Evolução e fatores associados ao ingresso no Ensino Superior brasileiro nas
últimas décadas
Fabiana de Fatiam Vieira♣
Palavras-chave: Educação, Ensino Superior, capital humano.
Resumo
Apesar do grande número de pesquisas sobre a área de educação, os estudos sobre o Ensino Superior ainda são insuficientes. Isto motivou neste artigo o cálculo de importantes indicadores educacionais para este nível de ensino com o intuito de analisar a sua evolução nas últimas décadas. Para complementar o estudo, foram estimadas regressões para os alunos que haviam ingressado no Ensino Superior em 2004 com o objetivo de mostrar quais as chances de um indivíduo entrar no Ensino Superior. Foi escolhida como amostra a população que ingressou no Ensino Superior pelo fato de que – como mostra a Progressão por série(PPS) – a passagem da terceira série do Ensino Médio para a primeira série do Ensino Superior corresponde ao principal gargalo no sistema de ensino brasileiro. O estudo das principais características influentes na probabilidade de entrar no Ensino Superior pode auxiliar na identificação das causas do enorme hiato entre o número de concluintes do Ensino Médio e o número de matriculados na primeira série do Ensino Superior apontado no modelo profluxo. A amostra da regressão se restringe à população de 18 a 30 anos pelo fato de que esta é a faixa etária com a maior incidência de entrada neste nível de ensino e a faixa etária da amostra dos indicadores depende das particularidades de cada um deles. Os resultados são os mais variados dado que alguns indicadores apresentaram evolução – tais como as taxas de atendimento, de escolarização bruta, de escolarização líquida e a PPS – mas outros não evoluíram substancialmente ou até mesmo retrocederam – caso da taxa de eficiência e das proporções de aprovados e de ingressados para algumas séries do Ensino Superior. A regressão estimada apresentou resultados interessantes sendo que o mais evidente foi a grande importância da geografia do domicílio do indivíduo no que diz respeito à situação censitária – se o domicílio se localiza ou não em região urbana –, à área censitária – se o domicílio se localiza ou não em região metropolitana – e no que diz respeito ao tamanho do município. Este resultado mostra os diferenciais de acesso e de qualidade do Ensino Superior entre as áreas rurais e as áreas urbanas
Evolução e fatores associados ao ingresso no Ensino Superior brasileiro nas
últimas décadas
Fabiana de Fatiam Vieira♣
Introdução
Fornecer um quadro analítico sobre o Ensino Superior brasileiro nas últimas décadas no que diz respeito a oferta e a alguns aspectos da eficiência é o ponto central deste artigo. A partir dos dados da Pesquisa Nacional por Amostra Domiciliar (PNAD), entre 1981 e 2004, fornecida pelo IBGE, buscamos analisar alguns indicadores educacionais do Ensino Superior, tais como taxa de atendimento, taxas de escolarização bruta e líquida, proporção de ingressados, proporção de aprovados, taxa de eficiência e a probabilidade de progressão por série (PPS). Através desta análise é possível fazer um diagnóstico sobre a evolução do Ensino Superior no que tange a melhora na oferta, aprovação, freqüência e eficiência de um modo geral.
Também é estimada uma regressão com o objetivo de captar características relevantes para a inserção de um indivíduo no Ensino Superior (passar do terceiro ano do Ensino Médio para o primeiro ano do Ensino Superior).
Para entender porque a análise do Ensino Superior é importante faz-se necessário explicitar brevemente o histórico do mesmo e discorrer sobre a sua importância para a economia e a sociedade.
Inicialmente é importante entender quais instituições compõem o Ensino Superior Brasileiro, que apresenta a atual organização desde 1961 quando foi criada a Lei de Diretrizes Básicas – LDB. De acordo com a LDB, são classificadas como Instituições de Ensino Superior (IES) as Universidades, os Centros Universitários, e as Instituições Não-universitárias de Ensino Superior. Estas últimas são compostas por Faculdades Integradas, Institutos Superiores ou Escolas Superiores e Centros de Educação Tecnológica que além de não ter a mesma estrutura de uma Universidade elas oferecem formação mais específica que tem como objetivo oferecer formação profissional voltada para o mercado e não para a área acadêmica. Os cursos superiores das Universidades costumam ser mais abrangentes e oferecer mais opções entre a atuação na área acadêmica e a atuação no mercado. Entretanto, antes da Lei de Diretrizes Básicas, as Universidades não apresentavam o caráter pluralista que apresentam atualmente, ou seja, só depois da LDB as Universidades passaram a ser integradas, autônomas e a trabalhar mais com pesquisa e extensão tirando o foco do caráter profissionalizante. A UnB (Universidade de Brasília) foi a primeira a se comportar de maneira aberta e flexível além de tentar manter uma certa independência do governo federal com relação à sua organização e quanto aos próprios cursos. Com a Lei de Diretrizes Básicas de 1961 também foi definida a composição dos corpos docentes das IES, o regime de dedicação dos docentes, as funções as IES, a necessidade de seguir a tríade – ensino, pesquisa e extensão –, etc. No entanto, mesmo com a criação da Lei de Diretrizes Básicas e com a tentativa de
estruturar e regulamentar o Ensino Superior ocorreram problemas que não puderam ser sanados no curto prazo.
Com o considerável crescimento da população brasileira desde a década de 60, o sistema de educação brasileiro sofreu um processo de expansão. Este processo, que deveria ter sido acompanhado por planejamento educacional para que as políticas públicas assegurassem que o ensino oferecido em qualquer lugar e para qualquer criança fosse de qualidade, mudou de modo significativo a situação do sistema de ensino brasileiro. Este fato também aconteceu, de certa maneira, no Ensino Superior. Após um período de aumento no número de matrículas2 este nível de ensino experimentou queda do número de vagas ofertadas a partir de 1974. 3
Na década de 90, as IES começam a crescer novamente, mas aquelas que não são Universidades cresceram mais que as próprias Universidades, ou seja, instituições de Ensino Superior isoladas e profissionalizantes cresceram mais que a própria Universidade. Isso decorre do fato de que havia uma pressão social para a expansão das vagas no Ensino Superior, mas o governo não foi capaz de atender esta demanda e por isso houve incentivos para que o setor privado auxiliasse o governo nesta expansão.4 Tal fato mostra como a restrição de oferta é um importante determinante na educação superior.
Assim como nos Ensinos Médio e Fundamental, no Ensino Superior a expansão não foi criteriosa. Além de ter sido ainda insuficiente com relação ao aumento do número de vagas ofertadas, esta expansão deteriorou a qualidade do Ensino Superior brasileiro. Por isso, hoje, com relativamente poucas exceções, a maioria das IES estão muito aquém do grau de qualidade necessário para formar profissionais de qualidade e com significativo censo crítico.
A motivação para a análise da situação do Ensino Superior brasileiro é a sua a importância para o desenvolvimento e o crescimento econômico do país, devido ao fato de que a educação formal, principalmente a educação de nível superior, é um indicador relevante do nível de capital humano. A educação serve como sinalizador para os agentes econômicos evitando, ou pelo menos amenizando, os problemas da seleção adversa e da informação assimétrica.
