AVALIAÇÃO ECONÔMICA DOS FUNDOS CONSTITUCIONAIS DE FINANCIAMENTO DO NORDESTE E DO NORTE (FNE E FNO)
|
|
- Luciano Figueira
- 5 Há anos
- Visualizações:
Transcrição
1 AVALIAÇÃO ECONÔMICA DOS FUNDOS CONSTITUCIONAIS DE FINANCIAMENTO DO NORDESTE E DO NORTE (FNE E FNO) Alexandre Manoel A. da Slva (IPEA) ** Gulherme Mendes Resende (IPEA) ** Raul da Mota S. Neto (PIMES/UFPE) *** Resumo O objetvo prncpal deste artgo é avalar a aplcação dos recursos do Fundo Consttuconal de Fnancamento do Nordeste (FNE) e do Fundo Consttuconal de Fnancamento do Norte (FNO), a partr das estmatvas de Propensty Score das frmas benefcadas com recursos desses fundos consttuconas e de um conjunto de frmas não-benefcadas por esses fundos.os resultados geras, presentes em todos os casos dos fundos avalados, dz respeto ao mpacto postvo sobre a taxa de varação do número de empregados e à ausênca de mpacto sobre a taxa de varação do saláro médo pago pelas frmas. Quando se consdera apenas mcro e pequenas frmas, na avalação da aplcação dos recursos desses dos fundos, é possível apontar um mpacto postvo sobre a taxa de varação do número de empregados de maor magntude que aquele já apontado quando todo o unverso de frmas é consderado. Palavras-chave: FNE, FNO, Propensty score, Emprego. Abstract The man goal of the paper s to evaluate Northeast and North Consttutonal Fnancng Fund s loans usng Propensty Score estmates of frms that have receved loans and of others that have not. The man results, showed n every evaluaton of the loans, ndcate a postve mpact on the growth rate of employee number and no mpact on the growth rate of wages pad from frms. When we consdered only mcro and small frms, t s possble to demonstrate a bgger (postve) mpact on the growth rate of employee number than that obtaned wth all frms sample. Keywords: FNE, FNO, Propensty score, Employment. Área ANPEC: Área 9 - Economa Regonal e Urbana Classfcação JEL: R58, R59. Este estudo é parte do projeto de avalação dos fundos consttuconas de fnancamento no convêno MI/ANPEC/IPEA. No decorrer do desenvolvmento deste estudo, vale destacar o excelente ambente de trabalho propcado pelos responsáves pela Secretara de Polítcas de Desenvolvmento Regonal do Mnstéro da Integração Naconal, no Banco da Amazôna e no Banco do Nordeste. Ademas, gostaríamos, também, de agradecer ao dretor da DIRUR/IPEA, Marcelo Pancastell, ao dretoradjunto, Aroudo Mota e ao coordenador, Alexandre Carvalho, pela estrutura técnca e pelos ncentvos fornecdos no desenvolvmento da pesqusa. ** Técnco de Planejamento e Pesqusa da Dretora de Estudos Regonas e Urbanos (DIRUR) do Insttuto de Pesqusa Econômca Aplcada IPEA. *** Professor do PIMES/UFPE e pesqusador do CNPq
2 1. Introdução Nos últmos anos, percebe-se uma elevação na rgdez orçamentára 1 e uma deteroração no volume de nvestmento públco 2, nesse sentdo tem sdo recorrente o clamor por uma melhor qualdade e por uma aplcação mas efcaz dos recursos públcos. No entanto, apesar da evolução técnca do Trbunal de Contas da Unão, órgão externo ao poder executvo federal e responsável pela avalação da efcáca dos recursos públcos federas, o governo federal contnua aplcando seus recursos sem a devda quantfcação de sua efcáca. No ntuto de avalar a efcáca da aplcação de uma parte dos recursos consttuconas nas regões menos desenvolvdas do país, este artgo apresenta e dscute os resultados obtdos na avalação da aplcação dos recursos do Fundo Consttuconal de Fnancamento do Nordeste (FNE) e do Fundo Consttuconal de Fnancamento do Norte (FNO), a partr das estmatvas de Propensty Score das frmas benefcadas com recursos desses fundos consttuconas e de um conjunto de frmas não-benefcadas por esses fundos. Na análse dos resultados obtdos, é mportante destacar os lmtes presentes na avalação, que estão vnculados tanto à natureza da avalação, como à sua própra operaconalzação. Nesse sentdo, cumpre ressaltar, prmero, que as estmatvas obtdas exploram uncamente a dmensão efcáca na avalação da aplcação dos recursos desses fundos, sto é, referem-se aos resultados econômcos dos fnancamentos, o que é feto através do cotejo entre o desempenho econômco das frmas na stuação de benefcadas com recursos dos fundos e o desempenho de frmas na stuação de não-benefcadas com esses recursos. Dessa forma, os resultados não contêm nformações dretas, por exemplo, a respeto da relação custo/benefíco do número de ocupações geradas pelas frmas benefcadas. Uma segunda qualfcação dz respeto ao unverso de frmas consderado neste estudo que, em vrtude da nexstênca de um conjunto de nformações sobre frmas não-benefcadas com o perfl das frmas benefcadas, fcou restrto às frmas benefcadas do setor formal. Em verdade, o conjunto de frmas benefcadas utlzadas na avalação fcou restrto àquelas efetvamente dentfcadas na RAIS (Relatóro Anual de Informações Socas) para os períodos analsados. Assm, prncpalmente por esse motvo, os resultados apresentados representam efetvamente uma avalação parcal da efcáca da aplcação dos recursos do FNE e do FNO. Essa últma qualfcação condconou a escolha das varáves de mpacto/desempenho da avalação, que fcaram restrtas à taxa de varação do número de empregados das frmas e à taxa de varação do saláro médo pago pelas frmas, varáves passíves de regstro e acompanhamento anual a partr da RAIS. Esta, contudo, é uma lmtação menos séra que aquela representada pelo unverso do setor formal, uma vez que são varáves que devem estar presentes quando os objetvos de aplcação dos recursos dreta ou ndretamente estão relaconados com a elevação da renda regonal. Embora séros, os lmtes apontados acma não descredencam a avalação levada a efeto neste artgo, que deve ser vsta como uma etapa absolutamente necessára da tarefa ponera e mprescndível de avalação da aplcação dos recursos dos fundos consttuconas de fnancamento regonal. Além desta ntrodução, o artgo está estruturado em mas quatro seções. Na próxma seção, é apresentada a metodologa utlzada na obtenção das estmatvas do mpacto dos fnancamentos, o que é feto a partr da contextualzação dos fundos consttuconas de fnancamento dentro do problema geral de avalação de mpactos de polítcas públcas. Na tercera seção, são apresentados os resultados das estmatvas do mpacto da aplcação dos recursos do FNE sobre as frmas benefcadas a partr de suas taxas de crescmento do emprego e dos saláros pagos. Essas varáves são tomadas como referêncas para a avalação da polítca para as frmas no período Além desses resultados, por representarem 1 Segundo estudo técnco do MP/SOF (2003), em 1997, as despesas de lvre alocação (dscrconáras) da Unão representavam aproxmadamente 22%, enquanto que, em 2003, somente cerca de 11% das despesas da Unão eram dscrconáras. 2 Conforme os dados do MF/STN, em dezembro de 1998, acumulado em 12 meses, o nvestmento do setor públco consoldado fo de 4,22% do PIB, enquanto que, em dezembro de 2004, esse nvestmento fo de 3,54% do PIB. 3 Cabe salentar que o período de análse utlzado para o FNE esteve condconado a dsponbldade do fornecmento, pelo Banco do Nordeste, dos dados das empresas tomadoras de empréstmo. Uma avalação para um período mas recente do FNE, qual seja, , já está sendo acordada no âmbto do convêno MI/ANPEC/IPEA. Desse modo, em posteror estudo, a avalação do FNE compreenderá o mesmo período analsado, neste relatóro, para o FNO. 1
