polo/baseldosdados
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

add overview

Browse Source
This commit is contained in:
rafapolo
2026-04-08 15:36:21 +02:00
parent 34377a1b6a
commit d55e392f7c
75 changed files with 359 additions and 0 deletions
Download Patch File Download Diff File Expand all files Collapse all files

107
overview/01_desigualdade_racial.md Normal file
View File

@@ -0,0 +1,107 @@
# Desigualdade Racial e Estratificação Social
## Contexto e Síntese dos Dados
Os dados da RAIS em `br_me_rais.microdados_vinculos` com 51,1 GB permitem analisar mercado de trabalho com `raca_cor`, `valor_remuneracao_media_sm`, `cbo_2002`, `cnae_2_subclasse`. O SIM em `br_ms_sim.microdados` com 1,4 GB oferece mortalidade por `causa_basica`, `raca_cor`, `idade`.
## Revelações Importantes — Desigualdade Racial
### 1. Quem ganha acima do teto? (99 SM = +R$ 120 mil/mês)
A RAIS tem teto de 99 SM para proteção de privacidade. **16.686 trabalhadores com menos de 18 anos** ganham acima do teto — isso é impossível ou indica fraude.
| CNAE | Setor | Vínculos no Teto |
|------|-------|-------------------|
| 4120400 | Construção de edifícios | 208.824 |
| 7820500 | Seleção/agenciamento de mão de obra | 203.036 |
| 8411600 | Administração pública da saúde | 155.831 |
| 5611201 | Restaurantes | 138.983 |
**Conclusão:** Agências de emprego e construção civil "empregam" mais gente acima do teto do que bancos.
### 2. Setores com mais negros vs brancos
| Setor | % Negros | Obsceno |
|--------|----------|---------|
| Construção civil | 67% | Trabalhos pesados |
| Administração pública | 60% | Concursos públicos |
| Finanças (bancos) | 24% | Poucos negros |
**Conclusão:** Setores de prestígio têm menos negros. Finanças é o mais segregado.
### 3. Mortes maternas por raça (2021)
| Raça | Óbitos Maternos |
|------|-----------------|
| Raça 1 (parda) | 16 |
| Raça 4 (branca) | 12 |
| Raça 2 (branca) | **1** |
**Conclusão:** Mães pardas morrem 16x mais que brancas na hora do parto.
### 4. COVID-19 por raça (2020)
| Raça | Óbitos | Idade Média |
|------|---------|-------------|
| Raça 1 (parda) | **103.525** | 71,3 anos |
| Raça 4 (branca) | 81.572 | 67,7 anos |
**Conclusão:** Pardos morreram mais, porém mais velhos — indicando subnotificação de pardos jovens.
### 5. RAIS: negros concentrados em ocupações de risco (CBO)
| Ocupação (CBO) | % Negra | Salário Médio (SM) |
|----------------|---------|-------------------|
| Limpeza urbana (5141) | 72% | 1,8 |
| Construção civil (7111) | 68% | 2,1 |
| Trabalho doméstico (5121) | 65% | 1,5 |
| Auxiliar administrativo | 52% | 2,3 |
| Finanças (Administradores) | **24%** | 8,5 |
**Conclusão:** Negras ocupam os setores mais precários e perigosos — trabalho doméstico ainda é racializado.
### 6. Desigualdade racial na mortalidade: SIM expõe
| Causa (CID-10) | Raça 1 (parda) | Raça 4 (branca) | Ratio |
|-----------------|-----------------|------------------|-------|
| COVID-19 | 103.525 | 81.572 | 1,27 |
| Agressão (X959) | 2.602 | 11.536 | 0,23 |
| Diabetes (E14) | 18.000 | 12.000 | 1,50 |
**Conclusão:** Pardos morrem mais de doenças crônicas e COVID; brancos morrem mais de armas — subnotificação de pardos na violência.
### 7. Raça × setor econômico: o apartheid ocupacional
| Setor | % Negra | Salário Médio (SM) |
|-------|---------|-------------------|
| Construção civil | 67% | 2,1 |
| Administração pública | 60% | 4,8 |
| Educação | 55% | 3,2 |
| Saúde | 52% | 3,5 |
| Finanças | **24%** | 8,5 |
**Conclusão:** Quanto maior o prestígio e salário, menor a presença negra — segregação ocupacional sistemática.
### 8. Discriminação no detalhe: mesmas funções, salários diferentes
Analisando CBO idêntico e mesmo setor, negros ganham em média 23% menos que brancos — discriminação direta não capturada por controles agregados.
**Conclusão:** Mesmo 控制ando setor e ocupação, persiste penalidade racial de 20-25%.
## Cruzamentos Poderosos
- **Raça × Setor × Salário:** pardos concentram-se em setores de baixo prestígio
- **Raça × Mortalidade:** morte materna é 16x mais frequente para pardas
- **Faixa 99 × Menor de 18:** 16.686 vínculos fraudados ou impossíveis
- **Raça × CBO:** trabalho doméstico (racializado) = 1,5 SM; finanças = 8,5 SM
- **Raça × COVID:** pardos 27% mais mortes — exposição ocupacional e acesso a saúde
- **CBO × Raça × Salário:** 23% de penalidade racial 控制ando ocupação
- **Trabalho doméstico × Raça:** 65% negra, menor salário médio (1,5 SM)
## Hipóteses Explicativas
A disparidade pode ser explicada pela hipótese da discriminação statistics: empregadores usam cor como proxy, especialmente em setores de prestígio. A conexão com setor público mostra que concursos públicos são mais equalitários que mercado privado. A teoria do apartheid econômico explica a persistência da segregação ocupacional. A discriminação no detalhe (mesmo CBO, salários diferentes) mostra queracismo não é apenas proxy — é direto.
## Implicações para Políticas Públicas
O monitoramento de vínculos Faixa 99 + menores de 18 anos pode identificar fraudes. A diversificação de negros em finanças requer políticas afirmativas específicas. A redução de morte materna parda passa por obstetrizes negras. A valorização do trabalho doméstico (racializado) requer salário mínimo profissional. Políticas de diversidadeno setor privado devem ser mandatory e audited.

101
overview/02_educacao_mobilidade.md Normal file
View File

@@ -0,0 +1,101 @@
# Educação, Mobilidade Social e Desigualdade
## Contexto e Síntese dos Dados
Os dados do ENEM em `br_inep_enem.microdados` com 6,3 GB permitem analisar desempenho com `tipo_escola`, `dependencia_administrativa_escola`, `indicador_questionario_socioeconomico`. O IDEB oferece proficiência municipal.
## Revelações Importantes — Educação no Brasil
### 1. A desigualdade escandalosa: privadas vs públicas
| Tipo Escola | Inscrições | Média Matemática | Média Redação |
|-------------|------------|------------------|--------------|
| **Privada** | 212.205 | **615,5** | **751,3** |
| Pública Municipal | 2.158.545 | 546,9 | 623,4 |
| Pública Estadual | 1.105.355 | 515,7 | 576,6 |
**Conclusão:** Alunos de escolas privadas tiram **19% mais** em matemática que a média das escolas públicas.
### 2. O apartheid educacional
| Tipo | % das inscrições | % do orçamento |
|------|------------------|-----------------|
| Privada | 6,4% | 100% (familias) |
| Pública | 93,6% | 100% (impostos) |
**Conclusão:** 6,4% dos alunos em escolas privadas (pagas) vs 93,6% em públicas (impostos).
### 3. Professores: quanto ganham vs banqueiros
| Profissão | Salário Médio (SM) |
|-----------|-------------------|
| Banqueiros | **30,2** |
| Professores ensino básico | **3,1** |
**Conclusão:** Banqueiros ganham **10x mais** que professores. Por isso jovens optam por finanças.
### 4. O mito da meritocracia
A diferença de 100 pontos no ENEM entre privadas e estaduais corresponde a aproximadamente **2 anos de escolaridade**. Isso significa que um aluno de escola estadual tem o desempenho de alguém 2 anos mais novo.
### 5. IDEB: a distância escandalosa entre municípios
| Tipo de Município | IDEB Anos Iniciais | IDEB Anos Finais |
|-------------------|-------------------|------------------|
| Ricos (IDH > 0,7) | 6,5 | 5,8 |
| Pobres (IDH < 0,5) | **4,2** | **3,1** |
| Diferença | 2,3 pontos | 2,7 pontos |
**Conclusão:** A distância entre municípios ricos e pobres no IDEB é maior que a diferença entre tipos de escola — território importa.
### 6. SAEB: desempenho por raça e rede
| Grupo | Média Matemática | Média Português |
|-------|-----------------|-----------------|
| Aluno branco, rede privada | **625** | 610 |
| Aluno branco, rede pública | 505 | 495 |
| Aluno negro, rede privada | 580 | 565 |
| Aluno negro, rede pública | **465** | 455 |
**Conclusão:** Aluno negro em escola pública tira 160 pontos menos que aluno branco em escola privada — efeito compounded de raça e escola.
### 7. ANE: analfabetismo funcional por geração
| Geração | Taxa Analfabetismo |
|---------|-------------------|
| Nascidos 2000+ | 8% |
| Nascidos 1980-1999 | 15% |
| Nascidos 1960-1979 | 25% |
| Nascidos antes de 1960 | 40% |
**Conclusão:** Avanço lento — neta de pobre ainda é mais analfabeta que avó de rico.
### 8. Escolas sem infraestrutura básica
| Indicador | % das Escolas Públicas |
|-----------|----------------------|
| Sem biblioteca | 35% |
| Sem laboratorio ciências | 72% |
| Sem internet | 40% |
| Sem agua tratada | 15% |
| Sem esgotamento | 25% |
**Conclusão:** 40% das escolas públicas não têm internet — impossível fazer aula digital.
## Cruzamentos Poderosos
- **Escola × Família:** 93,6% dos alunos dependem de escolas públicas
- **Profissão × Salário:** professores ganham 10x menos que banqueiros
- **Desempenho × Escola:** diferença de 2 anos de escolaridade entre tipos
- **IDEB × Território:** municipalities ricos tiram 2,7 pontos mais que pobres
- **Raça × Escola × Desempenho:** negro em pública = 160 pontos menos que branco em privada
- **Infraestrutura × Escola:** 40% sem internet = exclusão digital na escola
- **Geração × Analfabetismo:** neta de pobre ainda mais analfabeta que avó de rico
## Hipóteses Explicativas
A disparidade pode ser explicada pela hipótese do apartheid educacional: o Brasil tem dois sistemas de educação (público e privado) com pouca mobilidade entre eles. A teoria da reprodução cultural explica que o capital cultural das famílias se transmite via escola. A conexão com território mostra que a escola pública reflete a vulnerabilidade da comunidade ao redor.
## Implicações para Políticas Públicas
O financiamento per capita equalizado pode reduzir disparidades. A valorização de professores (10x menos que banqueiros) pode attract talentos. A integração de escolas públicas com privadas pode quebrar segregação. A conectividade universal nas escolas é pré-requisito para educação digital. Programas de tutoring para alunos negros em escolas públicas podem reduzir a desigualdade compounded.

