• Nenhum resultado encontrado

Ensaio sobre pobreza e desigualdade

N/A
N/A
Protected

Academic year: 2017

Share "Ensaio sobre pobreza e desigualdade"

Copied!
81
0
0

Texto

(1)

Pró-Reitoria de Pós-Graduação e Pesquisa

Programa de Pós-Graduação Stricto Sensu em

Economia

ENSAIO SOBRE POBREZA E DESIGUALDADE

Autor: Gabrielle Pagliusi Paes de Lima

Orientador: Prof. Dr. Tito Belchior Silva Moreira

(2)

GABRIELLE PAGLIUSI PAES DE LIMA

ENSAIO SOBRE POBREZA E DESIGUALDADE

Tese apresentada ao Programa de Pós-Graduação Stricto Sensu em Economia da Universidade Católica de Brasília, como requisito parcial para obtenção do Título de Doutor em Economia.

Orientador: Prof. Dr. Tito Belchior Silva Moreira

(3)

7,5cm

Ficha elaborada pela Biblioteca Pós-Graduação da UCB

L732e Lima, Gabrielle Pagliusi Paes de.

Ensaio sobre pobreza e desigualdade. / Gabrielle Pagliusi Paes de Lima

– 2013.

78 f.; il : 30 cm

Tese (doutorado) – Universidade Católica de Brasília, 2013. Orientação: Prof. Dr. Tito Belchior Silva Moreira

1. Economia. 2. Pobreza. 3. Renda – distribuição. 4. Igualdade. 5. Política social – Brasil. I. Moreira, Tito Belchior Silva, orient. II. Título.

(4)

Tese de autoria de Gabrielle Pagliusi Paes de Lima , intitulada “Ensaio sobre Pobreza e

Distribuição de Renda no Brasil”, apresentada como requisito parcial para obtenção do grau

de Doutor em Economia pelo Programa de Pós-Graduação em Economia da Universidade Católica de Brasília, 03 de setembro de 2013, defendida e aprovada pela banca examinadora abaixo assinada:

________________________________________________________ Prof. Dr. Tito Belchior Silva Moreira

Orientador

Programa de Pós-Graduação em Economia - UCB

________________________________________________________ Prof. Dr. Jaime José Orrillo Carhuajulca

Programa de Pós-Graduação em Economia - UCB

________________________________________________________ Prof. Dr. Osvaldo Candido da Silva Filho

Programa de Pós-Graduação em Economia - UCB

________________________________________________________ Dr. Geraldo da Silva e Souza

Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA)

________________________________________________________ Prof. Dr. Adolfo Sachsida

(5)
(6)

AGRADECIMENTOS

Agradeço principalmente aos meus pais, meu futuro esposo, meus irmãos e minha irmã, pela paciência, pelas palavras sempre calmas e corretas em meus momentos de nervosismo, ansiedade e saudades e por sempre me incentivarem.

Agradeço ao Prof. Tito, por ser meu orientador e mestre sempre paciente, interessado e correto nos ensinamentos não somente durante o período de orientação, mas também durante todo o curso.

Agradeço ao Dr. Geraldo da Silva e Souza, pela atenção e ajuda durante grande parte da elaboração deste trabalho.

Agradeço também aos professores do doutorado em economia da UCB, pois foram sempre muito amigos e solícitos.

Agradeço à Maysa pela paciência e por estar sempre disposta a ajudar, mesmo a distância.

(7)

RESUMO

DE LIMA, Gabrielle Pagliusi Paes. Ensaio sobre Pobreza e Desigualdade. 2013. 52. Tese de Doutorado em Economia – Programa de Pós-Graduação em Economia, Brasília, 2013.

Este trabalho objetiva responder a seguinte pergunta: quais são os fatores que contribuem para a redução da pobreza e da desigualdade de renda no Brasil? Para isso, é analisada a importância de variáveis como o PIB per capita, PIB per capita ao quadrado, o índice de Gini, número de pobres dividido pela população total de cada estado, os valores dos benefícios do Programa Bolsa Família e o desempenho educacional, para as unidades da federação no período de 2004 a 2009, no combate à pobreza. Estimam-se modelos de efeitos fixos com instrumentos, os quais são ajustados usando estimador de Mínimos Quadrados em Dois Estágios (Two Stage Least Squares – 2SLQ) e o estimador de Método dos Momentos Generalizados (Generalized Methodsof Moments – GMM).

Os resultados empíricos mostram que existe uma relação não linear entre a pobreza e o PIB per capita; esta relação, para o caso brasileiro no período de estudo, segue o padrão de “U

invertido” de Kuznets (1955) quando analisada a relação entre pobreza e crescimento econômico, porém, segue o padrão de “U normal” quando analisada a relação entre desigualdade de renda e crescimento econômico.

Em outras palavras, de acordo com os resultados empíricos, aumentos no PIB per capita até o

ponto de máximo da curva em forma de “U invertido” resultam em aumento da pobreza. Por

outro lado, o desempenho do nível de atividade econômica é significante para a redução da

pobreza somente além do ponto de máximo da curva em forma de “U invertido”.

Para o caso da desigualdade, os resultados empíricos mostram que, o desempenho do nível de atividade econômica contribui para a redução da desigualdade até o ponto de mínimo da curva em forma de U, porém, aumentos no PIB per capita além do ponto de mínimo da curva em forma de U resultam em aumento da desigualdade.

Além disso, melhorias na distribuição de renda também contribuem para redução da pobreza. Porém, aumento no número de pobres contribui para o aumento na desigualdade de renda. A análise mostra, também, que as transferências de renda aos mais pobres, representadas neste trabalho pelo Programa Bolsa Família, não têm influência sobre a pobreza e a distribuição de renda no país. Finalmente, os resultados apresentados mostram que o Brasil, no período analisado, encontra-se na situação conhecida na literatura como “armadilha da pobreza”.

(8)

ABSTRACT

DE LIMA, Gabrielle Pagliusi Paes. Ensaio sobre Pobreza e Desigualdade. 2013. 52. Tese de Doutorado em Economia – Programa de Pós-Graduação em Economia, Brasília, 2013.

This paper aims to answer the following question: what are the factors that contribute to the reduction of poverty and inequality in Brazil? For this, it is analyzed the importance of some variables such as the per capita GDP, the squared per capita GDP, the Gini index, the number of poor people divided by the total population, the values of the transfers from Bolsa Família Program and educational performance, for the states of Brazil during the period 2004-2009, in combating poverty. It is estimated some fixed effects models with instruments, which are adjusted using the Two-Stage Least Squares (2SLQ) estimator and the Generalized Method of Moments (GMM) estimator.

The empirical results show that there is a nonlinear relationship between poverty and per capita GDP. This relationship, for Brazil during the period studied, follows an "inverted U" pattern when the relation between poverty and increases in per capita GDP is analyzed, as verified by Kuznets (1955) when he studied the relationship between income inequality and economic growth. But it follows a “normal U” pattern when the relation between income

distribution and increases in per capita GDP.

According to the empirical results, increases in per capita GDP before a maximum point of the "inverted U" curve result in increasing poverty. On the other hand, the performance of economic activity contributes to the reduction of poverty only beyond the maximum point of

the “inverted U" curve.

When inequality is concerned, the empirical results show that the performance of economic activity contributes to the reduction of inequality until the minimum point of the U-shaped curve, however, increases in per capita GDP beyond the minimum point of the U-shaped curve result in increased inequality.

In addition, income distribution improvements also contribute to poverty reduction. But, an increase in the number of poor people increases inequality. The analysis also shows that the income transfers to the poor, here represented by the Bolsa Família Program, and the performance of educational indicators have no influence on poverty and inequality in the country. Finally, the results show that, in the analyzed period, Brazil is facing a situation

known in the literature as “poverty trap”.

Key-words: Poverty, Inequality Bolsa Família Program, Poverty Trap, Instrumental Variables.