3 sub-grupos de nteresse específco do FNE, estmatvas adconas são obtdas para os sub-grupos de frmas do setor ndustral e de frmas de mcro e pequenos portes (até 49 empregados). Os resultados das estmatvas do mpacto das aplcações dos recursos do FNO sobre as frmas benefcadas, a partr das duas varáves consderadas no caso do FNE, são apresentados na quarta seção. Os resultados referem-se ao período e, de gual forma ao efetvado no caso do FNE, são fornecdas evdêncas para os dos grupos específcos compostos por mcro e pequenas frmas e por frmas do setor ndustral. Na qunta seção, apresentam-se as conclusões com respeto aos resultados da avalação, na qual também é feta uma comparação entre os resultados obtdos na avalação do FNE e do FNO. 2. O Problema da Avalação de Impacto de Polítcas e os Fundos Consttuconas de Fnancamento Regonal A questão da avalação do mpacto da aplcação dos recursos do FNE e do FNO sobre as frmas benefcadas deve ser vsta dentro da problemátca geral de avalação dos mpactos de polítcas públcas. Nessas stuações, de forma geral, as dfculdades dervam da mpossbldade da observação do ndvíduo/frma em stuações ou estados dferentes, benefcado e não benefcado pela polítca, mas nunca nos dos smultaneamente. Ou seja, as técncas tentam resolver o problema de avalação sob nsufcênca de nformações a respeto dos benefcados. Para uma rápda formalzação desta stuação, consdere-se uma ndvíduo/frma, uma varável de avalação de mpacto Y (crescmento do emprego, por exemplo) e os dos estados possíves, 1 para a stuação de ter sdo benefcado e 0 para a stuação de não ter sdo benefcado. Com D = 1 ndcando o prmero estado (ex. frma fnancada pelo FNE) e D = 0, o estado alternatvo (ex. não-fnancada pelo FNE), o resultado observado para a varável de nteresse da polítca, Y da frma/ndvíduo pode ser representado por: Y = DY ( D) Y , (2.1) e o mpacto da polítca para o ndvíduo/frma e o médo da polítca sobre as frmas benefcadas poderam ser representados, respectvamente, por = Y 1 Y e = ( ) ( ) / 1 / 1 0 E D = = E Y1 Y0 D =, onde E(. /D = 1) refere-se ao valor esperado condconado à partcpação no fnancamento. Como não é possível observar as frmas/ndvíduos nas duas stuações, utlza-se nas avalações um grupo de ndvíduos que não recebeu o benefíco, grupo de controle, obtendo-se uma medda aproxmada do mpacto do benefíco sobre a varável consderada: E Y D = 1 E Y / D = 0 = E Y / D = 1 E Y / D = 1 + E Y / D = 1 E Y / D 0 ( 1 / ) ( 0 ) ( 1 ) ( 0 ) ( 0 ) ( 0 = ) = + E( Y D = 1) E( Y / D 0) (2.2) 0 / 0 = A últma dferença do lado dreto, dferença entre os valores esperados da varável quando da não partcpação no programa condconado aos dos estados, corresponde a uma medda do erro ao se utlzar o grupo de controle. Isto é, derva do fato de que a taxa de crescmento do emprego, por exemplo, das frmas do grupo de controle não corresponde àquela das benefcados caso não tvessem recebdo o fnancamento. Essa medda fornece, assm, um ndcador do vés de seleção ou partcpação na polítca, lgado ao fato de que a própra partcpação no fnancamento serve, em s, para dferencar as frmas (mas motvadas versus menos motvadas, por exemplo), já condconando os resultados do programa. A precsão e o grau de dentfcação do mpacto do programa sobre as frmas benefcadas,, depende, evdentemente, do tamanho do vés de seleção envolvdo na avalação. Essa magntude, por sua vez, está vnculada ao mecansmo de seleção do grupo de controle e as técncas de avalação utlzadas nesta tarefa. A alternatva à nexstênca de seleção aleatóra entre benefcados e não-benefcados, stuação que nexstra qualquer vés de seleção ou partcpação, mplca a utlzação de grupo de controle escolhdo de forma não aleatóra, como é o caso do presente estudo. 2.1 Expermento Socal Na lteratura de avalação de mpactos de polítcas, um expermento socal 4 corresponde à stuação em que a escolha entre frmas benefcadas e não-benefcadas pelo fnancamento é aleatóra, as frmas 4 Para um survey desta lteratura ver, por exemplo, Fredlander, Greenberg e Robns (1997). 2
4 pertencem a uma mesma população e, assm, o resultados da polítca não guarda relação com a dsposção a partcpar ou não da polítca. Formalmente, na ausênca de vés de partcpação ou seleção, ter-se-a E( Y / 1) ( / 0) 0 0 D = E Y0 D = =. Ou seja, em méda, não exstram dferenças entre o valor da varável de nteresse paras as frmas que não receberam o benefíco e o valor da varável de nteresse das frmas que o receberam, caso não tvessem recebdo o fnancamento. Nesse caso, podera ser prontamente estmado a da dferença entre os valores esperados para os dos grupos do mesmo unverso: = E( Y1 / D = 1) E( Y0 / D = 0). (2.3) 2.2 Grupo de Controle Não Aleatóro Na ausênca de um grupo de controle aleatóro, de forma geral, os ndvíduos/frmas do grupo de comparação são escolhdos segundo algumas característcas prevamente elegíves, predetermnadas, tdas como fundamentas para a dnâmca da varável fm do programa (crescmento do emprego, crescmento da renda, etc.). Adconalmente, são empregados dferentes estmadores na mensuração do mpacto dos programas nos benefcados, dependentes do conjunto de nformações dsponíves, da varável em análse e das hpóteses assumdas sobre a partcpação no programa de trenamento. Abaxo são apresentadas as estratégas utlzadas neste estudo Dferença das Médas sem Controle A estmatva do mpacto do programa sobre os benefcados através da dferença das médas da varável fm ou de nteresse assume, arbtraramente, que não exstem dferenças mportantes entre benefcados e grupo de controle em relação às característcas mportantes para explcação do comportamento da varável de nteresse. O mpacto do programa sobre os benefcados é estmado calculando-se a dferença entre as médas desta varável para os benefcados e grupo de controle, observando-se então a sua sgnfcânca estatístca (teste de dferenças de médas). Especfcamente, o mpacto do programa ( ) é aproxmado por : E( Y / 1) ( / 0) ( ) ( ) 1 D = E Y0 D = = E Yt E Yc, (2.4) em que refere-se a ndvíduos de cada grupo e Y t, Yc referem-se, respectvamente, aos valores da varável para ndvíduos dos grupos de benefcados e controle. Note-se (equação (2.2)) que tal assunção equvale, em verdade, a uma tentatva de replcar o expermento socal através de característcas semelhantes dos ndvíduos. Mesmo sob a suposção de que característcas mportantes das frmas para a varável de nteresse sejam aproxmadas entres os dos grupos, como a própra partcpação no programa já pode snalzar dferencações mportantes entre os ndvíduos dos grupos, dfclmente essa estmatva fornece um valor confável para o mpacto da polítca Matchng em Característcas Observáves Uma alternatva às dfculdades acma apontadas é a utlzação de um estmador de matchng, que, ao assumr que a seleção para o programa se dá apenas a partr de característcas observáves (gnorablty hypothess), de modo que frmas com tas característcas dêntcas tenham a mesma probabldade de partcpação, obtém o efeto do fnancamento consderando subgrupos de ndvíduos 6. Uma vez que as frmas com característcas observáves dêntcas ( X ) tenham a mesma probabldade de serem escolhdas para os grupos de fnancamento e de controle, o valor varável de nteresse (Y ), dadas as nformações em X, passa, para este grupo de frmas, a ser estatstcamente ndependente do estado. Formalmente, nessa stuação, tem-se ( Y,Y0 D )/ X (2.2), E( Y / X,D = ) = E( Y / X, D = 0) = 1 e assm, da equação, (2.5) 5 Não é dscutda, aqu, em partcular, a possbldade da utlzação do estmador de Mínmos Quadrados Ordnáros para obtenção de estmatvas do mpacto do programa sobre frmas benefcadas em função da restrção mposta pela necessdade da assunção de uma função específca (lnear) para relação entre as covaradas e a varável de nteresse. Veja-se, a respeto, Wooldrdge (2002). 6 Para uma dscussão detalhada deste estmador, ver Angrst e Krueger (1999). 3
