Universidade Federal do Pará

Instituto de Tecnologia
Programa de Pós-Graduação em Engenharia Sanitária e Ambiental Disciplina:
Métodos Quantitativos

Professores: Lindenberg e Germana

Alunos: Leonny Alves de Miranda, Rafael Pinheiro Trindade

Análise de cluster não supervisionado em R: Agrupamento hierárquico de

Índices compósitos de desenvolvimento humano

1 Introdução

O Índice de Desenvolvimento Humano (IDH) é uma medida que combina três

indicadores: expectativa de vida, educação e renda per capita. O IDH foi criado
pelo Programa das Nações Unidas para o Desenvolvimento (PNUD) em 1990,
como uma forma de medir o progresso dos países em desenvolvimento. Ele é
calculado a partir de uma fórmula que pondera esses três indicadores. O resultado
é um valor entre 0 e 1, sendo 1 o valor mais alto. Países com IDH mais alto são
considerados mais desenvolvidos, enquanto países com IDH mais baixo são
considerados menos desenvolvidos(Prates, 2003; SANDRONI, 1987).
Este índice é uma ferramenta importante para medir o progresso dos países
e para identificar áreas onde há necessidade de melhorias. Ele é usado para
comparar o desenvolvimento dos países entre si(SANDRONI, 1987).
O primeiro indicador referente ao IDH, a esperança de vida à nascença (EVN)
é um indicador de saúde e bem-estar. É o número médio de anos que uma pessoa
pode esperar viver, desde o seu nascimento, se as atuais condições de saúde se
mantiverem. Este indicador tem aumentado ao longo dos séculos, devido a
melhorias nas condições de saúde, educação e nutrição. Essa esperança de vida
à nascença varia entre os países. Os países desenvolvidos tendem a ter uma
esperança de vida à nascença mais elevada do que os países em
desenvolvimento(PNUD, 2022).
Para Sen (1998), a expectativa de vida ao nascer é um dos mais completos
indicadores de desenvolvimento humano, uma vez que ela é influenciada por uma
série de outras variáveis como violência urbana, acidentes de trânsito, sistema de
saúde, mortalidade infantil, saneamento básico, dentre outros.
 O segundo indicador utilizado para a composição do IDH, denominado de
“Anos de escolaridade previstos” (AEP), é um indicador do nível de educação de
uma população, sendo calculado somando o número de anos que um indivíduo
espera frequentar a escola, com base na taxa de matrícula e na taxa de
conclusão(PNUD, 2022).
Esses anos de escolaridade previstos variam entre os países. Os países
desenvolvidos tendem a ter uma escolaridade prevista mais elevada do que os
países em desenvolvimento (PNUD, 2022; SANDRONI, 1987).
Os anos de escolaridade previstos são um importante indicador de
desenvolvimento humano. É um sinal de que um país tem acesso a educação de
qualidade e que a população está qualificada para o mercado de trabalho. Os anos
de escolaridade previstos também são um sinal de que um país tem um futuro
próspero(KLUGMAN, 2010; PRATES, 2003; SANDRONI, 1987).
Os anos de escolaridade previstos podem ser usados para identificar áreas
onde há necessidade de melhorias. Por exemplo, os países com uma escolaridade
prevista baixa podem investir na educação para aumentar o nível de qualificação
de sua população.
Outro indicador utilizado é a média de anos de escolaridade (MAEP) é um
indicador que o qual mede do nível de educação de uma população. É o número
médio de anos que as pessoas de uma população completam na escola. Os países
desenvolvidos tendem a ter uma média de anos de escolaridade mais elevada do
que os países em desenvolvimento. Isso ocorre porque os países desenvolvidos
têm mais acesso à educação de qualidade e as pessoas tendem a permanecer na
escola por mais tempo(KLUGMAN, 2010; PNUD, 2022; SANDRONI, 1987).
Além disso, a média de anos de escolaridade também é um indicador de
mobilidade social. Quanto maior a média de anos de escolaridade, mais provável
é que as pessoas possam ascender na sociedade através da
educação(SANDRONI, 1987).
A média de anos de escolaridade é um indicador do nível de educação de
uma população. É calculado somando o número de anos de escolaridade
completados por todos os indivíduos de uma população e dividindo pelo número
de indivíduos(SANDRONI, 1987).
O último indicador denominado, “rendimento nacional bruto per capita (RNB
per capita)” (RNBP) é uma medida de riqueza por pessoa. Ele é calculado
dividindo o RNB de um país pelo número de habitantes. Este indicador é o valor
total de todos os bens e serviços finais produzidos em um país em um determinado
ano. Inclui o valor dos bens e serviços produzidos no país, bem como o valor dos
bens e serviços produzidos por empresas estrangeiras no país(SANDRONI, 1987).
A partir de 2010, o Produto Nacional Bruto (PNB) passou a substituir o PIB
para a renda, enquanto a educação passou a ser medida pela quantidade média
de anos de estudo e pelos anos esperados de escolaridade. Outra diferença no
cálculo do IDH a partir de 2010 foi a utilização de uma média geométrica das três