(9)

1 INTRODUÇÃO ... 8

2 REVISÃO DA LITERATURA ... 14

2.1 Crescimento Econômico, Distribuição de Renda e Pobreza ... 14

2.2 Crescimento Econômico e Distribuição de Renda ... 16

2.3 Programas de Transferência de Renda ... 18

2.3.1 Pobreza e programas de transferência de renda ... 19

2.3.2 Distribuição de renda e programas de transferências de renda ... 23

3 ASPECTOS METODOLÓGICOS ... 25

3.1 Descrição e Análise da Base de Dados ... 26

3.2 Metodologia ... 30

3.2.1 Modelo em painel de efeitos fixos ... 31

3.2.2 Modelo em painel de efeitos aleatórios ... 35

3.2.3 Efeitos fixos ou efeitos aleatórios? ... 39

3.2.4 Variáveis instrumentais ... 41

3.2.5 Mínimos Quadrados em Dois Estágios (Two Stage Least Squares – 2SLS) ... 45

3.2.6 Método dos Momentos Generalizados (Generalized Method of Moments – GMM) ... 50

3.2.7 Teste de validade dos instrumentos ... 51

4 RESULTADOS ... 52

4.1 Modelo de Pobreza ... 53

4.2 Modelo de Desigualdade ... 55

4.3 Discussão dos Resultados ... 58

5 CONCLUSÃO ... 61

REFERÊNCIAS BIBLIOGRÁFICAS ... 64

ANEXO A - Estimações dos modelos de efeitos fixos com variáveis instrumentais (variável dependente: número de pobres/população) ... 68

ANEXO B - Estimações dos modelos de efeitos fixos com variáveis instrumentais (variável dependente: índice de Gini) ... 72

ANEXO C – Evolução temporal da pobreza no Brasil ... 76

ANEXO D – Evolução temporal da desigualdade no Brasil ... 77

(10)
(11)

1 INTRODUÇÃO

A redução da pobreza e da desigualdade é uma das mais importantes metas das políticas de desenvolvimento econômico de qualquer país e reduzi-las pode ser considerado um grande desafio.

No Brasil, a pobreza e a desigualdade de renda são problemas seculares e a discussão em torno desse tema vem ganhando cada vez mais espaço e importância no ambiente político e também acadêmico. O desafio de reduzir a pobreza se torna cada vez maior para o país à medida que se identifica a necessidade de reduzi-la frente à elevada desigualdade de renda.

Esta introdução traz um panorama da evolução da pobreza e da desigualdade de renda no Brasil.

Barros et. al. (2000) argumentam que uma família é considerada pobre quando possui renda domiciliar per capita inferior ao nível mínimo necessário para satisfação de suas necessidades básicas (alimentação, vestuário, habitação e transporte). A pobreza, geralmente, se refere a situações de carência em que os indivíduos não conseguem manter um padrão mínimo de vida condizente com o padrão socialmente estabelecido em cada sociedade.

Pode-se avaliar a evolução da pobreza no Brasil analisando-se os dados referentes ao número de pessoas pobres e extremamente pobres. As taxas de pobreza e extrema pobreza no período de 1981 a 2009 são mostradas na tabela 01, apresentada abaixo.

Com base na tabela 01 verifica-se que em 2009, aproximadamente 7% da população brasileira vivia em situação de extrema pobreza e 21% em situação de pobreza. Dessa forma, em 2009, mais de 13 milhões de brasileiros podiam ser classificados como extremamente pobres e cerca de 40 milhões como pobres.

Analisando o período como um todo, o percentual de pobres cai de 40.79% em 1981 para 21.42% em 2009 e o número de pobres passa de 47.85 milhões em 1981 para 39.63 milhões em 2009. Verifica-se que o Brasil leva, praticamente, 03 décadas para reduzir a taxa de pobreza quase pela metade.

(12)

Tabela 01 - Evolução temporal da pobreza no Brasil.

Ano Número de pessoas extremamente pobres (milhões)

Número de pessoas pobres (milhões)

Taxa de extrema pobreza* (%)

Taxa de pobreza* (%)

1981 20.24 47.85 17.25 40.79

1982 21.42 49.36 17.80 41.00

1983 28.31 59.92 23.02 48.73

1984 26.86 59.80 21.70 48.30

1985 23.70 54.84 18.15 42.01

1986 11.30 33.95 8.80 26.41

1987 22.35 50.57 17.11 38.71

1988 27.70 57.87 20.85 43.57

1989 26.11 56.00 19.29 41.36

1990 27.66 58.12 19.95 41.92

1992 27.95 58.91 19.97 42.09

1993 28.74 60.94 20.27 42.98

1995 22.43 51.78 15.19 35.08

1996 23.32 51.80 15.63 34.73

1997 23.68 53.45 15.58 35.18

1998 22.26 52.07 14.52 33.97

1999 23.95 56.18 15.03 35.26

2001 25.41 58.49 15.28 35.17

2002 23.67 58.22 13.99 34.40

2003 26.07 61.39 15.20 35.79

2004 23.33 59.54 13.20 33.70

2005 20.67 55.48 11.49 30.82

2006 17.13 48.53 9.44 26.75

2007 15.78 44.20 8.65 24.24

2008 13.89 41.46 7.57 22.59

2009 13.47 39.63 7.28 21.42

Fonte: Ipeadata.

(13)

Ainda com base na tabela 01, verifica-se uma forte queda na pobreza de 1993 para 1995, como registram os 04 indicadores apresentados na tabela, resultado da estabilização da inflação advinda da implantação do Plano Real. Cerca de 10 milhões de brasileiros deixam de ser pobres logo após a implantação do Plano Real. Outra forte queda da pobreza ocorre de 2005 para 2006.

Tabela 02 – Indicadores de pobreza e concentração de renda entre países

População abaixo da linha de pobreza (2000-2009) PAÍS PIB per capita (2009) RNB per capita (2011)a

Linha de pobreza internacional

(%)b

Linha de pobreza nacional (%)c

Coeficiente de Gini

(2000-2011)d

Brasil 10,367 10,162 3.8 21.4 53.9

Montenegro ... 10,361 0.0 4.9 30.0

Sérvia 11,893 10,236 0.1 6.6 28.2

Cazaquistão 11,510 10,585 0.2 15.4 30.9

Jamaica 7,633 6.487 0.2 9.9 45.5

Albânia 8,716 7.803 0.6 12.4 34.5

Bósnia-Herzegovina 8,578 7.664 0.0 14.0 36.2

Azerbaijão 9,638 8.666 1.0 15.8 33.7

Tunísia 8,273 7.281 2.6 3.8 40.8

Fonte: Relatório de Desenvolvimento Humano, 2011.

a Rendimento agregado de uma economia gerado pela sua produção e posse de fatores de produção, deduzido

dos rendimentos pagos pelo uso de fatores de produção estrangeiros, convertido em dólares internacionais usando a paridade do poder de compra e dividido pela população em 01 de julho.

b Percentagem da população que vive abaixo da linha internacional de pobreza de USD 1.25 (em termos de

paridade do poder de compra) por dia. Os dados se referem ao ano mais recente disponibilizado durante o período especificado.

c Percentagem da população que vive abaixo da linha nacional de pobreza, que é a linha de pobreza que as

autoridades de um país consideram apropriada. Os dados se referem ao ano mais recente disponibilizado durante o período especificado.

(14)

A tabela 02 apresentada acima, elaborada com base no Relatório de Desenvolvimento Humano de 2011, compara a situação do Brasil com outros países que apresentam renda per capita similar e com países que apresentam renda per capita inferior à brasileira.

Percebe-se que, enquanto no Brasil 21.4% da população vive abaixo da linha de pobreza, em países como Montenegro, Sérvia e Cazaquistão, cuja renda per capita é similar à brasileira, a parcela da população vivendo abaixo da linha de pobreza é bem menor que a do Brasil. O mesmo acontece em países como Jamaica, Albânia, Bósnia-Herzegovina, Azerbaijão e Tunísia, cuja renda per capita é inferior à renda per capita brasileira.

Ainda com base no Relatório de Desenvolvimento Humano de 2011, dentre os 187 países com informações disponíveis, vale ressaltar que o Brasil apresenta o 7º maior grau de desigualdade medido pelo coeficiente de Gini (53.9). Somente Honduras (57.7), África do Sul (57.8), Colômbia (58.5), Angola (58.6), Haiti (59.5) e Comores (64.3) apresentam um grau de desigualdade superior ao do Brasil.

Em se tratando da distribuição da riqueza ou da renda em um país, esta diz respeito à forma como a renda é distribuída entre seus habitantes. O Produto Interno Bruto (PIB) reflete a riqueza total de um país e o seu corolário, a renda per capita, é definida como o valor do PIB dividido pelo número de habitantes. Porém, dividir esta riqueza pelo número de habitantes dá uma ideia irreal do verdadeiro padrão de vida da população de um país. Isto porque um país pode ter renda per capita elevada e grande parte de sua população ser pobre. Em outras palavras, pode tratar-se de um país com alta renda per capita, mas com uma grande concentração de renda.

