Forespørsel om deltagelse i forskningsprosjekt

A Tabela 3.5 traz os resultados das três regressões logísticas para o ano de 2009.

São apresentados dois resultados para cada regressão: não ponderado e ponderado. Nes-

te último caso, cada família na amostra é ponderada por seu peso amostral. Os resulta-

dos das regressões logísticas são bastante significativos, tanto no caso ponderado quan-

to no não ponderado. Além disso, os modelos conseguem prever corretamente mais de

95% dos casos. Ou seja, em mais de 95% das vezes, o modelo acerta se uma família

pertence ou não à determinada componente do déficit habitacional.

No que respeita à componente precariedade, nota-se que as variáveis renda, número

de pessoas, idade do chefe e escolaridade do chefe afetam negativamente a probabilida-

de de uma família pertencer ao déficit. Ou seja, um aumento dessas variáveis diminui a

probabilidade de pertinência no déficit. No Chile, o resultado é bastante próximo, todas

essas variáveis também têm efeitos negativos na probabilidade de pertencer à precarie-

dade e os coeficientes estimados têm a mesma ordem de grandeza. No caso do Chile, o

coeficiente associado à renda é de -0,1964 e, no Brasil, esse coeficiente é de -0,2564.

Algo semelhante ocorre com as variáveis idade e escolaridade do chefe de família.

Os resultados obtidos também estão próximos aos de Garcia e Rebelo (2002).49 O

coeficiente associado à renda e à idade do chefe da família para a inadequação50 tam-

bém são negativos (dados de 1998). Naquele estudo, o coeficiente associado à renda foi

estimado em -0,4860. Para o ano de 1998, o coeficiente estimado nesta dissertação é de

-0,2937 (Tabela 3.6).

_{A comparação com esse trabalho não pode ser feita diretamente, uma vez que este trabalho não adotou}

a mesma metodologia de mensuração do déficit habitacional e não utilizou as mesmas variáveis de con-

trole no modelo. Os autores utilizam outras variáveis além das que foram usadas nesta dissertação como

acesso a utensílios doméstico (TV, máquina de lavar e refrigerador), por exemplo.

_{O conceito de inadequação utilizado por Garcia e Rebelo (2002) aborda os domicílios rústicos (parede e}

telhado inadequados), os cômodos alugados ou cedidos e os cortiços.

**Tabela 3.5. Resultados das regressões logísticas* do déficit, Brasil, 2009**

não Ponderado Ponderado

Precariedade Adensamento Famílias Conviventes Precariedade Adensamento Famílias Conviventes

β

Renda mensal da família (ln) -0,2509 0,0000 -0,0850 0,0003 0,7572 0,0000 -0,2564 0,0000 -0,0734 0,0000 0,7843 0,0000

Número de pessoas -0,0268 0,0196 - - 0,8636 0,0000 -0,0200 0,0000 - - 0,8736 0,0000

Idade do chefe da família -0,0210 0,0000 -0,0672 0,0000 -0,1527 0,0000 -0,0204 0,0000 -0,0692 0,0000 -0,1530 0,0000

Escolaridade do Chefe -0,1490 0,0000 -0,0969 0,0000 0,0404 0,0000 -0,1570 0,0000 -0,1065 0,0000 0,0400 0,0000 Area urbana (0 ou 1) 1,0180 0,0000 - - -0,0428 0,3851 0,9705 0,0000 - - -0,0181 0,0000 Unidades da Federação 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 Rondônia 0,8413 0,0000 -1,2178 0,0000 -0,0005 0,9975 0,9517 0,0000 -1,1962 0,0000 -0,0172 0,1018 Acre 0,0159 0,9394 -0,9308 0,0013 -0,0232 0,8916 0,0822 0,0000 -0,7090 0,0000 0,0882 0,0000 Amazonas 0,8638 0,0000 -0,3732 0,0458 0,1566 0,2093 0,6911 0,0000 -0,4352 0,0000 0,1564 0,0000 Roraima 0,8776 0,0001 -0,4111 0,1807 -0,5996 0,0104 0,9147 0,0000 -0,4609 0,0000 -0,6031 0,0000 Pará 0,1670 0,3002 -1,3472 0,0000 0,5727 0,0000 0,0983 0,0000 -1,7210 0,0000 0,4328 0,0000 Amapá 0,1797 0,4417 -2,5641 0,0004 0,1187 0,4925 0,1397 0,0000 -2,1959 0,0000 0,1426 0,0000 Tocantins** 0,5514 0,0024 -1,3394 0,0000 0,2203 0,1568 0,5443 0,0000 -1,3510 0,0000 0,2292 0,0000 Maranhão 1,4808 0,0000 -1,4668 0,0000 0,6668 0,0000 1,4652 0,0000 -1,4914 0,0000 0,6795 0,0000 Piauí 0,6048 0,0004 -2,8505 0,0000 0,9536 0,0000 0,5919 0,0000 -2,8798 0,0000 0,9678 0,0000 Ceará -0,2432 0,1354 -1,0369 0,0000 0,9386 0,0000 -0,1181 0,0000 -1,1354 0,0000 0,9784 0,0000

