Henrique Dantas Neder1
e Jorge Luiz Mariano da Silva
21 Doutor em Economia – Professor da Universidade Federal de Uberlândia, E-mail:
dneder@ufu.br.
Palavras-chaves:distribuiçãoderenda,pobrezarural,bootstrapping, indicadoressociais
ClassificaçãoJEL:I32
Abstract – The work develops applications of methodologies for the estimation of poverty indexes and income distribution in rural areas, beingconsideredthesampleerrorsoftheNationalSurveyforHousehold Sampling - PNADs. Are obtained estimates with confidence intervals forseveralindicatorsandforseveralruralareasofBrazilandstressed the areas where it was observed significant alterations in the poor proportion,povertyintensityandincomedistributionintheperiod1995-2001.Theresultsoftheestimatespointfortheoccurrenceofsignificant andpositivevariationinthepovertyindicatorsinStatesofSãoPaulo, Pernambuco,AlagoasandsignificantfallofthesameindicatorsinCeará, RiodeJaneiro,SantaCatarinaandGoiás.Asignificantfallwasverified inthesameperiodintheincomeconcentrationoftheruralareasof Tocantins,Piauí,Paraíba,ruralmetropolitanarea,ruralNortheastarea, rural metropolitan Northeast area and rural metropolitan South area andinthestatesofSãoPaulo,ParanáandCeará,asignificantelevation ofthevalueofGiniindexwasverified.Withbaseincalculatedvalues ofpovertyelasticitieswaspossibletoestablishanevaluationoftherural areasofthecountryintermsofcombateffectivenesstothepovertybased ongrowthanddistributivespolicies.
Key words: income distribution, rural poverty, bootstrapping, social indicators
JELClassification:I32
1 - Introdução
apauperizaçãodapopulaçãoémaisdramáticaeevidenteemfunçãoda ausênciadepolíticaspúblicas,comotambémsubsidiaraformulaçãode políticaseficazesdecombateàpobrezaeaconcentraçãoderendarural. Tambéméimportantetentardemonstrarqueesteagravamentopoderia tersidomaiorsealgumaspolíticassociaisnãotivessemsidooperantese efetivascomoasdecorrentesdosprincípiosestabelecidosnaConstituição Federalde1988,comoéocasodaimplementaçãodasaposentadorias ruraiseaextensãododireitouniversaldasmesmasparapessoascommais de65anosesemrenda.Oargumentodequeaspolíticassociaisforam inócuasemperíodorecentecomrelaçãoàmelhoriadosindicadores,não levaemcontaofatodequeoagravamentodestesíndicesteriasidomais dramáticocasomuitosdosprogramasnãotivessemexistidoesemantido nadécadade90.OdebateatualsobreasquestõessociaisnoBrasilestá hoje centrado na oposição de uma universalização e focalização das políticassociais.Estaétalvezumafalsacontraposição,namedidaem quemesmoadvogando-seemfavordamanutençãodauniversalização, existeanecessidadedaavaliaçãodosefeitosdasintervenções.
Osefeitosdasnovaspolíticaseconômicasesociaisnasáreasrurais do Brasil foram bastante diversos e devem ser tratados com atenção particular. Algumas mudanças ocorreram, tal como também para a população urbana, em função da estabilização de preços no início da segunda metade da década de 90, sendo que os efeitos positivos parecemesgotar-seapartirdofinaldesteperíodo,quandoaselevadas taxas de desemprego e a situação recessiva do País contrabalançam negativamente os ganhos sociais advindos da queda inflacionária. Algumas transformações econômicas nas áreas rurais parecem ter tambémcontribuídoparaaplacarosefeitosdacrisecomoéocasodo crescimentodasatividadesnãoagrícolasemalgumasregiõesdoBrasil rural.Noentanto,verifica-setalcomoconstatadoemNeder/2001que estasatividadescontribuíramparaapioradosíndicesdedistribuição derendarural.Umimportantecomponentedarendarural,quesãoas aposentadorias,passouaterumpapelrelevantecomofatordistributivo de renda.3 È provável que a forma tal como se direciona a trajetória
3 Em recente trabalho, Hoffmann (2003) demonstra, através do uso de técnica de
dodesenvolvimentoruralsejatãooumaisperversadoqueachamada modernização conservadora, tendo em vista as elevadas taxas de desemprego rural em virtude da intensificação da mecanização das atividades agrícolas, como também de uma certa extensão do novo paradigmatecnológicoedeorganizaçãoprodutivaparaasáreasrurais.
