Etapas da pesquisa

Para alcançar os objetivos desta pesquisa e, consequentemente, responder ao problema estipulado propôs-se a adoção de duas etapas complementares: (i) a Análise Exploratória de Dados; e (ii) a Análise de Regressão Linear Múltipla.

A Análise Exploratória de Dados tem como finalidade o estudo e a descrição das características de um conjunto de dados, com os objetivos de compreender, descrever e resumir o comportamento dos fenômenos e eventos numéricos analisados (MONTEIRO; FERREIRA; TEIXEIRA, 2009). Segundo Triola (2008), essa análise conta com instrumentos de medidas de tendência central, como média, mediana e moda, e de medidas de dispersão, como o desvio-padrão, a amplitude e a assimetria, sendo fundamentais na verificação de como os dados estão distribuídos e concentrados.

A utilização da análise descritiva teve por finalidade estabelecer um comparativo entre a evolução dos indicadores socioeconômicos do Estado e o grau de cobertura do PBF, e mostrar o comportamento das transferências do Governo Federal através do PBF, do FUNDEB e do SUS no período estudado.

Para a análise da evolução e comparação das transferências financeiras recebidas pelos municípios do Espírito Santo do PBF, FUNDEB e SUS, utilizou-se a Taxa Média Geométrica e a Taxa de Crescimento, apresentadas a seguir:

A taxa média geométrica de crescimento é muito utilizada nas ciências sociais aplicadas, principalmente na administração e economia, para encontrar taxas médias de variação ao longo de um determinado período, com base nos fundamentos de progressão geométrica (TRIOLA, 2008). Dado n valores, a média geométrica é a raiz n-enésima de seu produto.

TMGC = ൤ vf_{vi ൨} ଵ ୬

− 1 (1)

onde:

TMGC: taxa média geométrica de crescimento. vf: valor final.

vi: valor inicial.

n: número de períodos de variação.

A taxa de crescimento consiste na taxa média de variação do índice composta anualmente, entre dois períodos analisados.

TC = ൤ v ୲ାଵ_v

୲ ൨ − 1 (2)

onde:

TC: taxa de crescimento.

vt: valor no período de referência (t).

Vt+1: valor do período subsequente ao período de referência.

A verificação da correlação existente entre as variáveis propostas no modelo consiste no cerne deste trabalho. Para tanto, utiliza-se a Análise de Regressão Linear Múltipla, que é compreendida como sendo o estabelecimento de uma relação funcional entre três ou mais variáveis selecionadas para a descrição de um fenômeno. Segundo Gujarati (2005), a ideia central é estudar a dependência estatística de uma variável, denominada variável dependente, em relação a outras variáveis, denominada variáveis explicativas, sendo que a interpretação mais simples dessa combinação consiste na determinação da importância relativa de cada variável explicativa na previsão da medida da variável dependente.

A literatura aponta as vantagens da utilização dessa metodologia, pois propicia ao pesquisador maior número de observações e informações, maior variabilidade dos dados, aumentando os graus de liberdade e a eficiência dos parâmetros (HAIR JR. et al., 2009). Nos últimos anos, o tema pobreza esteve presente em diversos estudos, que investigaram desde suas causas até os efeitos da intervenção governamental no seu combate. Dentre esses trabalhos, estão os desenvolvidos com a aplicação da Análise de Regressão Múltipla. Para ilustrar a temática, destaca- se alguns desses trabalhos que utilizaram o método de regressão no quadro 8: Quadro 8 – Alguns trabalhos com Análise de Regressão Múltipla.

Autor(es) Descrição

Simão (2004)

Analisou a distribuição de renda e pobreza nos municípios do Estado de Minas Gerais, considerando a divisão do estado em 12 mesorregiões. A principal base de dados foi o censo demográfico de 2000 realizado pelo IBGE.