O capital humano, de acordo com Becker (1993, p.15) pode ser a escolarização formal, um simples curso de informática, gastos com serviços de saúde e até mesmo palestras informativas. Este tipo de capital é capaz de causar incrementos físicos, psicológicos e monetários que muito provavelmente terão algum impacto sobre a produtividade do
2 De acordo com Birdsall et al. (1996), entre 1970 e 1989 o número de matrículas total, de todos os níveis de ensino, cresceu 32% mas os gastos aumentaram somente 0,4 ponto percentual no mesmo período: passaram de 1,7% para 2,1% do PIB. Ou seja, mesmo com o Sistema de Ensino como um todo em expansão o Ensino Superior passava por retração.
3 Na década de 30 surgiram as primeiras universidades, em decorrência da aglomeração de escolas isoladas, mas é no período 1965-1975 que o sistema de Ensino Superior brasileiro foi objeto de notável expansão, uma vez que as matrículas apresentaram um crescimento de aproximadamente 500%.Porém, a década seguinte (1975-1985) foi caracterizada por um processo de acomodação, visto que a partir de 1975 começaram a surgir os decretos proibindo a criação de novos cursos e abertura de novas vagas. (BATISTA, 1993, p.10)
4 Olhando de outro ângulo, em 1974, quando o processo de expansão atingiu seu ponto mais alto, 63% das Universidades eram públicas e 78% dos estabelecimentos isolados eram privados. Hoje, apenas 7% das Universidades são públicas e 73% das instituições não-universitárias de Ensino Superior são privadas, ou seja, enquanto o número percentual de instituições não-universitárias privadas se manteve no patamar acima de 70%, o número de Universidades públicas baixou para um patamar inferior a 10%, representando uma queda de 56%.(CAVALCANTE, 2000, p.11)
trabalhador. A escolaridade, por exemplo, pode aumentar a remuneração dos indivíduos por fornecer conhecimento, certa habilidade e maior capacidade de analisar problemas.
Do mesmo modo que a microecomia trata o capital físico, os teóricos do capital humano tratam este tipo de capital: através da função de produção. Neste caso, a função de produção para o capital humano é uma curva que representa a relação entre remuneração auferida e anos de estudo. De acordo com Borjas (1996), o tempo destinado a aquisição de capital humano, medido em anos, varia positivamente com o salário esperado pelo indivíduo. Mas esta relação cresce de maneira decrescente e a partir de certo ponto gera retornos decrescentes. Desta forma, há, teoricamente, um ponto no qual o nível de escolaridade é maximizado e este deveria ser o ponto ótimo escolhido pelo indivíduo. Neste ponto ele deixa a escola e entra no mercado de trabalho. Além disso, Borjas (1996) enfatiza que o indivíduo, em geral, escolhe o nível de capital humano que maximiza o valor presente dos seus rendimentos ao longo de toda sua vida. Isso ocorre quando a taxa marginal de retorno da escolaridade se iguala a taxa de juros do mercado. Para que o indivíduo tenha incentivos para continuar estudando, a ele devem ser oferecidos rendimentos maiores do que se ele continuasse com um nível de capital humano mais baixo. Estes salários mais altos são os custos com os quais os empregadores devem arcar para ter mão-de-obra de maior qualificação.
O argumento central aqui desenvolvido é de que problemas na educação de um país – que muitas vezes são causados por problemas de distribuição de renda – afetam diretamente a capacidade de crescimento econômico do mesmo e com isso a pobreza e a insuficiência de educação para a população em geral são perpetuadas. Assim, estudos que procuram analisar o comportamento e os determinantes da educação, neste caso da educação superior, se justificam pelo importante impacto que a mesma tem sobre a sociedade brasileira tanto com relação a aspectos sociais quanto com relação a aspectos econômicos.
Além desta introdução, o artigo é formado por duas seções e pelas considerações finais. A seção 2 apresenta um breve panorama da evolução do Ensino Superior brasileiro através do cálculo dos principais indicadores educacionais para o Ensino Superior entre os anos 1981 e 2004. A seção 3 traz a análise primária dos dados utilizados na regressão para que seja possível entender a relação entre as variáveis e também o resultado das regressões que estimam os diferenciais na probabilidade de ingresso no Ensino Superior. As considerações finais apresentam os principais resultados obtidos, suas respectivas análises e implicações assim como uma agenda de pesquisa futura e sugestões de políticas públicas voltadas para o desenvolvimento do Ensino Superior.
PANORAMA DO ENSINO SUPERIOR
Nesta seção são apresentados os indicadores educacionais taxa de atendimento, taxa de escolarização bruta, taxa de escolarização líquida, PPS, taxa de eficiência e as proporções de aprovados e de ingressados para algumas séries do Ensino Superior – com base no modelo profluxo – com base nos microdados da PNAD e que fornecerão um panorama do Ensino Superior brasileiro de 1981 a 2004.5
5 Os indicadores taxa de atendimento, taxa de escolarização bruta, taxa de escolarização líquida, taxa de eficiência e PPS foram calculados para todos os anos entre o período de 1981 a 2004 com exceção dos anos de 1991, 1994 e 2000, pois nesses anos a PNAD não foi realizada. E por limitação de espaço e esforço de síntese,
Tabela 1
Fórmulas dos indicadores apresentados
100 × = i i P MAT TAE (1)
Onde: TAE = taxa de atendimento escolar;
MAT i = matrícula em todos os níveis de ensino na faixa etária i;
Pi = população total na faixa etária i.
100 × = j j P MAT TEB (2)
Onde: TEB = taxa de escolarização bruta;
MATj = matrícula total no nível de ensino j;
Pi = população na faixa etária adequada a este nível de ensino.
100 , × = i j i P MAT TEL (3)
Onde: TEL = taxa de escolarização líquida;
MATi,j = matrícula total dos indivíduos da faixa etária adequada ao nível de ensino j,
neste mesmo nível de ensino;
Pi = população na faixa etária adequada a este nível de ensino j.
i s j TDIS
TE =100− ,, (4)
Onde: TEj,s = taxa de eficiência d a série s no nível de ensino j;
TDISj,s = taxa de distorção idade-série da série s no nível de ensino j.
100 , sup , , , = × − s j i s j s j MAT MAT TDIS (5)
Onde: TDISj,s = taxa de distorção idade-série da série s no nível de ensino j;
MATj,s,i _ sup = número de matrículas de pessoas com idade superior à idade adequada
para freqüentar a série s do nível de ensino j;
MATj,s = número de matrículas total na série s do nível de ensino j.
i i j P P e PPS= = +1 (6)
Onde: ei = PPS = probabilidade de progressão da série i para a série i+1;
o modelo profluxo só apresenta os dados de 1981, 1993 e 2004 para possibilitar a comparação temporal no período 1981 – 2004.
Pi+1 = pessoas no grupo etário que concluíram pelo menos a série i+1;
Pi = pessoas no grupo etário que concluíram pelo menos a série
Por exemplo, e11 = População com pelo menos 12 anos de estudo
População com pelo menos 11 anos de estudo Fonte: Elaboração própria.
Gráfico 1
Evolução das taxas de atendimento, de escolaridade bruta, de escolaridade líquida e de eficiência – 1981 a 2004
0 5 10 15 20 25 30 35 40 1981 1982 1983 1984 1985 1986 1987 1988 1989 1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 Taxa de atendimento Taxa de escolaridade bruta
Taxa de escolaridade líquida Taxa de eficiência para a 1ª série do Ensino Superior
Fonte: Estimação própria a partir dos dados da PNAD.