5 em que o símbolo ndca ndependênca. Dessa forma, o mpacto do fnancamento sobre as frmas ( ) pode ser ncalmente calculado para as frmas com característcas observáves dêntcas, sto é, de acordo com a equação (2.2), é obtdo: z = E( Y1 / X,D = 1) E( Y0 / X, D = 0), (2.6) em que z, dado pela dferença entre as médas da varável de nteresse para benefcados e controles com mesmas característcas, corresponde ao mpacto médo do programa nas frmas com característcas X (dêntcas). O mpacto médo do programa nas frmas benefcadas pode, então, ser obtdo por meo de uma méda ponderada dos resultados para os dversos grupos, o que é feto tomando-se o valor esperado da equação (2.6) condconado à stuação em que D = 1: = E {[ E( Y / X,D = ) E( Y / X,D = 0) ] D = 1} = E{ D 1} z =. (2.7) Para o caso de varáves observáves (X) dscretas, o mpacto do programa pode ser representado pela soma ponderada das dferenças para cada grupo, em que os pesos são dados pela probabldade de um ndvíduo do grupo de trenamento possur as característcas X. Precsamente: = X Pr( X = X D = 1 ) (2.8) X Em suma, o mpacto do trenamento sobre a varável de nteresse (Y ) é dado pela soma ponderada das dferenças entre o valor médo dessa varável para benefcados e controles para cada grupo com característcas dêntcas, em que os pesos de cada dferença são dados pela dstrbução dos benefcados entre os grupos. Note-se, retornando à equação (2.2), que dadas as hpóteses aqu assumdas (grupos com característcas dêntcas), ao menos para cada grupo é possível obter uma estmatva para lvre do vés de seleção em característcas observáves. A dfculdade desse estmador resde, porém, na sua mplementação para um número muto grande de varáves X ou quando estas são contínuas Estmadores com matchng basedos no Propensty Score Os métodos de Propensty Score procuram sntetzar as nformações contdas nas varáves Z, que afetam a partcpação no programa de trenamento, por meo da estmação, condconada nessas varáves, da probabldade de pertencer ao grupo de trenamento (estmatva de propensty score).a déa é utlzar na equação (2.7) não as varáves X dretamente, mas as probabldades de partcpação de cada grupo dervadas delas. Esse procedmento resume as nformações contdas em X, fornecendo um crtéro únco de dstrbução dos ndvíduos entre os grupos. Para a aplcação do método é necessáro, porém, que as propredades estatístcas dos resultados para a varável de nteresse (Y ) em relação a D e X, acma assumdas, sejam váldas também quando, em vez de X, consdera-se Pr ( X ), probabldade de partcpação determnada pelas varáves X. Nesse sentdo, Rosenbaum e Rubn (1983) mostram que se ( Y1,Y0 D )/ X, então ( Y,Y0 D )/ Pr( X ) que Pr( X ) Pr( D = 1 ) = X. O que permte reescrever a equação (2.7) como: = E [ E( Y Pr( Z ), D = 1) E( Y / Pr( Z ), D = 0) ] { D 1} 1 / 0 =. (2.9) 1, em A obtenção de uma estmatva do mpacto do trenamento por meo da equação (2.9) é, assm, feta em dos estágos. O prmero procura estmar as probabldades de partcpações, sto é, o propensty score para os ndvíduos. Em seguda, esses são agrupados de acordo com essas probabldades. O resultado fnal representa uma soma ponderada das dferenças das médas das varáves de nteresse (Y ) para cada grupo, com os pesos dados pela partcpação dos benefcados em cada grupo. Dferentes métodos de matchng baseados nas estmatvas de propensty score podem ser dentfcados na lteratura empírca de avalação de mpacto de polítcas ou programas de trenamento (Deheja and Wahba, 2002; Becher and Ichno, 2002).Abaxo são consderados especfcamente os estmadores de matchng a partr de grupos ou estratos (Stratfcaton Matchng), de matchng a partr da vznhança mas próxma (Nearest Neghbor Matchng), de matchng a partr do rao de vznhança (Radus Matchng) e de matchng a partr de uma função densdade (Kernel Matchng). 4
6 Matchng a partr de Estratos O matchng a partr de estratos ou grupos consdera a comparação entre as médas da varável foco de nteresse (ex. crescmento do número de ocupações) dos benefcados e não-benefcados pela polítca públca em cada grupo ou estrato em que os ndvíduos dos dos grupos apresentam em méda a mesma estmatva de propensty score. O resultado fnal da avalação do mpacto da polítca é, então, dado pela méda ponderada dos resultados em cada estrato, com os pesos dados pela dstrbução dos benefcados em cada estrato. Formalmente, consdere-se a dstrbução de benefcados e não-benefcados pela polítca públca em m blocos ou estratos de forma que a méda das estmatvas de propensty score para os dos grupos não apresente dferença estatstcamente sgnfcante em cada estrato. Se Y é a varável de nteresse, o prmero passo é computar as dferenças de desempenhos entre os benefcados e não-benefcados dentro de cada estrato: B NB Y Y j S S ( e) j S ( e) e =... e = 1, 2,..., m (2.10) B NB Ne Ne B NB em que S(e) especfca o conjunto de ndvíduos do estrato e, Y e Y j correspondem aos resultados observados para os ndvíduos e j, respectvamente, dos grupos dos benefcados e não-benefcados (controle) no estrato e e N B e e N NB e correspondem aos respectvos números de ndvíduos nesse mesmo estrato. Nesse caso, o resultado fnal da avalação do mpacto da polítca públca ( S ) é, então, computado a partr de uma méda ponderada destes N resultados obtdos para os estratos: S = m S e N B e B (2.11) e= 1 N Matchng a partr do Vznho mas Próxmo (Nearest Neghbor Matchng) e Matchng a partr do Rao (Radus Matchng) Apesar de comparar ndvíduos com médas de probabldades de partcpações próxmas em cada grupo, o matchng a partr de estratos não garante a utlzação de todas as observações (ndvíduos) dsponíves, uma vez que é possível que benefcados ou ndvíduos do grupo de comparação estejam ausentes em alguns estratos. O matchng a partr do vznho(s) com estmatva de propensty score mas próxma representa, pos, uma alternatva, já que parte da comparação de cada benefcado pelo programa com o ndvíduo(s) do grupo de comparação (não-benefcado) com probabldade de partcpação mas próxma, sendo o resultado fnal da avalação do programa dado pela méda dos resultados das comparações a partr de cada benefcado. A partr das notações já utlzadas acma, V(), o conjunto de observações do grupo de comparação (não-benefcados) a ser comparado com o benefcado, pode ser representado por: V = mn p p, B.. (2.12) () j j em que B corresponde ao conjunto dos benefcados com a polítca públca. Note-se que a defnção do(s) vznho(s) a ser cotejado com cada observação do grupo de benefcado (conjuntos V() s) não obedece a nenhuma medda absoluta de dstânca em relação às estmatvas de propensty score dos benefcados. Neste sentdo, uma alternatva à utlzação dos vznhos mas próxmos é representada pelo matchng a partr do rao de vznhança (radus matchng). Tal procedmento, em verdade, apenas altera os conjuntos V() s que passam a ser defndos como: V () = { p j p p j < r}, B. (2.13) em que r representa um rao delmtando o valor máxmo das dstâncas. Para os dos casos, a avalação do mpacto da polítca (R V ) pode, então, ser obtdo a partr da méda das comparações para cada benefcado, especfcamente: () V 1 B NB = Y wjy j, (2.14) B N B j V 5
