Escolar Documentos
Profissional Documentos
Cultura Documentos
Acoes de Combate A Pobreza Rural
Acoes de Combate A Pobreza Rural
Aes de Combate
Pobreza Rural:
metodologia para
avaliao de impactos
Volume 6
Aes de combate
pobreza rural:
metodologia para
avaliao de impactos
VOLUME 6
Organizadores da Srie
Carlos Miranda e Cristina Costa
Autores
Antnio Mrcio Buainain (Coordenador)
Carlos Guanziroli
Carolina Homem de Melo
Henrique Neder
Hildo Meirelles de Souza Filho (Coordenador)
Jos Maria Jardim da Silveira
Mrio Otvio Batalha
Marta Arretche
Rinaldo Artes
1a Edio
Braslia - Abril/2007
dos autores
1a edio: 2007
Direitos reservados desta edio:
Instituto Interamericano de Cooperao para a Agricultura
Distribuio
Instituto Interamericano de Cooperao para a Agricultura IICA
SHIS QI 3, Lote A, Bloco F Centro Empresarial Terracotta Lago Sul
CEP: 71.605-450
Tel.: (61) 2106 5477
Fax: (61) 2106 5459
www.iica.org.br
A719
Aes de combate pobreza rural: metodologia para avaliao de
impactos / Carlos Miranda e Cristina Costa (organizadores); Antnio
Mrcio Buainain (coordenador), Carlos Guanziroli, Carolina Homem de
Melo, Henrique Neder, Hildo Meirelles de Souza Filho (coordenador), Jos
Maria Jardim da Silveira, Mrio Otvio Batalha, Marta Arretche, Rinaldo
Artes (autores). - Braslia: Instituto Interamericano de Cooperao para a
Agricultura, 2007. (Srie Desenvolvimento Rural Sustentvel; v. 6.)
p. 228; 15 x 23 cm.
ISBN 978-85-98347-11-0
Inclui bibliografia
1. Socioeconmico. 2. Combate pobreza Brasil. 3. Impactos
socioeconmicos. 4. Avaliao. I. Miranda, Carlos. II. Costa, Cristina. III. IICA. IV. Srie.
CDD 304.330.9
Catalogao na publicao: Rossana Coely de Oliveira Moura CRB-3 / 791
Domingos Paz
Secretrio de Estado da Agricultura,
Pecuria e Desenvolvimento Rural do Maranho
APRESENTAO
Os Organizadores
PRESENTATION
The Organizers
PRESENTACIN
Los Organizadores
RESUMO
ABSTRACT
RESUMEN
SUMRIO
INTRODUO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1. SISTEMAS DE MONITORAMENTO E AVALIAO DE PROGRAMAS E
PROJETOS DE DESENVOLVIMENTO E COMBATE POBREZA RURAL . . . . . 33
1.1. Definio e Propsito do Monitoramento e da Avaliao . . . . . . . . 33
1.2. Avaliao Contnua e Avaliao Ex Post . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.3. Monitoramento de Objetivos e Resultados . . . . . . . . . . . . . . . . . . . . . . . 36
1.4. Indicadores. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
1.4.1. Indicadores de recursos, operao e performance . . . . . . . . . 40
1.4.2. Indicadores de impacto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.4.3. Indicadores indiretos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.4.4. Indicadores de condies externas . . . . . . . . . . . . . . . . . . . . . . . . 42
1.5. Resistncias ao Monitoramento e Avaliao . . . . . . . . . . . . . . . . . . . . . . 42
1.6. Problemas Prticos do Monitoramento e da Avaliao . . . . . . . . . . . 44
1.7. Outros Componentes da Avaliao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2. A AVALIAO DO IMPACTO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.1. Experimentos, Quasi-Experimentos e Vis de Seleo . . . . . . . . . . . . . 49
2.2. Desenho Experimental. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.3. Mtodos Quasi-Experimentais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.4. Vis de Seleo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.5. Baseline e Follow-Up . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.6. Modelo Economtrico Geral para a Medio de Impactos . . . . . . . 57
2.7. Introduzindo Variveis para Controlar a Imperfeio
do Pareamento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.8. Variveis Instrumentais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.9. Algumas Palavras sobre Mtodos Utilizados para
Eliminar Vis de Seleo e Parear Variveis . . . . . . . . . . . . . . . . . . . . . . . . 70
2.10. Variveis do Estudo de Impacto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
2.10.1. Indicadores de impacto no bem-estar . . . . . . . . . . . . . . . . . . . 73
2.10.2. Indicadores de sade. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
2.10.3. Indicadores de educao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
2.10.4. Indicadores de consumo e segurana alimentar. . . . . . . . . 78
2.10.5. Indicadores de capital fsico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
2.10.6. Indicadores de capital financeiro (poupana) . . . . . . . . . . . . 82
2.10.7. Variveis de controle das diferenas observveis . . . . . . . . 82
2.10.8. Variveis de controle do vis de seleo . . . . . . . . . . . . . . . . . 83
2.10.9. Variveis de determinao do impacto . . . . . . . . . . . . . . . . . . 84
2.10.10. Variveis indicadoras da presena de outros programas . . . 84
NDICE DE TABELAS
Tabela 1
Tabela 2
Tabela 3
NDICE DE FIGURAS
Figura 1
Figura 2
Figura 3
Figura 4
NDICE DE GRFICO
Grfico 1
NDICE DE QUADROS
Quadro 1
Quadro 2
Quadro 3
Quadro 4
Quadro 5
Quadro 6
NDICE DE ANEXOS
Anexo 1
Anexo 2
Anexo 3
Anexo 4
Anexo 5
Anexo 6
Anexo 7
Anexo 8
Anexo 9
NDICE DE BOXES
Box 1
Box 2
Box 3
Box 4
Box 5
Box 6
Box 7
Box 8
Box 9
INTRODUO
29
30
31
32
1. SISTEMAS DE
MONITORAMENTO E
AVALIAO DE PROGRAMAS
E PROJETOS DE
DESENVOLVIMENTO E
COMBATE POBREZA
RURAL1
1 Esta seo baseia-se em FAO monitoring systems for agricultural and rural development projects
Volume 2. FAO: Rome, 1989.
33
34
i.
ii.
iii.
iv.