Rio Grande do Norte -0,7722 0,0006 -1,0720 0,0000 1,1360 0,0000 -0,7824 0,0000 -1,0952 0,0000 1,1535 0,0000

Paraíba -0,5174 0,0108 -1,3690 0,0000 0,8595 0,0000 -0,5381 0,0000 -1,3962 0,0000 0,8787 0,0000 Pernambuco -0,5209 0,0021 -1,0656 0,0000 0,8647 0,0000 -0,5980 0,0000 -1,1426 0,0000 0,8187 0,0000 Alagoas -0,1105 0,5615 -1,3783 0,0000 0,7343 0,0000 -0,1300 0,0000 -1,4071 0,0000 0,7527 0,0000 Sergipe -0,8222 0,0006 -1,4556 0,0000 0,9061 0,0000 -0,8402 0,0000 -1,4808 0,0000 0,9263 0,0000 Bahia -0,4448 0,0049 -1,5576 0,0000 0,5862 0,0000 -0,4237 0,0000 -1,7532 0,0000 0,5979 0,0000 Minas Gerais -1,2575 0,0000 -1,0818 0,0000 0,5923 0,0000 -1,3294 0,0000 -1,1164 0,0000 0,6093 0,0000 Espírito Santo -0,9716 0,0001 -1,0320 0,0001 0,6106 0,0000 -0,9802 0,0000 -1,0454 0,0000 0,6256 0,0000 Rio de Janeiro -1,1835 0,0000 -0,7693 0,0000 0,2183 0,0633 -1,1912 0,0000 -0,7600 0,0000 0,2397 0,0000 São Paulo -1,2353 0,0000 -0,0731 0,5991 0,1814 0,0836 -1,2386 0,0000 -0,0685 0,0000 0,1863 0,0000 Paraná -0,9295 0,0000 -1,6405 0,0000 0,1562 0,1877 -0,9464 0,0000 -1,6973 0,0000 0,1638 0,0000 Santa Catarina -0,6456 0,0041 -2,3958 0,0000 -0,0354 0,8027 -0,6427 0,0000 -2,4038 0,0000 -0,0314 0,0000

Rio Grande do Sul -0,6585 0,0002 -2,0517 0,0000 0,3683 0,0008 -0,7886 0,0000 -2,1485 0,0000 0,4838 0,0000

Mato Grosso do Sul -0,5177 0,0186 -0,9408 0,0001 0,5571 0,0000 -0,5250 0,0000 -0,9562 0,0000 0,5685 0,0000

Mato Grosso -0,2509 0,2102 -1,2981 0,0000 0,4395 0,0014 -0,2583 0,0000 -1,3128 0,0000 0,4529 0,0000

Goiás -0,6237 0,0010 -1,1251 0,0000 -0,0060 0,9618 -0,6343 0,0000 -1,1379 0,0000 0,0054 0,4750

Constante -0,5246 0,0044 0,1365 0,5260 -7,1253 0,0000 -0,4811 0,0000 0,2089 0,0000 -7,3680 0,0000

-2 log da máxima verossimilhança 20.127 11.151 29.979 9.173.229 5.597.967 13.693.227

Grau de adequação 113.984 123.821 1.911.214 55.318.649 59.959.849 918.426.974

(%) de previsões corretas 98,01% 99,15% 95,94% 98,05% 99,09% 96,17%

Nota: (*) número de observações = 125.113.

(**) A versão da PNAD 2009 utilizada nesta dissertação, não dispunha de informações de escolaridade (variável v8003) para o estado do Tocantins. Assim, foi usada nesse modelo uma estimativa dessa variável com

base na variável da PNAD “grupo de anos de estudo”, variável para a qual havia informações. O modelo de regressão usado para a estimação da escolaridade é apresentado no Anexo 3.3, junto com a regressão logística

feita sem as informações do Tocantins.

