Medidas_Banco_Africano_Desarrollo
John Jairo Prado Piñeres - Javier Santamaria
2024-09-20
Introducción
La base de datos “cpia2015.xlsx” contiene un conjunto de variables evaluadas por el Banco Africano de Desarrollo (BAD) para medir el desempeño institucional y de políticas en 38 países africanos. La evaluación se realiza a través de un cuestionario que abarca 18 criterios, agrupados en 5 grupos.
Descripción de Variables
1. Code: Identificador único del paísconforme al estándar ISO 3166-1.
2. Country: Nombre completo del país.
3. Classification: Determina la elegibilidad de un país para acceder a recursos del ADF (Fondo Africano de Desarrollo) o ADB (Banco Africano de Desarrollo) según su ingreso per cápita y solvencia crediticia.
ADF: Proporciona financiación a países de bajos ingresos con préstamos a condiciones favorables y donaciones para proyectos de desarrollo.
ADB: Institución principal de financiamiento del desarrollo en África, que otorga préstamos en condiciones de mercado a países de ingresos más altos.
Year: Año de evaluación del CPIA (Country Policy and Institutional Assessment), que mide la calidad de las políticas y las instituciones de los países africanos, influenciando su elegibilidad para financiamiento.
Clasificación de Países
BLEND: Países elegibles para financiamiento de ADF y ADB (ej., Camerún, Kenia, Zambia).
ADB: Nigeria.
ADF: Incluye varios países de bajos ingresos, como Benín, Burkina Faso y Sudán.
Grupos y Variables Evaluadas
Resumen de Políticas Económicas y Sociales
Cuadro de Variables
| Grupo | Variable | Definición |
|---|---|---|
| 1. Economic Management | 1. Fiscal Policy | Evalúa la sostenibilidad de finanzas públicas y ajustes ante crisis. |
| 2. Monetary Policy | Analiza la inflación y políticas para controlarla, incluyendo la situación en la zona franco. | |
| 3. Debt Policy | Se centra en la gestión de la deuda, minimizando riesgos y asegurando sostenibilidad. | |
| 2. Structural Policies | 4. Financial Sector Development | Evalúa la estabilidad y acceso a servicios financieros. |
| 5. Trade Policy | Mide el compromiso con la integración regional y la efectividad del régimen comercial. | |
| 6. Business Regulatory Environment | Analiza regulaciones que afectan la actividad empresarial y el entorno competitivo. | |
| 3. Policies for Social Inclusion/Equity | 7. Gender Equality | Evalúa el progreso hacia la igualdad de género. |
| 8. Equity of Public Resource Use | Mide la coherencia del gasto público con la reducción de la pobreza. | |
| 9. Building Human Resources | Evalúa el acceso y calidad de servicios en salud, educación y desarrollo infantil. | |
| 10. Social Protection and Labor | Analiza políticas de protección social y laboral. | |
| 11. Environmental Policy and Regulations | Evalúa cómo las políticas ambientales protegen recursos naturales y gestionan la contaminación. | |
| 4. Governance | 12. Property Rights and Rule Based Governance | Mide la efectividad en la protección de derechos de propiedad y contratos. |
| 13. Quality of Budgetary and Financial Management | Evalúa la transparencia y efectividad en la gestión del presupuesto. | |
| 14. Quality of Public Administration | Analiza la capacidad del gobierno para implementar políticas eficaces. | |
| 15. Efficiency of Revenue Mobilization | Evalúa la efectividad en la recolección de ingresos. | |
| 16. Transparency, Accountability and Corruption | Mide la responsabilidad y transparencia en el uso de fondos públicos. | |
| 5. Infrastructure and Regional Integration | 17. Infrastructure Development | Evalúa el desarrollo de infraestructura a través de políticas gubernamentales. |
| 18. Regional Integration | Mide los esfuerzos para promover la libre circulación y la integración financiera regional. |
1. Para cada Grupo (1-5) se requiere construir un indicador (0-100 %) mediante ACP (la 1ra componente en cada caso) que permita resumir la información de las variables de cada grupo. Construya los 5 indicadores mediante 5 ACP’s hechos, por separado, con cada grupo de variables. En una tabla resuma el comportamiento de cada indicador mediante el mínimo, máximo, promedio y desviación estándar de cada uno, así como el porcentaje de la varianza total explicado por cada uno. Además, grafique la densidad empírica de cada indicador e indique en una tabla qué países tienen el máximo y mínimo valor de cada indicador. En un párrafo resuma lo más relevante de los resultados anteriores. No es necesario explicar cada ACP, ni escoger el número de dimensiones, ni explicar los cosenos cuadrados o contribuciones, ni graficar los planos principales.