A tabela 03, apresentada abaixo, mostra a evolução da distribuição de renda com base em 04 indicadores: índice de Gini, índice de Theil, razão entre a renda média dos 20% mais ricos e os 20% mais pobres e a razão entre a renda média dos 10% mais ricos e os 40% mais pobres.

Os dois primeiros indicadores (índice de Gini e índice de Theil) são utilizados na literatura para indicar o grau de desigualdade da renda. Ambos os indicadores estão entre zero e a unidade e, quanto mais próximo da unidade, maior o grau de desigualdade.

(15)

Fazendo uma análise geral da tabela, percebe-se que a desigualdade no Brasil sempre se manteve em patamares elevados, atingindo o auge no final da década de 80. Mais especificamente, em 1989, o índice de Gini registra um valor de 0.636, o índice de Theil 0.889. Com relação à razão entre a renda média, em 1989, os 20% mais ricos possuíam uma renda média de 33.57 vezes maior que a renda média dos 20% mais pobres e os 10% mais ricos recebiam uma renda média 30 vezes superior aos 40% mais pobres.

Entre 1995 e 1998, o índice de Gini e o índice de Theil permaneceram praticamente estáveis e, a partir de 2001, registra-se uma tendência de declínio suave da desigualdade medida pelos 04 indicadores.

Tabela 03 – Evolução temporal da desigualdade no Brasil

ANO Índice de Gini Índice de Theil

Razão entre a renda média dos 20% mais ricos e 20%

mais pobres

Razão entre a renda média dos 10% mais ricos e 40%

mais pobres

1981 0.584 0.682 23.62 21.43

1982 0.591 0.705 25.07 22.55

1983 0.596 0.721 25.06 22.97

1984 0.589 0.702 22.99 21.86

1985 0.598 0.727 25.25 23.29

1986 0.588 0.717 23.7 21.86

1987 0.601 0.741 27.17 24.09

1988 0.616 0.779 30.23 26.73

1989 0.636 0.889 33.57 30.00

1990 0.614 0.773 30.51 26.47

1992 0.583 0.695 26.37 21.68

1993 0.604 0.772 28.55 24.40

1995 0.601 0.733 27.73 23.96

1996 0.602 0.732 29.66 24.53

1997 0.602 0.738 29.05 24.48

1998 0.6 0.734 27.78 23.92

1999 0.594 0.711 26.45 22.95

2001 0.596 0.727 27.47 23.34

2002 0.589 0.71 25.02 22.20

2003 0.583 0.686 24.69 21.42

2004 0.572 0.665 22.39 19.91

2005 0.569 0.659 21.66 19.55

2006 0.563 0.644 20.81 18.7

2007 0.556 0.624 20.69 18.12

2008 0.548 0.608 19.31 17.13

2009 0.543 0.597 18.99 16.67

Fonte: Ipeadata

(16)

Comparando as tabelas 01 e 03, principalmente se forem observados os anos ou períodos marcantes, como em 1986 (implantação do Plano Cruzado), a partir de 1995 (Plano Real) e a partir de 2006, observa-se que, enquanto a pobreza teve uma redução considerável nesses períodos, a redução da desigualdade foi bem menos acentuada.

Conclusão semelhante é apresentada por Hoffman (1995) ao analisar a evolução da pobreza e da desigualdade no Brasil no período de 1960 a 1990. O autor conclui que, durante a década de 70, houve redução considerável da pobreza no país devido ao crescimento da renda per capita (crescimento econômico), contudo, a desigualdade se manteve estável. Outra

conclusão obtida pelo autor é que, na década de 80 (a chamada “década perdida”) houve

aumento da pobreza devido à estagnação econômica e aumento da desigualdade devido à inflação.

Diante o exposto nesta introdução, verifica-se que o Brasil possui uma grande parcela da população que não vive em condições suficientes para atender às suas necessidades básicas (ou seja, apresenta um elevado número de pessoas pobres) e a distribuição de renda é uma das mais desiguais entre os países do mundo. Além disso, a desigualdade reflete um problema estrutural carregado desde os primórdios da formação histórica do país e, por isso, torna-se mais difícil de ser reduzida (BARROS e MENDONÇA, 1995).

É possível observar que o Brasil é classificado como um país de renda per capita média, isto é, não é considerado rico nem tão pouco pobre, mas apresenta indicadores de pobreza e de concentração de renda compatíveis com os países mais pobres do mundo. Assim, a forma como o governo aloca os gastos públicos tem tido cada vez mais relevância nos últimos anos, assim como o papel dos gastos públicos na redução da pobreza e na melhoria na distribuição de renda.

Nesse contexto, este trabalho objetiva responder a seguinte pergunta: quais são os fatores que contribuem para a redução da pobreza e da desigualdade de renda no Brasil? Para isso, é analisada a importância de variáveis como o PIB per capita, o PIB per capita ao quadrado, a quantidade de pobres, o índice de Gini, os valores dos benefícios do Programa Bolsa Família e o desempenho educacional, para as unidades da federação no período de 2004 a 2009, no combate à pobreza e à desigualdade na distribuição de renda.

(17)

para a redução da pobreza e da desigualdade. Finalmente, na seção cinco são expostas as conclusões.

2 REVISÃO DA LITERATURA

A análise anterior deixa claro que no Brasil, embora a quantidade de pessoas vivendo em situações de pobreza tenha diminuído ao longo dos anos, ainda existe muita pobreza e um grau de desigualdade elevado e persistente, principalmente levando-se em consideração a renda per capita brasileira. Países com renda per capita no mesmo nível da renda per capita brasileira, e até com nível inferior, registram tanto uma menor quantidade de pessoas vivendo em situação de pobreza como um menor grau de desigualdade.

Para atingir a redução da pobreza e a melhoria na distribuição de renda entre a população, estudiosos recomendam adotar os instrumentos adequados.

Assim, depois de apresentar um panorama geral da evolução e da situação recente da pobreza e da distribuição de renda no Brasil, é preciso analisar alguns de seus determinantes.

2.1 Crescimento Econômico, Distribuição de Renda e Pobreza

Com relação ao efeito do crescimento econômico sob a pobreza, nas décadas de 50 e 60, predominava o pensamento de que os benefícios do crescimento econômico iriam primeiro aos indivíduos ricos e somente depois, em um segundo momento, quando os ricos começassem a gastar os seus ganhos, é que os pobres começariam a se beneficiar do cescimento econômico. Em outras palavras, este fenômeno, conhecido como trickle down, afirma que a incidência da pobreza pode diminuir com o crescimento econômico, mesmo que os pobres recebam apenas uma pequena fração do total de benefícios (KAKWANI & PERNIA, 2000).

(18)

crescimento econômico que se destinam aos pobres são os mesmos que se destinam aos não pobres.

Defende-se, na literatura nacional e internacional, que a redução da pobreza pode ser alcançada pelo crescimento econômico e/ou pela melhoria na distribuição de renda. Alguns autores são cuidadosos em distinguir precisamente os efeitos do crescimento econômico e os efeitos de variações na distribuição de renda na redução da pobreza.

Segundo Datt e Ravallion (1992), a redução da pobreza requer um maior crescimento econômico ou uma redução na desigualdade de renda. Eles propõem uma metodologia de decomposição da variação na pobreza, em determinado período de tempo, em um componente que é atribuído ao crescimento da média da renda, outro atribuído à variação da distribuição de renda e, por fim, um componente atribuído ao efeito da interação entre os dois. Os autores utilizam esta metodologia para estudar a pobreza no Brasil e na Índia durante a década de 1980. Os resultados mostram que a redistribuição de renda aliviou a pobreza na Índia, embora o crescimento econômico tenha sido quantitativamente mais importante. No Brasil, a piora na distribuição de renda, devido aos choques macroeconômicos da década de 80, mitigaram a redução da pobreza através do crescimento limitado da época.

Barros et. al. (2000) consideram a pobreza como insuficiência de renda, ou seja, existe pobreza porque existem famílias vivendo com renda familiar per capita inferior ao mínimo necessário para que possam satisfazer suas necessidades básicas; assim, segundo eles, a pobreza é determinada pela escassez agregada de recursos e pela má distribuição destes recursos. Os autores mostram, a partir da simulação de impactos da redução no grau de desigualdade ou da aceleração no crescimento econômico, usando dados para o Brasil coletados da Pesquisa Nacional por Amostra de Domicílio (PNAD) e do Banco Internacional de Desenvolvimento (BID) para período de 1977 a 1997, que a pobreza é mais sensível a variações no grau de desigualdade do que a variações no crescimento econômico.

