Equipe Técnica Equipe de Apoio

Coordenadores Coordenador
Rômulo José da Costa Ribeiro Juciano Martins Rodrigues
Frederico Rosa Borges de Holanda Apoio de Pesquisa
Auxiliar de Pesquisa Fernando Cotelo
Juliana Coelho

Dispersão Urbana e
Acessibilidade nas Metrópoles
O IN
NCT OBS
SERVATÓ
ÓRIO DA
AS METR
RÓPOLES

O Observatório das Metró

ópoles consstitui-se com
mo um grupo que funnciona como um
instittuto virtual, reunindo hoje 159 pesquisado
ores (dos quais 97 pprincipais) e 59
instittuições doss campos universitário
u o (programa
as de pós-g
graduação) , governam
mental
(fund
dações esta
aduais e pre
efeitura) e não-govern
namental, sob a coordeenação gerral do
IPPU
UR - Instituto de Pesq
quisa e Pla
anejamento Urbano e Regional dda Universidade
Fede
eral do Rio de
d Janeiro.

nstituições reunidas hoje

As In h bservatório das Metrópoles vêm trabalhand
no Ob do de
mane
eira sistemá
ática sobre 14 metrópo a aglomeraç
oles e uma ção urbana:: Rio de Janeiro,
São Paulo, Porrto Alegre, Belo Horizzonte, Curitiba, Goiânia, Recife, Salvador, Natal,
N
aleza, Belém
Forta m, Santos, Vitória,
V Bra sília e a aglomeração urbana de M
Maringá.

Form
mamos hoje
e um Institu de sobre o tema das metrópoles
uto em Red m brasileiras e os
desa
afios do dessenvolvimen
nto. Trata-se
e de um pro
ojeto inovad
dor em razãão da articulação
entre
e sociedade
e civil, academia e pod
der público, por utilizar uma metoddologia unifficada
de p
pesquisa, monitoramen
m nto e intervvenção e, ainda, por explorarmoos uma mesma
base
e de dados.

A produção de resultados compa ráveis tem

m nos permitido a iidentificação de
ências convvergentes e divergente
tendê es entre as metrópoles
s, geradas ppelos efeitos das
transsformações econômica
as, sociais,, institucion
nais e tecn
nológicas poor que pas
ssa a
socie
edade brasileira nos últimos
ú 20 a
anos. Acreditamos qu
ue o conheccimento ge
erado,
ora se reffira especiificamente às 15 re
embo ncionadas, assegura uma
egiões men
comp
preensão mais
m ampla
a a respeitto dos imp
pactos das transformaações sobrre as
grand
des cidade
es brasileira
as, permitin
ndo confrontar os resu
ultados alcaançados co
om as
tendê
ências apon
ntadas pela
as pesquisa
as internacio
onais.

A prroposta do INCT – In acional de Ciência e Tecnologiaa, é substittuir o

nstituto Na
programa dos Institutos do
o Milênio, a
ampliando a produção das redes a partir de
e uma
or participaçção das fun
maio ndações esstaduais de
e amparo à pesquisa.. O objetivo
o dos
INCT
Ts é ocup
par uma posição
p esttratégica no
n Sistema
a Nacional de Ciênc
cia e
Tecn
nologia, tan
nto pela sua
a caracterísstica de ter um foco temático eem uma áre
ea de
conh
hecimento para
p volvimento em longo prazo como
desenv o pela com
mplexidade maior
de su
ua organiza
ação e porte amento.
e de financia
Passamos a integrar, portanto, o conjunto de 123 centros de excelência em pesquisa
do país e tivemos o mérito reconhecido, entre outros, por apresentar:

1) PESQUISA DE EXCELÊNCIA ACADÊMICA COM ALTA PRODUTIVIDADE.

Apresentamos a continuidade, expansão e consolidação do Programa em curso
INSTITUTO DO MILÊNIO, tendo recebido na avaliação do CNPq o reconhecimento
como um dos grupos de pesquisa em rede “....mais bem estruturados do país no que
diz respeito aos estudos urbanos. Apresenta uma sólida rede nacional de instituições e
pesquisadores de universidades espalhadas por todo o território brasileiro,
contribuindo tanto na perspectiva metodológica como em seus resultados para
conhecimento de aspectos fundamentais dos processos urbanos em curso em nossa
sociedade.” Outros indicadores confirmam a excelência: a) 25 Bolsistas de
Produtividade; b) 37 Programas de Pós-Graduação em várias áreas de conhecimento,
(oito com nota 6 e dez com nota 5; c) alta produtividade científica cuja avaliação deve
ser complementada considerando: publicação ao longo da sua existência de 599
trabalhos no exterior, em anais, capítulos de livros e artigos, o que pode ser
comprovado no exame dos CV Lattes dos pesquisadores principais; e, de 19 números
semestrais do único periódico científico brasileiro especializado no tema – Cadernos
Metrópole – Qualis Nacional A da CAPES.

2) REDE NACIONAL, MULTIDISCIPLINAR E MULTIESCALAR. A forma de

apresentação da proposta pode não ter facilitado a apreensão do seu desenho
adequado ao caráter diverso e multiescalar da questão metropolitana brasileira,
suscitando dúvidas sobre a sua consistência. São três linhas de pesquisa que
articulam os enfoques essenciais à compreensão da problemática metropolitana
enquanto campo das Ciências Sociais: Economia/ Território, Sociedade/Território e
Política/Território. Um modelo metodológico inovador, desenvolvido ao longo dos 17
anos de existência da Rede, articula estas linhas entre sim e com estudos de caso
imprescindíveis ao competente entendimento da complexidade da questão
metropolitana.

3) ENFRENTAMENTO DAS DISPARIDADES REGIONAIS EM C,T&I. A trajetória do

Observatório narrada na proposta evidencia que reunimos também grupos de
pesquisas em consolidação localizados nas grandes regiões do país, promovendo a
circulação nacional de competências, experiências e o compartilhamento de base de
dados, contribuindo no esforço de rompimento das assimetrias regionais do sistema
C,T&I.
4) IMPACTOS E EFEITOS MULTIPLICADORES. Quanto à formação de recursos
humanos e a sua absorção como professores, pesquisadores e profissionais é quase
impossível documentar tais impactos em razão da enorme quantidade de alunos dos
12 Núcleos da Rede espalhados pelo Brasil, em cursos de especialização, mestrado e
doutorado. Entretanto, a leitura dos anexos da proposta evidencia os impactos
acadêmicos e profissionais locais onde o Observatório está constituído. Ademais, está
evidenciada a nossa relevante contribuição à concretização das metas de
Desenvolvimento Nacional e à Inclusão Social, contidas no Plano de Ação em C,T&I,
em função na nossa colaboração com os ministérios do Planejamento e das Cidades.
SUMÁRIO
APRESENTAÇÃO

O presente trabalho integra o projeto do INCT Observatório das Metrópoles: território,

coesão social e governança democrática, o qual está organizado em cinco linhas:

Linha I – Metropolização, dinâmicas intermetropolitanas e o território nacional.

Linha II – Dimensão sócioespacial da exclusão/Integração nas metrópoles: estudos

comparativos.

Linha III – Governança urbana, cidadania e gestão das metrópoles.

Linha IV – Monitoramento da realidade metropolitana e desenvolvimento institucional.

Nosso trabalho insere-se na Linha II- Dimensão socioespacial da exclusão/Integração

nas metrópoles: estudos comparativos. A hipótese inicial desta linha é que os
processos socioespaciais em curso nas metrópoles brasileiras têm enorme
importância na compreensão dos mecanismos societários de exclusão e integração,
por meio de seus efeitos sobre a estruturação social, os mecanismos de
produção/reprodução de desigualdades e as relações de interação e sociabilidade
entre os grupos e classes sociais. Tais processos sócioespaciais são conceituados
nesta linha como diferenciação, segmentação e segregação.

O presente relatório apresenta os procedimentos para a construção e aplicação do

índice de dispersão e de inclusão/exclusão social a partir de dados dos levantamentos
censitários de 2000 e 2010, para as 16 Regiões Metropolitanas – RMs e 1 Região
Integrada de Desenvolvimento – RIDE. De modo a analisar-se comparativamente a
evolução da dispersão urbana entre 2000 e 2010, além de identificar as áreas
socialmente excluídas nas RMs e RIDE e o seu comportamento no referido decênio.

Nosso estudo foi desenvolvido em três etapas:

i. Caracterização do índice de dispersão para as RMs, a fim de se comparar com

os dados já calculados para outras cidades no mundo;
ii. Caracterização do índice de exclusão/inclusão social para as RMs;
iii. Análise integrada dos dois índices para caracterização da estrutura espacial
das RMs.

Para a construção espacial das análises utilizou-se a base espacial de setores

censitários, desenvolvida pelo Instituto Brasileiro de Geografia e Estatística – IBGE. O
setor censitário é a menor unidade territorial de levantamento e respeita os limites
político-administrativos urbanos e rurais e de outras estruturas territoriais de interesse
(IBGE, 2003; 2011). O que permitiu uma análise interurbana detalhada, refinado o
cálculo de dispersão proposto por Bertaud e Malpezzi (1999) e o cálculo de
exclusão/inclusão social proposto por Sposati (2000), o que possibilitou a obtenção de
um resultado diferenciado além de mostrar que localidades suspostamente
homogêneas apresentam em seu interior diferenças significativas.

ASPECTOS TEÓRICOS

Nos últimos sessenta anos as cidades têm crescido e se desenvolvido numa

velocidade muito grande. Praticamente em todo o mundo houve uma inversão entre o
número de habitantes rurais e urbanos, sendo que estes últimos ultrapassaram muito,
em número, a população rural. Segundo o Censo Demográfico de 2010, 84,4% da
população brasileira localiza-se em centros urbanos (IBGE, 2011).

Devido a esta situação, que tende a se tornar cada vez mais crítica, as cidades têm
crescido de forma rápida com pouco ou nenhum controle. Isto leva a geração de
tensões urbanas de diversos tipos, bem como a um aumento dos custos de
manutenção desta realidade. O poder público cada vez tem que gastar mais para
tentar suprir as demandas que surgem com o crescimento urbano.

Essas concentrações podem levar a uma reformulação da circulação e do próprio

desenho urbano, o que faz com que ocorram prejuízos para a qualidade de vida e
qualidade ambiental urbana. Isso ocorre em função da demanda por habitação ser
bem maior que a oferta, o que leva à população, principalmente a de menor renda, a
ocupar regiões cada vez mais distantes do centro da cidade. Por tratar-se, muitas
vezes, de ocupações irregulares, pode-se verificar que vários fatores relacionados à

Para efeito deste estudo a construção dos índices foi fundamentada em

procedimentos matemáticos e estatísticos, para tal adotou-se duas grandes
dimensões urbanas: 1) configuração espacial – dispersão urbana; e 2) aspectos
socioeconômicos – exclusão e inclusão social. Assim, foi desenvolvida a relação entre
eles com a utilização, como unidade espacial comum, dos setores censitários urbanos,
do Censo de 2000 e de 2010, com o intuito de se compreender a interação entre
esses diferentes aspectos que compõem o cenário urbano global. Buscamos gerar,
desse modo, uma nova forma de visualizar e analisar questões urbanas que podem
subsidiar tomadas de decisões sobre a manutenção e melhoria das cidades.
Autores como Hillier & Hanson (1984), Bertaud & Malpezzi (1999; 2003), Jenk &
Burgess (2000), Holanda (2001; 2002; 2003), Ribeiro & Holanda (2006), Ribeiro (2008)
têm mostrado que a cidade influencia no comportamento de sua população, bem com
esta população influencia na organização espacial da cidade, numa relação mútua e
constante. Em certos casos, é possível caracterizar verdadeiros guetos urbanos, nos
quais pessoas com características socioeconômico-culturais semelhantes tendem a se
concentrar.

Estes índices serão tratados local e globalmente. No primeiro caso, a unidade espacial
é o setor censitário urbano. Desta forma, passaremos a ter a distribuição espacial dos
diversos tipos de exclusão social. No segundo caso, o índice é sistêmico, pois diz
respeito à cidade como um todo.

As análises geradas por este estudo são descritivas, baseadas em processos

matemáticos e estatísticos, uma vez que, para uma análise mais completa, é
necessário o trabalho em conjunto com pesquisadores de cada núcleo do
Observatório das Metrópoles, que conheçam o processo histórico de formação do
espaço urbano. Esta é uma etapa que se pretende realizar num futuro próximo, após a
consolidação dos resultados aqui apresentados.

Dispersão Urbana

Um dos principais elementos da área urbana é a malha viária, seu desenho, hierarquia
e materiais, por caracterizar vias arteriais de circulação, que compõem as áreas
principais de concentração, tanto veicular quanto de pedestres. A relação de veículos
e pedestres com o espaço urbano, principalmente em relação à circulação, é
importante, pois influencia diretamente em custos e tempo de percurso, além de
poderem afetar a concentração ou difusão de circulação em determinadas áreas.

Estudos da distribuição espacial da população urbana são numerosos e têm o intuito

de melhorar a compreensão da relação ser humano-espaço urbano. São exemplos de
trabalhos de análise socioespacial: Hillier & Hanson (1984); Clark (1985); Hillier et al.
(1993); Jenks & Burgess (2000); Sposati (2000a; 2000b); Genovez, Caetano & Estrada
(2000); Holanda et al. (2001); Holanda (2002; 2003); Genovez (2002); Ribeiro (2003);
Ribeiro & Holanda (2005); Ribeiro et al. (2005), além dos trabalhos de análise da
distribuição espacial da população realizados por Bertaud & Malpezzi (1999; 2003) e
Koga (2003) e Ojima (2007). Esses autores, de uma forma ou de outra trataram a
realidade urbana de forma segmentada, pois normalmente estudaram uma única
dimensão dessa realidade. Mesmo os autores que trataram mais de uma dimensão
fizeram-no de forma separada. A análise urbana deve ser feita de forma sistêmica, a
fim de se ter uma visão mais próxima dessa realidade.

Costa & Silva (2007) afirmam que a desigualdade de acesso ao espaço urbano é
causadora de segregação. A noção de segregação está ligada a novas formas de
ocupação espacial, excludentes da classe superior. Para Lago (2000 apud COSTA &
SILVA, 2007) a forma de ocupação como condomínios fechados, horizontais e
verticais, afastados do centro e direcionados para a classe média, tem se expandido
cada vez mais. Isso se dá em função do baixo valor da terra, o que viabiliza a
aquisição desse espaço pelas classes menos abastadas. A autora lembra que não
apenas o preço da terra é um fator de segregação, mas, especialmente, muros e
controle de segurança, que intentam manter afastados todos que não pertencem
àquele lugar.

O modelo brasileiro de cidades caracterizava-se tradicionalmente por ter as classes

superiores no centro e quanto menor o poder aquisitivo, mais afastada desse centro a
população se localizaria. Após a década de 1970, em algumas cidades brasileiras,
surgiram ocupações semelhantes ao modelo norte-americano de subúrbios,
condomínios para população de alta renda, fechados e afastados do centro. Esse tipo
de ocupação é caracterizado como disperso (REIS, 2006), e acarreta diversos custos
ao poder público para sua viabilização (rede elétrica, abastecimento de água, coleta
de esgoto, asfaltamento, etc.).

Esse tipo de ocupação difusa gera redes descontínuas, desorganizadas, ineficientes e

altamente dependentes de veículos (públicos e privados) (HASSE & LATHROP, 2003).
Isso tem causado um aumento no consumo energético e na quantidade de
particulados e gases poluentes oriundos da excessiva circulação veicular.

Costa & Silva (2007) colocam que a dispersão urbana é fruto da estrutura
socioeconômica da localidade analisada. Eles afirmam que a disparidade de renda
gerada pela rápida industrialização brasileira, que gerou o enriquecimento de poucos e
a manutenção da pobreza de muitos, também contribui para a estruturação de
ocupação do espaço. Essa estruturação pode ser configurada como uma segregação
socioeconômica-espacial, onde nas regiões centrais o custo do terreno seria mais
elevado, em função do acesso facilitado à infraestrutura e equipamentos urbanos,
enquanto quanto mais afastado desse centro, menor o custo do terreno, em
contrapartida, menor o acesso à infraestrutura e equipamentos urbanos.
Lago (2000 apud COSTA & SILVA, 2007) afirma que essa espacialidade é
caracterizada por espaços residenciais excludentes, onde a própria estrutura
organizacional de ocupação urbana, seja privada ou pública, define espaços para
serem ocupados por classes de renda específicas, mantendo-as isoladas umas das
outras.

O espaço urbano é uma combinação de elementos ambientais e estruturais (rede

viária, infraestrutura, equipamentos, serviço etc.), que afetam o seu desempenho
sociológico. Esse espaço urbano, ou, melhor ainda, a cidade como arquitetura, é
composta por formas (cheios: os prédios, os volumes etc.) e espaços (os vazios: as
ruas, as praças, as áreas verdes, as descontinuidades etc.), que não podem ser vistos
ou analisados individualmente, pois são interdependentes e se afetam mutuamente.
Alguns conflitos ambientais urbanos estão ligados a uma parcela da população que
passa a considerar o meio natural como essencial para melhor condição de vida, ou
quando as ocupações, mesmo que irregulares, oferecem riscos ao meio ambiente
(OJIMA, 2006).