A taxa de atendimento escolar, ou taxa de freqüência escolar por grupo etário, expressa o percentual da população que se encontra matriculada na escola, em determinada idade ou em determinado grupo etário, neste caso, a população de 18 a 24 anos. De acordo com os dados, a taxa de atendimento cresceu substancialmente entre 1981 e 2004, mas o comportamento deste indicador não segue uma trajetória constante. Em alguns anos ele apresentou variação positiva pouco significativa e em outros sofreu diminuição. Atualmente, esta taxa ainda apresenta percentuais relativamente pequenos, pois em 2004 havia apenas 32,17% da população de 18 a 24 anos freqüentando a escola. Além disso, os maiores percentuais foram registrados em 2002 e em 2003, o que mostra que até mesmo atualmente há queda nesta taxa. É válido salientar que esta taxa de atendimento engloba todos os níveis de ensino, ou seja, há relativamente poucos indivíduos nesta faixa etária que freqüentam a escola em qualquer um dos níveis de ensino existentes.
Já a taxa de escolarização bruta é o indicador que expressa o percentual de indivíduos matriculados em um dado nível de ensino em relação à população teoricamente adequada para freqüentar este nível de ensino. Em 1981 a taxa de escolaridade bruta era de apenas 8,44%, o que indica que 8,44% da população
que freqüentava o Ensino Superior pertenciam à faixa etária de 18 a 24 anos. Em 2004, a taxa aumentou bastante, mas ainda estava em baixo patamar pois era de somente 18,6%. Assim como a taxa de atendimento, a taxa de escolaridade bruta variou de maneira inconstante entre 1981 e 2004, mas é interessante salientar que houve aumento significativo de mais de dez pontos percentuais neste intervalo de 23 anos.
Este indicador, de certa forma é uma parte da taxa de atendimento, pois tem como foco o número de matrículas em dado nível de ensino. Mas, ele apresenta problemas, pois não é possível saber se a população que freqüenta o Ensino Superior está na série adequada já que ao considerar a matrícula total no nível de ensino j, são considerados indivíduos cuja faixa etária está acima da adequada para o nível de ensino em questão. Com isso, a população considerada para a matrícula total pode ser superior à população que possui idade adequada para freqüentar aquele nível de ensino. No Brasil este efeito enganador pode acontecer por causa do alto índice de repetência e por causa da entrada tardia no sistema de ensino o que faz com que a taxa de escolarização bruta apresente aumentos tanto devido a aspectos positivos (aumento do atendimento) quanto devido a aspectos negativos (aumento da repetência).
O problema levantado acima é solucionado pela taxa de escolarização líquida. Ela apresenta o percentual de indivíduos cuja idade é aquela adequada para freqüentar certo nível de ensino e que estão matriculados neste nível de ensino, em relação à população total teoricamente adequada para freqüentar o mesmo. Desta forma, o aumento deste indicador indica a evolução e aspectos positivos no sistema de ensino.
Primeiramente, é importante notar a significativa diferença entre a taxa de escolaridade bruta e a taxa de escolaridade líquida. A primeira, em termos relativos, é bem maior que a segunda o que mostra que no Ensino Superior há grande parcela de matrículas de indivíduos acima da idade adequada para cursá-lo. Dessa forma, no Ensino Superior ainda há problemas no que diz respeito ao atendimento e à distorção idade-série. As estimativas da taxa de escolarização líquida mostram que em 1981 somente 5,06% da população de 18 a 24 anos freqüentavam o Ensino Superior. Em 2004, esta taxa subiu para 10,48%, ou seja, ela mais que dobrou. Apesar desse aumento, essa taxa ainda é bastante baixa, pois os dados mais atuais mostram que menos de 11% da população na faixa etária adequada para o Ensino Superior freqüentava o grau compatível com a sua idade.
A última taxa apresentada no GRAF. 1 (e também na TAB. 1) é a taxa de eficiência. Ela expressa o percentual de alunos em cada série que possui idade adequada para freqüentar esta série. Através deste indicador é possível captar problemas relacionados com a repetência e/ou entrada tardia no sistema. Este indicador é importante, pois é certo que a alta repetência tem alto custo para o sistema de ensino e tem efeitos perversos sobre o nível de escolaridade da população e sobre a continuidade do processo de escolarização. Neste período, a taxa de eficiência variou pouco. Entre 1981 e 2004 esta taxa apresentou queda para a 1ª 5%), a 2ª (-3%) e a 6ª (-4%) séries do Ensino Superior. Considerando este mesmo período, a média deste indicador obtida para cada série é de 15,1% (1ª série), 12,7% (2ª série), 12% (3ª série), 11,1% (4ª série), 13,7% (5ª série) e 17,3% (6ª série). Pode-se dizer que, em geral, a taxa de eficiência do sistema de ensino é muito baixa, pois em média apenas 12% das pessoas que cursam esse nível de ensino estão na faixa etária adequada. A baixa taxa de eficiência no Ensino Superior é atribuída em grande parte à repetência nos níveis de ensino anteriores e à evasão após o término do Ensino Médio.
Para analisar o ingresso e a aprovação podemos usar o modelo profluxo. O modelo profluxo, desenvolvido na década de 80, é um modelo matemático que permite diagnósticos mais precisos com relação à evasão e à repetência escolar. Anteriormente, a análise dos dados de censos escolares levava a crer que o principal problema do sistema de ensino brasileiro era a evasão escolar. No entanto, o que ocorria na verdade, era o desligamento de alunos por causa de problemas com repetência. Basicamente, o modelo que é descrito por Golgher (2004), possibilita o cálculo das taxas de transição (evasão e repetência) de maneira indireta através da utilização de dados de pesquisas domiciliares.
Tabela 2
Taxa de eficiência no Ensino Superior
1ª série 2ª série 3ª série 4ª série 5ª série 6ª série
1981 14,22 11,55 9,61 7,72 10,13 12,54 1982 15,31 11,40 10,75 9,29 10,40 39,30 1983 15,50 14,62 12,12 11,13 14,15 7,46 1984 15,75 13,34 12,60 9,55 15,94 28,59 1985 13,87 11,58 12,12 12,87 19,00 13,52 1986 14,10 12,44 13,25 11,89 15,54 41,03 1987 13,61 8,95 11,13 8,95 15,98 22,95 1988 14,72 12,41 11,10 8,88 9,70 23,23 1989 15,37 11,44 10,82 12,60 13,36 5,45 1990 15,79 12,81 12,65 10,88 13,29 13,66 1991 - - - 1992 13,97 13,59 10,16 10,27 10,93 27,18 1993 16,91 12,22 10,74 12,03 8,45 8,68 1994 - - - 1995 15,91 14,62 12,37 11,44 8,22 18,29 1996 15,99 12,73 13,88 12,22 13,96 16,08 1997 16,77 14,50 13,48 11,14 17,48 13,86 1998 16,69 15,44 13,21 12,00 17,73 11,42 1999 17,29 16,07 14,45 11,57 13,02 10,47
2000 - - -
2001 14,48 11,90 12,14 13,41 14,03 11,14
2002 14,36 12,30 11,39 13,26 18,11 10,82
2003 13,31 11,75 11,89 11,88 15,43 16,21
2004 13,51 11,25 11,66 10,21 12,11 12,05
Fonte: Estimação própria a partir dos dados da PNAD. Gráfico 2
Proporção de aprovados e ingressados na 3ª série do Ensino Médio e na 1ª série do Ensino Superior em 1981
0 0,05 0,1 0,15 0,2 0,25 0,3 17 18 19 20 21 22 23 24 25 26 27 28 29 30
3ª série do EM - ingressados 3ª série do EM - aprovados 1ª série do ES - ingressados 1ª série do ES - aprovados
Fonte: Estimação própria a partir dos dados da PNAD.
