Indicadores de renda baseados em tecnologia, desenvolvimento social e econômico pela perspectiva da estatística espacial

Detalhes bibliográficos
Autor(a) principal: Ronqui, Rafael Martins
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