Beruflich Dokumente
Kultur Dokumente
RESUMO
A presente investigao trata a mensurao do bem-estar ou da qualidade de vida dos
municpios portugueses. Os dados utilizados na anlise so referentes essencialmente ao ano
de 2010, os ltimos disponibilizados pelo INE. Para que isso seja possvel vai-se calcular um
ndice de desenvolvimento econmico e social que nos vai permitir depois ordenar os
municpios segundo o seu nvel de desenvolvimento econmico e social. Esse ranking ou
ordenao vai ter na sua base informao de um grande nmero de variveis que para o
efeito vamos agrupar sob as designaes de condies econmicas, sociais e materiais.
Em termos metodolgicos, esta investigao utiliza duas tcnicas estatsticas multivariadas,
sendo elas a anlise fatorial, de que resulta a criao do dito ndice concelhio de
desenvolvimento econmico e social, e a anlise de clusters que nos vai permitir ordenar os
municpios por ndices de desenvolvimento.
Com esta investigao, pretende-se a obteno de resultados credveis e lgicos, de fcil
interpretao, que permitam a discusso dos nveis de qualidade de vida em sentido lato, ou
ABSTRACT
The present research focuses the measurement of well-being/quality of life of the Portuguese
municipalities referring essentially to the year 2010. To make this possible we propose the
creation of an index in order to sort the municipalities according to their level of economic
and social development making up a ranking for this purpose, taking into account many
variables related to economic, social and materials.
In terms of methodology, this research uses two multivariate statistical techniques, these
being the factor analysis, resulting in the creation of the municipal index of economic and
social development, and cluster analysis.
At the end of this research, it is intended to achieve results credible and logical, easily
understandable, with the possibility of discussing the application of the method to the
Portuguese 308 municipalities.
NDICE
1.
1.2.
Justificao do tema...................................................................................................... 5
1.3.
1.3.1.
1.3.2.
Objetivos especficos............................................................................................. 7
1.4.
Hipteses em investigao............................................................................................ 8
2
2.
1.5.
1.6.
ASPECTOS METODOLGICOS.............................................................................................. 11
2.1.
3.
2.3.
2.4.
3.2.
3.2.1.
3.2.2.
3.2.3.
3.2.4.
3.3.
3.4.
CONCLUSO ................................................................................................................................ 26
BIBLIOGRAFIA .............................................................................................................................. 27
ANEXOS ....................................................................................................................................... 29
INTRODUO
A qualidade de vida ou o bem-estar do ser humano no se define de uma s forma havendo
antes diversas abordagens que a literatura especializada se vai encarregando de divulgar. A
questo da sua mensurao, a nvel dos municpios portugueses, complicada devido
imensido de elementos que a afetam, sejam eles de carcter qualitativo ou quantitativo.
Para medirmos o bem-estar concelhio ou nvel de desenvolvimento econmico e social, que
o objetivo deste trabalho, necessrio fazer uma escolha criteriosa dos dados disponveis a
nvel em todas as unidades territoriais (neste caso os 308 concelhos).
A literatura nacional e internacional mostra-nos que as tcnicas de anlise e os indicadores
utilizados so cada vez mais sofisticados e exigentes sob o ponto de vista cientfico. Tendo
em conta a informao disponvel julgada pertinente para o fim em vista, este artigo prope
a criao de um nico indicador que sintetiza os vrios indicadores que explicam o bem-estar
concelhio de modo a proceder-se sua classificao, e elaborao de um ranking de
qualidade de vida dos 308 municpios portugueses. Esse indicador parte, mas no se esgota a,
de um mtodo estatstico muito referido pela literatura econmica que a Anlise Fatorial
Regies
A qualidade de vida no um conceito recente, muito pelo contrrio, remontando a tempos
j bastante antigos; contudo, foi com o passar dos anos que as pessoas lhe foram atribuindo
mais ateno e significado. O conceito de qualidade de vida subjetivo e multidimensional.
Como refere Kinlaw (2006), mais de 100 definies de qualidade de vida foram registadas na
literatura econmica, uma das quais define a qualidade de vida como a felicidade ou a "boa
vida "; outros afirmam que qualidade de vida sinnimo de bem-estar subjetivo ou de
satisfao com a vida. Segundo Gmez, citado por Meregueet al. (2000), definir qualidade
de vida implica formas inditas de identidade, cooperao, solidariedade, participao e
realizao, assim como satisfao de necessidades e aspiraes tendo em vista as
transformaes sociais (Gmez 2000: 2). Khan (2002) acrescenta que, a definio do nvel
de vida deve ser entendida como um estado atual das suas condies concretas de vida e no
como um estado desejado (Khan, op cit.,p.273).
