Indicadores de renda baseados em tecnologia, desenvolvimento social e econômico pela perspectiva da estatística espacial
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional do FGV (FGV Repositório Digital) |
Texto Completo: | https://hdl.handle.net/10438/32202 |
Resumo: | A carência da atualização de dados públicos é uma discussão frequente entre acadêmicos e gestores. Trabalhos anteriores contribuíram com propostas de previsão da renda da população, em especial, por meio do consumo de energia e dados tecnológicos. Com esta inspiração esta dissertação teve como objetivo propor uma alternativa para previsão de renda da população brasileira ao considerar todos os municípios, e utilizar dados de consumo, tecnologia e desenvolvimento socioeconômico como preditoras. A pesquisa analisou dados que foram obtidos de diferentes fontes, tais como Receita Federal, Ministério da Infraestrutura e ANATEL (Agência Nacional de Telecomunicações) referentes aos 5570 municípios brasileiros para dois períodos: 2010 e 2020 – notadamente, as datas de realização (e previsão original) do Censo Demográfico brasileiro. Buscou-se avaliar o poder de explicação de um conjunto de variáveis, de atualização mensal, como variáveis que possam explicar a variabilidade da Renda Domiciliar, importante indicador de poder econômico para famílias e territórios, com amplo uso pelo poder público e empresas em geral. Os períodos foram escolhidos por proporcionar análises com os dados a partir do último Censo divulgado, ano de 2010, e variáveis ainda não mensuradas em estudos anteriores e disponibilizadas a partir do ano de 2020. A pesquisa aplicou diferentes modelos multivariados: OLS (Ordinary Least Square) e espaciais como o SAR (Spatial Auto Regression) e o MGWR (Multiscale Geographically Weighted Regression). Dentre os principais resultados do estudo para as variáveis do ano de 2010 está a maior predição a partir do modelo espacial MGWR (R 2 de 86% em relação a 73% do OLS e 77% do SAR). Para os dados deste período a variável com maior impacto foi a frota de veículo. Para o período do ano de 2020 o resultado foi semelhante, o modelo MGWR obteve o maior R 2 , 86% e AIC 5689 em relação ao OLS com 80% e o SAR de 82%. Dentre as variáveis com maior impacto no ano de 2020 foram acesso à TV a Cabo, consumo de internet e frota de veículos. Dessa forma, o resultado do estudo evidencia que a variável frota de veículo pode contribuir na estimação da renda municipal, bem como o acesso a comunicação, em especial, a internet. É esperado que gestores e formuladores de políticas públicas possam replicar os modelos propostos para estimação e criação de cenários econômicos e sociais e utilizar efetivamente esta proposta como instrumento de gestão. |
id |
FGV_9862949d663d27a95590fab32a41e5b2 |
---|---|
oai_identifier_str |
oai:repositorio.fgv.br:10438/32202 |
network_acronym_str |
FGV |
network_name_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
repository_id_str |
3974 |
spelling |
Ronqui, Rafael MartinsEscolas::EAESPKugler, José Luiz CarlosCoelho, Ricardo Limongi FrançaFrancisco, Eduardo de Rezende2022-07-07T16:07:48Z2022-07-07T16:07:48Z2022https://hdl.handle.net/10438/32202A carência da atualização de dados públicos é uma discussão frequente entre acadêmicos e gestores. Trabalhos anteriores contribuíram com propostas de previsão da renda da população, em especial, por meio do consumo de energia e dados tecnológicos. Com esta inspiração esta dissertação teve como objetivo propor uma alternativa para previsão de renda da população brasileira ao considerar todos os municípios, e utilizar dados de consumo, tecnologia e desenvolvimento socioeconômico como preditoras. A pesquisa analisou dados que foram obtidos de diferentes fontes, tais como Receita Federal, Ministério da Infraestrutura e ANATEL (Agência Nacional de Telecomunicações) referentes aos 5570 municípios brasileiros para dois períodos: 2010 e 2020 – notadamente, as datas de realização (e previsão original) do Censo Demográfico brasileiro. Buscou-se