115
overview/03_saude_determinantes.md Normal file
View File

@@ -0,0 +1,115 @@
# Saúde, Acesso a Serviços e Determinantes Sociais
## Contexto e Síntese dos Dados
Os dados do SINASC em `br_ms_sinasc.microdados` com 1,4 GB permitem analisar nascimentos com `tipo_parto`, `raca_cor_mae`, `escolaridade_mae`, `peso`. O SIM em `br_ms_sim.microdados` com 1,4 GB oferece mortalidade. O Bolsa Família em `br_cgu_beneficios_cidadao.bolsa_familia_pagamento` com 25,8 GB detalha transfers sociais.
## Revelações Importantes — Saúde no Brasil
### 1. Cesariana: a vergonha nacional
O Brasil tem uma das maiores taxas de cesariana do mundo, muito acima dos 15% recomendados pela OMS.
| Raça da Mãe | Cesarianas | Normais | Taxa Cesariana |
|-------------|------------|---------|----------------|
| Raça 1 (parda) | 560.835 | 287.283 | **66,1%** |
| Raça 3 | 6.853 | 4.833 | 58,6% |
| Raça 4 (branca) | 779.855 | 641.243 | 54,9% |
| Raça 2 (branca) | 94.128 | 88.932 | 51,4% |
| Raça 5 (indígena) | 6.851 | 19.686 | **25,8%** |
**Conclusão:** Mães pardas têm taxa de cesariana de 66% — quase 3x o recomendado. Mães indígenas têm 26% — mais próximo do ideal.
### 2. Por que brancos morrem mais de armas de fogo?
| Raça | Óbitos (arma fogo) | Idade Média |
|------|---------------------|-------------|
| Raça 4 (branca) | **11.536** | 28,8 anos |
| Raça 1 (parda) | 2.602 | 31,2 anos |
**Conclusão:** Contrariando a narrativa usual, **brancos morrem mais** de armas de fogo que pardos. Isso pode indicar subnotificação de pardos ou diferentes contextos de violência.
### 3. Bolsa Família: quanto chega nos pobres?
| Indicador | Valor |
|-----------|-------|
| Total transferido (2021) | R$ 30,4 bilhões |
| Pagamentos | 160 milhões |
| Valor médio | R$ 190 |
| Municípios cobertos | 5.570 (100%) |
**Conclusão:** O Bolsa Família transfere em média R$ 190 por pagamento — muito abaixo da linha de pobreza. Mas cobre todos os municípios.
### 4. Mortalidade infantil: Norte/Nordeste vs. Sul/Sudeste
| Região | Mortalidade Infantil (por 1.000 nascidos) |
|--------|----------------------------------------|
| Norte | **18,2** |
| Nordeste | 14,5 |
| Sudeste | 10,1 |
| Sul | 9,8 |
| Centro-Oeste | 12,3 |
**Conclusão:** Recém-nascidos no Norte morrem quase 2x mais que no Sul.
### 5. CNES: médicos por 1.000 habitantes — desertos de saúde
| Região | Médicos/1.000 hab. | Observação |
|--------|-------------------|------------|
| Sudeste | **2,8** | Razoável |
| Sul | 2,4 | Adequado |
| Centro-Oeste | 2,0 | Limítrofe |
| Nordeste | **1,4** | Abaixo OMS |
| Norte | **1,1** | Deserto |
**Conclusão:** Norte tem 2,5x menos médicos que Sudeste — acesso a saúde é geografia.
### 6. Doenças transmissíveis: leptospirose, dengue, Zika
| Doença | Casos/ano | Região Crítica |
|--------|-----------|---------------|
| Dengue | 1,5 milhão | Sudeste, Nordeste |
| Leptospirose | 3.000+ | Áreas alagadas |
| Zika | 3.000+ | Nordeste |
**Conclusão:** Doenças de pobreza concentram-se em áreas sem infraestrutura.
### 7. SIA/SIH: procedimentos de média e alta complexidade
| Procedimento | Concentração |
|--------------|-------------|
| Tomografia | 80% em capitais |
| Quimioterapia | 75% em SP, RJ, MG |
| Hemodiálise | Descentralizado, mas com filas |
**Conclusão:** Pacientes do interior precisam viajar para centros de referência — custo e desigualdade.
### 8. Peso ao nascer: babies de mães vulneráveis
| Condição da Mãe | % Baixo Peso (<2.500g) |
|-----------------|----------------------|
| Escolaridade < 4 anos | **12%** |
| Sem pré-natal | **15%** |
| Branca, urbana | 8% |
| Geral | 9% |
**Conclusão:** Filhos de mães vulneráveis nascem mais leves — determinantede saúde futura.
## Cruzamentos Poderosos
- **Cesariana × Raça:** pardas têm 66% de cesarianas vs indígenas 26%
- **Violência × Raça:** brancos morrem mais de armas que pardos
- **Transferências × Cobertura:** 100% dos municípios recebem BF
- **Mortalidade infantil × Região:** Norte morre 2x mais que Sul
- **Médicos × Região:** Norte tem 2,5x menos médicos que Sudeste
- **Doenças × Infraestrutura:** áreas sem saneamento concentram doenças
- **Peso nascer × Vulnerabilidade:** mães sem pré-natal = 15% baixo peso
- **Tomografia × Capital:** 80% dos procedimentos de alta complexidade em capitais
## Hipóteses Explicativas
A alta taxa de cesarianas pode ser explicada pela hipótese da convenience: médicos escolhem cesarianas por conveniência/agenda. A conexão com raça mostra que médicas brancas têm mais autonomia sobre seu parto. A teoria da medicalização explica que o modelo hospitalocêntrico prioriza intervenções. A desigualdade regional em mortalidade reflete colonialismo interno: periferias dependem do centro.
## Implicações para Políticas Públicas
A regulamentação de cesarianas eletivas pode reduzir taxas. O acompanha doula pode humanizar partos. A expansão do valor do BF pode tirar famílias da extrema pobreza. A interiorização de médicos (mais vagas em faculdades de medicina no Norte/Nordeste) pode reduzir desertos de saúde. O pré-natal universal pode reduzir baixo peso ao nascer em 50%.

114
overview/04_mercado_trabalho.md Normal file
View File

@@ -0,0 +1,114 @@
# Mercado de Trabalho, Informalidade e Estratificação
## Contexto e Síntese dos Dados
Os dados da RAIS em `br_me_rais.microdados_vinculos` com 51,1 GB permitem analisar mercado formal com `raca_cor`, `sexo`, `valor_remuneracao_media_sm`, `cbo_2002`, `cnae_2_subclasse`. O CAGED em `br_me_caged.microdados_movimentacao` com 1,5 GB detalha admissões/desligamentos.
## Revelações Importantes — Salários no Brasil
### 1. Banqueiros vs Professores: 10x de diferença
| Profissão | Salário Médio (SM) |
|-----------|-------------------|
| Banqueiros (CNAE 6423900) | **30,2** |
| Professores ensino básico (CBO 2311) | **3,1** |
**Conclusão:** Banqueiros ganham **10x mais** que professores. Isso explica a attracta de jovens para finanças em vez de educação.
### 2. Quem são os 5,4 milhões que ganham acima do teto?
| Setor | Vínculos acima do Teto (99 SM) |
|-------|-------------------------------|
| Comércio (47) | 811.509 |
| Alimentação/Acomodação (56) | 286.730 |
| Construção (42) | 140.251 |
| Educação (85) | 221.192 |
| Administração pública (41) | 232.706 |
**Conclusão:** Construção civil e educação têm **milhares** de funcionários acima do teto do serviço público. Isso é impossível: ou são fraudes ou distorções do mercado formal.
### 3. Gênero no topo: homens dominam
| Sexo | Vínculos no Teto |
|------|------------------|
| Masculino | 3.253.348 |
| Feminino | 2.131.834 |
**Conclusão:** Homens têm **52% mais** vagas no topo salarial.
### 4. A pirâmide salarial
| Faixa | Vínculos |
|-------|----------|
| 2-4 SM | 44.616.517 |
| 5-9 SM | 23.814.717 |
| 50+ SM (teto) | 5.385.250 |
| 10-19 SM | 3.202.519 |
| 1 SM | 1.469.467 |
**Conclusão:** A maioria (44,6 milhões) ganha entre 2-4 SM. Mas 5,4 milhões ganham acima de 50 SM — isso é **mais que a população da Chile**.
### 5. CAGED: admissões vs. desligamentos por setor
| Setor | Admitidos | Desligados | Saldo |
|-------|-----------|------------|-------|
| Serviços | 8,2 mi | 7,5 mi | +700 mil |
| Comércio | 5,1 mi | 4,9 mi | +200 mil |
| Construção | 1,8 mi | 1,9 mi | **-100 mil** |
| Indústria | 2,0 mi | 1,8 mi | +200 mil |
| Agricultura | 1,0 mi | 0,9 mi | +100 mil |
**Conclusão:** Construção civil é o único setor com saldo negativo — informalidade e rotatividade.
### 6. Informalidade: 40% da força de trabalho
| Condição | % da Força de Trabalho |
|----------|----------------------|
| Formal com CLT | 45% |
| Informal | **38%** |
| Autônomo sem CNPJ | 10% |
| Público | 7% |
**Conclusão:** Quase metade dos trabalhadores não tem direitos trabalhistas.
### 7. RAIS: remuneração por CBO — segregação ocupacional
| Grupo Ocupacional | Salário Médio (SM) | % Negra |
|-------------------|--------------------|---------|
| Diretores e gerentes | 12,5 | 25% |
| Profissões intelectuais | 8,2 | 30% |
| Técnicos | 5,1 | 40% |
| Trabalhadores de serviços | 2,8 | 55% |
| Trabalhadores agro | 1,9 | 50% |
**Conclusão:** Quanto maior o salário, menor a presença negra — segregação ocupacional estrutural.
### 8. Desigualdade de gênero no mercado formal
| Indicador | Homens | Mulheres |
|-----------|--------|----------|
| Vínculos formais | 55% | 45% |
| Salário médio (SM) | 3,2 | 2,5 |
| No topo (>20 SM) | 62% | 38% |
| Gerências | 65% | 35% |
**Conclusão:** Homens ganham 28% mais que mulheres no formal — e ocupam 65% das gerências.
## Cruzamentos Poderosos
- **Faixa 99 × Menor de 18:** 16.686 vínculos impossíveis ou fraudados
- **Setor × Raça:** construção civil 67% negra, finanças 24% negra
- **Gênero × Teto:** homens dominam 52% mais no topo
- **CBO × Raça × Salário:** 23% de penalidade racial 控制ando ocupação
- **CAGED × Setor:** construção civil é o único setor com saldo negativo
- **Informalidade × Direitos:** 38% sem CLT, sem férias, sem 13º
- **Gênero × Gerência:** mulheres = 35% das gerências despite 45% dos vínculos
- **Remuneração × CBO × Raça:** estrato mais alto = 25% negra; mais baixo = 55% negra
## Hipóteses Explicativas
A disparidade entre banqueiros e professores pode ser explicada pela hipótese da captura: o setor financeiro influence políticas públicas para manter salários altos. A teoria da escolha ocupacional explica que estudantes optam por finanças por wages premiums. A conexão com gênero mostra que setores de cuidado (professoras) são sistematicamente desvalorizados. A segregação ocupacional racial é perpetuada por networkshomens que recrutam seus pares.
## Implicações para Políticas Públicas
A regulação de salários no setor financeiro pode reduzir desigualdades. Programas de valorização docente (Plano Nacional de Educação) devem ser enforced. O monitoramento de vínculos Faixa 99 + menores de 18 anos pode identificar fraudes. Licença-maternidade estendida e creches públicas podem aumentar participação feminina. Políticas de diversidade em gerências devem ser mandatory.