Queiroz et al. (2011)

Estudaram o grau de correlação existente entre o volume de recursos federais destinados aos municípios paraibanos, através do FUNDEB, e o grau de desenvolvimento educacional municipal, mensurado pelo Índice de Desenvolvimento da Educação Básica (IDEB). A pesquisa abrangeu o ano de 2009.

Tarragó (2012) Mensurou a relação entre a globalização e a desigualdade interna de renda em 95 países a partir de dados secundários referentes aos anos de 1980 e 2007.

Ferrario (2013)

Investigou o impacto dos programas de transferência direta de renda, o PBF e Benefícios de Prestação Continuada, sobre os gastos com consumo alimentar, bebidas alcoólicas, fumo, investimentos em educação, higiene e saúde, das famílias beneficiárias dos programas. A pesquisa foi de abrangência nacional e foram utilizados os microdados da Pesquisa de Orçamentos Familiares do Brasil (POF) 2008/2009.

Kinpara (2013)

Estimou o impacto do PBF sobre a pobreza. Aplicou-se uma regressão hierárquica com 68 variáveis distribuídas em 6 categorias: educacional, saúde, econômica, demográfica, agropecuária e indicadores do PBF. Foram analisados 5.565 municípios brasileiros no período de 2000 a 2010.

Brauw et al. (2014)

Investigaram o impacto do PBF no aumento do poder de decisão das mulheres no arcabouço familiar em áreas urbanas e rurais. Analisando a participação feminina em decisões como: frequência escolar das crianças e adolescentes, despesas com saúde, despesas com materiais de uso doméstico, compras de bens duráveis e o uso de métodos contraceptivos. A pesquisa utilizou os dados de 15.426 famílias que foram entrevistadas em dois momentos distintos, 2005 e 2009, pelo Centro de Desenvolvimento e Planejamento Regional (Cedeplar).

Simões e Sabates (2014)

Examinaram a participação do PBF na melhoria do desempenho dos alunos das escolas públicas de ensino fundamental através da passagem de série, resultados na Prova Brasil e taxa de abandono escolar para crianças da 4ª série. Foram utilizados os dados coletados pela Prova Brasil, no ano de 2007, aplicadas em 37.262 escolas públicas espalhadas em 5.483 municípios brasileiros. Fonte: Elaborado pelo autor.

Dessa forma, a Análise de Regressão Múltipla foi a técnica estatística aplicada ao modelo, pois permite observar a relação entre a variável dependente e um grupo de variáveis explicativas. Para a pesquisa desenvolvida, esta técnica é apropriada porque permite calcular a associação e variação das transferências financeiras do PBF a partir das transferências financeiras do FUNDEB e do SUS para o universo estudado neste período.

Esta técnica foi aplicada ao modelo não somente para o grupo total de 78 municípios, mas, também, para os municípios divididos em mesorregiões geográficas e portes populacionais. A divisão em mesorregiões geográficas baseou- se na metodologia do IBGE e por portes populacionais no MDS, nesse último caso considerando a população estimada pelo IBGE para cada município no período pesquisado.

A divisão dos municípios por mesorregiões geográficas proposta pelo IBGE, tem como fundamento o processo social, o quadro natural, a rede de comunicação e a articulação espacial. Dada às condições socioeconômicas e disparidades regionais foi realizada uma adaptação da divisão estabelecida pelo IBGE, incluindo a Região Metropolitana, composta por quatro municípios retirados da Mesorregião Central: Cariacica, Serra, Vila Velha e Vitória. Tal adaptação é necessária devido ao comportamento diferenciado desses municípios no campo econômico e populacional, a separação tem como finalidade obter resultados o mais próximo da realidade de cada mesorregião. O quadro 9 apresenta os 78 municípios distribuídos por mesorregiões geográficas, sendo a distribuição espacial vista na figura 1.

Quadro 9 – Municípios distribuídos segundo a mesorregião geográfica.