A primeira situação está, normalmente, ligada à população de mais alta renda, que
tendo capacidade de suprir suas necessidades materiais, passa a buscar melhores
condições de vida, que eles associam à presença de áreas naturais ou áreas
construídas para dar acesso ao verde. A segunda situação, normalmente, está ligada
à população de baixa renda, que por não conseguir pagar os custos do espaço legal
urbano, acaba por ocupar espaços disponíveis ou vazios próximos a ele, comumente
caracterizados como encostas, margens de rios, áreas de proteção ambiental, entre
outras.

O grau de urbanização, entendido como o percentual de população urbana em relação

ao total da população, tem aumentado a cada ano. Deve-se ressaltar que o conceito
de área urbana, no Brasil, é definido legalmente, o que, por vezes, pode não
representar a realidade.

Apesar dessa limitação, os levantamentos oficiais são baseados nesse preceito,

assim, os dados apresentados aqui seguem a mesma linha. O Gráfico 1 ilustra a
relação entre a população urbana, população rural e grau de urbanização. Como
comentado, pode-se notar que a cada levantamento censitário, o número de pessoas
que vivem em área urbana aumenta, bem como o grau de urbanização. Nota-se
também que há um declínio no número de população rural. Nesta pesquisa não foi
feita discussão
o a respe
eito desse acréscimo ou dec
clínio, mass foi analisada
caraccterísticas da
d ocupaçã
ão do espaçço.

Gráfic
co 1 - Grau de
e Urbanização
o, População Urbana e Pop
pulação Rural entre 1940 e 2010. (Adapta
ado de
OJIMAA, 2006; IBGEE, 2011).

A co
ompreensão
o do compo
ortamento e
espacial da
a população
o, como elaa distribui-s
se no
espa
aço urbano e como o configura ssão importa
antes para se compreeender custo
os de
deslo
ocamento ou
o de instalação e m
manutenção
o dos vário
os tipos dee infraestru
utura.
Berta
aud & Malp
pezzi (1999; 2003) pro
opuseram uma
u forma de mensura
rar a distribuição
espa
acial da pop
pulação mediante o Índ
dice de Dis
spersão. Esse índice inndica o qua
anto a
área urbana é dispersa. Baseia-se nas distân
ncias dos setores
s urbbanos e de
e sua
ectiva popu
respe ulação ao Centro
C de C CCS1). Com
Comércio e Serviços (C m isso, reve
ela-se
como
o a popula
ação ocupa o espaçço e quão
o distante ela está ddo CCS, onde,
o
norm
malmente, concentram
m-se emprregos, serv
viços e circulação
c de pessoa
as e
merccadorias.

Berta a 50 áreas urbanas, entre

aud & Malpezzi (2003) calcularram a dispersão para
cidad
des e regiõ
ões metropo
olitanas. Ap
pesar do cá
álculo comp
parativo, oss resultados
s não
perm
mitem uma análise
a fácil da disperssão entre as
s cidades an
nalisadas.

                                                            
1
 O CCCS tem o mesm mo significado o do CBD (Cenntral Businesss District) maiss comumente  utilizado na 
literattura. Aqui preeferimos utilizar o termo em
m língua portu uguesa. 
No estudo desses autores, as 50 cidades foram escolhidas em todo o mundo, em
países ricos e pobres, com economias de mercado e com economias em transição
para economias de mercado. Eles procuraram mensurar a forma das cidades a partir
de modelos simples e mostrar que esses podem ser um caminho útil para caracterizar
as cidades.

Eles mostraram que as várias chaves de predição, chamadas por eles de modelos
urbanos padrão, são confirmadas: cidades descentralizadas são moldadas de acordo
com o crescimento de sua população (está relacionado com o crescimento vegetativo
e com as migrações inter e intraurbanas); a renda melhora (considerando a formação
de novos centros e da maior oferta de empregos); e o custo com transportes diminui
(uma vez que a população encontra-se mais próxima aos novos centros, o
deslocamento é reduzido).
Não se deve confundir cidades descentralizadas com cidades dispersas. No primeiro
caso as cidades são policêntricas, o que permite a geração de emprego e atração
populacional em diferentes pontos da área urbana. Nas cidades dispersas a mario
parcela da população está localizada distante do CCS, principalmente em função dos
altos custos de moradia próxima a ele. Com isso há aumento do custo com transporte,
e comumente a renda diminui com o aumento da distância ao CCS. Os autores
também mostram que esse é o caminho para o mercado imobiliário legal e ilegal, de
forma que a organização e a legislação têm profundos efeitos na forma urbana, com
implicações diretas quanto ao valor do solo urbano e no sistema de transportes.

A forma da cidade é determinada por fatores ambientais, econômicos, ideológicos,

políticos (mercado imobiliário, relevo, pedologia, geologia, clima, distribuição de renda,
legislação, impostos). Analisar a cidade como simples resultado de políticas urbanas,
que definem áreas permissíveis e impeditivas de crescimento e ocupação, é realizar
leitura pobre. Esse tipo de análise gera a falsa impressão de que as políticas urbanas
controlam a forma da cidade, e durante muito tempo se acreditou nisso, haja vista os
Planos Nacionais de Desenvolvimento (PND) e, dentro desses, os documentos
desenvolvidos pelos Conselhos Nacionais de Desenvolvimento Urbano (CNDU), das
décadas de 1970 e 1980. As políticas urbanas induzem o crescimento e a forma da
cidade, mas respondem por sua vez a diferentes determinações ambientais e
antrópicas.

Os aspectos formal-espaciais do desenvolvimento urbano podem ter importantes

impactos na eficiência econômica e na qualidade do meio ambiente urbano. A
progressiva melhora e bom funcionamento dos departamentos municipais de
planejamento urbano permitem usar os indicadores espaciais para monitorar
regularmente o desenvolvimento urbano e para propor ações regulatórias ou de
investimentos públicos, quando necessários.

Em países em desenvolvimento, com processo de industrialização e urbanização

recentes, como é comum na América Latina, verifica-se que a legislação urbana tem
pouca influência no real controle da forma da cidade. Quase sempre esse controle se
dá por razões políticas. No Brasil, principalmente após meados da década de 1960,
quando ocorreu a inversão da forma de distribuição da população no território, o país
passou a ter mais pessoas em áreas urbanas (Gráfico 1), e com isso teve início
processo intenso de favelização, a forma da cidade passou a ser moldada pelas
ocupações irregulares periféricas, comumente em áreas de risco ou de restrição
ambiental.

À medida que a cidade se expande a população pobre, quando expulsa do local onde
previamente estava instalada, geralmente na forma de invasão, pela força do mercado
imobiliário ou por pressões políticas, desloca-se e passa a ocupar áreas mais
distantes, mais periféricas. Com isso, as cidades passam a desenvolver uma forma
espraiada, dispersa, ocupando grandes áreas e encarecendo o custo de manutenção
e gerência urbana.

Outro aspecto comum nas cidades brasileiras, até o momento, é que a legislação
urbana e ambiental, muitas vezes teórica e tecnicamente eficiente e moderna, têm
pouca aplicabilidade, pois comumente não refletem ou não estão aptas a tratar da
realidade urbana localizada.

A forte demanda por habitação, principalmente para classes de baixa e média renda,
faz com que as primeiras ocupem áreas restritivas de forma ilegal, e que a segunda
busque, muitas vezes de forma ilegal, constituir ocupações periféricas conhecidas
como condomínios fechados. O poder público, apesar da legislação vigente, pouco
faz, devido à ineficiência em suprir a demanda por habitações legais, à precariedade
da fiscalização e por simples conivência: ao não atender a demanda e ao verificar que
o mercado formal tampouco o faz, prefere deixar o campo livre para as ações ilegais
no espaço urbano.

Assim, a cidade vai crescendo e as demandas por espaços urbanizados também. O

desenvolvimento de Planos Diretores tem ajudado a melhorar, organizar e direcionar o
crescimento urbano em algumas situações, mas ainda está longe de ter grande
eficiência.
O Índice de Dispersão Urbana, proposto por Bertaud & Malpezzi (1999), é um índice
de base demográfica para a análise urbana, tem por intuito relacionar, em função da
população total, o número de habitantes por setor urbano à distância daqueles setores
ao CCS. A partir desse índice é possível analisar o custo urbano, relacionando, entre
outras coisas, custo de viagem casa-trabalho-casa.

Índice de Exclusão/Inclusão Social

No Brasil existem diversos índices socioeconômicos que procuram expressar as

diferenças existentes na população. Esses índices são, normalmente, baseados em
levantamentos censitários e cobrem aspectos ligados a renda, escolaridade,
longevidade, diversas características domiciliares, acesso a saneamento básico,
abastecimento de água, coleta de lixo, entre outros.

Desde a década de 1960, quando se abordava o tema de socioeconomia,

praticamente tratava-se de aspectos ligados a renda, na qual o principal exemplo de
indicador utilizado para quantificar o nível de desenvolvimento socioeconômico de um
país era o seu Produto Interno Bruto (PIB) per capita. Esse indicador, como foi
mostrado posteriormente, mascarava as desigualdades sociais, principalmente
aspectos ligados à pobreza (JANUZZI, 2004).

Até o final da década de 1970, diversos governos buscaram o desenvolvimento de

indicadores que melhor representassem as mudanças e desigualdades sociais. O
governo norte-americano investiu muito para o desenvolvimento de tais indicadores. A
partir desse momento, inaugurou-se o “Movimento dos Indicadores Sociais” (JANUZZI,
2004). Os dados gerados trouxeram grandes expectativas a respeito de melhoria de
qualidade social e da distribuição de renda, mas o grande otimismo depositado sobre
as potencialidades desses indicadores não se realizou, o que trouxe descrédito e
ceticismo a esse tipo de metodologia.

Mas esse descrédito durou pouco, em meados da década de 1980 com o

melhoramento das novas experiências de formulação e implementação de políticas
públicas, o instrumental de indicadores sociais voltou com grande força (JANUZZI,
2004).

A partir da década de 1990, o Programa das Nações Unidas para o Desenvolvimento

(PNUD), sob a influência de Amarthya Sem, agregou variáveis além de renda, como
oportunidades, liberdade, autoestima, dignidade e respeito ao conceito de
desenvolvimento humano, conhecido como Índice de Desenvolvimento Humano – IDH
(MAXWELL, 1999 apud GENOVEZ, 2002).

Somente no final da década de 1990 esses índices passaram a ter um caráter

espacial, não mais se têm números frios, mas a partir desse momento passa-se a
verificar aonde esses números ocorrem. Com isso, abriu-se um grande leque de
possibilidades de análise a partir das variações espaciais. Para Koga (2003:20) “A vida
da população se dá em condições concretas, espacializadas, peculiares, nas quais o
território e suas condições são determinantes. Como diz Amarthya Sem, “o lugar faz
diferença””.

Mesmo com esses avanços metodológicos, no Brasil, ainda se usou por um bom
tempo o conceito de renda para caracterizar pobreza e desigualdade social. Como
exemplo pode-se tomar o Mapa do Fim da Fome, que em 2001 revelou que 29% da
população brasileira é constituída por indigentes, totalizando à época 50 milhões de
pessoas. Mas para classificar o aspecto de indigência foram utilizados critérios da
Organização Mundial de Saúde (OMS), que definia que uma pessoa precisaria ter
renda per capita mensal mínima de R$80,00 ou meio salário mínimo para atender
suas necessidades básicas. O cálculo foi contestado pelo Governo Federal na época,
pois esse considerava como indigente uma pessoa que recebia 1/3 do salário mínimo
(KOGA, 2003). Por esse exemplo fica claro que o conceito de renda ainda estava
arraigado nas análises socioeconômicas.

A partir de 2000 introduz-se o conceito de exclusão social às diversas pesquisas

socioeconômicas. Esse conceito, por ser de caráter mais abrangente e
multidimensional, passa a agregar a dimensão territorial às análises, pois

a exclusão social é também territorial. O fato é que à medida que se vão sendo
considerados os territórios locais, as desigualdades internas se tornam mais visíveis
e gritantes. Este movimento da lente passando de um território mais amplo até
chegar no município significa um exercício metodológico importante no debate sobre
as políticas públicas, justamente no que se refere ao estatuto dos padrões de
inclusão social que a sociedade brasileira almeja, sem desconsiderar as realidades
locais e suas desigualdades internas. (KOGA, 2003:72)

O Índice de Exclusão/Inclusão Social foi desenvolvido pelo Núcleo de Seguridade e

Assistência Social da PUC-SP, Instituto Pólis e Instituto de Governo e Cidadania. Sua
metodologia serviu de base para a construção dos mapas de exclusão social de
Curitiba e de Belo Horizonte (KOGA, 2003). As unidades espaciais utilizadas foram os
distritos da cidade de São Paulo.
Este índice aplicado à cidade de São Paulo buscava avançar em relação ao conceito
de pobreza, ao incorporar um conjunto de utopias relacionadas à inclusão social:
autonomia, qualidade de vida, desenvolvimento humano e equidade.

O significado da exclusão social no Mapa de Exclusão/Inclusão Social de São Paulo

é entendido na perspectiva da privação coletiva e não somente pessoal, um
processo múltiplo que se explica por várias situações de privação de autonomia, do
desenvolvimento humano, da qualidade de vida e da eqüidade. A afirmação da
inclusão social através dessas quatro utopias traz um diferencial na concepção do
Mapa de Exclusão/Inclusão Social de São Paulo, preocupado em discutir não
somente o processo de exclusão social que se dá na cidade, mas também qual o
desejo de cidade que se processa em sua população. (KOGA, 2003:127)

A metodologia do Índice de Exclusão/Inclusão Social classifica os distritos em função

das distâncias do padrão de inclusão. Esse padrão é definido a partir das diferentes
situações encontradas nos distritos de São Paulo para cada indicador (KOGA, 2003).
Esse índice, estritamente socioeconômico, utiliza dados censitários para exprimir a
situação das áreas analisadas. Primeiro são gerados os índices chamados de simples,
a partir dos dados censitários, depois são gerados os índices compostos, a partir dos
índices simples.

Os índices compostos representam quatro utopias para a construção da relação de

exclusão/inclusão social (Sposati, 1996; Sposati, 2000b):

1. Autonomia: o conceito de autonomia é compreendido, no âmbito do Mapa da

Exclusão/Inclusão Social, como a capacidade e a possibilidade do cidadão em suprir
suas necessidades vitais, especiais, culturais, políticas e sociais, sob as condições
de respeito às idéias individuais e coletivas, supondo uma relação na qual o Estado
responsável por assegurar necessidades de satisfação coletivas, mas também, em
que cidadão tem condições de complementá-las com acesso à oferta privada; supõe
possibilidade de exercício de liberdades, tendo reconhecida a sua dignidade, e
possibilidade de representar pública e partidariamente os seus interesses sem ser
obstaculizado por ações de violação dos direitos humanos e políticos ou pelo
cerceamento à sua expressão. Sob esta concepção, o campo da autonomia inclui
não só a capacidade do cidadão se autosuprir, desde o mínimo da sobrevivência até
necessidades mais específicas, como a de usufruir de segurança social pessoal
mesmo quando na situação de recluso ou apenado. É este o campo dos direitos
humanos fundamentais.

2. Qualidade de Vida: a noção de qualidade de vida envolve duas grandes

questões: a qualidade e a democratização dos acessos às condições de
preservação do homem, da natureza e do meio ambiente. Sob esta dupla
consideração entendeu-se que a qualidade de vida é a possibilidade de melhor
 redistribuição – e usufruto – da riqueza social e tecnológica aos cidadãos de uma
comunidade; a garantia de um ambiente de desenvolvimento ecológico e
participativo de respeito ao homem e à natureza, com o menor grau de degradação
e precariedade.

3. Desenvolvimento Humano: o estudo do desenvolvimento humano tem sido

realizado pela ONU/PNUD, por meio do Indicador de Desenvolvimento Humano
(IDH). Com base em suas reflexões, entende-se que o desenvolvimento humano é a
possibilidade de todos os cidadãos criarem uma sociedade melhor e desenvolverem
seu potencial com menor grau possível de privação e de sofrimento; a possibilidade
da sociedade poder usufruir coletivamente do mais alto grau de capacidade humana.

4. Eqüidade: o conceito de eqüidade é concebido como o reconhecimento e a

efetivação, com igualdade, dos direitos da população, sem restringir o acesso a eles
nem estigmatizar as diferenças que conformam os diversos segmentos que a
compõem. Assim, eqüidade é entendida como possibilidade das diferenças serem
manifestadas e respeitadas, sem discriminação; condição que favoreça o combate
das práticas de subordinação ou de preconceito em relação às diferenças de
gênero, políticas, étnicas, religiosas, culturais, de minorias etc. (Genovez, 2002:34-
35)

Apesar dos conceitos de cada utopia, verifica-se que muitos deles não puderam ser
mensurados, sendo representados os aspectos mais ligados à socioeconomia. Por
último é gerado o Índice de Exclusão/Inclusão Social, a partir dos índices compostos,
esses são somados e normalizados.