7 em que w j = 1/N NB NB e N correspondem ao número de observações do grupo de controle (nãobenefcados) utlzados para o match com a observação. Matchng a partr de uma Função Densdade (Kernel Matchng) A utlzação de um rao delmtando o conjunto de observações do grupo de controle (nãobenefcados) mplca, em geral, a utlzação de mas de uma observação deste grupo na comparação com cada frma ou ndvíduo benefcado pela polítca públca. O estmador de matchng a partr de uma função densdade ou Kernel Matchng representa, neste sentdo, uma amplação do unverso de comparação de cada benefcado na medda em que estes são, de níco, ndvdualmente cotejados com todas as observações do grupo de controle (não-benefcados), ponderadas estas pelas dstâncas de estmatvas de propensty score através de uma função densdade. Novamente, o resultado fnal do mpacto da polítca é obtdo a partr de uma méda das comparações efetvadas para os benefcados. Formalmente, consderando-se uma função kernel G(.) e um parâmetro para janela h, para cada observação de frmas ou ndvíduos benefcados pela polítca públca (cada B), de níco, é estmada NB a segunte méda ponderada dos resultados Y j observados (consderando-se todas as frmas ou ndvíduos do grupo de controle, sto é, todo j NB): NB p j p Y j G j NB h NB Y k =, B. (2.15) pl p G l NB h Fnalmente, nesse caso, a estmatva do mpacto da polítca (R K ) é obtda a partr da méda das dferenças B NB entre Y e Y k, sto é: K 1 B NB = [ Y ] Y B k (2.16) N B Deve estar claro, pos, que os estmadores que utlzam as estmatvas de propensty score de fato permtem soluconar o problema da execução do balanceamento (match) entre frmas/ndvíduos quando o número de varáves observáves é muto elevado. Não obstante, não opera sem lmtações; em partcular, é sempre mportante apontar que não solucona problemas relaconados com o potencal vés de partcpação dervado da nfluênca de varáves não-observáves. Além dsso, nem sempre há garantas antecpadas de exstênca de frmas/ndvíduos comparáves, mesmo quando a partcpação é condconada apenas em varáves observáves. 3. Fundo Consttuconal de Fnancamento do Nordeste - FNE O nteresse ncal é em conhecer ou obter nformações estatstcamente váldas a respeto do mpacto do FNE sobre as frmas benefcadas. Nessa dreção, os dados dsponíves possbltaram focar a avalação em duas varáves de nteresse medato do FNE: a taxa de varação do emprego e a taxa de varação dos saláros médos pagos pelas frmas. Note-se que a prmera varável corresponde a um objetvo explícto dos fnancamentos (geração de postos de trabalho), enquanto que a segunda, além da mportânca em s, já que corresponde à geração de renda ou valor agregado, representa uma boa proxy para mensurar mpactos sobre a produtvdade, outro objetvo explícto do FNE. Em vrtude de ganhos de produtvdade poderem mplcar perdas de emprego, ao menos no curto prazo, a consderação conjunta dessas duas varáves permte, adconalmente, uma avalação mas consstente da aplcação dos recursos do FNE. É mportante ressaltar os lmtes e abrangênca da avalação.nesse sentdo, note-se, prmero, que os fnancamentos avalados correspondem àqueles tomados pelas frmas no ano de 1995, ano a partr do qual as frmas foram acompanhadas, com novas evdêncas a respeto das dnâmcas das varáves foco de nteresse levantadas novamente para o ano de Tem-se, pos, para as duas varáves supramenconadas, o segunte período de avalação: Além dsso, a avalação restrnge-se, neste artgo, às empresas tomadoras dos recursos do fundo dentfcadas na RAIS de Por fm, em vrtude de maor prordade, além de evdêncas para todo o conjunto de frmas benefcadas dentfcadas na RAIS, foram obtdos dos conjuntos adconas de evdêncas para os sub-grupos de frmas do setor ndustral e de mcro e pequenas frmas. 6
8 3.1 O Impacto do FNE sobre as Frmas Benefcadas Amostras, Estratégas de Estmação e Estmatvas do Propensty Score As estmatvas apresentadas na próxma seção foram obtdas a partr de três dferentes amostras. Uma prmera amostra é consttuída pelas frmas benefcadas pelo FNE no ano de 1995 da regão Nordeste e que foram dentfcadas na RAIS deste mesmo ano. Das cerca de 1400 frmas benefcadas em 1995, fo possível dentfcar 240 frmas, das quas 16 foram excluídas por também receberem fnancamento no ano de 1998; assm, a amostra fnal de benefcadas é consttuída de 224 frmas da regão Nordeste do país. Do unverso de frmas da regão Nordeste presentes na RAIS em 1995 e que não receberam fnancamento do FNE em qualquer ano, duas outras amostras foram consderadas para o grupo de comparação ou controle: uma amostra consttuída de 1228 frmas com característcas semelhantes àquelas das frmas benefcadas 7. A consderação de uma amostra de frmas semelhantes àquelas fnancadas pelo FNE em 1995, de fato, representa um match ou balanceamento ncal entre os dos unversos (benefcadas e não benefcadas) e, embora não necessáro para os estmadores de propensty score, permte, em geral, um balanceamento ou semelhança entre frmas de um mesmo estrato (ou faxa de probabldade de ser benefcada) da estmação a partr de estratos para um conjunto maor de característcas ou varáves observadas. Além de estmatvas sem controle para a probabldade de benefcar-se pelo fnancamento pelo FNE, também na busca de robustez nas estmatvas, as evdêncas foram obtdas a partr de dos estmadores de propensty score dscutdos na seção anteror: o match ou comparação de desempenhos entre frmas benefcadas e não-benefcadas a partr de estratos e a comparação a partr da utlzação de um kernel, o que mplca a comparação de cada frma benefcada com todas as demas não-benefcadas a partr de pesos dados pela dstânca entre as estmatvas de propensty score da frma benefcada e das não-benefcadas. As estmatvas são bascamente levadas a efeto em duas etapas.na prmera, a partr de um modelo probt ou logt 8 e de característcas observáves das frmas, estma-se a probabldade de cada frma ser benefcada com recursos do FNE. Em uma segunda etapa, essas estmatvas são utlzadas para comparações ponderadas entre benefcadas e não-benefcadas pelo FNE. Na estmação a partr de estratos, esta segunda etapa consste no agrupamento de frmas em estratos em que benefcadas e nãobenefcadas, além de apresentarem estmatvas de probabldades próxmas, são dealmente ndstnguíves com respeto às varáves observadas e utlzadas na estmação 9. Na estmação com utlzação de um kernel, cada frma benefcada é comparada com demas não-benefcadas, numa comparação que é ponderada pela dstânca entre as estmatvas de propensty score. Uma descrção das varáves consderadas nas estmatvas e uma comparação das característcas de duas das amostras utlzadas são possíves a partr dos números presentes na tabela 3.1, a segur. A partr das evdêncas acma, com respeto ao perfl das frmas benefcadas com recursos do FNE em 1995, ao menos quatro característcas merecem destaques. Prmero, o grau de nstrução médo dos empregados dessas frmas stua-se preponderantemente entre a 5 a e 8 a sére completa. Segundo, em mas de 80% dos casos, as frmas benefcadas correspondem a mcro e pequenas frmas. Tercero, em mas da metade dos casos, as frmas benefcadas pertencem ao setor ndustral. Por fm, sobretudo para os estados de maor porte econômco, não há um balanceamento entre a dstrbução de frmas benefcadas e o número de frmas presentes nos estados; em partcular, ressalte-se a sub-representação dos estados de Pernambuco e Baha. Note-se que as característcas das frmas do grupo de controle apresentado são bastante próxmas àquelas da amostra de benefcadas, mesmo assm, anda permanecem sgnfcantes as dferenças na dstrbução das frmas entre o setor ndustral e entre os estados do Pauí, Pernambuco e Baha. Nas estmatvas das probabldades de ser benefcada com recursos do FNE (estmatvas de propensty score), dado o claro perfl das frmas benefcadas acma, é assumdo que o ncentvo ou a 7 As característcas e comparação entre as amostras são descrtas a segur. 8 Como no caso deste relatóro, as estmatvas em geral não são sensíves a utlzação alternatva de um dos dos modelos. 9 Tecncamente, a exgênca é que, dentro de cada estrato, a condção de ser benefcada ou não-benefcada pelo FNE seja ndependente das varáves observadas e consderadas na estmação. 7