dimensões, em vez da aritmética, que era usada anteriormente(KLUGMAN, 2010).
O RNBP é uma medida importante do desenvolvimento econômico, dado o
fato de quanto maior o RNBP, mais rico é o país. Os países com um RNBP alto
têm uma população com um alto padrão de vida, acesso a bons serviços públicos
e uma economia forte(Prates, 2003; SANDRONI, 1987).
Usa-se o RNBP para comparar o desenvolvimento econômico de diferentes
países e quanto mais alto, tendem a ter um melhor desempenho em áreas como
saúde, educação e qualidade de vida(SANDRONI, 1987).
No entanto, o RNB per capita não é um indicador perfeito do desenvolvimento
econômico. Ele não leva em consideração a distribuição da riqueza dentro de um
país. Por exemplo, um país pode ter um RNB per capita alto, mas a riqueza pode
estar concentrada nas mãos de uma pequena elite. Além disso, o RNB per capita
não leva em consideração a degradação ambiental. Um país pode ter um RNB per
capita alto, mas pode estar causando danos ao meio ambiente(SANDRONI, 1987).
Muito embora suas limitações, o RNB per capita é uma ferramenta importante
para medir o desenvolvimento econômico. Ele pode ser usado para comparar o
desenvolvimento econômico de diferentes países e para identificar áreas onde há
necessidade de melhorias(PNUD, 2022).
Há claras evidências de que o desempenho econômico dos países possui
grande influência sobre o seu desenvolvimento humano, contudo os
determinantes desse desenvolvimento são muito heterogêneos e o Produto
Interno Bruto (PIB) pode não ser o principal fator dessa condição (GAYGISIZ,
2013).
É comum pensar no crescimento econômico, ou no aumento da renda per
capita, como um sinal de que as condições sociais e econômicas de uma nação
estão melhorando. Na realidade, porém, isso só é verdade na medida em que o
padrão de vida da população melhorou(KLUGMAN, 2010; PNUD, 2022;
SANDRONI, 1987).
Ao analisar os dados países com perspectiva de obter uma visão de um
conjunto de dados não rotulados para a abordagem dos indicadores de PIB, IDH
e expectativa de vida abrangendo uma clusterização do tipo hierárquica
(Aglomerativa)(Ferreira et al., 2020; SEN, 1998).
Partindo-se dos conceitos explanados anteriormente sobre os indicadores
relacionados ao IDH, este trabalho buscou relacionar os indicadores IDH, EVN,
AEP, MAEP e RNBP com a finalidade de agrupá-los com analises de cluster para
a obtenção de dendrogramas e discorrer sobre as hipóteses e fatores geraram os
grupos.
Analisando-se um data frame, resumir a informação coletada é um desafio.
Ainda mais quando há um grande número de aspectos a serem observados, pode
ser útil agrupar os dados. Os elementos dentro de cada grupo devem ser
semelhantes entre si e diferentes dos elementos dentro dos outros grupos. Isso
pode ajudar o analista a identificar padrões e tendências nos dados(Ferreira et al.,
2020; SEN, 1998).
Desta forma o ‘agrupamento’ é uma ferramenta poderosa que pode ser usada
para analisar uma variedade de dados. É uma maneira eficaz de encontrar
padrões e tendências nos dados, e pode ajudar você a tomar melhores decisões
(SEN, 1998).
A análise de clusters é uma técnica de estatística multivariada que tenta
agrupar um conjunto de dados em subgrupos homogêneos, chamados de clusters.
É uma técnica matemática que tem como finalidade revelar estruturas de
classificação nos dados do mundo real(Ferreira et al., 2020).
Os métodos hierárquicos da análise de cluster são um tipo de algoritmo de
agrupamento que tenta encontrar uma árvore hierárquica de clusters. A árvore é
construída começando com cada ponto de dados como seu próprio cluster. Em
seguida, o algoritmo encontra os dois clusters mais próximos e os mescla em um
novo cluster. Este processo continua até que todos os pontos de dados estejam
em um único cluster(SEN, 1998).
Existem dois tipos principais de métodos hierárquicos de análise de cluster:
aglomerativos e divisivos. Os métodos aglomerativos começam com cada ponto
de dados como seu próprio cluster e, em seguida, vão mesclando os clusters até
que haja apenas um cluster. Os métodos divisivos começam com todos os pontos
de dados em um único cluster e, em seguida, vão dividindo o cluster em
subclusters menores até que cada ponto de dados esteja em seu próprio
cluster(Mingoti, 2007; SEN, 1998).
Segundo Seidel et al., (2008), a técnica hierárquica fundamenta - se na
definição de uma hierarquia ou composição em forma de árvore. Assim, o
agrupamento hierárquico liga as amostras por suas associações, formando uma
reprodução gráfica chamada de dendrograma, no qual as observações similares,
baseada nos indicadores empregados no estudo, são reunidos ou agrupados entre
si.
Os métodos hierárquicos são compostos por duas classes naturais de
algoritmos para formação dos agrupamentos, por exemplo, agrupamento
aglomerativo (agglomerative clustering) e agrupamento por divisão (divisive
clustering)(Mingoti, 2007).