2 – Metodologia
2 .1 – Considerações sobre o tratamento das amostras utilizadas
Opresentetrabalhobaseia-senaestimativadeíndicesdepobrezae deconcentraçãoderendaobtidosdasPNADs–PesquisaNacionalpor AmostrasDomiciliaresemdoisanos:1995e2001.Ocálculodosíndices foi realizado utilizando-se procedimentos de inferência que além de obter as estimativas de ponto foram também estimados intervalos de confiançaparaosindicadorestendoemcontaqueosdadosprovémde amostrasdomiciliares.APNADéumapesquisaanualcomdesenhode amostragemcomplexaequenecessitadeumtratamentodeinferência que leve em conta estas características. Nas regiões metropolitanas e noschamadosmunicípiosauto-representativos(municípiosdegrande população situados fora das regiões metropolitanas) a amostra é realizadaemdoisestágiossendoqueaunidadeprimáriaamostral(PSU) são os setores censitários. Estes são selecionados com probabilidade proporcionalaotamanho(PPS)sendoutilizadocomoproxydetamanho onúmerodedomicíliosemcadasetor.Emcadasetorselecionadosão escolhidos domicílios através de um procedimento de amostragem sistemática.ExistetambémumaestratificaçãoimplícitafeitapeloIBGEa partirdoordenamentodossetorescensitáriosparaaseleçãodossetores da amostra. Para os municípios não auto-representativos (municípios pequenos),asunidadesdafederaçãosãoestratificadasgeograficamente, sendoqueemcadaestratosãoselecionadosdoismunicípios,sendoestes asunidadesprimáriasdeamostragem(PSUs).Aseleçãodosmunicípios
éfeitacomprobabilidadeproporcionalaotamanhodosmesmos,sendo queaproxydetamanhoindicadaéapopulaçãototaldomunicípiopor ocasiãodoúltimocenso.Apósestaetapasãoselecionadosossetores censitários adotando-se o mesmo método empregado nas regiões metropolitanasemunicípiosauto-representativos.Destaforma,paraos municípiosnãoauto-representativosaamostraéemtrêsestágios.4
Oqueimportaparafinsdeutilizaçãodasinformaçõesdodesenho de amostragem para realizar inferências é conhecer em qual estrato e em qual PSU está localizado o domicílio da amostra. Com este conhecimento e de posse dos registros unitários (micro-dados) das PNADs, assim como programas estatísticos convenientes, é possível nãosomenteestimaríndices,assimcomoobteradimensãodoserros deamostragemparacadaestimativa.Deve-selevaremcontaqueos erros de amostragem em uma amostra complexa como é o caso da PNAD são muito mais elevados do que os mesmos erros para uma amostraaleatóriasimples(AAS)comomesmotamanhodeamostra.A variânciadosestimadoresamplifica-seemrelaçãoàmesmavariância deumaAASnamedidadochamadofatordodesenhodaamostraque irádependerdascaracterísticasdescritasanteriormente.
Cabe um comentário sobre a comparabilidade entre os dados das amostrasdaPNAD1995e2001.Comonesteartigoforamconsideradas assub-amostrasparaasáreasruraisdopaíselevando-seemcontaque paraoanode2001aPNADredefineasáreasruraisdeacordocomos resultadosdoCensoDemográficode2001,épossívelqueocorraalguma perdadecomparabilidadeentreasestimativasparaosdoisanos.Oque ocorreéqueasestimativaspara2001porestaremmaispróximasdoano censitáriodoqueasestimativaspara1995,elasacabemporrefletircom maiorrigorosvaloresdosindicadoresparaoconjuntodasáreasrurais dopaísenasregiõesestudadas.Estadistorçãoseriamaisgravequanto maisafastadoestivesseoanoinicial(1995)estivessedoanocensitário correspondente(1991).Éprovávelqueemquatroanosoperímetrourbano demuitosmunicípiostenhaseampliado,masdesprezaremosaquieste
4Paraumacompreensãomaisdetalhadadosfundamentosteóricosdeumaamostragem
efeitolevando-seemcontaquemuitasvezesestaampliaçãonãoreflete necessariamenteoprocessodeurbanizaçãonoiniciodadécadade1990, sendodecorrênciamuitasvezesdosinteressesdasmunicipalidadesem ampliaraarrecadaçãodeimpostosviacobrançadeIPTU.