Marinho e Soares (2003), usando dados da PNAD para os estados brasileiros no período de 1985 a 1999, calculam as elasticidades renda-pobreza e desigualdade-pobreza utilizando um painel de efeitos fixos. Os resultados mostram que a pobreza (razão entre o número de indivíduos vivendo em situação de pobreza e a população total) é mais sensível à melhoria na distribuição de renda (medida pelo índice de Gini) do que ao crescimento econômico (medido pelo aumento da renda média mensal de cada estado).

(19)

crescimento econômico. Ele conclui que crescimento econômico terá maior efeito sobre a pobreza se trouxer consigo uma queda na desigualdade de renda.

2.2 Crescimento Econômico e Distribuição de Renda

Kuznets (1955) foi pioneiro no estudo da relação entre crescimento econômico e distribuição de renda. O autor analisa o efeito do crescimento econômico sobre a distribuição de renda, utilizando dados referentes aos Estados Unidos, Inglaterra e Alemanha, para o período que compreende o fim do século XIX e início do século XX.

O autor encontra uma relação entre crescimento econômico e distribuição de renda,

conhecida na literatura como “hipótese do U invertido” ou “curva de Kuznets”. Essa relação

mostra que, nos países que experimentam crescimento econômico, a desigualdade de renda aumenta nas fases iniciais do crescimento econômico, atinge um ponto máximo (representado por um determinado nível de renda per capita) onde se estabiliza por algum tempo e, a partir de então, decresce à medida que a economia continua crescendo.

Segundo ele, tal processo ocorre devido à transição da agricultura para a industrialização e à migração da população do campo para as cidades (urbanização). A população urbana, apesar de mais moderna e rica, apresenta uma distribuição de renda mais desigual que a população do campo. Tal migração inicialmente promove um aumento na desigualdade de renda até um ponto em que a renda per capita atinge certo patamar onde a desigualdade se estabiliza e, em seguida, apresenta uma tendência de redução contínua à medida que a renda per capita permanece crescendo (KUZNETS, 1955).

Fields (2001) defende que não é apenas a taxa de crescimento econômico que determina a piora ou melhoria no grau de desigualdade de renda. Segundo ele, existem outras variáveis que também determinam o grau de desigualdade da renda, como, por exemplo, a natureza básica do sistema econômico, a estrutura de produção, a composição da pauta de exportações, padrões regionais, a estrutura empregatícia, a distribuição de terra e capital, o estágio de desenvolvimento do mercado de capitais, o nível e a desigualdade da distribuição de capital humano e a distribuição de renda social.

(20)

Paukert (1973) corrobora a “hipótese do U invertido” utilizando um modelo de cross section, com dados do PIB per capita (medida de crescimento econômico) e do coeficiente de Gini (medida de grau de desigualdade) de 56 países.

Ahluwalia (1976) estuda a relação entre distribuição de renda e crescimento econômico para uma amostra de 60 países, incluindo países desenvolvidos, em desenvolvimento e países socialistas. O autor faz uma análise de regressão multivariada para estimar as relações cross section entre a parcela da renda de diferentes percentis da distribuição de renda e algumas variáveis selecionadas, as quais refletem aspectos do processo de desenvolvimento capazes de influenciar a desigualdade de renda como, por exemplo, PIB per capita de cada país em dólares de 1965-1971 e nível de escolaridade (taxa de alfabetização, matrículas no ensino médio).

Os resultados encontrados sustentam a ideia de que a desigualdade de renda aumenta nas fases iniciais do desenvolvimento econômico e começa a decrescer nas fases posteriores, além disso, esse processo pode ser mais prolongado nos países mais pobres. O autor acrescenta que, as mudanças nas estruturas de produção e a expansão do nível de escolaridade e do nível de habilidade da força de trabalho, processos que ocorrem juntamente com o desenvolvimento econômico, podem explicar a melhoria na distribuição da renda nas fases posteriores.

Kaelble e Thomas (1991) utilizam dados de séries temporais de 13 países desenvolvidos (Alemanha, Áustria, Canadá, Dinamarca, Estados Unidos, Finlândia, França, Japão, Noruega, Reino Unido, Suécia e Países Baixos) no período de 1880 a 1970 para testar a “curva de Kuznets”. Os autores constatam que, dentre os países estudados, apenas na Suécia verifica-se o padrão de “U invertido” durante o período da análise.

Deininger e Squire (1998) utilizando dados de séries temporais da renda per capita e um coeficiente de desigualdade de 48 países, desenvolvidos e em desenvolvimento, concluem que somente Brasil, Hungria, México, Filipinas e Trinidad e Tobago apresentam o formato de

“U invertido”, enquanto que Costa Rica, Índia, Estados Unidos e Reino Unido apresentam o

formato de “U normal”. Para o restante dos países da amostra, os dados não revelam significância estatística.

(21)

Para o caso brasileiro, Taques e Mazzuti (2009) procuram evidências da relação entre desigualdade de renda e crescimento econômico através da “curva de Kuznets” para os

estados brasileiros no período de 1995 a 2005. Utilizando a metodologia de dados de painel (dados agrupados, efeito fixo, efeito aleatório e primeira diferença) e utilizando o índice de Gini e índice de Theil como medida de desigualdade de renda e a renda per capita em sua forma linear e quadrática como medida de desenvolvimento econômico, os resultados obtidos pelos autores indicam que a hipótese do “U invertido” de Kuznets não é corroborada.

2.3 Programas de Transferência de Renda

Acredita-se que o crescimento econômico é fundamental para a redução da pobreza e da desigualdade. Porém, é consenso que o crescimento econômico é uma condição necessária, mas não suficiente para a redução da pobreza e para a melhoria na distribuição de renda.

Além do crescimento econômico e da melhoria da distribuição de renda, as políticas de gastos públicos e de transferências de renda para assegurar aos cidadãos a satisfação de suas necessidades básicas e dar condições materiais para que possam exercer seus direitos (inserção no mercado de trabalho, por exemplo) também são consideradas instrumentos de redução da pobreza e da desigualdade de renda.

No caso brasileiro, o governo utiliza programas de transferência de renda para os mais pobres com o objetivo de reduzir a pobreza, dentre estes programas, destaca-se, pela sua popularidade e abrangência, o Programa Bolsa Família (PBF).

O PBF surge em 09 de janeiro de 2004, resultado da unificação de outros cinco programas de transferência de renda vigentes até então: o Programa Nacional de Renda Mínima vinculada à educação (Bolsa Escola), o Programa Nacional de Renda Mínima vinculada à saúde (Bolsa Alimentação), o Cadastramento Único do Governo Federal, estes três primeiros criados em 2001; o Programa Auxílio-Gás criado em 2002 e o Programa Nacional de Acesso à Alimentação (PNAA) de 2003.

(22)

Autores como Rocha (2005), Hoffman (2006) e Soares et. al (2006) argumentam a favor dos programas de transferências de renda, defendendo que estes alcançaram o objetivo de reduzir a pobreza e melhorar a distribuição de renda no Brasil. Porém, existem argumentos contra tais programas.

Nesta seção é realizada uma revisão da literatura a respeito da influência das transferências de renda aos mais pobres sobre a pobreza e a distribuição de renda.

2.3.1 Pobreza e programas de transferência de renda

Defende-se o fato de que as transferências, por serem de baixo valor, não causam desincentivos ao trabalho. Além disso, muitos programas governamentais acabam gerando potencialidades e condições para o acesso ao mercado de trabalho que os beneficiários não teriam se estes não existissem, pois proporcionam, aos mais pobres e desempregados, o acesso à saúde, educação, alimentação, etc.

Rocha (2005), utilizando dados da PNAD de 1999 e 2002, testa o efeito potencial dos programas federais de transferência de renda sobre a pobreza, por meio de simulações de impacto caso os programas atendessem à totalidade do público alvo, e compara os efeitos dos programas vigentes durante o governo de Fernando Henrique Cardoso (Bolsa Escola, Bolsa Alimentação e Auxílio Gás) e os programas vigentes durante o governo Lula (Fome Zero e Bolsa Família). Verifica-se que, de modo geral, todos os programas contribuem para a redução dos índices de pobreza, sendo que os vigentes durante o governo Lula mostram efeitos mais significativos na redução da pobreza; resultado já esperado pela autora devido ao valor mais elevado do benefício e o público alvo mais amplo.