De acordo com Manso e Simes (2009) e Manso e Valenciano (2009), no h somente uma
definio para a qualidade de vida, pois existem maneiras diferentes que correspondem a
diferentes interesses, estratgias ou pontos de vista relacionados com o sentido e as
1.2.
Justificao do tema
1.3.
Objetivos da investigao
1.4.
Hipteses em investigao
Tendo em conta os objetivos apresentados, esta investigao vai procurar testar apresenta as
seguintes hipteses:
H1 A anlise fatorial adequada para realizar este estudo;
H2 H diferenas significativas entre os 308 concelhos do pas;
H3 A anlise fatorial adequada para calcular o ranking dos municpios portugueses;
H4 A anlise cluster adequada para criar macrorregies de desenvolvimento dos municpios
do pas;
H5 H diferenas significativas entre os concelhos localizados no Litoral e os localizados no
Interior e Ilhas.
1.5.
1.6.
Reviso da Literatura
A qualidade de vida, enquanto conceito, remonta a tempos j bastante antigos, mas foi
recentemente que as pessoas lhe tm vindo a dar mais importncia. De acordo com TobelemZanin (1995) melhorar as condies de vida e aumentar o bem-estar so preocupaes
centrais de qualquer indivduo. Ferro et al (2004) defendem que o conceito de qualidade de
vida surge de um conjunto de: (i) dimenses qualitativas e subjetivas que se desenvolvem
tanto a nvel individual (nvel de satisfao com a vida, felicidade, enriquecimento e
percees de sade) como a nvel coletivo (a capacidade de participao cvica, a capacidade
de influenciar os desenvolvimentos sociais...), e (ii) de dimenses quantitativas e objetivas,
que moldam e limitam a vida individual (o nvel de instruo, a alfabetizao, o rendimento,
o acesso a bens e servios) e a vida coletiva (as condies ambientais, as condies
socioeconmicas, a disponibilidade de bens e servios pblicos, o desempenho dos sistemas
de segurana social e o nvel de desemprego). Villavicencio, B. P. e Pardo, G. L. (1999),
PIB per capita, FBCF per capita, poupana per capita, emprego (%total da fora de trabalho), nmero
de casas novas/100 habitantes, nmero de automveis particulares/100 hab., nmero de alunos
10
2.
ASPECTOS METODOLGICOS
2.1.
A anlise fatorial (AF) permite identificar novas variveis, em nmero menor que o conjunto
inicial, mas sem perda significativa de informao contida nesse conjunto (Reis, 2001). Para
que tal seja possvel, necessrio analisar as relaes entre as variveis utilizando, por
exemplo, o coeficiente de correlao linear como medida de associao entre cada par de
variveis. A matriz das correlaes poder permitir identificar subconjuntos de variveis que
esto muito correlacionados entre si no interior de cada subconjunto, mas pouco associados a
variveis de outros subconjuntos. Perante tal situao, a AF permite explicar o padro de
correlaes atravs de um nmero reduzido de fatores.
A anlise fatorial pode ser exploratria ou confirmatria dependendo do objetivo da sua
utilizao, sendo que a anlise fatorial exploratria, utilizada com o objetivo de reduzir a
dimenso dos dados, ou seja, para identificar um conjunto de variveis muito significativas e
confirmatria se for utilizada para testar uma hiptese inicial de que os dados podero ser
reduzidos a uma determinada dimenso e de qual a distribuio das variveis segundo essa
dimenso.
Nesta investigao, utilizou-se o software informtico SPSS v. 19 (Statistical Package for
Social Sciences), para efetuar a analise fatorial exploratria que pressupe algumas etapas
prvias, nomeadamente: 1) Verificar a existncia de correlao estatstica entre as variveis;
2) Averiguar a adequao da anlise aos dados; 3) Escolher o mtodo de extrao dos
fatores/componentes principais; 4) Escolher o mtodo de rotao dos fatores; e 5) Construir a
matriz dos scores individuais.
A existncia de correlao estatstica entre as variveis verificada atravs do Teste de
esfericidade de Bartlett que testa a hiptese de a matriz de correlaes ser uma matriz
identidade e o seu determinante ser igual a 1, sinalizando o facto de as variveis no estarem
correlacionadas entre si. Aps modificaes sugeridas por Jackson (1993), a expresso do
teste assumiu a seguinte forma:
11
0,9 - 1
Muito boa
0,8 - 0,9
Boa
0,7 - 0,8
Mdia
0,6 - 0,7
Razovel
0,5 - 0,6
M ou Insuficiente
< 0,5
Inaceitvel
Fonte: Sharma, S. (1996). Applied Multivariate Techniques.