35
36
37
38
1.4. Indicadores
A verificao e/ou a medio da operao, desempenho e impacto de
um programa/projeto requer(em) a especificao de variveis ou
indicadores das entradas (inputs), sadas (outputs), efeitos e fatores externos
39
40
41
42
43
44
45
46
47
48
2. A AVALIAO
DO IMPACTO
49
50
51
52
53
54
55
Box 1
Dados em painel
56
Onde:
y it uma varivel endgena (indicador de bem-estar) em que os
subndices (i) e (t) referem-se ao domiclio (i) de onde provm os dados do
perodo (t). A maioria dos estudos restringe-se a apenas um ou, no
mximo, dois perodos. O indicador pode ser a renda per capita domiciliar
ou um indicador composto de bem-estar definido previamente;
x it o vetor das caractersticas observveis dos indivduos. um vetor
de (k) variveis explicativas pr-determinadas, embora no
necessariamente exgenas, isto ,
. Esse vetor pode
conter uma componente da varivel defasada , no caso de o modelo
ser dinmico e de ser considerado (t) grande o suficiente para que
ocorram os efeitos dinmicos. comum que as variveis desse vetor de
caractersticas sejam a idade e a escolaridade do chefe do domiclio, alm
57
Onde:
y uma matriz de dimenso 2N x 1;
X uma matriz de dimenso 2N x k;
58
um vetor de ordem k;
C uma matriz de dimenso 2N x l;
um vetor de ordem l;
Box 2
Pareamento de amostras
59
Box 3
60
relao (ver Box 3). Nesse exemplo, a reta de regresso pode ser
representada pela seguinte equao:
Renda = -6,7073 + 2,0440 x Consumo
Para a interpretao dos coeficientes de uma reta de regresso, podese dizer que, no caso da equao citada, um aumento unitrio no consumo
da populao causar, em mdia, uma elevao de 2,044 unidades na
renda da mesma. Assim, os coeficientes de uma reta de regresso medem
o impacto de uma variao unitria da varivel independente sobre a
varivel dependente. Entretanto, para cada um dos valores de consumo,
tm-se valores de renda que no equivalem aos valores calculados pela
equao destacada, como pode ser verificado pelo grfico. A diferena
entre a renda observada e a renda predita pela equao igual ao erro
aleatrio do modelo de regresso simples.
Grfico 1
61
Onde:
Yiv pode ser qualquer dos indicadores de bem-estar para o domiclio
(i) localizado na comunidade (v);
Xi contempla o conjunto de caractersticas dos domiclios importante
na determinao dos indicadores;
Cv o conjunto de caractersticas das comunidades consideradas
importantes na determinao dos indicadores;
Pv um indicador binrio igual a 1 (um) quando o programa est
presente na comunidade (v) e zero quando no;
iv o erro aleatrio;
a, b, c e d so os parmetros.
O impacto do programa dado por:
E[Yiv / X i , C v , Pv = 1] E[Yiv / X i , C v , Pv = 0 ]= a + bX i + cC v + d (a + bX i + cC v ) = d
62
Onde: . iv = 0 iv + Pv ( 1iv 0 iv )
O impacto do programa ser dado por:
E[Yiv / X i , C v , Pv = 1] E [Yiv / X i , Cv , Pv = 0 ]= (a1 a0 ) + (b1 b0 ) X i + (c1 c 0 )Cv
63
E[Yiv / X i , C v , Pv = 1] E [Yiv / X i , Cv , Pv = 0 ]= d + fX i + gC v + hX i Cv
64
65
Pv = d + eZ v + v
66
Box 4
Modelo logit
4 Uma regresso deve respeitar um conjunto de critrios que se referem ao comportamento dos
resduos do modelo. Em primeiro lugar, esses resduos devem ter distribuio normal. Em segundo,
os resduos devem ter mdia equivalente a zero e varincia constante (homocedasticidade). Em
terceiro, os resduos no devem apresentar correlao significativa com as variveis independentes
do modelo. Por fim, as variveis independentes no podem formar combinaes lineares umas
com as outras (no multicolinearidade). Para maiores detalhes, ver Stock e Watson (2004).
67
68
e B1 , e B2 ,..., e
B1 p
69
70
71
Box 5
72
5 Para dar dois exemplos: o consumo de energia eltrica em um determinado ano serve de proxy
para a varivel que mede o nvel de atividade econmica; o nmero de pintos de um dia
adquirido pode dar uma aproximao do nvel de atividade do setor de frangos de corte.
73
74
75
76
77
78
Box 6
79
80
81
Domiclios
tamanho da famlia;
composio demogrfica da famlia (nmero de crianas, adultos,
idosos, sexo, idade, cor/raa, etc.);
cor/raa de pessoa de referncia (chefe do domiclio);
82
83
84
85
86
3. AVALIAO DE
CUSTO-BENEFCIO E
CUSTO-EFICCIA
87
9 Baker, J. Evaluation del impacto de los proyectos de desarrollo en la pobreza: manual para
profesionales. Banco Mundial, Washington D.C., EUA, 2000.
10 Adiante ser fornecida uma definio e o mtodo de clculo do VPL e da TIR, entre outras
medidas de avaliao financeira.
88
Figura 2
89
90
Figura 3
91
12 O VPL pode ser definido como sendo o somatrio, no instante atual, de todas as variaes de
caixa esperadas do projeto, descontadas a uma determinada taxa de juros. A TIR pode ser definida
como sendo a taxa de juros que torna uma srie de recebimentos e desembolsos equivalentes na
data presente. Matematicamente, pode-se dizer que a TIR a taxa de juros que torna o valor
presente lquido igual a zero.
92
comunitria que seja encarregada de adquirir equipamentos, prover mode-obra e contratar empresas; ou (b) por alguma organizao
governamental que assuma o custo de uma companhia distribuidora de
energia para administrar e realizar a obra, sem o envolvimento direto dos
beneficirios.
O objetivo principal da anlise identificar o desempenho econmico e
social de projetos que podem possuir forte participao da comunidade no
planejamento e gerenciamento do empreendimento; e de projetos em que
essa varivel menos presente. Mesmo em projetos que a varivel em
questo seja importante, mas que tenha sido apoiado por outros programas,
interessante comparar sistemas de gesto diferentes como forma de
identificar possveis fatores de sucesso ou fracasso dos empreendimentosalvo da pesquisa13.
A avaliao de custo-benefcio pode assumir duas linhas diferentes,
porm complementares, de investigao. A primeira delas est relacionada
sustentabilidade econmica e financeira dos projetos. A segunda, diz
respeito aos ganhos sociais, diretos e indiretos, auferidos pelos
beneficirios. Em relao primeira, pode-se analisar:
13 Como ser visto mais frente, sistemas de apoio deciso baseados em mltiplos critrios
(sistemas multicritrios) prestam-se particularmente bem a este fim. Entre os mtodos disponveis
destaca-se o AHP (Analitic Hierarchy Process).
93
VPL =
t =0
(Re ceitasBrutast
CustosOper acionaist )
(1 + i )
(Investimento t )
(1 + i )t
t =0
N
94
Figura 4
11.000
10
11
12
13
14
5.000
40.000
Fonte: OCDE. Manual financial and economic analysis of development projects. Office for Official
Publications of the European Communities. Luxemburgo, 1997, 375 p.
VPL = $ 6.833,44
95
14
+ $ 11.000 (1 + 0,1)
15
VPL =
t =0
CustosOper acionaist
(1 + r )
(Investimen to t )
=0
(1 + r )t
t =0
N
96
Tabela 1
Ano
Investimento e
Acumulado
Resultado Lquido
40.000
-40.000
0
1
11.000
5.000
-34.000
11.000
5.000
-28.000
11.000
5.000
-22.000
11.000
5.000
-16.000
11.000
5.000
-10.000
11.000
5.000
-4.000
11.000
5.000
2.000
11.000
5.000
8.000
11.000
5.000
14.000
10
11.000
5.000
20.000
11
11.000
5.000
26.000
12
11.000
5.000
32.000
13
11.000
5.000
38.000
14
11.000
5.000
44.000
15
16.000
5.000
55.000
97
(C
Bd ) =
(Re ceitasBrutas t
t =0
t =0
CustosOper acionais t )
(1 + i )t
(Investimento t )
(1 + i )t
98
3.2. Custo-Eficcia
Ao contrrio das anlises de custo-benefcio, apropriadas para projetos
com benefcios que podem ser mensurveis em termos monetrios, as
anlises de custo-eficcia prestam-se a uma grande gama de projetos
cujos benefcios no tm preos estabelecidos no mercado ou ento so
quantificveis monetariamente de modo bastante difcil. Se os benefcios
de um projeto no podem ser medidos em termos monetrios, os critrios
de VPL e da TIR no podem ser usados, logo, anlises econmicas de custoeficcia podem ser teis.