9 orentação à partcpação como benefcado do FNE está vnculado a fatores de demanda ou orentação setoral (setores de atvdade) 10, a fatores locaconas (dstrbução entre os estados) e varáves com vínculos com a tecnologa utlzada pela frma benefcada (grau de nstrução e dade méda dos empregados, saláros médos e porte das frmas). Tabela 3.1 Característcas das frmas benefcadas pelo FNE e não-benefcadas consttuntes do grupo de controle -RAIS Ano de 1995 FNE formal RAIS Amostra Varáves Dstrbução pelo grau médo de nstrução (%) Até a 4 a sére ncompleta 12,11 11,57 4 a sére completa 14,35 13,53 5 a até 8 a sére ncompleta 26,46 27,63 8 a sére completa 25,11 24,04 2ºgrau ncompleto 10,31 15,32 2ºgrau completo ou mas* 11,66 7,91 Idade méda dos empregados (anos) 30,3 30,4 Dstrbução pelo número de empregados (%) Mcro e Pequeno Porte (até 49 empregados) 83,86 88,35 Médos e Grandes portes (mas de49 empregados) 16,14 11,65 Saláro médo em SM 1,90 1,68 Saláro médo em R$ de ,46 168,77 Dstrbução entre os setores (%) Agropecuára 12,50 13,53 Indústra* 58,33 49,14 Comérco* 14,58 24,29 Servços 14,58 13,04 Dstrbução entre os Estados do Nordeste (%) Maranhão 3,75 3,91 Pauí* 12,08 4,65 Ceará 23,75 18,83 Ro Grande do Norte 6,67 5,13 Paraíba 9,17 7,74 Pernambuco* 12,5 20,21 Alagoas 3,75 4,4 Sergpe 4,17 4,65 Baha* 24,17 30,48 Obs: Números de observações para as amostras do FNE e RAIS semelhantes são, respectvamente, de 224 e * ndca sgnfcânca estatístca a 5% para os testes de dferenças entre médas e entre proporções entre os dos grupos, o que mplca rejeção das correspondentes hpóteses nulas de que as médas ou proporções são guas. Formalmente, assumndo que o vetor de característcas X representa as característcas que condconam a partcpação da frma como benefcada com recursos do FNE e utlzando a notação da seção anteror, tem-se a segunte representação do modelo probt: Pr( D = 1 X ) = Φ( f ( X )), (3.1) em que, relembre-se, D = 1 corresponde a condção de benefcada, Φ representa a função de dstrbução normal acumulada (c.d.f) e f(x ) corresponde a uma especfcação ncal com todas as varáves presumvelmente mportantes para a condção de ser benefcada pelo FNE. 10 Anda que, entre as frmas presentes na RAIS, o fnancamento ao setor ndustral esperado, dada as prordades do FNE e a nformaldade do setor agrícola, o fnancamento ao setor não dexa, ao menos potencalmente, de se vncular à condções de demanda. 8
10 Na determnação da especfcação da função f(x ), com vstas ao controle para as nfluêncas do maor número de varáves observáves, parte-se da utlzação de todas as varáves que potencalmente afetam a condção de ser benefcada com recursos do FNE. O objetvo nesta etapa é obter, para todas as frmas, estmatvas de probabldades de serem benefcadas com recursos do FNE que permtam o agrupamento de frmas em estratos dentro dos quas não haja dferença estatstcamente sgnfcante entre as probabldades estmadas e entre as varáves presentes no vetor X para o grupo das frmas benefcadas e o grupo das frmas não-benefcadas. Nesta tarefa, é utlzada a extensão pscore.do do programa Stata 8.0 devda a Becher e Ichno (2002). Na tabela 3.2, apresentam-se estmatvas do modelo probt dos coefcentes das varáves consderadas para o caso da utlzação da amostra com grupo de controle (RAIS não-benefcadas) composto de frmas semelhantes. Fo possível a defnção de estratos (cnco), nos quas obteve-se o pleno balanço entre todas as varáves (das frmas benefcadas e das não-benefcadas) possíves de serem ncluídas nas estmatvas (nclundo a estmatva de propensty score). Tabela Estmatvas para a probabldade de ser Benefcado pelo FNE Modelo Probt para a estmatva do Propensty Score Coefcente P value Até 4 a sére do 1 o Grau -0,1335 0,443 5 a sére até 2 o grau ncompleto -0,2473 0,110 Idade -0,0442 0,148 Idade 2 0,0006 0,239 Saláro Médo 0,0003 0,055 Maranhão -0,2378 0,323 Pauí 0,3408 0,058 Ro Grande do Norte -0,0233 0,905 Paraíba -0,0996 0,563 Pernambuco -0,3838* 0,007 Alagoas -0,2847 0,235 Sergpe -0,1170 0,584 Baha -0,2220 0,072 Agropecuára -0,1774 0,205 Comérco -0,3110* 0,008 Servços -0,1574 0,271 Mcro e Pequenas 0,1775 0,182 Constante 0,0295 0,954 N. obs 1387 Teste Qu. 42,27 0,001 Pseudo R 2 0,0373 Obs.: * ndca sgnfcânca estatístca a 5%. Sub-grupos de varáves não apresentados correspondem aos grupos omtdos nas varáves dummes; assm, para os grupos educação, estado, setor e porte da frma os coefcentes representam estmatvas para dummes com relação ao subgrupo correspondente omtdo. Os subgrupos de referênca (omtdos) na estmação foram de frmas com grau médo de nstrução dos empregados com ao menos o 2 o grau completo, frmas do estado do estado do Ceará, frmas da ndústra e frmas de porte médo ou grande. Todas as varáves referem-se ao ano de De forma geral, os resultados obtdos quanto à sgnfcânca dos coefcentes estmados refletem o prévo balanço entre as amostras para as varáves consderadas. Assm, as estmatvas obtdas acma ndcam que apenas para a varável dummy do setor de servços e para a varável dummy referente ao estado de Pernambuco é encontrada sgnfcânca estatístca dos coefcentes estmados. No prmero caso, pertencer ao setor de servços e não ao setor ndustral dmnu a probabldade de ser benefcada com fnancamento do FNE; no segundo caso, está localzada no estado de Pernambuco e não no estado do Ceará também dmnu a probabldade de receber o fnancamento. Essas estmatvas servram de base à obtenção das estmatvas de propensty score para as frmas benefcadas e não-benefcadas com recursos do FNE em 1995 apresentadas na fgura 3.1, que lustra a semelhança entre as dstrbuções obtdas para os dos grupos de frmas. 9
11 De fato, a partr das estmatvas, fo possível a consttução de cnco estratos com dferentes números de frmas benefcadas e não-benefcadas pelo FNE dentro dos quas as dferenças de médas entre frmas benefcadas e não-benefcadas pelo FNE com respeto à probabldade estmada de ser benefcada pelo FNE e a todas as demas varáves presentes na tabela 3.2 não apresentam sgnfcânca estatístca a 5%. Isso sugere, por sua vez, que para dada probabldade de ser benefcada, em cada estrato, a decsão partcpar como benefcada do FNE ndepende das varáves observadas consderadas nas estmatvas. Fgura 3.1 Dstrbuções da probabldade de ser fnancado pelo FNE para amostra RAIS (0) e para amostra das benefcadas pelo FNE (1) em Prob. de partcp. no FNE Prob. de partcp. no FNE 0 1 Densdade Pr(fne95) Graphs by fne95 Impacto do FNE nas Frmas Benefcadas Como já ntroduzdo, os mpactos econômcos dos fnancamentos do FNE sobre as frmas benefcadas foram estmados a partr do comportamento observado para as taxas de varação do emprego e do saláro médo, varáves foco da nvestgação. Nesta seção são apresentadas as estmatvas para amostra das frmas benefcadas referentes ao período Com o objetvo de verfcar a robustez das estmatvas, são exploradas e apresentadas extensões das estmatvas em duas dmensões:são consderados dos grupos de controles de frmas não benefcadas das RAIS (frmas semelhantes e amostra aleatóra) 11 e, além de estmatvas obtdas a partr da comparação ou matchng nos estratos, são apresentadas estmatvas obtdas a partr de ponderações utlzando um kernel. As estmatvas para o período , tanto para a taxa de varação do emprego quanto para a taxa de varação do saláro médo, são apresentadas na tabela 3.4, que, com fns de comparação, também nclu estmatvas obtdas sem qualquer controle, ou seja, obtdas pelo smples cálculo da méda das dferenças entre as taxas de varação para os dos grupos de frmas. Na tabela 3.4, no período , as estmatvas apresentadas ndcam que os fnancamentos do FNE não mpactaram postvamente os saláros médos pagos pelas frmas benefcadas pelo FNE. Há, porém, enorme dferença no que dz respeto aos resultados que ndcam o mpacto sobre o emprego. 11 Além da amostra do grupo de controle consttuído de frmas com característcas semelhantes, foram obtdas estmatvas a partr de um grupo de controle com frmas escolhdas aleatoramente das nformações da RAIS. Com resultados qualtatvamente semelhantes, optou-se por apresentar os resultados apenas para um grupo de controle. 10