PC1_Group1 PC1_Group2 PC1_Group3 PC1_Group4 PC1_Group5
BEN 8.07 33.24 25.71 17.98 60.6
BFA 16.04 15.47 27.56 14.70 72.8
BDI 48.10 36.75 38.22 47.07 66.9
CMR 4.02 24.86 18.43 26.19 85.4
CAF 59.88 69.52 68.45 66.36 42.2
TCD 35.98 42.00 45.49 45.35 63.7
COM 71.93 64.36 64.14 76.54 31.9
COD 31.96 42.84 45.86 42.12 52.8
CIV 28.04 25.86 46.83 26.27 67.5
DJI 35.77 36.15 45.06 39.80 55.5
ERI 83.99 74.12 57.61 76.23 28.0
ETH 15.95 24.66 4.15 16.89 68.5
GMB 51.90 33.60 46.78 48.83 56.7
GHA 44.08 12.89 19.57 10.73 73.2
GIN 28.04 32.62 40.91 39.84 62.6
GNB 56.04 53.03 56.10 61.40 41.5
KEN 20.09 6.43 13.28 21.28 89.8
LSO 20.09 29.95 28.29 27.98 64.4
LBR 28.04 44.42 42.62 33.27 54.2
MDG 40.12 37.89 48.17 51.46 52.8
MWI 35.98 48.25 31.77 27.99 56.0
MLI 27.92 28.46 43.92 22.54 62.5
MRT 11.91 32.44 27.52 27.43 61.1
MOZ 44.05 33.68 36.33 39.48 70.0
NER 24.02 34.06 31.93 26.50 63.2
NGA 16.10 29.01 29.72 30.86 66.2
RWA 0.00 0.00 0.00 0.00 100.0
STP 23.81 46.00 31.89 33.06 35.0
SEN 4.05 12.98 16.60 5.78 85.4
SLE 36.10 41.69 48.88 36.94 44.8
SOM 100.00 100.00 100.00 100.00 0.0
SDD 80.03 76.66 78.72 70.71 22.3
SDN 55.95 71.57 61.60 56.58 40.2
TZA 11.99 16.91 17.25 17.35 85.4
TGO 43.81 37.48 46.97 42.58 55.5
UGA 19.94 11.23 11.84 34.67 91.9
ZMB 39.88 26.39 35.16 24.17 59.9
ZWE 59.97 60.45 56.24 56.23 40.81b. En una tabla resuma el comportamiento de cada indicador mediante el mínimo, máximo, promedio, desviación estándar y el porcentaje de la varianza total explicado por cada uno.
Group Min Max Mean SD Variance Explained_Variance
1 PC1_Group1 0 100 35.9 23.2 540 23.6
2 PC1_Group2 0 100 38.1 21.3 455 19.9
3 PC1_Group3 0 100 39.2 20.5 419 18.3
4 PC1_Group4 0 100 38.0 21.4 458 20.0
5 PC1_Group5 0 100 58.7 20.4 417 18.21d. Indique en una tabla qué países tienen el máximo y mínimo valor de cada indicador
Max_Country Max_Value Min_Country Min_Value
PC1_Group1 SOM 100 RWA 0
PC1_Group2 SOM 100 RWA 0
PC1_Group3 SOM 100 RWA 0
PC1_Group4 SOM 100 RWA 0
PC1_Group5 RWA 100 SOM 01c. Grafique la densidad empírica de cada indicador
Este conjunto de datos y sus correspondientes variables proporcionan una visión integral del desempeño de los países africanos en múltiples áreas, desde la gestión económica hasta la inclusión social y el desarrollo de infraestructura. La información es crucial para la toma de decisiones y la planificación de políticas para mejorar las condiciones de vida en la región.
En todos los grupos de indicadores, el país con el mínimo puntaje es Rwanda, que tiene una puntuación de 0 en cada uno de ellos. Esto indica que Rwanda presenta serias deficiencias en las dimensiones evaluadas, reflejando la necesidad de atención y mejoras en sus políticas y estructuras institucionales.
Somalia se destaca como el país con el puntaje máximo de 100 en todos los grupos, lo que sugiere que, al menos en términos de estas métricas, ha alcanzado un nivel óptimo de desempeño. Sin embargo, este resultado debe interpretarse con cautela, ya que puede ser un reflejo de criterios específicos y no necesariamente de un contexto general de desarrollo sostenible.
La consistencia en los resultados, donde Rwanda y Somalia ocupan los extremos en todos los grupos, sugiere que estos países tienen un desempeño relativamente predecible en las diferentes áreas evaluadas. Esto puede indicar patrones en las políticas o en la calidad de las instituciones que afectan de manera similar a todas las dimensiones.
La identificación de Rwanda como el país con el desempeño más bajo en todas las métricas subraya la urgencia de intervenciones específicas que aborden las debilidades en sus políticas y estructuras institucionales. Estrategias de desarrollo deben ser diseñadas para mejorar su situación en las áreas evaluadas.
Aunque las puntuaciones absolutas son importantes, es crucial considerar el contexto de cada país. Factores como conflictos, estabilidad política, y recursos disponibles pueden influir en los resultados de manera significativa, lo que sugiere que una evaluación cualitativa complementaria sería valiosa para entender las dinámicas subyacentes.
Análisis de la Densidad Empírica de los Grupos de PC1
Grupo 1 (PC1_Group1): La densidad empírica de este grupo alcanza su punto máximo en 0.020, lo que indica una concentración de datos alrededor de este valor. Este pico se sitúa aproximadamente en el rango de 27, lo que sugiere que la mayoría de las observaciones se agrupan en torno a este punto. Además, la presencia de una asimetría positiva indica que hay una cola más larga hacia la derecha, lo que sugiere que existen valores atípicos o extremos que son más altos que la mayoría de las observaciones.