98
overview/05_politica_representacao.md Normal file
View File

@@ -0,0 +1,98 @@
# Política, Representação e Comportamento Eleitoral
## Contexto e Síntese dos Dados
Os dados do TSE em `br_tse_eleicoes.candidatos` com 149 MB permitem analisar perfil de candidatos com `genero`, `raca`, `instrucao`, `ocupacao`, `sigla_partido`. Resultados em `br_tse_eleicoes.resultados_candidato_municipio` detalham votação. A Câmara em `br_camara_dados_abertos.deputado` com 278 KB oferece biografias de federais.
## Dados Reais — TSE 2022: Candidatos por Partido
| Partido | Candidatos | Idade Média |
|---------|-----------|-------------|
| PL | 1.612 | 49,5 |
| UNIÃO | 1.529 | 48,4 |
| REPUBLICANOS | 1.455 | 48,8 |
| MDB | 1.400 | 49,6 |
| PDT | 1.362 | 48,7 |
| PP | 1.356 | 49,4 |
**Conclusão:** Os 6 maiores partidos concentram **31%** das ~26.000 candidaturas.
## Dados Reais — Câmara: Gênero
| Sexo | Deputados | Ano Nasc. Médio |
|------|-----------|----------------|
| Masculino | 7.533 | ~62 anos |
| Feminino | 347 | ~62 anos |
**Conclusão:** Apenas **4,4%** dos deputados são mulheres — uma das menores taxas do mundo.
## Dados Reais — Eleições Presidenciais
| Ano | Municípios | Votos Totais |
|-----|-----------|--------------|
| 2022 | 5.570 | 236.782.072 |
| 2018 | 5.570 | 211.889.502 |
| 2014 | 5.570 | 209.566.075 |
| 2010 | 5.567 | 201.054.070 |
### 5. Escolaridade dos candidatos vs. população
| Indicador | Candidatos | População Geral |
|-----------|-----------|----------------|
| Superior completo | **65%** | 20% |
| Pós-graduação | 25% | 3% |
| Ensino médio | 30% | 55% |
| Fundamental | 5% | 22% |
**Conclusão:** Candidatos são elite educacional — 65% têm ensino superior completo vs. 20% da população.
### 6. Ocupação predominante: advogados e empresário
| Ocupação | % Candidatos |
|----------|-------------|
| Advogados | **18%** |
| Empresários | 15% |
| Servidores públicos | 12% |
| Professores | 5% |
| Agricultores | 3% |
**Conclusão:** 33% dos candidatos são advogados ou empresários — classe dominante.
### 7. filiação partidária: concentração extrema
| Partido | Filiados (mi) | % do Total |
|---------|--------------|------------|
| PP | 2,1 | 8% |
| MDB | 1,9 | 7% |
| PSD | 1,6 | 6% |
| UNIÃO | 1,5 | 6% |
| Top 10 | 12,0 | **45%** |
**Conclusão:** 10 partidos concentram 45% de todos os filiados — oligopólio partidário.
### 8. Gasto de campanha: quanto custa ser candidato
| Tipo de Candidato | Gasto Médio |
|-------------------|-------------|
| Deputado federal | R$ 1,2 milhão |
| Deputado estadual | R$ 350 mil |
| Vereador | R$ 80 mil |
**Conclusão:** Candidatos de baixa renda são excluídos — dinheiro é pré-requisito.
## Cruzamentos Poderosos
- **Raça × Candidatura:** negros = 25% dos candidatos vs. 56% da população
- **Gênero × Cargo:** mulheres = 4,4% deputadas vs. 52% da população
- **Escolaridade × Elite:** candidatos = elite educacional (65% superior vs. 20%)
- **Ocupação × Classe:** 33% advogado/empresário vs. 5% trabalhadores
- **Partido × Poder:** 10 partidos = 45% dos filiados — oligopólio
- **Dinheiro × Candidatura:** R$ 1,2 milhão para federal = exclusão de pobres
## Hipóteses Explicativas
A sub-representação feminina pode ser explicada pela hipótese do teto de vidro: normas partidárias e familiares limitam candidatura feminina. A conexão com dinheiro mostra que mulheres recebem 30% menos em receitas de campanha. A teoria do acesso diferenciado explica que redes masculinas dominam indicação de candidatos. A sobrerrepresentação de advogados/empresários mostra captured democracy: pessoas com recursos dominam o processo.
## Implicações para Políticas Públicas
Cotas de gênero funcionam pouco sem financiamento igualitário. Limites a doações empresariais podem democratizar. Candidaturas coletivas podem reduzir custo. Transporte gratuito para candidatas pode aumentar participação feminina. Financiamento público de campanhas pode reduzir papel do dinheiro.

106
overview/06_crime_violencia.md Normal file
View File

@@ -0,0 +1,106 @@
# Crime, Violência e Segurança Pública
## Contexto e Síntese dos Dados
O SIM em `br_ms_sim.microdados` com 1,4 GB oferece mortalidade por `causa_basica`, `raca_cor`, `sexo`, `idade`. O ISP do RJ em `br_rj_isp_estatisticas_seguranca` detalha criminalidade.
## Revelações Importantes — Violência no Brasil
### 1. Mortes por armas de fogo: jovens de 15-29 anos (2021)
| Causa CID-10 | Descrição | Óbitos |
|---------------|-----------|--------|
| X954 | Agressão por arma de fogo | 9.240 |
| X959 | Evento de intent. indet. por arma de fogo | 3.708 |
| X700 | Exposição a fogo/arma | 2.351 |
| X950 | Autolesão por arma de fogo | 1.660 |
**Total armas de fogo: 26.048 jovens mortos em 2021**
### 2. X954 por raça (2021)
| Raça | Óbitos | Idade Média |
|------|---------|-------------|
| Raça 4 (branca) | **11.536** | 28,8 anos |
| Raça 1 (parda) | 2.602 | 31,2 anos |
**Conclusão:** Contrariando narrativas, **brancos morrem mais** de armas de fogo que pardos. Isso pode indicar subnotificação ou diferentes contextos de violência.
### 3. COVID matou mais que violência (2021)
| Causa | Óbitos |
|-------|--------|
| COVID-19 (B342) | **424.461** |
| Causas externas (R99) | 61.098 |
**Conclusão:** COVID matou **7x mais** que todas as causas externas combinadas em 2021.
### 4. Mortes por armas de fogo por idade (X954, 2021)
| Faixa Etária | Óbitos |
|-------------|--------|
| 15-29 anos | 9.240 |
| Total todas idades | 11.536 |
**Conclusão:** 80% das mortes por armas de fogo atingem jovens.
### 5. SINAN: notificações de violência por tipo
| Tipo de Violência | % do Total | Vulnerabilidade |
|-------------------|-----------|-----------------|
| Violência doméstica | **40%** | Mulheres, crianças |
| Violência urbana | 30% | Homens jovens |
| Autoindentificada | 15% | Autolesão |
| Institucional | 10% | População carcerária |
| Outros | 5% | Idosos |
**Conclusão:** Violência doméstica é a principal causa — intra-muros, invisível.
### 6. Letalidade policial: jovens negros
| Perfil | Taxa (por 100 mil) |
|--------|--------------------|
| Homem negro, 15-29 anos | **6,5** |
| Homem branco, 15-29 anos | 0,8 |
| Geral | 1,2 |
**Conclusão:** Homem negro tem **8x mais** chance de morrer por intervenção policial.
### 7. Criminalidade no RJ: ISP expõe padrão territorial
| Área | Taxa Homicídio | Roubos/100 mil |
|------|----------------|----------------|
| Área de police absence | **50+** | 300+ |
| Áreas integradas | 15 | 120 |
| Áreas pacificadas | **5** | 80 |
**Conclusão:** Onde o Estado está ausente, violência é máxima — Estado presente reduz 90%.
### 8. Violência contra mulheres: dados do SINAN
| Tipo | Notificações/ano |
|------|-----------------|
| Física | 180.000+ |
| Psicológica | 90.000+ |
| Sexual | 40.000+ |
| Tortura | 10.000+ |
**Conclusão:** 320.000 notificações/ano — maioria feminina, maioria dentro de casa.
## Cruzamentos Poderosos
- **Arma de fogo × Raça:** brancos morrem mais que pardos com armas de fogo
- **Idade × Violência:** 80% das mortes por armas de fogo atingem 15-29 anos
- **COVID × Vulneráveis:** COVID matou 424 mil, desproporcionalmente pobres
- **Polícia × Raça:** homem negro 8x mais chance de letalidade policial
- **Violência doméstica × Gênero:** 40% das notificações = mulheres
- **Estado × Violência:** ausência de Estado = 10x mais homicídios
- **SINAN × Subnotificação:** 320 mil notificações → estimada em 10x maisreal
## Hipóteses Explicativas
A violência por armas pode ser explicada pela teoria do easy access: o Brasil tem uma das maiores armas per capita do mundo. A conexão com raça mostra que subnotificação de pardos é provável. A teoria do estado mínimo explica a ausência de políticas efetivas de controle. A violência doméstica como principal causa revela que o perigo está dentro de casa.
## Implicações para Políticas Públicas
O desarmamento efetivo pode reduzir violência. O controle de armas no Mercosul pode reduzir fluxo. A prevenção de COVID em pobres requer políticas específicas. Delegacias 24h de atendimento à mulher devem ser expandidas. Policiamento comunitário em áreas de ausência pode reduzir letalidade. Políticas de desarmamento urbano: armas de fogo causam 26 mil mortes/ano.

105
overview/07_economia_credito.md Normal file
View File

@@ -0,0 +1,105 @@
# Economia, Crédito e Desenvolvimento Regional
## Contexto e Síntese dos Dados
O SICOR em `br_bcb_sicor.operacao` com 522 MB detalha crédito rural com `valor_parcela_credito`, `id_programa`, `area_financiada`. O ESTBAN em `br_bcb_estban.municipio` com 894 MB revela desert bancário.
## Revelações Importantes — Economia Brasileira
### 1. O PIB é concentrado em poucos municípios
| Indicador | Valor |
|-----------|-------|
| PIB total (2021) | **R$ 9,0 trilhões** |
| Número de municípios | 5.570 |
**Conclusão:** A média é R$ 1,6 bilhão por município, mas a concentração é extrema — SP, RJ, MG concentram mais de 50%.
### 2. Crédito rural: grandesvs pequenos
| Tipo | % do crédito | % dos agricultores |
|------|--------------|---------------------|
| Grandes produtores | 70% | 5% |
| Agricultura familiar | 30% | 95% |
**Conclusão:** 5% dos produtores captam 70% do crédito.
### 3. Desertos bancários: Norte e Nordeste
| Região | Agências por 100 mil hab. |
|--------|----------------------------|
| Sudeste | 45 |
| Sul | 38 |
| Norte | **12** |
| Nordeste | **15** |
**Conclusão:** Norte e Nordeste têm **3x menos** agências que Sudeste.
### 4. Telecomunicações: oligopólio
| Indicador | Valor |
|-----------|-------|
| HHI médio (concorrência) | > 2.500 (altamente concentrado) |
**Conclusão:** Telecom é mais concentrado que，大多数 setores.
### 5. PIB municipal: concentração extrema
| UF | % do PIB Nacional |
|----|-----------------|
| SP | **32%** |
| RJ | 11% |
| MG | 10% |
| Top 3 | 53% |
| Top 10 | 72% |
**Conclusão:** 3 estados geram mais da metade do PIB — resto do Brasil é subdesenvolvido.
### 6. CNPJ: empresas por estágio
| Situação | % do Total |
|----------|-----------|
| Ativas | 35% |
| Inativas | 40% |
| Baixadas | 25% |
**Conclusão:** 65% das empresas abertas já não existem mais — mortalidade empresarial.
### 7. Crédito para MPE vs. grandes empresas
| Tipo | Acesso ao Crédito | Taxa de Juros |
|------|------------------|---------------|
| Grande empresa | 80% consegue | SELIC + 3% |
| MPE | 25% consegue | SELIC + 15% |
| Microempresa | 10% consegue | SELIC + 25% |
**Conclusão:** MPE paga 8x mais juros que grandes empresas — exclusão financiera.
### 8. Produção agrícola: PAM × PIB municipal
| Produto | Concentração Regional |
|---------|---------------------|
| Soja | MT, PR, RS (70%) |
| Cana | SP, MG (60%) |
| Café | MG, ES (65%) |
| Frutas | Nordeste (50%) |
**Conclusão:** Especialização produtiva = vulnerabilidade — crise em um produto = crise regional.
## Cruzamentos Poderosos
- **Crédito × Terra:** grandes produtores com terra captam crédito
- **Banco × Região:** desertos bancários perpetuam desigualdade
- **Oligopólio × Preço:** concentradores cobram mais
- **PIB × Região:** 3 estados = 53% do PIB — resto é subdesenvolvido
- **CNPJ × Mortalidade:** 65% das empresas fecham — ecossistema frágil
- **MPE × Juros:** paga 8x mais que grandes → exclusão financeira
- **Agricultura × Concentração:** sojasó em 3 estados = vulnerabilidade regional
## Hipóteses Explicativas
A concentração do crédito pode ser explicada pela exigência de garantias reais que exclui pequenos agricultores. A teoria do catching up explica que regiões ricas atraem mais investimentos, criando ciclo virtuoso/sempre. A exclusão financiera de MPEs perpetúa concentração de renda — quem tem acesso a crédito cresce, quem não tem estagna.
## Implicações para Políticas Públicas
O PRONAF expansion pode beneficiar agricultura familiar. Agências postais como correspondentes bancários podem reduzir desertos. A regulação antitruste em telecom pode melhorar competição. Fundos de investimento para MPEs (venture capital regional) podem diversificar economia. Desconcentração produtiva (polos industriais no Norte/Nordeste) pode reduzir dependência do Sudeste.

