Bu tür çalışmalarda her ne kadar, veri toplaması ve analizi çok zaman alsa da, test ve mülakat çalışmalarını daha geniş örneklemde kullanmaları önerilebilir.

O Índice de Regulação Ambiental de Macro Políticas (IRAM) e o Índice de Regulação Ambiental da Agricultura (IRAA) foram estimados com base na metodologia desenvolvido por Lemos (2001) para estimação do Índice de Degradação. Tais índices visam identificar o nível de restritividade da regulação ambiental dos países com base nos índices de desempenho ambiental calculados no EPI. Para o cálculo do IRAM serão utilizados os seguintes indicadores: EH, EVAIR, EVWATER, EVBH, EVAG e EVCLIMATE. Enquanto para o cálculo do IRAA, os indicadores a serem

87

utilizados são: PACOV, AGSUB, POPs, FORGROINV, FORCOINV e CO2GDP.

A construção do índice é realizada em duas etapas. A primeira delas é a estimação do Índice Parcial de Regulação Ambiental de Macro Políticas (IPRAM) e do Índice Parcial de Regulação Ambiental da Agricultura (IPRAA) que é feita a partir da análise fatorial. E a partir do IPRAM e IPRAA obtêm-se os pesos relativos a cada variável que compõe o IRAM e IRAA, por meio do Método de Mínimos Quadrados Restrito (MQR).

Após a estimação do IRAM e IRAA a sequência é o cálculo do IRAM e IRAA para cada país da OCDE. As construções do IRAM e IRAA são baseadas nas equações 53 e 54.

= (∑ � = ) , ∑ � = = = , … , , = (∑ � = ) , ∑ � = = = , … , ,

em que Pj são os pesos dos fatores estimados por Mínimos Quadrados Restritos (MQR) e X são os indicadores de desempenho ambiental considerados na construção de cada um dos índices.

Assim, estimam-se os valores dos pesos (P) por meio das equações 55 e 56 pelo método de Mínimos Quadrados Restrito (MQR). É necessário, entretanto, que tais equações obedeçam à restrição: + + + + +

+ = .

= + + + + + +

+ �

= + + + +

88

A construção do IRAM e IRAA, de acordo com a metodologia de Lemos (2001), implica em uma informação a priori sobre os níveis desejados de restrição dos indicadores utilizados em sua formulação. Entretanto, essa informação é complexa e sujeita a subjetividade do pesquisador. Para sanar essa dificuldade hierarquizou-se os países em relação à média dos 15% dos países melhor posicionados em cada indicador, tomando-se esses países como referência para preservação.

Assim, definem-se os seguintes indicadores a serem utilizados na composição do IRAM e IRAA:

 EHit: regulação ambiental para redução dos efeitos ambientais sobre a saúde humana praticada por cada i país da OCDE no tempo t;

 EHref: média do EH dos 15% dos países melhor posicionados em relação ao indicador;

 EVAIRit: índice de qualidade do ar para cada país i no tempo t;

 EVAIRref: média do indicador para os 15% dos países melhor posicionados;

 EVWATERit: índice de qualidade da água para cada um dos i países no tempo t;

 EVWATERref: média do indicador para os países que representam os 15% melhor posicionados no indicador;

 EVBHit: Índice de Biodiversidade e Habitat para cada país i no tempo t;  EVBHref: média dos 15% dos países melhor posicionados em relação ao

indicador;

 EVAGit: Índice de Agricultura para cada país i no tempo t;

 EVAGref: média dos 15% dos países melhor posicionados em relação ao indicador;

 EVCLIMATEit: Índice de Mudanças Climáticas para cada país i no tempo t;

 EVCLIMATEref: média dos 15% dos países melhor posicionados em relação ao indicador;

89

 PACOVit: Índice de Proteção dos Biomas para cada país i no tempo t;  PACOVref: média dos 15% dos países melhor posicionados em relação ao

indicador;

