O tratamento dos dados é importante para possibilitar a agregação de indicadores de natureza heterogênea, haja a vista as diversas unidades de medida encontradas nos indicadores.

Para tanto, foi adotado o critério min-máx de normalização dos indicadores, no qual se utilizam os valores máximo e mínimo de cada indicador para normalizar linearmente os dados entre 0 e 100, mantendo a dispersão original dos dados.

Este critério é amplamente adotado em diversos índices e rankings, como o IDH, e amplamente abordado na literatura acadêmica (CHOWDHURY e SQUIRE, 200614; OCDE, 2008; BARROS, 200315). A partir dos indicadores selecionados, {𝐵𝑖 : 𝑖 = 1, … , 𝑚}, normalizamos os dados através da seguinte fórmula: 𝐼𝑖 = ((𝐵𝑖 − 𝑚𝑖𝑛𝑖 ) / (𝑚𝑎𝑥𝑖 − 𝑚𝑖𝑛𝑖 )) ∗ 100, onde 𝑚𝑎𝑥𝑖 𝑒 𝑚𝑖𝑛𝑖 são, respectivamente, o limite superior e inferior para o indicador 𝑖.

Os dados foram normalizados entre 0 e 100, sempre obedecendo ao critério de quanto mais perto de 100, melhor. Assim, para indicadores que mensuram malefícios – ou seja, que quanto maior o índice, pior –, a normalização foi invertida. Como exemplo, no indicador de segurança pessoal, a UF com menor taxa de homicídio recebeu a nota 100 e o Estado com a maior taxa de mortalidade recebeu 0. Além disso, foi implementado um ajuste nos indicadores nos quais houve omissão de informação por parte de alguns Estados.

Com a intenção de incentivar a transparência na divulgação dos dados de interesse, foram penalizadas com o último lugar no ranking as UFs que não disponibilizaram informações para o referido indicador.

Foram adotados quatro critérios de ponderação dos indicadores do ranking:

I) Penalização de redundância: foram penalizados com redução do respectivo peso os indicadores que mostraram alta correlação com os demais indicadores do mesmo pilar, a partir de testes de correlação. Tal tratamento possibilitou que fosse incluído no ranking um maior número de indicadores, evitando, ao mesmo tempo, uma maior arbitrariedade na seleção dos indicadores.

II) Penalização de indicadores com grande dispersão: foram penalizados com redução do respectivo peso os indicadores com elevada variância, apurada com base no coeficiente de variação de Person (obtido pela razão entre o desvio padrão e a média). Tal tratamento teve por objetivo evitar uma influência excessivamente elevada dos indicadores de maior dispersão no resultado do respectivo pilar.

III) Bonificação de indicadores com maior carência: foram bonificados com aumento do respectivo peso os indicadores para os quais o desempenho médio das UFs mostrou-se mais desfavorável em relação ao benchmark internacional. Tal tratamento teve por objetivo incentivar os gestores públicos a priorizarem políticas públicas voltadas ao avanço dos indicadores nos quais os Estados brasileiros mostram maior carência.

IV) Avaliação de especialistas: por fim, a metodologia previa ainda o uso, em caráter parcimonioso, do chamado critério normativo, bastante utilizado em outros rankings e na literatura (CHOWDHURY e SQUIRE, 2006; DECANQ e LUGO, 2008 16 ). Foram consultados especialistas das diversas áreas para avaliarem se os pesos atribuídos se mostravam consistentes, tendo em vista a vasta experiência deles no estudo destas áreas.