NOSSA SÃO PAULO. Um Estudo Sobre Indicadores Sociais, Ambientais, Econômicos, Políticos e Culturais sobre a Cidade de São Paulo. CARLOS ADRIANO ROCHA

Transcrição

1 NOSSA SÃO PAULO Um Estudo Sobre Indicadores Sociais, Ambientais, Econômicos, Políticos e Culturais sobre a Cidade de São Paulo. CARLOS ADRIANO ROCHA PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO FEA Faculdade de Economia e Administração Programa de Estudos Pós Graduados em Administração

2 RESUMO O objetivo deste artigo é realizar análises exploratórias dos dados publicados pelo Movimento Nossa São Paulo das 31 subprefeituras que compõem a cidade de São Paulo e comparar o resultado da análise de componentes principais e análise fatorial. Palavras chave: Indicadores, Exploração de Dados, Componentes Principais e Análises de Correspondências. 1. INTRODUÇÃO O objetivo deste trabalho é realizar um estudo análises estatísticas dos Indicadores Nossa São Paulo que vem sendo realizado pelo Movimento Nossa São Paulo que é constituída por aproximadamente organizações da sociedade civil integram o movimento, que é absolutamente apartidário e inter-religioso, não tem presidente nem diretoria, se constituiu e se expande na forma de rede. Este movimento trabalha por uma cidade diferente e pretende propor ações que possam contribuir para o desenvolvimento justo e sustentável da cidade em áreas essenciais como Educação, Meio Ambiente, Segurança, Lazer e Cultura, Trabalho, Transporte, Moradia, Saúde e Serviços.. A presente pesquisa se apoiou no conjunto de indicadores que estão disponíveis no Observatório Cidadão Nossa São Paulo, Indicadores são percentuais, índices, números, enfim, informações qualificadas que servem como instrumentos fundamentais para avaliar e analisar determinadas realidades. Eles estão organizados por áreas temáticas como assistência social, cultura, educação ensino médio, fundamental e infantil, esporte, habitação, meio ambiente, saúde, orçamento, trabalho e renda, tranporte/acidentes de trânsito, tranporte/mobilidade urbana e violência. Cada um destes indicadores é acompanhado, avaliado e monitorado para as 31 subprefeituras que compõem o município de São Paulo. Este estudo pretende a princípio realizar uma Análise Exploratória (EAD) dos indicadores por área temática com objetivo de conhecer melhor estes dados. Em uma segunda etapa pretende-se aplicar técnicas estatísticas mais elaboradas com a finalidade de identificar aspectos positivos e negativos destes indicadores. Devido as dimensões gigantescas de quase todos os seus números não é possível trabalhar apenas com as médias das subprefeituras de São Paulo é necessário ter estatísticas mais elaboradas para entender as diferenças que aparecem de forma gritante. Para atingir o objetivo deste trabalho utilizou-se técnicas estatísticas disponíveis no pacote estatístico Minitab Statistical Software, versão 1..

3 . ANÁLISE EXPLORATÓRIA DOS DADOS A maior parte das análises do presente trabalho se concentra na utilização dos dados do Observatório Cidadão Nossa São Paulo, que são séries de dados disponíveis de a 7. Porém, nesta análise específica é utilizado as séries de anos mais atuais, de a 7. Nota-se que para área temática Meio Ambiente só foi possível trabalhar com algumas séries com dados do ano. Provavelmente, estes dados não serão alterados com o decorrer do tempo. Para fins de análise, os dados obtidos foram tratados estatisticamente, de acordo com os seguintes critérios: 1. Apurou-se, para cada variável, a média, mediana, desvio padrão, mínimo e máximo, 1º e 3º Quartis e curtose. Desta análise foi excluída a resposta Não disponível (n/d) para não influenciar no resultado das médias. Porém, o zero foi considerado na análise como uma observação e foi contabilizado nas estatísticas.. Histogramas com a freqüência dos valores observados para cada um dos(as) indicadores (variáveis) divididos(as) pelas áreas temáticas ; 3. Teste de normalidade Anderson-Darling;. Para analisar as similaridades entre as variáveis utilizou-se o Dendograma..1 Os indivíduos Os indivíduos desta pesquisa são as subprefeituras que compõem a cidade de São Paulo. Desta análise foi excluída os resultados do município de São Paulo para que não trouxesse algum viés na análise. Assim, amostra final resultou em 31 subprefeituras.. As Variáveis No inicio do trabalho tinha 13 variáveis, as mesmas são explicadas no Apêndice 1. No decorrer da análise da pesquisa decidiu-se por selecionar apenas as variáveis que representavam porcentagem, eliminando as variáveis de valores absolutos. Assim, a amostra final apresentou 73 variáveis, além do nome das subprefeituras..3 Análise descritivas das variáveis Segue abaixo as tabelas de dados utilizadas nesta pesquisa:

4 Tabela 1. Análises descritivas por Área Temática.

5 Da tabela 1 pode-se avaliar que os dados das variáveis têm grande variabilidade e que eles devem ser normalizados. Este processo permite comparar dados com maior facilidade. A fórmula utilizada para normalizar é: Var ij xij mínimo, onde i=1,..., 31 e j=1,..., 73 máximo mínimo.3 Distribuição das variáveis Os histogramas abaixo mostram como cada uma das variáveis estão distribuídas por área temática.

6 Assistência Social Histogram of reppub7; vagas7 Normal Frequency 1 1 reppub vagas7 reppub7 Mean, StDev 3,7 vagas7 Mean 9 StDev Cultura Histogram of acervinfjuv; acerv+1_; centcult; cinemas;... Normal Frequency acervinfjuv acerv +1_ centcult cinemas 1 equipcul Salashow s teatro 3 acervinfjuv Mean 1,19 StDev,7 acerv+1_ Mean,777 StDev 1,917 centcult Mean 3,7 StDev 7,1 cinemas Mean 3, StDev, equipcul Mean 3, StDev 3,137 1 Salashows Mean 3, StDev, teatro Mean 3, StDev 9,3

7 Educação Ensino Médio Frequency 1,,,, -,3,,3,,9 1, EM_ EM_ EM_,,,, -1,, 1 1, 1 Histogram of EM_1; EM_; EM_3;... Normal EM_1, EM_7 1 3, 1,,,,,, EM_ 3 EM_ ,, EM_3 1 1 EM_1 Mean,7 StDev,71 EM_ Mean 7,1 StDev 1,99 EM_3 Mean,199 StDev,7 EM_ Mean,33 StDev 1,93 EM_ Mean 31,9 StDev, EM_ Mean,13 StDev,3 EM_7 Mean 1, StDev,39 EM_ Mean 1,91 StDev,73 Educação Fundamental Frequency 1,,, 1 -,,,, 3 1 Histogram of EF_1; EF_; EF_3; EF_;... Normal EF_1, 7 1, 1, 1,, 1, 1,,, -, EF_ EF_3 EF_ 1 1 3,,, 3,,, 1, 1,, EF_ EF_ EF_7 EF_ 1, 3,,, 3 7,,,, 3, 9, 1, 11, 1, 1, 13, EF_9 EF_1 EF_11 EF_1 7,, 1 1 EF_1 Mean,133 StDev,13 EF_ Mean 1, StDev,3 EF_3 Mean 1, StDev,7 EF_ Mean 9, StDev,937 EF_ Mean,17 StDev 1,371 N 3 EF_ Mean 1, StDev,739 EF_7 Mean 1,3 StDev 1,33 EF_ Mean,7 StDev,19 EF_9 Mean,9 StDev,77 EF_1 Mean,1 StDev 1,179 EF_11 Mean,93 StDev 1,1 EF_1 Mean, StDev 1,7

8 Educação Infantil Histogram of EI_1; EI_ Normal - Frequency 1 1 EI_ EI_ EI_1 Mean 139,1 StDev 11, EI_ Mean 1,1 StDev 17, Esporte Histogram of ES_equippublico_; ES_unipublicas_ Normal Frequency 1 1 ES_equippublico_ 9 7 ES_unipublicas_ ES_equippublico_ Mean 3,7 StDev,39 ES_unipublicas_ Mean 3, StDev,