2.2 – Métodos de estimativa de intervalos de confiança para os indicadores
Nestetrabalhoserãoempregadosparaefeitodechecagemdiversos métodos de estimativa. Um primeiro método é o da estimativa da variânciabaseadona“linearização”(Stata,2001ePessoaeSilva,2002) empregandooscomandossvydoStata.Paraasestimativasdosíndices depobrezafoiutilizadoumprogramadoStata(adofile)denominado sepov (Jollife e Semykina,1999). Este programa estima os índices de Foster-Greer-Thorbecke (headcount ratio – P0, poverty gap -P1 e squaredpovertygap–P2)comassuasrespectivasvariânciaselimites deintervalodeconfiança.Estesíndicessãocalculadoscombasenas seguintesexpressões:
(1)
ondeqéonúmerodepobres(pessoascujarendapercapitadomiciliar émenorquealinhadepobreza),néotamanhodapopulação,zéa linhadepobrezaeyiéarendapercapitadomiciliardai-ésimapessoa.
à distribuição de renda entre os pobres, não se alterando quando se transfererendadeumindivíduomaispobreparaoutromenospobre. Sendoassim,aproporçãodepobresdeveserutilizadaemconjuntocom outrosdoisindicadores,quesecomplementammutuamente.
Osegundoíndice(“povertygap”)medeaintensidadedepobreza para o conjunto da população pobre através do cálculo do desvio médioentrearendadospobreseovalordalinhadepobrezaepode serinterpretadocomoumindicadordodéficitdepobreza,ouseja,os recursosnecessáriosparaelevararendadetodosospobresaonívelda linhadepobreza,atravésdeumaperfeitafocalizaçãodastransferências derenda.Oterceiroíndice(SquaredPovertyGap)égeralmentedescrito como um indicador de severidade da pobreza. Na construção deste índiceutiliza-seumpesomaiorparaaspessoasmaispobres(o“gapde pobreza”éponderadoporsimesmo)eleva-seemcontaadesigualdade derendaentreospobres.Considerando-seautilizaçãodestesíndicespara ospropósitosdepolíticaspúblicasdecombateàpobrezaaproporção depobres(P0)atribuimaiorefetividadeàpolíticasqueelevamarenda dosmenospobres(aquelescujarendaémaispróximadez).Jáogap depobreza(P1)eogapdepobrezaaoquadrado(P2)colocamênfase naqueles que estão muito abaixo de z, ou seja, os mais pobres dos pobres.Aslinhasdepobrezautilizadasforamobtidasnostrabalhosda pesquisadoradoInstitutodePesquisasEconômicasAplicadas–IPEA, SoniaRocha,ecujametodologiaencontra-sedescritaemRocha(1998).
Assim,daprópriaamostraoriginaldaPNADsãoselecionadososPSUs comreposiçãocomprobabilidadeproporcionalaotamanho.ParaosPSUs deregiõesmetropolitanasemunicípiosauto-representativosfoiutilizada a probabilidade de seleção do município como variável psuwt e para osmunicípiosnãoauto-representativosfoiutilizadaaprobabilidadede seleçãodosetorcensitário,sendoqueambasvariáveisestãodisponíveis nosarquivosdemicro-dadosdasPNADs.Asestimativasdosintervalos deconfiançabasearam-senahipótesedenormalidadedadistribuição amostral(paramaioresdetalhesverMooneyeDuval(1993)assimcomo Stata(2001)).
Umterceirométododeestimativadeintervalosdeconfiançaempregado neste trabalho é a abordagem de linearização de Rao. Este método é descritocomdetalhesnomanualdoprogramaDADdaUniversidadede Laval(Duclosetalii,2002)efoiutilizadonocontextodasestimativas deintervalosdeconfiançadosíndicesdeGinisendocomparadoscom as mesmas estimativas obtidas pelo método bootstrapping através do programa Stata. Os resultados da comparação comprovaram-se satisfatóriossendoasvariânciasobtidasmuitopróximas.