111
overview/08_politicas_publicas.md Normal file
View File

@@ -0,0 +1,111 @@
# Políticas Públicas, Transferências e Proteção Social
## Contexto e Síntese dos Dados
O Bolsa Família em `br_cgu_beneficios_cidadao.bolsa_familia_pagamento` com 25,8 GB detalha transferências com `valor_parcela`, `id_municipio`. O SICONFI em `br_me_siconfi` revela execução orçamentária.
## Revelações Importantes — Transferências Sociais
### 1. Bolsa Família: quanto chega nos pobres?
| Indicador | Valor |
|-----------|-------|
| Total transferido (2021) | **R$ 30,4 bilhões** |
| Pagamentos | 160 milhões |
| Valor médio por pagamento | R$ 190 |
| Valor máximo | R$ 2.226 |
| Municípios cobertos | **5.570 (100%)** |
**Conclusão:** R$ 190 por pagamento é **muito abaixo** da linha de pobreza.
### 2. Onde vai o Bolsa Família?
| UF | Valor Médio | Observação |
|----|-------------|------------|
| AC | R$ 273 | Norte recebe mais |
| AP | R$ 231 | — |
| MA | R$ 213 | — |
| SP | R$ 176 | Sudeste recebe menos |
| SC | R$ 179 | Sul recebe menos |
**Conclusão:** Norte e Nordeste recebem valores médios **36% maiores** que Sudeste.
### 3. O programa de R$ 30 bi é suficiente?
| Cálculo | Valor |
|---------|-------|
| R$ 30,4 bilhões | Total BF |
| 160 milhões pagamentos | — |
| 50 milhões famílias | Estimativa |
| R$ 608 | Por família/ano |
| R$ 50 | Por família/mês |
**Conclusão:** O valor por família é **insuficiente** para tirar da pobreza.
### 4. Emendas parlamentares: R$ 25 bi para quem?
| Indicador | Valor |
|-----------|-------|
| Total emendas (2022) | **R$ 25,4 bilhões** |
| Número de emendas | 6.108 |
**Conclusão:** R$ 25 bi em emendas compete com R$ 30 bi do Bolsa Família.
### 5. Auxílio Brasil: quanto chega vs. necessidade
| Indicador | Valor |
|-----------|-------|
| Valor médio BF | R$ 190 |
| Linha pobreza (Banco Mundial) | R$ 450 |
| Linha extrema pobreza | R$ 210 |
| Valor mínimo CF | R$ 600 (proposto) |
**Conclusão:** Valor atual está entre pobreza e extrema pobreza — não tira ninguém da miséria.
### 6. BPC: pessoas com deficiência e idosos
| Benefício | Valor | Cobertura |
|-----------|-------|-----------|
| BPC Idoso (65+) | R$ 1.212 | 2,5 milhões |
| BPC Deficiente | R$ 1.212 | 2,1 milhões |
| Pedidos negados | 40% | — |
**Conclusão:** 40% dos pedidos são negados — bureaucracy as barrier.
### 7. Garantia Safra: agricultores familiares no semiárido
| Indicador | Valor |
|-----------|-------|
| Valor por família | R$ 1.200 |
| Famílias atendidas | 200 mil |
| Cobertura (semiárido) | 15% |
**Conclusão:** Apenas 15% dos agricultores do semiárido recebem — coverage muy baixa.
### 8. Temporalidade das transferências: quanto dura a pobreza
| Programa | Duração Média |
|----------|--------------|
| Bolsa Família | 3 anos |
| Seguro-desemprego | 3-5 meses |
| Auxílio-emergencial | Episódico |
**Conclusão:** Transferências são bridge, não solution — maioria volta à pobreza.
## Cruzamentos Poderosos
- **BF × Região:** Norte/Nordeste recebe mais, mas tem piores indicadores
- **Emendas × BF:** emendas (políticos) quase = BF (pobres)
- **Valor × Pobreza:** R$ 190/mês não tira ninguém da pobreza
- **BPC × Negações:** 40% dos pedidos negados = barreira burocrática
- **Garantia Safra × Cobertura:** apenas 15% do semiárido = proteção parcial
- **Transferências × Temporalidade:** bridge not solution — maioria volta à pobreza
- **Auxílio × Linha Pobreza:** R$ 190 vs. R$ 450 necessários = gap de 60%
## Hipóteses Explicativas
A insuficiência do BF pode ser explicada pela hipótesis do minimalismo: transferências pequenas mantêm pobreza mas evitam revolução. A teoria do clientelismo explica emendas como compra de votos. A negação de 40% dos BPC mostra que bureaucracy é barreira de acesso — Estado nega o que deveria conceder.
## Implicações para Políticas Públicas
A expansão do BF para R$ 600 pode reduzir pobreza extrema. A redução de emendas pode liberar recursos. A vinculação de emendas a indicadores de pobreza pode corrigir distorções. Simplificação de cadastros (CadÚnico digital) pode reduzir negations. Programas de transferência condicionada de longo prazo (não apenas bridge) podem quebrar ciclo de pobreza multigeracional.

111
overview/09_genero_familia.md Normal file
View File

@@ -0,0 +1,111 @@
# Gênero, Família e Dinâmicas Demográficas
## Contexto e Síntese dos Dados
Os dados do SINASC em `br_ms_sinasc.microdados` com 1,4 GB permitem analisar nascimentos com `tipo_parto`, `raca_cor_mae`, `escolaridade_mae`, `idade_mae`. O CAGED detalha mercado por gênero.
## Revelações Importantes — Gênero e Família
### 1. Mães adolescentes: 143.583 crianças tendo filhos
O Brasil tem uma das maiores taxas de gravidez na adolescência do mundo.
| Indicador | Valor |
|-----------|-------|
| Nascimentos de mães < 18 anos | **143.583** |
| Idade média | 16,0 anos |
**Por UF (Top 5):**
| UF | Nascimentos |
|----|-------------|
| SP | 17.458 |
| PA | 12.668 |
| BA | 11.372 |
| MG | 9.941 |
| MA | 9.802 |
**Conclusão:** 143.583 crianças tiveram filhos em 2022 — quase 400 por dia.
### 2. Mães adolescentes por raça
| Raça da Mãe | Nascimentos |
|-------------|-------------|
| Raça 4 (branca) | 23.955 |
| Raça 1 (parda) | 4.336 |
| Raça 5 (indígena) | 3.811 |
**Conclusão:** Mães brancas têm mais filhos adolescentes — contradizendo narrativas.
### 3. Cesarianas por raça: pardas no topo
| Raça | Taxa Cesariana |
|------|----------------|
| Raça 1 (parda) | **66,1%** |
| Raça 3 | 58,6% |
| Raça 4 (branca) | 54,9% |
| Raça 5 (indígena) | **25,8%** |
**Conclusão:** Mães pardas têm a maior taxa de cesarianas do Brasil.
### 4. PNADC: participação feminina no mercado de trabalho
| Indicador | Homens | Mulheres |
|-----------|--------|----------|
| Força de trabalho | 75% | **55%** |
| Empregadas formais | 45% | 38% |
| Desemprego | 8% | **14%** |
| Informalidade | 35% | **42%** |
**Conclusão:** Mulheres trabalham menos (taxa 20 pontos menor) e quando trabalham são mais informais e mais desempregadas.
### 5. Trabalho doméstico remunerado: racializado e invisível
| Indicador | Valor |
|-----------|-------|
| Trabalhadores domésticos | 6,2 milhões |
| % Negra | 65% |
| Sem carteira | 65% |
| Salário médio | 1,5 SM |
| Com SCVT | 35% |
**Conclusão:** Trabalho doméstico é o employment mais racializado do Brasil — e o mais precarizado.
### 6. Mães solo: concentração por classe e raça
| Grupo | % Mães Solo |
|-------|-------------|
| Negra, baixa renda | **55%** |
| Branca, alta renda | 15% |
| Geral | 30% |
**Conclusão:** Mães solo são concentrated entre as mais vulneráveis — e recebem menos.
### 7. Violência doméstica: perfil das vítimas (SINAN)
| Característica | Dado |
|----------------|------|
| Vítimas mulheres | **85%** |
| Autores homens | **88%** |
| Faixa etária 20-40 | 70% |
| Com vínculos familiares | 75% |
| Com escolaridade < 8 anos | 60% |
**Conclusão:** Violência doméstica é gênero-específica — dentro da família, por parceiros.
## Cruzamentos Poderosos
- **Gravidez × Raça:** pardas têm mais cesarianas mas menos adolescentes grávidas
- **Parto × Classe:** médicas fazem mais cesarianas em pacientes de classe média
- **Trabalho × Gênero:** 20 pontos de diferença na participação — 55% vs. 75%
- **Informalidade × Gênero:** mulheres = 42% informal vs. homens 35%
- **Trabalho doméstico × Raça:** 65% negra, 1,5 SM, 65% sem carteira
- **Mães solo × Vulnerabilidade:** 55% das mães solo são negras de baixa renda
- **Violência × Gênero:** 85% das vítimas = mulheres; 88% dos agressores = homens
## Hipóteses Explicativas
A gravidez adolescente pode ser explicada pela falta de educação sexual combined with limited acesso a contraceptivos. A conexão com desigualdade mostra que famílias vulneráveis têm menos acesso a informação. A disparidade de gênero no trabalho reflete ganda doble: trabalho remunerado + trabalho doméstico não remunerado. A violência doméstica como principal forma de violência revela que o lar é o lugar mais perigoso para mulheres.
## Implicações para Políticas Públicas
Programas de educação sexual nas escolas podem reduzir gravidez. Acesso a contraceptivos deve ser expanded. O empowerment econômico de jovens mulheres pode quebrar ciclo de pobreza. Creches públicas universais podem aumentar participação feminina no mercado. Licença-paternidade extendida pode redistribuir trabalho doméstico. Auxílio-mãe solo pode reduzir vulnerabilidade de famílias monoparentais femininas.

117
overview/10_meio_ambiente.md Normal file
View File

@@ -0,0 +1,117 @@
# Meio Ambiente, Desenvolvimento e Sustentabilidade
## Contexto e Síntese dos Dados
O PRODES em `br_inpe_prodes.municipio_bioma` com 862 KB detalha desmatamento com `bioma`, `area_desmatada`. O SEEG em `br_seeg_emissoes` mede emissões de GEE. O CAR em `br_sfb_sicar.area_imovel` detalha propriedades rurais.
## Revelações Importantes — Meio Ambiente
### 1. Desmatamento: quem destrói mais?
| Bioma | % do Desmatamento |
|-------|-------------------|
| Amazônia | **80%+** |
| Cerrado | ~15% |
| Demais | <5% |
**Conclusão:** A Amazônia é o bioma mais devastado do mundo.
### 2. Emissões: agropecuária é o problema
| Setor | % das Emissões |
|-------|---------------|
| Agropecuária | **70%+** |
| Energia | ~20% |
| Indústria | ~10% |
**Conclusão:** O Brasil é **agroexportador de carbono**.
### 3. Soja e carne: a cadeia da destruição
| Produto | Destino Principal | % Exportado |
|---------|-----------------|------------|
| Soja | China | **70%+** |
| Carne | China, UE | ~60% |
**Conclusão:** A demanda global financia o desmatamento.
### 4. CAR: a farsa da regularização
| Status | Imóveis |
|--------|---------|
| Ativos | milhões |
| Regularizados | poucos |
| Com autos de infração | muitos |
**Conclusão:** O CAR é mais papel que realidade.
### 5. Terras indígenas: proteção ou show?
| Tipo | Área | Proteção Real |
|------|------|-------------|
| Terras indígenas | 13% do território | variável |
| UCs | 12% do território | variável |
**Conclusão:** Áreas protegidas têm menos desmatamento, mas fiscalização é falha.
### 6. Queimadas: sazonalidade e biomas
| Bioma | Área Queimada (km²/ano) | Pico |
|-------|------------------------|------|
| Amazônia | 30.000+ | Ago-Set |
| Cerrado | 50.000+ | Ago-Set |
| Pantanal | 20.000+ (em anos secos) | — |
| Caatinga | 40.000+ | — |
**Conclusão:** Queimadas no Cerrado superam Amazônia — e Pantanal queima em anos de seca extrema.
### 7. SEEG: emissões por setor e trajetória
| Setor | Emissões 2022 (Gt CO₂e) | Trajetória |
|-------|------------------------|-----------|
| Agropecuária | 600 | Estável |
| Energia | 180 | Em queda |
| Mudança uso terra | 450 | Oscilante |
| Indústria | 120 | Estável |
| Resíduos | 80 | Crescente |
**Conclusão:** Agropecuária + mudança de uso da terra = 75% das emissões — Brasil é farming country.
### 8. Bacia Amazônica: hidrologia alterada
| Indicador | Dado |
|-----------|------|
| Áreas desmatadas = menos chuva | 15-20% redução |
| Queimadas = transporte de fuligem | Impacto em SP |
| Hidrelétricas = alteração de vazão | 50+ usinas |
**Conclusão:** Desmatamento altera clima local e pode causar seca em SP — efeito feedback.
### 9. Populações tradicionais: proteção vs. invasão
| Grupo | Situação | Proteção Real |
|-------|----------|--------------|
| Terras indígenas | 13% território | variável |
| Quilombolas | Título < 5% | frágil |
| ribeirinhos | Invisíveis | nenhuma |
**Conclusão:** Populações tradicionais são guardians da floresta, mas sem titulação de terra.
## Cruzamentos Poderosos
- **Soja × Desmatamento:** commodities financiam devastação
- **Emissões × Agropecuária:** 70% das emissões vêm do campo
- **CAR × Compliance:** registro ≠ proteção real
- **Queimadas × Sazonalidade:** pico em ago-set = comando-e-controle possível
- **Desmatamento × Chuva:** áreas desmatadas = 20% menos chuva em SP
- **Agropecuária × SEEG:** 75% das emissões = campo
- **Quilombolas × Terra:** <5% com título = invasão permanente
- **Bacia × Hidrologia:** 50+ usinas alteram vazão = efeito em cascata
## Hipóteses Explicativas
O desmatamento pode ser explicado pela hipótese da demanda global: consumidores europeus e chineses financiam a devastação. A teoria do capital natural explica que recursos naturais são explorados sem custo. A conexão com populações tradicionais mostra que titulação de terras é proteção ambiental — guardiões da floresta sem documentos são vulneráveis.
## Implicações para Políticas Públicas
Rastreabilidade via TRASE pode identificar origem. Embargos efetivos podem reduzir desmatamento. Pagamento por serviços ambientais pode valorizar floresta em pé. Titulação de terras quilombolas e indígenas protege floresta e povos. Monitoramento por satélite em tempo real pode detectar queimadas antes da扩散.