Sposati (2000) observa que a exclusão social em países em desenvolvimento é

caracterizada por uma população que originalmente está à margem de condições de
vida aceitáveis2, de forma que quanto maiores forem as desigualdades sociais maior
será sua exclusão. Essa exclusão implica reconhecimento sobre a abrangência e a
delimitação relativa do conceito, e gera questão como: o que significa exclusão? Quem
é excluído? Excluído em relação a quê? (BESSIS, 1995; DUPAS, 1999) Esse limiar do
conceito é flexível, e torna-se suscetível a variações no espaço e no tempo
(KILMURRAY, 1995) e depende da percepção dos grupos considerados como
excluídos e incluídos e do posicionamento do governo em relação a eles. Assim,

o debate conceitual apresenta significativa importância na produção do universo das

medidas, pois a concepção de diferentes modelos implica diferentes indicadores
estruturados para mensurar um determinado fenômeno (Maxwell, 1999). Neste
contexto, capturar as múltiplas dimensões da exclusão/inclusão social, coloca como
necessidades: (1) a obtenção de dados diversos provenientes, quando possível, de
diferentes fontes; (2) a concepção de diferentes indicadores que expressem,
                                                            
2
De acordo com definição da ONU para limites de sobrevivência humana digna.
 territorialmente, a exclusão/inclusão social no contexto estudado; (3) a produção de
dados quantitativos vinculados a dados qualitativos, para capturar as dimensões
objetivas e subjetivas da exclusão/inclusão social, e; (4) buscar o entendimento do
fenômeno a partir da integração das medidas ao território (Genovez, 2002:32).

ASPECTOS METODOLÓGICOS

Construção do Índice de Dispersão Normalizado – IDN

O conhecimento sobre o espaço urbano é fundamental para o seu planejamento e

gestão. Dentro desse processo entender como esse espaço se comporta em relação à
população, e vice-versa, é de suma importância na elaboração e aplicação de políticas
e instrumentos políticos mais condizentes com a realidade local. Dessa forma, a teoria
de dispersão urbana permite um melhor entendimento sobre a forma urbana e as
relações entre ela e as pessoas.

O cálculo de Bertaud & Malpezzi (2003) para o Índice de Dispersão é interessante,

pois ilustra como a população ocupa o espaço da cidade, permite fazer considerações
a respeito de custos de deslocamento, implementação de infraestrutura, urbanização.
Todavia, sem saber de antemão qual o intervalo de variação possível, é difícil fazer
análises comparativas e ter leitura mais fácil da posição de uma determinada cidade,
quanto à dispersão, no âmbito da amostra.

O cálculo do índice de dispersão foi feito a partir da Equação 1, adaptada por Holanda
(2003), apenas para maior clareza (ela não muda os resultados), a partir da equação
proposta por Bertaud & Malpezzi (1999; 2003):

d p

i i
 i
, Equação 1
PC

onde  é o índice de dispersão, d é a distância do centróide de cada setor urbano ao

CCS, p é a população de cada setor urbano, P é a população urbana total, e C é a
média dos pontos de um círculo de área equivalente à da cidade analisada ao seu

centro (que é igual a 2 do raio desse círculo, valor obtido por meio de cálculo
3
integral). (Holanda, 2003:50)

Para efeito dos cálculos a serem realizados, o CCS foi representado por um ponto na
superfície da metrópole em relação ao qual os cálculos foram feitos. Geralmente este
ponto é indicado pelo IBGE como aquele que coincide com a igreja matriz no centro
histórico. Aqui, isto foi considerada definição do IBGE.

Após a atualização e cálculo do Índice de Dispersão para os núcleos urbanos

brasileiros, normalizamos os dados das 63 RMs, a partir da Equação 2, de forma a
obtermos o Índice de Dispersão Normalizado de -1 a +1. Esse procedimento permitiu a
comparação de forma mais clara entre as RMs e sua posição em relação às demais
cidades no mundo.

Utilizamos uma transformação linear que transpõem os números absolutos em

relativos, representada pela Equação 2.

ax 1  2 y b 

y  b x   1
Equação 2

2  a 

Onde y é o valor predito em porcentagem; a é a amplitude entre o valor máximo e o

valor mínimo (em porcentagem); x é o valor normalizado; e b é o valor mínimo, em
porcentagem, do conjunto analisado (GENOVEZ, 2002).

Para atualizar os dados referentes ao Brasil, utilizamos o censo de 2000 e de 2010

(IBGE, 2011) (os cálculos efetuados por Bertaud & Malpezzi (2003) foram feitos com
dados de 1991). Além de atualizar os dados para cidades brasileiras calculados por
eles (Distrito Federal, Rio de Janeiro e Curitiba), foram incluídos dados das RMs,
totalizando 63 centros urbanos.

Construção do Índice de Exclusão/Inclusão Social – Iex

Os dados dos setores censitários dividem-se em quatro níveis: domicílio, instrução,

pessoas e responsável. Em cada nível são selecionados parâmetros
socioeconômicos, de acordo com o trabalho de Genovez (2002), que calculou o Índice
de Exclusão/Inclusão Social (Iexi), para a cidade de São José dos Campos, SP
(Quadro 1).
Quadro 1 – Parâmetros selecionados por nível para cálculo do Índice de Exclusão/Inclusão Social.

INDICADORES ÍNDICES SIMPLES ÍNDICES COMPOSTOS

Iexi Chefes de família abaixo da linha de
Pobreza (sem Rendimento) Iex Precária Condição de
Iexi Chefe de Família na Linha de Sobrevivência
Pobreza (com ganho até 2 SM)
Iexi sem Rendimento
Iexi até 0,5 SM
Iexi de 0,5 até 1 SM Iex AUTONOMIA DE
Iexi de 1 a 2 SM RENDA DOS CHEFES
Iex de Distribuição
Iexi de 2 a 3 SM DE FAMÍLIA
de Renda
Iexi de 3 a 5 SM dos Chefes de
Família
Iexi de 5 à 10 SM
Iexi de 10 a 15 SM
Iexi de 15 a 20 SM
Iexi mais de 20 SM
Iexi Chefes de Família não Alfabetizados
Iexi Escolaridade Precária (de 1 a 3 anos
de estudo)
Iex de
Iexi de 4 a 7 anos de estudo Desenvolvimento
Iexi de 8 a 10 anos de estudo Educacional
Iexi de 11 a 14 anos de estudo
Iex
Iexi mais de 15 anos de estudo
DESENVOLVIMENTO
Iexi Alfabetização Precoce (com 5 a 9 HUMANO
3

anos )
Iex Estímulo Educacional
Iexi Alfabetização Tardia (de 10 a 14
anos)
Iexi não Alfabetizados
Iex Escolaridade Precária
Iexi Alfabetização Precária
Iexi População acima de 70 anos Iex Longevidade
Iexi Precário Abastecimento de Água
Iexi Precário Instalação sanitária Iex Qualidade
(Esgoto) Ambiental
Iexi Precário Tratamento do Lixo Iex
Iex QUALIDADE DE
Qualidade
Iexi Propriedade Domiciliar VIDA
Domiciliar
Iexi Conforto Sanitário
Conforto Domiciliar
Iexi Habitação Precária
Iexi Mulheres não Alfabetizadas
Iexi Concentração de Mulheres Chefes Iex EQUIDADE
de Família
Fonte: Adaptado de Genovez (2002).

Com a realização do cálculo e espacialização do Iex, Genovez (2002) propôs que

seria possível identificar no território como se distribui a desigualdade socioeconômica,
e assim elaborar políticas públicas inclusivas para as áreas excluídas. Alguns
parâmetros utilizados pela autora foram desconsiderados nesta pesquisa, pois eles

                                                            
3
  Este índice não é o mesmo que o IDH calculado pela ONU, pois este além de calcular o PIB per capita,
depois de corrigi-lo pelo poder de compra da moeda de cada país, o IDH também considera como
componentes a longevidade e a educação. (PNUD, 2005) Para o presente trabalho, considerou-se como
Índice de Exclusão/Inclusão de Desenvolvimento Urbano somente a educação e a longevidade.
eram muito variáveis e dependiam da configuração urbana e da compacidade da
cidade. Eles não puderam ser considerados simplesmente com o tratamento de
normalização, como, por exemplo, a densidade habitacional: pode-se ter alta
densidade habitacional em condomínios verticais de luxo, onde a condição de vida é
alta, mais pelo cálculo proposto pela autora, o parâmetro caracterizaria uma situação
negativa, o que não representaria essa realidade.

Para o cálculo desse índice foram selecionados parâmetros que exprimem condições
de exclusão e inclusão social. O valor de cada parâmetro foi transformado em
porcentagem, para que se obtivesse a representatividade dele em relação ao valor
total existente no setor censitário. Esse valor de porcentagem foi normalizado entre -1
e 0, para parâmetros que exprimem exclusão social (por exemplo, chefes de família
sem rendimento), entre 0 e +1 para parâmetros que exprimem inclusão social (por
exemplo, alfabetização precoce), e entre -1 e +1 para parâmetros que exprimem
simultaneamente exclusão e inclusão social (por exemplo, longevidade).

Para a normalização de -1 a 0 e 0 a +1, utilizamos uma transformação linear

representada pela Equação 3. Essa normalização tornou os valores adimensionais, o
que fez com que pudessem ser somados e comparados.

→ , Equação 3

A Figura 1 ilustra a escala numérica e de cores utilizada para representação espacial

da exclusão/inclusão social.

Transição entre a exclusão e a inclusão social

-1,00 a - -0,75 a - -0,50 a - -0,25 a 0,00 a 0,25 a 0,50 a 0,75 a

0,75 0,50 0,25 0,00 0,25 0,50 0,75 1,00

Alta Média/alta Média Baixa Baixa Média Média/alta Alta

exclusão exclusão exclusão exclusão inclusão Inclusão inclusão inclusão

Figura 1 – Escala de representação espacial da exclusão/inclusão social e o seu respectivo padrão de

cores. (Adaptado de GENOVEZ et al, 2007)

Para o cálculo da normalização de -1 a +1, utilizar-se-á a Equação 2, apresentada por

Genovez (2002):

Após a normalização dos parâmetros, eles foram somados, o que gerou os índices
simples. Os índices simples foram somados, de acordo com cada grupo do Quadro 1,
e normalizados entre os valores de -1 e +1, por meio da Equação 2. A partir desse
resultado obtivemos os índices compostos de Autonomia de Renda dos Chefes de
Família, Desenvolvimento Humano, Qualidade de Vida e Equidade (GENOVEZ, 2002).

Na última etapa de cálculo, os índices compostos foram somados e normalizados

entre os valores de -1 a +1, a partir da Equação 2. Dessa forma, obtivemos o Índice de
Exclusão/Inclusão Social. Os quatro índices compostos e o Índice de
Exclusão/Inclusão Social foram espacializados para que pudéssemos verificar a
distribuição deles dentro da área de estudo.

Para o cálculo do Índice de Exclusão/Inclusão Social, proposto por Genovez (2002),

deve-se determinar o Padrão de Referência de Inclusão (PRI) como o conjunto de
valores que separam a exclusão da inclusão, e ele não participa da normalização,
sendo considerado como valor zero. Os valores normalizados são os que estão abaixo
e acima do PRI. Para Genovez (2002), o PRI deve ser escolhido a partir de uma
construção e discussão coletiva com os diversos setores da sociedade, neste trabalho
consideramos todos os valores para o processo de normalização, não sendo
determinado o PRI, uma vez que não foi possível, no âmbito deste estudo, realizar
ampla discussão com a sociedade de forma a construir o PRI.

Essa decisão torna o cálculo mais sensível à presença de valores outliers, isto é,
valores que estão fora do padrão de variação do conjunto. Metodologicamente esses
valores foram analisados em separado, não participando do cálculo, pois deslocariam
o resultado ou para exclusão ou para inclusão, e, como são valores extremos, após a
sua análise foi atribuído ou valor máximo de exclusão ou de inclusão, conforme cada
caso específico.

Construção da Análise Estatística

Um problema encontrado tanto na base de setores censitários do censo de 2000 e de

2010 é a grande diferença entre os tamanhos dos setores, o que pode gerar uma
distorção quando calculamos o índice de dispersão. Encontramos situações nas quais
setores com áreas muito pequenas englobam grande número de pessoas e também o
seu oposto, setores com áreas muito grandes com uma quantidade pequena de
pessoas.

Para resolver tal situação optamos pela exclusão dos setores mais discrepantes do
conjunto. Assim, padronizamos os valores de área em escore z (Equação 4) (LEVIN &
FOX, 2004), que representa a distância, em desvios-padrão, de cada valor do conjunto
à média deste. Desta forma, passamos a ter a possibilidade identificar os valores a
serem eliminados.

, Equação 4

Onde, z é o escore padronizado, X é um escore bruto, µ é a média da distribuição e σ

é o desvio-padrão da distribuição.

Definimos como ponto de corte os valores padronizados abaixo de - 3 e acima de +3

desvios-padrão a contar da média, pois, segundo Levin & Fox (2004), 99,74% dos
valores do conjunto analisado podem ser encontrados entre estes dois extremos,
assim, qualquer valor abaixo ou acima deles representa uma fração mínima do
conjunto.

Lembramos que para aplicarmos a padronização de escores o nosso conjunto de

dados deve se distribuir como uma curva normal. Como temos um número muito
grande de elementos dentro de cada conjunto (RM), há forte tendência de que sua
distribuição se aproxime da curva normal. De toda forma, aplicamos o teste de
normalidade para cada conjunto de dados das RMs.

Com a eliminação das áreas mais discrepantes, também eliminamos parte da

população. Para garantir que não houve prejuízo com este procedimento para o
cálculo do índice de dispersão aplicamos o teste de diferença entre médias, no qual
comparamos o conjunto total de dados de população com o conjunto de dados
reduzidos. Assim, definimos a hipótese nula,

[...] segundo a qual duas amostras foram extraídas de populações equivalentes. De

acordo com a hipótese nula, qualquer diferença observada entre as amostras é
encarada como uma ocorrência casual resultante apenas do erro amostral. Portanto,
uma diferença constatada entre duas médias amostrais não representaria uma
diferença verdadeira entre suas médias populacionais. (LEVIN & FOX, 2004: 221)

Juntamente com a hipótese nula temos a hipótese alternativa, que é caracterizada

como o oposto da hipótese nula. Se na hipótese nula considerarmos que,
estatisticamente, os dois conjuntos são equivalentes, na hipótese alternativa devemos
considerar que a diferença entre eles é significativa, sendo, portanto diferente os
conjuntos.

: , hipótese nula
 : , hipótese alternativa

Onde, µ1 é a média da primeira população e µ2 é a média da segunda população.

O teste aplicado para avaliar a diferença entre médias foi o teste t-student, também
conhecido como distribuição t. A regra para decisão é rejeitar

Para um determinado nível de significância, α, em um teste bicaudal, você rejeita a

hipótese nula caso a estatística do teste t calculada seja maior que o valor crítico da
cauda superior da distribuição t, ou caso a estatística do teste t calculada seja menor
que o valor crítico da cauda inferior da distribuição t. (LEVINE et al, 2008: 325-326)
(Figura 2)

Ou ainda se o valor-p for menor que o nível de significância escolhido. O valor-p é a

probabilidade de a hipótese nula ser verdadeira para um determinado nível de
significância. Se o valor-p for maior que o nível de significância, significa que a
probabilidade de não rejeição da hipótese nula é alta, mas se o valor-p for menor que
o nível de significância, então a probabilidade de não rejeição da hipótese nula é
baixa, o que permitiria a rejeição de . (RIBEIRO, 2008)

Para que pudéssemos considerar o resultado do teste aceitável, estabelecemos dois

níveis de significância, 95% e 99%, de forma que o teste para cada RM deveria
atender a um, ou aos dois, níveis de confiança estabelecidos. Sendo que o ponto
crítico para 95% de nível de confiança é ±1,96 e para 99% é ±2,5764, para um grau de
liberdade acima de 120. Lembramos que α é 1 – o nível de significância, assim, para
95% de nível de significância o α = 0,05 e para 99% α = 0,01. Simbolizamos o valor-p
para 95% de nível de significância como P < 0,05 e para 99% P < 0,01.

                                                            
4
 Estes valores são padronizados e disponíveis em tabelas de valores críticos de t para testes bicaudais
(LEVIN& FOX, 2004).
Figurra 2 – Regiões de rejeição e não rejeiçã
ão para o testte t (bicaudal)). (http://www..portalaction.c
com.br,
2012))

ANÁ
ÁLISE DO
OS RESU
ULTADO
OS

Índice de Dis
spersão Normaliza
N ado

A no
ormalização do Índice de
d Dispersã
ão para as 60 cidades
s é apresenntada no Qu
uadro
2, org
ganizado de forma asc
cendente, ssegundo o Índice de Dispersão Noormalizado.

Quad
dro 2 – Resulttado da norm
malização para
a as 63 áreas
s urbanas ana
alisadas.