avaliar o poder de explicação de um conjunto de variáveis, de atualização mensal, como variáveis que possam explicar a variabilidade da Renda Domiciliar, importante indicador de poder econômico para famílias e territórios, com amplo uso pelo poder público e empresas em geral. Os períodos foram escolhidos por proporcionar análises com os dados a partir do último Censo divulgado, ano de 2010, e variáveis ainda não mensuradas em estudos anteriores e disponibilizadas a partir do ano de 2020. A pesquisa aplicou diferentes modelos multivariados: OLS (Ordinary Least Square) e espaciais como o SAR (Spatial Auto Regression) e o MGWR (Multiscale Geographically Weighted Regression). Dentre os principais resultados do estudo para as variáveis do ano de 2010 está a maior predição a partir do modelo espacial MGWR (R 2 de 86% em relação a 73% do OLS e 77% do SAR). Para os dados deste período a variável com maior impacto foi a frota de veículo. Para o período do ano de 2020 o resultado foi semelhante, o modelo MGWR obteve o maior R 2 , 86% e AIC 5689 em relação ao OLS com 80% e o SAR de 82%. Dentre as variáveis com maior impacto no ano de 2020 foram acesso à TV a Cabo, consumo de internet e frota de veículos. Dessa forma, o resultado do estudo evidencia que a variável frota de veículo pode contribuir na estimação da renda municipal, bem como o acesso a comunicação, em especial, a internet. É esperado que gestores e formuladores de políticas públicas possam replicar os modelos propostos para estimação e criação de cenários econômicos e sociais e utilizar efetivamente esta proposta como instrumento de gestão.The lack of updating public data is a frequent discussion between academics and managers. Previous works contributed with proposals for forecasting the population's income through energy consumption and technological data. With this inspiration, this dissertation aimed to propose an alternative for forecasting the income of the Brazilian population when considering all municipalities and using data on consumption, technology, and socio-economic development as predictors. The research analyzed data that were obtained from different sources, such as the Federal Revenue Service, Ministry of Infrastructure, and ANATEL (National Telecommunications Agency) referring to the 5570 Brazilian municipalities for two periods: 2010 and 2020 - notably, the dates of realization (and original forecast) of the Brazilian Demographic Census. We sought to evaluate the explanatory power of a set of variables, updated monthly, as variables that can explain the variability of Household Income, an important indicator of economic power for families and territories, widely used by the government and companies in general. The periods were chosen because they provide analysis with data from the last Census released, the year 2010, and variables not yet measured in previous studies and made available from the year 2020. The research applied different multivariate models: OLS (Ordinary Least Square) and spatial ones such as SAR (Spatial Auto Regression) and MGWR (Multiscale Geographically Weighted Regression). Among the main results of the study for the variables of the year 2010 is the highest prediction from the MGWR spatial model (R2 of 86% compared to 73% of the OLS and 77% of the SAR). For data on this period, the variable with the greatest impact was the vehicle fleet. For the period of the year 2020, the result was similar, the MGWR technique obtained the highest R2 , 86%, and AIC 5689 in relation to the OLS with 80% and the MGWR of 82%. Among the variables with the greatest impact in 2020 was access to cable TV, internet consumption, and vehicle fleet. Thus, the result of the study shows that the vehicle fleet variable can contribute to the estimation of municipal income, as well as access to communication, especially the internet. It is expected that managers and public policymakers can replicate the proposed models for estimating and creating economic and social scenarios and effectively use