Grupo 2 (PC1_Group2): En el caso del segundo grupo, la densidad empírica muestra un máximo de 0.025, alcanzado aproximadamente en el rango de 30. Similar al Grupo 1, este grupo también presenta asimetría positiva, lo que refuerza la idea de que la distribución de datos está sesgada hacia la derecha. Esto puede implicar que hay un número considerable de valores que se desvían hacia cifras más altas, lo que podría ser relevante para el análisis de tendencias en este grupo.
Grupo 3 (PC1_Group3): La densidad empírica de PC1_Group3 tiene su punto máximo en aproximadamente 0.020, alcanzado en un rango cercano a 50. La asimetría positiva en este caso también sugiere que la mayoría de las observaciones están concentradas en valores más bajos, pero hay un número notable de observaciones que se extienden hacia la derecha. Esta característica podría señalar la existencia de factores que impulsan a algunos casos hacia niveles más altos en el rango de análisis.
Grupo 4 (PC1_Group4): En el cuarto grupo, la densidad empírica se eleva a un máximo de aproximadamente 0.020 en el rango de 30, similar a los grupos anteriores. La asimetría positiva sugiere que, aunque hay una concentración en valores bajos, también existen casos que se extienden hacia la derecha, lo que podría indicar la influencia de ciertas variables que favorecen resultados más altos en este grupo.
Grupo 5 (PC1_Group5): A diferencia de los otros grupos, la densidad empírica de PC1_Group5 alcanza un pico en aproximadamente 0.025, en un rango alrededor de 60. Sin embargo, este grupo presenta una asimetría negativa, lo que implica que hay una cola más larga hacia la izquierda. Esto sugiere que, aunque hay algunos valores altos, la mayoría de los datos tienden a ser más bajos, lo que puede indicar la presencia de ciertos factores que limitan el crecimiento o la concentración en valores más altos.
En resumen, la análisis de la densidad empírica de los cinco grupos de PC1 revela patrones interesantes en la distribución de los datos. Mientras que los primeros cuatro grupos muestran asimetría positiva, indicando la presencia de valores atípicos hacia la derecha, el quinto grupo presenta una asimetría negativa, sugiriendo un comportamiento opuesto. Estas observaciones son cruciales para comprender las dinámicas subyacentes y pueden informar decisiones futuras en el análisis o la intervención en cada grupo.
2. Realice ahora un ACP a partir de los 5 indicadores creados en el punto anterior y úselo para construir un único indicador (0-100 %) de desempeño de los países africanos. Resuma el comportamiento del indicador mediante el mínimo, máximo, promedio y desviación estándar, así como el porcentaje de la varianza total explicada por el indicador. Además, grafique la densidad empírica del indicador y realice una tabla con el ranking de menor a mayor de los 38 países de acuerdo al indicador. No es necesario explicar el ACP, ni escoger el número de dimensiones, ni explicar los cosenos cuadrados o contribuciones, ni graficar los planos principales.
2a. Realice ahora un ACP a partir de los 5 indicadores creados en el punto anterior y úselo para construir un único indicador (0-100 %) de desempeño de los países africanos.
Final_Ind
BEN 15.22
BFA 15.53
BDI 45.69
CMR 19.64
CAF 68.79
TCD 44.18
COM 69.63
COD 38.53
CIV 31.50
DJI 37.41
ERI 73.32
ETH 10.05
GMB 45.95
GHA 20.17
GIN 34.67
GNB 56.01
KEN 16.95
LSO 23.58
LBR 34.18
MDG 43.48
MWI 33.34
MLI 28.44
MRT 20.12
MOZ 41.19
NER 26.55
NGA 23.98
RWA 0.00
STP 23.26
SEN 8.28
SLE 36.14
SOM 100.00
SDD 76.13
SDN 61.97
TZA 16.31
TGO 42.10
UGA 23.19
ZMB 28.52
ZWE 57.882.b. Resuma el comportamiento del indicador mediante el mínimo, máximo, promedio y desviación estándar, así como el porcentaje de la varianza total explicada por el indicador.
Group Min Max Mean SD Variance Explained_Variance
Final_Ind Final_Ind 0 100 36.6 21.6 465 1002c. Realice una tabla con el ranking de menor a mayor de los 38 países de acuerdo al indicador
Indicator Max_Country Max_Value Min_Country Min_Value
1 Final_Ind SOM 100 RWA 02d. Grafique la densidad empírica del indicador
3. Emplee los 5 indicadores creados en el primer punto para realizar un agrupamiento de los países africanos mediante el método de k-medias y el método de Ward. En cada caso, determine el número de grupos y explique, mediante medidas descriptivas, las características relevantes de cada grupo resultante. ¿Qué método es mejor k-medias o Ward?
*** : The Hubert index is a graphical method of determining the number of clusters.
In the plot of Hubert index, we seek a significant knee that corresponds to a
significant increase of the value of the measure i.e the significant peak in Hubert
index second differences plot.
*** : The D index is a graphical method of determining the number of clusters.
In the plot of D index, we seek a significant knee (the significant peak in Dindex
second differences plot) that corresponds to a significant increase of the value of
the measure.
*******************************************************************
* Among all indices:
* 6 proposed 2 as the best number of clusters
* 11 proposed 3 as the best number of clusters
* 2 proposed 4 as the best number of clusters
* 3 proposed 5 as the best number of clusters
* 2 proposed 6 as the best number of clusters
***** Conclusion *****
* According to the majority rule, the best number of clusters is 3
******************************************************************* cluster size ave.sil.width
1 1 30 0.56
2 2 8 0.56
*** : The Hubert index is a graphical method of determining the number of clusters.
In the plot of Hubert index, we seek a significant knee that corresponds to a
significant increase of the value of the measure i.e the significant peak in Hubert
index second differences plot.