Na literatura sobre anlise de projetos, existem dois mtodos de avaliao
que no apresentam benefcios quantificveis em termos monetrios: o
mtodo do custo-eficcia e o do custo-eficcia ponderado. A principal
diferena entre os dois mtodos reside na maneira em que os benefcios so
medidos. Se os benefcios so medidos em uma nica unidade no
monetria, trata-se da aplicao do mtodo do custo-eficcia. Caso a
medio dos benefcios seja feita por intermdio de um conjunto de
variveis no monetrias, devem ser utilizadas as anlises de custo-eficcia
ponderado, tipo de mtodo que permite reduzir o resultado da anlise a um
nico indicador, aumentando a capacidade de comparao do resultado.
A anlise de ndices baseados no custo-eficcia de projetos deve ser feita
com cuidado. Na maioria dos casos, somente a anlise do custo-eficcia no
suficiente para identificar todos os resultados de um projeto. Na verdade, a
escolha entre os projetos deve considerar os custos e benefcios marginais.
Conforme j mencionado, alguns projetos devem ser avaliados pela
observao de resultados mltiplos. Um passo relevante avaliar a
importncia de cada um dos tipos de benefcios obtidos em relao ao
objetivo final esperado. Esse julgamento de ordem subjetiva, podendo
99
Box 8
Aes relacionadas
ao projeto
Resultados
esperados
Aumento do trfico;
Aumento da relao entre
comunidades prximas;
Diminuio dos custos de
transporte;
Ganhos em termos de tempo
e conforto;
Maior segurana nas estradas;
Criao de empregos locais;
Desenvolvimento local;
Efeitos ambientais positivos.
Indicadores
N de km reformados ou
construdos;
N de novos usurios;
Volume de carga transportado;
Economias de transporte;
N de acidentes evitados;
Diminuio do valor de seguros;
N de empregos gerados com a
construo da estrada;
N de empregos gerados com a
manuteno da estrada.
Fonte: OCDE. Manual financial and economic analysis of development projects. Office for Official Publications of the European Communities. Luxemburgo,
1997,375 p.
100
produtos
insumos
101
102
15 Abreu, L. M. et al. Selection of water quality control program for human consumption: application
of method AHP. UCB, Braslia (mimeo).
16 O mtodo conta com softwares comerciais que facilitam em muito a aplicao.
103
104
105
106
4. AVALIAO DA
FOCALIZAO
107
108
4.2. Modalidades
Cada modalidade de focalizao possui custos e benefcios diferentes
que devem ser considerados e examinados em detalhe. A escolha e a
avaliao do processo de seleo tm que observar essas diferenas, assim
como as implicaes para a sustentabilidade poltica da abordagem
escolhida e a ao de intervenes pblicas (Buainain et al., 2000).
Van de Walle (1998) divide as modalidades de focalizao em duas
categorias principais: focalizao universal e focalizao restrita (broad and
narrow targeting). Bons exemplos de focalizao universal so despesas em
servios sociais bsicos como educao primria, sade pblica, servio
bsico de sade pblica e assim por diante. Nessa modalidade, nenhum
esforo feito com intuito de atingir os pobres na qualidade de indivduos.
O princpio bsico que alguns itens de despesa so mais importantes
para determinadas populaes. Dessa forma, espera-se que regies,
comunidades e indivduos menos favorecidos sejam os principais a se
beneficiar do benefcio/interveno, ainda que o acesso seja universal.
Um dos principais argumentos em favor da focalizao universal o fato
da abordagem ser considerada mais popular (termos polticos), uma vez
que no h distino scio-econmica de quem pode ou no participar. A
simplicidade operacional e o custo baixo so outras possveis vantagens
109
110
que, porventura, habitam regies mais ricas. Hoddinot (1999) conclui que a
focalizao geogrfica funciona melhor quando usadas pequenas
unidades geogrficas, como vilas e bairros, reduzindo possveis erros de
incluso de famlias/indivduos que no foram estabelecidos como foco
do programa e excluso daqueles que poderiam ter sido beneficiados.
4.3. Critrios
Trs critrios so apontados como os mais relevantes para se
determinar e avaliar a focalizao de um programa (Legovini, 1999):
4.3.1. Eficincia
A eficincia de uma poltica ou programa focalizado diz respeito ao
alcance ao pblico-alvo. Um programa considerado menos eficiente
quanto mais domiclios/indivduos do pblico-alvo no forem
contemplados com os benefcios do programa. Esse tipo de excluso
chamado de Erro Tipo I ou Erro de Excluso, que a probabilidade de
excluir domiclios/indivduos que deveriam ser includos. Muitas vezes, o
erro inevitvel devido a diversos fatores como a imperfeio dos
indicadores utilizados para se fazer a seleo e o acesso precrio
informao. A questo deve estar presente na mente dos policymakers
durante o desenho de um programa, a fim de evitar a criao de barreiras
entrada de domiclios/indivduos que pertencem ao pblico-alvo.
Algumas informaes dificilmente so obtidas e/ou tratadas
estatisticamente. Em projetos produtivos destinados a comunidades, o
esforo pessoal dos beneficirios e o comportamento das lideranas so
importantes para determinar o sucesso e o pblico-alvo. Mesmo pesquisas
diretas bastante detalhadas podem incorrer em erro, sobretudo quando
dependem de informaes fornecidas pela prpria populao. Hoddinott
(1999) aponta que, quando questionados diretamente, muitos indivduos
tendem a exagerar seu grau de necessidade/pobreza com o intuito de
aumentar as chances de serem selecionados para uma interveno
especfica. Problemas adicionais so enfrentados quando as informaes
usadas esto em constante mudana, em resposta a fenmenos
transitrios ou seculares.
A informao coletada em um nico perodo pode resultar na incluso
de indivduos que no mais se qualificam para a interveno, alm das
dificuldades fsicas de se atingir comunidades mais pobres.
111
4.3.2. Vazamentos
O segundo critrio a ser considerado no desenho de um programa
refere-se aos possveis vazamentos (incluso de indivduos no
pertencentes ao pblico-alvo Erro Tipo II ou Erro de Incluso). Existe um
trade-off entre os erros tipos I e II: a expanso de um programa tende a
reduzir o erro tipo I e aumentar o tipo II e vice-versa, no caso de uma
reduo na cobertura. Para uma dada quantidade de recursos possvel
reduzir os dois tipos de erros se a capacidade de discriminar e de
selecionar o pblico-alvo for melhorada. Contudo, uma melhor capacidade
de seleo pode aumentar os custos do programa, colocando outro tradeoff para os tomadores de deciso (Anuatti-Neto et al., s/d).
4.3.3. Custos
O terceiro critrio a ser observado a questo dos custos que decorrem
da focalizao. Podem ser analisados de forma separada dos custos do
programa como um todo. Somente uma anlise de custos e benefcios de
cada mtodo de focalizao pode apontar o melhor desenho.