Segundo Elizabeth Reis, a extrao dos fatores ou componentes principais e o seu nmero
para representar adequadamente os dados iniciais pode ser realizada atravs de um dos
quatro mtodos seguintes: Mtodo das componentes principais (PC) uma tcnica de anlise
exploratria multivariada que transforma um conjunto de variveis correlacionadas entre si
num conjunto menor de variveis independentes, combinaes lineares das variveis
originais, designadas por componentes principais (Maroco, 2003:231) que expliquem o
mximo possvel da variao existente nos dados. As componentes principais so calculadas
por ordem decrescente de importncia, sendo que a primeira explica o mximo possvel de
importncia, e a ltima ser a que tem menor contribuio para a explicao da varincia
total dos dados originais. Mtodo da mxima verossimilhana (ML) utilizado atravs de um
pequeno conjunto retirado de uma amostra normal. Este tem como principal objetivo explicar
a matriz de correlaes. Mtodo dos mnimos quadrados (OLS) tem como principal objetivo
obter o melhor ajustamento para uma amostra atravs da minimizao da soma dos
quadrados das diferenas entre o valor estimado e os dados observados, denominados
resduos. Este mtodo, para ser convenientemente aplicado, exige que os erros satisfaam um
determinado conjunto de hipteses e que tenham distribuio aleatria com mdia nula e
varincia constante, entre outras. Mtodo alfa (M) usado geralmente para um pequeno
conjunto de variveis sendo que os indivduos so toda a populao. O principal objetivo
deste mtodo maximizar o coeficiente de fiabilidade dos fatores.
Para que as componentes sejam mais facilmente interpretveis, habitual proceder-se sua
rotao partindo do princpio de que quanto mais a contribuio de uma varivel latente ou
12
2.2.
13
2.4.
14
Casos atpicos
15
3.
DE CONCELHIA PORTUGUESA
O objetivo primordial da investigao reduzir o nmero de variveis significativas para o
estudo e proceder classificao dos Municpios segundo o seu nvel de desenvolvimento
econmico e social. Para tal construda uma base de dados e utilizado um mtodo da
Anlise Multivariada conhecido como Anlise Fatorial. Atravs desta, segundo o mtodo dos
componentes principais e usando uma rotao adequada investigao, a rotao VARIMAX,
consegue-se atingir um conjunto de fatores ou variveis latentes restrito para que seja
facilitada a interpretao dos mesmos.
A base de dados constituda por 14784
308 concelhos do pas. Recorrendo posteriormente aos pesos fatoriais obtidos na varincia
total explicada, utilizados como coeficientes de ponderao depois de ajustados de forma a a
sua soma dar 100%, obtm-se uma mdia aritmtica dos valores das variveis lactentes
seleccionadas que o Indicador Concelhio de Desenvolvimento Econmico e Social e elaborase o ranking dos municpios Portugueses.
3.1.
Os dados para a elaborao do presente estudo foram recolhidos dos Anurios Estatsticos
publicados pelo Instituto Nacional de Estatstica (INE) das vrias regies referentes ao ano de
2010. A base de dados constituda pelos 308 concelhos em que se divide Portugal
Continental e Ilhas, e 48 variveis socioeconmicas. O principal objetivo desta recolha a
9
16
17
3.2.
Principais
3.2.1. Adequao dos Dados da Amostra para a Anlise Fatorial
A matriz das correlaes, apresentada no Quadro 2, e o teste de Kaiser-Meyer-Olkin (KMO)
permitem verificar se os dados so adequados para se realizar a anlise fatorial.