(continua)

Mesorregião Municípios

Mesorregião Noroeste

Água Doce do Norte, Águia Branca, Alto Rio Novo, Baixo Guandu, Barra de São Francisco, Boa Esperança, Colatina, Ecoporanga, Governador Lindenberg, Mantenópolis, Marilândia, Nova Venécia, Pancas, São Domingos do Norte, São Gabriel da Palha, Vila Pavão e Vila Valério.

Mesorregião Litoral Norte Aracruz, Conceição da Barra, Fundão, Ibiraçu, Jaguaré, João Neiva, Linhares, Montanha, Mucurici, Pedro Canário, Pinheiros, Ponto Belo, Rio Bananal, São Mateus e Sooretama.

Mesorregião Central

Afonso Cláudio, Alfredo Chaves, Anchieta, Brejetuba, Conceição do Castelo, Domingos Martins, Guarapari, Iconha, Itaguaçu, Itarana, Laranja da Terra, Marechal Floriano, Piúma, Rio Novo do Sul, Santa Leopoldina, Santa Maria de Jetibá, Santa Teresa, São Roque do Canaã, Venda Nova do Imigrante e Viana.

Quadro 9 – Municípios distribuídos segundo a mesorregião geográfica.

(conclusão)

Mesorregião Municípios

Mesorregião Sul

Alegre, Apiacá, Atílio Vivácqua, Bom Jesus do Norte, Cachoeiro de Itapemirim, Castelo, Divino de São Lourenço, Dores do Rio Preto, Guaçuí, Ibatiba, Ibitirama, Irupi, Itapemirim, Iúna, Jerônimo Monteiro, Marataízes, Mimoso do Sul, Muniz Freire, Muqui, Presidente Kennedy, São José do Calçado e Vargem Alta.

Região Metropolitana Cariacica, Serra, Vila Velha e Vitória.

Fonte: Elaborado e adaptado pelo autor a partir de divisão apresentada pelo IBGE.

A divisão pelo porte populacional foi realizada de acordo com a classificação proposta pelo MDS, onde temos: (i) municípios de pequeno porte – são aqueles com população de até 20.000 habitantes; (ii) municípios de médio porte – são aqueles com população entre 20.001 e 100.000 habitantes; e (iii) município de grande porte – são aqueles com população superior a 100.000 habitantes. O procedimento possibilita a retratação da realidade de que cerca de 51% dos municípios do Espírito Santo possuem população de até 20.000 habitantes e 86% possuem até 50.000 pessoas (IBGE, 2014b). Nesse sentido, o objetivo é verificar a associação entre as variáveis estudadas com os municípios divididos pelo número de habitantes, mesmo que o grupo não seja formado somente por municípios limítrofes. O quadro 10 apresenta os 78 municípios distribuídos por portes populacionais, conforme a distribuição espacial vista na figura 2.

Quadro 10 – Municípios distribuídos segundo o porte populacional.

Porte Populacional Municípios

Pequeno Porte

Água Doce do Norte, Águia Branca, Alfredo Chaves, Atílio Vivácqua, Alto Rio Novo, Apiacá, Boa Esperança, Bom Jesus do Norte, Brejetuba, Conceição do Castelo, Divino de São Lourenço, Dores do Rio Preto, Fundão, Governador Lindenberg, Ibiraçu, Ibitirama, Iconha, Irupi, Itaguaçu, Itarana, Jerônimo Monteiro, João Neiva, Laranja da Terra, Mantenópolis, Marechal Floriano, Marilândia, Montanha, Mucurici, Muniz Freire, Muqui, Ponto Belo, Presidente Kennedy, Rio Bananal, Rio Novo do Sul, Santa Leopoldina, São Domingos do Norte, São José do Calçado, São Roque do Canaã, Vila Pavão e Vila Valério

Médio Porte

Afonso Cláudio, Alegre, Aracruz, Anchieta, Baixo Guandu, Barra de São Francisco, Castelo, Conceição da Barra, Domingos Martins, Ecoporanga, Guaçuí, Ibatiba, Itapemirim, Iúna, Jaguaré, Marataízes, Mimoso do Sul, Nova Venécia, Pancas, Pedro Canário, Pinheiros, Piúma, Santa Maria de Jetibá, Santa Teresa, São Gabriel da Palha, Sooretama, Vargem Alta, Venda Nova do Imigrante e Viana.