2 MATERIAL E MÉTODOS

2.1 Dados

Para a realização deste trabalho foi utilizada a tabela 1 adaptada do Relatório

de 2021/2022 “DESENVOLVIMENTO HUMANO. Tempos incertos, vidas instáveis:
A construir o nosso futuro num mundo em transição” (PNUD. Programa das
Nações Unidas para o Desenvolvimento., 2022), conforme tabela 1 a seguir.

Tabela 1 - Índice de Desenvolvimento Humano e seus componentes.

Hk PAÍSES IDH EVN AEP MAEP RNBP

1 Suíça 0.962 84 16.5 13.9 66,933
2 Noruega 0.961 83.2 18.2 13 64,660
3 Islândia 0.959 82.7 19.2 13.8 55,782
4 Hong Kong, China (RAE) 0.952 85.5 17.3 12.2 62,607
5 Austrália 0.951 84.5 21.1 12.7 49,238
6 Dinamarca 0.948 81.4 18.7 13 60,365
7 Suécia 0.947 83 19.4 12.6 54,489
8 Irlanda 0.945 82 18.9 11.6 76169
9 Alemanha 0.942 80.6 17 14.1 54,534
10 Países Baixos 0.941 81.7 18.7 12.6 55,979
11 Finlândia 0.94 82 19.1 12.9 49,452
12 Singapura 0.939 82.8 16.5 11.9 90919
Hk PAÍSES IDH EVN AEP MAEP RNBP
13 Bélgica 0.937 81.9 19.6 12.4 52,293
14 Nova Zelândia 0.937 82.5 20.3 12.9 44,057
15 Canadá 0.936 82.7 16.4 13.8 46,808
16 Listenstaine 0.935 83.3 15.2 12.5 14683
17 Luxemburgo 0.93 82.6 14.4 13 84649
18 Reino Unido 0.929 80.7 17.3 13.4 45,225
19 Japão 0.925 84.8 15.2 13.4 42,274
20 Coreia (República da) 0.925 83.7 16.5 12.5 44,501
21 Estados Unidos 0.921 77.2 16.3 13.7 64,765
22 Israel 0.919 82.3 16.1 13.3 41,524
23 Malta 0.918 83.8 16.8 12.2 38,884
24 Eslovénia 0.918 80.7 17.7 12.8 39,746
25 Áustria 0.916 81.6 16 12.3 53,619
26 Emirados Árabes Unidos 0.911 78.7 15.7 12.7 62,574
27 Espanha 0.905 83 17.9 10.6 38,354
28 França 0.903 82.5 15.8 11.6 45,937
29 Chipre 0.896 81.2 15.6 12.4 38,188
30 Itália 0.895 82.9 16.2 10.7 42,840
31 Estónia 0.89 77.1 15.9 13.5 38,048
32 Chéquia 0.889 77.7 16.2 12.9 38,745
33 Grécia 0.887 80.1 20 11.4 29,002
34 Polónia 0.876 76.5 16 13.2 33,034
35 Barém 0.875 78.8 16.3 11 39,497
36 Lituânia 0.875 73.7 16.3 13.5 37,931
37 Arábia Saudita 0.875 76.9 16.1 11.3 46,112
38 Portugal 0.866 81 16.9 9.6 33,155
39 Letónia 0.863 73.6 16.2 13.3 32,803
40 Andorra 0.858 80.4 13.3 10.6 51167
41 Croácia 0.858 77.6 15.1 12.2 30,132
42 Chile 0.855 78.9 16.7 10.9 24,563
43 Catar 0.855 79.3 12.6 10 87134
44 São Marino 0.853 80.9 12.3 10.8 52,654
45 Eslováquia 0.848 74.9 14.5 12.9 30,690
46 Hungria 0.846 74.5 15 12.2 32,789
47 Argentina 0.842 75.4 17.9 11.1 20,925
48 Turquia 0.838 76 18.3 8.6 31,033
49 Montenegro 0.832 76.3 15.1 12.2 20,839
50 Koweit 0.831 78.7 15.3 7.3 52,920
51 Brunei Darussalã 0.829 74.6 14 9.2 64,490
52 Federação Russa 0.822 69.4 15.8 12.8 27,166
53 Roménia 0.821 74.2 14.2 11.3 30,027
Hk PAÍSES IDH EVN AEP MAEP RNBP