POPULAO
AMBIENTE
CULT E LAZER
EDUCAO
SADE
SEGURANA
RENDIMENTO/C
ONSUMO
MERC
HABITAO
MERC DE
TRABALHO
DINAMISMO
ECON
TURISMO
,430
,513
,351
-,466
,232
,332
,118
-,088
-,027
-,042
-,193
,077
-,116
,152
EQUIP EDUCAO
,430
1,000
,465
,273
-,254
,054
,277
,247
-,260
,138
-,297
-,320
-,170
-,366
-,105
EQUIP SADE
,513
,465
1,000
,588
-,624
,248
,436
,012
-,303
,103
-,182
-,252
,028
-,194
-,022
EQUIP CULTURAIS
,351
,273
,588
1,000
-,388
,231
,342
-,006
-,159
,070
-,103
-,157
,006
-,068
,002
-,466
-,254
-,624
-,388
1,000
-,107
-,323
-,238
,357
-,303
,342
,414
,166
,063
,181
AMBIENTE
,232
,054
,248
,231
-,107
1,000
,225
-,024
-,045
-,105
,202
,117
,175
,026
,198
CULTURA E LAZER
,332
,277
,436
,342
-,323
,225
1,000
,086
-,305
,053
-,143
-,204
,004
-,131
,021
EDUCAO
,118
,247
,012
-,006
-,238
-,024
,086
1,000
-,093
,144
-,103
-,179
-,046
,099
-,116
SADE
-,088
-,260
-,303
-,159
,357
-,045
-,305
-,093
1,000
-,277
,461
,467
,275
,200
,319
SEGURANA
-,027
,138
,103
,070
-,303
-,105
,053
,144
-,277
1,000
-,473
-,402
-,287
-,261
-,470
RENDIMENTO/CONSUMO
-,042
-,297
-,182
-,103
,342
,202
-,143
-,103
,461
-,473
1,000
,632
,484
,540
,467
MERCADO HABITAO
-,193
-,320
-,252
-,157
,414
,117
-,204
-,179
,467
-,402
,632
1,000
,359
,307
,369
,077
-,170
,028
,006
,166
,175
,004
-,046
,275
-,287
,484
,359
1,000
,350
,428
-,116
-,366
-,194
-,068
,063
,026
-,131
,099
,200
-,261
,540
,307
,350
1,000
,328
,152
-,105
-,022
,002
,181
,198
,021
-,116
,319
-,470
,467
,369
,428
,328
1,000
POPULAO
MERC DE TRABALHO
DINAMISMO ECON
TURISMO
EQUIP
CULTURAIS
EQUIP
EDUCAO
1,000
EQUIP COMUNICAO
EQUIP SADE
EQUIP
COMUNICAO
18
Approx. Chi-Square
0,783
1599,304
df
Sig.
105
0,000
O valor da medida KMO 0,783 situado no intervalo 0.7 0.8, o que permite classificar o grau
de adequao dos dados da amostra anlise fatorial como mdio (Quadro 3). O teste de
esfericidade de Bartlett, que testa a proximidade da matriz das correlaes matriz
identidade, apresenta um valor de 1599,304 (qui-quadrado observado com 105 graus de
liberdade) com uma probabilidade (de rejeio de H0) de 0.000. Como o valor inferior a
0.05, o nvel de significncia habitual, ento rejeita-se a hiptese nula (H0), que diz que a
matriz das correlaes no uma matriz identidade. Deste modo, permite confirmar, mais
uma vez, que os dados so adequados elaborao da anlise fatorial.
19
Initial Eigenvalues
%
Cumulative
Total
Loadings
%
Cumulative
Loadings
%
Cumulative
Component
Total
4,283 ofVariance
28,555
%
28,555
4,283 ofVariance
28,555
%
28,555
3,352 ofVariance
22,344
%
22,344
2,665
17,765
46,320
2,665
17,765
46,320
3,012
20,080
42,424
1,195
7,965
54,286
1,195
7,965
54,286
1,527
10,180
52,604
1,033
6,885
61,170
1,033
6,885
61,170
1,285
8,566
61,170
,858
5,720
66,890
,792
5,279
72,169
,671
4,471
76,639
,663
4,420
81,060
,589
3,924
84,983
10
,528
3,523
88,506
11
,472
3,149
91,655
12
,436
2,906
94,561
13
,363
2,423
96,984
14
,262
1,745
98,729
15
,191
1,271
100,000
20
Component
2
,163
-,114
-,107
-,057
,392
,258
-,087
-,107
,606
-,703
,786
,680
,625
,405
,750
3
,613
,328
,829
,726
-,655
,521
,630
-,027
-,358
,049
-,060
-,212
,150
-,020
,122
4
-,404
-,735
-,214
-,040
-,059
,101
-,110
-,033
-,027
,070
,342
,210
,264
,716
,014
,287
,301
,039
-,073
-,341
-,172
,027
,890
-,019
,112
-,001
-,211
,071
,323
,002
adquirimos pr-resultados e se pode fazer uma identificao prvia dos componentes de cada
fator. A soluo fatorial encontrada para o modelo de anlise fatorial nem sempre
facilmente interpretvel, isto , os pesos fatoriais das variveis nos fatores comuns podem ser
tais, que no possvel atribuir um significado emprico aos fatores extrados. Nestas
condies aconselhvel aplicar-se uma rotao de fatores de modo a obter uma estrutura
de fatores de fcil perceo e interpretao.
