3.3 Dados
3.3.2 Variáveis do Auxílio Emergencial
Como características dos benefícios pagos foram analisados a quantidade de
parcelas recebidas, o valor total recebido, valor alocado para gastos essenciais, valor
alocado para gastos não essenciais e valor em gastos indeterminados.
3.3.2.1 Valor total recebido
Utilizou-se a soma de todos os valores recebidos pelos beneficiários, com
distribuídos conforme Figura 6.
3.3.2.2 Valor alocado em gastos essenciais
Valor do total recebido pelo beneficiário que foi alocado para pagamento de
contas de energia elétrica, água, luz, telefone, gás e compras via cartão digital ou
QR CODE em estabelecimentos classificados como consumo básico: supermercados,
padarias e mercearias e farmácias e drogarias.
3.3.2.3 Valor alocado em gastos não essenciais
Valor do total recebido pelo beneficiário que foi alocado para pagamento de
boletos diversos e compras via cartão digital ou QR CODE em estabelecimentos
Capítulo 3. Metodologia 31
Figura 6 – Valor total recebido por faixa
Fonte: Elaboração própria
classificados como consumo não básico: todos os demais.
3.3.2.4 Valor Indeterminado
Valor do total recebido pelo beneficiário que foi alocado para saques, PIX,
transferências e pagamentos de boletos para deposito.
32
4 ANÁLISE E RESULTADOS
As regressões aqui apresentadas foram realizadas com o software R. Foram
padronizadas as variáveis quantitativas contínuas para controlar a variabilidade delas.
O primeiro passo foi a criação de variável dependente para entendermos o
comportamento do beneficiário ao receber o auxílio emergencial, neste sentido:
ESS <− ( dados$VOLUME. ESSENCIAL+1)/( dados$VOLUME.NAO. ESSENCIAL+1)
z_ESS <− s c a l e(ESS)
Assim, a nova variável criada é uma proporção entre o volume alocado em
gastos essenciais e gastos não essenciais.
Posteriormente, foram criadas as variáveis independentes para entendermos
se elas interferem na proporção alocada pelo beneficiário em gastos essenciais, neste
sentido:
EM_ASST <− dados$VOLUME. A . E .
z_EM_ASST<− s c a l e(EM_ASST)
ALLW <− dados$VOLUME.ABONO. SALARIAL
z_ALLW <− s c a l e(ALLW)
AGE <− dados$Idade
z_AGE <− s c a l e(AGE)
GENDER <− dados$cGenero
GENERATION <− dados$Geracao
INDET <− dados$VOLUME. INDETERMINADO
z_INDET <− s c a l e( INDET )
As variáveis criadas foram: volume recebido de auxílio emergencial, volume
recebido de abono salarial, idade, sexo e o volume indeterminado. Além disso, foram
criados dois clusters, um considerando as Unidades da Federação e outro as cinco
regiões do Brasil (Sul, Sudeste, Norte, Nordeste e Centro-Oeste).
Na Figura 7, apresenta-se uma tabela com 5 modelos de regressão com a
variável dependente essencial e todos os modelos tiveram uma amostra de 1 (um)
milhão de observações.
O primeiro modelo foi gerado apenas com a variável independente COVID-19
Emergency Assistance (volume total recebido de Auxílio Emergencial) sendo esta
Capítulo 4. Análise e Resultados 33
Figura 7 – Tabela de Resultados da Regressão no Cluster Unidade da Federação
Fonte: Elaboração própria
estatisticamente significante em 1% e com sinal positivo, ou seja, sua variação aumenta
o valor esperado da variável dependente, no caso, em 0,009 unidades. OR2do modelo
foi 0,001, ou seja, apenas 0,01% da variação de COVID-19 Emergency Assistance
explica a variação de Essencial.
No segundo modelo, foi adicionada a variável Allowance (volume recebido
de abono salarial) , neste caso, a significância do coeficiente da variável COVID-19
Emergency Assistance e o seu respectivo resultado não se alteraram. Já o coeficiente
da variável variável Allowance foi não significativo no modelo, tendo efeito nulo. OR2
do modelo teve o mesmo resultado do modelo anterior.
No terceiro modelo foi acrescentada a variável AGE (idade) e neste o coefiente
das três variáveis foi estatisticamente significante a 1%. A variável COVID-19
Emer-gency Assistance apreentou efeito positivo sobre Essencial com uma estimativa de
0,01, Allowance também apresentou efeito positivo sobre a variável dependente com
uma estimativa de 0,002. Por fim, AGE também apresentou um efeito positivo sobre
o valor esperado de ESS com uma estimativa de 0,022. O R2 obtido foi o mesmo
resultado dos modelos anteriores.
Por sua vez o quarto modelo adicionou a variável GENDER (sexo). Neste modelo
o gênero masculino está sendo controlado. Todos os coeficientes encontrados também
foram estatisticamente significativos em 1% e positivos. COVID-19 Emergency
Assis-tance apresentou efeito positivo de 0,013 unidades sobre a esperança de Essencial, já
Capítulo 4. Análise e Resultados 34
Allowance teve um efeito de 0,002 unidades sobre a variável resposta, AGE teve um
efeito de 0,023 unidades, ou seja, a medida em que a idade varia positivamente o valor
esperado da variável depentedente varia em 0,023 unidades. Já o fato do beneficiário
ser do gênero masculino teve um feito positivo de 0,024 unidades sobre a esperança
de Essencial. OR2 do modelo apresentou o mesmo resultado dos modelos anteriores.
O último modelo acrescentou a variável INDET (volume indeterminado) e a
variável apresentou um coeficiente estatisticamente significante a 1% com uma
esti-mativa negativa de -0,077, ou seja, a variação de uma unidade desta variável reduz
o valor esperado da variável dependente em 0,077 unidades. Os demais coeficientes
foram estatisticamente significativos em 1%, mas com sinal positivo e próximos aos
do modelo anterior. A variação de uma unidade da variável COVID-19 Emergency
Assistance aumenta o valor esperado de ESS em 0,05 unidades. Já a variação de uma
unidade de Allowance aumenta a esperanca da variável resposta em 0,004 unidades,
a varicação AGE aumenta o valor esperado da variável predita em 0,027 unidades. Por
fim, GENDER teve um efeito de 0,029 unidades, isto é, o fato do beneficiário ser do
gênero masculino tem um efeito positivo sobre o valor esperado da variável dependente
do modelo.
Figura 8 – Tabela de Resultados da Regressão no Cluster Regiões
Fonte: Elaboração própria
Na Figura 8 estão os resultados de regressão com clusters para Regiões do
Brasil. Também foram gerados cinco modelos de regressão com a variável dependente
essencial e todos os modelos tiveram uma amostra de 1 milhão de observações.
Capítulo 4. Análise e Resultados 35
Os resultados apresentados não apresentaram mudança em relação ao primeiro
modelo.
No documento
FUNDAÇÃO GETULIO VARGAS ESCOLA DE POLÍTICAS PÚBLICAS E GOVERNO RAFAEL ANDRE ARENA
(páginas 31-36)