2.3 – Cálculo da elasticidade da pobreza
Paraocálculodaelasticidadedapobrezafoiutilizadaametodologia proposta por Datt (1998). Esta é uma proposição para cálculo dos valores das elasticidades a partir de dados de distribuição de renda agrupados.Oautordopresenteartigodesenvolveuumprogramaem Stataadaptandoametodologiaparaaestruturadosmicro-dadosdas PNADs.NoartigodeDatt(1998)sãoapresentadasduasespecificações paraacurvadeLorenz,masoptamosporsimplicidadeapenasparaa QuadráticaGeral.5Sejamasseguintesfunções:
CurvadeLorenz: (2)
e
Medidadepobreza: (3)
5 Pretende-se em um próximo trabalho estimar os parâmetros da curva de Lorenz
ondeLéaparticipaçãodospporcentoinferioresdapopulaçãona rendapercapitadomiciliar, éumvetordeparâmetrosestimáveisda curvadeLorenz,Péamedidadepobrezaescritacomoumafunçãoda relaçãodarendapercapitadomiciliarmédia àlinhadepobrezaze osparâmetrosdacurvadeLorenz.AespecificaçãoQuadráticaGeralda curvadeLorenzédadapelasseguintesfunções:
L(1-L)=a(p2−L)+bL(p−1)+(c−L)(4)
ou
L(1-L)= [bp+e+(mp2+np+e2)1/2](5)
Asfunçõesquerepresentamasmedidasdepobrezadadasapartir destaespecificaçãodacurvadeLorenzsão:
H= [n+r(b+2z/m){(b+2z/m)2−m}-1/2](6)
PG=H−(m/z)L(H)(7)
(8)
ondeH,PGeP2sãorespectivamenteaproporçãodepobres,ogap de pobreza e a severidade da pobreza da classe dos índices FGT de pobrezaeosparâmetros:
e=−(a+b+c+1)(9) m=b2−4a(10) n=2be−4c(11) r=(n2−4me2)1/2(12) s1=(r−n)/(2m)(13) s2=−(r+n)/(2m)(14)
O procedimento para estimar os parâmetros da curva de Lorenz utilizouumaregressãolinearpormínimosquadradosordináriosdeL(1-L)em(p2–L),L(p–1)e(p-L)paraaobtençãodosparâmetrosa,bec.
Osvaloresdaselasticidadesdapobrezasãocalculadasapartirdas fórmulasnoQuadro1,aseguir:
Quadro1–Fórmulasdaelasticidadedapobrezaemrelaçãoàrendamédia eaoíndicedeGini
Elasticidadeda Média() ÍndicedeGini
H
PG
SPG
Fonte:FórmulasobtidasdeDatt(1998).OvalordeL’’(H)éovalordasegundaderivadada curvadeLorenzeiguala
3 – Resultados
NaTabela1sãoapresentadasasestimativasdaproporçãodepobres (P0) para os anos de 1995 e 2001 com os respectivos intervalos de confiança e níveis de significância dos valores da diferença entre os índicesde2001e1995.NosEstadosdoCeará,RiodeJaneiro,Santa CatarinaeGoiásobserva-seumaquedasignificativanaproporçãode pobres(P0),comníveisdesignificância0,0973;0,0251;0,0626e0,0580 respectivamente.6NoEstadodeSãoPauloruralobserva-seumaelevação significativadaproporçãodepobresentreosanosde1995e2001,com níveldesignificância0,0366.NaTabela2sãoapresentadososvalores doshiatosdepobreza(P1)paraosmesmosanosocorrendoumaqueda significativa nos Estados do Piauí, Paraíba, Santa Catarina e Goiás e elevaçãosignificativadesteíndicenosEstadosdePernambuco,Alagoas eSãoPaulo.PortantoosEstadosquetiveramreduçãosignificativada pobrezatantonoqueserefereasuaproporçãocomoasuaintensidade foramSantaCatarinaeGoiásenquantoqueemSãoPauloobservou-se umagravamentonestesdoisaspectosdapobreza.OsdadosdaTabela
6Paraainterpretaçãodos“p-values”,ouníveisdesignificância,considera-sequeestes sãoasprobabilidadesdeocorrênciadeumerrotipoI(rejeitarahipótesenula–variação nuladoíndice,quandoestahipóteseéverdadeira).NocasodoEstadodoCearáovalor dop-valueé0,0973significandoqueaorejeitarahipótesenulaestamosincorrendoem umaprobabilidadedeerrode9,73%,oqueéaceitável.Quantomenorovalordop-value
3sãomaisagregadosporregiõesemostramumaquedasignificativa daproporçãodepobresnoperíodo1995-2001naregiãoCentro-Oeste rural, na região rural do estado do Rio de Janeiro, ao passo que se observa um aumento significativo da intensidade da pobreza (índice P1) além de em São Paulo, como visto anteriormente, mas também naregiãoNordeste2formadapelosEstadosdeAlagoas,Pernambuco, SergipeeBahia.NaTabela3,aregiãoNordestefoidivididaemduas sub-regiões(NE1ruraleNE2rural).Procedeu-sedessaformaparaque fossepossívelaproveitarmelhoraspossibilidadesdedesagregaçãodas amostras,levando-seemcontaqueasub-amostraparaoNordesterural émuitograndeemrelaçãoàsdemaisregiõesdopaís,devidoaoseu elevadonúmerodeunidadesdafederação.