O mtodo de rotao mais adequado ao estudo o mtodo VARIMAX com normalizao de
Kaiser que tem como principal objetivo obter uma estrutura fatorial na qual cada uma das
variveis originais esteja fortemente associada com um nico fator e pouco associada com os
restantes.
21
3.3.
22
MUNICPIO
Lisboa
Porto
Albufeira
Funchal
Coimbra
Marvo
Constncia
Cascais
Loul
Oeiras
Vimioso
Vila do Bispo
Portimo
Lagos
Sines
Alter do Cho
Barrancos
Santa Cruz das Flores
Tavira
Faro
Aljezur
Castro Marim
Vila Real de Santo Antnio
Castro Verde
Lagoa
So Joo da Madeira
Castelo de Vide
Pedrgo Grande
Gis
Ponta Delgada
ICDES
128,635
90,726
84,482
62,224
60,844
60,583
59,961
59,544
58,838
57,967
56,409
56,231
56,153
55,586
54,255
54,217
53,024
52,515
52,404
51,834
51,833
51,368
51,205
50,114
50,063
50,056
49,149
49,014
48,960
48,355
O Quadro 7 mostra-nos o ranking ou ordenao dos ltimos trinta municpios do Pas, os seja,
com pior classificao.
Analisando os mesmos, na sua maioria, referem-se a municpios localizados no norte
(dezanove), seguindo a regio centro (cinco), Lisboa com apenas um (Moita), Regio
Autnoma da Madeira10 com 2 e Regio Autnoma dos Aores11 com 3. Estas classificaes
resultam, do fraco dinamismo econmico existente na regio, do envelhecimento da
populao, etc.. De referir que os trinta ltimos classificados so essencialmente reas rurais.
10
11
23
MUNICPIO
Vila Pouca de Aguiar
Gondomar
Amarante
Carrazeda de Ansies
Ribeira Brava
Amares
Valpaos
Castro Daire
Pvoa de Lanhoso
Santa Marta de Penaguio
Ribeira Grande
Soure
Moita
Trofa
Cinfes
Paredes
Vila Verde
Marco de Canaveses
Vizela
Penalva do Castelo
Ponte da Barca
Lousada
Vila Franca do Campo
Sto
Castelo de Paiva
Miranda do Corvo
Baio
Celorico de Basto
Nordeste
Cmara de Lobos
ICDES
23,629
23,522
23,438
23,383
23,374
23,236
23,181
22,940
22,893
22,672
22,594
22,479
22,473
22,461
22,134
22,078
21,774
21,691
21,678
21,413
21,342
20,423
20,383
20,091
19,985
19,624
19,580
18,344
17,447
14,500
3.4.
Concelhio
O mtodo hierrquico foi realizado com vrias medidas de distncia com vista a obter um
nmero de clusters admissvel, sendo cada grupo de municpios homogneo. Ao proceder-se
elaborao dos vrios critrios obteve-se resultados diferentes, como era de esperar. Atravs
de investigao previamente realizada e anlise dos clusters formados, o mtodo que obtm
melhor estatstica e soluo interpretativa o mtodo Ward (Figura 2) com quatro clusters.
Figura 1 Anlise Cluster - Dendrograma (mtodo Ward)
24
O mtodo de otimizao surge com objetivo de melhorar a soluo obtida atravs do mtodo
anterior, uma vez definido o nmero de clusters, atravs do mtodo k-means. Seguindo todas
as etapas sugeridas pelo mtodo, obteve-se quatro clusters consoante as suas caractersticas
socioeconmicas. A sua representao grfica visvel na Figura 2., onde se destacam as
diferenas de desenvolvimento entre as zonas do interior e do litoral e entre norte e sul, com
algumas excees.
Figura 2 Repartio do municpios por Clusters
O cluster 1, possui apenas o municpio Lisboa, sendo, sem margem de dvidas o mais
desenvolvido do Pas. Apesar dos elevados nveis de poluio, os nveis de criminalidade e
outras variveis que influenciam negativamente o nvel de qualidade de vida, apresenta um
elevado dinamismo econmico, incluindo a nvel turstico, mais ofertas de emprego,entre
outras caractersticas diferenciadoras. Em concluso, este cluster apresenta nveis de
condies econmicas, sociais e materiais muito acima da mdia dos concelhos do pas.