*** : The D index is a graphical method of determining the number of clusters.
In the plot of D index, we seek a significant knee (the significant peak in Dindex
second differences plot) that corresponds to a significant increase of the value of
the measure.
*******************************************************************
* Among all indices:
* 6 proposed 2 as the best number of clusters
* 11 proposed 3 as the best number of clusters
* 2 proposed 4 as the best number of clusters
* 3 proposed 5 as the best number of clusters
* 2 proposed 6 as the best number of clusters
***** Conclusion *****
* According to the majority rule, the best number of clusters is 3
******************************************************************* cluster size ave.sil.width
1 1 22 0.43
2 2 8 0.47
3 3 8 0.48
Clustering Methods:
kmeans
Cluster sizes:
2 3
Validation Measures:
2 3
kmeans APN 0.000 0.097
AD 36.612 35.041
ADM 0.000 5.640
FOM 13.762 12.834
Connectivity 4.112 6.990
Dunn 0.274 0.274
Silhouette 0.560 0.504
Optimal Scores:
Score Method Clusters
APN 0.000 kmeans 2
AD 35.041 kmeans 3
ADM 0.000 kmeans 2
FOM 12.834 kmeans 3
Connectivity 4.112 kmeans 2
Dunn 0.274 kmeans 2
Silhouette 0.560 kmeans 2 Número óptimo de grupos: 2 cluster size ave.sil.width
1 1 8 0.56
2 2 30 0.56
3b. Explique, mediante medidas descriptivas, las características relevantes de cada grupo resultante.
Adding missing grouping variables: `grupo`
Adding missing grouping variables: `grupo`
Adding missing grouping variables: `grupo`
Adding missing grouping variables: `grupo`
Adding missing grouping variables: `grupo`
Adding missing grouping variables: `grupo`
Adding missing grouping variables: `grupo`
Adding missing grouping variables: `grupo`Warning: Returning more (or less) than 1 row per `summarise()` group was deprecated in
dplyr 1.1.0.
ℹ Please use `reframe()` instead.
ℹ When switching from `summarise()` to `reframe()`, remember that `reframe()`
always returns an ungrouped data frame and adjust accordingly.
Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
generated.`summarise()` has grouped output by 'grupo'. You can override using the
`.groups` argument.# A tibble: 12 × 5
# Groups: grupo [2]
grupo media cv Q1 Q3
<int> <dbl> <dbl> <dbl> <dbl>
1 1 1.21 34.1 1 1
2 1 35.9 64.8 20.0 47.1
3 1 38.1 56.0 26.0 45.6
4 1 39.2 52.2 27.5 47.9
5 1 38.0 56.4 24.7 48.4
6 1 58.7 34.8 46.8 68.2
7 2 1.21 34.1 1 1
8 2 35.9 64.8 20.0 47.1
9 2 38.1 56.0 26.0 45.6
10 2 39.2 52.2 27.5 47.9
11 2 38.0 56.4 24.7 48.4
12 2 58.7 34.8 46.8 68.2Adding missing grouping variables: `grupo`
Adding missing grouping variables: `grupo`
Adding missing grouping variables: `grupo`
Adding missing grouping variables: `grupo`
Adding missing grouping variables: `grupo`
Adding missing grouping variables: `grupo`
Adding missing grouping variables: `grupo`
Adding missing grouping variables: `grupo`Warning: Returning more (or less) than 1 row per `summarise()` group was deprecated in
dplyr 1.1.0.
ℹ Please use `reframe()` instead.
ℹ When switching from `summarise()` to `reframe()`, remember that `reframe()`
always returns an ungrouped data frame and adjust accordingly.
Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
generated.`summarise()` has grouped output by 'grupo'. You can override using the
`.groups` argument.# A tibble: 12 × 5
# Groups: grupo [2]
grupo media cv Q1 Q3
<int> <dbl> <dbl> <dbl> <dbl>
1 1 1.79 23.1 2 2
2 1 35.9 64.8 20.0 47.1
3 1 38.1 56.0 26.0 45.6
4 1 39.2 52.2 27.5 47.9
5 1 38.0 56.4 24.7 48.4
6 1 58.7 34.8 46.8 68.2
7 2 1.79 23.1 2 2
8 2 35.9 64.8 20.0 47.1
9 2 38.1 56.0 26.0 45.6
10 2 39.2 52.2 27.5 47.9
11 2 38.0 56.4 24.7 48.4
12 2 58.7 34.8 46.8 68.23c. ¿Qué método es mejor k-medias o Ward?
Dado que tanto el método de Ward (k = 2) como el k-means muestran un ancho promedio de silueta de 0.56, se podría argumentar que ambos métodos son igualmente buenos en este contexto.
Sin embargo, el método de Ward con k = 3 no es tan efectivo, por lo que si tu objetivo es tener un número adecuado de grupos, el método de Ward (k = 2) o k-means serían las mejores opciones.
4. Si se realiza un análisis factorial con 5 factores a partir de las 18 variables originales ¿qué explica cada factor? ¿tienen alguna relación los factores resultantes con los 5 grupos de variables originales?