(23)

Entretanto, surgem controvérsias com relação a real eficácia desses programas, como apontado em diversos trabalhos, muitos dos quais atribuem a ineficácia dos programas de transferência de renda ao fenômeno da armadilha da pobreza. Lopez e Servén (2009) encontram evidências de que a pobreza elevada limita os investimentos potenciais, o que, por sua vez, diminui o crescimento sustentado da renda e, consequentemente, a pobreza aumenta. Este aumento acaba se tornando persistente ao longo do tempo, perpetuando um ciclo: a armadilha da pobreza.

De acordo com Azariadis e Stachurski (2005), a armadilha da pobreza é consequência de algum mecanismo de auto reforço que faz com que a pobreza seja persistente. A armadilha da pobreza é criada quando um sistema econômico requer uma quantidade significativa de várias formas de capital, a fim de ganhar o suficiente para sair da pobreza. Quando as pessoas não têm esse capital, elas também podem ter dificuldade para adquiri-lo, criando um ciclo de auto reforço da pobreza.

Muitos fatores podem contribuir para a armadilha da pobreza, entre estes fatores estão, simplesmente, algumas características intrínsecas a cada sistema econômico, como o acesso limitado aos mercados de crédito e de capitais, a degradação ambiental (a qual esgota o potencial de produção agrícola), um governo corrupto, a fuga de capitais e sistemas precários de educação, saúde e infra-estrutura ou, ainda, características intrínsecas a cada indivíduo, como as habilidades, a propensão a poupar e sua localização geográfica, por exemplo (CARTER e BARRET, 2006).

Outro fator que pode contribuir para a armadilha da pobreza são as falhas de mercado no ambiente econômico que fazem com que os pressupostos neoclássicos de retornos decrescentes nos mercados e na tecnologia, que sustentam a hipótese de que as nações mais pobres tendem a alcançar ou convergir ao longo do tempo aos níveis de renda das nações mais ricas, sejam quebrados (AZARIADIS e STACHURSKI,2005).

(24)

retorno ou, ainda, os indivíduos mais abastados com condições de investir em educação recebem salários maiores do que aqueles não qualificados (CARTER e BARRET, 2006).

O risco é mais um fator que contribui para a armadilha da pobreza. Os mais pobres tendem a ser mais avesos ao risco do que os ricos, já que as perdas os prejudicarão mais severamente. Assim, o risco e as condições do mercado financeiro podem fazer com que as famílias de baixa riqueza aloquem seus recursos de forma a reduzir a exposição ao risco, ficando com menores riscos e e também menores retornos (CARTER e BARRET, 2006).

A fim de escapar da armadilha da pobreza, argumenta-se que deve ser dada uma ajuda aos indivíduos em situação de pobreza, ajuda esta suficiente para que eles possam adquirir capital necessário para sair da pobreza e alcançar os indivíduos mais ricos. Em alguns países, os formuladores das políticas macroeconômicas ajudam os indivíduos por meio de programas de transferência de renda, como ocorre no Brasil. Porém, certos programas de ajuda não fornecem um nível suficientemente elevado de apoio e a ajuda acaba se tornando ineficaz para tirar os indivíduos da pobreza. Se aqueles em situação de pobreza não adquirirem a massa crítica de capital, então eles simplesmente continuarão dependentes da ajuda por tempo indeterminado e poderão regredir à condição de pobres caso a ajuda seja encerrada.

Muitos pesquisadores defendem que os formuladores de políticas macroeconômicas devem se preocupar em fornecer as condições necessárias para a inserção do indivíduo no mercado de trabalho para que, então, ele mesmo adquira o capital necessário para sair da condição de pobreza.

Carvalho (2006) analisa a evolução dos gastos públicos em ações assistenciais ou focalizadas na população mais pobre, no período de 1995 a 2004, com base em dados da Secretaria do Tesouro Nacional (STN) e do Instituto de Pesquisa Econômica Aplicada (IPEA). O autor aponta alguns argumentos contra os programas de transferência de renda no Brasil, entre eles a diminuição dos incentivos ao trabalho e a dependência dos beneficiários em relação ao governo e, consequentemente, às transferências (é o fenômeno conhecido como armadilha da pobreza). Os beneficiários se acomodam com a situação de pobreza e não são estimulados a reverter esta situação, justamente para continuarem recebendo os benefícios.

(25)

Mais ainda, Sen (2000) acredita que indivíduos pobres e desempregados perdem suas potencialidades quando recebem benefícios ou auxílios do governo, devido à queda de sua autoestima.

Schwartzman (2006), utilizando dados da PNAD (Pesquisa Nacional por Amostra de Domicílio) de 2004, destaca que as políticas de transferência de renda têm impacto limitado sobre a redução da pobreza e da desigualdade. Segundo ele, isso pode ser explicado pelo fato de que o volume dos recursos transferidos para cada família é pequeno e mal distribuído.

Com relação à focalização e cobertura da população alvo, Rocha (2011) analisa a evolução do Programa Bolsa Família utilizando dados das PNADs de 2004 e 2006. A autora mostra que, apesar de o programa ter atingido sua meta estabelecida pelo governo de 11 milhões de domicílios atendidos no final de 2006, os dados da PNAD dão evidências de que havia cerca de 3,4 milhões de domicílios que atendiam as condições do programa para recebimento do benefício, porém, ainda não o recebiam naquela data.

Outro argumento contra os programas é que estes, por si só, são instrumentos insuficientes para a erradicação da pobreza. Seria necessária a adoção de ações governamentais adicionais como, por exemplo, cursos de capacitação profissional e controle de frequência escolar. Estas ações, além de ampliarem o potencial de geração autônoma de renda do beneficiário, também proporcionam sua inserção socioeconômica. O objetivo básico dessas ações adicionais é assegurar que, no futuro, o indivíduo passe da condição de beneficiário para a de trabalhador (LAVINAS e VARSANO, 1997).

Marinho et. al. (2011), com base em dados da PNAD e do IPEADATA, analisam o efeito dos programas de transferência de renda sobre a pobreza, controlando para outros determinantes da pobreza como a própria variável dependente defasada, o PIB per capita, a média dos anos de estudo, o índice de Gini, a proporção das famílias chefiadas por mulheres e a taxa de desemprego masculino para os estados brasileiros no período de 2000 a 2008.

Os indicadores de pobreza utilizados em Marinho et. al. (2011) são: a proporção de pobres (número de indivíduos considerados pobres, dividido pela população total), o hiato médio de pobreza (corresponde à distância média dos pobres em relação à linha de pobreza –

os autores utilizam a linha de pobreza definida pelo IPEA que considera o valor dessa linha igual a meio salário mínimo) e o hiato médio quadrático de pobreza (corresponde à distância média ao quadrado dos pobres em relação à linha de pobreza).

(26)

Bond (1998) e seus resultados mostram evidências empíricas de que não há uma relação estatisticamente significante entre transferências de renda e pobreza.

Entre os resultados obtidos pelos autores, eles enfatizam o suporte às críticas de que os programas de transferência de renda não têm o efeito esperado sobre a pobreza no Brasil e também a ideia de que os indivíduos se tornam propensos a permanecer na pobreza para continuar recebendo os benefícios (mais uma vez, tem-se o fenômeno da armadilha da pobreza).

2.3.2 Distribuição de renda e programas de transferências de renda

Com relação ao efeito dos programas de transferência de renda sobre a distribuição de renda, o trabalho de Hoffmann (2006), com dados das PNADs de 1997 a 2004, apresenta uma metodologia de decomposição das variações do índice de Gini, quando a renda domiciliar per capita é separada em parcelas. O autor analisa a importância dos programas de transferência de renda (uma das parcelas da renda domiciliar per capita), como o Programa Bolsa Família, na redução da desigualdade da distribuição da renda domiciliar per capita no Brasil e nas cinco regiões brasileiras.

O autor afirma que os programas de transferência de renda não são a principal causa da redução da desigualdade no Brasil, embora sejam na região Nordeste. O autor mostra que, no Brasil, há uma queda no índice de Gini entre os anos de 1998 e 2004 e segundo ele, 28% dessa redução é atribuída aos programas de transferência de renda. Por outro lado, 58% dessa redução está associada aos rendimentos advindos do trabalho. Na região Nordeste, o efeito das transferências governamentais na melhoria da distribuição da renda é muito maior, aproximadamente 66% da redução do índice de Gini é atribuída aos programas de transferência de renda no período de 1998 a 2004.