De forma geral, trs tipos de custos so apontados na literatura como
decorrentes da focalizao: administrativos, polticos e decorrentes dos
incentivos do programa (Grosh, 1994; Van de Walle, 1998).
112
113
114
115
116
117
118
119
120
121
Vantagens
Desvantagens
Dados mais
recentes
Parmetros
ideais/
recomendados
Fonte
Taxa de
Adequao
Energtica
(TAE<100%)
Medio mais
apropriada para o
problema da
fome
42% da
populao em
1974/75
0% com TAE
<100%
Lustosa e
Figueiredo
(1990)
Mulheres com
baixo IMC
Medio direta do
efeito da fome
6,2% das
mulheres em
idade frtil
em 1996
3% a 5% da
populao total
considerado
normal
Monteiro
(1997)
Crianas com
retardo no
crescimento
Medio direta da
desnutrio
10,4% das
crianas em
1996
2% a 3% das
crianas de um
pas
Monteiro
(1997)
Vantagens
Dados mais
recentes
Desvantagens
Fonte
18,1% da
populao em
1999
Hoffmann
(2001)
Permite comparaes
internacionais
5,1 da populao
em 1997
Banco Mundial
(2000)
Estudo bastante
detalhado buscando
sanar as crticas
anteriores
1990:31.679.095
pessoas ou
21,94% da
populao
IPEA/Mapa da
Fome
1997:13% da
populao
Artas (1999b)
Linha de indigncia da
Comisso Mista IBGE,Cepal e
IPEA (coord.rtas,Cepal)
Linha de indigncia de Snia
Rocha (linha em 1999 varia de
R$ 20,37 Centro-Oeste rural a
R$ 41,86 RMRJ)
1999:13,6
milhes ou 8,7%
da populao
IPEA/Snia
Rocha
1999:29% das
pessoas
Ferreira,Lanjouvi
e Nri e Camargo
e Ferreira (PUCRJ,Banco
Mundial e FGV)
122
4.4.4. Auto-seleo
O princpio bsico dessa abordagem deixar a escolha de participao
a cargo dos prprios beneficirios, em vez da interveno de um
administrador. A estratgia definir um conjunto de incentivos e custos de
123
participao (critrios de adeso) que induza um grupo especfico prselecionado a participar. O ponto principal que, apesar de ser universal,
apenas o pblico-alvo especfico deve se auto-selecionar para
determinada interveno.
So exemplos de intervenes que utilizam a auto-seleo programas
de empregos pblicos com baixos salrios e subsdios a alimentos de
maior relevncia para os pobres. O estigma decorrente de participar em
determinado programa, tambm pode servir como um fator impeditivo
de acesso para os mais ricos. Um caso bastante interessante apresentado
por Alderman e Lindert (1998, citado por Van de Walle, 1998). A Tunsia
converteu seu programa universal de subsdios, insustentvel na seara
fiscal, para um programa menor, focalizado por meio da auto-seleo.
Limitado pela ausncia de diferenas nas cestas de consumo dos pobres e
no-pobres, a soluo adotada pelo governo foi diferenciar os alimentos
no pela sua qualidade intrnseca, mas pelas embalagens. Bens inferiores
foram criados de forma a impedir seu consumo pelos no-pobres. De
forma complementar, o programa foi reforado pela introduo de bens
superiores, com embalagens atraentes e de boa qualidade, e pela
liberalizao da importao de bens substitutos.
Programas de reforma agrria pela via de mercado tm adotado
mecanismos de auto-seleo. Em tais programas so definidas apenas as
caractersticas gerais da populao de possveis beneficirios e as
condies de acesso, sem que haja prvia seleo dos participantes. A
participao associativa e no individual; apenas associaes podem
participar, e a escolha dos beneficirios feita pelas prprias associaes
que se apresentam para participar do programa. Os interessados que
porventura atenderem aos requisitos formais de participao devem se
associar a outros candidatos e pleitear a entrada no programa.
Um desafio enfrentado por programas baseados em auto-seleo
consiste em construir uma institucionalidade que desestimule a
dependncia dos beneficirios. Elevada dependncia de benefcios pode
arruinar a sustentabilidade e o sucesso do programa. Exigir uma possvel e
desejvel contribuio por parte dos beneficirios pode ser uma soluo.
A contribuio funcionaria como um custo de adeso. Espera-se com isso
que candidatos que no estejam dispostos a comprometer-se de fato com
o programa sejam excludos com essas exigncias. Um bom exemplo a
exigncia de manuteno dos filhos na escola como condio para
continuar recebendo benefcios do programa.
O desenho do programa dever conter mecanismos que induzam a
maximizao dos ganhos de renda, mas minimizem ganhos em outros
124
125
No pblico-alvo
Beneficirios
Sucesso
30%
50%
No beneficirios
Sucesso
40%
50%
40%
60%
Este tipo de anlise bastante simples e pode ser usada para corrigir
distores dentro do prprio programa, embora apresente algumas
deficincias.Trs crticas so apresentadas por Coady et.al. (2002). A primeira
que a abordagem no diferencia entre nveis de intensidade de pobreza.
No exemplo citado a pouco, faz diferena se 1/4 do pblico-alvo excludo
composto pelos mais miserveis ou se composto por aqueles que esto
prximos linha da pobreza. O mesmo se aplica para os includos
erroneamente. A segunda crtica diz respeito ao fato de que a abordagem
apenas apresenta o nmero de pessoas que recebem o benefcio e no
explicita a diferenciao, em termos de quantidade, de recursos recebidos
por cada beneficirio17. Por fim, a comparao entre programas
17 Como vimos quando tratamos da questo do seguro-desemprego, isso pode fazer bastante
diferena no resultado da anlise.
126
dificultada pelo fato de que existe um trade-off entre os erros Tipo I e Tipo
II: programas que tem baixos vazamentos tendem a apresentar baixa
cobertura e vice-versa.
Anuatti-Neto et al. (op. cit., p. 6) propem o uso de um indicador de
focalizao no qual so atribudos pesos aos dois critrios de avaliao:
eficincia e vazamentos. O indicador proposto o seguinte:
T = (PI PE )+ (1 )(NPE NPI )
Onde:
T = indicador de focalizao;
PI = proporo de famlias/indivduos pobres corretamente includos;
PE = Proporo de famlias/indivduos pobres erroneamente
excludos;
NPE = Proporo de famlias/indivduos no-pobres corretamente
excludos; e
NPI = Proporo de famlias/indivduos no-pobres erroneamente
includos;
= fator de ajuste, onde 0 1.
Como possvel observar, (T) encontra-se no intervalo -1<T<1, sendo
que melhor o grau de focalizao quanto mais prximo de 1. No caso de
T=1, a focalizao seria perfeita, o significa que todos os indivduos do
pblico-alvo foram includos e foram excludos todos os indivduos de fora
desse pblico.
O termo [PI PE] representa a eficincia no alcance da poltica. Quando
ele assume valor (1), significa que todas as famlias pobres foram includas.
Quando assume valor ( 1), significa que todas foram excludas. Por sua vez,
o termo [NPE NPI] representa uma medida do vazamento do programa.
Em caso de assumir valor (1), significa que todas as famlias no-pobres
foram devidamente excludas; em caso de valor ( 1), significa que todas
foram indevidamente includas.