Call:
factanal(x = ., factors = 1)
Uniquenesses:
Fiscal Policy
0.225
Monetary Policy
0.266
Debt Policy
0.234
Financial Sector Development
0.167
Trade Policy
0.286
Business Regulatory Environment
0.177
Gender Equality
0.396
Equity of Public Resource Use
0.094
Building Human Resources
0.340
Social Protection and Labor
0.154
Environmental Policy and Regulations
0.235
Property Rights and Rule Based Governance
0.225
Quality of Budgetary and Financial Managmt
0.093
Quality of Public Administration
0.117
Efficiency of Revenue Mobilization
0.104
Transparency, Accountability and Corruption in Pub Sector
0.282
Infrastructure Development
0.235
Regional Integration
0.338
Loadings:
Factor1
Fiscal Policy 0.880
Monetary Policy 0.856
Debt Policy 0.875
Financial Sector Development 0.913
Trade Policy 0.845
Business Regulatory Environment 0.907
Gender Equality 0.777
Equity of Public Resource Use 0.952
Building Human Resources 0.813
Social Protection and Labor 0.920
Environmental Policy and Regulations 0.875
Property Rights and Rule Based Governance 0.880
Quality of Budgetary and Financial Managmt 0.953
Quality of Public Administration 0.939
Efficiency of Revenue Mobilization 0.946
Transparency, Accountability and Corruption in Pub Sector 0.847
Infrastructure Development 0.874
Regional Integration 0.814
Factor1
SS loadings 14.03
Proportion Var 0.78
Test of the hypothesis that 1 factor is sufficient.
The chi square statistic is 192 on 135 degrees of freedom.
The p-value is 0.000863
Call:
factanal(x = ., factors = 2)
Uniquenesses:
Fiscal Policy
0.195
Monetary Policy
0.268
Debt Policy
0.235
Financial Sector Development
0.131
Trade Policy
0.237
Business Regulatory Environment
0.172
Gender Equality
0.352
Equity of Public Resource Use
0.088
Building Human Resources
0.320
Social Protection and Labor
0.153
Environmental Policy and Regulations
0.223
Property Rights and Rule Based Governance
0.204
Quality of Budgetary and Financial Managmt
0.068
Quality of Public Administration
0.112
Efficiency of Revenue Mobilization
0.108
Transparency, Accountability and Corruption in Pub Sector
0.084
Infrastructure Development
0.109
Regional Integration
0.322
Loadings:
Factor1 Factor2
Fiscal Policy 0.510 0.738
Monetary Policy 0.576 0.632
Debt Policy 0.598 0.638
Financial Sector Development 0.789 0.497
Trade Policy 0.765 0.421
Business Regulatory Environment 0.649 0.638
Gender Equality 0.706 0.387
Equity of Public Resource Use 0.725 0.622
Building Human Resources 0.674 0.476
Social Protection and Labor 0.678 0.622
Environmental Policy and Regulations 0.700 0.536
Property Rights and Rule Based Governance 0.544 0.708
Quality of Budgetary and Financial Managmt 0.587 0.766
Quality of Public Administration 0.635 0.696
Efficiency of Revenue Mobilization 0.664 0.671
Transparency, Accountability and Corruption in Pub Sector 0.313 0.904
Infrastructure Development 0.872 0.362
Regional Integration 0.680 0.465
Factor1 Factor2
SS loadings 7.811 6.809
Proportion Var 0.434 0.378
Cumulative Var 0.434 0.812
Test of the hypothesis that 2 factors are sufficient.
The chi square statistic is 148 on 118 degrees of freedom.
The p-value is 0.0339
Call:
factanal(x = ., factors = 3)
Uniquenesses:
Fiscal Policy
0.104
Monetary Policy
0.217
Debt Policy
0.211
Financial Sector Development
0.113
Trade Policy
0.236
Business Regulatory Environment
0.095
Gender Equality
0.353
Equity of Public Resource Use
0.078
Building Human Resources
0.320
Social Protection and Labor
0.156
Environmental Policy and Regulations
0.206
Property Rights and Rule Based Governance
0.079
Quality of Budgetary and Financial Managmt
0.068
Quality of Public Administration
0.110
Efficiency of Revenue Mobilization
0.093
Transparency, Accountability and Corruption in Pub Sector
0.099
Infrastructure Development
0.112
Regional Integration
0.319
Loadings:
Factor1 Factor2
Fiscal Policy 0.422 0.787
Monetary Policy 0.508 0.662
Debt Policy 0.541 0.622
Financial Sector Development 0.747 0.353
Trade Policy 0.719 0.393
Business Regulatory Environment 0.588 0.358
Gender Equality 0.661 0.342
Equity of Public Resource Use 0.668 0.582
Building Human Resources 0.622 0.368
Social Protection and Labor 0.619 0.520
Environmental Policy and Regulations 0.641 0.546
Property Rights and Rule Based Governance 0.463 0.366
Quality of Budgetary and Financial Managmt 0.510 0.601
Quality of Public Administration 0.563 0.525
Efficiency of Revenue Mobilization 0.590 0.618
Transparency, Accountability and Corruption in Pub Sector 0.235 0.683
Infrastructure Development 0.830 0.334
Regional Integration 0.643 0.387
Factor3
Fiscal Policy 0.315
Monetary Policy 0.294
Debt Policy 0.331
Financial Sector Development 0.453
Trade Policy 0.306
Business Regulatory Environment 0.656
Gender Equality 0.305
Equity of Public Resource Use 0.369
Building Human Resources 0.396
Social Protection and Labor 0.437
Environmental Policy and Regulations 0.293
Property Rights and Rule Based Governance 0.756
Quality of Budgetary and Financial Managmt 0.557
Quality of Public Administration 0.546
Efficiency of Revenue Mobilization 0.420
Transparency, Accountability and Corruption in Pub Sector 0.616
Infrastructure Development 0.298
Regional Integration 0.342
Factor1 Factor2 Factor3
SS loadings 6.510 4.890 3.630
Proportion Var 0.362 0.272 0.202
Cumulative Var 0.362 0.633 0.835
Test of the hypothesis that 3 factors are sufficient.