A regressão logística também permite avaliar os aspectos espaciais da precariedade.

Em seu conjunto, a unidade espacial a que pertence o domicílio é significativa para ex-

plicar a distribuição da precariedade. A localização nas áreas urbanas eleva a probabili-

dade de pertinência à componente precariedade do déficit. A discriminação das unida-

des da Federação também é significativa em seu conjunto e para a maioria dos estados

tomados individualmente. O valor positivo da dummy dos estados da região Norte e de

alguns do Nordeste (Maranhão e Piauí) indicam uma maior probabilidade de pertinência

à precariedade. O que chama a atenção é o fato de as dummies das demais unidades da

Federação serem negativas, indicando que o Distrito Federal tem um grau de precarie-

dade relativamente elevado, já consideradas as demais variáveis de controle.

No Chile o resultado, conforme discutido no Capítulo 2, também é semelhante, há

maior probabilidade de precariedade nas regiões norte do país, além da região metropo-

litana de Santiago. Merece atenção o fato de, no Chile, a localização nas áreas urbanas

reduzir a probabilidade de pertinência à componente precariedade do déficit, o contrário

do observado no Brasil. Possivelmente esse fato está associado à existência de favelas

nas áreas urbanas das cidades brasileiras, algo que não se vê no Chile.

Com relação às famílias conviventes, nota-se que as variáveis renda, número de

pessoas e escolaridade do chefe apresentaram coeficientes positivos. Isso indica que, ao

contrário da precariedade, um aumento dessas variáveis eleva a probabilidade de per-

tencer às famílias conviventes. Por outro lado, a idade do chefe tem coeficiente negati-

vo, indicando que quanto mais velho o chefe, menor a probabilidade de pertencer às

famílias conviventes. Vale destacar que todos esses coeficientes são estatisticamente

significativos. Além disso, as famílias conviventes são ligeiramente mais prováveis na

área rural, dado o coeficiente negativo associado à dummy área urbana.

No Chile, os resultados também foram parecidos, o que mostra que o comportamen-

to das famílias é semelhante nos dois países. Renda e número de pessoas afetam positi-

vamente a probabilidade de pertencer às famílias conviventes. O coeficiente associado à

dummy área urbana, contudo é positivo. Os resultados obtidos em Garcia e Rebelo

(2002) são um pouco distintos. No caso da componente coabitação na regressão logísti-

ca de 1998, os coeficientes associados à renda e à idade do chefe foram negativos; ape-

nas o coeficiente do número de pessoas da família foi positivo.

Por fim, o adensamento excessivo apresentou resultados que podem ser classifica-

dos como uma média do comportamento das outras componentes. Os coeficientes de

renda, idade e escolaridade são negativos, porém em magnitudes entre os valores dos

respectivos coeficientes das componentes precariedade e famílias conviventes. Isso su-

gere que as famílias em domicílios adensados têm características tanto de famílias em

moradias precárias como de famílias conviventes.

Como foi feito para o caso do Chile, verificou-se a possibilidade de haver algum ti-

po de viés causado pela presença de famílias que não tem intenção de se mudar entre as

famílias conviventes. A Tabela A.3.4.6 em anexo mostra que os coeficientes estimados

para as famílias conviventes com intenção de se mudar são muito próximos aos obtidos

para o total das famílias conviventes em 2009. O mais importante é que eles têm os

mesmos sinais, o que indica que, se houver algum tipo de viés causado pela presença de

famílias que não tem intenção de se mudar entre as famílias conviventes, ele não preju-

dica a análise das derivadas.

Para avaliar a constância dos efeitos dessas variáveis sobre o déficit ao longo do

tempo, é necessário analisar se os resultados das regressões são consistentes em diferen-

tes períodos. A Tabela 3.6 apresenta as estimativas dos coeficientes de algumas variá-

veis explicativas dos modelos logísticos entre 1996 e 2009. Para maiores detalhes das

estimativas, ver as tabelas do Anexo 3.4.