O fator de ajuste ( ) normativo e pondera os dois critrios de avaliao.
utilizado para representar um julgamento de valor, que depender de
cada interveno. Mais ou menos peso poder ser dado ou para a incluso
do pblico-alvo ou para a excluso correta dos indivduos fora do alvo. Em
programas cuja prioridade maior elevar o bem estar do pblico-alvo,
maior peso deve ser dado incluso correta dos pobres bem como a sua
no excluso (ou seja, >0,5). De forma anloga, se maior prioridade for dada
alocao correta de recursos escassos, ento maior peso deve ser
atribudo ao termo que reflete os vazamentos do programa ( <0,5).
127
18 Para mais detalhes, ver Anuatti-Neto e Fernandes (op. cit. p. 8) ou Grosh (1994, p. 25).
128
Tabela 2
1 QUINTIL
2 QUINTIL
3 QUINTIL
4 QUINTIL
5 QUINTIL
TOTAL
Programa A
35,0%
25,0%
20,0%
10,0%
10,0%
100,0%
Programa B
40,0%
20,0%
25,0%
10,0%
5,0%
100,0%
Tabela 3
1 QUINTIL
2 QUINTIL
3 QUINTIL
4 QUINTIL
5 QUINTIL
TOTAL
Programa A
90,0%
74,0%
62,0%
60,0%
48,0%
66,8%
Programa B
48,0%
33,0%
25,0%
22,0%
12,0%
28,0%
129
130
5. ESTUDOS DE AVALIAO
DO CAPITAL SOCIAL
131
20 A literatura sobre capital social aborda a confiana simultaneamente como uma condio para
a cooperao e como um contedo das relaes sociais, de tal sorte que resta no resolvida a
questo da origem da disposio para a cooperao. Em qualquer de suas verses, contudo, a
confiana um atributo social frgil, isto , pode desaparecer facilmente e exige lenta construo.
132
21 Programa e projeto sero tratados indistintamente, ainda que em muitos casos haja diferenas
conceituais e operacionais entre eles.
133
134
22 Ver Captulo 2.
135
136
137
138
139
140
141
142
143
144
6. ANLISE
EXPLORATRIA DOS
DADOS: ANLISE DE
CORRESPONDNCIAS
MLTIPLAS
145
146
147
148
149
Domiclios/Comunidades
Outros/Controle
Questionrio por
levantamento
Variveis
Quantitativas
Questes = variveis
Nominais
Variveis
Qualitativas
Tabulao de dados
Ordinais
Seleo de variveis por meio
de estatsticas descritivas
univariadas (distribuies de
frequncia, normal plot e box plot
Aplicao da ACM
Tipologia de linha
= unidades produtivas
Tipologia de colunas
= classes de variveis
150
151
152
153
154
7. PLANO AMOSTRAL
O desenho de um plano amostral para a avaliao de impactos scioeconmicos de um programa pode representar um enorme desafio. Um
conjunto de fatores deve ser considerado: a complexidade das questes
que devem ser respondidas; a sofisticao dos instrumentos analticos
propostos; a precariedade das informaes disponveis; e as dificuldades de
obteno de informaes para fins de amostras por meio de procedimentos
tpicos (como a elaborao de cadastros/listagens e o elevado custo de
obteno dessas informaes).
A experincia tem demonstrado que a melhor estratgia a ser adotada
em relao ao desenho de uma amostra a simplicidade e a aceitao das
restries colocadas pelo binmio disponibilidade de informaes e custo.
Sem comprometer o rigor tcnico necessrio, busca-se maximizar a
utilizao de informaes disponveis e minimizar o recurso produo
primria de dados para o desenho amostral.
A outra opo seria desenhar um modelo amostral mais sofisticado, em
teoria, superior ao resultante de uma estratgia mais simples. No entanto, a
implementao de modelos amostrais mais complexos depende de
considervel massa de informaes no disponveis que devero ser geradas
durante o processo de avaliao em meio a imprevisveis dificuldades
logsticas, com custos elevados e resultados duvidosos. As experincias com
trabalhos de campo no meio rural revelam que no vale a pena enveredar
por essa via,e que o eventual benefcio gerado pelo produto final no justifica
nem a elevao de custos nem os riscos envolvidos27.
O objetivo principal das amostras obter informaes que permitam
estimar e comparar caractersticas de bem-estar traduzidas em variveis
que representem as dimenses consumo, sade, educao e capital (social,
fsico, econmico) para diferentes grupos de populao:
27 A equipe responsvel pelo desenho da metodologia de avaliao de impactos scioeconmicos do Programa Cdula da Terra (ver Buainain et allii., 1998) e do Programa de Combate
a Pobreza Rural II, ambos na Regio Nordeste do Brasil, enfrentou enormes problemas na execuo
do estudo de avaliao associados s dificuldades para a obteno das informaes necessrias
para a preparao do Plano Amostral. Essas dificuldades mostraram-se insuperveis, e a equipe
teve que aceitar as restries de informao/custo/tempo e reformular o plano amostral. Os
resultados preliminares obtidos em pesquisas de campo confirmaram a robustez do modelo
amostral implementado e que as eventuais perdas no comprometeram a qualidade dos
resultados produzidos pela pesquisa.
155
156
157
158
159
160
29 Johnson, R. A. & Wichern, D. W. (1998). Applied multivariate statistical analysis. 4th ed. Upper Saddle
River: Prentice Hall. Hair, J. F., Anderson, R. E.,Tatham, R. L. & Black, W. C. (1998). Multivariate data analysis.
5th ed. Upper Saddle River: Prentice Hall.
161
162
8. ELEMENTOS PARA
COLETA DE INFORMAES
E CONSTRUO DE
QUESTIONRIOS
163
164
165
166
167
168
169
170
171
172
9. CONSIDERAES
FINAIS
173
174
175
176
177
178
10. ANEXOS
ANEXO 1
A correo de Heckman visando eliminar o vis proveniente das
variveis no-observveis
Neste livro, foram discutidas diversas tcnicas economtricas cujo
objetivo o de reduzir ou eliminar o vis de seleo de amostragem.
Foram identificadas as tcnicas que utilizam variveis instrumentais e as
tcnicas pareamento de amostras. Mesmo que a aplicao dessas tcnicas
seja bem sucedida, persiste a necessidade de diferenciar o problema do
vis de seleo do problema da endogeneidade, que so bem distintos.
Quando se tem razes para acreditar que o impacto tem meramente
um efeito de intercepto sobre a varivel resultado (indicador pelo qual se
deseja mensurar o impacto do programa), ou seja, uma mudana paralela
para cima no indicador de resultado, ento uma abordagem de
endogeneidade, utilizando variveis instrumentais, poder ser utilizada.
Caso a varivel participao no programa seja endgena, pode-se utilizar
uma abordagem de estimao em dois estgios, por intermdio de um
modelo logstico: estimam-se as probabilidades dos domiclios
participantes do programa e substitui-se a varivel participao no
programa da equao de impactos pelo valor da probabilidade estimada.
Se houver motivos para acreditar que a participao no programa afeta
no somente o intercepto, mas possui tambm um efeito de inclinao
(coeficientes beta da regresso diferem de acordo com a participao ou
no no programa), ento um modelo de seleo de amostragem deve ser
utilizado. O mais conhecido desses modelos a chamada correo de
Heckman.