O cluster 2 constitudo apenas por dois municpios: Porto e Albufeira, situados ambos na
orla costeira, tm uma afluncia turstica enorme, devido s suas condies climticas, possui
um forte dinamismo econmico, densidade populacional, indicadores de conforto domstico,
como cultura, comunicao, sade e educao.
O cluster 3 constitudo essencialmente por municpios do litoral centro e norte e zona
alentejana para alm de um ou outro municpio do interior, particularmente em zonas mais
planas e ainda das regies insulares; o cluster com mais municpios: 205.
25
CONCLUSO
Terminada a investigao vamos agora referir o que de fundamental se deixou escrito ao
longo desta dissertao de mestrado. A primeira concluso a reter deste trabalho que a
anlise fatorial adequada para a realizao do estudo, confirmando-se deste modo a
hiptese H1 desta investigao. Esta tcnica multivariada permitiu-nos identificar os 4 fatores
explicativos do desenvolvimento econmico-social dos municpios portugueses, as chamadas
variveis latentes.
A identificao dos fatores, ou seja, os principais eixos de caracterizao socioeconmica,
permitiu-nos o clculo posterior do ndice Concelhio de Desenvolvimento Econmico e Social e
atravs deste efetuar o ranking ou ordenao dos municpios portugueses, confirmando o
estipulado na hiptese H3. A anlise fatorial tambm nos permitiu identificar as regies do
pas por diferentes nveis de desenvolvimento, confirmando-se deste modo a hiptese H2, o
que significa que h diferenas significativas de desenvolvimento e de qualidade de vida
entre os diversos municpios portugueses.
Podemos tambm referir que a anlise cluster se revelou adequada para a arrumao dos
municpios em quatro macrorregies de desenvolvimento econmico e social, dos municpios
portugueses, confirmando-se deste modo a hiptese H4.
A anlise fatorial, o ranking conseguido a partir dela e a anlise cluster confirmam que h
diferenas significativas entre alguns dos municpios localizados no litoral e outros localizados
no interior do pas, verificando deste modo tambm a hiptese H5.
Confirma-se o que anteriormente foi afirmado que a seleo dos indicadores influencia
significativamente o ranking dos municpios em termos do seu nvel de bem-estar, podendo
isso explicar a incluso de municpios em determinados nveis ou clusters quando seria de
esperar outro tipo de resultados pelo conhecimento que deles temos.
De um modo em geral, os resultados obtidos no apresentam grandes surpresas relativamente
s expectativas e aos estudos previamente publicados e j referidos na reviso da literatura,
designadamente aos publicados por Ferro (2004), Manso e (2006), Manso e Simes (2009) e
Manso e Valenciano (2009). No entanto convm salientar que, como estes resultados
26
27
28
ANEXOS
Anexo 1 Ranking dos Municpios Portugueses segundo o ICDES
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.
50.
51.
52.
53.
54.
MUNICPIO
Lisboa
Porto
Albufeira
Funchal
Coimbra
Marvo
Constncia
Cascais
Loul
Oeiras
Vimioso
Vila do Bispo
Portimo
Lagos
Sines
Alter do Cho
Barrancos
Santa Cruz das Flores
Tavira
Faro
Aljezur
Castro Marim
Vila Real de Santo Antnio
Castro Verde
Lagoa
So Joo da Madeira
Castelo de Vide
Pedrgo Grande
Gis
Ponta Delgada
Porto Santo
Aveiro
Campo Maior
Matosinhos
Fronteira
Almeida
vora
Viana do Alentejo
Sardoal
Grndola
Vila Velha de Rdo
Crato
Figueira da Foz
Nazar
Miranda do Douro
Braga
Vidigueira
Beja
Leiria
Vila de Rei
Redondo
Vila Nova de Cerveira
Arraiolos
Palmela
ICDES
128,635
90,726
84,482
62,224
60,844
60,583
59,961
59,544
58,838
57,967
56,409
56,231
56,153
55,586
54,255
54,217
53,024
52,515
52,404
51,834
51,833
51,368
51,205
50,114
50,063
50,056
49,149
49,014
48,960
48,355
47,082
47,077
46,787
46,633
46,309
46,096
45,971
45,881
45,416
45,396
44,869
44,775
44,358
43,692
43,560
43,236
43,195
43,095
43,060
42,779
42,576
42,149
41,834
41,616
29
55.
56.
57.
58.
59.
60.
61.
62.
63.
64.
65.