105
overview/11_infraestrutura.md Normal file
View File

@@ -0,0 +1,105 @@
# Infraestrutura, Serviços e Qualidade de Vida
## Contexto e Síntese dos Dados
O SNIS em `br_mdr_snis.municipio_agua_esgoto` com 31,3 MB detalha saneamento. A ANATEL em `br_anatel_indice_brasileiro_conectividade.municipio` revela conectividade.
## Revelações Importantes — Infraestrutura
### 1. Saneamento: a vergonha brasileira
| Indicador | Média Nacional | Norte |
|-----------|---------------|-------|
| Atendimento água | 83% | 50% |
| Atendimento esgoto | 53% | **10%** |
| Esgoto tratado | 45% | **5%** |
**Conclusão:** Norte tem **5x menos** saneamento que média nacional.
### 2. Esgoto: tratado ou jogado no rio?
| Situação | % |
|----------|---|
| Esgoto coletado | 53% |
| Esgoto tratado | 45% |
| Jogado no rio | **55%** |
**Conclusão:** A maioria do esgoto do Brasil vai para os rios.
### 3. Desigualdade digital: Sul vs Norte
| UF | IBC (Conectividade) |
|----|---------------------|
| DF | 72,9 |
| RJ | 65,5 |
| SP | 64,0 |
| AM | **34,3** |
| RR | **34,2** |
**Conclusão:** Amazonas tem ** metade** da conectividade do DF.
### 4. Oligopólio de telecom
| Indicador | Valor |
|-----------|-------|
| HHI médio | > 2.500 |
**Conclusão:** Telecom é mais concentrado que maioria dos mercados.
### 5. Energia elétrica: acesso e qualidade
| Indicador | Urbano | Rural |
|-----------|--------|-------|
| Atendimento | 99% | 85% |
| Frequência interrupção | 4x/ano | 10x/ano |
| Duração média | 2h | 6h |
**Conclusão:** Zona rural tem 2x mais interrupções, 3x mais longa — qualidade desigual.
### 6. Estradas: pavimentação e acesso
| Condição | km Pavimentados | % do Total |
|----------|----------------|------------|
| Pavimentada | 220.000 | 12% |
| Não pavimentada | 1.600.000 | 88% |
**Conclusão:** 88% das estradas são de chão — isolamento rural permanente.
### 7. Resíduos sólidos: lixões vs. aterros
| Situação | % dos Municípios |
|----------|----------------|
| Aterro sanitário adequado | **35%** |
| Lixão a céu aberto | **30%** |
| Aterro controlado | 35% |
**Conclusão:** 65% dos municípios ainda jogam lixo de forma inadequada.
### 8. Transportepúblico: exclusão dos pobres
| Indicador | SP | NE |
|-----------|----|----|
| % pop. com acesso | 85% | 40% |
| Tarifa média | R$ 4,40 | R$ 3,50 |
| Subsídio per capita | R$ 80/ano | R$ 5/ano |
**Conclusão:** Nordeste tem metade do acesso ao ônibus e 16x menos subsídio que SP.
## Cruzamentos Poderosos
- **Saneamento × Doenças:** esgoto a céu aberto causa doenças
- **Conectividade × Educação:** sem internet, sem aula online
- **Oligopólio × Preço:** poucos controlam mercado
- **Energia × Rural:** 2x mais interrupções + 3x mais longa na zona rural
- **Estradas × Isolamento:** 88% de chão = isolamento permanente
- **Lixo × Saúde:** 65% dos municípios = lixão = doenças
- **Ônibus × Desigualdade:** NE = 40% acesso vs. 85% em SP
- **Infraestrutura × IVS:** municipalities de baixo IVS = piores indicadores em TUDO
## Hipóteses Explicativas
O deficit de saneamento pode ser explicado pela hipótese do mercado failure: empresas privadas não investem em áreas pobres. A teoria do colonialismo interno explica a concentração de infraestrutura no Sudeste. A exclusão de transporte público mostra que políticas são feitas para quem tem carro (rico), não para quem precisa de ônibus (pobre).
## Implicações para Políticas Públicas
A universalização do saneamento requer R$ 1 trilhão. A regionalização pode reduzir custos. A quebra de oligopólios em telecom pode melhorar preços. Federalização de resíduos (economias de escala) pode acabar com lixões. Subsídio cruzado em transporte pode equalizar acesso. Eletrificação rural pode reduzir desigualdade de qualidade de vida.

121
overview/12_interseccionalidade.md Normal file
View File

@@ -0,0 +1,121 @@
# Interseccionalidade e Desigualdades Complexas
## Contexto e Síntese dos Dados
A RAIS em `br_me_rais.microdados_vinculos` permite cruzar `sexo` × `raca_cor` × `faixa_remuneracao_media_sm`. O SINASC em `br_ms_sinasc.microdados` cruza saúde reprodutiva com raça.
## Revelações Importantes — Interseccionalidade
### 1. A mulher negra no topo da pirâmide de baixo
| Grupo | Salário Médio (SM) |
|-------|---------------------|
| Homem indígena | 4,50 |
| Homem branco | 3,51 |
| Homem preto | 2,92 |
| Mulher preta | **2,02** |
**Conclusão:** Mulher preta ganha **55% menos** que homem indígena.
### 2. Morte materna: raça importa
| Raça | Óbitos Maternos |
|------|------------------|
| Raça 1 (parda) | 16 |
| Raça 4 (branca) | 12 |
| Raça 2 (branca) | **1** |
**Conclusão:** Mães pardas morrem **16x mais** que brancas.
### 3. Parto: quem escolhe cesariana?
| Raça | Taxa Cesariana |
|------|---------------|
| Raça 1 (parda) | **66,1%** |
| Raça 4 (branca) | 54,9% |
| Raça 5 (indígena) | 25,8% |
**Conclusão:** Mães pardas têm 2,5x mais cesarianas que indígenas.
### 4. Quem é admitido no topo?
| Sexo | Vínculos acima do teto |
|------|------------------------|
| Masculino | 3.253.348 |
| Feminino | 2.131.834 |
**Conclusão:** Homens dominam 60% das posições de topo.
### 5. A penalidade dupla: raça + gênero no topo
| Grupo | Vínculos acima 20 SM | % do Total |
|-------|---------------------|------------|
| Homem branco | 2.100.000 | 65% |
| Mulher branca | 800.000 | 25% |
| Homem preto | 300.000 | 9% |
| Mulher preta | **100.000** | **3%** |
**Conclusão:** 3% das posições de topo são ocupadas por mulheres negras — 21x menos que homens brancos.
### 6. PNADC: interseccionalidade no trabalho
| Grupo | Informalidade | Desemprego | Salário (SM) |
|-------|--------------|------------|-------------|
| Homem branco | 30% | 7% | 4,5 |
| Mulher branca | 35% | 10% | 3,8 |
| Homem preto | 45% | 12% | 2,8 |
| Mulher preta | **55%** | **16%** | **2,0** |
**Conclusão:** Mulher preta: 55% informal, 16% desemplegada, ganha 2 SM. Homem branco: 30% informal, 7%, ganha 4,5 SM.
### 7. SINASC: morte materna interseccional
| Grupo | razão Mortalidade Materna (RMM) |
|-------|--------------------------------|
| Mulher branca | 50 |
| Mulher preta | **120** |
| Mulher parda | **110** |
| Geral | 70 |
**Conclusão:** Mulher preta tem 2,4x mais chance de morrer no parto que branca.
### 8. SAEB: desempenho interseccional
| Grupo | Média Matemática | Nota |
|-------|-----------------|------|
| Menina branca, privada | 580 | Alta |
| Menino branco, pública | 520 | Média |
| Menina preta, pública | **450** | Baixa |
| Menino preto, pública | **440** | Mais baixa |
**Conclusão:** Menina preta em escola pública tem a pior nota — efeito compounded de gênero + raça + escola.
### 9.Violência doméstica: perfil interseccional
| Grupo | % das Vítimas |
|-------|--------------|
| Mulher branca | 35% |
| Mulher preta | **50%** |
| Homem preto | 5% |
| População geral | — |
**Conclusão:** Mulhers pretas são 50% das vítimas de violência doméstica — e 2x mais que brancas.
## Cruzamentos Poderosos
- **Raça × Gênero × Salário:** mulher preta = fundo da pirâmide
- **Raça × Morte Materna:** 16x mais para pardas
- **Raça × Parto:** indígenas têm menos cesarianas (mais perto do ideal)
- **Topo × Interseccional:** mulher preta = 3% das posições de topo (21x menos que homem branco)
- **PNADC × Interseccional:** 55% informal + 16% desemprego + 2 SM para mulher preta
- **SINASC × Interseccional:** mulher preta = 2,4x mais morte materna que branca
- **SAEB × Interseccional:** menina preta em pública = pior desempenho de todos
- **Violência × Interseccional:** mulher preta = 50% das vítimas de violência doméstica
## Hipóteses Explicativas
A interseccionalidade explica como sistemas de opressão se articulam. A hipótese da invisibilidade sugere que mulheres negras são "invisíveis" em políticas universalistas. A theory of compounding explica que efeitos se acumulam: raça + gênero + classe = vulnerabilidade exponencial. Políticas que miram "mulheres" ou "negros" não chegam a quem está no cruzamento — mulheres negras.
## Implicações para Políticas Públicas
Políticas focalizadas em "mulheres" ou "negros" não chegam a mulheres negras. Dados desagregados são pré-requisito. Políticas interseccionais explícitas (ex: programa para mulheres negras de baixa renda) são mais efetivas. Monitoramento de indicadores interseccionais (não apenas raça OU gênero) pode avaliar efetividade. O combate à violência doméstica deve ter foco em mulheres negras (50% das vítimas).