Este artigo trata somente do primeiro passo do modelo profluxo que é calcular a proporção de aprovados e ingressados em um dado ano. Os aprovados são os indivíduos de certa idade que já concluíram a série em questão. A proporção de aprovados é dada pela razão entre o total de indivíduos com idade i que possuem pelo menos x anos de estudo e o total de indivíduos com idade i. Os ingressados são aqueles que já cursaram determinada série e foram aprovados mais aqueles que estão cursando a mesma série6, ou seja, são os indivíduos que alguma vez já foram aprovados na série em questão mais aqueles que estão cursando a série. A proporção de aprovados é dada pela razão entre o total de indivíduos com idade i que já ingressaram na série s e o total de indivíduos com idade i.
Os dados de 1981 contidos no GRAF. 2 mostram a grande diferença entre a proporção de ingressados e de aprovados entre as séries. Como já era esperado, a 3ª série do Ensino Médio apresenta as mais elevadas proporções para todas as idades. O hiato formado entre as curvas de aprovados na série i e as curvas de ingressados na série i+1 é interessante por
6 O modelo original considera também os indivíduos que já cursaram a série e que foram reprovados ou evadiram do sistema de ensino, mas assim como GOLGHER (2004) aqui só são consideradas as duas categorias acima.
indicar se há repetência ou evasão. Se a proporção de ingressados na série i+1 for menor que a proporção de aprovados na série i, há evasão do sistema de ensino. Se a proporção de aprovados na série i do ano j+1 for menor que a proporção de ingressados na mesma série no ano j há repetência ou desistência.
Entre a curva de proporção de aprovados na 3ª série do ensino médio e entre a curva de proporção de ingressados na 1ª série do Ensino Superior, por exemplo, este hiato é grande, o que aponta para a grande evasão do sistema de ensino que ocorre após a conclusão do Ensino Médio.
Já o hiato formado entre as curvas de ingressados e as de aprovados na mesma série mostra o número de matrículas. O ideal seria que todas as curvas estivessem no mesmo patamar e que este patamar fosse igual a um, ou seja, que todas as séries apresentassem iguais proporções de aprovados e de ingressados para cada série.7 Isso mostraria que todas as vagas
Gráfico 3
Proporção de aprovados e ingressados na 3ª série do Ensino Médio e na 1ª série do Ensino Superior em 1993
0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 17 18 19 20 21 22 23 24 25 26 27 28 29 30
3ª série do EM - ingressados 3ª série do EM - aprovados 1ª série do ES - ingressados 1ª série do ES - aprovados
Fonte: Estimação própria a partir dos dados da PNAD.
estariam preenchidas e que todos os que ingressassem no Ensino Superior seriam aprovados e aumentariam sua escolaridade em um ano de estudo.
Em 1993 o hiato entre a curva de proporção de aprovados na 3ª série do ensino médio e entre a curva de proporção de ingressados na 1ª série do Ensino Superior aumenta como pode ser verificado no GRAF. 3 e na TAB. 2, sendo que este aumento se repete entre 1993 e 2004, isto é, a evasão após a conclusão do ensino médio se agrava. As proporções continuam sendo muito maiores para a 3ª série do ensino médio e pequena para a 1ª série do Ensino Superior.
Gráfico 4
Proporção de aprovados e ingressados na 3ª série do Ensino Médio
7Exceto para a quinta série do Ensino Superior, pois não são todos os indivíduos que freqüentam cursos que duram mais de
e na 1ª série do Ensino Superior em 2004 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 17 18 19 20 21 22 23 24 25 26 27 28 29 30
3ª série do EM - ingressados 3ª série do EM - aprovados 1ª série do ES - ingressados 1ª série do ES - aprovados
Fonte: Estimação própria a partir dos dados da PNAD. Tabela 3
Diferença entre aprovados na 3ª série do Ensino Médio e ingressados na 1ª série do Ensino Superior 17 18 19 20 21 22 23 24 25 26 27 28 29 30 198 1 0,00 7 0,03 0 0,04 3 0,04 5 0,05 2 0,06 0 0,06 2 0,06 6 0,07 4 0,08 0 0,08 2 0,08 1 0,08 1 0,06 9 199 3 0,01 3 0,05 1 0,06 3 0,06 8 0,08 1 0,09 4 0,10 0 0,12 2 0,12 7 0,14 1 0,14 6 0,15 2 0,15 3 0,14 9 200 4 0,029 0,168 0,214 0,204 0,214 0,218 0,226 0,241 0,235 0,249 0,252 0,227 0,216 0,211 Fonte: Estimação própria a partir dos dados da PNAD de 1981, 1993, 2004.
No ano de 2004, apesar de ocorrerem variações significativas para as duas proporções os traços principais continuam sendo os mesmos, pois o Ensino Médio ainda tem as mais elevadas proporções, as proporções para o Ensino Superior ainda são baixas, e as matrículas continuam aumentando.
Em análise mais geral, nota-se que a proporção de aprovados e de ingressados obtêm valores máximos em idades elevadas. Estes valores máximos são as idades modais.
De acordo com os dados da TAB. 3, as idades modais são elevadas para todos os níveis – já que a menor é 22 anos – apontando para defasagem escolar. As elevadas idades modais corroboram a baixa taxa de escolarização líquida para o Ensino Superior. Em geral, as idades modais de aprovados são mais elevadas que as idades modais para ingressados, o que indica que já que a maioria entra tardiamente nas referidas séries, é esperado que a maioria também as conclua tardiamente. Outros fatores importantes para as elevadas idades modais dos aprovados, no que diz respeito à educação, são a repetência e a evasão temporária. No que diz respeito ao mercado de trabalho, nota-se que as elevadas idades modais são importantes por mostrar que a mão-de-obra qualificada demora a ser oferecida no mercado de trabalho, o que afeta o desenvolvimento econômico e a pesquisa.
Tabela 4 Idades Modais Ingressados Aprovados 1981 1993 2004 1981 1993 2004 3ª série do EM 22 28 22 26 28 22 1ª série do ES 24 22 22 29 29 23 2ª série do ES 24 28 23 29 28 23 3ª série do ES 26 28 23 29 29 30 4ª série do ES 29 29 28 29 29 30 5ª série do ES 24 25 26 27 25 26 Fonte: Estimação própria com base nos dados das PNADs de 1981, 1993 e 2004.
Por fim, apresentamos a PPS. A probabilidade de progressão por série (PPS) é um indicador que expressa a probabilidade de um indivíduo que já foi aprovado na série i ser aprovado na série i+1. A utilidade deste indicador consiste em permitir a análise das diversas transições dentro do sistema de ensino e o padrão de evasão definitiva (abandono por parte do aluno) por série escolar além de permitir previsões dos anos médios de estudo. Este método é uma derivação da Razão de Progressão por Parturição (Parity Progression Ratios), utilizado para estimar a fecundidade. Para a educação ele é aplicado com o objetivo de estabelecer uma comparação entre as progressões das diversas séries dos níveis de ensino. Dessa forma, é possível saber quais as transições mais difíceis, ou seja, quais são os grandes gargalos do ensino. O seu cálculo se dá da seguinte forma:
As PPSs podem ser estimadas para diferentes coortes para que seja possível analisar a evolução das proporções para diferentes períodos. Neste caso, como se pretende analisar o Ensino Superior, o ideal é calcular a PPS para o grupo etário de 18 a 24 anos em diferentes períodos (anos).