Tabela1–Proporçãodepobresemáreasruraisporunidadedafederação– 1995e2001
1995 2001 Diferença
Área estimativa variância estimativa variância estimativa Variância p-value
CE 0,5967 0,0003 0,5460 0,0012 -0,0506 0,00150 0,0973
RJ 0,3364 0,0010 0,2498 0,0010 -0,0866 0,0020 0,0251
SP 0,1816 0,0004 0,2340 0,0005 0,0524 0,0009 0,0366
SC 0,2044 0,0006 0,1430 0,0010 -0,0614 0,0016 0,0626
GO 0,4028 0,0013 0,3249 0,0012 -0,0779 0,0025 0,0580
Fontedosdadosbásicos:microdadosdaPNAD–FIBGE
Nota:EstimativasobtidaspelométododalinearizaçãodeTaylor(programaSEPOVdoStata). Sãoapresentadosnatabelaapenasosresultadoscomp-valuemenordoque0,10.
Tabela2–Hiatodepobrezaemáreasruraisporunidadedafederação– 1995e2001
1995 2001 Diferença
Área estimativa variância estimativa variância estimativa Variância p-value
PI 0,3581 0,0012 0,2960 0,0006 -0,0621 0,0019 0,0745
PB 0,2891 0,0009 0,2324 0,0006 -0,0567 0,0015 0,0729
PE 0,2188 0,0005 0,2556 0,0001 0,0368 0,0006 0,0652
AL 0,1987 0,0004 0,2577 0,0008 0,0591 0,0012 0,0434
SP 0,0696 0,0001 0,1126 0,0002 0,0430 0,0002 0,0019
SC 0,0886 0,0002 0,0575 0,0001 -0,0311 0,0003 0,0317
GO 0,1735 0,0006 0,1305 0,0004 -0,0429 0,0010 0,0870
Fontedosdadosbásicos:micro-dadosdaPNAD-FIBGE
Tabela3–Proporçãodepobresehiatodepobrezaporregiões–1995e2001
1995 2001 Diferença
Área estimativa variância estimativa variância estimativa Variância p-value
P0
COrural 0,3697 0,0005 0,3218 0,0006 -0,0478 0,0011 0,0753
MGeESrural 0,2924 0,0004 0,2938 0,0002 0,0014 0,0006 0,4773
NE1rural 0,5494 0,0003 0,5438 0,0004 -0,0056 0,0007 0,4167
NE2rural 0,4782 0,0002 0,4956 0,0001 0,0174 0,0004 0,1862
RJrural 0,3364 0,0010 0,2498 0,0010 -0,0866 0,0020 0,0251
SPrural 0,1816 0,0004 0,2340 0,0005 0,0524 0,0009 0,0366
SULrural 0,2254 0,0003 0,2162 0,0002 -0,0091 0,0005 0,3390
P1
COrural 0,1591 0,0002 0,1446 0,0003 -0,0145 0,0005 0,2634
MGeESrural 0,1246 0,0001 0,1193 0,0001 -0,0053 0,0002 0,3671
NE1rural 0,2810 0,0002 0,2600 0,0002 -0,0210 0,0004 0,1325
NE2rural 0,2116 0,0001 0,2271 0,0001 0,0155 0,0001 0,0990
RJrural 0,1317 0,0001 0,1115 0,0002 -0,0202 0,0003 0,1298
SPrural 0,0696 0,0001 0,1126 0,0002 0,0430 0,0002 0,0019
SULrural 0,0963 0,0001 0,0937 0,0001 -0,0027 0,0001 0,4008
Fontedosdadosbásicos:micro-dadosdaPNAD-FIBGE
Nota:NE1(MA,PI,CE,RN,PB)eNE2(PE,AL,SE,BA)
Nota:EstimativasobtidaspelométododalinearizaçãodeTaylor(programaSEPOVdoStata).
Tabela4–ÍndicesdeGinicomintervalosdeconfiançaetestedehipótese paraadiferençadosíndices–1995e2001,áreasrurais
Área gini1995 desvio linf lsup gini2001 desvio linf lsup diferença desvio p-value
TO 0,6997 0,0576 0,5856 0,8142 0,5206 0,0329 0,4553 0,5859 -0,1791 0,0663 0,0035 PI 0,5809 0,0240 0,5332 0,6286 0,5218 0,0168 0,4885 0,5552 -0,0591 0,0293 0,0218 CE 0,4665 0,0142 0,4384 0,4946 0,5144 0,0135 0,4876 0,5413 0,0479 0,0196 0,0072 PB 0,5232 0,0356 0,4524 0,5939 0,4281 0,0133 0,4017 0,4546 -0,0951 0,0380 0,0062 SP 0,4713 0,0190 0,4336 0,5090 0,5172 0,0221 0,4734 0,5610 0,0459 0,0291 0,0576 PR 0,5103 0,0236 0,4634 0,5572 0,5579 0,0285 0,5015 0,6144 0,0476 0,0370 0,0992
Brasil-Metro 0,5367 0,0278 0,4814 0,5919 0,4602 0,0149 0,4307 0,4897 -0,0765 0,0315 0,0076 Nordeste 0,5274 0,0101 0,5073 0,5475 0,5042 0,0142 0,4762 0,5323 -0,0232 0,0174 0,0915
Nordeste-Metr 0,6099 0,1149 0,3820 0,8378 0,4396 0,0397 0,3608 0,5184 -0,1703 0,1216 0,0806 Sul-Metr 0,5186 0,0297 0,4597 0,5774 0,4496 0,0159 0,4180 0,4813 -0,0690 0,0337 0,0203
Fontedosdadosbásicos:microdadosdaPNAD–FIBGE
Nota:Estimativasobtidaspelométododobootstrappingatravésdoprogramaineqerr(adaptado) doStata.