O modelo Yiv = a + bX i + cCv + dPv + iv 31 pode ser avaliado em conjunto
com outro modelo dentro do contexto do procedimento Heckit. Esse
ltimo prope uma correo do vis atribudo ao problema da autoseleo por meio do seguinte modelo bsico de duas equaes:
179
Equao 7
Ti* = zi +
(equao de deciso)
Yi* = x i +
(equao de resultado)
0
*
*
Y = Y .T (T > 0) = *
Y
se T 0,
*
se T * > 0.
= N ,
, 1
180
Equao 10
E (Y / x ) = E (Y * / x, I * > 0) = E (x / x, I * > 0) + E ( , I * > 0)
= x + E / x, x T >
= x +
, ( z / )
( zT / )
T
Onde:
( z T / 0 ) ,
'
+
( z T / 0 )
181
Xi
z2
1
exp
2
2
dz
32 Esse procedimento poder ser executado por meio do software Stata. O comando
denominado Heckman estima modelos de regresso de seletividade, seja utilizando o
procedimento em duas etapas ou por mxima verossimilhana. Alm disso, esse comando possui
as clusulas cluster e robust que consideram um desenho amostral em etapas.
182
ANEXO 2
Os mtodos de pareamento utilizados para corrigir
o vis das observveis
Alm das tcnicas economtricas apontadas, devem ser consideradas
tambm tcnicas de avaliao de impactos que se baseiam na
comparao de grupos de domiclios escolhidos na amostra de acordo
com determinados critrios. A proposta obter grupos de domiclios que
possuem caractersticas semelhantes nos dois grupos (beneficirios e
controle) e, a partir da, calcular as diferenas mdias dos indicadores. Para
evitar a dificuldade em identificar esses grupos com base em um nmero
muito elevado de caractersticas (variveis) domiciliares e comunitrias,
pode-se fazer uso dos escores de propenso obtidos do modelo de
deciso (primeira equao do Modelo 7). Esses escores de propenso
representam os do modelo probit (ou logit).
Esse mtodo ir basear-se na hiptese de independncia condicional
que considera que a esperana do indicador na ausncia do projeto
independente da participao, dado o conjunto (X) de caractersticas. De
acordo com a notao empregada no Item 2.1, isso significa que E[R0/D=1]
= E[R0/D=0] e, como o vis de seleo dado por V = E[R0/D=1] E[R0/D=0], significa que, sob a vigncia dessa hiptese, tal vis de seleo
nulo. Os procedimentos a serem adotados para o emparelhamento so:
estimar um modelo probit (segunda equao do modelo 7), cuja
varivel dependente a participao no programa como funo das
variveis que supostamente (ou provavelmente) determinam a
participao no programa esse modelo ser aplicado para toda
amostra de participantes e no-participantes do programa
(beneficirios e controle);
calcular para cada domiclio da amostra o escore de propenso a
participar do programa a utilizao desse escore como varivel de
referncia para o emparelhamento baseia-se na idia de que, se a
esperana do indicador, na ausncia do projeto, independente da
participao, dado o conjunto (X) de caractersticas (independncia
183
184
ANEXO 3
O mtodo da dupla diferena e o modelo de efeitos fixos
At aqui os modelos foram tratados considerando apenas regresses
cross sections e admitindo que os impactos fossem mensurados com essas
regresses aplicadas aos dados de um follow-up (segunda pesquisa de
campo). No entanto, com um conjunto de dados baseline (ou o perfil de
entrada), pode-se avanar mais. Ser possvel calcular a diferena entre os
indicadores relativos aos participantes do programa e ao grupo de
comparao no perfil de entrada, alm de subtrair esses valores da
diferena aps o programa (follow-up). Essa transao ajuda a resolver o
problema das variveis no-observveis tendo como hiptese que elas no
variam no tempo. Considera-se a verso mais simples do mtodo da dupla
diferena, dado pela seguinte seqncia de procedimentos:
ETAPA 1: obter duas amostras, uma no baseline e outra no follow-up,
tanto do grupo de beneficirios como do grupo de comparao. Seria
ideal ter uma amostra follow-up contendo as mesmas observaes da
amostra baseline e seguindo o mesmo mtodo (questionrio, mtodo
de entrevista).
ETAPA 2: para cada grupo (beneficirios e controle), calcular a diferena
mdia entre os valores posteriores e anteriores do indicador.
ETAPA 3: calcular a diferena entre as duas diferenas mdias. Essa a
estimativa do impacto do programa.
34 Em termos computacionais, o software Stata 9.1 possui o comando psmatch2 (que deve ser
instalado previamente a partir dos comandos disponveis na Internet) que implementa o mtodo
de pareamento amostral (com diversas alternativas tcnicas) denominado propensity score
matching.
185
Formalmente:
Equao 14
186
->
E[
] =
InT
E[ i j] = 0, para i j
-> E[ i j] =
E[ i jt] = 0 -> E[ i] = 0
187
2 + 2
2
2
2
+ 2
,
2
2 ,
E[ i i ] = I T + ii =
:
:
2
2
...
2
:::
:
2
... + 2
...
0 ... 0
0 ... 0
,
= I n = E[ ] =
: : : :
0 0 ...
1 / 2 =
=
A varivel
se torna
1 ,
I T T ii
2
T 2 + 2
188
+ Zi + it
it +
it
189
190
Equao 29
yi1 = Xi1 + Zi + i1
yi2 = Xi2 + Zi + i2
yi2 - yi1 = (Xi2 - Xi1) +( Zi - Zi) +( i2- i1)
y = X + Z + e
A varivel o operador diferena (X = Xi2 - Xi1). A Equao 29
equivale, pois, a:
y = X +
Nota-se que os termos invariantes no tempo, Zi e i, desaparecem aps
aplicao do operador diferena. A principal diferena entre a equao em
diferenas (Equao 29) e as equaes em nveis (ou equaes no
transformadas, equaes 26 e 28), que a condio necessria de
ortogonalidade verificada nos dados transformados:
Equao 30
E[Xh] = 0
A principal conseqncia dessa observao que MQO para os dados
transformados produz estimativas no enviesadas dos coeficientes da
varivel (X). a essncia do modelo fixed effects.
Com os dados de painel, possvel obter estimativas consistentes dos
parmetros de interesse, mesmo em presena de efeitos correlacionados
omissos. A aplicao do estimador MQO a dados secionais (indivduos) no
poderia consegui-lo. o uso dos indivduos como controle deles mesmos.
Trs lies podem ser tiradas do modelo simples de fixed effects:
1. Com estimadores fixed effects, em geral, no se pode recuperar
estimativas para quaisquer variveis explicativas invariantes no tempo. Por
vezes, possvel recuperar os coeficientes dos regressores invariantes no
tempo se houver informao a priori adicional acerca dos elementos dos
regressores variantes no tempo (Hausman, 1981). Quando se removem os
efeitos correlacionados no-observveis i, tambm se removem os efeitos
de qualquer varivel observvel que seja invariante no tempo. No modelo
simples de fixed effects, a transformao de diferenciao tem como
conseqncia o desaparecimento na equao final a estimar de Zi e i.
Todos os efeitos invariantes no tempo recebem o mesmo tratamento.