9 Habitação Histogram of hab_favelaspordomicilio7; hab_construcaoresidencial7 Normal Frequency hab_favelaspordomicilio hab_construcaoresidencial7 hab_favelaspordomicilio7 Mean 1,1 StDev 9,3 hab_construcaoresidencial7 Mean 1, StDev 1, Meio Ambiente Histogram of MA_metrosare; MA_areasverd; MA_consumoag; MA_semesgoto Normal Frequency , 7,, MA _metrosareav erde MA_consumoagua7 MA _areasv erdes_subpref - MA _semesgoto7 MA _metrosareav erde Mean 3 StDev 39, N 3 MA_areasverdes_subpref Mean, StDev,37 MA_consumoagua7 Mean,3 StDev 1,117 MA_semesgoto7 Mean 1,37 StDev 9,3 N 3,, 3,,, 7,, 1 3

10 Orçamento Histogram of orc_diferencapre; orc_efetivogasto; orc_destsubpref Normal 1 1 orc_diferencaprev_vs_real orc_efetivogasto orc_diferencaprev_vs_real Mean 1,39 StDev,11 Frequency,,7,,9 1, 1,1 1, 1,3 1, orc_destsubpref,1,,7,9,93 orc_efetivogasto Mean,7 StDev,97 orc_destsubpref Mean 7,1 StDev,, 3, 1,, 1 1 Saúde Frequency 1, 9, 9, sau_nascidas Histogram of sau_nascidas; sau_curetage;... Normal 1, 1, 11, 1 sau_curetagens1e3- sau_nascidosvivos17_ sau_infrespiratoriae_ sau_nodeleitos_ sau_obitos<1_ sau_obitoscausasexternas_ sau_obitosnaodefinidos_ sau_mortesapar_respir_ sau_nasc_vivos7prenatal_ sau_prenatalnegros_ sau_no_unidbasicas_ 1 1 -, 3, 1, 1,,,,,,,9 1, 1 1, 1, 1,,, 1, 1, sau_nascidas Mean 9, StDev,3 sau_curetagens1e3- Mean, StDev 1,93 sau_nascidosvivos17_ Mean 1, StDev,31 sau_infrespiratoriae_ Mean 1,3 StDev,7 sau_nodeleitos_ Mean 3,9 StDev,1 sau_obitos<1_ Mean 1,7 StDev,3 sau_obitoscausasexternas_ Mean 1, StDev 13,37 sau_obitosnaodefinidos_ Mean 1,3 StDev, sau_mortesapar_respir_ Mean 19,3 StDev, sau_nasc_vivos7prenatal_ Mean, StDev 9,9 sau_prenatalnegros_ Mean 1,99 StDev 1,1 sau_no_unidbasicas_ Mean,77 StDev,1

11 Trabalho e Renda Histogram of tr_desempreg; tr_desemp_jo; tr_desemp_se;... Normal Frequency,,, ,1 1, 1,3 1, 1, 1,,,, tr_desemprego , 1, 1,3 1, 1, tr_desemp_raça tr_rendimento tr_renda_raça 1 1 tr_renda_sexo 1,3 1, 1, 1, 1, tr_desemp_jovde1a9,, 1, 1, tr_desemp_sex,, 3,, tr_desemprego Mean 1,1 StDev 3, tr_desemp_jovde1a9 Mean 1,3 StDev,91 tr_desemp_sex Mean 1,333 StDev,1 tr_desemp_raça Mean 1,39 StDev,117 N 3 tr_rendimento Mean 199 StDev, tr_renda_raça Mean 1,1 StDev,11 tr_renda_sexo Mean 1, StDev,9 Transporte/Acidente de Trânsito Histogram of tra_auto; tra_mortesbi; tra_mortesmo; tra_atropela;... Normal Frequency 1, 1 tra_auto 3 tra_atropelamentos 1, tra_mortesbicicleta, -,,, 1, 1, tra_mortesenotrânsito tra_mortesmotobicicleta, 1, 3,, tra_auto Mean 1,77 StDev 1,1 tra_mortesbicicleta Mean,9 StDev, tra_mortesmotobicicleta Mean,9 StDev 1,313 7,, 7,, tra_atropelamentos Mean,1 StDev 1,9,,,,, 7, 1, 1, 1, 17,,, tra_mortesenotrânsito Mean 11, StDev 3,33