The chi square statistic is 113 on 102 degrees of freedom.
The p-value is 0.209
Call:
factanal(x = ., factors = 4)
Uniquenesses:
Fiscal Policy
0.097
Monetary Policy
0.209
Debt Policy
0.193
Financial Sector Development
0.123
Trade Policy
0.163
Business Regulatory Environment
0.097
Gender Equality
0.347
Equity of Public Resource Use
0.076
Building Human Resources
0.312
Social Protection and Labor
0.159
Environmental Policy and Regulations
0.181
Property Rights and Rule Based Governance
0.075
Quality of Budgetary and Financial Managmt
0.068
Quality of Public Administration
0.108
Efficiency of Revenue Mobilization
0.094
Transparency, Accountability and Corruption in Pub Sector
0.110
Infrastructure Development
0.049
Regional Integration
0.005
Loadings:
Factor1 Factor2
Fiscal Policy 0.785 0.371
Monetary Policy 0.647 0.377
Debt Policy 0.599 0.382
Financial Sector Development 0.342 0.583
Trade Policy 0.349 0.492
Business Regulatory Environment 0.355 0.471
Gender Equality 0.317 0.535
Equity of Public Resource Use 0.564 0.584
Building Human Resources 0.362 0.564
Social Protection and Labor 0.525 0.523
Environmental Policy and Regulations 0.539 0.615
Property Rights and Rule Based Governance 0.372 0.382
Quality of Budgetary and Financial Managmt 0.597 0.423
Quality of Public Administration 0.515 0.465
Efficiency of Revenue Mobilization 0.606 0.490
Transparency, Accountability and Corruption in Pub Sector 0.679 0.169
Infrastructure Development 0.304 0.816
Regional Integration 0.313 0.300
Factor3 Factor4
Fiscal Policy 0.292 0.253
Monetary Policy 0.269 0.397
Debt Policy 0.303 0.459
Financial Sector Development 0.448 0.468
Trade Policy 0.275 0.630
Business Regulatory Environment 0.644 0.374
Gender Equality 0.294 0.425
Equity of Public Resource Use 0.355 0.373
Building Human Resources 0.393 0.290
Social Protection and Labor 0.436 0.317
Environmental Policy and Regulations 0.286 0.261
Property Rights and Rule Based Governance 0.751 0.277
Quality of Budgetary and Financial Managmt 0.540 0.325
Quality of Public Administration 0.532 0.357
Efficiency of Revenue Mobilization 0.403 0.369
Transparency, Accountability and Corruption in Pub Sector 0.582 0.248
Infrastructure Development 0.294 0.327
Regional Integration 0.284 0.852
Factor1 Factor2 Factor3 Factor4
SS loadings 4.653 4.393 3.386 3.101
Proportion Var 0.258 0.244 0.188 0.172
Cumulative Var 0.258 0.503 0.691 0.863
Test of the hypothesis that 4 factors are sufficient.
The chi square statistic is 85.7 on 87 degrees of freedom.
The p-value is 0.52
Call:
factanal(x = ., factors = 5)
Uniquenesses:
Fiscal Policy
0.095
Monetary Policy
0.204
Debt Policy
0.190
Financial Sector Development
0.099
Trade Policy
0.163
Business Regulatory Environment
0.089
Gender Equality
0.330
Equity of Public Resource Use
0.076
Building Human Resources
0.268
Social Protection and Labor
0.005
Environmental Policy and Regulations
0.180
Property Rights and Rule Based Governance
0.075
Quality of Budgetary and Financial Managmt
0.069
Quality of Public Administration
0.109
Efficiency of Revenue Mobilization
0.081
Transparency, Accountability and Corruption in Pub Sector
0.127
Infrastructure Development
0.005
Regional Integration
0.021
Loadings:
Factor1 Factor2
Fiscal Policy 0.785 0.323
Monetary Policy 0.656 0.323
Debt Policy 0.594 0.333
Financial Sector Development 0.323 0.511
Trade Policy 0.364 0.434
Business Regulatory Environment 0.365 0.418
Gender Equality 0.309 0.485
Equity of Public Resource Use 0.564 0.538
Building Human Resources 0.331 0.501
Social Protection and Labor 0.475 0.434
Environmental Policy and Regulations 0.532 0.560
Property Rights and Rule Based Governance 0.374 0.331
Quality of Budgetary and Financial Managmt 0.597 0.369
Quality of Public Administration 0.509 0.417
Efficiency of Revenue Mobilization 0.627 0.440
Transparency, Accountability and Corruption in Pub Sector 0.659 0.133
Infrastructure Development 0.311 0.821
Regional Integration 0.315 0.258
Factor3 Factor4
Fiscal Policy 0.285 0.254
Monetary Policy 0.271 0.404
Debt Policy 0.292 0.463
Financial Sector Development 0.432 0.471
Trade Policy 0.282 0.644
Business Regulatory Environment 0.656 0.388
Gender Equality 0.274 0.424
Equity of Public Resource Use 0.352 0.381
Building Human Resources 0.361 0.284
Social Protection and Labor 0.376 0.301
Environmental Policy and Regulations 0.276 0.264
Property Rights and Rule Based Governance 0.744 0.281
Quality of Budgetary and Financial Managmt 0.538 0.329
Quality of Public Administration 0.521 0.359
Efficiency of Revenue Mobilization 0.413 0.381