Sãoapresentadosnatabelaapenasosresultadoscomp-valuemenordoque0,10.
houverumacréscimode1%narendamédiadosdomicíliosnasregiões ruraisnessesestados,opercentualdepobrescairianoPiauíem0,73%, enquantonoEspíritoSantoem1,3%.
Tabela5–Elasticidadesdapobrezaemrelaçãoaocrescimentodarendamédiae aoíndicedeGini–áreasrurais2001
Área elcresP0 elcresP1 elcresP2 elginiP0 elginiP1 elginip2 gini P0 P1 P2
TO -0,9309 -1,0972 1,2015 0,6893 2,5528 4,3703 0,5101 0,4541 0,2165 0,1353 NE -0,8569 -1,0724 -1,2064 0,3958 1,9573 3,4811 0,5038 0,5182 0,2501 0,1560 MA -0,7398 -1,1067 -1,3915 0,5781 2,6463 4,6503 0,3524 0,5426 0,2576 0,1519 PI -0,7326 -0,8943 -0,9614 0,1993 1,5154 2,8058 0,5215 0,5795 0,3059 0,2066 CE -0,7519 -0,9327 -1,0289 0,2657 1,6828 3,0701 0,5138 0,5524 0,2858 0,1887 RN -0,9353 -1,0668 -1,1407 0,7636 2,6873 4,5641 0,4901 0,4431 0,2144 0,1365 PE -0,9670 -1,1913 -1,3313 0,2742 1,6214 2,9447 0,4281 0,5102 0,2328 0,1398 PB -0,8492 -1,0362 -1,1367 0,2651 1,6356 2,9791 0,4749 0,5341 0,2623 0,1673 AL -0,8706 -1,0785 -1,1979 0,2458 1,5868 2,9028 0,4598 0,5348 0,2573 0,1609 SE -0,9516 -1,2936 -1,5633 0,4438 2,0696 3,6617 0,4411 0,4761 0,2076 0,1165 BA -0,9423 -1,1727 -1,3290 0,4603 2,0614 3,6263 0,4731 0,4846 0,2230 0,1340 MGeES -1,0112 -1,3153 -1,5765 2,1154 5,8438 9,4822 0,4191 0,3316 0,1432 0,0801 MG -1,1547 -1,2393 -1,3112 1,8444 4,5768 7,2891 0,4373 0,2887 0,1289 0,0779 ES -1,3075 -1,7687 -2,1964 2,3227 5,9184 9,4546 0,3838 0,2959 0,1069 0,0509 RJ -1,3007 -1,3772 -1,4558 1,8504 4,3820 6,9165 0,4153 0,2658 0,1118 0,0647 SP -1,2055 -1,2444 -1,2834 2,1022 4,9139 7,7258 0,4169 0,2579 0,1149 0,0700 SU -1,1067 -1,1463 -1,1840 2,6619 6,1623 9,6583 0,5069 0,2133 0,0994 0,0624 PR -1,0772 -1,2659 -1,4300 2,3224 5,8849 9,3947 0,4838 0,2787 0,1230 0,0717 SC -1,2606 -1,2764 -1,3152 3,3628 7,0722 10,8433 0,4414 0,1405 0,0617 0,0372 RS -1,0775 -1,0534 -1,0324 2,6801 6,1075 9,5427 0,4920 0,1996 0,0972 0,0641 CO -1,1155 -1,2502 -1,3575 1,5165 4,0592 6,5645 0,4330 0,3354 0,1491 0,0888 MS -1,2118 -1,2880 -1,3550 1,7402 4,2857 6,8179 0,4198 0,2924 0,1278 0,0762 MT -1,0460 -0,9686 -0,8706 1,0640 3,0024 4,9200 0,4957 0,3485 0,1770 0,1233 GO -1,1951 -1,5436 -1,8513 1,6535 4,5194 7,3287 0,3863 0,3495 0,1374 0,0714 DF -1,0084 -1,3209 -1,5947 3,0853 8,1012 12,9987 0,6043 0,2773 0,1195 0,0665
Fontedosdadosbásicos:micro-dadosdaPNAD.