12 Tabela Impacto do FNE: Dferenças entre taxas de varação do emprego e do saláro médo no período Tx. de varação Tx. de varação Saláro Emprego Médo Sem Controle 0,694* -0,047 (0,290) (0,028) Propensty Score - Estratos 0,677* -0,035 (0,266) (0,028) Propensty Score - Kernel 0,655* -0,029 (0,257) (0,033) Obs: Desvo-padrão entre parênteses, obtdo por bootstrap para as estmatvas de propensty score. * ndca sgnfcânca estatístca a 5%.Nas estmatvas de Propemsty Score com kernel fo utlzado o kernel de Epanechnkov. As especfcações dos modelos probt utlzados encontram-se descrtos no texto. Como podem ser constatadas, a partr das duas prmeras colunas da tabela 3.4, as estmatvas para esse período ndcam mpacto postvo do programa ndependentemente do grupo de controle utlzado ou do estmador empregado. De fato, as estmatvas obtdas ndcam que as frmas benefcadas apresentaram, em méda, taxa de varação do emprego entre 65,5 e 67,7 pontos percentuas acma daquela correspondente à da stuação de não-benefcadas; um mpacto, além de postvo, consderável para os três anos consderados. Note-se que a estmatva obtda sem controle para probabldade de ser fnancada pelo FNE, menos confável, está acma daquelas obtdas com a utlzação das estmatvas de propensty score, o que ressalta a mportânca dos controles ntroduzdos. Impacto do FNE nas Frmas Benefcadas: Estmatvas para as Frmas do Setor Industral e para as Mcro e Pequenas Frmas Embora a maor parte dos recursos contratados pelo FNE em 1995 tenha sdo dreconada para o setor agrícola (cerca de 76,9%), a consderação apenas de frmas presentes ou dentfcadas na RAIS mplcou, dado o maor grau de nformaldade, a não consderação de parte mportante das frmas deste setor na avalação levada a efeto neste relatóro. Em conseqüênca, como pode ser percebdo a partr da tabela 3.1, perto de 60% das frmas dentfcadas na RAIS pertencem ao setor ndustral. Por sua vez, a consderação apenas de frmas presentes na RAIS não mplcou a consderação na avalação de frmas fora de um dos focos prncpas do programa, representado pelas mcro e pequenas frmas, que consttuem a grande maora das frmas avaladas. Nesta subseção, a partr das mesmas varáves foco de nteresse acma já consderadas, são apresentadas estmatvas do mpacto dos fnancamentos do FNE para esses dos grupos específcos de frmas. O nteresse é conhecer em que medda os resultados obtdos e já apresentados para o conjunto de frmas se fazem presentes também para estes dos sub-grupos específcos, ou se há especfcdades mportantes a destacar.consderando-se, prmeramente para o setor ndustral, a tabela 3.5 apresenta as estmatvas do mpacto do FNE sobre as frmas benefcada para o período No período , não fo possível dentfcar qualquer mpacto estatstcamente sgnfcante sobre as varáves consderadas. No que concerne às frmas benefcadas com recursos do FNE dentfcadas do setor ndustral na RAIS, as evdêncas obtdas não são mas favoráves que aquelas já encontradas para todo o unverso de frmas dentfcadas. 11
13 Tabela Impacto do FNE: Dferenças entre taxas de varação do emprego e do saláro médo no período Setor Industral Tx. de varação Emprego Tx. de varação Saláro Médo Sem Controle 0,741 (0,415) -0,028 (0,038) Propensty Score Estratos 0,716 (0,364) -0,028 (0,036) Propensty Score - Kernel 0,681 (0,462) -0,030 (0,039) Obs: Desvo-padrão entre parênteses, obtdo por bootstrap para as estmatvas de propensty score. * ndca sgnfcânca estatístca a 5%. Na prmera amostra utlzou-se 121 frmas benefcadas e 575 frmas não-benefcadas. Nas estmatvas de Propemsty Score com kernel fo utlzado o kernel de Epanechnkov. As especfcações dos modelos probt utlzados para o caso da amostra de semelhantes àquela utlzada para amostra total sem as dummes de setores; já para a amostra de frmas nãosemelhantes, fo necessáro exclur o saláro médo ncal. Os resultados das estmatvas do mpacto da aplcação dos recursos do FNE sobre a taxa de varação do emprego e sobre a taxa de varação dos saláros médos das frmas benefcadas pertencentes ao subgrupos de mcro e pequenas frmas são apresentados nas tabela 3.6. Tabela Impacto do FNE: Dferenças entre taxas de varação do emprego e do saláro médo no período Mcro e Pequenas Frmas Tx. de varação Emprego Tx. de varação Saláro Médo Sem Controle 0,837* (0,345) -0,027 (0,034) Propensty Score Estratos 0,760* (0,315) -0,017 (0,035) Propensty Score - Kernel 0,794* (0,356) -0,016 (0,032) Obs: Desvo-padrão entre parênteses, obtdo por bootstrap para as estmatvas de propensty score. * ndca sgnfcânca estatístca a 5%. Na prmera amostra foram utlzadas 163 frmas benefcadas e 674 frmas não-benefcadas. Nas estmatvas de Propemsty Score com kernel fo utlzado o kernel de Epanechnkov. As especfcações dos modelos probt utlzados para o caso da amostra de semelhantes àquela utlzada para amostra total sem a dummy de porte da frma; por sua vez, para a amostra de frmas não-semelhantes, fo necessáro exclur o saláro médo ncal e as varáves de dade. Ao analsar-se a tabela 6, observam-se movmentos no mesmo sentdo daquele já apontado para todo unverso de frmas benefcadas: mpacto postvo da aplcação dos recursos do FNE sobre a taxa de varação do emprego das frmas benefcadas no período Note-se, além dsso, que estes movmentos, para esse sub-grupo de frmas consderado, aparecem de forma mas forte ou aguda que aqueles observados na amostra do unverso de frmas benefcadas. Ou seja, ao utlzar-se o propensty score, enquanto o dferencal favorável máxmo estmado para a taxa de varação do emprego chega a 67,7 pontos percentuas para todo o unverso de benefcadas, tal vantagem chega a 79,4 pontos percentuas para as mcro e pequenas frmas. Essas evdêncas sugerem maor sensbldade das mcro e pequenas frmas com respeto à aplcação dos recursos do FNE Resultados de Polítca na Aplcação dos Recursos do FNE Apresentam-se os prncpas resultados de polítca para alocação de recursos dos FNE decorrentes das evdêncas obtdas. Deve ser evdente que os lmtes mpostos à avalação dervados da utlzação de frmas apenas dentfcadas na RAIS mpedem maor refnamento das evdêncas levantadas em relação à aplcação dos recursos, embora mportantes resultados possam ser anda apontados. De acordo com as estmatvas apresentadas, são os seguntes os resultados obtdos na avalação da aplcação dos recursos do FNE: a) Consderando-se o período , as frmas benefcadas apresentaram, em méda, taxa de varação do número de empregados entre 65,5 e 67,7 pontos percentuas acma daquela que sera 12
14 verfcada caso não houvessem recebdo fnancamento recursos do FNE. Por outro lado, neste mesmo período, não fo possível verfcar qualquer mpacto dferencado da aplcação dos recursos sobre a taxa de varação do saláro médo pago destas frmas benefcadas. b) No período , quando o foco da avalação drecona-se apenas para as frmas benefcadas do setor ndustral, não é possível dentfcar qualquer mpacto da aplcação dos recursos do FNE sobre a taxa de varação do número de empregados das frmas benefcadas em relação à stuação de não-benefcadas. c) Por fm, quando a avalação é feta consderando-se apenas mcro e pequenas frmas, são obtdos resultados qualtatvamente próxmos àqueles dos tens a, b, embora quanttatvamente mas sgnfcatvos. Com efeto, no período , as estmatvas ndcam um efeto postvo substancal sobre a taxa de varação do número de empregados (entre 76 e 79,4 pontos percentuas superor à stuação de não benefcadas). Em resumo, de forma geral, os resultados de ndcam resultados postvos da aplcação de recursos do FNE sobre a taxa de varação do emprego das frmas benefcadas e ausênca de mpacto sobre a taxa de varação do saláro médo pago pelas frmas. Mas especfcamente, esses resultados se revelam relatvamente mas favoráves para mcro e pequenas frmas e, em seus aspectos postvos, estão ausentes para frmas do setor ndustral. 