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)