Transparency, Accountability and Corruption in Pub Sector 0.559 0.239
Infrastructure Development 0.303 0.339
Regional Integration 0.279 0.842
Factor5
Fiscal Policy 0.197
Monetary Policy 0.160
Debt Policy 0.216
Financial Sector Development 0.356
Trade Policy 0.146
Business Regulatory Environment 0.149
Gender Equality 0.290
Equity of Public Resource Use 0.221
Building Human Resources 0.401
Social Protection and Labor 0.590
Environmental Policy and Regulations 0.278
Property Rights and Rule Based Governance 0.209
Quality of Budgetary and Financial Managmt 0.202
Quality of Public Administration 0.240
Efficiency of Revenue Mobilization 0.130
Transparency, Accountability and Corruption in Pub Sector 0.227
Infrastructure Development 0.134
Regional Integration 0.161
Factor1 Factor2 Factor3 Factor4 Factor5
SS loadings 4.578 3.591 3.251 3.138 1.256
Proportion Var 0.254 0.200 0.181 0.174 0.070
Cumulative Var 0.254 0.454 0.634 0.809 0.879
Test of the hypothesis that 5 factors are sufficient.
The chi square statistic is 64.8 on 73 degrees of freedom.
The p-value is 0.743 Análisis del Factor 1
Las cargas factoriales para el Factor 1 indican la fuerza de la relación entre cada variable y el factor. Las variables con cargas más altas (cercanas a 1) están más fuertemente asociadas al factor. Por ejemplo, “Equity of Public Resource Use” (0.952) y “Quality of Budgetary and Financial Management” (0.953) tienen cargas muy altas, lo que sugiere que son cruciales para este factor.
Este factor parece estar relacionado con aspectos de gobernanza y efectividad en la gestión pública. Las variables que tienen cargas altas están relacionadas con políticas fiscales, administrativas y de desarrollo, lo que sugiere que el factor representa un enfoque integral a la eficacia del gobierno en la asignación y manejo de recursos.
El Factor 1 explica el 78% de la varianza total, lo que indica que es un factor muy relevante en tu conjunto de datos. Esto significa que gran parte de la variabilidad observada en las variables está relacionada con este factor.
Los valores de unicidad (uniquenesses) indican la cantidad de varianza de cada variable que no se explica por el factor. Por ejemplo, “Gender Equality” tiene una unicidad de 0.396, lo que sugiere que una parte significativa de su varianza no se explica por el Factor 1. En cambio, “Equity of Public Resource Use” tiene una unicidad de 0.094, lo que significa que es fuertemente explicada por el factor.
El Factor 1 puede ser interpretado como una dimensión que captura la efectividad y calidad de las políticas públicas, con un fuerte énfasis en la gestión de recursos y la transparencia. Este factor es fundamental para entender cómo las diversas políticas se interrelacionan y contribuyen al contexto general de la gobernanza.
Análisis del Factor 2
Las cargas factoriales para el Factor 2 muestran cómo cada variable se relaciona con este factor. Las cargas más altas sugieren una asociación fuerte. Por ejemplo, “Transparency, Accountability and Corruption in Public Sector” (0.904) y “Quality of Budgetary and Financial Management” (0.766) son las variables más asociadas a este factor.
El Factor 2 parece capturar la dimensión de transparencia y rendición de cuentas en la gestión pública. Las variables relacionadas con la calidad de la administración pública, la gestión financiera y la corrupción son fundamentales para este factor. Esto sugiere que este factor está enfocado en cómo las instituciones manejan sus recursos y la importancia de la transparencia en estos procesos.
El Factor 2 explica el 37.8% de la varianza total, lo que indica que, aunque es relevante, no es tan fuerte como el Factor 1. La suma de la varianza explicada por ambos factores es 81.2%, lo que sugiere que juntos representan una porción significativa de la variabilidad en los datos.
Los valores de unicidad indican cuánta varianza de cada variable no se explica por el factor. Por ejemplo, “Gender Equality” tiene una unicidad de 0.352, lo que sugiere que una parte considerable de su varianza no se captura con este factor. En cambio, “Quality of Budgetary and Financial Management” tiene una unicidad baja (0.068), indicando que está bien representada por el Factor 2.
El Factor 2 se puede interpretar como una dimensión que se centra en la transparencia y la efectividad de la gestión pública. La alta carga de variables relacionadas con la rendición de cuentas y la calidad de la administración pública sugiere que este factor es crucial para entender cómo se percibe la gestión pública en términos de confianza y responsabilidad.