54 Omã 0.816 72.5 14.6 11.7 27,054
55 Bahamas 0.812 71.6 12.9 12.6 30,486
56 Cazaquistão 0.811 69.4 15.8 12.3 23,943
57 Trindade e Tobago 0.81 73 14.5 11.6 23,392
58 Costa Rica 0.809 77 16.5 8.8 19,974
59 Uruguai 0.809 75.4 16.8 9 21,269
60 Bielorrússia 0.808 72.4 15.2 12.1 18,849
61 Panamá 0.805 76.2 13.1 10.5 26,957
62 Malásia 0.803 74.9 13.3 10.6 26,658
63 Geórgia 0.802 71.7 15.6 12.8 14,664
64 Maurícia 0.802 73.6 15.2 10.4 22,025
65 Sérvia 0.802 74.2 14.4 11.4 19,123
66 Tailândia 0.8 78.7 15.9 8.7 17,030
67 Albânia 0.796 76.5 14.4 11.3 14,131
68 Bulgária 0.795 71.8 13.9 11.4 23,079
69 Granada 0.795 74.9 18.7 9 13,484
70 Barbados 0.79 77.6 15.7 9.9 12,306
71 Antígua e Barbuda 0.788 78.5 14.2 9.3 16,792
72 Seicheles 0.785 71.3 13.9 10.3 25,831
73 Sri Lanca 0.782 76.4 14.1 10.8 12,578
74 Bósnia-Herzegovina 0.78 75.3 13.8 10.5 15,242
75 São Cristóvão e Neves 0.777 71.7 15.4 8.7 23,358
76 Irão (República Islâmica do) 0.774 73.9 14.6 10.6 13,001
77 Ucrânia 0.773 71.6 15 11.1 13,256
78 Macedónia do Norte 0.77 73.8 13.6 10.2 15,918
79 China 0.768 78.2 14.2 7.6 17,504
80 República Dominicana 0.767 72.6 14.5 9.3 17,990
81 Moldávia (República da) 0.767 68.8 14.4 11.8 14,875
82 Palau 0.767 66 15.8 12.5 13,819
83 Cuba 0.764 73.7 14.4 12.5 7.879
84 Peru 0.762 72.4 15.4 9.9 12,246
85 Arménia 0.759 72 13.1 11.3 13,158
86 México 0.758 70.2 14.9 9.2 17,896
87 Brasil 0.754 72.8 15.6 8.1 14,370
88 Colômbia 0.752 72.8 14.4 8.9 14,384
89 São Vicente e Granadinas 0.751 69.6 14.7 10.8 11,961
90 Maldivas 0.747 79.9 12.6 7.3 15,448
91 Argélia 0.745 76.4 14.6 8.1 10,800
92 Azerbaijão 0.745 69.4 13.5 10.5 14,257
93 Tonga 0.745 71 16 11.4 6,822
94 Turquemenistão 0.745 69.3 13.2 11.3 13,021
 Hk PAÍSES IDH EVN AEP MAEP RNBP
95 Equador 0.74 73.7 14.6 8.8 10,312
96 Mongólia 0.739 71 15 9.4 10,588
97 Egito 0.731 70.2 13.8 9.6 11,732
98 Tunísia 0.731 73.8 15.4 7.4 10,258
99 Ilhas Fiji 0.73 67.1 14.7 10.9 9,980
100 Suriname 0.73 70.3 13 9.8 12,672
101 Uzbequistão 0.727 70.9 12.5 11.9 7,917
102 Domínica 0.72 72.8 13.3 8.1 11,488
103 Jordânia 0.72 74.3 10.6 10.4 9,924
104 Líbia 0.718 71.9 12.9 7.6 15,336
105 Paraguai 0.717 70.3 13 8.9 12,349
106 Palestina, Estado da 0.715 73.5 13.4 9.9 6,583
107 Santa Lúcia 0.715 71.1 12.9 8.5 12,048
108 Guiana 0.714 65.7 12.5 8.6 22,465
109 África do Sul 0.713 62.3 13.6 11.4 12,948
110 Jamaica 0.709 70.5 13.4 9.2 8,834
111 Samoa 0.707 72.8 12.4 11.4 5,308
112 Gabão 0.706 65.8 13 9.4 13,367
113 Líbano 0.706 75 11.3 8.7 9,526
114 Indonésia 0.705 67.6 13.7 8.6 11,466
115 Vietname 0.703 73.6 13 8.4 7,867
Fonte: Adaptada. Relatório de 2021/2022. DESENVOLVIMENTO HUMANO (2022).