Índicee de dice de Dispeersão

Índ
Nº Cidad
de País egião
Re
Disperrsão Normalizado o
1 SShanghai China 0,78 1,00
2 TToulouse França 0,79 0,99
3 TTianjin China 0,88 0,92
4 PParis França 0,89 0,91
5 JJakarta In
ndonésia 0,89 0,91
6 BBeijing China 0,89 0,91
7 MMarseille França 0,92 0,89
8 GGuangzhou China 0,93 0,88
9 NNova York CMMSA EUA 0,94 0,87
10 AAtlanta EUA 0,95 0,87
11 BBudapeste Hungria 0,96 0,86
13 BBerlin Alemanha 0,98 0,84
12 LLos Angeles EUA 0,98 0,84
16 VVarsóvia Polônia 0,99 0,83
15 BBangkok Taailândia 0,99 0,83
14 BBangalore Ín
ndia 0,99 0,83
18 LLondres Reino
R Unido 1,03 0,80
17 HHyderabad Ín
ndia 1,03 0,80
19 CCidade do Méxxico México
M 1,06 0,78
21 SSofia Bulgária 1,07 0,77
20 WWashington, DC
D EUA 1,07 0,77
22 Chicago EUA 1,08 0,76
23 Ahmadabad Índia 1,09 0,76
24 Houston EUA 1,09 0,76
25 Cingapura Cingapura 1,12 0,73
26 Portland EUA 1,13 0,72
27 Cracóvia Polônia 1,18 0,68
28 Ljubljana Eslovênia 1,21 0,66
29 Praga República Tcheca 1,22 0,65
30 Riga Latvia 1,23 0,64
32 São Petersburgo Rússia 1,24 0,64
31 Buenos Aires Argentina 1,24 0,64
33 Cidade de Nova York EUA 1,25 0,63
35 Estocolmo Suécia 1,32 0,57
34 Barcelona Espanha 1,32 0,57
37 Yerevan Armênia 1,33 0,57
36 Seul Coréia 1,33 0,57
38 RM São Paulo Brasil 1,37 0,54
39 São Francisco EUA 1,38 0,53
40 Moscou Rússia 1,39 0,52
41 RM Curtiba Brasil 1,49 0,44
42 RM Goiânia Brasil 1,51 0,42
43 Seul + New Towns Coréia 1,53 0,41
44 RM Belo Horizonte Brasil 1,55 0,39
45 RM Fortaleza Brasil 1,64 0,32
46 Baía de São Francisco EUA 1,72 0,26
47 Túnis Tunísia 1,76 0,23
48 Abidjan Costa do Marfim 1,81 0,19
49 RM Rio de Janeiro Brasil 1,89 0,12
50 Johannesburg África do Sul 1,91 0,11
51 RM Florianópolis Brasil 1,91 0,11
52 Hong Kong Hong Kong 1,94 0,08
53 Cidade do Cabo África do Sul 1,98 0,05
54 RM Recife Brasil 2,03 0,02
55 RM Vitória Brasil 2,03 0,02
56 RM Porto Alegre Brasil 2,04 0,01
57 RM Natal Brasil 2,09 -0,03
58 RM Campinas Brasil 2,15 -0,08
59 RM Salvador Brasil 2,33 -0,22
60 RM Belém Brasil 2,62 -0,45
61 RM Maringá Brasil 2,96 -0,72
62 Mumbai Índia 3,08 -0,82
63 DF-RIDE Brasil 3,31 -1,00

Definição de cores utilizada no Quadro 2 segue a classificação de regiões do

mundo da UNESCO, que pode ser vista na Figura 3.
Figurra 3 – Identificação de re
egião do mu
undo, segund
do classificaçã
ão da UNES
SCO. (Adapta
ado de
MEDE
EIROS, 2006)

Verificam
mos, a partir do Quadro
o 2 que não
o há um agrupamento significativo das
áreass urbanas de um únic
co país ou região geográfica. A partir
p da cooluna de regiões
pode
e-se notar que
q as cida
ades mais ccompactas (entre 0,5 e 1,0) são encontrada
as na
América do Norrte, Ásia, e Europa. No d América Latina e Caaribe e Áfric
os países da ca há
or ocorrência de cidad
maio des disperssas (0,5 a -1,0) (Quad
dro 3). Esssa distribuiç
ção é
reflexxo do proccesso histórico-cultura
al de forma
ação dessas áreas urrbanas em suas
respe
ectivas reg
giões no mundo.
m Em relação ao
o Brasil, das 16 RM s analisadas, 6
apressentaram valores
v neg
gativos (ma
ais dispers
sas). Isto se
s deu proovavelmente
e em
funçã
ão do proce
esso histórico e social de formaçã
ão dessas cidades,
c beem como po
or sua
evolu
ução, devido a caracte
erísticas intrrínsecas de cada região.

Quad
dro 3 – Percen
ntual de cidade
es por região em função do
o Índice de Dis
spersão Norm alizado (IDN).

IDN -1,0 a -0,5 -0,5 a 0,0 0,0 a 0,5

0 0,5 a 1,00
Regiõe es
Américca Latina e Ca
aribe 11
1,76% 23,53% 52,94
4% 11,76%
%
Américca do Norte 0
0,00% 0,00% 9,09
9% 90,91%
%
Europa a 0
0,00% 0,00% 0,00
0% 100,00%
%
Paísess Árabes 0
0,00% 0,00% 50,00
0% 50,00%
%
África 0
0,00% 0,00% 100,00
0% 0,00%
%
Ásia e Pacífico 7
7,14% 0,00% 14,29
9% 78,57%
%

O resultado da normalizaç
ção mostra que há um
ma tendência
a de ocorrêência de cid
dades
pactas, com
comp mo pode ser
s visto d
do Gráfico 2. Das cidades anaalisadas, 4,76%
4
enco
ontram-se entre
e -1,00 e -0,50, que
e indica fortte tendência
a para umaa forma disp
persa;
6,35%
% das cidades enconttram-se enttre -0,50 e 0,00,
0 que mostra
m uma tendência entre
uma forma disp
persa à um
ma forma in
ntermediária
a; 25,39% encontram-
e -se entre 0,00 e
0,50,, que indica
a uma tendê
ência entre uma forma
a intermediá
ária à uma fforma comp
pacta;
e 63
3,50% enco
ontram-se entre
e 0,50 a 1,00, que
e mostra que
q boa paarte das cid
dades
tende
e para uma
a forma forte
emente com
mpacta. (Grá
áfico 2)

Gráfic
co 2 – Distribu
uição percentu
ual das cidade
es analisadas por intervalo de dispersão normalizado.

Esse
e resultado mostra que
e a maioria das cidade ência a ter uma forma mais
es tem tendê
comp
pacta, e um
ma pequena
a parte (ap
penas 3 áre
eas urbana
as, RM Marringá, Mum
mbai e
RIDE
E-DF) apressenta uma tendência
t à forte dispe
ersão espac
cial.

O Grráfico 3 mostra a relaç

ção entre o Índice de Dispersão
D Normalizado
N o e a população
urbana de cada
a área urba
ana. Podem
mos verificar a tendênc
cia da maiooria das cid
dades
analiisadas para
a compacid
dade. Essess gráficos mostram
m qu
ue o grau dde compacidade
não ttem correla
ação direta com
c o tama
anho da pop
pulação, ne
em para os ddados do Censo
C
de 20
000 nem pa
ara os dado
os do Censo
o de 2010, uma
u vez qu
ue a distribuuição mostro
ou-se
aleattória, com um
u coeficien
nte de corre
elação de Pearson
P (r), para 20000, igual a 0,138 e
o seu
u respectivo
o coeficiente de determ
minação (r²)) é 0,019; e para 2010 , r = 0,104 e r² =
0,011. O valor baixo
b para os dois coe
eficientes nos
n indica que
q essas vvariáveis nã
ão se
enciam. Ou
influe utros fatores
s podem esstar relacio
onados à dispersão, taais como fa
atores
cultu
urais, históricos, ambientais, etc.
Como exemplo, do conjunto de áreas urbanas analisadas, temos algumas com
número de habitantes muito próximos, mas com índices de dispersão muito diferentes,
como, por exemplo, a cidade de Shanghai, na China, que apresenta índice de
dispersão normalizado igual a 1,0, e pode ser considerada a mais compacta dentre as
cidades analisadas, com uma população de aproximadamente 11.000.000 de pessoas
(Bertaud & Malpezzi, 2003). Por outro lado temos a cidade de Mumbai, na Índia, com
índice de dispersão normalizado igual a -0,52, e pode ser considerada, entre as áreas
urbanas internacionais, como a mais dispersa, com uma população de
aproximadamente 10.000.000 de pessoas (Bertaud & Malpezzi, 2003).

O Gráfico 4 nos mostra a relação entre o Índice Dispersão Normalizado e a área

urbana. Podemos verificar que da mesma forma como ocorreu no Gráfico 3, não é
possível identificar tendências ou agrupamentos, apesar dos resultados terem
apresentado uma correlação positiva, esta é muito baixa para expressar de fato
alguma relação entre estas variáveis (Censo de 2000: r = 0,161; Censo de 2010: r =
0,117). O coeficiente de determinação também se mostrou muito pequeno (Censo de
2000: r² = 0,026; Censo de 2010: r² = 0,014), o que indica, com anteriormente, que
essas variáveis não se influenciam. A maioria das cidades apresenta alta
compacidade, não importando o tamanho de sua área urbana, e sim como a sua
população ocupação o espaço urbano, isto é, onde se localiza e se concentra.
G
Gráfico 3 – Relação
o entre o Índice de D
Dispersão Normaliza
ado e a população em área urbana, pa
ara o Censo de 2000 e o Censo de 201
10.
G
Gráfico 4 – Relação
o entre o índice de Dispersão Normaliza
ado e a área urbana
a, para o Censo de 2000 e o Censo de
e 2010.
As R
RMs Brasile
eiras

A Fig
gura 4 ilusttra a distribuição das R
RMs analis
sadas no te
erritório brassileiro. De modo
rápid
do podemoss visualizarr uma maio
or concentração de RMs na regiião litorânea, ou
muito
o próxima a ela, e pou
ucas RMs n
no interior do
d país. Ain
nda nesta figgura fica cllaro a
ausê
ência de RM
Ms na região
o Norte e Le
este do Bra
asil.

Essa
a distribuiçã
ão nos perm ma de ocupação do terrritório brasileiro,
mite refletir ssobre a form
que ainda hoje
e, após 500 anos d
de descobrrimento, ainda mantéém padrõe
es de
envolvimentto e ocupaç
dese ção ligadoss a esse fa
ato histórico. A ocupaação litorân
nea e
imed
diações em detrimento à interioriza
ação do país.

Figurra 4 – Distribuiição das RMs no território b

brasileiro.

As 1
16 RMs brasileiras
b analisadas
a apresenta
am comporrtamento hheterogêneo
o em
relaçção à disp
persão, o que imposssibilita seu agrupam
mento. Essse fato deve-se
prova
avelmente à época de
d sua fund
dação, histtória de forrmação, evvolução de cada
centrro, aspecto
os ambienta ção dessas cidades, enfim,
ais e físicoss do local de instalaç e
esse
e fato possivelmente deve-se
d à ssituação de formação específica de cada ce
entro,
send
do uns com quase 500 anos, outro
os com men
nos de 80 anos.
a

A Fig
gura 5 nos mostra, de forma esqu d populaçãão entre os anos
uemática, a variação de
de 2000 e 2010
0. Podemos
s perceber que todas as
a RMs analisadas tivveram acrés
scimo
de pessoas, be
em como a ilustração nos permite visualizarr a diferençça de população
e as RMs. Dessa
entre D forma, podemoss separar as
a RMs de Rio
R de Janeeiro e São Paulo
P
com um número
o populacio
onal muito ssuperior das
s demais (a
acima de 1 1.000.000),, bem
o as RMs de
como d Maringá
á e Florianó
ópolis que no período
o mal chegaaram a 750
0.000
pesssoas. Somente este fattor já nos re erença existte entre as RMs bem como
evela a dife
nos ffaz question
nar a forma de definiçã
ão, gestão e concessão
o de benefíícios.

Figurra 5 – Variação
o da populaçã
ão Urbana enttre 2000 e 201
10.

Já a Figura 6 nos
n mostra o crescim ento em árrea das RM
Ms. Podemoos notar qu
ue as
duass maiores RMs
R em número de pe
essoas (Rio
o de Janeirro e São Paaulo) cresc
ceram
relatiivamente pouco, o que
e nos perm
mite indeferirr que houve
e uma men or expansã
ão em
área e um maio
or adensam
mento popu
ulacional. Mas ariação por si só não é tão
M esta va
revelladora em questão da
a distribuiçã ulação. Outtro fator muuito interessante
ão da popu
que a
as figuras 4 e 5 nos re
evelam é qu
ue apesar de
d diferença
as tão granddes em núm
meros
popu
ulacionais, as
a áreas urrbanas não
o acompanh
ham essa te
endência, m
mas aprese
entam
pequ
uenas difere
enças o qu
ue nos perrmite inferir que a dispersão estáá mais liga
ada à
forma
a como a população
o ocupa o espaço, o que dep
pende de fatores so
ociais,
econ
nômicos, hisstóricos e do controle g
governamen
ntal.

Figurra 6 – Variação
o de Área Urb
bana entre 200
00 e 2010.

O esspraiamento
o dessas árreas urbana
as influencia diretame
ente no cussto do trans
sporte
urbano. Quanto
o mais dista
antes do CC
CS maior é o gasto da
a populaçãoo para desllocar-
se, b
bem como aumenta ta
ambém o g
gasto públic
co, a implementação dde infraestrrutura
básicca torna-se mais onero
osa, pois há
á uma distância maior a ser coberrta para gerrar-se
uma interligação
o com as re
edes preexisstentes.

o ponto muito
Outro m interes ar é a distribuição dee pobreza, aqui
ssante de se analisa
conssiderado com pessoa que
q recebe
e abaixo de ½ salário mínimo,
m meetodologia oficial
o
brasiileira para determinaç
ção de pesssoas abaix
xo da linha
a de pobreeza e indigentes
(rece
ebem meno
os de ¼ de salário
s míniimo por mês (IBGE, 20
012).

O co
onjunto de gráficos
g 5 no
os revela qu
ue, para tod
das as RMs
s analisadass, as pessoas
abaixxo da linha de pobreza
a encontram
m-se perto do
d CCS, em
m média a u ma distância
máxiima de 25 quilômetros
q , sendo que
e a maior co
oncentração
o se dá por volta de 15
5
ômetros. Differentementte do que e
quilô esperávamo
os, encontra
ar essas pesssoas distantes
do ce
entro, elas localizam
l próximas a e
ele, isso pod
de ser reflexo da neceessidade de
acessso a serviços e equipa
amentos pú blicos, além
m de proxim
midade com o local gerador
de tra
abalho, o que reduz o custo de tra
ansporte.
Gráfico 5 – Distribuição de pessoas abaixo da linha de pob
breza nas RMs ana
alisadas.
Infelizmente para este estudo não poderemos apresentar os dados referentes ao
Censo de 2010, como previsto inicialmente, pois o Instituto Brasileiro de Geografia e
Estatística (IBGE) atrasou a divulgação dos dados de renda, o que até o momento
(fevereiro de 2012) ainda não estão disponíveis. Esse fato também impediu que
desenvolvêssemos os cálculos e análises referentes ao Índice de Exclusão/Inclusão
Social. Dessa forma, apresentamos a seguir apenas o estudo feito para a RM do Rio
de Janeiro, a partir dos dados do Censo de 2000, para que de forma ilustrativa
possamos demonstrar a potencialidade deste índice para estudos urbanos.

Índice de Exclusão/Inclusão Social – Exemplo para a RM de Rio de

Janeiro

A exclusão na Região Metropolitana do Rio de Janeiro – RMRJ

O processo de exclusão pode ser caracterizado pela impossibilidade de acesso às

condições mínimas de qualidade de vida, como por exemplo, capacidade de sustento
da família, educação, saneamento, lazer, dentre outros aspectos. O principal fator de
exclusão, que encontramos presente na sociedade brasileira, refere-se à renda
familiar, pois a baixa remuneração ou uma remuneração irregular, comum em
situações de trabalho informal5, impede que as famílias, envolvidas nesta situação,
tenham acesso às melhores condições de infraestrutura, equipamentos e serviços.
Elas só podem se instalar em locais afastados e que comumente oferecem riscos à
saúde e a vida.

A primeira RM a ser analisada por esta metodologia é a do Rio de Janeiro. Isto se deu
por esta ser a sede do Observatório das Metrópoles, e por ter a estrutura de dados
necessária organizada para a execução deste trabalho.

A partir da estruturação do modelo para a RM do Rio de Janeiro (RMRJ), pretendemos

ampliar nosso estudo para as quinze metrópoles que compõem a rede do
Observatório das Metrópoles.

Unidades de Estudos

A unidade de estudo é configurada pelos setores censitários que compõem a RM, e

que foram classificadas pelo Instituto Brasileiro de Geografia e Estatística (IBGE)
como situação urbana . Estes setores foram agrupados em função do Grau de

                                                            
5
Entendemos como trabalho informal aquele que não oferece carteira assinada e nem faz os
recolhimentos dos encargos trabalhistas.
Integração à Dinâmica Metropolitana, sendo classificados em: pólo (município sede da
RM), muito alto, alto, médio, baixo, muito baixo grau de integração. Ainda há na RM
setores que não estão incluídos nesta classificação.

O cálculo dos índices foi realizado para os seguintes grupos de setores censitários:

 Toda RM – considerando todos os setores;

 Pólo – considerando somente os setores que o compõe;
 Pólo e Muito Alto Grau de Integração – considerando somente os setores que
os compõem;
 Pólo, Muito Alto e Alto Grau de Integração – considerando somente os setores
que os compõem;
 Pólo, Muito Alto, Alto e Médio Grau de Integração – considerando somente os
setores que os compõem;
 Pólo, Muito Alto, Alto, Médio e Baixo Grau de Integração – considerando
somente os setores que os compõem; e
 Pólo, Muito Alto, Alto, Médio, Baixo e Muito Baixo Grau de Integração –
considerando somente os setores que os compõem.

Desta forma, analisamos as relações entre os diferentes municípios da RM, e como a

integração com a RM pode afetá-los.