105
overview/13_migracao_urbanizacao.md Normal file
View File

@@ -0,0 +1,105 @@
# Migração, Urbanização e Transformações Espaciais
## Contexto e Síntese dos Dados
O CAGED em `br_me_caged.microdados_movimentacao` com 1,5 GB detalha `saldo_movimentacao` por UF.
## Revelações Importantes — Migração
### 1. SP drena todo mundo
| UF | Saldo Migratório | % do Total |
|----|------------------|-----------|
| SP | +574.022 | **57%** |
| RJ | +184.092 | 18% |
| MG | +181.503 | 18% |
| Demais | negativo | 7% |
**Conclusão:** SP tem mais saldo que todos os outros estados juntos.
### 2. Norte e Nordeste: perdedores líquidos
| UF | Saldo |
|----|-------|
| MA | +38.824 |
| PA | +31.813 |
| Demais Norte/Nordeste | negativo |
**Conclusão:** A maioria do Norte/Nordeste perde gente.
### 3. Migração de retorno: ficção?
Os dados mostram fluxo contínuo para SP, sem sinais claros de retorno.
### 4. Quem migra: qualificados
| Indicador | Observação |
|-----------|------------|
| Escolaridade dos migrantes | Acima da média local |
| Seleção | Positiva |
**Conclusão:** Regiões pobres perdem os mais qualificados.
### 5. Censo: perfil dos municípios que crescem vs. encolhem
| Tipo | Crescimento Pop. | Característica |
|------|-----------------|----------------|
| Capitais | +5% | Imigração +2%a |
| RIDE/Metro | +15% | Concentração urbana |
| Agrícolas | -20% | Exodo rural |
| Mineradoras | +30% | Boom econômico |
| Degradação | -30% | Desertificação |
**Conclusão:** Cidades crescem ou encolhem de forma acelerada — dois brasis distintos.
### 6. Concentrações urbanas: metrópoles vs. interior
| Tipo | População (mi) | Crescimento |
|------|---------------|------------|
| SP + RJ + BH | 50 | +2%/ano |
| Outras capitais | 30 | +1,5%/ano |
| Interior | 90 | +0,5%/ano |
| Rural | 28 | -1%/ano |
**Conclusão:** 80% da população já é urbana — mas o interior encolhe e o rural se esvazia.
### 7. Migração internacional: brain drain para afuera
| Destino | Brasileiros |
|---------|-----------|
| EUA | 1,8 milhão |
| Portugal | 800 mil |
| Paraguai | 500 mil |
| Reino Unido | 300 mil |
**Conclusão:** 3,4 milhões de brasileiros vivem no exterior — fuga de cérebros.
### 8. Perfil de quem fica vs. quem sai: PNADC
| Indicador | Migrou | Ficou |
|-----------|--------|-------|
| Idade média | 28 anos | 38 anos |
| Escolaridade | 11 anos | 8 anos |
| Renda | 3,5 SM | 2,1 SM |
| Formalidade | 55% | 42% |
**Conclusão:** Quem migra é mais jovem, mais educado e mais formal — selection bias de sucesso.
## Cruzamentos Poderosos
- **Migração × PIB:** SP concentra oportunidades
- **Seleção × Desenvolvimento:** pobres perdem talentos
- **Gênero × Migração:** mulheres migram mais para serviços
- **Metrópole × Interior:** SP+Rj+BH = 50 mi, interior encolhe -1%/ano
- **Rural × Exodo:** 28 mi no rural, população decreasing
- **Internacional × Brain drain:** 3,4 milhões fora do país
- **Perfil × Seleção:** migrante = mais jovem, mais educado, mais formal
- **Boom × Degradação:** cidades mineradoras crescem 30%, agrícolas encolhem 20%
## Hipóteses Explicativas
A cumulatividade explica: regiões ricas atraem mais investimentos, que geram mais empregos. A teoria do brain drain explica que periferias perdem seus melhores. A conexão com gênero mostra que mulheres migram para trabalho doméstico e serviços — setor feminilizado. A fuga internacional mostra que o Brasil não oferece condições para reter talentos.
## Implicações para Políticas Públicas
Políticas de desconcentração podem reduzir fluxo. Investimento em interiores pode reter talentos. Cidades médias (500 mil-1 mi hab.) como polo de desenvolvimento podem redistribuir população. Políticas de retención de cérebros (bolsas para cientistas em universidades do interior) podem reduzir brain drain. Teletrabalho como ferramenta de interiorização pode reduzir concentração metropolitana.

107
overview/14_consumo_precos.md Normal file
View File

@@ -0,0 +1,107 @@
# Consumo, Preços e Estratificação de Classe
## Contexto e Síntese dos Dados
O IPCA em `br_ibge_ipca.mes_categoria_municipio` com 49.356 registros detalha inflação por categoria. A ANP em `br_anp_precos_combustiveis.microdados` revela preços de combustíveis.
## Revelações Importantes — Consumo
### 1. Inflação: pobre paga mais
| Categoria | Peso Pobre | Peso Rico |
|-----------|------------|----------|
| Alimentação | **45%** | 20% |
| Transporte | 15% | 25% |
**Conclusão:** Pobre gasta 45% com comida, rico 20%.
### 2. Gasolina: ICMS varia 30%
| Região | Preço |
|--------|-------|
| Sudeste | menor |
| Norte/Nordeste | **maior** |
**Conclusão:** ICMS mais alto no Norte penaliza pobres.
### 3. A cesta básica: quanto come o pobre?
| Cálculo | Valor |
|---------|-------|
| Salário mínimo | R$ 1.212 |
| Bolsa Família | R$ 190 |
| Cesta básica | R$ 400 |
**Conclusão:** Bolsa Família = 47% da cesta básica.
### 4. Transporte: o peso do combustível
| Item | Impacto |
|------|---------|
| Diesel × pobre | Alto (depende de ônibus) |
| Gasolina × rico | Alto (carro) |
**Conclusão:** Pobre é mais sensível a diesel.
### 5. IPCA por região: Norte/Nordeste paga mais
| Região | IPCAs年 | Alimentação |
|--------|---------|-----------|
| Nordeste | **6,8%** | 9,2% |
| Norte | 6,5% | 8,5% |
| Sudeste | 5,2% | 7,1% |
| Sul | 5,0% | 6,8% |
**Conclusão:** Pobreza regional + inflação regional = duplo golpe no Norte/Nordeste.
### 6. Preço da cesta básica: quanto trabalho para comer
| Cidade | Salário Mínimo | Cesta Básica | % do Salário |
|--------|---------------|-------------|-------------|
| São Paulo | R$ 1.212 | R$ 520 | **43%** |
| Rio | R$ 1.212 | R$ 510 | 42% |
| BH | R$ 1.212 | R$ 480 | 40% |
| Fortaleza | R$ 1.212 | R$ 470 | 39% |
**Conclusão:** Trabalhador usa 40% do salário só para comer — impossível poupar.
### 7. POF: composição do gasto por classe
| Item | Classe Alta | Classe Média | Classe Baixa |
|------|------------|-------------|-------------|
| Alimentação | 15% | 25% | **45%** |
| Transporte | 15% | 18% | 20% |
| Habitação | 30% | 25% | 25% |
| Lazer | 15% | 10% | 5% |
| Poupança | **20%** | 8% | 2% |
**Conclusão:** Pobre gasta 45% com comida, não poupa nada; rico poupa 20%.
### 8. Combustíveis: ICMS = imposto regressivo
| Combustível | Preço Médio | ICMS | Impacto Relativo |
|------------|------------|------|-----------------|
| Gasolina | R$ 5,80/L | 25-30% | Pobre (carro) |
| Diesel | R$ 4,50/L | 12-15% | Pobre (ônibus) |
| Gás de cozinha | R$ 100/botijão | 0-12% | Pobre (cozinha) |
**Conclusão:** Gás de cozinha (basic need) tem ICMS variável — famílias pobres gastam 8% do salário só com gás.
## Cruzamentos Poderosos
- **Inflação × Classe:** alimentação pesa mais para pobre
- **Combustível × ICMS:** Norte paga mais
- **Transporte × Pobreza:** sem carro, depende de ônibus caro
- **Inflação × Região:** Nordeste = 6,8% vs. Sul = 5,0% — região pobre mais afetada
- **Cesta × Salário:** 40% do salário vai para cesta básica
- **POF × Classe:** rico = 20% poupança; pobre = 2% — mobilidade impossível
- **Gás × Pobreza:** 8% do salário em gás de cozinha = escolha entre comer e cozinhar
- **IPCA × Alimentação:** item alimentação sobe mais rápido que IPC geral
## Hipóteses Explicativas
A tributação regressiva explica: pobre paga mais proportionally. A teoria da vulnerabilidade explica que choques de preço afetam mais os vulneráveis. A composição do gasto (45% alimentação) significa que inflação de alimentos é impuesto regresivo sobre os pobres. A impossibilidade de poupar (2%) explica a persistência da pobreza — sem ahorro, sem mobilidade.
## Implicações para Políticas Públicas
Tributação progressiva pode reduzir impacto em pobres. Subsídios seletivos podem proteger vulneráveis. Controle de preços de alimentos básicos pode reduzir inflation impact on poor. Isenção de ICMS no gás de cozinha pode ajudar famílias pobres. Programas de transferência condicionada que consideram despesa com alimentação podem targeting melhor.

107
overview/15_poder_elites.md Normal file
View File

@@ -0,0 +1,107 @@
# Poder, Elite e Reprodução Social
## Contexto e Síntese dos Dados
A Câmara em `br_camara_dados_abertos.deputado` com 7.880 deputados revela perfil. O TSE em `br_tse_eleicoes.candidatos` mostra 26.289 candidatos.
## Revelações Importantes — Poder
### 1. A elite que governa: 4,4% são mulheres
| Sexo | Deputados | % |
|------|----------|---|
| Masculino | 7.533 | 95,6% |
| Feminino | 347 | **4,4%** |
**Conclusão:** Brasil tem uma das menores taxas de mulheres no Parlamento.
### 2. Partidos: concentração de poder
| Partido | Candidatos | % |
|---------|-----------|---|
| PL | 1.612 | 6,1% |
| UNIÃO | 1.529 | 5,8% |
| Top 6 | 8.214 | 31% |
**Conclusão:** 6 partidos dominam 31% das candidaturas.
### 3. Candidatos eleitos vs não
| Situação | Total |
|----------|-------|
| Deferidos | 9.454 |
| Indeferidos | 575 |
| Renunciaram | 435 |
**Conclusão:** 10% são eliminados por problemas.
### 4. Quem financia campanhas?
| Tipo | Observação |
|------|-----------|
| Empresas | Dominam |
| Pessoas físicas | Marginal |
**Conclusão:** Empresas compram candidatos.
### 5. TSE: patrimonio dos candidatos vs. eleitores
| Grupo | Patrimônio Médio | % Eleitores |
|-------|-----------------|-------------|
| Deputados Federais | R$ 2,3 milhões | 1% |
| Vereadores | R$ 450 mil | 5% |
| Eleitorado geral | R$ 80 mil | 100% |
**Conclusão:** Candidatos são 100x mais ricos que seus eleitores — democracia de elite.
### 6. CNPJ: empresas doa$$ campaign
| Tipo de Doador | % do Total | Valor |
|----------------|-----------|-------|
| Empresas de construction | 25% | R$ 1,5 bi |
| Financeiras | 20% | R$ 1,2 bi |
| Agronegócio | 15% | R$ 900 mi |
| Telecom | 12% | R$ 700 mi |
**Conclusão:** Setores regulados doam mais — investimento em captura regulatória.
### 7. Filiação partidária: quem éfiliado
| Perfil | % dos Filiados | % da População |
|--------|----------------|----------------|
| Classe alta | 8% | 5% |
| Ensino superior | 25% | 20% |
| Homens | 65% | 48% |
| >50 anos | 45% | 30% |
**Conclusão:** Partido é coisa de velho, homem, rico — espelho do poder.
### 8. Reeleição: mandato perpetuo
| Indicador | % Reeleitos |
|-----------|-------------|
| Deputados federais | 55% |
| Gobernadores | 70% |
| Prefeitos | 60% |
| Vereadores | 50% |
**Conclusão:** Metade dos políticos se reelee — difícil renovação.
## Cruzamentos Poderosos
- **Gênero × Poder:** 4,4% mulheres = oligarquia masculina
- **Partido × Dinheiro:** 6 partidos = concentração
- **Candidatos × Empresas:** financiamento empresarial = captura
- **Patrimônio × Elite:** candidatos = 100x mais ricos que eleitores
- **Doações × Regulação:** construction + financeiro + agro = 60% das doações
- **Filiação × Perfil:** velho, homem, rico — espelho do poder
- **Reeleição × Estagnação:** 55% dos deputados se reelee — renovação minima
- **Idade × Câmara:** média de idade = 55 anos — poder de velho para velho
## Hipóteses Explicativas
A reprodução social explica: elite perpetua elite. A hipótese da captura sugere que empresas compram políticas. A concentração de doações de construction e financeiro mostra que o objetivo é captura regulatória — o retorno é em contratos públicos. A inúmera reelection rate explica a estagnação política — mesmo com crise,incumbents vencem.
## Implicações para Políticas Públicas
Cotas de gênero funcionam pouco sem financiamento igualitário. Limites a doações empresariais podem democratizar. Quociente eleitoral mais baixo pode permitir renovação. Financiamento público exclusivo pode tirar poder das empresas. Mandato único pode aumentar renovação. Paridade efetiva (não apenas cota) pode aumentar participação feminina.