66.
67.
68.
69.
70.
71.
72.
73.
74.
75.
76.
77.
78.
79.
80.
81.
82.
83.
84.
85.
86.
87.
88.
89.
90.
91.
92.
93.
94.
95.
96.
97.
98.
99.
100.
101.
102.
103.
104.
105.
106.
107.
108.
109.
110.
111.
112.
113.
114.
115.
Oleiros
Mafra
Alcanena
Ferreira do Alentejo
Portalegre
Marinha Grande
Montemor-o-Velho
Monforte
Sousel
Alcoutim
So Vicente
bidos
Mora
Alvito
Horta
Montijo
Alcochete
Coruche
Bragana
Silves
Loures
Oliveira de Frades
Santarm
Avis
Mortgua
Santiago do Cacm
Belmonte
Vila Nova de Foz Ca
Alccer do Sal
Manteigas
Elvas
Ourique
Almada
Lajes do Pico
Penela
Viseu
Penamacor
Aljustrel
Montemor-o-Novo
Setbal
Idanha-a-Nova
Maia
Torre de Moncorvo
Espinho
Arronches
Almodvar
Ourm
Castelo Branco
Azambuja
Torres Vedras
Mrtola
Nisa
Vila Nova de Gaia
Rio Maior
Cartaxo
Calheta (R.A.A.)
Santa Cruz da Graciosa
Alfndega da F
Torres Novas
Mao
Gavio
41,569
41,556
41,421
41,237
41,102
41,087
40,997
40,993
40,938
40,923
40,769
40,428
40,403
40,362
40,267
40,199
40,146
40,023
39,977
39,825
39,782
39,428
39,358
39,354
39,339
39,305
39,303
39,255
39,113
38,944
38,857
38,789
38,781
38,724
38,392
38,378
38,300
38,226
38,201
38,064
37,869
37,626
37,503
37,492
37,447
37,409
37,147
37,122
37,118
37,059
36,603
36,568
36,467
36,392
36,391
36,372
36,346
36,007
35,909
35,790
35,618
30
116.
117.
118.
119.
120.
121.
122.
123.
124.
125.
126.
127.
128.
129.
130.
131.
132.
133.
134.
135.
136.
137.
138.
139.
140.
141.
142.
143.
144.
145.
146.
147.
148.
149.
150.
151.
152.
153.
154.
155.
156.
157.
158.
159.
160.
161.
162.
163.
164.
165.
166.
167.
168.
169.
170.
171.
172.
173.
174.
175.
176.
Viana do Castelo
Madalena
Caldas da Rainha
Meso Frio
Ponte de Sor
Alandroal
Vila Real
Peniche
Figueira de Castelo Rodrigo
Caminha
Porto Moniz
Cuba
Estremoz
Sintra
Batalha
Pampilhosa da Serra
Figueir dos Vinhos
Monchique
Serpa
Sert
Vila da Praia da Vitria
Angra do Herosmo
Castanheira de Pra
Guarda
Terras de Bouro
Vila do Porto
Cantanhede
Vila Flor
Estarreja
Alcobaa
Vila Viosa
Velas
Benavente
Arruda dos Vinhos
Valongo
Goleg
Vendas Novas
So Roque do Pico
Arganil
Pvoa de Varzim
Valena
Abrantes
Penedono
Vouzela
Moura
Borba
Lajes das Flores
Melgao
Trancoso
Pombal
Sabugal
Mondim de Basto
Freixo de Espada Cinta
So Brs de Alportel
Odemira
Vila do Conde
Bombarral
Aguiar da Beira
Ferreira do Zzere
Chamusca
Almeirim
35,587
35,571
35,510
35,503
35,457
35,288
35,221
35,215
35,204
35,120
35,038
35,019
34,748
34,729
34,694
34,687
34,669
34,647
34,517
34,323
34,247
34,242
34,182
34,165
34,146
34,089
34,020
33,966
33,959
33,872
33,844
33,790
33,703
33,647
33,645
33,517
33,503
33,416
33,375
33,351
33,309
33,237
33,077
33,008
32,775
32,706
32,671
32,656
32,651
32,524
32,434
32,350
32,265
32,181
32,168
32,103
32,086
32,070
32,021
31,652
31,604
31
177.
178.
179.
180.
181.
182.
183.
184.
185.
186.
187.
188.
189.
190.
191.
192.
193.
194.
195.
196.
197.
198.
199.
200.
201.
202.
203.
204.
205.
206.
207.
208.
209.
210.
211.
212.
213.
214.
215.