Gráfico 5
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1992 1993 1995 1996 1997 1998 1999 2001 2002 2003 2004 Ano PPS e10 e11 e12 e13 e14 e15
Fonte: Estimação própria a partir dos dados da PNAD.
As PPSs acima são correspondentes às probabilidades de aprovação nas seguintes séries: passar da segunda série do Ensino Médio para a terceira série do Ensino Médio (e10),
passar da terceira série do Ensino Médio para a primeira série do Ensino Superior (e11), passar
da primeira série do Ensino Superior para a segunda (e12), passar da segunda para a terceira
série do Ensino Superior (e13), passar da terceira para a quarta série do Ensino Superior (e14) e
passar da quarta para a quinta série do Ensino Superior (e15). A PPS e10 foi incorporada na
discussão apesar de não se pertencer ao Ensino Superior para fins de comparação.
Ao iniciar a comparação entre as PPSs, é possível perceber que as menores são e11, e14
e e15. Como e15 corresponde à probabilidade de passar da quarta para a quinta série do Ensino
Superior seus baixos percentuais podem ser atribuídos ao pequeno número de indivíduos que freqüentam a quinta série do Ensino Superior, pois há poucos cursos superiores que demandam cinco ou seis anos para serem concluídos. Já o baixo percentual de e11 pode ser
atribuído à pequena chance de ingressar no Ensino Superior, o que já demonstra um gargalo no sistema de Ensino em comparação às outras séries apresentadas. O baixo percentual de e11
pode ser atribuído à grande evasão dos jovens após o término do Ensino Médio que ingressam no mercado de trabalho, à dificuldade de entrada no Ensino Superior já que exige um processo de seleção (vestibular) e à restrição de oferta nesse nível de ensino, já que vários municípios não ofertam o Ensino Superior.
A comparação intertemporal mostra que em todas as PPSs as variações foram ora positivas e ora negativas – o que implica em inconstância do indicador – e além disso, com exceção de e15, os indicadores não apresentaram variações bruscas. A variação em pontos
percentuais mostra que os indicadores continuam muito baixos para o Ensino Superior como um todo e principalmente para e11.
Em suma, os baixos valores da PPS para o primeiro ano do Ensino Superior indicam que poucas pessoas seguem em frente com seus cursos superiores. E como a diferença entre e10 e e11 é grande em todos os anos, poucos indivíduos que concluem o Ensino Médio
ingressam no Ensino Superior. Também é possível perceber pelos dados que, de um modo geral e10 aumentou durante o período e e11 diminuiu. Isso indica que está ocorrendo o
aumento do número de pessoas que conclui o Ensino Médio e em contrapartida essas pessoas não estão sendo absorvidas pelo Ensino Superior.
ESTIMAÇÃO DOS DIFERENCIAIS NA PROBABILIDADE DE INGRESSO NO ENSINO SUPERIOR
Esta seção tem por objetivo determinar quais são os principais fatores associados à entrada de um indivíduo no Ensino Superior. È formulado um modelo para os indivíduos que possuem exatos onze anos de estudo e que freqüentam ou não a escola, sendo os que freqüentam a escola aqueles que ingressaram no Ensino Superior e os que não freqüentam a escola aqueles que pararam de estudar ao concluir o Ensino Médio. A amostra é composta de indivíduos de 18 a 30 anos pois esta é a faixa etária de maior participação no Ensino Superior, sendo a fonte de dados a PNAD de 2004. Como o objetivo é estimar a probabilidade de ingressar no Ensino Superior dado que o indivíduo concluiu o Ensino Médio, o modelo Logit foi aplicado para a estimação da regressão e uma breve explanação deste modelo econométrico é apresentada abaixo.
Seja Y o evento estar matriculado na primeira série do Ensino Superior, por exemplo, e x o vetor que representa as variáveis explicativas do modelo. A função que mostra a probabilidade em questão é ) ( ) ... ( ) / 1 (Y x G β0 β1x1 β x G β0 xβ P = = + + + k k = + (7) sendo que 0<G(β0+xβ)<1.
Para calcular esta probabilidade, foi utilizado o modelo Logit que é baseado na seguinte função de distribuição cumulativa logística:
) ( ] 1 [ ) ( z e e z G z z Λ = + = (8)
sendo 0<G(z)<1 e z∈ℜ .Como na interpretação dos modelos a análise do impacto das variáveis explicativas é essencial, e dado que não é possível interpretar diretamente o coeficiente das variáveis explicativas do modelo Logit como o impacto das mesmas na variável dependente binária, é necessário encontrar um outro modo de calcular este impacto. Assim, assume-se que há uma variável latente (não observada) y*, tal que
e x
y =β0 + β +
* (9)
e assume-se que y=1 [y*>0] e que o erro tem uma distribuição normal – ε ~ N(0, σ ) – além 2 de ser independente de x.
Se o evento em questão ocorrer, neste caso, se um indivíduo estiver matriculado na primeira série do Ensino Superior, a variável latente terá um valor superior a zero e conseqüentemente a probabilidade será igual a um. Com y*> 0 → y=1, e assim
) ( ] / ) ( [ 1 ] / ) ( [ ) / 0 ( ) / 1 (y x P y x Pe β0 xβ x G e β0 xβ x G β0 xβ P = = > = − + = − >− + = + (10)
Conforme já foi dito, o vetor β não apresenta exatamente a variação de P(y=1/x) causada pelas variações no x, pois o modelo não é linear. Logo, usa-se a derivada parcial para descobrir estas variações.
Seja p(x)=P(y=1/x), ou seja, a probabilidade de que o evento ocorra. Assim, os efeitos parciais de cada xi que compõe x são dados por
j i x g x x p β β β ⋅ + = ∂ ∂ ) ( ) ( 0 (11) onde g(z)= dz dG (z).
Se xi for uma variável binária (uma dummy como, por exemplo, fazer ou não parte da
PEA), o efeito parcial desta variável, quando ela passar de zero para um, é dado por ) ... ( ) ... ( 0 1 2x2 kxk G 0 2x2 kxk G β +β +β + +β − β +β + +β (12)
Os resultados referentes às variáveis são interpretados com base na razão de chance (odds ratio) que é a razão entre a probabilidade de ocorrência do evento dado determinado atributo e a mesma probabilidade dada a categoria de referência deste atributo para a transformação Logit. Se p é a probabilidade de que o evento ocorra (sucesso) e (1-p) é a probabilidade de que o evento não ocorra (fracasso) a razão de chance é
p p − = 1 ω (13)
A razão de chance é relacionada ao conceito de risco relativo: risco definido como uma probabilidade ao longo de um intervalo de tempo ou exposição. No caso de variáveis quantitativas, uma razão de chance superior a um indica que há uma relação positiva entre as duas variáveis, ou seja, se movem no mesmo sentido. Em caso contrário, razão de chance inferior a um, as variáveis apresentam movimento inverso, enquanto a covariada aumenta em uma unidade, a variável a ser explicada diminui. Se a variável é qualitativa e aparece como uma dummy, o resultado da razão de chance indica qual a diferença entre a probabilidade de sucesso e de fracasso dada certa característica representada pela dummy em questão.