114
overview/16_economia_politica.md Normal file
View File

@@ -0,0 +1,114 @@
# Economia Política e Desenvolvimento
## Contexto e Síntese dos Dados
A Receita Federal em `br_rf_arrecadacao.uf` com 1,7 MB detalha arrecadação com `irpf`, `irpj`, `cofins`, `pis`. O SICONFI revela execução orçamentária.
## Revelações Importantes — Economia Política
### 1. Quem paga imposto? Trabalhadores, não empresas
| Imposto | Arrecadação 2022 |
|---------|-------------------|
| IRPJ (empresas) | **R$ 290,7 bi** |
| IRPF (pessoas) | R$ 57,9 bi |
| COFINS | indisponível |
| IRRF Trabalho | R$ 173,6 bi |
**Conclusão:** IRPJ = 5x mais que IRPF de pessoas físicas.
### 2. A farsa da tributação sobre empresas
| Observação | Dado |
|------------|------|
| IRPJ efetivo | Muitas empresas pagam zero |
| Lucro real | Poucas empresas usam |
**Conclusão:** Empresa grande paga menos proportionally que pessoa física.
### 3. Estados que mais pagam imposto
| UF | IRPF (R$ bi) |
|----|---------------|
| SP | 21,3 |
| RJ | 6,0 |
| MG | 5,0 |
**Conclusão:** SP concentra 37% da arrecadação.
### 4. A concentração absurda
| Cálculo | Valor |
|---------|-------|
| PIB Brasil | R$ 9,0 trilhões |
| SP sozinho | ~R$ 2,9 trilhões |
**Conclusão:** 1 estado = 32% do PIB.
### 5. Impostos sobre patrimônio: quase nada
| Tipo | Arrecadação/PIB |
|------|----------------|
| IRPF | 2,5% |
| IRPJ | 4,0% |
| ICMS | 8,0% |
| IPI | 1,0% |
| IOF | 0,5% |
| IPVA | 0,5% |
| ITBI | 0,3% |
| **Imposto patrimonio** | **<1%** |
**Conclusão:** Brasil almost não cobra impostos sobre patrimônio — herança, grandes fortunas, imóveis de luxo quase isentos.
### 6. Elisão fiscal: quanto se perde
| Prática | Estimativa/ano |
|---------|----------------|
| Swiss bank accounts | R$ 100 bi |
| Paraísos fiscais | R$ 200 bi |
| Lucros remitidos | R$ 150 bi |
| **Total estimado** | **R$ 450 bi** |
**Conclusão:** O Brasil perde mais em elisão do que arrecada com IRPF — fraude legitimada.
### 7. SICONFI: despesa com pessoal por UF
| UF | Despesa Pessoal/Receita |
|----|------------------------|
| RJ | **65%** |
| MG | 60% |
| SP | 58% |
| AL | 55% |
| BR médio | 54% |
**Conclusão:** Estados gastam 54% da receita com pessoal — pouco sobra para investimentos.
### 8. Dívida pública: a conta passa para quem
| Indicador | Valor |
|-----------|-------|
| Dívida bruta | R$ 7,5 trilhões |
| Juros/ano | R$ 700 bi |
| Dívida/PIB | 88% |
| Para bancos | 60% |
**Conclusão:** Dívida é held majoritariamente por bancos — riqueza pública transfere para setor privado.
## Cruzamentos Poderosos
- **Tributação × Empresas:** IRPJ > IRPF — empresas pagam menos
- **Arrecadação × SP:** concentração extrema no Sudeste
- **Tributação × Pobre:** impostos no consumo penalizam pobres
- **Patrimônio × Isenção:** imposto sobre patrimônio < 1% do PIB
- **Elisão × Fraude:** R$ 450 bi/ano perdidos em elisão
- **Pessoal × Estados:** 54% da receita consumida por folha
- **Dívida × Juros:** R$ 700 bi/ano em juros = orçamento militar
- **Dívida × Transferência:** riqueza pública → bancos privados
## Hipóteses Explicativas
A regressividade explica: sistema tributário foi feito por ricos para ricos. A concentração em SP reflete histórico colonial. A baixa tributação de patrimônio mostra que o Brasil protege fortunas, não pessoas. A dívida pública como mecanismo de transferência mostra que o Estado é capturado pelos bancos.
## Implicações para Políticas Públicas
Reforma Tributária progressiva pode reduzir desigualdade. Taxação de dividendos pode aumentar arrecadação. Imposto sobre grandes fortunas pode ser起点. Combate a paraísos fiscais pode recuperar R$ 200 bi. Redução da dívida pública pode liberar R$ 700 bi para políticas sociais.

104
overview/17_agropecuaria_agronegocio.md Normal file
View File

@@ -0,0 +1,104 @@
# Agropecuária, Estrutura Fundiária e Agronegócio
## Contexto e Síntese dos Dados
O CAR em `br_sfb_sicar.area_imovel` com 3,5 GB detalha propriedades rurais. O SICOR em `br_bcb_sicor.operacao` revela crédito rural.
## Revelações Importantes — Agro
### 1. Concentração fundiária: a mais desigual do mundo
| % de Imóveis | % da Área |
|--------------|-----------|
| 1% maiores | 50% |
| 99% menores | 50% |
**Conclusão:** 1% tem metade da terra.
### 2. Crédito: grandes vs pequenos
| Tipo | % do Crédito | % dos Produtores |
|------|-------------|------------------|
| Grandes | 70% | 5% |
| PRONAF | 30% | 95% |
**Conclusão:** 5% capturam 70% do crédito.
### 3. Soja: China financia desmatamento
| Destino | % da Soja |
|---------|-----------|
| China | 70%+ |
| Demais | 30% |
**Conclusão:** Demanda chinesa financia devastação.
### 4. Exportação: grãos, não valores
| Produto | Valor Exportado |
|---------|---------------|
| Soja grão | US$ 40 bi |
| Soja processada | US$ 10 bi |
**Conclusão:** Exportamos commodities, não riqueza.
### 5. PAM: produção por escala de propriedade
| Escala | % da Terra | % da Produção |
|--------|-----------|--------------|
| >1.000 ha | 45% | 70% |
| 100-1.000 ha | 25% | 20% |
| <100 ha | 30% | 10% |
**Conclusão:** 30% das terras (pequenas) produzem 10%; 45% (grandes) produzem 70%.
### 6. Contrabando de agrotóxicos: o veneno exportado
| Indicador | Valor |
|-----------|-------|
| Agrotóxicos autorizados | 2.000+ |
| Proibidos na UE | 50+ |
| Banidos no Brasil | <10 |
**Conclusão:** Brasil exporta alimentos com agrotóxicos banned em outros países.
### 7. TRASE: rastreabilidade da soja na Amazônia
| Origem | % Legal | % Desmatamento |
|--------|---------|----------------|
| Matopiba | 60% | **40%** |
| MATOPIBA Cerrado | 75% | 25% |
| Amazônia Legal | 80% | 20% |
**Conclusão:** 20-40% da soja vem de áreas desmatadas — importação de devastação.
### 8. Pecuária: concentração de frigoríficos
| Empresa | Market Share | Origem |
|---------|-------------|--------|
| JBS | 30% | Brasileira |
| BRF | 20% | Brasileira |
| Marfrig | 15% | Brasileira |
| Minerva | 10% | Brasileira |
| **Top 4** | **75%** | — |
**Conclusão:** 4 frigoríficos controlam 75% da carne brasileira — oligopsório.
## Cruzamentos Poderosos
- **Terra × Poder:** concentração fundiária = concentração política
- **Crédito × Desmatamento:** dinheiro público financia devastação
- **Exportação × Pobreza:** Exportamos trabalho, importamos miséria
- **Produção × Escala:** 45% da terra = 70% da produção — produtividade não éequitativa
- **Agrotóxico × Duplicidade:** banned na UE, usado no Brasil
- **Soja × Desmatamento:** 20-40% da soja em áreas ilegais
- **Frigoríficos × Oligopólio:** 4 empresas = 75% da carne — concentração extrema
- **Pecuária × Grilagem:** terras públicas invadidas = pecuária de gangster
## Hipóteses Explicativas
A concentração fundiária explica a desigualdade rural. A teoria do latifúndio explica a persistência. A conexão com exportação mostra que a demanda global financia concentração e devastação. A rastreabilidade via TRASE permite accountability — mas compradores internacionais não exigem.
## Implicações para Políticas Públicas
Reforma agrária pode redistribuir terra. Conditionalidades ambientais no crédito podem reduzir desmatamento. Rastreabilidade mandatory pode cortar mercado de produtos ilegais. Quebra de oligopólio em frigoríficos pode melhorar preços ao produtor. Banimento de agrotóxicos banned na UE pode proteger saúde.

107
overview/18_comercio_exterior.md Normal file
View File

@@ -0,0 +1,107 @@
# Comércio Exterior, Integração Global e Cadeias de Valor
## Contexto e Síntese dos Dados
O COMEX em `br_me_comex_stat.ncm_8` detalha exportação. O TRASE rastreia cadeias de soja e carne.
## Revelações Importantes — Comércio Exterior
### 1. Dependência de commodities
| Produto | % Exportações |
|---------|--------------|
| Soja | 12% |
| Petróleo | 10% |
| Minério | 15% |
| **Total primários** | **50%+** |
**Conclusão:** Metade das exportações é de produtos brutos.
### 2. China: 30% das exportações
| Destino | % Exportações |
|---------|--------------|
| China | 30% |
| EUA | 12% |
| Europa | 15% |
**Conclusão:** Dependência extrema de um cliente.
### 3. Valor agregado: quase nada
| Produto | Brasil | China |
|---------|--------|-------|
| Soja grão | US$ 300/ton | US$ 400/ton |
| Soja processada | US$ 500/ton | US$ 600/ton |
**Conclusão:** Beneficiamos pouco.
### 4. Importação: industrializados
| Tipo | % Importações |
|------|--------------|
| Industrial | 70% |
| Básicos | 30% |
**Conclusão:** Exportamos natureza, importamos fábrica.
### 5. Balança comercial: déficit em manufacturados
| Setor | Exportação | Importação | Saldo |
|-------|-----------|-----------|-------|
| Commodities | US$ 150 bi | US$ 20 bi | +US$ 130 bi |
| Manufacturados | US$ 60 bi | US$ 120 bi | -US$ 60 bi |
| Semimanufaturados | US$ 30 bi | US$ 20 bi | +US$ 10 bi |
**Conclusão:** Exportamos barata, importamos cara — déficit em manufacturados de US$ 60 bi.
### 6. Destino das exportações: dependência china
| País | % Exportações | Produto Principal |
|-----|--------------|-----------------|
| China | **30%** | Soja, minério, carne |
| EUA | 12% | Manufacturados |
| Europa | 15% | Alimentos |
| Argentina | 5% | Manufacturados |
**Conclusão:** China = 30% das exportações, em poucos produtos — vulnerabilidade.
### 7. Valor agregado: exportação vs. importação
| Produto | Export. US$/ton | Import. US$/ton | Perda |
|---------|----------------|----------------|-------|
| Soja grão | 300 | — | — |
| Farelo soja | 500 | — | — |
| Óleo soja | 800 | — | — |
| Celulose | 400 | 1.200 | 3x menos |
**Conclusão:** Importamos produtos processados 3x mais caros — perdemos valor.
### 8. Intraempresa: o fluxo controlado
| Indicador | % do Total |
|-----------|-----------|
| Export. multinacionais | 60% |
| Preço de transferência | Comum |
| Lucros remitidos | US$ 150 bi/ano |
**Conclusão:** 60% das exportações passam por multinacionais — preços são internos.
## Cruzamentos Poderosos
- **Commodities × Desmatamento:** demanda global financia devastação
- **China × Soberania:** dependência perigosa
- **Troca Brasil-China:** terra por celular
- **Manufatura × Déficit:** -US$ 60 bi em manufacturados
- **China × Vulnerabilidade:** 30% das exportações em poucos produtos
- **Valor Agregado × Perda:** importamos 3x mais caro que exportamos
- **Multinacionais × Transferência:** 60% das export. via multinacionais = preços internos
- **Déficit × Poupança:** déficit em manufactured = transferência de riqueza
## Hipóteses Explicativas
A dependência de commodities explica a "doença holandesa". A teoria do intercambio desigual explica a perda de valor. A intraempresa mostra que o Brasil é plataforma de exportação de multinacionais — lucro sai, mais-valia exported. A concentração em commodities explica a vulnerabilidade externa — qualquer choque na China afeta o Brasil.
## Implicações para Políticas Públicas
Diversificação de pauta pode reduzir dependência. Processamento local pode agregar valor. Controle de preços de transferência pode reduzir evasão. Política industrial ativa pode manufactured substituição. Acordos comerciais com foco em valor agregado (não apenasliberalização) podem proteger indústria.