4. Fundo Consttuconal de Fnancamento do Norte - FNO Nesta seção, são apresentadas as estmatvas do mpacto econômco da aplcação dos recursos do Fundo Consttuconal de Fnancamento do Norte (FNO) nas frmas benefcadas e dentfcadas na RAIS, assm como são fornecdas orentações de polítca decorrentes dos resultados obtdos. Em relação aos resultados da avalação, são apresentadas estmatvas para o período De forma consstente com o objetvo da aplcação dos recursos de contrbur para o desenvolvmento econômco e socal da regão, por um lado, e com a dsponbldade de nformações da RAIS, por outro lado, as estmatvas e análses foram efetuadas a partr duas varáves: a taxa de varação do emprego e a taxa de varação do saláro médo pago pelas frmas benefcadas. As evdêncas apresentadas, dervadas da aplcação da metodologa de avalação de mpacto de polítcas apresentada na segunda seção deste artgo, são obtdas a partr da comparação do desempenho das frmas benefcadas com recursos do FNO com o desempenho das mesmas em uma stuação de nãobenefcadas. Assm, as estmatvas permtem apontar se as aplcações dos recursos do FNO tveram mpactos estatstcamente sgnfcantes sobre o crescmento do emprego e dos saláros pagos pelas frmas no período Também aqu, dada a possbldade de exstênca, ao menos no curto prazo, de conflto entre as dnâmcas dessas duas varáves, já que ganhos de produtvdade podem resultar medatamente em perdas de emprego, a consderação conjunta das duas varáves permte, adconalmente, uma avalação mas consstente da aplcação dos recursos do FNO. É mportante, mas uma vez, ressaltar que os resultados obtdos referem-se exclusvamente ao unverso de frmas benefcadas com recursos do FNO dentfcadas na RAIS, o que mplca a consderação apenas de frmas do setor formal. Quando se consdera o período , deve-se chamar atenção para o fato de que, no ano de 2000, o total de recursos contratados pelo FNO correspondeu a cerca de 45% do total de recursos contratados pelos três fundos consttuconas de fnancamento (FCO, FNE e FNO), estando acma daquele total contratado pelo FNE Evdentemente, o mesmo não pode ser dto a respeto dos recursos do Tesouro Naconal, que obedeceram as normas relatvas as partcpações dos Fundos nos recursos dsponblzados. 13
15 4.1. O Impacto do FNO sobre as Frmas Benefcadas Evdêncas para o Período Amostras, Estratégas de Estmação e Estmatvas do Propensty Score No período , as estmatvas a respeto do mpacto da aplcação dos recursos do FNO nas frmas benefcadas foram obtdas a partr da consderação de duas amostras: uma de frmas benefcadas com recursos e dentfcadas na RAIS em 2000 e presentes na pesqusa em 2003 e outra amostra representada por frmas presentes na RAIS em 2000 e 2003 que não foram benefcadas com recursos do FNO em qualquer dos anos entre 2000 e 2003, mas que apresentam característcas semelhantes àquelas benefcadas presentes na RAIS. Para a amostra de frmas benefcadas, do total de contratações, foram dentfcadas na RAIS ncalmente 214 frmas em 2000, mas apenas 174 estavam presentes na RAIS também em A partr desta amostra de 174 frmas benefcadas e presentes na RAIS, com base em suas característcas, fo obtda uma amostra de 1148 frmas não-benefcadas presentes na RAIS nos anos de 2000 e Evdentemente, também aqu, a consderação de uma amostra de frmas semelhantes àquelas fnancadas pelo FNO em 2000, de fato, representa um match ou balanceamento ncal entre os dos unversos (benefcadas e não benefcadas) e, embora não necessáro para os estmadores de propensty score, permte, em geral, um balanceamento ou semelhança entre frmas de um mesmo estrato (ou faxa de probabldade de ser benefcada) da estmação a partr de estratos para um conjunto maor de característcas ou varáves observadas. Além de estmatvas sem controle para a probabldade de ser benefcada pelo fnancamento do FNO, novamente, a evdênca fo obtda a partr de dos estmadores de propensty score dscutdos no capítulo anteror: o match ou comparação de desempenhos entre frmas benefcadas e não-benefcadas a partr de estratos e a comparação a partr da utlzação de um kernel, o que mplca a comparação de cada frma benefcada com todas as demas não-benefcadas a partr de pesos dados pela dstânca entre as estmatvas de propensty score da frma benefcada e das não-benefcadas. As duas seguntes etapas são segudas. Na prmera, a partr de um modelo probt ou logt 13 e de característcas observáves das frmas, estma-se a probabldade de cada frma ser benefcada com recursos do FNO. Na segunda etapa, essas estmatvas são utlzadas para comparações ponderadas entre benefcadas e não-benefcadas pelo FNO. A tabela 4.1, a segur, apresenta valores para o conjunto de varáves utlzadas nas estmatvas que permtem, ao mesmo tempo, caracterzar as frmas benefcadas dentfcadas e compará-las com a amostra de frmas semelhantes. 13 Como no caso deste relatóro, as estmatvas em geral não são sensíves a utlzação alternatva de um dos dos modelos. 14
TEXTO PARA DISCUSSÃO N o 1207
TEXTO PARA DISCUSSÃO N o 1207 AVALIAÇÃO ECONÔMICA DOS FUNDOS CONSTITUCIONAIS DE FINANCIAMENTO DO NORDESTE (FNE) E DO NORTE (FNO) Alexandre Manoel Angelo da Slva Gulherme Mendes Resende Raul da Mota Slvera
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia maisMinistério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisA experiência recente do PRONAF em Pernambuco: uma análise por meio de propensity score
A experênca recente do PRONAF em Pernambuco: uma análse por meo de propensty score André Matos Magalhães Raul Slvera Neto Fernando de Mendonça Das Alexandre Rands Barros Resumo O objetvo desse trabalho
Leia maisA experiência recente do PRONAF em Pernambuco: uma análise através de propensity score
A experênca recente do PRONAF em Pernambuco: uma análse através de propensty score Autores: Fernando de Mendonça Das Doutor em Economa pelo PIMES-UFPE Faculdade Boa Vagem André Matos Magalhães Ph.D. em
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisRelatório de Avaliação Econômica. 6. Programa Melhoria da educação no Município
Relatóro de Avalação Econômca 6. Programa Melhora da educação no Muncípo 2007 1 O PROGRAMA AVALIAÇÃO ECONÔMICA DE PROJETOS SOCIAIS conta com a coordenação técnca da Gerênca de Avalação de Projetos do Banco
Leia maisMETOLOGIA. 1. Histórico
METOLOGIA A Sondagem da Construção Cvl do RS é uma sondagem de opnão empresaral realzada mensalmente e fo crada pela Confederação Naconal da Indústra (CNI) com o apoo da Câmara Braslera da Indústra da
Leia maisAvaliando o Impacto do Programa Bolsa Família sobre a Freqüência Escolar: o Caso da Agricultura Familiar no Nordeste do Brasil
Avalando o Impacto do Programa Bolsa Famíla sobre a Freqüênca Escolar: o Caso da Agrcultura Famlar no Nordeste do Brasl Gsléa Benn Duarte PIMES-UFPE Raul da Mota Slvera Neto PIMES-UFPE Resumo O objetvo
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia mais6 Análises de probabilidade de ruptura de um talude
6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisModelo de Alocação de Vagas Docentes
Reunão Comssão de Estudos de Alocação de Vagas Docentes da UFV Portara 0400/2016 de 04/05/2016 20 de mao de 2016 Comssão de Estudos das Planlhas de Alocação de Vagas e Recursos Ato nº 009/2006/PPO 19/05/2006
Leia maisRegressão Linear Simples by Estevam Martins
Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer
Leia maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisTítulo: A experiência recente do PRONAF em Pernambuco: uma análise através de propensity score
Área de nteresse: Teora econômca e métodos quanttatvos Título: A experênca recente do PRONAF em Pernambuco: uma análse através de propensty score Autores: André Matos Magalhães Ph.D. em economa pela Unversdade
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisu a mesma área, na escala de 1: , tomadas a cada intervalo de 18 dias.