 AGSUBit: Índice de Subsídios Agrícolas para cada país i no tempo t;  AGSUBref: média dos 15% dos países melhor posicionados em relação ao

indicador;

 POPsit: Índice de Regulação de Pesticidas para cada país i no tempo t;  POPsref: média dos 15% dos países melhor posicionados em relação ao

indicador;

 FORGROINVit: Índice de Crescimento da Área de Florestas para cada país i no tempo t;

 FORGROINVsref: média dos 15% dos países melhor posicionados em relação ao indicador;

 FORCOINVit: Índice de Cobertura Vegetal para cada país i no tempo t;  FORCOINVsref: média dos 15% dos países melhor posicionados em

relação ao indicador;

 CO2GDPit: Índice de Emissões de CO2 por PIB para cada país i no tempo t;

 CO2GDPref: média dos 15% dos países melhor posicionados em relação ao indicador.

A partir da definição desses indicadores determinam-se quais comporão o IPRAM e IPRAA e o IRAM e IRAA, considerando as seguintes relações, de acordo com Lemos (2001):

 EH (Xi1) = 0 quando EHit ≥ EHref;

 EH (Xi1) = [1 – (EHit / EHref)]*100, nos demais casos;  EVAIR (Xi1) = 0 quando EVAIRit ≥ EVAIRref;

 EVAIR (Xi1) = [1 – (EVAIRit / EVAIRref)]*100, nos demais casos;  EVWATER (Xi1) = 0 quando EVWATERit ≥ EVWATERref;

 EVWATER (Xi1) = [1 – (EVWATERit / EVWATERref)]*100, nos demais casos;

90

 EVBH (Xi1) = 0 quando EVBHit ≥ EVBHref;

 EVBH (Xi1) = [1 – (EVBHit / EVBHref)]*100, nos demais casos;  EVAG (Xi1) = 0 quando EVAGit ≥ EVAGref;

 EVAG (Xi1) = [1 – (EVAGit / EVAGref)]*100, nos demais casos;  EVCLIMATE (Xi1) = 0 quando EVCLIMATEit ≥ EVCLIMATEref;

 EVCLIMATE (Xi1) = [1 – (EVCLIMATEit / EVCLIMATEref)]*100, nos demais casos;

 PACOV (Xi1) = 0 quando PACOVit ≥ PACOVref;

 PACOV (Xi1) = [1 – (PACOVit / PACOVref)]*100, nos demais casos;  AGSUB (Xi1) = 0 quando AGSUBit ≥ AGSUBref;

 AGSUB (Xi1) = [1 – (AGSUBit / AGSUBref)]*100, nos demais casos;  POPs (Xi1) = 0 quando POPsit ≥ POPsref;

 POPs (Xi1) = [1 – (POPsit / POPsref)]*100, nos demais casos;

 FORGROINV (Xi1) = 0 quando FORGROINVit ≥ FORGROINVref;

 FORGROINV (Xi1) = [1 – (FORGROINVit / FORGROINVref)]*100, nos demais casos;

 FORCOINV (Xi1) = 0 quando FORCOINVit ≥ FORCOINVref;

 FORCOINV (Xi1) = [1 – (FORCOINVit / FORCOINVref)]*100, nos demais casos;

 CO2GDP (Xi1) = 0 quando CO2GDPit ≥ CO2GDPref;

 CO2GDP (Xi1) = [1 – (CO2GDPit / CO2GDPref)]*100, nos demais casos; Após o cálculo do IRAM e IRAA será feita a análise de Clusters que tem por princípio básico estratificar a amostra em grupos, para que haja heterogeneidade entre grupos distintos e homogeneidade dentro de um mesmo grupo de acordo com características comuns entre os elementos. Essa análise é feita comumente por meio dos escores fatoriais obtidos na análise fatorial, sendo esses utilizados no presente estudo. O presente estudo realiza a análise de Cluster pelo método de Ward onde é definido o número de grupos a serem considerados pelos critérios de parada de Calinski-Harabasz (1974) e Duda- Hart (2001).

91