Tabela 3.6. Coeficientes das regressões logísticas do déficit, Brasil, 1996 a 2009

1996 1998 2001 2003 2006 2009

Famílias em habitação precária

Renda mensal da família (ln) -0,2516 -0,2937 -0,3014 -0,2944 -0,3705 -0,2564

Número de pessoas -0,0166 0,0139 -0,0091 -0,0367 0,0142 -0,0200

Idade do chefe da família -0,0179 -0,0170 -0,0160 -0,0173 -0,0184 -0,0204

Escolaridade do Chefe -0,2043 -0,1987 -0,1630 -0,1509 -0,1719 -0,1570

Área urbana (0 ou 1) 0,6098 0,8472 1,1054 0,9986 0,9135 0,9705

Famílias em adensamento excessivo

Renda mensal da família (ln) 0,1136 0,0673 -0,0278 -0,0494 -0,0653 -0,0734

Número de pessoas - - - -

Idade do chefe da família -0,0567 -0,0535 -0,0573 -0,0600 -0,0655 -0,0692

Escolaridade do Chefe -0,1122 -0,1139 -0,1016 -0,0885 -0,0970 -0,1065

Área urbana (0 ou 1) - - - -

Famílias conviventes

Renda mensal da família (ln) 0,4365 0,5502 0,4914 0,5988 0,7175 0,7843

Número de pessoas 0,6929 0,7116 0,7875 0,7916 0,8069 0,8736

Idade do chefe da família -0,1573 -0,1544 -0,1567 -0,1577 -0,1528 -0,1530

Escolaridade do Chefe 0,0204 0,0097 0,0498 0,0364 0,0325 0,0400

Área urbana (0 ou 1) -0,1396 -0,1498 -0,1435 -0,1609 -0,1076 -0,0181

Fonte: cálculos próprios com base nas Pnads de 1996 a 2009.

Nota-se que os coeficientes são muito parecidos ao longo do período, indicando re-

sultados muito próximos em diferentes amostras. Mais uma vez, a componente adensa-

mento excessivo apresentou resultados que se encontra entre os coeficientes das duas

outras componentes. O coeficiente da precariedade associado à renda varia muito pou-

co, entre -0,2383 e -0,3014. O coeficiente das famílias conviventes associado à renda

apresenta tendência de crescimento ao longo dos anos. O coeficiente das famílias em

adensamento excessivo associado à renda apresenta, por sua vez, tendência de diminui-

ção ao longo dos anos.

A comparação com o Chile, a partir dos resultados da regressão logística apresenta-

do no Capítulo 2, permite avaliar aspectos importantes do comportamento dessas variá-

veis nos dois países. Para a componente precariedade, um aspecto específico relativo ao

coeficiente associado à renda chama a atenção: nota-se que os coeficientes associados à

renda apresentam valores muito próximos em ambos países (Gráfico 3.3.a), o que indica

que o aumento de renda necessário para retirar uma família do déficit é semelhante nos

dois casos.

Gráfico 3.3. Coeficiente de regressão associado à renda, (%)

(a)

(b)

Fonte: Banco Nacional da Habitação, Caixa Econômica Federal e IBGE.

Por outro lado, o Chile apresentou coeficientes associados à renda das famílias con-

viventes menores que os do Brasil, o que significa que um aumento da renda tem um

efeito menor sobre as famílias conviventes no Chile (Gráfico 3.3.b). Como esses coefi-

cientes são todos positivos, esse resultado mostra que, no caso do Brasil, um aumento

de renda eleva a probabilidade de estar nas famílias conviventes em maior magnitude do

que ocorreria no Chile. Isso pode estar associado ao fato de que a ocorrência de famílias

conviventes é muito maior no Chile do que no Brasil. Como foi visto no Capítulo 2,

16,7% das famílias chilenas viviam com outras famílias em 2009, enquanto que, no

Brasil, essa taxa foi de 5,9%. Como já é muito elevado o contingente de famílias convi-

ventes, a sensibilidade à renda torna-se naturalmente menor no caso do Chile.

Essa análise mostra que não só o comportamento do déficit é semelhante nos dois

países – diminuição da precariedade e aumento das famílias conviventes –, mas os fato-

res determinantes do déficit têm características muito próximas. O mais importante para

a presente análise é o fato de que, no caso do Chile, as estimativas foram sofisticadas

com a consideração das variáveis acesso ao crédito e acesso ao subsídio, fatores que

reduzem sensivelmente o déficit habitacional. Essas estimativas para o caso chileno,

dadas as semelhanças analisadas neste capítulo, permitem especular em que medida o

aumento recente do crédito e as reformas na política de subsídio no Brasil podem re-

compor o déficit habitacional e acelerar a sua redução. Essa questão é discutida no pró-

ximo capítulo.

In document Lillian Høgelid februar 2017.pdf (1.938Mb) (sider 132-137)