Num primeiro momento optamos por escolher a renda como principal fator de
exclusão, uma vez que sem as condições financeiras mínimas, a população não tem
como ter acesso aos equipamentos, serviços e lazer de qualidade. Assim, definimos
quatro faixas de representação: Situação de Pobreza – ganho menor que 2 salários
mínimos; Situação de Não Pobreza – ganho acima de 2 salários mínimos; Distribuição
Igual – setores censitários onde as porcentagens de pobres e não pobres são iguais; e
Setores Sem População. Ressaltamos que os dados utilizados são referentes ao
Censo Demográfico de 2000 (IBGE, 2001), no qual o valor de referência para o salário
mínimo é de R$ 151,00, e a base espacial refere-se aos setores censitários do Censo
Demográfico de 2000 (IBGE, 2002).

As análises geradas por este estudo são descritivas, baseadas em processos

matemáticos e estatísticos, uma vez que, para uma análise mais completa, é
necessário o trabalho em conjunto com pesquisadores que conheçam o processo
histórico de formação do espaço urbano, assim, teremos uma visão sistêmica da área
de estudo. Desta forma, apresentamos aqui a parte inicial dos resultados obtidos.
Na RMRJ verrificamos que
q 38,67%
%, das pessoas
p re
esponsáveiss por dom
micílio
manente, en
perm ncontram-se
e em situaçção de pobrreza. Núme
ero alto, poiss correspon
nde a
1.242
2.870 de pe
essoas que têm ganho
o mensal ab
baixo de 2 salários mínnimos

Para
a a RMRJ podemos
p ve
erificar pela
a Figura 7 que
q a situaç
ção de pobbreza tende
e a se
conccentrar nos municípios periféricoss, sendo que
e, em algun
ns municípi os, a maiorria da
popu
ulação enco
ontra-se em
m Situação d
de Pobreza
a. Interessa
ante notar hhá ocorrênc
cia de
uma faixa de siituação de pobreza em
m torno no município sede da m etrópole, Rio
R de
eiro. Como o custo de
Jane d vida ne
este municíípio é alto,, parte da população
o não
conssegue se manter
m mora
ando próxim
mo ao centrro, assim, a ocorrênciaa desta faix
xa de
situa
ação de pob
breza pode ser explica
ada pela concentração periférica dde mão-de--obra,
que não consegue se ma
anter no mu
unicípio do
o Rio de Ja
aneiro, e see vê obriga
ada a
habittar distante dos locais de trabalho
o.

Figurra 7 – Distribu
uição de pobres e não po
obre na RMRJ
J. Em cinza estão
e os setoores censitário
os que
tiveram distribuição
o igual entre as
s duas classe
es.

O Q
Quadro 4 mostra
m a distribuição
o das situações de pobreza, não pobre
eza e
interm
mediária nos municíp
pios que co
ompõem a RMRJ. A definição da situaçã
ão de
pobre
eza e de não pobrez
za se deu pelas cara
acterísticas de cada ssetor censitário,
assim
m, os setore ssem mais de 50% de sua popula
es que tives ação com gaanho meno
or que
2 sa
alários mínimos, foram
m considera
ados com em
e situação de pobreeza. Os se
etores
censsitários com
m mais de 50% de su
ua populaç
ção com ga
anho igual ou acima de 2
salárrios mínimo
os, foram considerado
c os como em situação
o de não-ppobreza. De
epois,
agrupamos os setores por município, para obtermos um panorama geral da
distribuição de renda.

Quadro 4 – Distribuição das situações de pobreza, não pobreza e intermediária por município.

Município % Situação de Pobreza % Situação de Não Pobreza Definição

Japeri 64,77% 35,23% Situação de Pobreza
Itaboraí 59,10% 40,90% Situação de Pobreza
Queimados 57,72% 42,28% Situação de Pobreza
Belford Roxo 55,59% 44,41% Situação de Pobreza
Magé 54,81% 45,19% Situação de Pobreza
Duque de Caxias 51,99% 48,01% Situação de Pobreza
Guapimirim 51,52% 48,48% Situação de Pobreza
Paracambi 50,58% 49,42% Situação Intermediária
Seropédica 50,31% 49,69% Situação Intermediária
Nova Iguaçu 50,13% 49,87% Situação Intermediária
Itaguaí 48,70% 51,30% Situação de Não Pobreza
São João de Meriti 47,97% 52,03% Situação de Não Pobreza
São Gonçalo 46,33% 53,67% Situação de Não Pobreza
Maricá 45,12% 54,88% Situação de Não Pobreza
Nilópolis 39,84% 60,16% Situação de Não Pobreza
Rio de Janeiro 31,23% 68,77% Situação de Não Pobreza
Niterói 26,60% 73,40% Situação de Não Pobreza

O mesmo raciocínio foi utilizado para agrupamento das situações por grau de
integração, de forma que pudéssemos avaliar a distribuição destas variáveis por
integração na metrópole. A situação intermediária não se mostrou presente, e
verificamos o que já era esperado, quando se reduz o grau de integração com a
metrópole, piores são as condições de renda. Assim, o município pólo e os municípios
com muito alto grau de integração apresentam situação de não pobreza, enquanto que
os municípios com alto e médio grau de integração apresentam-se em situação de
pobreza (Quadro 5).

Quadro 5 – Distribuição das situações de pobreza e não pobreza por grau de integração.

Grau de
% Situação de Pobreza % Situação de Não Pobreza Definição
Integração
Situação de Não
Pólo 31,23% 68,77%
Pobreza
Situação de Não
Muito Alto 46,71% 53,29%
Pobreza
Alto 57,04% 42,96% Situação de Pobreza
Médio 50,67% 49,33% Situação de Pobreza

As figuras 8a) e 8b) ilustram espacialmente as situações de pobreza e não pobreza.

Na Figura 8a) temos a representação por município, onde podemos verificar, como já
explicitado, os municípios mais periféricos apresentam pior situação de renda. O
mesmo acontece com a Figura 8b), onde temos a representação por Grau de
Integ
gração, os municípios
m menos
m integ
grados apre
esentam pio
or situação de renda, sendo
s
que e
eles são, ta
ambém, os municípios mais afasttados do mu
unicípio Póllo, o que re
eforça
as informaçõe
es anterio
ores, no pólo, ou
u nas re
egiões maais integradas,
conccomitanteme
ente, mais próximas, a situação, em relação
o à renda é melhor, do
o que
nas o
outras regiõ
ões da RMR
RJ.

a) b)

Figurra 8 - a) Distribuição da Situação de Ren

nda por munic
cípio da RMR
RJ. b) Distribuiição da Situaç
ção de
Renda
a por Grau de
e Integração.

Destta forma, po
odemos afirrmar que a concentraç
ção de rend
da está nos municípios
s pólo
e de
e mais alta integração
o, o que fa
az com que
e eles se to
ornem granndes centro
os de
atraçção populaccional, fato confirmado
o pela mais alta densid
dade populaacional presente
neless (48,47 hab/ha no pólo e 31,,20 hab/ha no muito alto), do que nos outros
o
muniicípios da RMRJ
R (10,34
4 hab/ha no
o alto e 6,96
6 hab/ha no
o médio).

Em ccontinuidade de nossa análise, tra

ataremos do
os setores subnormais
s s, de acordo
o com
o levvantamento e classifica
ação do IBG
GE, a partirr dos dados
s do Censo Demográfic
co de
2000
0 (IBGE, 2001; 2002).

Visã
ão a partir dos
d Setores
s Censitári
rios Subnorrmais

Toma o unidade de análise o s setores subnormais, por repres entam situa

amos como ações
críticcas de existtência no meio
m urbano
o. Segundo o IBGE (20
002), podem
mos definir estes
setorres como sendo “conju
unto constittuído por um
m mínimo de
d 51 domiccílios, ocup
pando
ou te
endo ocupa
ado até pe
eríodo rece
ente, terren
no de propriedade alhheia (públic
ca ou
particcular), dispostos, em geral, de fo
orma desorrdenada e densa,
d e caarentes, em
m sua
maio
oria, de serrviços públicos essen
nciais”. Os dados utiliizados em nossas an
nálise
foram obtidos a partir dos dados do agregado por setores censitários do Censo
Demográfico de 2000 (IBGE, 2002).

Desta forma, pretendemos caracterizar estas localidades por representarem áreas de

grande interesse social, no que tange à melhoria de qualidade de vida e equidade
social.

A RMRJ possui 25,46% de sua população habitando em condições subnormais. Os

setores subnormais da RMRJ possuem 1.242.288 pessoas, sendo que 87,85% destas
pessoas encontram-se no município pólo. O Quadro 6 mostra a distribuição da
população por grau de integração.

Quadro 6 – Distribuição da população em setores subnormais por grau de integração.

Integração População_SubN Pop Total %Pop SubN

Alta 20.877 654.579 3,19%
Muito Alta 129.534 4.078.323 3,18%
Média 471 114.358 0,41%
Pólo 1.091.406 5.842.553 18,68%
Total 1.242.288 10.689.813 25,46%

População_SubN População nos setores subnormais

Pop Total População total por classe de Integração
%Pop SubN Porcentagem da população subnormal em relação ao total da população

O Quadro 7 mostra a distribuição de resultados de exclusão social, nos setores

subnormais, a partir do grau de integração. Foi calculada a média dos valores nos
setores subnormais por grau de integração. O cálculo dos índices de
exclusão/inclusão social foi realizado tomando-se todo o conjunto da RMRJ,
consideramos que, para termos uma visão mais realística destes setores, temos que
analisá-los em relação a todo o conjunto metropolitano.

Quadro 7 – Distribuição das médias dos índices de exclusão/inclusão social por grau de integração.

Média Média Média Média Média

Integração
IEXC_ARCF IEXC_DH IEXC_EQ IEXC_QV IEXF_EXC/INC
Pólo -0,10 -0,17 0,13 0,74 0,23
Muito Alta -0,25 -0,22 0,09 0,64 0,11
Alta -0,19 -0,22 0,02 0,50 0,06
Média -0,42 -0,43 0,03 0,81 0,02
 Média da Autonomia de Renda dos Chefes de Família por setores
Média IEXC_ARCF
subnormais
Média IEXC_DH Média da Desenvolvimento Humano por setores subnormais
Média IEXC_EQ Média da Eqüidade por setores subnormais
Média IEXC_QV Média da Qualidade de Vida por setores subnormais
Média IEXF_EXC/INC Média do Índice de Exclusão/Inclusão Social por setores subnormais

O Gráfico 6 ilustra a relação entre os graus de integração. Observamos que há uma

tendência no aumento da exclusão à medida que reduzimos o grau de integração, isto
é, nos afastamos do município pólo. Isto significa que, as pessoas, que já se
encontram em situação crítica, habitando em setores subnormais, têm melhores
condições nas regiões mais integradas do que nas menos integradas. O que continua
a reforçar nossa análise anterior, que a proximidade com o município pólo propicia
maior acesso a qualidade de vida. O único dado discordante é a média do índice de
qualidade de vida, que tem decréscimo com a redução do grau de integração, mas
aumento para os municípios com grau médio. Esta discrepância pode estar
relacionada a um desvio dos dados ou por esta região realmente apresentar melhores
condições.

Como este índice é calculado a partir de dados de precário abastecimento de água,

precária instalação sanitária, precário tratamento do lixo, propriedade domiciliar,
densidade habitacional (moradores/domicílio), conforto sanitário (banheiros/domicílio e
pessoas/banheiros), deve-se fazer uma análise mais pormenorizada destes municípios
para a confirmação do resultado, o que não é o escopo deste trabalho, devendo ser
feito em momentos futuros.
 1

0,8

0,6

0,4

0,2

Pólo
Muito Alta
0
Alta
Média IEXC_ARCF Média IEXC_DH Média IEXC_EQ Média IEXC_QV Média IEXF_EXC/INC
Média

-0,2

-0,4

-0,6

-0,8

-1

Gráfico 6 – Distribuição dos índices de exclusão/inclusão social por grau de integração.

Quando analisamos a partir do agrupamento dos graus de integração, verificamos que

ocorre uma estabilização dos valores, pois como pode ser visto no Quadro 8,
praticamente não há alteração entre os conjuntos. O que notamos é que nestes
setores as condições de vida são ruins, apresentando valores altos de exclusão
(valores negativos) ou valores muito baixos de inclusão (valores próximos a zero). A
diferença continua sendo para o índice de qualidade de vida, que apresenta valores
altos de inclusão social (valores próximos a 1).

Quadro 8 – Distribuição das médias dos índices de exclusão/inclusão social por agrupamento do grau de
integração.

Média Média Média Média Média

Integração
IEXC_ARCF IEXC_DH IEXC_EQ IEXC_QV IEXF_EXC/INC
Pólo -0,10 -0,17 0,13 0,74 0,23
P-MA -0,11 -0,18 0,13 0,73 0,21
P-MA-A -0,11 -0,18 0,12 0,73 0,21
P-MA-A-Md -0,11 -0,18 0,12 0,73 0,21

Pólo Município Pólo – Rio de Janeiro

P-MA Pólo e Muito Alto Grau de Integração
P-MA-A Pólo, Muito Alto e Alto Grau de Integração
 P-MA-A-Md Pólo, Muito Alto, Alto e Médio Grau de Integração

Analisamos também o comportamento dos dados à medida que nos afastamos do

centro social. Os resultados obtidos mostram a grande concentração de população em
condições subnormais próxima ao centro social, o que pode indicar que a necessidade
de acesso a trabalho, equipamentos, serviços, dentre outros, faz com que estas
pessoas busquem esta proximidade, habitando em condições ruins.

50,00%

40,00%
% População Subnormal

30,00%

20,00%

10,00%

0,00%
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 59 60 64

Distância do Centro Social (km)

Gráfico 7 – Porcentagem de população em condições subnormais à medida que se afasta do centro

social.

O Gráfico 8 mostra, mesmo suavemente, que há uma tendência de maior densidade

populacional próxima ao centro social. Outra informação interessante, é a alta
densidade populacional em todas as distâncias, indicando a alta concentração de
pessoas em pequenas áreas.
 700,00

600,00

500,00
Densidade Populacional (hab/ha)

400,00

300,00

200,00

100,00

0,00
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 59 60 64

Distância do Centro Social (km)

Gráfico 8 – Densidade populacional, referente à população em condições subnormais, à medida que se

afasta do centro social.

A distribuição dos índices de exclusão/inclusão social mostra que quanto mais próxima
ao centro social, maiores são as condições de inclusão. Os resultados altos (próximos
a 1) indicam que as pessoas que ali habitam têm melhores condições de vida, mesmo
estando em condições subnormais, pois a proximidade com as áreas mais favorecidas
permite, também, o acesso, às melhores condições, aumentando a integração destas
áreas.

O Gráfico 9 a) a e) mostra a distribuição dos índices de exclusão/inclusão social à

medida que nos afastamos do centro social. O que observamos é o comportamento
comum já citado, a maior proximidade do centro social favorece à inclusão social.
 1,00 1,00

0,80 0,80

0,60 0,60

0,40 0,40
Média do IEx ARCF

0,20 0,20

Média do IEx DH
0,00 0,00
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 59 60 64 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 59 60 64

-0,20 -0,20

-0,40 -0,40

-0,60 -0,60

-0,80 -0,80

-1,00 -1,00
Distância do Centro Social (km) Distância do Centro Social (km)

1,00 1,00

0,80 0,80

0,60 0,60

0,40 0,40

0,20 0,20
Média do IEx QV

Média do IEx EQ
0,00 0,00
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 59 60 64 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 59 60 64

-0,20 -0,20

-0,40 -0,40

-0,60 -0,60

-0,80 -0,80

-1,00 -1,00
Distância do Centro Social (km) Distância do CBD

1,00

0,80

0,60

0,40
Média do IEx EXC/INC

0,20

0,00
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 59 60 64

-0,20

-0,40

-0,60

-0,80

-1,00
Distância do Centro Social (km)

Gráfico 9 – Distribuição das médias dos índices de exclusão/inclusão social à medida que se afasta do
centro social. a) IEx Autonomia de Renda dos Chefes de Família – Iex ARCF; b) IEx Desenvolvimento
Humano – Iex DH; c) IEx Qualidade de Vida – Iex QV; d) IEx EQ – Iex Eqüidade; e) IEx Exclusão/Inclusão
Social – Iex EXC/INC.
A única diferença de comportamento ocorre para a média do índice de qualidade de
vida, pois, próximo ao centro social ocorre baixos valores (negativos), depois temos
um crescimento (entre os quilômetros 11 e 26), depois ocorre um decréscimo suave
(entre os quilômetros 27 e 47), passando a um decréscimo abrupto nos quilômetros
finais. Mais uma vez, este índice merece destaque e deve ser estudado de forma mais
acurada, a fim de esclarecer o comportamento tão diferenciado dos outros índices.

Análise de toda a RM do Rio de Janeiro

Para a análise do Índice de Exclusão/Inclusão Social adotamos o seguinte método,

Análise de dados por intervalo, no qual o ponto de referência zero é definido
arbitrariamente, e que depende da amplitude do conjunto de dados, permitindo uma
distribuição de valores negativos e positivos; e

Autonomia de Renda dos Chefes de Família

Como pode ser observado nas figuras de autonomia de renda dos chefes de família
(ARCF) para cada unidade de análise, podemos perceber que há uma tendência de
concentração de valores a partir do zero em direção aos valores positivos. Esta
informação é corroborada pela análise dos histogramas, como pode ser visto no
Quadro 9.