Neste modelo a variável dependente é população que ingressou no Ensino Superior em 2004 e as variáveis explicativas são condição de ocupação (se está ocupado ou desocupado); condição no domicílio; idade; região;8 UF (Unidade Federativa); escolaridade do chefe do domicílio; renda domiciliar per capita; situação censitária: se o indivíduo mora na zona rural ou urbana; área censitária: se o indivíduo mora em região metropolitana9; tamanho do município; sexo; raça; e custo de oportunidade do indivíduo.10
A condição de ocupação faz parte da regressão para captar se o fato de estar ocupado auxilia ou atrapalha o indivíduo a freqüentar o Ensino Superior. A condição no domicílio é inserida na tentativa de captar se há diferenciais entre filhos e chefes do domicílio no que diz respeito a entrada no Ensino Superior. Já a variável idade pode captar se a chance dos indivíduos entrarem no Ensino Superior cresce ou decresce à medida que eles ficam mais velhos.
As variáveis UF e região tentam captar se há diferenças entre as regiões no que diz respeito à chance de entrar no Ensino Superior. A variável renda per capita domiciliar é utilizada por ser importante na determinação do poder de um indivíduo ter meios para que ele
8 O Distrito Federal foi considerado como uma região separada do Centro-oeste.
9 Através desta variável foi criada uma dummy para identificar se o município pertence à região metropolitana e outra para identificar se o município é um município médio.
10 Vale ressaltar que as variáveis domiciliares foram escolhidas em detrimento das familiares pelo fato de que há grande probabilidade de que haja somente uma família no domicílio e pela tendência geral de que haja homogamia entre os casais com relação à renda, escolaridade, ocupação etc.
possa cursar faculdade e arcar com todos os custos da mesma (material didático, mensalidade, transporte, alimentação, habitação, etc.). A variável escolaridade do chefe de domicílio é importante, pois possui grande influência sobre a escolaridade dos filhos e demais jovens do domicílio. Assume-se aqui que o domicílio é um nível de desagregação suficiente para captar as influências mais importantes para o indivíduo tais como renda per capita, background educacional, etc.
A variável localização do domicílio é utilizada para incorporar o diferencial de acesso ao Ensino Superior entre indivíduos que habitam na zona rural e na zona urbana, pois apesar do contínuo processo de urbanização na zona rural a disponibilidade de serviços ainda é consideravelmente menor do que na zona urbana. E para garantir uma boa aproximação das características do meio no qual o indivíduo está inserido, são incorporadas as variáveis área censitária – pois espera-se que se o indivíduo mora em área metropolitana seu acesso a uma grande gama de serviços, principalmente o Ensino Superior, é muito superior ao daquele que mora em área não metropolitana – e do município. A variável município médio refere-se ao tamanho do município no que diz respeito ao fato de ele ser auto-representativo e metropolitano.
Já as variáveis sexo e cor são incorporadas devido à existência de discriminação contra negros e mulheres e à possibilidade de que haja diferenças entre o desempenho dos indivíduos dependendo destas variáveis. A variável sexo é uma variável indicadora que assume valor 1 se o indivíduo é homem. Já a variável cor assume valor 1 se o indivíduo for branco ou amarelo.
Por fim, dado que este artigo examina o Ensino Superior, é importante captar a atratividade que o mercado de trabalho tem sobre o indivíduo cuja faixa etária está entre 18 e 30 anos. Ao se decidir por continuar os estudos, os indivíduos tendem a trocar o mercado de trabalho pela educação. Além da restrição de oferta de vagas no Ensino Superior, este é um dos possíveis motivos para que o indivíduo deixe os estudos, pois muitos precisam trabalhar. Logo, quanto maior a remuneração que ele espera receber, provavelmente, maior será a probabilidade de ele não ingresse no Ensino Superior. Como proxy do custo de oportunidade dos indivíduos em questão11 é utilizado o valor esperado do salário no mercado de trabalho brasileiro: neste caso é a média dos salários recebidos pelos indivíduos desta faixa etária em cada Estado – ou seja, a variável é controlada pela UF, pela situação censitária e pela área
11 Esta proxy é construída com base em um estudo similar realizado por BARROS (2001). Antes de estimar as regressões das duas variáveis dependentes, é necessário estimar o custo de oportunidade do aluno ao deixar de entrar no mercado de trabalho para seguir o Ensino Superior. Basicamente, o custo de oportunidade tem como
proxy o salário esperado por um indivíduo, que é dado pelo salário médio recebido por indivíduos controlado
por características do local Onde ele mora – UF, se a região é ou não urbana e se a área é ou não metropolitana – controlado pela probabilidade de estar empregado ou ocupado, para a população de 18 a 30 anos. Primeiro estimamos a probabilidade de estar ocupado, através de um probit, em função das características de cada indivíduo: sexo, raça, idade, educação, condição na família, unidade geográfica (região, urbano, rural, área metropolitana e tamanho do município) e rendimento do não-trabalho. Depois, estimamos uma regressão do logaritmo do salário usando como variáveis independentes as características pessoais dos indivíduos, incluindo a probabilidade predita de estar ocupado, além de sexo, raça, idade, educação, condição na família, unidade geográfica (região, urbano, rural, área metropolitana e tamanho do município). com base nos valores obtidos no segundo passo, estimamos o valor predito médio do salário para cada unidade geográfica (combinação de UF, região metropolitana, urbana e rural e tamanho do município). Por fim, calculamos a diferença entre o salário observado de cada indivíduo e o valor predito para a unidade geográfica em que reside.
censitária – multiplicado pela probabilidade de que estes indivíduos estejam ocupados. Esta probabilidade é a probabilidade de que uma pessoa economicamente ativa esteja empregada.12
Tabela 5
Média e desvio padrão das variáveis da regressão
Variáveis Média Desvio Padrão
AlunoES 0,108 0,311 Sexo 0,501 0,500 Raça 0,501 0,500 Idade 23,843 3,723 Filho 0,433 0,495 Chefe 0,267 0,443 Urbana 0,828 0,378 Metropolitana 0,293 0,455 Município médio 0,220 0,414 Região Norte 0,087 0,282 Região Sudeste 0,404 0,491 Região Sul 0,142 0,349 Região Centro-oeste 0,063 0,242 Distrito Federal 0,013 0,115 Custo de oportunidade -78,767 764,868 Condição de ocupação 0,749 0,434
Renda domiciliar per
capita 3,956 7,431
Educação do chefe 6,107 4,482
Fonte: Estimação própria com base nos dados da PNAD de 2004.