216.
217.
218.
219.
220.
221.
222.
223.
224.
225.
226.
227.
228.
229.
230.
231.
232.
233.
234.
235.
236.
237.
Seia
Sabrosa
Porto de Ms
Lamego
Proena-a-Nova
Vila Nova de Famalico
Alvaizere
Tondela
Montalegre
Oliveira do Bairro
Olho
Alpiara
Vinhais
Vila Franca de Xira
Mogadouro
Mira
Mono
Entroncamento
Peso da Rgua
Nelas
Anadia
Lourinh
Mura
Fornos de Algodres
Guimares
Covilh
Alij
Vila Nova de Poiares
Odivelas
Tomar
Ansio
Ovar
Seixal
Tarouca
Santana
Reguengos de Monsaraz
Vieira do Minho
Chaves
Esposende
lhavo
Vale de Cambra
Murtosa
gueda
Macedo de Cavaleiros
Mealhada
Sever do Vouga
Portel
Mirandela
Gouveia
Arcos de Valdevez
Barreiro
Sesimbra
Moimenta da Beira
Tabuao
Albergaria-a-Velha
Carregal do Sal
Sobral de Monte Agrao
Mangualde
Alenquer
Ribeira de Pena
Calheta (R.A.M.)
31,602
31,566
31,532
31,471
31,335
31,321
31,203
31,065
31,044
31,028
31,020
30,995
30,857
30,714
30,419
30,404
30,322
30,319
30,239
30,205
30,070
30,061
30,052
30,041
30,000
29,941
29,939
29,816
29,796
29,778
29,768
29,707
29,631
29,619
29,554
29,413
29,235
29,113
28,992
28,949
28,912
28,884
28,845
28,820
28,819
28,772
28,765
28,745
28,576
28,333
28,219
28,091
28,087
28,014
27,895
27,834
27,702
27,610
27,568
27,541
27,527
32
238.
239.
240.
241.
242.
243.
244.
245.
246.
247.
248.
249.
250.
251.
252.
253.
254.
255.
256.
257.
258.
259.
260.
261.
262.
263.
264.
265.
266.
267.
268.
269.
270.
271.
272.
273.
274.
275.
276.
277.
278.
279.
280.
281.
282.
283.
284.
285.
286.
287.
288.
289.
290.
291.
292.
293.
294.
295.
296.
297.
298.
Fundo
Meda
Boticas
Arouca
Penafiel
Vila Nova de Paiva
Pinhel
Cabeceiras de Basto
Vagos
Celorico da Beira
Vila Nova da Barquinha
So Pedro do Sul
Machico
Lous
Amadora
Penacova
Barcelos
Oliveira de Azemis
Armamar
Cadaval
Santa Maria da Feira
Santa Comba Do
Santa Cruz
Mouro
Salvaterra de Magos
Lagoa (R.A.A)
Ponte de Lima
Paredes de Coura
Santo Tirso
Ponta do Sol
Felgueiras
Corvo
Sernancelhe
Paos de Ferreira
Oliveira do Hospital
Resende
Povoao
So Joo da Pesqueira
Condeixa-a-Nova
Fafe
Tbua
Vila Pouca de Aguiar
Gondomar
Amarante
Carrazeda de Ansies
Ribeira Brava
Amares
Valpaos
Castro Daire
Pvoa de Lanhoso
Santa Marta de Penaguio
Ribeira Grande
Soure
Moita
Trofa
Cinfes
Paredes
Vila Verde
Marco de Canaveses
Vizela
Penalva do Castelo
27,525
27,485
27,453
27,391
27,305
27,255
27,163
27,057
26,941
26,933
26,833
26,774
26,608
26,603
26,573
26,464
26,416
26,327
26,119
26,078
25,981
25,918
25,907
25,862
25,855
25,831
25,774
25,755
25,668
25,545
25,442
25,332
25,238
24,926
24,857
24,638
24,485
24,466
24,303
24,085
23,761
23,629
23,522
23,438
23,383
23,374
23,236
23,181
22,940
22,893
22,672
22,594
22,479
22,473
22,461
22,134
22,078
21,774
21,691
21,678
21,413
33
299.
300.
301.
302.
303.
304.
305.
306.
307.
308.
Ponte da Barca
Lousada
Vila Franca do Campo
Sto
Castelo de Paiva
Miranda do Corvo
Baio
Celorico de Basto
Nordeste
Cmara de Lobos
21,342
20,423
20,383
20,091
19,985
19,624
19,580
18,344
17,447
14,500
34