(27)

Barros et. al. (2006), com base em dados da PNAD, destacam que entre 2001 e 2005, a participação da renda familiar não advinda do trabalho aumentou de 22% para 24% e que a proporção de domicílios cujo orçamento é proveniente de fontes não advindas do trabalho subiu de 42% para 52%. Além disso, constatam que 79% da renda não derivada do trabalho é composta pelas transferências do governo.

O objetivo do trabalho dos autores acima é decompor a queda da desigualdade, medida pelo índice de Gini, verificada no período em duas partes: uma proveniente de variações na renda advinda do trabalho e outra proveniente de variações da renda não advinda do trabalho. Os resultados obtidos mostram que, entre 2001 e 2005, metade da queda observada na desigualdade é proveniente de variações na renda não advindas do trabalho.

Além disso, eles utilizam a mesma metodologia para analisar a contribuição das variações de diferentes tipos de renda não advindas do trabalho (representadas pelas rendas advindas de aluguéis, juros e dividendos, de auxílio de não moradores, de pensões e aposentadorias públicas, de outras pensões e aposentadorias, dos Benefícios de Prestação Continuada (BCP) e do Programa Bolsa Família) na queda da desigualdade. Neste caso, os resultados mostram que praticamente todo o impacto das variações da renda não advindas do trabalho na redução da desigualdade durante o período analisado deve-se às transferências do governo. Mais especificamente às pensões e aposentadorias públicas, cujo impacto sobre a queda da desigualdade é maior do que o impacto dos Benefícios de Prestação Continuada e do Programa Bolsa Família.

Na literatura internacional, Afonso et. al. (2008) examinam, por meio de uma análise de regressão cross section, o impacto da renda per capita, das políticas de gastos públicos, do desempenho educacional e das instituições sobre a distribuição de renda (medida pela parcela da renda dos 40% mais pobres, pelo índice de Gini e pela renda per capita do quintil mais pobre da distribuição). Os autores trabalham com uma amostra de países desenvolvidos da OCDE (Organização para Cooperação e Desenvolvimento Econômico) para ano 2000. Eles concluem que as políticas públicas afetam significativamente a distribuição de renda, diretamente, por meio dos gastos públicos redistributivos e, indiretamente, por meio de uma educação de qualidade e de instituições confiáveis.

(28)

microdados da PNAD e com base em dados agregados, ambos do Instituto Brasileiro de Geografia e Estatística.

A decomposição das variações no índice de Gini de acordo com diferentes fontes de renda mostra que os programas de transferência de renda são responsáveis por 17.4% da redução da desigualdade de renda no período de 1995 a 2005 e por quase 25% da redução da desigualdade no período de 2001 a 2005, quando tais programas foram intensificados (AZZONI & NETO, 2011).

Por outro lado, a produtividade do trabalho e o aumento do salário mínimo (ambos considerados renda advinda do trabalho) contribuem juntos para quase 76% da redução da desigualdade de renda. Desta contribuição, estima-se que 21.5% pode ser atribuída ao crescimento do salário mínimo, ainda segundo Azzoni e Neto (2011).

Com base nesta revisão de literatura, verifica-se o argumento de que, para reduzir a pobreza e melhorar a distribuição de renda é preciso haver crescimento econômico e redução da desigualdade. Porém, permanece a dúvida com relação ao efeito das políticas públicas de auxílio aos pobres sobre a pobreza e sobre a desigualdade.

Seguindo esta constatação, este trabalho busca analisar, empiricamente, o impacto em termos de coeficientes de elasticidades dos principais fatores determinantes para a redução da pobreza e da desigualdade no Brasil. É dado destaque à influência do PIB per capita, do PIB per capita ao quadrado, da distribuição de renda, do número de pobres em relação à população total de cada estado, das transferências de renda aos pobres aqui representadas pelos benefícios advindos do Programa Bolsa Família e, ainda, do desempenho educacional sobre a pobreza e a distribuição de renda. A análise é realizada para os 26 estados brasileiros e o Distrito Federal, durante o período de 2004 a 2009.

Além disso, este trabalho procura testar se existem evidências da relação entre pobreza e crescimento econômico e entre desigualdade de renda e crescimento econômico através da

“curva de Kuznets”, para os estados brasileiros no período de análise.

3 ASPECTOS METODOLÓGICOS

(29)

3.1 Descrição e Análise da Base de Dados

A base de dados utilizada para a pesquisa tem como fonte o Ipeadata, do Instituto de Pesquisa Econômica Aplicada (IPEA). Os dados coletados são dados anuais dos 26 estados brasileiros e do Distrito Federal no período de 2004 a 2009. A tabela abaixo traz a descrição das variáveis selecionadas para o estudo.

Tabela 04 - Descrição das variáveis

VARIÁVEIS DESCRIÇÃO DAS VARIÁVEIS PERÍODO FONTE

NPOB/POP Número de pessoas pobres em relação à população total,

por unidade da federação 2004-2009 Ipeadata

PIBpc PIB estadual per capita 2004-2009 Ipeadata

GINI Índice de Gini 2004-2009 Ipeadata

BFn

Valor total dos benefícios do Programa Bolsa Família dividido pelo número de beneficiários, por unidade da

federação

2004-2009 Ipeadata

IFDMedu Índice FIRJAM de Desenvolvimento Municipal para

educação, por unidade da federação 2005-2009 Ipeadata

Deduc Despesas do governo em educação e cultura por unidade

federativa - R$ 2004-2009 Ipeadata

Tabela elaborada pela autora.

Abaixo as variáveis utilizadas são descritas em mais detalhes.

(30)

Estatística e referem-se à estimativa das populações residentes em nível municipal, calculadas com data de referência em 1º de julho de cada ano civil.

Essa variável diz respeito ao número de pessoas vivendo em domicílios com renda domiciliar per capita inferior à linha de pobreza. A linha de extrema pobreza apresentada no Ipeadata é estimada a partir da metodologia desenvolvida pela comissão IBGE-IPEA-CEPAL para se definir uma cesta básica de alimentos que satisfaça os requisitos nutricionais em cada região brasileira. Assim, a partir das informações sobre o total de calorias necessárias por dia por pessoa, para se construir a cesta básica, fez-se necessário definir os produtos para compor tal cesta, determinar as quantidades a serem consumidas e os preços unitários dos produtos. Como resultado, tem-se o valor da cesta básica de produtos, o que define a linha de extrema pobreza por pessoa. Isto posto, a linha de pobreza é definida como sendo duas vezes a linha de extrema pobreza. A tabela a seguir, obtida no Ipeadata mostra o valor monetário da linha de pobreza em cada região.

Tabela 05 – Valor Monetário da Linha de Pobreza Regionalizada

REGIÃO ÁREA GEOGRÁFICA

VALOR DA LINHA DE POBREZA (R$

2000)

Rio de Janeiro

Área Metropolitana - Rio de

Janeiro 130.12

Rio de Janeiro Área Urbana 110.40

Rio de Janeiro Área Rural 99.36

São Paulo Área Metropolitana - São Paulo 130.90

São Paulo Área Urbana 115.92

São Paulo Área Rural 94.63

Sul Área Metropolitana - Porto Alegre 145.10 Sul Área Metropolitana - Curitiba 119.86

Sul Área Urbana 114.34

Sul Área Rural 104.09

(31)

Nordeste Área Metropolitana - Fortaleza 103.30 Nordeste Área Metropolitana - Recife 135.64 Nordeste Área Metropolitana - Salvador 127.75

Nordeste Área Urbana 116.71

Nordeste Área Rural 104.09

Leste

Área Metropolitana - Belo

Horizonte 101.73

Leste Área Urbana 91.48

Leste Área Rural 78.07

Norte Área Metropolitana – Belém 115.92

Norte Área Urbana 119.86

Norte Área Rural 104.88

Centro-Oeste Área Metropolitana – Brasília 112.77

Centro-Oeste Área Urbana 97.00

Centro-Oeste Área Rural 85.17

Fonte: Ipeadata

 Produto Interno Bruto per capita (PIBpc) – os dados são disponibilizados pelo Instituto Brasileiro de Geografia e Estatística (IBGE). Trata-se de uma proxy para a renda estadual per capita e já estão em valores reais.