Na TAB. 5 é apresentada a análise descritiva das variáveis usadas na regressão que mostra que os indivíduos da amostra têm em média 23,8 anos, somente 10,8% da amostra possuem Ensino Superior, 50% são do sexo feminino, 50% da amostra é composta de brancos
12 De acordo com BARROS (2001) poderia ser também a probabilidade de um indivíduo em idade ativa estar empregado.
e amarelos, 43,3% ocupam a condição de filho na unidade domiciliar e 26,7% são chefes de família. Cerca de 83% moram na região urbana sendo que 29,3% moram na região metropolitana e 22% moram em municípios médios. Além disso, 8,7% habitam a região Norte, 40,4% a região Sudeste, 14,2% a região Sul, 6,3% a região Centro-oeste, 1,3% o Distrito Federal e os 29,1% restantes habitam a região Nordeste. A análise das duas variáveis de renda mostra que o custo de oportunidade é negativo, ou seja, o salário esperado dos indivíduos que deveriam estar cursando o Ensino Superior e possuem somente o Ensino Médio completo é insignificante e que a renda per capita familiar é de, em média, de aproximadamente 4 salários mínimos. Por fim, os chefes dos domicílios aos quais os jovens da amostra pertencem têm seis anos de estudo em média.
Foram estimadas quatro regressões diferentes para os alunos que ingressaram no Ensino Superior. A primeira foi estimada para todos os indivíduos da amostra de 18 a 30 anos independente da sua condição na família, a segunda para os indivíduos que são filhos, a terceira para os indivíduos que são chefes e a quarta para os indivíduos que são filhos englobando a escolaridade do chefe do domicílio na regressão.
Quando são considerados todos os indivíduos, as características sociais mostram que as mulheres têm 23% a mais de chance do que os homens de entrar no Ensino Superior, os brancos e amarelos têm 45% a mais de chance de entrar no Ensino Superior que os negros, pardos e indígenas e os indivíduos que são filhos têm 168% a mais de chance que os demais. A idade influencia positivamente a probabilidade de ingresso. Este resultado corrobora a análise feita no modelo profluxo que mostra as elevadas idades modais para o Ensino Superior. Com relação à localização dos indivíduos, aqueles que habitam na zona urbana têm 145% a mais de chance que aqueles que habitam na zona rural, os que habitam na região metropolitana têm 32% a mais de chance que aqueles que habitam em região não metropolitana e os que habitam em municípios médios têm 44% a mais de chance do que aqueles que habitam em municípios que não são médios.
Tabela 6
Resultados da regressão para os ingressados no Ensino Superior
Total Chefe Filho Filho *
Coeficientes Coeficientes Coeficientes Coeficientes
Sexo 0,867** 0,704** 0,703* 0,655** [0,06] [0,12] [0,05] [0,044] Raça 1,444* 1,127 1,374* 1,223* [0,11] [0,19] [0,10] [0,09] Idade 0,851* 0,897* 0,844* 0,874* [0,01] [0,02] [0,01] [0,011] Filho 2,682* - - - [0,17] Urbana 2,449* 3,029*** 2,202* 1,703*
[0,36] [1,97] [0,36] [0,287] Metropolitana 1,322* 1,589** 1,181** 1,006 [0,10] [0,33] [0,09] [0,08] Município médio 1,447* 1,763* 1,328* 1,125 [0,10] [0,37] [0,11] [0,096] Região Norte 0,785* 0,470* 0,081*** 0,811*** [0,07] [0,12] [0,09] [0,93] Região Sudeste 0,643* 0,581* 0,651* 0,704* [0,05] [0,12] [0,05] [752717] Região Sul 0,756* 0,857 0,636* 0,753* [0,07] [0,20] [0,07] [0,081] Região Centro-oeste 0,834*** 0,743 0,861 0,919 [0,09] [0,21] [0,11] [0,18] Distrito Federal 0,614* 0,778 0,476* 0,542* [0,12] [0,28] [0,10] [0,11] Custo de oportunidade 1,000012*** 1,000158 0,9996897** 0,9997721*** [0,00] [0,00] [0,00] [0,0001] Condição de ocupação 0,390* 0,477* 0,364* 0,408* [0,04] [0,12] [0,03] [0,035]
Renda domiciliar per
capita 1,100* 1,086*** 1,166* 1,106* [0,03] [0,05] [0,02] [0,016] Educação do chefe - - - 1,151* [0,011] Pseudo-R2 0,189 0,081 0,187 0,221 Nº de observações 23079 5594 11130 11078 Log pseudolikelihood -6425,598 -906,103 -4090,689 -3906,375
* 1% de significância ** 5% de significância *** 10% de
significância
Fonte: Estimação própria com base nos dados da PNAD de 2004.
Analisando mais precisamente as regiões, nota-se que os indivíduos habitantes da região Nordeste possuem maior probabilidade de ingressar no Ensino Superior do que os indivíduos de qualquer uma das outras regiões, sendo este um resultado é inesperado.
Já no que diz respeito a variáveis de renda, o aumento de R$ 100,00 na renda per capita faz com que o indivíduo tenha 10% a mais de chance de entrar no Ensino Superior, algo que já era esperado. Ao considerar a situação no mercado de trabalho, um indivíduo desocupado tem 61% menos chance de entrar no Ensino Superior do que um indivíduo ocupado. Outro resultado surpreendente além do resultado das regiões é a influência do custo de oportunidade sobre a probabilidade de ingressar no Ensino Superior: ele aumenta muito pouco esta chance, pois a cada aumento de R$ 100,00 a chance não cresce nem 1%. Ao estimar esta variável pensamos que esta variável seria muito importante e teria grande influência. Neste modelo todas as variáveis são significativas a pelo menos 10%.
Nas outras regressões, percebe-se que o sexo e a raça perdem importância quando o modelo é controlado pela condição na família, isto é, se o indivíduo for chefe ou filho, o sexo e a raça influenciam menos na probabilidade de ingresso no Ensino Superior. No entanto, as mulheres têm mais chance de entrar no Ensino Superior do que os homens e os negros, pardos e indígenas ainda têm menos chance que os brancos e amarelos. A idade aumenta um pouco a probabilidade se o indivíduo for chefe ou se ele for filho e se controlarmos pela educação do chefe. As variáveis urbana, metropolitana e município médio aumentam muito mais a probabilidade para o indivíduo que é chefe do que para os demais, o que mostra que o local onde o chefe do domicílio mora é muito importante para sua entrada no Ensino Superior. No caso das regiões, vis-à-vis a região Nordeste, com exceção do Distrito Federal, elas têm menos importância para se ingressar no Ensino Superior no caso dos chefes e mais importância no caso dos filhos comparativamente à população total de ingressados. No entanto a probabilidade de entrar no Ensino Superior dos nordestinos continua maior do que a dos habitantes das demais regiões em todos os modelos. O custo de oportunidade, apesar de não ser estatisticamente significativo para os chefes, não muda significativamente em nenhuma das regressões permanecendo praticamente sem influência. No caso da condição de ocupação, a probabilidade de entrar no Ensino Superior se ele estiver ocupado é menor do que se ele estiver ocupado em todas as regressões, mas a diferença entre ocupados e desocupados é menor para a amostra de chefes. A influência da renda per capita é maior para os filhos, já que para eles o aumento de R$100,00 na renda per capita aumenta a chance de entrar no Ensino Superior em 17%.
A única variável que aparece em somente um modelo – o segundo modelo para filhos – é a variável escolaridade do chefe do domicílio. Ela é estatisticamente significativa e muito influente, pois para cada ano a mais de escolaridade do chefe do domicílio a chance do indivíduo que é filho entrar no Ensino Superior aumenta 15%.
De um modo geral, os problemas de significância são maiores para as três últimas regressões, sendo as variáveis indicadoras referentes às regiões as mais problemáticas.