12 Violência Frequency Histogram of viol_atosado; viol_criança; viol_mulhere;... Normal viol_atosadol_infracionais viol_crimesfatais_ viol_crimesnaofatais. viol_óbitosjovensmasc1 a 9_ 1 viol_roubos 1 3 viol_criançasagressoesa1_ 1 1 viol_mulheres_ viol_atosadol_infracionais Mean 3, StDev 1, viol_criançasagressoesa1_ Mean 17,3 StDev,77 viol_mulheres_ Mean 11,7 StDev,7 viol_crimesfatais_ Mean 1, StDev 9,1 viol_crimesnaofatais. Mean 1, StDev 1, viol_óbitosjovensmasc1 a 9_ Mean 9, StDev 39, viol_roubos Mean 1 StDev 9,1 Usando um nível de significância de,, o teste de normalidade Anderson-Darling indicou que as seguintes variáveis seguem uma distribuição normal:

13 Tabela Variáveis que seguem uma distribuição normal

14 . DENDOGRAMA Para verificar as relações entre as variáveis utilizou-se o dendograma. O dendograma é utilizado, principalmente, para observação dos saltos que ocorrem na formação dos grupos, buscando detectar a formação de grupos heterogêneos. Essas estruturas permitem também a identificar grupos homogêneos. Como o número de variáveis era maior do que o de indivíduos, o dendograma foi dividido em quatro gráficos conforme pode ser visto abaixo.,9 Dendrogram Single Linkage; Correlation Coefficient Distance Similarity 77,,3 1, reppub7_p1 vagas7_p acervinfjuv_p3 acerv+1 P teatro_p9 centcult_p sau_nodeleitos P7 viol_crimesnaofatais._p71 cinemas_p viol_roubos_p73 EI_1_P3 EI P31 sau_mortesapar_respir P1 sau_prenatalnegros P3 Variables Salashows_P orc_destsubpref_p MA_consumoagua7_P3 tr_rendimento_p9 tr_renda_raça_p,9 Dendrogram Single Linkage; Correlation Coefficient Distance Similarity 77,,3 1, EM P11 EM_3_P1 EF P sau_nascidosvivos17 P EF P1 EF_1_P9 EF P tr_desemprego_p tr_desemp_jovde1a9_p EF P19 EF_3_P sau_obitoscausasexternas P9 viol_crimesfatais P7 viol_óbitosjovensmasc1 a 9 1 EM P1 tra_mortesmotobicicleta_p tra_atropelamentos_p Variables sau_no_unidbasicas P sau_obitos<1 P sau_nasc_vivos7prenatal P tra_mortesenotrânsito_p

15 Dendrogram Single Linkage; Correlation Coefficient Distance,9 Similarity 77,,3 1, EF_1_P7 EF_11_P EF_7_P hab_favelaspordomicilio7_p3 MA_semesgoto7_P39 viol_criançasagressoesa1 P viol_mulheres P9 tr_renda_sexo_p1 ES_equippublico P3 ES_unipublicas P33 EM_7_P1 EM P17 sau_curetagens1e3-_p viol_atosadol_infracionais_p Variables MA_metrosareaverde_P3 tr_desemp_raça_p tr_desemp_sex_p7 MA_areasverdes_subpref_P37 sau_obitosnaodefinidos P tra_auto_p Dendrogram Single Linkage; Correlation Coefficient Distance,9 Similarity 77,,3 1, EM P1 EF_9_P orc_diferencaprev_vs_real_p EF_1_P1 tra_mortesbicicleta_p3 orc_efetivogasto_p1 sau_nascidas P3 hab_construcaoresidencial7_p3 EM P13 EF P3 sau_infrespiratoriae P Variables equipcul_p7 EM_1_P1 O software MINITAB 1 oferece a opção de limitar o número de variáveis que compõem um Dendograma, podendo dividi lo em um ou mais gráficos. Neste caso, o dendograma foi adotado com a finalidade de reduzir o número de variáveis a ser utilizada nesta pesquisa. Com isso procurou tornar mais fácil a interpretação do resultado da análise de componente principal como pode ser visto abaixo.