 Coeficiente de Gini (GINI) – os dados são disponibilizados pelo Instituto de Pesquisa Econômica Aplicada (IPEA). O coeficiente de Gini mede o grau de desigualdade na distribuição da renda domiciliar per capita entre os indivíduos. Seu valor pode variar teoricamente entre zero (quando não há desigualdade e, portanto, as rendas de todos os indivíduos têm o mesmo valor) e a unidade (quando a desigualdade é máxima e apenas um indivíduo detém toda a renda da sociedade e a renda de todos os outros indivíduos é nula). A série é calculada a partir das respostas à Pesquisa Nacional por Amostra de Domicílios (PNAD/IBGE).

(32)

Social e Combate à Fome (MDS). Os valores estão em termos nominais. Assim, essa variável foi deflacionada pelo IGP-DI (Índice Geral de Preços – Disponibilidade Interna).

 Índice FIRJAN de Desenvolvimento Municipal na área de educação (IFDMeduc) - é um estudo anual do Sistema FIRJAN que acompanha o desenvolvimento de todos os 5.564 municípios brasileiros na área da educação, com base nas estatísticas públicas oficiais do Ministério da Educação. Mesmo sendo um estudo com recorte municipal, graças à divulgação oficial das variáveis componentes do índice por estados e para o país, é possível gerar um resultado nacional discriminado por unidades da Federação. O índice varia entre zero e a unidade, quanto mais próximo de um, maior o desenvolvimento da localidade.

 Despesas do governo com educação e cultura (Deduc) – os dados são disponibilizados pela Secretaria do Tesouro Nacional (STN), órgão do Ministério da Fazenda. Os valores estão em termos nominais; assim, essa variável foi deflacionada pelo IGP-DI (Índice Geral de Preços – Disponibilidade Interna). Além disso, serão usados os valores reais per capita.

Na análise da pobreza, com relação aos sinais dos coeficientes estimados para as variáveis explicativas, espera-se que o coeficiente estimado para o índice de Gini seja positivo, ou seja, espera-se que o número de pobres em relação à população total responda positivamente a incrementos no índice de concentração de renda.

Espera-se que os sinais dos coeficientes estimados para as variáveis associadas ao desenvolvimento educacional tenham sinais negativos, nesse caso, o número de pobres em relação à população responde negativamente tanto a um melhor desempenho educacional medido pelo índice FIRJAN de Desenvolvimento Municipal, quanto a um maior gasto público real per capita com educação.

Com relação ao PIB per capita, inclui-se nas estimações, a variável PIB per capita ao

(33)

Com relação ao coeficiente estimado para o valor dos benefícios do Programa Bolsa Família, espera-se encontrar um sinal negativo, ou seja, espera-se que o número de pobres em relação à população diminua à medida que as transferências de renda advindas do Programa Bolsa Família aumentem.

Agora, com relação aos sinais dos coeficientes estimados para as variáveis explicativas sobre a distribuição de renda, espera-se que o coeficiente estimado para o número de pobres em relação à população total seja positivo, ou seja, espera-se que quanto maior o número de pobres em relação à população total maior será o índice de concentração de renda, ou seja, maior é a concentração de renda.

Espera-se que os sinais dos coeficientes estimados para as variáveis associadas ao desenvolvimento educacional tenham sinais negativos, nesse caso, o índice de Gini responde negativamente tanto a um melhor desempenho educacional medido pelo índice FIRJAN de Desenvolvimento Municipal, quanto a um maior gasto público real per capita com educação.

Com relação ao PIB per capita, também é incluída nas estimações a variável PIB per capita ao quadrado. Neste caso, para testar a hipótese do “U invertido” de Kuznets (1955)

para a relação entre desigualdade de renda e PIB per capita, para o caso brasileiro no período analisado.

Finalmente, com relação ao coeficiente estimado para o valor dos benefícios do Programa Bolsa Família, espera-se encontrar um sinal negativo, ou seja, espera-se que a desigualdade de renda diminua à medida que as transferências de renda advindas do Programa Bolsa Família aumentem.

3.2 Metodologia

A notação abaixo representa a estrutura de painel, cuja especificação de depende de um modelo em particular.

(34)

O número total de observações . Para o caso de um painel balanceado, para todo . A matriz de covariância de é denotada por . Sejam e as variáveis independentes e dependente agrupadas em dados cross section e séries de tempo. Seja a matriz sem o intercepto.

3.2.1 Modelo em painel de efeitos fixos

Considere um modelo com apenas uma variável explicativa, para cada observação (WOOLDRIDGE, 2009):

(2)

Como este trabalho reúne os dados em painel dos 26 estados brasileiros e o Distrito Federal durante o período de 2004 a 2009, de acordo com a notação, representa a unidade federativa com e representa o período de tempo analisado com

.

O termo é o efeito fixo não observável. A abordagem de efeitos fixos considera como um efeito fixo não observável, específico de cada indivíduo ou grupo e este efeito é constante ao longo do tempo. Em outras palavras, captura todos os fatores não observáveis e constantes no tempo que afetam a variável dependente .

O termo é o erro idiossincrático ou erro variante no tempo, ele representa os fatores não observados que variam no tempo e afetam . Além disso, é a variável explicativa e

é o parâmetro a ser estimado.

A média desta equação ao longo do tempo, para todo , é dada por:

(3)

(35)

Como é fixo ao longo do tempo, ele aparece nas equações (2) e (3). Subtraindo a equações (3) da equação (2), tem-se:

Ou:

(4)

Onde:

É importante destacar, na equação (4), que o efeito não observado desapareceu. Como foi eliminado, a equação pode ser estimada por Ordinary Least Squares (OLS) e o estimado será consistente mesmo se for correlacionado com . Em outras palavras, é possível obter estimações consistentes mesmo com variáveis explicativas endógenas, desde que seja correlacionado somente com o efeito fixo não observável, invariante no tempo, e não correlacionado com o termo de erro, variante no tempo, .

(36)

As hipóteses do modelo de efeitos fixos são apresentadas abaixo:

 Hipótese 01: Adicionando mais variáveis explicativas, para cada , o modelo original é dado por:

(5)

Onde são os parâmetros a serem estimados.

 Hipótese 02: Há uma amostra aleatória na dimensão cross section.

 Hipótese 03: Para cada , o valor esperado do erro idiossincrático dadas as variáveis explicativas em todos os períodos e o efeito não observável é zero:

 Hipótese 04: Cada variável explicativa varia ao longo do tempo, pelo menos para algum , e não existem relações lineares perfeitas entre as variáveis explicativas.

 Hipótese 05:

Para todo .

 Hipótese 06: Condicional a todas as variáveis explicativas e ao efeito não observável os erros idiossincráticos são não correlacionados.

Para todo .

 Hipótese 07: Condicional às variáveis explicativas e ao efeito não observável , os erros idiossincráticos são independentes e identicamente distribuídos, com distribuição normal – ).

(37)

estimator). Ao adicionar a sétima hipótese, o estimador de efeitos fixos é normalmente distribuído e as estatísticas e têm exatamente distribuições e .

A equação geral, subtraindo a média das variáveis no tempo para cada é:

(6)

A equação (6) pode ser estimado por pooled OLS.

Sob a hipótese de exogeneidade estrita nas variáveis explicativas, o estimador de efeitos fixos é não viesado: o erro idiossincrático deve ser não correlacionado com as variáveis explicativas em todos os períodos de tempo.

O estimador de efeitos fixos permite a correlação arbitrária entre e as variáveis explicativas em qualquer período, por isso, qualquer variável explicativa que é constante no tempo para todo é eliminada pela transformação que ocorre no modelo de efeitos fixos (quando a média das variáveis no tempo é subtraída da equação original): para todo e , se é constante ao longo do tempo (dessa forma, variáveis como sexo não podem ser incluídas).

Para que a estimação por OLS seja válida, também deve ser considerada a hipótese de que os erros são homocedásticos e serialmente não correlacionados no tempo.

Existe um ponto sutil na determinação dos graus de liberdade para o estimador de efeitos fixos. Quando a equação (6) é estimada por pooled OLS tem-se um total de observações e variáveis independentes (note que não existe intercepto nesta equação, o intercepto foi eliminado pela transformação de efeitos fixos). Para cada observação cross section , perde-se um grau de liberdade porque na equação (6) é subtraída a média das variáveis no tempo. Em outras palavras, para cada observação cross section , os erros somam zero no tempo, então, perde-se um grau de liberdade. Portanto, os graus de liberdade

(38)

3.2.2 Modelo em painel de efeitos aleatórios

Inicia-se com o mesmo modelo de efeitos não observáveis já apresentado anteriormente:

(7)

Nesta equação é acrescentado um intercepto para que se possa fazer a suposição de que o efeito não observável tem média zero, sem perda de generalidade.