this proposal as a management tool.porHousehold incomePublic dataSocio-economic developmentSpatial statisticsRenda domiciliarDado públicoDesenvolvimento socioeconômicoEstatística espacialTecnologiaRenda - Distribuição - Brasil - IndicadoresPrevisão econômicaOrçamento familiarAnálise espacial (Estatística)Indicadores de renda baseados em tecnologia, desenvolvimento social e econômico pela perspectiva da estatística espacialinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional do FGV (FGV Repositório Digital)instname:Fundação Getulio Vargas (FGV)instacron:FGVORIGINALTA_Rafael_Ronqui_versão final.pdfTA_Rafael_Ronqui_versão final.pdfPDFapplication/pdf1815889https://repositorio.fgv.br/bitstreams/644ad5d0-1e17-4fe2-bd81-47f3f48c903b/downloade07c334d60e0092a98ce097f343c1764MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-84707https://repositorio.fgv.br/bitstreams/d1a331b6-c3f0-470f-8f1a-a12b469491a8/downloaddfb340242cced38a6cca06c627998fa1MD52TEXTTA_Rafael_Ronqui_versão final.pdf.txtTA_Rafael_Ronqui_versão final.pdf.txtExtracted texttext/plain75824https://repositorio.fgv.br/bitstreams/c9c4e5ca-94ff-4902-bac9-41e3e700499c/download002327de7deea66dd6c2c2a996672395MD55THUMBNAILTA_Rafael_Ronqui_versão final.pdf.jpgTA_Rafael_Ronqui_versão final.pdf.jpgGenerated Thumbnailimage/jpeg2602https://repositorio.fgv.br/bitstreams/e7518ebc-66d5-4c55-a682-fe64eb154755/download31534a467bd8a288c4167cb31d5411f2MD5610438/322022023-11-26 00:48:41.53open.accessoai:repositorio.fgv.br:10438/32202https://repositorio.fgv.brRepositório InstitucionalPRIhttp://bibliotecadigital.fgv.br/dspace-oai/requestopendoar:39742023-11-26T00:48:41Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)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 |
dc.title.por.fl_str_mv |
Indicadores de renda baseados em tecnologia, desenvolvimento social e econômico pela perspectiva da estatística espacial |
title |
Indicadores de renda baseados em tecnologia, desenvolvimento social e econômico pela perspectiva da estatística espacial |
spellingShingle |
Indicadores de renda baseados em tecnologia, desenvolvimento social e econômico pela perspectiva da estatística espacial Ronqui, Rafael Martins Household income Public data Socio-economic development Spatial statistics Renda domiciliar Dado público Desenvolvimento socioeconômico Estatística espacial Tecnologia Renda - Distribuição - Brasil - Indicadores Previsão econômica Orçamento familiar Análise espacial (Estatística) |
title_short |
Indicadores de renda baseados em tecnologia, desenvolvimento social e econômico pela perspectiva da estatística espacial |
title_full |
Indicadores de renda baseados em tecnologia, desenvolvimento social e econômico pela perspectiva da estatística espacial |
title_fullStr |
Indicadores de renda baseados em tecnologia, desenvolvimento social e econômico pela perspectiva da estatística espacial |
title_full_unstemmed |
Indicadores de renda baseados em tecnologia, desenvolvimento social e econômico pela perspectiva da estatística espacial |
title_sort |
Indicadores de renda baseados em tecnologia, desenvolvimento social e econômico pela perspectiva da estatística espacial |
author |
Ronqui, Rafael Martins |
author_facet |
Ronqui, Rafael Martins |
author_role |
author |
dc.contributor.unidadefgv.por.fl_str_mv |
Escolas::EAESP |
dc.contributor.member.none.fl_str_mv |
Kugler, José Luiz Carlos Coelho, Ricardo Limongi França |
dc.contributor.author.fl_str_mv |
Ronqui, Rafael Martins |
dc.contributor.advisor1.fl_str_mv |
Francisco, Eduardo de Rezende |
contributor_str_mv |
Francisco, Eduardo de Rezende |
dc.subject.eng.fl_str_mv |
Household income Public data Socio-economic development Spatial statistics |
topic |
Household income Public data Socio-economic development Spatial statistics Renda domiciliar Dado público Desenvolvimento socioeconômico Estatística espacial Tecnologia Renda - Distribuição - Brasil - Indicadores Previsão econômica Orçamento familiar Análise espacial (Estatística) |
dc.subject.por.fl_str_mv |