16 3. COMPONENTES PRINCIPAIS O objetivo principal da análise de componentes principais é a obtenção de um pequeno número de combinações lineares (componentes principais) de um conjunto de variáveis, que retenham o máximo possível da informação contida nas variáveis originais. Freqüentemente, um pequeno número de componentes pode ser usado, em lugar das variáveis originais, nas análises de regressões, análises de agrupamentos etc. Os Componentes são extraídos na ordem do mais explicativo para o menos explicativo. Teoricamente o número de Componentes é sempre igual ao número de variáveis. Entretanto, alguns poucos Componentes são responsáveis por grande parte da explicação total. Verificou-se que tanto faz utilizar dados normalizados quanto dados observados (sem tratamento), o resultado dos pesos das componentes principais são similares. Isto pode ser explicado pela utilização da Matriz de Correlação na construção das componentes que tem a função de normalizar variáveis com diferentes escalas. Na presente analise, para que um peso da variável que compões a componente principal fosse considerada representativa, estabeleceu-se como critério julgamentar o valor de corte inferior a -, (verde claro) e maior que, (vermelho claro). Tabela 3 Mostra o peso de cada variável na composição das 1 componentes principais com autovalores superior a 1.

17 Variable PC1 PC PC3 PC PC PC PC7 PC PC9 PC1 sau_obitos<1 P,3,1,,1,13,99,9,13,13,1 sau_nasc_vivos7prenatal P,79,3,1,11,,3,,179,,17 MA_semesgoto7_P39,39,11,,,111,9,3,,199,1 sau_no_unidbasicas P,,3,1,9,3,9,1,111,31,17 viol_mulheres P9,7,,,3,,9,17,1,1,377 sau_curetagens1e3 _P,13,1,7,7,9,,3,,1,7 EM P17,11,,3,1,119,7,77,1,,13 tr_desemp_sex_p7,3,13,137,31,,,3,19,,9 sau_obitosnaodefinidos P,13,17,31,1,9,,1,,33,1 viol_atosadol_infracionais_p,17,33,1,,1,1,19,13,13 hab_favelaspordomicilio7_p3,17,7,1,,19,1,37,17,3,17 MA_metrosareaverde_P3,17,9,3,3,3,9,1,333,9, tra_mortesbicicleta_p3,13,,1,1,11,1,9,3,,33 EF P3,17,19,17,13,3,1,,17,37,17 MA_areasverdes_subpref_P37,1,,39,,19,7,,173,39, sau_infrespiratoriae P,1,113,13,19,,7,9,,11,3 EF_1_P7,,7,,91,1,3,1,19,13,3 sau_nascidas P3,7,9,177,,,1,9,7,319,79 tra_auto_p,1,1,19,31,3,17,,9,1,1 EM_1_P1,3,13,1,37,31,1,,1,,317 reppub7_p1,,,1,9,9,3,33,17,,11 orc_efetivogasto_p1,3,,119,33,73,391,,1,9,13 equipcul_p7,,11,3,1,,3,1,1,97,33 tr_desemp_raça_p,71,3,9,117,9,7,33,7,1, hab_construcaoresidencial7_p3,1,1,3,3,19,9,9,193,31,33 ES_unipublicas P33,17,199,1,9,7,3,3,,3, orc_diferencaprev_vs_real_p,19,,97,1,1,1,9,11,39,113 orc_destsubpref_p,9,,,13,131,9,3,1,1,7 EI_1_P3,,1,99,1,171,,37,1,9,1 tr_rendimento_p9,37,13,,1,1,3,9,3,19,9 Eigenvalue,3 3,7,793, 1,77 1,7 1,1 1,7 1,9 1,7 Proportion,,1,93,,,9,,9,,3 Cumulative,,37,,,,3,9,7,79,

18 Nesta análise, o processamento da análise de componentes principais utilizou-se da matriz de correlação. Por isso, foi possível estabelecer o limite mínimo de 1. unidade para a extração dos autovalores. Figura 3.1 Autovalores Scree Plot of tra_auto_p;...; sau_nasc_vivos7prenatal P 7 Eigenvalue Component Number 3 Nota-se que a análise de correspondência apresentada na tabela 3, mesmo que subjetivamente, não é fácil interpretar os componentes principais. Os oitos primeiros componentes principais representam 7,% do total da variabilidade. Logo, o número de componentes poderia ser reduzido de 1 para porque os dois últimos componentes tem uma pequena contribuição no aumento total da variabilidade.. ANÁLISE FATORIAL Na presente analise, para que um indicador da pesquisa pudesse carregar num fator, estabeleceu-se como critério o valor de corte de,3. De acordo com Kline (199), este é valor aceitável, dado que explicaria pelo menos 9% da variância total. Tabela Extração das cargas fatoriais das variáveis que compõem os indicadores da pesquisa Nossa São Paulo, com método de extração máxima verossimilhança e rotação varimax.