Grande Porte Cachoeiro de Itapemirim, Cariacica, Colatina, Guarapari, _{Linhares, São Mateus, Serra, Vila Velha e Vitória.} Fonte: Elaborado pelo autor a partir da estimativa populacional realizada pelo IBGE (2014b).

Figura 1 – Distribuição espacial dos municípios por mesorregiões geográficas.

Fonte: Elaborado pelo autor.

Distribuição espacial dos municípios por mesorregiões geográficas.

Elaborado pelo autor.

Figura 2 – Distribuição espacial dos municípios por porte populacional.

Fonte: Elaborado pelo autor.

Distribuição espacial dos municípios por porte populacional.

Elaborado pelo autor.

A tabela 2 apresenta a frequência dos municípios pesquisados por mesorregiões geográficas, assim como a frequência por diferentes portes populacionais.

Tabela 2 – Distribuição dos municípios segundo a mesorregião e o porte.

Mesorregião Frequência (%) Portes Populacionais Frequência (%)

1 Noroeste 17 21,8 1 Pequeno Porte 40 51,3

2 Litoral Norte 15 19,2 2 Médio Porte 29 37,2

3 Central 20 25,6 3 Grande Porte 9 11,5

4 Sul 22 28,2 Total 78 100,0

5 Metropolitana 4 5,1

Total 78 100,0

Fonte: Elaborado pelo autor.

O modelo proposto tem a forma funcional indicada abaixo, onde B0 representa o intercepto autônomo da variável dependente, B1 e B2 são os coeficientes de regressão que indicam a parcela de acréscimo à variável dependente para cada unidade da variável explicativa. O “erro” ao final da equação serve para estimar as variações não captadas pelo modelo, esse resultado não será analisado na pesquisa. Logo, com base nas variáveis selecionadas temos a seguinte equação:

PBF = B଴+ BଵFUNDEB + Bଶ SUS + ERRO (3)

De posse do modelo e das variáveis, os dados foram tratados através da Análise de Regressão Linear Múltipla, utilizando o programa Statistic Package for Social Science (SPSS), versão 21, que está disponível na internet gratuitamente para teste, sendo as tabelas elaboradas através do programa Excel 2010. Para validar o modelo, é necessário verificar sua significância estatística. Para tanto, foi utilizado o F de significação, que tem a finalidade de testar a significância estatística do modelo, sendo o nível de significância adotado na pesquisa de 5%, servindo de parâmetro para probabilidade de incorrer no erro do tipo I, que consiste em rejeitar a hipótese nula quando ela é verdadeira.

O processo de tratamento dos dados foi iniciado com a análise destes por meio da distribuição de frequência, visando demonstrar sua coerência. Em seguida, foi realizada a análise de verificação de outliers, ou seja, possíveis valores extremos. Logo após, as premissas para o uso da regressão linear múltipla foram analisadas por meio de gráficos de resíduos, gráficos de probabilidade normal e testes estatísticos.

A verificação dos distintos pressupostos mostrou que a Análise de Regressão Linear Múltipla pode ser adequadamente utilizada. Dessa forma, através do programa estatístico SPSS, é possível calcular o R2 ajustado ou coeficiente de determinação, que revela a capacidade explicativa do modelo, bem como os coeficientes de regressão (B) e os coeficientes padronizados (β), que indicam quanto das variações na variável dependente se devem às variações de determinada variável explicativa, sendo aplicado para o grupo dos 78 municípios, bem como para os grupos separados por mesorregiões geográficas e por portes populacionais. Os resultados são apresentados no próximo capítulo, juntamente com a discussão.