a importância do Estatuto do Idoso, que, ao invés de dizer que o idoso tem direitos,
assevera com maior razão que a lei garante que ele os goze, revelando desta maneira\a
preocupação do Estado em relação ao cenário social acima delineado”(Cedenho, 2014, p.
42).
Os países precisarão criar condições para que essa população envelhecida possa ter
uma ocupação que gere renda e satisfação pessoal. É fundamental para o seu bem-estar e
necessário para o contínuo desenvolvimento socioeconômico, cultural e tecnológico dos
países. E a tolerância precisará se fazer presente. Certamente, os processos migratórios
ainda resultarão em mais ajustes e aceitação das diferenças, quebra paradigmas e promoção
da harmonização entre diferentes crenças, orientações, raças e gerações, para que o planeta
seja um lugar melhor para se viver.
Já nos países que ainda têm indicadores de expectativa e condições de vida que
remontam aos séculos passados, os desafios estão na base. Fundamentos do bem-estar,
despesas públicas de saúde, oportunidade, acesso ao conhecimento básico, segurança
pessoal rede de segurança comunitária, elevação do IDH... Para que possam se preocupar
com isso, essas regiões precisam criar condições para que sua população ultrapasse a
barreira dos 70 anos de expectativa média de vida. Os indicadores estão aí e os desafios
para cada um, também. A tolerância e a inclusão podem ser as senhas para a próxima
etapa, que é permitir à população madura viver com plenitude, dignidade e prazer esses
21
anos a mais de vida. Garantir-lhes acesso à inclusão em todas as esferas, fortalecendo seus
laços socioeconômicos e familiares, com programas que disseminem o acolhimento.
A expectativa de uma vida longa e plena está diretamente atrelada aos principais
indicadores de desenvolvimento social e humano, fundamentos da saúde, bem-estar e
qualidade de vida, e de toda a riqueza produzida por uma nação. Dentre os indicadores de
saúde pública de uma nação, avalia-se o índice de mortes por doenças infecciosas e o
índice de doenças não-transmissíveis, onde a obesidade se classifica. “Obesidade e
sobrepeso em adultos trazem como consequências doenças cardiovasculares, diabetes,
osteoartrite, alguns cânceres (colorretal, renal, esofágico endometrial, mamário, ovariano e
prostático), dificuldades respiratórias como hipoventilação crônica (síndrome de Pickwick)
e apneia do sono, infertilidade masculina, colelitíase, esteatose, refluxo gastroesofágico,
transtornos psicossociais e hipertensão arterial sistêmica. Obesidade em crianças associa-se
a maior chance de obesidade, morte prematura e incapacidade funcional na fase adulta.
Além desses riscos futuros, crianças obesas têm dificuldades respiratórias, maior risco de
fraturas, efeitos psicológicos e precoces indicadores de doença cardiovascular e resistência
à insulina.” Wannmacher (2016, p. 2)
Chama a atenção, mas não de todo difícil entender, que “alguns dos países mais
bem classificados neste ranking tenham alguma das maiores taxas de obesidade de suas
populações, como o Chile (28% da população), Costa Rica (24%) e Espanha (24%). A
média da região é de 22%. Mas, conforme demonstrado quantitativamente neste artigo e
sustentado pela ciência, quanto menor o percentual da população considerada obesa,
melhor o desempenho do país no indicador de longevidade. É papel do Estado fomentar a
prática da atividade física em sua população, para fins preventivos das doenças não
transmissíveis que causam morte prematura. Além do mais, A prática da atividade física
pode ser, sim, um antídoto para a depressão, outro mal que grassa a humanidade. A
atividade física está associada à diminuição do risco de desenvolver depressão clínica.
Estudos experimentais mostram que exercícios aeróbicos e de resistência são eficazes no
tratamento da depressão. O efeito é da mesma magnitude que as intervenções
psicoterapêuticas (Fox, 1999, p. 412)
22
8. Referências BID - Banco Interamericano de Desarrollo (2016). América Latina y el Caribe: cómo mantenerse sano
mientras se envejece. América Latina y el Caribe 2030: Escenarios futuros. Salazar, H. Recuperado de
https://publications.iadb.org/handle/11319/8218?locale-attribute=pt
Cedenho, A. C. (2014) O idoso como novo personagem da atual sociedade: o estatuto do idoso e as diretrizes
para o envelhecimento no Brasil. Revista do Curso de Direito da Faculdade de Humanidades e Direito,
v. 11, n. 11, 2014, 10-46
Diener, E., Chan, M.Y. (2011) Happy People Live Longer: Subjective Well-Being Contributes to Health and
Longevity. Psychology: Health and Well-being, 2011, 3 (1), 1–43.
Fox, K.R. (1999). “The influence of physical activity on mental well-being”. Public Health Nutrition: 2(3a),
411–418
IBGE - Instituto Brasileiro de Geografia e Estatística (2017). Pesquisa Nacional por Amostra de Domicílios
Contínua (PNAD). Recuperado de
https://biblioteca.ibge.gov.br/visualizacao/livros/liv101390_informativo.pdf
ONU – Organização das Nações Unidas. World Population Ageing 2015. Recuperado em 3 março, 2018, de
http://www.un.org/en/development/desa/population/publications/pdf/ageing/WPA2015_Report.pdf
PNUD – Programa das Nações Unidas para o Desenvolvimento. IDH 2014. Recuperado em 3 março, 2018,
de http://www.br.undp.org/content/brazil/pt/home/idh0/rankings/idh-global.html
PUC/SP – Pontifícia Universidade Católica de São Paulo. Banco de dados – Base 2017. Recebido em 9 de
março de 2018
Wannmacher, L. (2016) Obesidade como fator de risco para morbidade e mortalidade: evid ncias sobre o
manejo com medidas não medicamentosas. – 1 , 1-10
WHO (OMS) –World Heath Organization (Organização Mundial de Saúde). Overweight and obesity.
Recuperado em 10 março, 2018 http://www.who.int/topics/obesity/en/
Myers, A., Gibbons, C., Finlayson & G., Blundell, J. (2016). Associations among sedentary and active
behaviours, body fat and appetite dysregulation: investigating the myth of physical inactivity and
obesity. Br J Sports Med,1–6
OMS Alerta que mundo atingiu níveis alarmantes de obesidade. (2016). Disponível em:
https://news.un.org/pt/story/2016/01/1538891-oms-alerta-que-mundo-atingiu-niveis-alarmantes-de-
obesidade-infantil. Acesso em: 31/3/2018
Pinheiro, A.R.O., Freitas, S.F.T. & Corso, A.C.T. (2004). “Uma abordagem epidemiológica da obesidade”.
Rev. Nutr., 17(4):523-533
Sant‟Anna, L. (2017). Chile atrai imigrantes e se depara com preconceito. O Estado de São Paulo. Disponível
em https://internacional.estadao.com.br/blogs/lourival-santanna/chile-atrai-imigrantes-e-se-depara-com-
preconceito/ Acesso em 12/06/2018
Verplanken, B. & Faes, S. (1999). Good intentions, bad habits, and effects of forming implementation
intentions on healthy eating. European Journal of Social Psychology Eur. J. Soc. Psychol. 29, 591-604.
WHO 1 –World Heath Organization (2018). Overweight and obesity. Recuperado de
http://www.who.int/topics/obesity/en/
WHO 2 – World Health Organization (2006). BMI classification. Recuperado de
http://apps.who.int/bmi/index.jsp?introPage=intro_3.html