Podemos notar que há um comportamento comum em todas as unidades, e que

apesar de suas diferenças socioeconômicas, elas são muito semelhantes. As médias
concentraram-se próxima a zero, com maior valor 0,37 e menor valor 0,26. O desvio
padrão foi igual para todas as unidades, mostrando que a variação entre os valores
analisados independe, neste caso, do tamanho da unidade de análise. A assimetria
negativa para todas as unidades indica uma tendência de concentração dos valores à
direita do gráfico, o que mostraria inclusão. Os valores de curtose variam pouco entre
as unidades, e são maiores que zero. Assim, as funções que caracterizam a
distribuição são leptocúrticas, reforçando o fato da concentração dos valores próximo
à média. O 1 quartil, que representa 25% dos dados, mostra que apenas valores
abaixo de 0,12, encontram-se nesta faixa. Enquanto que 75% dos dados,
representados pelo 3 quartil, encontram-se abaixo de 0,68. Com esta informação
temos a confirmação de que os dados se concentram do lado da inclusão.

Quadro 9 – Estatística das unidades de análise para ARCF.

Unidade Média Desvio Assimetria Curtose 1 Quartil 3 Quartil

padrão
Pólo 0,37 0,35 -0,65 2,50 0,12 0,68
Pólo e MA 0,28 0,35 -0,65 2,08 0,00 0,60
Pólo, MA e A 0,26 0,35 -0,15 2,07 -0,008 0,58
Pólo, MA, A e Md 0,26 0,35 -0,14 2,07 -0,008 0,57
Toda RMRJ 0,26 0,35 -0,14 2,07 -0,008 0,57

   
Gráfico 10 – Histogramas da distribuição do Índice de Autonomia de renda dos Chefes de Família
(ARCF).

Pólo Pólo e Muito Alto Grau de Integração

Frequência da Distribuição do IEx Autonomia de Renda dos Chefes de Família (ARCF) - Pólo Freqüência da Distribuição do IEx Autonomia de Renda dos Chefes de Família (ARCF) - Pólo e
Muito Alto
3000
3500

2500 3000

2500
2000
Freqüência

2000

Freqüência
1500

1500

1000

1000

500
500

0 0
-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1 -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1
IEx ARCF IEx ARCF

Pólo, Muito Alto e Alto Grau de Integração Pólo, Muito Alto, Alto e Médio Grau de
Integração
Freqüência da Distribuição do IEx Autonomia de Renda dos Chefes de Família (ARCF) - Pólo, Freqüência da Distribuição do IEx Autonomia de Renda dos Chefes de Família (ARCF) - Pólo,
Muito Alto e Alto Muito Alto, Alto e Médio

4000 4000

3500 3500

3000 3000

2500 2500
Freqüência

Freqüência

2000 2000

1500 1500

1000 1000

500 500

0 0
-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1 -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1
IEx ARCF IEx ARCF

Toda RMRJ

Freqüência da Distribuição do IEx Autonomia de Renda dos Chefes de Família (ARCF) - RMRJ

4000

3500

3000

2500
Freqüência

2000

1500

1000

500

0
-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1
IEx ARCF
Espacialmente podemos perceber que as situações de inclusão concentram-se no
município pólo, e neste há concentração na região litoral leste e sudoeste. O que
corresponde tanto aos bairros com melhor condição quanto com o centro social,
definido como sendo o ponto associado ao setor censitário de maior renda. A partir
desta área ocorre uma redução deste indicador em direção aos municípios periféricos.
(figuras 3, 5, 7, 9 e 11)

O Quadro 10 apresenta o agrupamento em grandes classes, de forma a

obtermos a variação entre as unidades de análise. Para ARCF, verificamos que ocorre
uma suave redução na situação de inclusão à medida que ampliamos a área
analisada, pela inserção dos municípios por grau de integração. Assim, o município
pólo apresenta melhores condições de autonomia de renda dos chefes. Mesmo assim,
verificamos que, para todas as unidades de análise, mais de 73% da população
apresenta-se na região de inclusão e mais de 50% da população encontra-se na
região de alta inclusão, acima de 0,5, e menos de 8% da população encontra-se na
região de exclusão.

Quadro 10 – Percentual de dados negativos e positivos, e acima de 0,5 (indicação de alta inclusão), por
unidade de análise, para ARCF.

Unidades de Análise < 0 (%) > 0 (%) Acima de 0,5 (%)

Pólo 5,57 82,79 65,86
Pólo e Muito Alto 6,44 75,64 53,44
Pólo, Muito Alto e Alto 7,40 73,68 50,44
Pólo, Muito Alto, Alto e Médio 7,44 73,51 50,14
Toda RMRJ 7,42 73,51 50,04
Pólo Pólo e Muito Alto Grau de Inteegração

Pólo, Muito Alto e Alto Grau de

e Integração Pólo, Muito Alto, Alto e Médio
o Grau de
Integ
gração

Toda RMRJ

os Chefes de Família (ARC

Figurra 9 – Setoress censitários – Autonomia de Renda do CF), por unida
ade de
análisse.
Desenvolvimento Humano

Como pode ser observado nas figuras de desenvolvimento humano (DH) para cada
unidade de análise, podemos perceber que há uma fraca tendência de concentração
de valores próxima ao zero em direção aos valores positivos. Esta informação é
corroborada pela análise dos histogramas, como pode ser visto no Quadro 11.

Podemos notar que há um comportamento comum em todas as unidades, e que

apesar de suas diferenças socioeconômicas, elas são muito semelhantes. As médias
concentram-se próxima a zero, com maior valor 0,15 e menor valor 0,08, região que
não indica exclusão ou inclusão. O desvio padrão variou muito pouco para as
unidades, mostrando que a alteração entre os valores analisados independe, neste
caso, do tamanho da unidade de análise. A assimetria negativa para todas as
unidades indica uma tendência de concentração dos valores à direita do gráfico, o que
mostraria inclusão, mas os valores são baixos, e que apesar de haver indicação de
inclusão, esta é incipiente. Os valores de curtose variam pouco entre as unidades, e
são maiores que zero. Assim, as funções que caracterizam a distribuição são
leptocúrticas, reforçando o fato da concentração dos valores próximo à média. O 1
quartil, que representa 25% dos dados, mostra que apenas valores abaixo de 0,04,
encontram-se nesta faixa. Enquanto que 75% dos dados, representados pelo 3
quartil, encontram-se abaixo de 0,31. Com esta informação temos a confirmação de
que, apesar dos dados se concentrarem do lado da inclusão, estes se posicionam
próximo ao zero, indicando uma situação intermediária, que pode pender tanto para
inclusão quanto para exclusão.

Quadro 11 – Estatística das unidades de análise para DH.

Unidade Média Desvio Assimetria Curtose 1 Quartil 3 Quartil

padrão
Pólo 0,15 0,22 -1,14 3,90 0,04 0,31
Pólo e MA 0,12 0,20 -0,74 3,31 -0,007 0,28
Pólo, MA e A 0,08 0,21 -0,67 3,10 -0,05 0,25
Pólo, MA, A e Md 0,08 0,21 -0,66 3,08 -0,06 0,25
Toda RMRJ 0,08 0,21 -0,65 3,08 -0,06 0,25
Gráfico 11 – Histogramas da distribuição do Índice de Desenvolvimento Humano (DH), por unidade de
análise.

Pólo Pólo e Muito Alto Grau de Integração

Frequência da Distribuição do IEx Desenvolvimento Humano (DH) - Pólo Freqüência da Distribuição do IEx Desenvolvimento Humano (DH) - Pólo e Muito Alto

4000 6000

3500
5000

3000

4000
2500
Freqüência

Freqüência
2000 3000

1500
2000

1000

1000
500

0 0
-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1 -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1
IEx DH IEx DH

Pólo, Muito Alto e Alto Grau de Integração Pólo, Muito Alto, Alto e Médio Grau de
Integração
Freqüência da Distribuição do IEx Desenvolvimento Humano (DH) - Pólo, Muito Alto e Alto Freqüência da Distribuição do IEx Desenvolvimento Humano (DH) - Pólo, Muito Alto, Alto e
Médio
7000
7000

6000
6000

5000
5000

4000
Freqüência

4000
Freqüencia

3000
3000

2000 2000

1000 1000

0 0
-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1 -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1
IEx DH IEx DH

Toda RMRJ

Freqüência da Distribuição do IEx Desenvolvimento Humano (DH) - RMRJ

7000

6000

5000

4000
Freqüência

3000

2000

1000

0
-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1
IEx DH
O Quadro 12 apresenta o agrupamento em grandes classes, de forma a obtermos a
variação entre as unidades de análise. Para DH, verificamos que ocorre redução na
situação de inclusão à medida que ampliamos a área analisada, pela inserção dos
municípios por grau de integração. Assim, o município pólo apresenta melhores
condições de desenvolvimento humano. Verificamos que para esta variável ocorre
uma redução significativa na quantidade de pessoas que se encontra em situação de
alta inclusão. Enquanto que a quantidade de pessoas em situação de exclusão
apresenta pouca variação, com exceção da unidade Pólo e Muito Alto, que pode ter
ocorrido pela quantidade de pessoas que se encontram na área de transição, 20,50%
com valor zero. Mesmo assim, mais de 67% da população encontra-se na situação de
inclusão.

Quadro 12 - Percentual de dados negativos e positivos, e acima de 0,5 (indicação de alta inclusão), por
unidade de análise, para DH.

Unidades de Análise < 0 (%) > 0 (%) Acima de 0,5 (%)

Pólo 7,67 77,76 42,83
Pólo e Muito Alto 5,78 73,72 33,09
Pólo, Muito Alto e Alto 7,89 68,06 25,48
Pólo, Muito Alto, Alto e Médio 7,92 67,76 25,27
Toda RMRJ 7,95 67,65 25,11
Pólo Pólo e Muito Alto Grau de Inteegração

Pólo, Muito Alto e Alto Grau de

e Integração Pólo, Muito Alto, Alto e Médio
o Grau de
Integ
gração

Toda RMRJ

Figurra 10 – Setore mento Humano (DH) por unidade de anállise.

es censitários – Desenvolvim
Qualidade de Vida

Como pode ser observado nas figuras de qualidade de vida (QV) para cada unidade
de análise, podemos perceber que há uma forte tendência de concentração de valores
acima de 0,50, o que indica alta inclusão. Esta informação é corroborada pela análise
dos histogramas, como pode ser visto no Quadro 13.

Podemos notar que há um comportamento comum em todas as unidades, e que

apesar de suas diferenças socioeconômicas, elas são muito semelhantes. As médias
concentram-se acima de 0,50, com maior valor 0,69 e menor valor 0,58, região que
indica alta inclusão. O desvio padrão variou muito pouco para as unidades, mostrando
que a alteração entre os valores analisados independe, neste caso, do tamanho da
unidade de análise. A assimetria fortemente negativa para todas as unidades indica
concentração dos valores à direita do gráfico, o que mostra inclusão, para esta
variável em todas as unidades de análise. Os valores de curtose variam pouco entre
as unidades, e são maiores que zero. Assim, as funções que caracterizam a
distribuição são leptocúrticas, reforçando o fato da concentração dos valores próximo
à média. O 1 quartil, que representa 25% dos dados, mostra que apenas valores
abaixo de 0,63, encontram-se nesta faixa. Enquanto que 75% dos dados,
representados pelo 3 quartil, encontram-se abaixo de 0,82. Com esta informação
temos a confirmação de que os dados se concentrarem do lado da inclusão, próximo
ao valor máximo.

Quadro 13 – Estatística das unidades de análise para QV.

Unidade Média Desvio Assimetria Curtose 1 Quartil 3 Quartil

padrão
Pólo 0,61 0,15 -2,35 14,55 0,56 0,70
Pólo e MA 0,58 0,17 -1,89 8,25 0,53 0,69
Pólo, MA e A 0,60 0,17 -1,84 8,83 0,54 0,70
Pólo, MA, A e Md 0,62 0,17 -1,84 8,81 0,56 0,74
Toda RMRJ 0,69 0,19 -2,03 9,62 0,63 0,82
Gráfico 12 – Histogramas de distribuição do Índice de Qualidade de Vida (QV), por unidade de análise.

Pólo Pólo e Muito Alto Grau de Integração

Frequência da Distribuição do IEx Qualidade de Vida (QV) - Pólo Freqüência da Distribuição do IEx Qualidade de Vida (QV) - Pólo e Muito Alto

7000 10000

9000
6000
8000

5000 7000

6000

Freqüência
4000
5000

3000 4000

3000
2000
2000

1000 1000

0
0 -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1
-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1 IEx QV

Pólo, Muito Alto e Alto Grau de Integração Pólo, Muito Alto, Alto e Médio Grau de
Integração
Freqüência da Distribuição do IEx Qualidade de Vida (QV) - Pólo, Muito Alto e Alto Freqüência da Distribuição do IEx Qualidade de Vida (QV) - Pólo, Muito Alto, Alto e Médio

12000 10000

9000

10000
8000

7000
8000

6000
Freqüência

6000
5000

4000
4000

3000

2000 2000

1000
0
-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1 0
IEx QV -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1

Toda RMRJ

Freqüência da Distribuição do IEx Qualidade de Vida (QV) - RMRJ

8000

7000

6000

5000
Freqüência

4000

3000

2000

1000

0
-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1
IEx QV

O Quadro 14 apresenta o agrupamento em grandes classes, de forma a obtermos a

variação entre as unidades de análise. Para QV, verificamos que a variação entre as
unidades de análise é muito pequena, e não apresenta nenhum padrão de
comportamento. É interessante notar que todas as unidades de análise apresentam
mais de 98% da população em situação de inclusão e mais de 95% em situação de
alta inclusão, acima de 0,5. E menos de 0,22% da população encontra-se em situação
de exclusão.

Quadro 14 - Percentual de dados negativos e positivos, e acima de 0,5 (indicação de alta inclusão), por
unidade de análise, para QV.

Unidades de Análise < 0 (%) > 0 (%) Acima de 0,5 (%)

Pólo 0,22 99,43 96,83
Pólo e Muito Alto 0,23 99,25 95,82
Pólo, Muito Alto e Alto 0,22 99,09 95,06
Pólo, Muito Alto, Alto e Médio 0,21 99,18 95,46
Toda RMRJ 0,20 98,59 96,31
Pólo Pólo e Muito Alto Grau de Inteegração

Pólo, Muito Alto e Alto Grau de

e Integração Pólo, Muito Alto, Alto e Médio
o Grau de
Integ
gração

Toda RMRJ

Figurra 11 – Setore de Vida (QV), por unidade de análise.

es censitários – Qualidade d
Equidade

Como pode ser observado nas figuras de equidade (EQ) para cada unidade de
análise, podemos perceber que há uma fraca tendência de concentração de valores
próximos de zero, o que indica tendência à inclusão. Esta informação é corroborada
pela análise dos histogramas, como pode ser visto no Quadro 15.

Podemos notar que há um comportamento comum em todas as unidades, e que

apesar de suas diferenças socioeconômicas, elas são muito semelhantes. As médias
concentram-se acima de zero, mas próximas a ele, com maior valor 0,17 e menor
valor 0,15, região que indica tendência à inclusão. O desvio padrão variou muito pouco
para as unidades, mostrando que a alteração entre os valores analisados independe,
neste caso, do tamanho da unidade de análise. A assimetria mostra valores próximos
a zero para todas as unidades. Os valores de curtose variam pouco entre as unidades,
e são maiores que zero. Assim, as funções que caracterizam a distribuição são
leptocúrticas, reforçando o fato da concentração dos valores próximo à média. O 1
quartil, que representa 25% dos dados, mostra que apenas valores abaixo de 0,03,
encontram-se nesta faixa. Enquanto que 75% dos dados, representados pelo 3
quartil, encontram-se abaixo de 0,30. Com esta informação temos a confirmação de
que os dados se concentrarem do lado da inclusão, próximo ao zero, indicando uma
situação intermediária, que pode pender tanto para inclusão quanto para exclusão.

Quadro 15 – Estatística das unidades de análise para EQ.

Unidade Média Desvio Assimetria Curtose 1 Quartil 3 Quartil

padrão
Pólo 0,15 0,23 -0,12 3,47 0,01 0,30
Pólo e MA 0,17 0,20 0,08 3,70 0,03 0,29
Pólo, MA e A 0,16 0,21 0,06 3,71 0,03 0,28
Pólo, MA, A e Md 0,16 0,21 0,06 3,71 0,03 0,28
Toda RMRJ 0,16 0,21 0,07 3,69 0,02 0,28
Gráfico 13 – Histogramas de distribuição do Índice de Equidade (EQ), por unidade de análise.