Quando se usa o modelo de efeitos fixos, o objetivo é eliminar porque se pensa que ele está correlacionado com uma ou mais variáveis explicativas . Supondo que é não correlacionado com cada uma das variáveis explicativas em qualquer período, se for feita uma transformação para eliminar (como é feita no modelo de efeitos fixos), os coeficientes estimados serão ineficientes. Assim, a equação (7) se torna um modelo de efeitos aleatórios quando se assume que o efeito não observável é não correlacionado com cada uma das variáveis explicativas.

(8)

Os pressupostos ideais do modelo de efeitos aleatórios incluem todos os pressupostos do modelo de efeitos fixos, mais especificamente, incluem as seis primeiras hipóteses apresentadas no modelo de efeitos fixos mais a exigência adicional de que é independente de todas as variáveis explicativas em todos os períodos. Entretanto, é preciso adicionar suposições sobre a maneira que o efeito não observável está relacionado com as variáveis explicativas . Para isso, a terceira hipótese do modelo de efeitos fixos é reforçada da seguinte forma:

 Hipótese 03’: Adicional à hipótese 03 do modelo de efeitos fixos, o valor

(39)

Esta hipótese exclui a correlação entre o efeito não observável e as variáveis explicativas .

Como a transformação feita no modelo de efeitos aleatórios não remove completamente a média no tempo permite-se que as variáveis explicativas sejam constantes ao longo do tempo para todo i. Assim, a quarta hipótese do modelo de efeitos fixos será agora:

 Hipótese 04’: Cada variável explicativa varia ao longo do tempo para todo e não existem relações lineares perfeitas entre as variáveis explicativas.

Também é necessário impor a homocedasticidade nos efeitos não observáveis , assim, a quinta hipótese do modelo de efeitos fixos fica:

 Hipótese 05’: Adicional à hipótese 05 do modelo de efeitos fixos, a variância de , dado que todas as variáveis explicativas são constantes, será:

Definindo um termo de erro composto na forma de:

A equação (6) pode ser reescrita como:

(9)

(40)

Essa correlação, necessariamente positiva, no termo de erro pode ser substancial: como os erros padrão do pooled OLS usual ignoram esta correlação, eles serão incorretas e as estatísticas usuais também serão.

Para resolver este problema de correlação serial, pode-se usar Generalized Least Squares (GLS) e, para que este procedimento tenha boas propriedades, deve haver um grande número de e um relativamente pequeno.

O cálculo da transformação GLS que elimina a correlação serial nos erros requer álgebra matricial sofisticada, mas a transformação em si é simples. Defina:

(10)

A equação transformada é:

(11)

A barra superior denota as médias no tempo. O estimador de efeitos fixos subtrai as médias no tempo das variáveis correspondentes e a transformação de efeitos aleatórios subtrai uma fração das médias no tempo, onde a fração depende de , e o número de períodos . O estimador GLS é, simplesmente, o estimador pooled OLS da equação (11). Os erros na equação (11) são não correlacionados.

A transformação na equação (11) permite variáveis explicativas que são constantes ao longo do tempo e esta é uma vantagem do modelo de efeitos aleatórios em relação ao modelo de efeitos fixos. Isso é possível porque o modelo de efeitos aleatórios assume que o efeito não observável é não correlacionado com todas as variáveis explicativas, mesmo se elas são fixos ao longo do tempo ou não.

(41)

Onde e são estimadores consistentes de e , respectivamente. Estes estimadores podem ser baseados nos resíduos das estimações por pooled OLS ou por efeitos fixos.

Uma possibilidade é que:

Onde os são os resíduos da estimação da equação (9) por pooled OLS. Dado isto, é possível estimar usando:

Onde é o quadrado do erro padrão usual da regressão usando pooled OLS.

Muitos pacotes econométricos estimam modelos de efeitos aleatórios e automaticamente calculam alguma versão de . O estimador GLS viável, que usa em vez de é chamado de estimador de efeitos aleatórios. Com base nas hipóteses 01, 02 e 06 do

modelo de efeitos fixos e nas hipóteses 03’, 04’ e 05’, as quais são as hipóteses do modelo de

efeitos aleatórios, este estimador é consistente, não viesado e assintoticamente normalmente distribuído conforme aumenta e permanece fixo. Além disso, o erro padrão e as estatísticas e obtidas na estimação do modelo de efeitos aleatórios são válidos com grande.

(42)

3.2.3 Efeitos fixos ou efeitos aleatórios?

Alguns autores decidem entre o modelo de efeitos fixos e o de efeitos aleatórios dependendo se os parâmetros são mais bem vistos como parâmetros a serem estimados ou como variáveis aleatórias.

Quando não é possível considerar as observações como aleatórias, por exemplo, quando os dados são de unidades da federação, faz sentido pensar em como parâmetros a serem estimados, neste caso, deve-se usar um modelo de efeitos fixos. Usar um modelo de efeitos fixos é o mesmo que permitir que cada observação tenha um intercepto diferente.

Quando as observações podem ser consideradas aleatórias, os parâmetros podem ser tratados como variáveis aleatórias. Neste caso, é ainda necessário decidir se os parâmetros não estão correlacionados com as variáveis explicativas do modelo. Se é possível assumir que os parâmetros são não correlacionados com todas as variáveis explicativas , então, o modelo de efeitos aleatórios é apropriado. Por outro lado, se os parâmetros são correlacionados com alguma(s) das variáveis explicativas , então, o modelo apropriado é o de efeitos fixos, neste caso, se for adotado o modelo de efeitos aleatórios, os estimadores serão inconsistentes.

Hausman (1978) sugere que as estimações por efeitos fixos e por efeitos aleatórios podem ser comparadas por meio de um teste para saber se existe correlação entre e as variáveis explicativas , assumindo que os erros idiossincráticos e as variáveis explicativas são não correlacionados em todos os períodos.

A teoria subjacente ao teste de especificação proposto por Hausman (1978) baseia-se em uma idéia fundamental. Sob a hipótese nula de que não existe erro de especificação, haverá um estimador consistente, assintoticamente normal e assintoticamente eficiente, onde a eficiência significa atingir o limite assintótico de Cramer-Rao. Sob a hipótese alternativa de existência de erro de especificação, no entanto, este estimador será viesado e inconsistente. Para construir um teste de erro de especificação, é necessário encontrar um outro estimador que não é prejudicado pela existência de erro de especificação, mas este estimador não será assintoticamente eficiente sob a hipótese nula.

Imagem

Tabela 01 - Evolução temporal da pobreza no Brasil.
Tabela 02  –  Indicadores de pobreza e concentração de renda entre países
Tabela 03 – Evolução temporal da desigualdade no Brasil
Tabela 04 - Descrição das variáveis
+4

Referências

Documentos relacionados

ii) vigora na jurisdição em que a Entidade-mãe final é residente para efeitos fiscais um Acordo internacional em que o Estado-Membro é parte, mas, na data especificada no artigo 8. o

Entre 1923 e 1928, na Galeria de Cultura Artística, em Petrogrado, local em que também residiu, Maliévitch foi responsável pelo laboratório de pintura experimental, que tinha

Different opinions seem to indicate that the insertion angle does not significantly influence resistance to avulsion, provided it is between 30º, forming a obtuse angle, and 90º

Estratégia de Internacionalização: Implementação Passo 1 Visita Abordagem do mercado Primeiros contactos Negócio ocasional Passo 2 Antena Primeiros negócios Teste do mercado Passo

SMHS – Área Especial – Quadra 101 – Brasília – DF. Fica vedada a inscrição condicional e/ou fora do prazo estipulado neste edital. O candidato, no ato da inscrição, concorda

Uma meta-análise de dados de estudos com pacientes com doença de Alzheimer moderada a grave (pontuação inicial no MMSE abaixo de 20), que incluiu 6 estudos clínicos de fase

Assim estão as filas de atendimento pela saúde, pela educação, por emprego… O artista usou do graffiti para mostrar o descaso com o atendimento e a respeito do cidadão e

Table 2 - Minimum Inhibitory and Minimum Fungicidal Concentrations of Indole-3-carboxylic acid produced by the endophytic fungus Nigrospora sphaerica (URM-6060) isolated from leaves