191
ANEXO 4
Consideraes sobre a utilizao de dados em painel em modelos
economtricos com variveis dependentes qualitativas
Uma das questes mais importantes nos modelos que utilizam dados
em painel encontra-se no controle da correlao serial. Nos modelos de
efeitos aleatrios, os mtodos de estimao de mnimos quadrados
generalizados produzem eficientes estimadores consistentes e
assimptticos. Para modelos que possuem variveis dependentes
qualitativas, a correlao serial introduz problemas adicionais que, em
alguns casos, tornam os mtodos usuais intratveis.
Considere o caso de um modelo probit com dados de painel, em que
no se observa a varivel y it , mas sim um indicador d it :
1 se yit 0
d it =
0 se contrrio
O modelo para y it pode ser dado pela seguinte especificao:
y it = X it + it
it = i + it
A varivel i representa um efeito aleatrio invariante no tempo e it
independente e identicamente distribuda (iid). Desse modo, a estrutura de
covarincia de it dada por:
192
Equao 31
2 se j = 0
E ( it it j ) = 2
se j 0
l( ) = ln[Pr ob ( J iT | X i ; )]
i=1
Pr ob( J it | X i ; ) = Pr ob(d il | X il ; )
l =1
Pr ob( J it ) =
Pr ob( d
il
| X il ; ) f ( )d
l =1
35 Ver Liang & Zeger (1986), Crowder (1986), Crowder (1987) ou Mtodos de Estimao via
Simulao (Keane, 1993).
193
ANEXO 5
Anlise dos Componentes Principais (ACP): um resumo do
procedimento
A anlise de componentes principais aplica-se a variveis quantitativas
(cuja escala tem sentido paramtrico, ou seja, possvel calcular seus
momentos, como mdia, varincia, assimetria, kurtosis). Ela tem como objetivo
primordial reagrupar um conjunto de variveis em torno de fatores
componentes principais que permitam uma representao grfica em
planos denominados planos fatoriais que facilite a interpretao da
relao de um amplo conjunto de variveis.
Por exemplo, se queremos analisar o que se passa com os municpios
paulistas, podemos coletar dados quantitativos sobre variveis de diferentes
tipos e organiz-las em grupos; a) variveis de estrutura fundiria; b) variveis
sobre grau de urbanizao; c) variveis sobre intensidade de atividade
econmica; d) variveis sobre uso da tecnologia agrcola; e) varivel sobre
prticas contratuais.
Espera-se, portanto, como em Fvaro (2005), que uma anlise de ACP
aplicada a cada um desses itens resulte em um ou dois fatores que possam
ser utilizados para representar cada um dos grupos apresentados.
36 Ver detalhes sobre essa construo em Crowder (1987).
194
195
38 A matriz AA uma expresso geral de um procedimento que busca a melhor projeo de uma
nuvem de pontos no espao da k variveis originais no espao dos fatores, aqui representado pela
matriz Ekk, composto pelos vetores ekk. Para isso, preciso estabelecer uma mtrica (uma unidade
de medida aplicada lgebra matricial) que permita realizar a projeo ponto a ponto no vetor
que melhor se serve a esta tarefa. O critrio utilizado considerar a projeo que, para o conjunto
de pontos, maximize a varincia da projeo. Intuitivamente, aquela que distribui os pontos ao
longo do vetor de forma a ampliar a medida conjunta de distncia ao quadrado. Os
procedimentos para obteno da mtrica so detalhados em Escofier e Pags (1992:75).
39 No realizado pelo WINSPAD3, mas disponvel em outros softwares, como STATISTICA, SAS ou
SPSS.
196
ANEXO 6
Metodologias de construo de indicadores de capital social
A discusso abaixo visa apontar alguns cuidados na elaborao de
indicadores de capital social e sugerir alguns procedimentos que podem
auxiliar na agregao dos indicadores obtidos. Referidos procedimentos
podem ser aplicados mesmo no caso de amostras no representativas do
ponto de vista estatstico40.
Adiante, destaca-se um roteiro para a agregao de indicadores de
capital social. Esses indicadores podem ser utilizados tanto em anlises que
tomam o capital social como varivel dependente (cuja acumulao seria
impactada pelo programa em anlise), quanto em anlises que
consideram o capital social como varivel independente, cujo nvel e
variao provocam mudanas nas condies de vida e de bem-estar de
comunidades de beneficirios.
Outro tema discutido refere-se relao entre o capital social e as
variveis que no diretamente so atribudas s causas dos fenmenos em
estudo. Essas variveis podem ser obtidas por procedimentos derivados da
investigao qualitativa, da percepo dos entrevistados: so as variveis
latentes41. Confirmando as possibilidades abertas pela explorao
estatstica de indicadores qualitativos, o trabalho de Flora & Flora (2000)
apresenta indicadores compostos, obtidos por meio de tcnicas fatoriais.
Surge tambm a noo de uma varivel latente ao coletiva como
composio de outras trs variveis latentes: a) legitimidade de alternativas
(composta a partir de 3 indicadores); b) mobilizao de recursos (3
indicadores); c) qualidade no estabelecimento de redes (4 indicadores; um
deles composto por 9 variveis combinadas por meio de anlise fatorial).
Tal exemplo permite captar a idia de que na impossibilidade de mensurar
o fenmeno diretamente, possvel manejar escalas de percepo de
beneficirios no sentido de criar variveis passveis de validao por
mtodos estatsticos, aplicados posteriormente.
197
42 interessante consultar uma verso anterior do trabalho de Csar, Soares e Mambrini (1999),
que detalha ainda mais as variveis e suas caractersticas. Disponvel para download em:
www.est.ufmg.br/proav/influence.html.
198
43 claro que informaes do tipo binrio, sim ou no, no seriam adequadas a este tipo de
anlise. Tambm limitante saber antecipadamente que, devido a regras do programa analisado,
o indicador varia entre 1 e 6, por exemplo, se o programa exigisse no mnimo uma reunio anual
e as condies efetivas dos beneficirios tornassem muito raro uma freqncia anual uma reunio
cada dois meses.
44 Os aspectos formais da anlise de ACP esto em Escofier e Pges (1992). Privilegiou-se a
interpretao do mtodo e os aspectos mais diretamente relacionados construo do ndice.
Softwares, como o SPSS ou o SPADN, permitem realizar anlises de componentes principais de
forma a atender metodologia sugerida para a obteno de ndices agregados.
45 Fvaro (2005) utilizou este tipo de procedimento para formar indicadores tecnolgicos, de
urbanizao, de estrutura fundiria, visando caracterizar municpios do Estado de So Paulo.
199
Pj
n
Pj
* Cij
f =1
Onde:
Cif o valor da i-simo indicador de capital social no j-simo
componente principal;
Pj a parcela da varincia atribuvel ao j-simo fator.
Assim, o ndice agregado obtido pela soma dos valores das variveis
(valor do ndice para cada assentamento analisado) ponderadas os Icpi (a
importncia de cada indicador, obtida pelo uso da ACP), ou seja:
k
200
46 Para um exemplo relativo a variveis que apresentem correlao entre variveis ordinais
(obtendo assim coeficientes de correlao chamados polychoric), ver Jreskog e Srbon (1993) e
Byrne (1989).
201
Indicador de
associao?
Renova
diretores?