Pólo Pólo e Muito Alto Grau de Integração

Frequência da Distribuição do IEx Eqüidade (EQ) - Pólo Freqüência da Distribuição do IEx Eqüidade (EQ) - Pólo e Muito Alto

4000 7000

3500
6000

3000
5000

2500
Freqüência

4000
2000

3000
1500

1000 2000

500
1000

0
-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1 0
IEx EQ -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1

Pólo, Muito Alto e Alto Grau de Integração Pólo, Muito Alto, Alto e Médio Grau de
Integração
Freqüência da Distribuição do IEx Eqüidade (EQ) - Pólo, Muito Alto e Alto Freqüência da Distribuição do IEx Eqüidade (EQ) - Pólo, Muito Alto, Alto e Médio

8000 8000

7000 7000

6000 6000

5000 5000
Freqüência

Freqüência

4000 4000

3000 3000

2000 2000

1000 1000

0 0
-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1 -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1
IEx EQ IEx EQ

Toda RMRJ

Freqüência da Distribuição do IEx Eqüidade (EQ) - RMRJ

8000

7000

6000

5000
Freqüencia

4000

3000

2000

1000

0
-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1
IEx EQ

O Quadro 16 apresenta o agrupamento em grandes classes, de forma a obtermos a

variação entre as unidades de análise. Para EQ, verificamos que ocorre redução na
situação de inclusão à medida que ampliamos a área analisada, pela inserção dos
municípios por grau de integração. Assim, o município pólo apresenta melhores
condições de equidade. Verificamos que para esta variável ocorre uma suave redução
na quantidade de pessoas que se encontra em situação de alta inclusão. Enquanto
que a quantidade de pessoas em situação de exclusão apresenta pouca variação, com
exceção da unidade Pólo, que pode ter ocorrido pela quantidade de pessoas que se
encontram na área de transição, 18,90% com valor zero. As demais unidades de
análise apresentam valores entre 16% e 18% da população neste faixa. Mesmo assim,
mais de 77% da população encontra-se em situação de inclusão.

Quadro 16 - Percentual de dados negativos e positivos, e acima de 0,5 (indicação de alta inclusão), por
unidade de análise, para EQ.

Unidades de Análise < 0 (%) > 0 (%) Acima de 0,5 (%)

Pólo 4,09 77,01 32,47
Pólo e Muito Alto 2,22 81,20 32,85
Pólo, Muito Alto e Alto 2,39 79,77 31,15
Pólo, Muito Alto, Alto e Médio 2,42 79,56 30,86
Toda RMRJ 2,45 79,28 30,61
Pólo Pólo e Muito Alto Grau de Inteegração

Pólo, Muito Alto e Alto Grau de

e Integração Pólo, Muito Alto, Alto e Médio
o Grau de
Integ
gração

Toda RMRJ

Figurra 12 – Setore
es censitários – Equidade (E
EQ), por unida
ade de análise
e.
Inclusão/Exclusão Social

Como pode ser observado nas figuras de exclusão/inclusão (IEx EXC/INC) para cada
unidade de análise, podemos perceber que há uma tendência de concentração de
valores próximos de zero, o que indica tendência à inclusão. Esta informação é
corroborada pela análise dos histogramas, como pode ser visto no Quadro 17.

Podemos notar que há um comportamento comum em todas as unidades, e que

apesar de suas diferenças socioeconômicas, elas são muito semelhantes. As médias
concentram-se acima de zero, mas próximas a ele, com maior valor 0,42 e menor
valor 0,39, região que indica tendência à inclusão. O desvio padrão variou muito pouco
para as unidades, mostrando que a alteração entre os valores analisados independe,
neste caso, do tamanho da unidade de análise. A assimetria negativa para todas as
unidades indica uma tendência de concentração dos valores à direita do gráfico, o que
mostra inclusão, mas os valores são baixos, e que apesar de haver indicação de
inclusão, esta pode ser incipiente. Os valores de curtose variam pouco entre as
unidades, e são maiores que zero. Assim, as funções que caracterizam a distribuição
são leptocúrticas, reforçando o fato da concentração dos valores próximo à média. O
1 quartil, que representa 25% dos dados, mostra que apenas valores abaixo de 0,26,
encontram-se nesta faixa. Enquanto que 75% dos dados, representados pelo 3
quartil, encontram-se abaixo de 0,62. Com esta informação temos a confirmação de
que os dados se concentrarem do lado da inclusão.

Quadro 17 – Estatística das unidades de análise para IEx EXC/INC.

Unidade Média Desvio Assimetria Curtose 1 Quartil 3 Quartil

padrão
Pólo 0,39 0,28 -0,79 3,25 0,22 0,60
Pólo e MA 0,40 0,25 -0,49 2,93 0,23 0,60
Pólo, MA e A 0,39 0,26 -0,51 3,04 0,22 0,59
Pólo, MA, A e Md 0,39 0,26 -0,51 3,04 0,22 0,59
Toda RMRJ 0,42 0,25 -0,57 3,19 0,26 0,62
Gráfico 14 – Histogramas de distribuição do Índice de Exclusão/Inclusão Social (IEx EXC/INC), por
unidade de análise.

Pólo Pólo e Muito Alto Grau de Integração

Frequência da Distribuição do IEx de Exclusão/Inclusão Social (Exc/Inc) - Pólo Freqüência da Distribuição do IEx de Exclusão/Inclusão Social (Exc/Inc) - Pólo e Muito Alto

3500 5000

4500
3000

4000

2500
3500

3000
2000
Freqüência

Freqüência
2500

1500
2000

1500
1000

1000

500
500

0 0
-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1 -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1
IEx Exc/Inc IEx Exc/Inc

Pólo, Muito Alto e Alto Grau de Integração Pólo, Muito Alto, Alto e Médio Grau de
Integração
Freqüência da Distribuição do IEx de Exclusão/Inclusão Social (Exc/Inc) - Pólo, Muito Alto e Freqüência da Distribuição do IEx de Exclusão/Inclusão Social (Exc/Inc) - Pólo, Muito Alto, Alto
Alto e Médio

6000 6000

5000 5000

4000 4000
Freqüência

Freqüência

3000 3000

2000 2000

1000 1000

0 0
-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1 -1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1
IEx Exc/Inc IEx Exc/Inc

Toda RMRJ

Freqüência da Distribuição do IEx de Exclusão/Inclusão Social (Exc/Inc) - RMRJ

6000

5000

4000
Freqüencia

3000

2000

1000

0
-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1
IEx Exc/Inc
O Quadro 18 apresenta o agrupamento em grandes classes, de forma a obtermos a
variação entre as unidades de análise. Para IEx EXC/INC, verificamos que a variação
entre as unidades de análise é muito pequena, e não apresenta nenhum padrão de
comportamento. É interessante notar que todas as unidades de análise apresentam
mais de 89% da população em situação de inclusão, e mais de 72% em situação de
alta inclusão, acima de 0,5. Desta forma, mesmo com a ampliação da área de análise,
a maior parte da população da RMRJ encontra-se em situação de inclusão social.

Quadro 18 - Percentual de dados negativos e positivos, e acima de 0,5 (indicação de alta inclusão), por
unidade de análise, para IEx EXC/INC.

Unidades de Análise < 0 (%) > 0 (%) Acima de 0,5 (%)

Pólo 2,38 89,36 72,37
Pólo e Muito Alto 0,76 93,92 73,74
Pólo, Muito Alto e Alto 1,15 92,26 71,03
Pólo, Muito Alto, Alto e Médio 1,17 92,31 71,06
Toda RMRJ 1,27 94,52 75,90

   
Pólo Pólo e Muito Alto Grau de Inteegração

Pólo, Muito Alto e Alto Grau de

e Integração Pólo, Muito Alto, Alto e Médio
o Grau de
Integ
gração

Toda RMRJ

Figurra 13 – Setorres censitários

s – Índice de clusão Social (IEx EXC/IN C), por unida
e Exclusão/Inc ade de
análisse.
Perfiil Socioeco
onômico

Os d
dados de pe
erfil socioec
conômico fo
oram calculados para uma distânncia de 68 km a
partirr do centro social, em intervalos d
de 1km (Fig
gura 14), ab
brangendo ttoda a RMR
RJ em
situa
ação urbana
a (segundo IBGE, 2002
2).

Figurra 14 – Anéis concêntricos

c para
p a RMRJ a partir do Ce
entro Social. O número 1 inndica o primeirro anel
e o nú
úmero 68 o últtimo, sendo a largura de ca
ada anel igual a 1 km.

Os d
dados obtid
dos por estte tipo de análise mo
ostram que a densidaade populac
cional
dimin
nui quando nos afasta
amos do ce ntro social. Conforme já citado, a maior parrte da
popu
ulação da RMRJ
R encon
ntra-se no m
município pólo,
p o perfil representaado pelo Gráfico
15 ilu
ustra esta afirmação.
a

mportamento comum para a maioria dos centros

Este é um com c urbaanos no mundo
m
(Berttaud & Malpezzi,
M 2003),
2 poi s próxima
a às regiõ
ões centraais enconttra-se
infrae
estrutura, equipamento
e os urbanos , serviços dentre
d outra
as facilidadees. Assim, torna-
t
se co
omum, na maioria
m dos
s centros u rbanos, que
e a maior parte
p da poopulação bu
usque
se lo
ocalizar nesstas regiões, para que
e ela possa
a ter acess
so a estas benfeitorias. As
cidad
des brasileiras não sã
ão diferente
es, como mostra
m Ribe
eiro (2011),, ao analisar 13
capittais naciona
ais, onde apenas
a Brassília difere deste comportamentoo, em funçã
ão de
seu p
projeto urba
anístico e do tombame
ento do centtro da capita
al do país.
Gráfico 15 – Variação da densidade populacional à medida que se afasta do centro social, para a RMRJ.

Relação entre a densidade populacional e o afastamento ao Centro Social

200

180

160
Densidade Populacional (pop/ha)

140

120

100

80

60

40

20

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67
Distância ao Centro Social (km)

A exclusão social nos centros urbanos é um fenômeno comum. Autores como Sposati
(2000a), Genovez (2002), Koga (2003), dentre outros, têm mostrado que essa
exclusão está relacionada, também, à configuração do espaço urbano. Os centros
urbanos brasileiros separam claramente as classes socioeconômicas, onde nas áreas
com maior acesso à infraestrutura e serviços se localizam classes mais altas, nas
áreas mais desprovidas se encontram as classes mais baixas. Espacialmente, as
primeiras tendem a se localizar no centro ou próxima a esse, e as últimas em áreas
periféricas ao centro.

Os resultados obtidos, pelo método do perfil socioeconômico, são apresentados no

Gráfico 16 de a) a e).
Gráfico 16 – Variação dos índices de exclusão social à medida que se afasta do centro social. a)
Autonomia de Renda dos Chefes de Família; b) Desenvolvimento Humano; c) Qualidade de Vida; d)
Eqüidade; e e) Exclusão/Inclusão Social.

a) b)
Relação entre a Autonomia de Renda dos Chefes de Família (ARCF) e o afastamento do Centro Relação entre o Desenvolvimento Humano (DH) e o afastamento do Centro Social
Social
1,00
1,00

0,80
0,80

0,60
0,60

0,40
0,40

0,20
0,20

IEx DH
IEx ARCF

0,00
0,00 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67

-0,20
-0,20

-0,40
-0,40

-0,60 -0,60

-0,80 -0,80

-1,00 -1,00
Distância ao Centro Social (km) Distância ao Centro Social (km)

c) d)
Relação entre a Qualidade de Vida (QV) e o afastamento do Centro Social Relação entre Eqüidade (EQ) e o afastamento do Centro Social

1,00 1,00

0,80 0,80

0,60 0,60

0,40 0,40

0,20 0,20
IEx EQ
IEx QV

0,00 0,00
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67

-0,20 -0,20

-0,40 -0,40

-0,60 -0,60

-0,80 -0,80

-1,00 -1,00
Distância ao Centro Social (km) Distância ao Centro Social (km)

Relação entre o Índice de Exlusão/Inclusão Social (IEx Exc/Inc) e o afastamento do Centro

Social

1,00

0,80

0,60

0,40

0,20
IEx Exc/Inc

0,00
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67

-0,20

-0,40

-0,60

-0,80

-1,00
Distância ao Centro Social (km)
e)
Para melhor compreensão das relações das distribuições dos índices de exclusão
social à medida que nos afastamos do centro social, foram realizadas correlações
conforme Quadro 19.

Quadro 19 - Correlações entre os índice de densidade populacional, consumo de terra integração e os

índices de exclusão e inclusão social e entre a distância ao CBD e os índices de exclusão e inclusão
social.

Correlações
Distância do Centro Social e Densidade Populacional (hab/ha) -0,633
Distância do Centro Social e Autonomia de Renda dos Chefes de Família -0,790
Distância do Centro Social e Desenvolvimento Humano -0,722
Distância do Centro Social e Qualidade de Vida -0,032
Distância do Centro Social e Eqüidade -0,863
Distância do Centro Social e Exclusão/Inclusão Social -0,768

A análise dos índices socioeconômicos de exclusão/inclusão social em relação à

distância do centro social mostrou que quanto mais distante deste, piores são as
condições da população. Todas as correlações foram negativas, indicando que
quando uma variável aumenta a outra diminui, assim, com o aumento da distância do
centro social ocorre redução dos índices estudos, o que nos mostra que a situação de
exclusão piora quanto mais distante do centro social.

Os índices que mostraram maior correlação com a distância foram o de Autonomia de

Renda dos Chefes de Família, com -0,790, e o de Equidade, -0,863. Estes índices
expressam a precariedade de condição de sobrevivência da população. Quanto mais
distante do centro social menor é a renda do chefe de família. A distribuição do Índice
de Equidade, que trata da relação de mulheres chefes de família e mulheres
analfabetas chefes de família, mostrou que a situação de equidade se reduz com o
aumento da distância. O valor alto da correlação mostra que a desigualdade entre
chefes de família mulheres e homens se acentua com a distância.

O Índice de Desenvolvimento Humano é gerado a partir, principalmente, das

condições de escolaridade. Assim, quanto mais distante, mais pobre é a população e
menos condições de escolaridade ela tem, uma vez que a necessidade de
sobrevivência faz com que a busca por sustento seja prioritária à educação.

O índice de qualidade de vida apesar de ter mostrado uma queda com a distância ao
CBD, o resultado da correlação, -0,032, mostrou que ocorre uma dispersão da
qualidade de vida por toda a RMRJ. Como este índice é baseado, em parte, nas
condições de abastecimento de água, coleta de esgoto e tratamento de lixo, isto faz
com que haja uma redução da exclusão, uma vez que, segundo o IBGE (2001),
87,23% da população da RMRJ é atendida por rede geral de água, 66,16% por rede
de esgoto e 92,24% da população tem seu lixo coletado. O restante deste índice é
composto pelas condições de moradia: propriedade domiciliar, conforto sanitário
(banheiro por domicílio) e habitação precária. Com a renda da população diminui com
o aumento da distância, as condições de qualidade de moradia também são
reduzidas. Como parte da população habita em sistemas de favelas, em sua maioria,
não tem condições financeiras para investimento nas moradias. Assim, apesar de se
ter boas condições de abastecimento de água, coleta de esgoto e de lixo, a população
habita em condições precárias, uma vez que a renda não permite melhoria das
habitações.

Por fim o Índice de Exclusão/Inclusão Social mostrou forte correlação com a distância
ao CBD (-0,768), indicando que a exclusão da população periférica em relação ao
centro social da RMRJ é alta. Isto se deve à forma de ocupação histórica do espaço
urbano da RMRJ, onde se gerou um centro socioeconômico altamente concentrado
cercado por uma população desejosa de participar desta região, mas sem condições
para tal, obrigando-a a se localizar em áreas mais afastadas e com menores
condições sociais.

Considerações Finais

Agir sistemática e rigorosamente sobre o espaço urbano implica o desenvolvimento,

utilização e explicitação de conhecimento qualitativo e quantitativo sobre ele – sem
estes, as políticas de intervenção continuarão uma “caixa-preta”, avessa a uma gestão
mais democrática de cidade. Uma das principais formas de compreensão e análise da
cidade é por meio de índices espaciais, que revelam a espacialização de diversas
questões ou problemas urbanos, além de revelarem relações, diferenciações,
hierarquias, entre áreas vizinhas, essenciais para compreender o contexto urbano
maior.

Podemos ressaltar que o método estatístico mostrou-se eficiente na eliminação das

áreas discrepantes (muito grandes), sem se perder a relação e proporcionalidade
entre a população e os setores urbanos. Assim, o cálculo de dispersão ficou mais
preciso e representativo da realidade urbana de cada região metropolitana.

Ocorreu redução de dispersão entre 2000 e 2010 em onze regiões metropolitanas, o

que caracteriza não apenas um crescimento populacional, mas que a concentração da
população se deslocou para perto do centro. Isto causado por criação de novas
urbanas, ocupação irregular de espaços vazios urbanos.

De forma geral, a utilização do índice de dispersão permitiu importantes reflexões a

respeito da estruturação urbana. O índice utilizado possibilitou afirmar que as cidades
brasileiras são fortemente dependentes do sistema viário disperso que sobremaneira
onera o transporte público, e que está relacionado à segregação espacial da
população. Mesmo que a redução da dispersão e a população mais pobre se
localização mais próxima ao centro, o custo de transporte ainda é o maior peso dentro
do orçamento dessas famílias.

O distanciamento do CBD também implica aumento de custo em infraestrutura, pois as

cidades e os novos assentamentos, cada vez mais distantes, fazem com que seja
necessária a estruturação de longas redes, o que eleva seu custo para a população e
para o governo. Dada a vasta e ociosa infraestrutura disponível, passando
frequentemente por enormes descontinuidades urbanas. É importante relatar que no
período que compõe nosso estudo o fenômeno de condomínio de média e alta renda,
distantes do centro, teve um crescimento muito grande, caracterizando grandes áreas
com baixa densidade populacional.

Outro elemento importante de nossa pesquisa foi constatar que a população abaixo de
linha de pobreza localiza-se próxima ao centro, ao contrário do que se previa. Esse
fato ocorre possivelmente em função da necessidade de proximidade de empregos e
serviços e acesso a equipamentos urbanos. Muitas vezes essa proximidade se dá em
ocupações irregulares e em áreas de risco ambiental.