Com a análise inicial realizada é possível perceber que o Ensino Superior no Brasil ainda apresenta importantes lacunas. Mesmo com a evolução positiva de alguns indicadores, a maioria das taxas calculadas ainda está em patamares muito baixos. Os dados referentes aos indicadores apontam para a grande evasão, que é um dos principais problemas do Ensino Superior. Através de vários indicadores é possível identificar este problema. O grande hiato entre a proporção de aprovados na terceira série do Ensino Médio e a proporção de ingressados na primeira série do Ensino Superior mostra isso claramente. A queda nas taxas de matrícula – representadas pela diferença entre aprovados na série i e ingressados na série i+1 – à medida que se avança no Ensino Superior é outra evidência da evasão. No caso da taxa de atendimento, em 2004, último ano analisado, apenas 32,4% dos indivíduos na faixa etária de 18 a 24 anos – a faixa adequada para o Ensino Superior – estavam estudando em algum dos níveis de ensino, ou seja, a evasão para a faixa etária adequada para o Ensino Superior é grande no sistema de ensino em geral.
Outro problema identificado pelos dados é a elevada distorção idade-série que fica evidente ao analisar as idades modais e a diferença entre a taxa de escolarização bruta e a taxa de escolarização líquida. Em 2004, 10,4% dos indivíduos matriculados no Ensino Superior estavam matriculados nas séries compatíveis com sua idade. Em outras palavras, a distorção idade-série era de quase 90%.
Já com relação à repetência, as baixas taxas de eficiência são um forte indício do problema e as elevadas idades modais podem, indiretamente, reforçar a identificação da repetência. Em 2004, nenhuma das taxas de eficiência calculadas para as séries do Ensino Superior alcançou 15%, ou seja, nem 15% dos alunos estavam na série adequada a sua idade.
Juntamente com os indicadores citados acima, a PPS mostra o ingresso ao Ensino Superior como o grande gargalo do sistema de ensino, resultado este que de certa forma já era esperado dada a insuficiência de vagas no Ensino Superior e a dificuldade de ter acesso ao mesmo.
Como a proposta do trabalho era discutir a evolução do Ensino Superior em termos quantitativos, o diagnóstico conciso e breve identifica uma situação na qual o sistema apresenta baixo desempenho em relação à oferta, à aprovação e ao ingresso. Uma possível causa é a escassez de investimentos ou a ineficiência da alocação de recursos. A desvalorização do capital humano e a prioridade dada a universalização do Ensino Fundamental também podem ser algumas das causas do fraco desempenho do Ensino Superior.
Com relação aos resultados da regressão, o que é possível sugerir em termos de focos para políticas públicas para avanços na probabilidade de ingressar no Ensino Superior é a implantação de universidades nas áreas rurais, melhoras na renda per capita tanto no aumento geral quanto na distribuição, e reformas no sistema de ensino que facilitem a participação dos indivíduos ocupados que normalmente têm restrição de tempo para se dedicar a cursos superiores.
É possível perceber que dada a condição atual do Ensino Superior, a formação de capital humano, principalmente aquele formado para o desenvolvimento da ciência e tecnologia, é restrita no Brasil. As pressões sofridas pelo país para que a economia se desenvolva e consiga fazer o catching up com os países já desenvolvidos dificilmente serão resolvidas se o processo de formação de capital humano não for melhorado.
O imediato reconhecimento da importância do Ensino Superior para o desenvolvimento econômico e social do Brasil poderia ter importante impacto positivo sobre as políticas destinadas ao Ensino Superior e assim aumentar a oferta de vagas. Em 2006, 17
programas voltados para o Ensino Superior estavam em funcionamento13 com o objetivo de ampliar o alcance ou de melhorar o desempenho do mesmo. Se eles são ou não suficientes para solucionar os problemas apontados não é possível dizer através da análise realizada aqui. Fica, então, como proposta de trabalhos futuros a análise do impacto das políticas atuais sobre os problemas apontados neste artigo.
REFERÊNCIAS
BARROS, Ricardo Paes de et al. Determinantes do Desempenho Educacional do Brasil.
Pesquisa e Planejamento Econômico, Rio de Janeiro, v. 31, n. 1, p.1-42, abr. 2001.
BECKER, Gary Stanley. Human Capital: a theoretical and empirical analysis, with special reference to education. 3rd. ed. Chicago: University of Chicago Press, 1993. 390p
BIRDSALL, Nancy; LONDOÑO, Juan Luis; O’CONNELL, Lesley. La educación en América latina: la demanda y la distribución importan. Revista de la CEPAL, n. 66, p.39-52, dic. 1998.
BORJAS, George J. Labor economics. New York: McGraw-Hill, c1996. p.220-245.
CAMARGO, J.; BARROS, R. As causas da pobreza no Brasil: porca miséria!. In:
Perspectivas da economia brasileira. Brasília, D.F.: IPEA (Instituto de Pesquisa Econômica
Aplicada), 1991. cap. 27, p.525-544.
GOLGHER, André Braz; RIOS-NETO, Eduardo Luiz Gonçalves. Aspectos metodológicos
sobre indicadores educacionais no Brasil. Brasília, D. F.: Instituto Nacional de Estudos e
Pesquisas Educacionais Anísio Teixeira, 2005. 47 p. (Textos para Discussão).
GOLGHER, André Braz. Modelo profluxo e indicadores derivados. In: RIANI, Juliana de Lucena Ruas; RIOS-NETO, Eduardo Luiz G. (Org.). Introdução à demografia da
educação. Campinas, SP: ABEP, 2004. p.145-207.
LAU, Lawrence J., et al. Education and economic growth: some cross-sectional evidence. In: BIRDSALL, Nancy; SABOT, Richard H (Org.) Opportunity foregone: education in Brazil. Washington, D. C.: Inter-American Development Bank, 1996. p.83-116.
PESQUISA nacional por amostra de domicílios (PNAD). Rio de Janeiro: IBGE, 1981- 2004.
13
UNIAFRO, INCLUIR, Reconhecer, PROLIND, Envelhecimento, ProUni, FIES, PEC-G, PROEXT, PET, CELP-Bras, PROMISAES, IMA, Portal, Jovens Artistas, COLIP, NAPRO.
PIRES, Valdemir. Economia da Educação e Política Educacional: para além do capital
humano. In: 1a. Mostra Acadêmica UNIMEP, 2003, Piracicaba SP. Anais da 1a. Mostra
Acadêmica UNIMEP, 2003.
RIANI, Juliana de Lucena Ruas; GOLGHER, André Braz. Indicadores educacionais confeccionados a partir de bases de dados do IBGE. In: RIANI, Juliana de Lucena Ruas; RIOS-NETO, Eduardo Luiz G. (Org.). Introdução à demografia da educação. Campinas, SP: ABEP, 2004. p. 90-127.
RIOS-NETO, Eduardo Luiz Gonçalves. O método probabilidade de progressão por série. In: RIANI, Juliana de Lucena Ruas; RIOS-NETO, Eduardo Luiz G. (Org.). Introdução à
demografia da educação. Campinas, SP: ABEP, 2004. p 146-158.
RIOS-NETO, E. L. G.; CÉSAR, C. C.; RIANI, J. L. R. Estratificação educacional e progressão escolar por série no Brasil. Pesquisa e Planejamento Econômico, Rio de Janeiro, v. 32, n. 3, p.395-415, dez. 2002.