CPI
MCPI
Alavanca
recursos?
Relao com
a prefeitura
Reunies
regulares?
47 A escala dessas variveis pode ser construda de vrias formas, segundo o estudo univariado
da distribuio de cada um dos indicadores. Esses modelos podem ser simples, como a escala
construda por Costa (2000), ou pode envolver a utilizao de mtodos mais complexos de
mensurao. Pode-se criar escalas nominais, ordinais, intervalares e mesmo criar variveis binrias.
Em outras palavras, possvel ganhar flexibilidade em relao a uma padronizao de escalas para
todas as variveis
48 No caso desse exemplo so variveis originadas do ajuste do modelo, que permitem que se
imponham restries sobre o comportamento da varincia de uma delas e mesmo se padronize
a escala das variveis
202
49 Alm das medidas de correlao, possvel testar a qualidade do ajuste (Goodness-of-Fit, ver
Jreskog e Srbom, 1993, Cap. 4), comparando a matriz de covarincia do modelo irrestrito todas
variveis correlacionadas - com a do modelo estruturado. A anlise permite avaliar os ganhos
resultantes da modificao de indicadores. O modelo permite ento que conheamos a interrelao entre eles.
203
204
ANEXO 7
A obteno de um indicador sinttico de capital social usando ACP
Esse mtodo adequado se as variveis com maior peso forem as que,
em conjunto, sejam capazes de dar o significado desejado ao ndice. o
que ser apresentado a seguir, como proposta em situaes em que se
perceba que indicadores em que se espera significado comum levem os
205
206
ANEXO 8
Anlise confirmatria de estruturas baseadas em variveis latentes
Essas estruturas, segundo Byrne (1989), permitem estimar um conjunto
de parmetros segundo a equao abaixo:
207
ANEXO 9
Expanso dos resultados amostrais, estimador razo e agrupao
de municpios
A expanso dos resultados referentes s amostras baseia-se na teoria da
amostragem. As expresses para a estimao de mdias e erros-padro,
com base no plano amostral, so assim exemplificadas57:
Notao
208
Mh ij
k =1
k =1
Xhij = x hijk e Yhij = y hijk : total das variveis de interesse para todas
as UATs presentes na UAS (j) do municpio (i) no estrato (h);
mh ij
mh ij
k =1
k =1
xhij = Mhij x hijk m hij e yhij = Mhij y hijk m hij : estimador do total das
variveis de interesse na UAS (j) do municpio (i) no estrato (h);
Nhi
N hi
j =1
k =1
nh i
j= 1
j= 1
Lh
i= 1
i=1
lh
i= 1
i= 1
h =1
h=1
h=1
h=1
209
r=
x
y
H 1 L h N2
H 1 Lh 1 Nhi Mhij
1 H L2h
2
2
hi
(
1
f
)
S
+
(
1
f
)
S
+
(1 f3hi )S 23hij ,
2hi
2hi
1h
1h
2
l
f
n
f
f
m
h =1 1h i=1 hi
h =1 1h i= 1 2hi j =1 hij
Y h =1 h
Lh
2
2
2
onde S1h
= S1hX
+ R 2 S 21hY 2RS1hXY , S1hX
=
(X hi Xh )2 ,
L h 1
i =1
Xh =
Xh
Lh
2
, S1hY ;
Lh
anlogo; S1hXY =
i =1
(X
hi
)(
X h Yhi Y h
;
Lh 1
Yh =
Yh
Lh
;
Nhi
(X hij X hi )2
j=1
N hi 1
Xhi =
Yhi
Y hi =
; S22hiY anlogo;
Nhi
S 2hiXY =
(X
hij
X hij
Mhij
; S2
3hijY
)(
X hi Yhij Y hi
N hi 1
j =1
M hij
(X hijk X hij )2
k= 1
Mhij 1
Nhi
Xhij =
Xhi
N hi
);
Mhijk (
Yhij
X hijk X hij )(Yhijk Y hij ) ;
anlogo; S
.
Y hij =
3hijXY =
Mhijk 1
k =1
M hij
xh =
1
y2
xh
Lh
H L 2h 2
2
2
2
s1h , onde: s1h
= s1hX
+ r 2 s 21hY 2rs 1hXY ; s1hX
=
h =1 l h
lh
2
; s1hY
anlogo; s1hXY =
(x
hi
i =1
)(
x h y hi y h
lh 1
);
yh =
Lh
(x
i =1
yh
Lh
hi
xh
lh 1
58 Hansen, M. H., Hurwitz, W. N. e Madow, W. G. (1993b). Sample survey methods and theory: theory.
Vol. 1. New York: John Wiley & Sons (Wiley Classics Library Edition).
210
211
V2
... VJ ...
VP
M1
X11
X12
X1P
M2
X21
X21
X2P
:::
:::
:::
:::
:::
MI
XI1
XI2
XIP
:::
:::
:::
:::
:::
MM
XM1
XM2
XMP
Formada a matriz de dados, essa deve ser padronizada60 para evitar que
as unidades dimensionais de cada varivel possam afetar o clculo da
212
M2
... MJ ...
MM
M1
D11
D12
D1M
M2
D21
D21
D2M
:::
:::
:::
:::
:::
MI
DI1
DI2
DIM
:::
:::
:::
:::
:::
MM
DM1
DM2
DMM
61 Para a medida de similaridade ou distncia entre dois municpios dentro de uma MRG, em base
s variveis listadas, pode ser utilizada a distncia euclideana Dij = (X i Y i)2 .
i
62 A forma de agrupar os municpios pode ser feita pelo mtodo Wards (1963). Esse mtodo usa
a anlise de varincia para avaliar as distncias entre os clusters e tenta minimizar a soma de
quadrados (SS) de qualquer par (hipottico) de clusters que podem ser formados a cada passo.
213
214
215
216
11. REFERNCIAS
BIBLIOGRFICAS
217
218
219
220
221
222
223
TENDLER, J. Safety nets and service delivery: what are social funds really telling
us? Tulchin, J. S.; Garland, Allison M. Social development in Latin
America. Washington: Woodrow Wilson Center. Cap. 5. 2000.
VAN DE WALLE, D. Targeting revisited. The World Bank Research Observer. v.
13, n. 2, 1998.
VAN ZYL, Sonn e Costa. Decentralized rural development, enhanced
community participation and local government performance: evidence
from Northeast Brazil. Draft. 2000.
WOOLCOCK, M. Social capital and economic development: toward a
theoretical synthesis and policy framework. In: Theory and Society, 27:
151-208, 1998.
WRIGTH, B.; GEOFFREY, M. Rating scale analysis: rasch measurement. Chicago,
Mesa Press, 1a. ed., 1982. 206 p.
224
Coordenao Tcnica
Consultores Tcnicos
Valentina Buainain
Economista e Sistemas de
Informao IICA
Estagirios
Henrique Neder
Estatstico e Econometrista
Universidade Federal Uberlndia
Felipe Barbosa
Instituto de Economia Unicamp
Felipe Serigatti
Instituto de Geocincias Unicamp
Guilherme C. K. V. Machado
Instituto de Economia Unicamp
Marcelo M. Magalhes
Engenheiro Agrnomo e Sistemas
de Informao IICA
Secretria Executiva
Maria Sebastiana Nogueira Vieira
225
Realizao Tcnica