QUANTFCAÇÃO E SENSORAMENTO REMOTO NA NVESTGAÇÃO GEOGRÁFCA A evolução recente da cênca tem colocado, com certa frequênca, o nvestgador em stuação crítca face à massa de nformações, dados e meos para sua
Leia mais4.1 Modelagem dos Resultados Considerando Sazonalização
30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,
Leia maisAnálise de Regressão Linear Múltipla IV
Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do
Leia mais8 - Medidas Descritivas
8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.
Leia maisAULA EXTRA Análise de Regressão Logística
1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável
Leia maisDiferença entre a classificação do PIB per capita e a classificação do IDH
Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca
Leia maisNOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco
Leia maisVariável discreta: X = número de divórcios por indivíduo
5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisPROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ
GOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO - SEPLAG INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE NOTA TÉCNICA Nº 29 PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisCONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo:
CONTROLADORES FUZZY Um sstema de controle típco é representado pelo dagrama de blocos abaxo: entrada ou referênca - erro CONTROLADOR snal de controle PLANTA saída A entrada ou referênca expressa a saída
Leia maisIdentidade dos parâmetros de modelos segmentados
Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia maisAvaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais
Avalação do tamanho da amostra de segmentos regulares para estmar a área plantada com café na regão sul de Mnas Geras Marcos Adam Maurco Alves Morera Bernardo Fredrch Theodor Rudorff Insttuto Naconal de
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisEstudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
Leia maisTeoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva
Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisMETODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO
Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento
Leia maisDesenvolvimento de software de simulação Monte Carlo para auxiliar no estudo da propagação de doenças infecciosas
Desenvolvmento de software de smulação Monte Carlo para auxlar no estudo da propagação de doenças nfeccosas João Batsta dos Santos-Flho 1, Tatana Santos de Araujo Batsta 2, José Carlos Rodrgues Olvera
Leia maisImplementação Bayesiana
Implementação Bayesana Defnção 1 O perfl de estratégas s.) = s 1.),..., s I.)) é um equlíbro Nash-Bayesano do mecansmo Γ = S 1,..., S I, g.)) se, para todo e todo θ Θ, u gs θ ), s θ )), θ ) θ Eθ u gŝ,
Leia maisÂngulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)
4 Estudo de Caso O estudo de caso, para avalar o método de estmação de parâmetros trdmensonal fo realzado em um modelo de referênca de três camadas, e foram realzados os seguntes passos: Descrção do modelo
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisMaiores Cidades, Maiores Habilidades Produtivas: Ganhos de Aglomeração ou Atração de Habilidosos? Uma Análise para as Cidades Brasileiras
Maores Cdades, Maores Habldades Produtvas: Ganhos de Aglomeração ou Atração de Habldosos? Uma Análse para as Cdades Brasleras Resumo A análse em torno dos dferencas salaras que tendem a persstr entre os
Leia maisModelagem do crescimento de clones de Eucalyptus via modelos não lineares
Modelagem do crescmento de clones de Eucalyptus va modelos não lneares Joselme Fernandes Gouvea 2 Davd Venanco da Cruz 3 Máco Augusto de Albuquerque 3 José Antôno Alexo da Slva Introdução Os fenômenos
Leia maisModelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.
Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisCURSO de ESTATÍSTICA Gabarito
UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisPronatec Bolsa-Formação Uma Avaliação Inicial sobre Reinserção no Mercado de Trabalho Formal
Pronatec Bolsa-Formação Uma Avalação Incal sobre Renserção no Mercado de Trabalho Formal Fernando de Holanda Barbosa Flho Rogéro Porto Deníso Lberato Mao de 2015 Economa Aplcada Rotero 1. Introdução 2.
Leia maisEstatística Espacial: Dados de Área
Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes
Leia maisMEDO DO DESEMPREGO E SATISFAÇÃO COM A VIDA METODOLOGIA. Versão 2.0
METODOLOGIA MEDO DO DESEMPREGO E SATISFAÇÃO COM A VIDA Versão 2.0 Brasíla - Março/2012 Versão 2.0 Brasíla-DF Outubro/2016 METODOLOGIA MEDO DO DESEMPREGO E SATISFAÇÃO COM A VIDA Versão 2.0 Brasíla - Março/2012
Leia maisEquações Simultâneas
Equações Smultâneas Caracterzação. Os modelos de equações smultâneasenvolvem mas de uma varável dependente, ou endógena, sendo necessáras tantas equações quanto for o número de varáves endógenas 2. Uma
Leia mais5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)
5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de
Leia maisExperiência V (aulas 08 e 09) Curvas características
Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de
Leia maisIntrodução às Medidas em Física a Aula
Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca
Leia maisEstatística stica Descritiva
AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas
Leia maisÍndices de Concentração 1
Índces de Concentração Crstane Alkmn Junquera Schmdt arcos André de Lma 3 arço / 00 Este documento expressa as opnões pessoas dos autores e não reflete as posções ofcas da Secretara de Acompanhamento Econômco
Leia maisModelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisMETODOLOGIA DO ÍNDICE CARBONO EFICIENTE (ICO2)
METODOLOGIA DO ÍNDICE CARBONO Abrl/2015 [data] METODOLOGIA DO ÍNDICE CARBONO O ICO2 é o resultado de uma cartera teórca de atvos, elaborada de acordo com os crtéros estabelecdos nesta metodologa. Os índces
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisAplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2
Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer
Leia maisPROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011
Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisSELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE
SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP, NO PÓLO GESSEIRO DO ARARIPE Jáder da Slva Jale Joselme Fernandes Gouvea Alne Santos de Melo Denns Marnho O R Souza Kléber Napoleão Nunes de
Leia maisAnálise de influência
Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).
Leia mais