Análisis del Factor 3
En el Factor 3, las cargas factoriales revelan la relación de diversas variables con este factor. Las variables con cargas más altas indican una relación más fuerte. Por ejemplo, “Property Rights and Rule Based Governance” (0.756) y “Transparency, Accountability and Corruption in Public Sector” (0.616) son las más asociadas a este factor.
El Factor 3 parece centrarse en aspectos relacionados con la gobernanza y la regulación. Las altas cargas de las variables relacionadas con los derechos de propiedad y la transparencia sugieren que este factor se relaciona con la calidad de la gobernanza y la importancia de un marco normativo efectivo para el desarrollo.
Este factor explica el 20.2% de la varianza total, lo que, aunque es menos que los dos primeros factores, indica que sigue siendo relevante. La proporción de varianza acumulada por los tres factores es 83.5%, sugiriendo que estos factores juntos explican una porción significativa de la variabilidad en los datos.
Los valores de unicidad ayudan a comprender qué parte de la varianza de cada variable no es explicada por el factor. Por ejemplo, “Gender Equality” tiene una unicidad de 0.353, indicando que una gran parte de su varianza no está capturada por este factor. En cambio, “Quality of Budgetary and Financial Management” tiene una unicidad baja (0.557), sugiriendo que está bien representada por el Factor 3.
El Factor 3 se puede interpretar como una dimensión que se enfoca en la gobernanza y la regulación, destacando la importancia de los derechos de propiedad y la transparencia en la administración pública. Este factor es crucial para entender cómo un marco normativo robusto puede influir en el desarrollo y la efectividad de las políticas públicas.
Análisis del Factor 4
En el Factor 4, las cargas factoriales indican la relación de las variables con este factor. La variable “Regional Integration” tiene una carga muy alta (0.852), lo que sugiere que este factor se relaciona estrechamente con el concepto de integración regional.
Este Factor 4 se puede interpretar como un enfoque en la integración regional y la colaboración internacional. La alta carga de esta variable indica que la integración regional es un aspecto crucial dentro de este factor, sugiriendo que políticas y acciones relacionadas con la cooperación entre países tienen un papel destacado.
Este factor explica el 17.2% de la varianza total. Aunque es menos significativo que los factores anteriores, sigue siendo relevante, especialmente porque contribuye a la acumulación del 86.3% de varianza explicada por los cuatro factores.
Los valores de unicidad muestran que muchas variables tienen baja unicidad, lo que indica que son bien representadas por los factores. Por ejemplo, “Infrastructure Development” tiene una unicidad de 0.049, sugiriendo que casi toda su varianza es explicada por este factor, en combinación con “Regional Integration”.
El Factor 4 refleja la importancia de la integración y cooperación regional en el contexto de políticas públicas. La alta carga de “Regional Integration” sugiere que este factor es fundamental para entender cómo las políticas de integración impactan en el desarrollo y la efectividad de las estrategias en diferentes áreas.
Análisis del Factor 5
En el Factor 5, las cargas factoriales son relativamente bajas en comparación con los factores anteriores. Esto indica que este factor no está tan fuertemente asociado con las variables como los factores previos. Las cargas más altas se encuentran en “Social Protection and Labor” (0.590) y “Building Human Resources” (0.401), lo que sugiere que este factor podría estar relacionado con aspectos sociales y laborales.
Este Factor 5 parece representar un enfoque en las políticas de protección social y desarrollo de recursos humanos. La alta carga en “Social Protection and Labor” indica que este aspecto es crucial para entender el contexto de este factor. Sin embargo, la menor carga en otras variables sugiere que este factor es menos relevante en la representación general de los datos.
El Factor 5 explica solo el 7.0% de la varianza total, lo que indica que su contribución a la comprensión de los datos es limitada en comparación con los otros factores. Esto se traduce en que, aunque es un factor identificado, no capta una cantidad significativa de variabilidad en las respuestas de las variables.
Las unicidades son relativamente bajas, indicando que muchas variables son bien representadas por los factores. Por ejemplo, “Social Protection and Labor” tiene una unicidad muy baja (0.005), lo que significa que casi toda su varianza es explicada por el modelo.
El Factor 5 refleja la importancia de las políticas de protección social y desarrollo laboral, aunque su impacto es limitado en comparación con otros factores. Su baja varianza explicada sugiere que, aunque es un aspecto relevante, no es fundamental para el análisis general del conjunto de datos.
CONCLUSION: El modelo con 3 factores es el mejor, ya que proporciona una representación adecuada del fenómeno estudiado con el menor número de factores. Aunque los modelos con 4 y 5 factores también son válidos, su complejidad adicional no parece aportar mejoras significativas en el ajuste, dado que los p-valores son más altos y sugieren que la variabilidad de los datos se puede explicar de manera efectiva con solo 3 factores.
4b. ¿Tienen alguna relación los factores resultantes con los 5 grupos de variables originales?
Factor 1 está fuertemente relacionado con políticas fiscales, monetarias, de deuda y de desarrollo del sector financiero. Factor 2 se relaciona con infraestructura y desarrollo regional. Factor 3 está más vinculado a la propiedad de derechos y al entorno regulatorio empresarial. Factor 4 se centra en la integración regional y la eficiencia en la movilización de recursos. Factor 5 resalta la protección social y la calidad de la administración pública. Esto sugiere que los factores capturan efectivamente las dinámicas y relaciones entre las diferentes áreas de política analizadas.