(Falar sobre a divisão dos países em relação ao IDH – As faixas de IDH)

Nesta tabela foram selecionados 115 países de um total 191 países. Esta
seleção deu-se ao falto de haver o hanking de países em função do IDH.
Esses países foram separados em dois grupos de acordo com o hanking
elaborado pela Organizações Unidas, em a) Desenvolvimento humano muito
elevado; b) Desenvolvimento humano elevado; e c) Desenvolvimento humano
médio.
Os países relacionados ao grupo a) compreendem a posição 1 no Hanking à
posição 66 da tabela 1.
Os países relacionados ao grupo b) compreendem a posição 67 no Hanking
à posição 115 da tabela 1.
2.2 Ferramenta computacional

Para este trabalho foi-se utilizada a linguagem R, a qual é uma linguagem de

programação e software livre para computação estatística. Ela é linguagem
importante e flexível que pode ser usada para uma variedade de tarefas, incluindo:
análise de dados; modelagem de dados; visualização de dados; aprendizagem de
máquina; e Ciência de dados.
O RStudio é um ambiente de desenvolvimento integrado (IDE – Integrade
Developemnte Environment) para R. Ele fornece uma interface gráfica para R que
facilita a escrita, depuração e execução de código R. O RStudio também inclui
uma variedade de recursos para análise de dados, modelagem de dados e
visualização de dados.
R e RStudio são ferramentas poderosas que podem ser usadas para uma
variedade de tarefas. Eles são livres e de código aberto, o que os torna uma ótima
opção para estudantes, pesquisadores e profissionais.
O software foi escolhido para a realização deste trabalho tendo em vista as
vantagens quanto à gratuito por ser um software livre e de código aberto;
flexibilidade de linguagem, facilidade de aprendizado e utilização, e a grande
variedade de recursos disponíveis.

2.3 Método analíticos

2.3.1 Método de Ward

O método de ward foi proposto como um processo geral de classificação o

no qual n parcelas são progressivamente reunidas dentro de grupos, por meio da
minimização de uma função objetiva para cada (n - 2) passo de fusão.
Inicialmente, para esse algoritmo, admitia-se que cada uma das parcelas
constituía um único agrupamento. Considerando-se a primeira reunião de parcelas
em um novo agrupamento, a soma dos desvios dos pontos representativos de
suas parcelas em relação à média do agrupamento é calculada e dá uma indicação
da homogeneidade do agrupamento formado. Esta medida fornece a “perda de
informação” ocasionada quando as parcelas são reunidas em um agrupamento.
Quando as parcelas são pontos de um espaço euclidiano (Ip). A qualidade
de uma partição é definida por sua inércia intragrupo ou por sua inércia intergrupo.
Quando se parte de K+1 grupos para K grupos, ou seja, dois grupos são
agrupados em um só́ , a inércia intergrupo só́ pode diminuir. A inércia intergrupo é
a média da soma dos quadrados das distâncias entre os centros de gravidade de
cada grupo e o centro de gravidade total.