153.772,oaumentode1%narendadetodasasfamíliasimplicaráem umareduçãode2.011pessoaspobres,aopassoquenoEstadodoPiauí paraoqualeraestimadoumtotalde594.022pessoaspobres,omesmo aumentogeralde1%narendadasfamíliaspossibilitariaumaredução de4.352pessoaspobres.Éimportantedestacarqueemtermosrelativos à população pobre original o efeito desta redução para o Estado do EspíritoSantoémaisfortetendoemvistaoseumaiorvalorabsoluto daelasticidadedapobreza.Seantesdaelevaçãodarendaosrecursos necessários para erradicar completamente a pobreza no Estado do EspíritoSantoseriamR$2.792.396,passamaseriguaisaR$2.743.007 apósaelevação,implicandoemumareduçãodeR$49.389mensais. No Estado do Piauí, o mesmo montante antes da elevação da renda seriadeR$16.450.467epassariaaserR$16.303.351apósaelevação, implicandoemumareduçãodeR$147.117mensaisnecessáriosparaa erradicaçãocompletadapobrezarural(verTabela6).
DeacordocomasconclusõesdoartigodeHeltberg(2002)apartir de diversos estudos econométricos, a elasticidade da pobreza cresce monotonicamentecomocrescimentodarendamédiaeistoexplicaria a posição mais vantajosa dos Estados mais desenvolvidos de acordo comosresultadosanteriores.Heltberg(op.cit.)tambémenfatizaquea elasticidadedapobrezadependefortementedograudedesigualdade: “umadistribuiçãodesigualéumimpedimentosérioaoefetivoalívio da pobreza”, o que torna de certa forma a dicotomia “crescimento versus redistribuição” um falso dilema. Resultados semelhantes são encontrados nos trabalhos de Ravallion e Datt (1994), Bell e Rich (1994)eShujie,1999.Essesautoresestimaramaelasticidadedevárias medidasdepobreza–aproporçõesdepobres,ohiatodepobrezaeo quadradodohiatodepobreza–eencontraramqueessaselasticidades sãomaisaltasquantomaioroimpactodocrescimentodarendasobre arendamédiadosmaispobres.
Tabela6–Efeitosdavariaçãode1%narendamédiaenoíndicedeGini-Estados doEspíritoSantoePiauí–áreasrurais-2001
Efeitosdocrescimento
UF LP(R$) n np1 np2 dif R1(R$/mês) R2(R$/mês) Dif(R$/mês)
ES 50,188 566588 153772 151761 2011 2792396 2743007 49389
PI 53,862 1031826 594022 589670 4352 16450467 16303351 147117
Efeitosdadistribuiçãoderenda
UF LP(R$) n np1 np2 dif R1(R$/mês) R2(R$/mês) Dif(R$/mês)
ES 50,188 566588 153772 150200 3572 2792396 2627131 165265
PI 53,862 1031826 594022 592838 1184 16450467 16201177 249290
Legenda:LP=linhadepobrezaadotada;n=totaldepessoas;np1=númerodepessoaspobres antes da alteração (renda média ou índice de Gini); np2 = número de pessoas pobres após a alteração;dif=diferença,R1=recursosmensaisnecessárioselevararendadetodasaspessoas pobresàlinhadepobrezaantesdaalteração;R2=mesmosrecursosnecessáriosapósaalteração.
4 – Conclusões
Aanálisedasestimativasdosindicadoresdepobrezaparaasáreas rurais indicou uma queda significativa na proporção de pobres nos EstadosdoCeará,RiodeJaneiro,SantaCatarinaeGoiásnoperíodo1995-2001,enquantoquenoEstadodeSãoPauloobservou-seumaelevação significativadosmesmos.QuantoaoíndicedeGinifoiconstatadauma reduçãosignificativanomesmoperíodoparaosEstadosdoTocantins,Piauí, Paraíbaenasregiõesmetropolitanasrurais,noNordesteruralcomoum todo,noNordesteruralmetropolitanoenaregiãoSulruralmetropolitana. ForamtambémobservadaselevaçõessignificativasdoíndicedeGininas áreasruraisdosEstadosdeSãoPauloeParaná.Emtermosdedistribuição derendaruralaregiãoNordesteapresentadoispadrões:osEstadosdo Maranhão,Piauí,CearáeRioGrandedoNortecomelevadosíndicesde GiniaopassoqueosEstadosdaParaíba,Pernambuco,Alagoas,Sergipee Bahiacomvaloressignificativamentemaisbaixos.
pobrezacrescecomodesenvolvimentodasregiõeseadistribuiçãode rendadesigualéumentraveaoalíviodapobreza,naformadevalores maisreduzidosdeelasticidade.Entretanto,deve-selevaremconsideração alimitaçãodessaanálisequenãorevelaquantosdomicíliosnasregiões ruraisdeixariamdeserpobres.