Renda domiciliar Dado público Desenvolvimento socioeconômico Estatística espacial |
dc.subject.area.por.fl_str_mv |
Tecnologia |
dc.subject.bibliodata.por.fl_str_mv |
Renda - Distribuição - Brasil - Indicadores Previsão econômica Orçamento familiar Análise espacial (Estatística) |
description |
A carência da atualização de dados públicos é uma discussão frequente entre acadêmicos e gestores. Trabalhos anteriores contribuíram com propostas de previsão da renda da população, em especial, por meio do consumo de energia e dados tecnológicos. Com esta inspiração esta dissertação teve como objetivo propor uma alternativa para previsão de renda da população brasileira ao considerar todos os municípios, e utilizar dados de consumo, tecnologia e desenvolvimento socioeconômico como preditoras. A pesquisa analisou dados que foram obtidos de diferentes fontes, tais como Receita Federal, Ministério da Infraestrutura e ANATEL (Agência Nacional de Telecomunicações) referentes aos 5570 municípios brasileiros para dois períodos: 2010 e 2020 – notadamente, as datas de realização (e previsão original) do Censo Demográfico brasileiro. Buscou-se avaliar o poder de explicação de um conjunto de variáveis, de atualização mensal, como variáveis que possam explicar a variabilidade da Renda Domiciliar, importante indicador de poder econômico para famílias e territórios, com amplo uso pelo poder público e empresas em geral. Os períodos foram escolhidos por proporcionar análises com os dados a partir do último Censo divulgado, ano de 2010, e variáveis ainda não mensuradas em estudos anteriores e disponibilizadas a partir do ano de 2020. A pesquisa aplicou diferentes modelos multivariados: OLS (Ordinary Least Square) e espaciais como o SAR (Spatial Auto Regression) e o MGWR (Multiscale Geographically Weighted Regression). Dentre os principais resultados do estudo para as variáveis do ano de 2010 está a maior predição a partir do modelo espacial MGWR (R 2 de 86% em relação a 73% do OLS e 77% do SAR). Para os dados deste período a variável com maior impacto foi a frota de veículo. Para o período do ano de 2020 o resultado foi semelhante, o modelo MGWR obteve o maior R 2 , 86% e AIC 5689 em relação ao OLS com 80% e o SAR de 82%. Dentre as variáveis com maior impacto no ano de 2020 foram acesso à TV a Cabo, consumo de internet e frota de veículos. Dessa forma, o resultado do estudo evidencia que a variável frota de veículo pode contribuir na estimação da renda municipal, bem como o acesso a comunicação, em especial, a internet. É esperado que gestores e formuladores de políticas públicas possam replicar os modelos propostos para estimação e criação de cenários econômicos e sociais e utilizar efetivamente esta proposta como instrumento de gestão. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-07-07T16:07:48Z |
dc.date.available.fl_str_mv |
2022-07-07T16:07:48Z |
dc.date.issued.fl_str_mv |
2022 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/10438/32202 |
url |
https://hdl.handle.net/10438/32202 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional do FGV (FGV Repositório Digital) instname:Fundação Getulio Vargas (FGV) instacron:FGV |
instname_str |
Fundação Getulio Vargas (FGV) |
instacron_str |
FGV |
institution |
FGV |
reponame_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
collection |
Repositório Institucional do FGV (FGV Repositório Digital) |
bitstream.url.fl_str_mv |
https://repositorio.fgv.br/bitstreams/644ad5d0-1e17-4fe2-bd81-47f3f48c903b/download https://repositorio.fgv.br/bitstreams/d1a331b6-c3f0-470f-8f1a-a12b469491a8/download https://repositorio.fgv.br/bitstreams/c9c4e5ca-94ff-4902-bac9-41e3e700499c/download https://repositorio.fgv.br/bitstreams/e7518ebc-66d5-4c55-a682-fe64eb154755/download |
bitstream.checksum.fl_str_mv |
e07c334d60e0092a98ce097f343c1764 dfb340242cced38a6cca06c627998fa1 002327de7deea66dd6c2c2a996672395 31534a467bd8a288c4167cb31d5411f2 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV) |
repository.mail.fl_str_mv |
|
_version_ |
1813797739760189440 |