3 RESULTADO E DISCUSÕES

Com o auxílio do software podemos identificar as variações dos indicadores

como pode ser observado nas figuras 1 a 5 as quais abordas pontos máximos e
mínimos dos países estudados neste trabalho. Conforme as imagens fica evidente
a diferença e amplitude dos indicadores entre a posição mais altas do hanking e a
posição mais baixa.

Figura 1 – Boxplot do indicador EVN.

Fonte: Autores (2023).

Figura 2 – Boxplot do indicador AEP (anos).

Fonte: Autores (2023).

Figura 3 – Boxplot do indicador MAEP.

Fonte: Autores (2023).

Figura 4 – Boxplot do indicador RNBP

Fonte: Autores (2023).

Figura 5 - Boxplot do IDH

Fonte: Autores (2023).

No dendrograma (Figura 6), a altura da fusão, provém do eixo vertical que

indica a similaridade/distância entre dois grandes grupos A e B (objetos/clusters)
que podem ser subdivididos em 4 grupos A1 e A2, B1 e B2. No eixo vertical, os
valores mais altos da fusão são os que menos têm similaridades entre os países.
Figura 6- Dendrograma utilizando o método de Ward.D2.

Grupo A1

Grupo A2

Grupo B1

Grupo B2

Fonte: Autores (2023).

4 CONCLUSÕES

A análise do IDH global de 2021 e 2022 e seus componentes mostra que o

mundo está ficando cada vez mais desigual. Os países desenvolvidos estão se
tornando mais ricos quanto o observado com o grupo aglomerado A3, enquanto
os países em desenvolvimento estão ficando mais pobres. Isso é resultado de uma
série de fatores, incluindo a globalização, a crise climática e as guerras.
O desenvolvimento humano é um processo que beneficia todos os países.
Quando os países se desenvolvem, eles tornam-se mais prósperos, mais pacíficos
e mais sustentáveis e o tipo de análise realizada neste trabalho ajuda a identificar
uma nova organização, um rearranjo global de posições e influências globais.
5 REFERENCIAS BIBLIOGRAFICAS

Ferreira, R. R. M., Paim, F. A. P., Rodrigues, V. G. S., & Castro, G. S. A. (2020).

Documentos. 133. Análise de cluster não supervisionado em R: agrupamento
hierárquico. Embrapa Territorial.
GAYGISIZ, E. (2013). How are cultural dimensions and governance quality related to
socioeconomic development. The Journal of Socio-Economics, 43, 170–179.
KLUGMAN, J. et al. (2010). The real wealth of nations: pathways to human
development. https://hdr.undp.org/system/files/documents/human-development-
report-2010-complete-english.human-development-report-2010-complete-
english
Mingoti, S. A. (2007). Análise de Dados Através de Métodos de Estatística
Multivariada. Uma Abordagem Aplicada (1a. ed). UFMG.
PNUD. Programa das Nações Unidas para o Desenvolvimento. (2022).
DESENVOLVIMENTO HUMANO. Relatório de 2021/2022. Tempos incertos,
vidas instáveis: A construir o nosso futuro num mundo em transição.
https://hdr.undp.org/system/files/documents/global-report-document/hdr2021-
22ptpdf.pdf
Prates, F. M. (2003). Aspectos do Desenvolvimento Humano em Minas Gerais.
Cadernos BDMG.
SANDRONI, P. (1987). Dicionário de econômia (7a. ed). Nova.
Seidel, E. J., Júnior, F. D. J. M., Ansuj, A. P., & Noal, M. R. C. N. C. (2008).
Comparação entre o método Ward e o método K-médias no agrupamento de
produtores de leite. https://doi.org/10.59022179460X9737
SEN, A. (1998). Resources, values and development. Harvard University Press.