Por outro lado, o estudo apontou que a elasticidade da pobreza se relaciona positivamente com mudanças percentuais nos índices de desigualdade. Portanto, se a pobreza pode ser reduzida mais rapidamenteatravésdadistribuiçãoderenda,entãopolíticasdealívio da pobreza devem ser acompanhadas por programas de redução de desigualdadesderenda.Éclaroqueapobrezaabsolutapodedeclinar mesmocomapresençadeumnívelelevadodedesigualdadederenda seocrescimentodarendaésuficientementegrandeparacompensá-lo.
Obviamente,oprocessoderetomadadocrescimentosóteriaefeito sobreareduçãodapobrezaseeleatingisseascamadasmaispobresda populaçãoequeelasrecebamosfrutosdodesenvolvimentoeconômico do país. Para isso, é necessário que a retomada do crescimento seja acompanha por programas que contemplem a geração de renda e empregoparaascamadasmaispobresdapopulação.
NocasodaspolíticasdecombateàpobrezanoNordesteelasdevem considerar a importância das parcelas de renda rural, principalmente, a renda não agrícola como alternativa para reduzir o número de famílias ruraisqueestãoabaixodalinhadepobrezaeemcondiçõesdeindigência.
5 – Referências Bibliográficas
BELL,C.eRICH,R.(1994)Ruralpovertyandagriculturalperformance in post - independence India, Oxford Bulletion of Economics and Statistics,56(2),111-133.
DATT, G. (1998) Computational tools for poverty measurement and analysis.Washington,D.C.InternationalFoodandNutritionInstitute. DELGADO,G.;CARDOSOJR.,J.C.(org.)(2000)Auniversalizaçãodedirei-tossociaisnoBrasil:aprevidênciaruralnosanos90.Brasília,IPEA.
HELTBERG, R. (2002) The poverty elasticity of growth. Discussion Paper no. 2002/21, United Nations University/ World Institute for DevelopmentEconomicsresearch.
HOFFMAN,R.(1998)Distribuiçãoderenda–medidasdedesigualdade epobreza.SãoPaulo.EDUSP.
___________. 2003. Desigualdade no Brasil: a contribuição das aposentadorias.
JOLLIFFE D., SEMYKINA A., (1999) Robust Standard Errors for the Foster-Greer-ThorbeckeClassofPovertyIndeces:SEPOV.StataTechnical Bulletin,STB-51
JOLLIFFE, D. E BOHDAN, K., (1999) Bootstrap standard errors for indicesofinequality:INEQERR,nãodisponível.
MOONEY,C.Z.EDUVAL,R.D,(1993)Bootstrapping:anonparametric approachtostatisticalinference.Yowa.SagePublications.
NEDER,H.D.2001.Osefeitosdasatividadesnãoagrícolasnadistribuição derendadomeioruraldoBrasil.XXXIXCongressoBrasileirodeEconomia eSociologiaRural,SOBER,AnaisemCD-ROM,Recife,agostode2001. PESSOA, D.G.C. e SILVA, P.L.N. (1998) Análise de dados amostrais complexos.SãoPaulo.AssociaçãoBrasileiradeEstatística.
PRATES, F. M. (1996) Desigualdade de renda e pobreza em Minas Gerais.DissertaçãodeMestrado,CEDEPLAR/UFMG,BeloHorizonte. RAVALLION,MeDATT,G.(1994)GrowthandpovertyinIndia.Washingon, DC:WorldBank,PovertyandHumanResourcesDivision(Mimeo). SHUJIE,YAO.(1999)EconomicGrowth,incomeinequalityandpoverty inChinaundereconomicreforms.theJournalofDevelopmentStudies, London,vol.35,n.6,August,pp.104-130
SILVA,P.L.N.(2002)Ananalysisofdesigneffectsforsamplesurveys conductedinBrazil.UnitednationsStatisticDivision.
STATA Corp., (2001) Stata Programming Guide, Release 7. College Station,Texas.StataPress.