19

20

21 O fatores da Tabela explicam 7,% da variabilidade dos dados e os valores da comunalidades indicam que todas as variáveis podem ser bem representadas por fatores. Comunalidades se referem a parte da variabilidade de cada variável que é explicada no modelo, para facilitar pode padronizar o valor das comunalidades de modo que seja expressa em percentuais (Lemos & Assunção, ). Assim, as comunalidades da análise fatorial para os indicadores desta pesquisa variam de 9,3% (hab_construcaoresidencial7_p3 - Porcentagem de potencial construtivo residencial já adquirida em metros quadrados) a 9,7% (tr_desemp_raça_p - Proporção entre a taxa de desemprego de negros e não negros. Indisponível para a subprefeitura da Sé). Figura.1 Cargas fatoriais do primeiro e segundo fator Loading Plot of tra_auto_p;...; sau_nasc_vivos7prenatal P orc_destsubpref_p EI_1_P3, tr_rendimento_p9 ES_unipublicas P33 ond Factor Sec, -, reppub7_p1 hab_construcaoresidencial7_p3 tra_mortesbicicleta_p3 orc_diferencaprev equipcul_p7 tra_auto_p _v s_real_p EF _1_P7 orc_efetiv sau_obitosnaodefinidos P ogasto_p1 sau_nascidas P3 sau_curetagens1e3-_ptr_desemp_sex_p7 MA _areasv erdes_subpref_p37 tr_desemp_raça_p v iol_mulheres P9 sau_infrespiratoriae P EM_1_P1 EF P3 sau_obitos<1 P sau_no _unidbasicas P sau_nasc_v iv os7prenatal P v iol_atosadol_infracionais_p MA _metrosareav erde_p3 EM P17 hab_fav elaspordomicilio7_p3 MA _semesgoto7_p39-1, -,, First Factor, 1,

22 A Figura.1 mostra graficamente a cargas fatoriais para o 1º e º fator. A tabela apresenta as cargas fatoriais dos itens que se aglutinam em torno de oito fatores e que, de acordo com o conteúdo de suas afirmativas, passaram a ser denominados: Fator1: Fator: Fator3: Fator: Fator: Fator: Fator7: Desemprego, óbito de crianças e violência contra as mulheres Sem infra estrutura, domícilios em favelas, vagas em creches e alunos matriculados no EM Recursos públicos e taxa de desemprego por raça Meio ambiente e nascidos vivos Ensino Fundamental Serviço de atendimento ao público Orçamente efetivo gasto Fator: Cultura e acidente de trânsito. CONSIDERAÇÕES FINAIS O objetivo deste estudo foi realizar uma análise exploratória dos indicadores disponíveis no Observatório Cidadão Nossa São Paulo por áreas temáticas e verificar associações entre estes indicadores, independente da área temáticas, utilizando duas técnicas estatísticas: análise de componente principal e fatorial. A seguir, tem-se um breve resumo dos resultados obtidos. A subprefeitura da Sé apresentou-se como valor atípico em alguns indicadores como: assistência Social, Cultura, Trabalho e Renda, Educação Geral. Das 73 variáveis iniciais, realizou-se a análise de componentes principais e análise fatorial com apenas 3 variáveis. Pois, a maioria das variáveis excluídas da análise estava altamente correlacionada com estas variáveis, correlação de Pearson superior a,. A análise de componente principal não se mostrou visualmente eficiente na identificação das variáveis que compõem cada componente principal. Por isso, decidiu-se por utilizar a análise fatorial.

23 Com base na análise fatorial, conclui-se que com oito fatores é possível explicar 7,% do total da variabilidade que é uma proporção satisfatória para um pesquisa deste porte e que a partir do oitavo fator o acréscimo obtido na proporção da variabilidade é pequena. Vale a apenas ressaltar melhoria para este trabalho, como a utilização dos indicadores da Secretaria de Economia e Planejamento do Estado de São Paulo disponível no site

24 APÊNDICE 1

25

26

27