O processo que mais tomou tempo neste trabalho foi justamente a padronização da
informação espacial. A escolha dos setores censitários do IBGE se deu em função de
ser uma base oficial, disponível, atualizada a cada 10 anos e com metodologia
validada de levantamento. Mas, mesmo os setores, apresentam problemas, pois a
cada censo sua configuração muda, o que, em princípio, limitaria o acompanhamento
temporal da evolução urbana. Mesmo assim, essa unidade espacial apresenta as
vantagens citadas que favorecem seu uso para estudos urbanos.

Infelizmente o IBGE ainda não conseguiu desenvolver bases censitárias que a cada
censo continuem sendo compatíveis, e esta é a nossa maior crítica, apesar do
levantamento censitário ser de grande valia e apresentar uma quantidade elevada de
variáveis, a espacialização fica muito prejudicada quando tratamos de estudos
comparativos. A etapa que mais ocupou tempo nesta pesquisa foi justamente a
compatibilização das bases censitárias espaciais do censo de 2000 e 2010, que
mesmo com todo esforço realizado, ainda apresentaram pequenas distorções, mas
que para os fins de nossa pesquisa são perfeitamente aceitáveis.

Outro fator limitante de nossa pesquisa foi o atraso na divulgação dos dados do Censo
de 2010, que inicialmente estava previsto para outubro de 2011, compatível com
nosso cronograma, chegávamos a março de 2012 sem os dados necessários para o
cálculo do índice de exclusão/inclusão social.

O Índice de Exclusão/Inclusão Social seria outro elemento de grande importância para

a composição deste trabalho. A escolha desse índice partiu da premissa que ele pode
ser atualizado a cada levantamento censitário, o que o torna um índice dinâmico ao
acompanhar as mudanças socioeconômicas da população. A maioria dos índices
socioeconômicos não tem atualização periódica e dependem de levantamentos
municipais ou estaduais, que em muitos casos não seguem um padrão a cada
levantamento, isso impossibilita o seu acompanhamento contínuo. Mas, como
relatado, infelizmente ainda não pudemos utilizá-lo devido ao atraso na divulgação dos
dados. De toda forma, apresentamos o exemplo do índice para a RM do Rio de
Janeiro, e que pretendemos aplicar para as demais RMs assim que o IBGE
disponibilizar os dados.

Faremos aqui breves comentários sobre a exclusão social da RM do Rio de Janeiro,

como exemplo escolhido para demonstração do índice. Como diversos autores já
mostraram, na maioria dos centros urbanos ou metrópoles, as melhores condições de
vida se encontram próximas ao centro social, e ocorre uma redução destas condições
à medida que nos afastamos deste centro. A RMRJ não é diferente. A análise dos três
grandes índices mostra claramente que no município pólo a qualidade de vida e o
processo de inclusão social é melhor do que nos outros municípios que compõem a
região metropolitana.

Apesar da existência de diversas favelas no município pólo, estas estão muito

próximas à áreas de alta inclusão social, o que pode gerar, mesmo que de forma
distorcida e até mesmo perversa, melhores condições de vida e acesso a melhores
infraestrutura, equipamentos e serviços do que a população que vive nos outros
municípios da RMRJ.

Assim, uma análise feita por bairros do município pólo poderá revelar a discrepância
social existente no mesmo. O que poderá ser feita em trabalhos futuros.
O estudo sobre a exclusão/inclusão social contribui para a discussão sobre como
melhorar a compreensão de índices urbanos, analisando-os de forma espacial. A
compreensão acurada do espaço urbano influencia diretamente nos meios de
intervenção para melhoria e redução de desigualdades. Ainda que nosso trabalho
apresente uma visão descritiva, ele revela, de forma clara, a relação entre os
municípios de compõem a RMRJ, e a forma como a população ocupa e se distribui por
este espaço. A interpretação dos resultados para cada área urbana deve ser feita
baseada no seu processo histórico de formação. Assim, a continuidade deste estudo
se faz necessária, com o acréscimo de mais este elemento de análise.

A mensuração de características da cidade não deve ser encarada com um processo

cansativo, irreal e que só tem interesse para estatísticos. Devemos buscar mudar essa
mentalidade, de forma que os estudiosos, planejadores e gestores urbanos tenham
nesse ferramental um auxílio na tomada de decisões. Como já dito, o conhecimento da
espacialização de problemas urbanos é essencial para o direcionamento correto de
diversos tipos de provimentos e para uma gestão mais eficiente e que venha a
atender, de fato, as demandas prioritárias da população.

O método aqui proposto permite maior transparência às ações governamentais e o

acompanhamento das transformações causadas por essas ações. Isso torna o
processo de gestão urbana mais democrático. Com o desenvolvimento tecnológico, os
SIG tornam-se mais acessíveis, com o uso cada vez mais disseminado da internet, os
webgis ou SIG interativos on-line, podem tornar-se ferramentas poderosas de
disseminação e acompanhamento das ações dos governos.

Assim, a depender das condições políticas, a população pode ser mais facilmente
incluída no processo de tomada de decisões a respeito do espaço onde vive. Seria
possível termos uma posição da comunidade sobre as prioridades para a resolução
dos problemas, escolhendo, p.ex., entre as alternativas: investir mais em educação,
saneamento ou arborização urbana para reduzir o desconforto térmico? Melhorar o
transporte público para minorar os efeitos de distância ao trabalho? Criar empregos no
local (por estranho que pareça, algumas comunidades preferem viver em vizinhanças
exclusivamente residenciais)? Essas nuances poderiam ser identificadas com maior
clareza e o atendimento à população seria mais pontual e efetivo.
BIBLIOGRAFIA

BERTAUD, A. & MALPEZZI, S., The Spatial Distribution of Population in 35 World

Cities: The Role of Markets, Planning and Topography, Madison, Wisconsin, EUA,
1999. Disponível em: <http://www.bus.wisc.edu/realestate/pdf/pdf/
Bertaud%20and%20Malpezzi%20Part%20One.pdf>. Acesso em: 27/09/2010.

BERTAUD, A. & MALPEZZI, S., The Spatial Distribution of Population in 48 World

Cities: Implications for Economies in Transition. Madison, Wisconsin, EUA, 2003
Disponível em:
<http://www.bus.wisc.edu/realestate/pdf/pdf/Complete%20Spatial%20Distribution%20o
f%20Population%20in%2050%20World%20Ci.pdf>. Acessado em: 25/04/2010.

BESSIS, S. From social exclusion to social cohesion: towards a policy agenda.

Paris, France, UNESCO Management of Social Transformations Policy Paper – 2,
1995. In: GENOVEZ, P. C, Território e Desigualdades: Análise Espacial Intraurbana no
Estudo da Dinâmica de Exclusão/Inclusão Social no Espaço Urbano em São José dos
Campos – SP, Dissertação de Mestrado, Instituto Nacional de Pesquisas Espaciais,
INPE, São José dos Campos, SP, 2002. Disponível em:
<http://www.dpi.inpe.br/teses/genovez.htm>. Acesso em: 20/10/2003.

CLARK, David. Introdução à Geografia Urbana. São Paulo: Difel-Difusão Editorial,

1985.

COSTA, S. M. F & SILVA, D. C., Caracterização da Dispersão Residencial (Urban

Sprawl) Utilizando Geotecnologias, In: XIII Simpósio Brasileiro de Sensoriamento
Remoto, Anais, Florianópolis, Brasil, 21-26 abril 2007.

DUPAS, G. Economia Global e Exclusão Social – Pobreza, Emprego, Estado e o

Futuro do Capitalismo, 1999. In: GENOVEZ, P. C, Território e Desigualdades:
Análise Espacial Intraurbana no Estudo da Dinâmica de Exclusão/Inclusão Social no
Espaço Urbano em São José dos Campos – SP, Dissertação de Mestrado, Instituto
Nacional de Pesquisas Espaciais, INPE, São José dos Campos, SP, 2002. Disponível
em: <http://www.dpi.inpe.br/teses/genovez.htm>. Acesso em: 20/10/2003.

GENOVEZ, P. C, Território e Desigualdades: Análise Espacial Intraurbana no

Estudo da Dinâmica de Exclusão/Inclusão Social no Espaço Urbano em São
José dos Campos – SP, Dissertação de Mestrado, Instituto Nacional de Pesquisas
Espaciais, INPE, São José dos Campos, SP, 2002. Disponível em:
<http://www.dpi.inpe.br/teses/genovez.htm>. Acesso em: 20/10/2003.

GENOVEZ, P. C., CAETANO, N. R. & ESTRADA, R. D., Análise Espacial e

Estatística da Metodologia de Construção do Índice de Exclusão/Inclusão Social:
Relativo à Área Urbana de São José dos Campos – SP (Censo IBGE 1991), São
José dos Campos, SP, Instituto Nacional de Pesquisas Espaciais, INPE, 2000.
Disponível em <http://www.dpi.inpe.br/geopro/exclusao>. Acesso em: 20/10/2003.

HASSE, J. & LATHROP, R. G., A Housing-Unit-Level Approach to Characterizing

Residential Sprawl. Photogrammetric Engineering and Remote Sensing, V.69, n. 9,
p.1021 – 1030, 2003. In: COSTA, S. M. F & SILVA, D. C., Caracterização da
Dispersão Residencial (Urban Sprawl) Utilizando Geotecnologias, In: XIII Simpósio
Brasileiro de Sensoriamento Remoto, Anais, Florianópolis, Brasil, 21-26 abril 2007.

HILLIER, B. & HANSON, J., The Social Logic of Space, Cambridge: Cambridge
University Press, 1984. In: HOLANDA, F., O Espaço de Exceção, Brasília, DF, Editora
Universidade de Brasília, 2002.

HILLIER, B. et al., Natural movement: or, configuration and attraction in urban

pedestrian movement, Environment and Planning B: London, England, Planning
and Design, vol. 20, pp. 29-66, 1993.

HOLANDA, F. (org.), Uma Ponte Para a Urbanidade, in: Arquitetura & Urbanidade,
São Paulo, SP, ProEditores Associados Ltda, 2003.

HOLANDA, F. et al., Eccentric Brasilia, In: Space Syntax – III International

Symposium – Proceedings, A. Alfred Taubman College of Architecture and Urban
Planning, University of Michigan, Ann Arbor, pp. 531-538, 2001

HOLANDA, F., O Espaço de Exceção, Brasília, DF, Editora Universidade de Brasília,

2002.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA - IBGE, Disponível em:

<http://www.ibge.gov.br>. Acesso em: 05/07/2003; 03/12/2011.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA – IBGE, ESTATCART –

Sistema de Recuperação de Informações Georreferenciada, Rio de Janeiro, RJ,
IBGE, versão 1.1, CD-ROM, 2002.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA – IBGE. Censo
Demográfico de 2000. Características da População e dos Domicílios. Resultado
do Universo, Rio de Janeiro, RJ, IBGE, CD-ROM, 2001.

JANUZZI, P. M., Indicadores Sociais no Brasil – Conceitos, Fontes, de Dados e

Aplicações, Campinas, SP, 3ª. Ed., Alínea, 2004.

JENKS, M. & BURGESS, R., Compact Cities: Sustainable Urban Forms for
Developing Countries, London, England, Spon Press, 2000.

KILMURRAY, A. Beyond the Stereotypes, Social Exclusion, Social Inclusion,

Democratic Dialog, volume no 2, novembro, 1995. In: GENOVEZ, P. C, Território e
Desigualdades: Análise Espacial Intraurbana no Estudo da Dinâmica de
Exclusão/Inclusão Social no Espaço Urbano em São José dos Campos – SP,
Dissertação de Mestrado, Instituto Nacional de Pesquisas Espaciais, INPE, São José
dos Campos, SP, 2002. Disponível em: <http://www.dpi.inpe.br/teses/genovez.htm>.
Acesso em: 20/10/2003.

KOGA, D., Medida das Cidades Entre Territórios de Vida e Territórios Vividos.
São Paulo, SP, Cortez, 2003.

LAGO, L. C. O que há de novo na clássica núcleo-periferia: a metrópole do Rio de

Janeiro In: COSTA, S. M. F & SILVA, D. C., Caracterização da Dispersão
Residencial (Urban Sprawl) Utilizando Geotecnologias, In: XIII Simpósio Brasileiro
de Sensoriamento Remoto, Anais, Florianópolis, Brasil, 21-26 abril 2007.

LEVIN, J. & FOX, J. A., Estatística para Ciências Humanas, São Paulo, SP, 9 ed,
Prentice Hall, 2004.

LEVINE, D. N., STEPHAN, D., KREHBIEL, T. C. e BERENSON, M. L., Estatística –

Teoria e Aplicação Usando o Microsoft ® Excel em Português, Rio de Janeiro, RJ,
3ª. Ed, LTC, 2008.

MAXWELL, S. The Meaning and Measurement of Poverty, Poverty Briefing, Vol. 3,

London, ODI, 1999. In: GENOVEZ, P. C, Território e Desigualdades: Análise Espacial
Intraurbana no Estudo da Dinâmica de Exclusão/Inclusão Social no Espaço Urbano
em São José dos Campos – SP, Dissertação de Mestrado, Instituto Nacional de
Pesquisas Espaciais, INPE, São José dos Campos, SP, 2002. Disponível em:
<http://www.dpi.inpe.br/teses/genovez.htm>. Acesso em: 20/10/2003.
OJIMA, R., A Produção e o Consumo do Espaço nas Aglomerações Urbanas
Brasileiras: Desafios para uma Urbanização Sustentável, Caxambú, MG, ABEP,
Anais, XV Encontro Nacional de Estudos Populacionais, 2006. Disponível em:
<http://www.nepo.unicamp.br/vulnerabilidade/?navega=producoes&codigo=63>.
Acessado em: 19/10/2007.

OJIMA, R., Análise comparativa da dispersão urbana nas aglomerações urbanas

brasileiras: elementos teóricos e metodológicos para o planejamento urbano e
ambiental, Campinas, SP, Tese de Doutorado, Universidade Estadual de Campinas,
UNICAMP, Instituto de Filosofia e Ciências Humanas, 2007. Disponível em:
<http://libdigi.unicamp.br/document/?code=vtls000415361>. Acessado em:
02/01/2008.

PORTAL ACTION, Erros Cometidos nos Testes de Hipótese. Disponível em:

<http://www.portalaction.com.br>. Acessado em: 16/02/2012.

REIS, N. G. Notas sobre urbanização dispersa e novas formas de tecido urbano. São
Paulo: Via das Artes, 2006. In: COSTA, S. M. F & SILVA, D. C., Caracterização da
Dispersão Residencial (Urban Sprawl) Utilizando Geotecnologias, In: XIII
Simpósio Brasileiro de Sensoriamento Remoto, Anais, Florianópolis, Brasil, 21-26 abril
2007.

RIBEIRO, R. J. C., Geotecnologia em Apoio à Aplicação de Instrumentos de

Política Urbana. Brasília, DF, Dissertação de Mestrado, Universidade de Brasília,
Faculdade de Arquitetura e Urbanismo, Programa de Pós-Graduação, 2003.

RIBEIRO, R. J. C., HOLANDA, F. R. B, Urban Morphology and Thermal Comfort in

the Cities, Delft, Holland, Proceedings, 5th International Space Syntax Symposium, pp.
355-363, 13-17 junho 2005.

RIBEIRO, R. J. C., HOLANDA, F. R. B., ROMERO, M. A. B., BAPTISTA, G. M. M.,

BIAS, E. S., O Perfil Urbano e o Comportamento Socioeconômico no DF, In:
Congresso Internacional em Planejamento e Gestão Ambiental, Brasília, DF, Anais,
CD-ROM, 2005.

RIBEIRO, R. J. C., Índice Composto de Qualidade de Vida Urbana – Aspectos de

Configuração espacial, Socioeconômicos e Ambientais Urbanos. Tese de
Doutorado. Universidade de Brasília, Faculdade de Arquitetura e Urbanismo,
Programa de Pós-Graduação, 2008.
Ribeiro, R., Holanda, F. Proposta para Análise do Índice de Dispersão Urbana.
Cadernos Metrópole (PUCSP), v. 15, p. 49-70. 2006.

SPOSATI, A., Cidade, Território, Exclusão/Inclusão Social, Congresso Internacional

de Geoinformação – GeoBrasil, 2000 a. In: GENOVEZ, P. C, Território e
Desigualdades: Análise Espacial Intraurbana no Estudo da Dinâmica de
Exclusão/Inclusão Social no Espaço Urbano em São José dos Campos – SP,
Dissertação de Mestrado, Instituto Nacional de Pesquisas Espaciais, INPE, São José
dos Campos, SP, 2002. Disponível em: <http://www.dpi.inpe.br/teses/genovez.htm>.
Acesso em: 20/10/2003.

SPOSATI, A., Mapa da Exclusão/Inclusão Social da cidade de São Paulo:

dinâmica social dos anos 90, São Paulo, SP, CDRom, 2000 b. In: GENOVEZ, P. C,
Território e Desigualdades: Análise Espacial Intraurbana no Estudo da Dinâmica de
Exclusão/Inclusão Social no Espaço Urbano em São José dos Campos – SP,
Dissertação de Mestrado, Instituto Nacional de Pesquisas Espaciais, INPE, São José
dos Campos, SP, 2002. Disponível em: <http://www.dpi.inpe.br/teses/genovez.htm>.
Acesso em: 20/10/2003.