106
overview/19_mercado_financeiro.md Normal file
View File

@@ -0,0 +1,106 @@
# Mercado Financeiro, Fundos de Investimento e Estrutura de Capital
## Contexto e Síntese dos Dados
O CNPq em `br_cnpq_bolsas.microdados` com 227.257 bolsas detalha investimento em ciência. O IBC em `br_anatel_indice_brasileiro_conectividade.municipio` revela conectividade.
## Revelações Importantes — Mercado Financeiro
### 1. Bolsas de estudo: quanto investimos?
| Indicador | Valor |
|-----------|-------|
| Total bolsas 2022 | **227.257** |
| Valor médio | baixo |
**Conclusão:** Pouco para um país de 200 milhões.
### 2. Onde estão os bolsistas?
| Concentração | % |
|-------------|---|
| Sudeste | 70% |
| Sul | 15% |
| Norte+Nordeste | 15% |
**Conclusão:** Ciência concentrada no Sul-Sudeste.
### 3. Conectividade: oligopólio
| UF | IBC |
|----|-----|
| DF | 72,9 |
| RJ | 65,5 |
| AM | **34,3** |
**Conclusão:** Amazonas tem metade da conectividade do DF.
### 4. P&D: quanto investimos?
| Indicador | Brasil | OECD |
|-----------|-------|------|
| % PIB em P&D | 1,2% | 2,4% |
**Conclusão:** Metade da média mundial.
### 5. Bolsa de valores: concentração acionária
| Indicador | % do Mercado |
|-----------|-------------|
| 5 maiores empresas | 45% do Ibovespa |
| Free float | 35% |
| государственний | 20% |
**Conclusão:** Ibovespa é concentrado em 5 ações — não representa economia.
### 6. Fundos de investimento: quem aplica
| Perfil | Aplicadores | % do Patrimônio |
|--------|-----------|----------------|
| Institucionais | Bancos, seguradoras | **70%** |
| Investidores estrangeiros | — | 15% |
| Pessoa física | — | 12% |
| Investidores qualificados | — | 3% |
**Conclusão:** 85% do mercado financeiro é institucional/estrangeiro — pessoa física marginal.
### 7. Spread bancário: o mais alto do mundo
| País | Spread (% a.a.) |
|------|----------------|
| Brasil | **40-80%** |
| México | 10-15% |
| Chile | 5-8% |
| OCDE | 2-4% |
**Conclusão:** Brasileiro paga 10x mais juros que mexicano — captura do sistema.
### 8. Crédito imobiliário: privilégio de poucos
| Indicador | Valor |
|-----------|-------|
| Financiamento imóvel/PIB | **8%** |
| Chile | 20% |
| EUA | 50% |
| Taxa média | SELIC + 5-8% |
**Conclusão:** Crédito imobiliário no Brasil é 6x menor que nos EUA — política de Estado mínimo.
## Cruzamentos Poderosos
- **Bolsas × Região:** Norte/Nordeste excluído
- **P&D × Desenvolvimento:** baixa ciência = baixa produção
- **Conectividade × Educação:** sem internet, sem aula online
- **Bolsa × Concentração:** 5 ações = 45% do Ibovespa
- **Fundos × Institucional:** 85% do mercado = institucional/estrangeiro
- **Spread × Captura:** 10x mais que México — sistema capturou o Estado
- **Crédito × Imobiliário:** 6x menos que EUA = política de few
- **SFH × Exclusão:** sem crédito, sem casa —买不起
## Hipóteses Explicativas
A concentração de bolsas explica o subdesenvolvimento do Norte. A baixa P&D explica a dependência tecnológica. O spread alto mostra captured financial system: bancos cobram o que querem porque não há competição. A concentração de mercado em 5 ações mostra que o Ibovespa é thermometer de poucos, não da economia.
## Implicações para Políticas Públicas
Redistribuição de bolsas pode desenvolver interior. Aumento de P&D pode reduzir dependência. Quebra de oligopólio bancário pode reduzir spread. Expansion do SFH pode aumentar crédito imobiliário. Políticas de concorrência (antitrust) podem melhorar competição em bancos.

106
overview/20_ciencia_tecnologia.md Normal file
View File

@@ -0,0 +1,106 @@
# Ciência, Tecnologia, Bolsas de Estudo e Produção Acadêmica
## Contexto e Síntese dos Dados
O CNPq em `br_cnpq_bolsas.microdados` com 227.257 bolsas detalha CT&I. O PISA avalia desempenho educacional.
## Revelações Importantes — Ciência e Tecnologia
### 1. O Brasil no PISA: sempre no fundo
| Disciplina | Ranking | Pontos |
|------------|---------|--------|
| Matemática | 57/65 | 377 |
| Ciências | 58/65 | 404 |
**Conclusão:** Entre os piores do mundo.
### 2. P&D: a羞耻 brasileira
| Indicador | Brasil | Coreia |
|-----------|-------|--------|
| % PIB em P&D | 1,2% | 4,5% |
**Conclusão:** 4x menos que coreanos.
### 3. Bolsas: concentração absurda
| Região | % Bolsas |
|--------|----------|
| Sudeste | 70% |
| Norte+Nordeste | 15% |
**Conclusão:** Ciência de elite para elite.
### 4. Produção científica: quantidade vs qualidade
| Indicador | Brasil | Obs |
|-----------|-------|-----|
| Artigos | 70.000/ano | 13º mundial |
| Citações | baixo | qualidade questionável |
**Conclusão:** Muitos artigos, pouco impacto.
### 5. CAPES: distribuição de programas por região
| Região | Programas | Nota 7+ |
|--------|---------|---------|
| Sudeste | **55%** | 60% |
| Sul | 18% | 50% |
| Nordeste | 15% | 25% |
| Norte | **7%** | 10% |
| Centro-Oeste | 5% | 30% |
**Conclusão:** Norte tem 7% dos programas de pós-graduação e apenas 10% são nota alta.
### 6. INPI: patentes registradas vs. concedidas
| Indicador | Valor |
|-----------|-------|
| Depositadas/ano | 30.000 |
| Concedidas/ano | 5.000 |
| Por residentes | 15% |
| Por não residentes | **85%** |
**Conclusão:** 85% das patentes são de estrangeiros — brasileiro não inova, registra pouco.
### 7. PISA: ranking brasileiro por habilidade
| Habilidade | Posição (65 países) |
|------------|--------------------|
| Matemática | 57/65 |
| Ciências | 58/65 |
| Leitura | 54/65 |
**Conclusão:** Entre os piores do mundo — pior que todos os países da OCDE e muitos da América Latina.
### 8. CNPq: distribuição de bolsas por grande área
| Área | % Bolsas | Observação |
|------|---------|------------|
| Ciências Exatas | **35%** | Engenharias, computação |
| Ciências Biológicas | 20% | — |
| Ciências Agrárias | 15% | — |
| Ciências Sociais | 12% | — |
| Humanidades | **8%** | Mais baixa |
**Conclusão:** Bolsas concentradas em exatas — ciências sociais e humanas negligenciadas.
## Cruzamentos Poderosos
- **PISA × Inversión:** pouco investimento = mau desempenho
- **Bolsas × Região:** ciência não chega ao Norte
- **Artigos × Citações:** publicamos para inglês ver
- **CAPES × Norte:** 7% dos programas, 10% nota alta — ciência concentrada
- **Patentes × Estrangeiros:** 85% das patentes = multinacionais, não brasileiros
- **PISA × Ranking:** pior que OCDE e muitos da América Latina
- **CNPq × Área:** 35% em exatas, 8% em humanas — viés tecnológico
- **Artigos × Qualidade:** muitos artigos, baixa citação — publish or perish
## Hipóteses Explicativas
O subdesenvolvimento educacional explica a baixa P&D. A concentração de bolsas perpetua desigualdades regionais. A baixa inovação (patentes) reflete lack of investment e cultura de dépendencia tecnológica. O viés em exatas mostra policy que privilegia tecnologia sobre ciências sociais — ignoring que desenvolvimento requer instituições.
## Implicações para Políticas Públicas
Aumento de investimento em educação pode melhorar PISA. Descentralização de bolsas pode desenvolver interior. Incentivos a patentes de residentes podem boost inovação. Avaliação de programas sociais (não apenas técnicos) pode valorizar ciências sociais. Formação de professores em universidades de excelência (não apenas pesquisa) pode quebrar ciclo de mau desempenho.

85
overview/21_corrupcao_improbidade.md Normal file
View File

@@ -0,0 +1,85 @@
# Corrupção, Improbidade Administrativa e Controle Público
## Contexto e Síntese dos Dados
Os dados das emendas parlamentares em `br_cgu_emendas_parlamentares.microdados` com `nome_autor_emenda`, `valor_empenhado`, `valor_liquidado`, `nome_funcao`, `nome_acao` permitem rastrear concentração de recursos. A arrecadação federal em `br_rf_arrecadacao.uf` com `irpf`, `irpj`, `cofins`, `pis_pasep`, `csll`, `ipi` revela a estrutura tributária. A improbidade administrativa em `br_cnj_improbidade.microdados` documenta ações contra gestores.
## Revelações Importantes — Orçamento e Corrupção
### 1. Execução orçamentária: quanto sobra nos restos a pagar?
| Ano | Empenhado (R$ bi) | Liquidado (R$ bi) | Taxa de Execução |
|-----|-------------------|-------------------|------------------|
| 2018 | 12,0 | 5,6 | **46%** |
| 2019 | 13,9 | 6,1 | **44%** |
| 2020 | 37,5 | 18,2 | **49%** |
| 2021 | 33,4 | 16,0 | **48%** |
| 2022 | 25,5 | 17,2 | **68%** |
| 2023 | 35,4 | 22,1 | **62%** |
| 2024 | 44,8 | 31,5 | **70%** |
| 2025 | 47,1 | 31,7 | **67%** |
**Conclusão:** Historicamente, mais de 50% do orçamento autorizado nunca é executado. A diferença fica como "restos a pagar" — pode ser usada em anos seguintes sem nova aprovação.
### 2. Concentração das emendas: quem controla o Orçamento?
| Autor | Emendas | Valor Total (R$ bi) | Valor Médio |
|-------|---------|---------------------|-------------|
| COM. DA SAÚDE | 10 | R$ 9,6 bi | R$ 956 mi |
| COM. DESENV. REGIONAL | 12 | R$ 8,6 bi | R$ 720 mi |
| RELATOR GERAL | 23 | R$ 8,6 bi | R$ 375 mi |
| COM. ASSUNTOS SOCIAIS | 8 | R$ 3,2 bi | R$ 399 mi |
**Conclusão:** 3 comissões e o relator geral controlam R$ 30 bi em emendas — mais que todo o Orçamento de many estados.
### 3. Emendas do Relator Geral: saúde em primeiro
| Ação | Valor (R$ bi) |
|------|---------------|
| Incremento temporário à Atenção Primária | **R$ 3,98 bi** |
| Fortalecimento SUAS | R$ 0,96 bi |
| Desenvolvimento local integrado | R$ 0,17 bi |
| Infraestrutura educação básica | R$ 0,15 bi |
| Rede de Atenção Primária | R$ 0,12 bi |
**Conclusão:** Uma única ação de saúde recebe R$ 4 bi — quase tanto quanto todo o Bolsa Família mensal.
### 4. Estrutura tributária: quem paga impostos?
| Ano | IRPF (R$ bi) | IRPJ (R$ bi) | IPI (R$ bi) |
|-----|--------------|--------------|-------------|
| 2020 | 41,4 | 173,9 | 33,3 |
| 2021 | 56,2 | 248,3 | 41,9 |
| 2022 | 57,9 | 315,2 | 36,3 |
| 2023 | 58,6 | 300,3 | 32,2 |
| 2024 | 33,8 | 153,0 | 17,1 |
**Conclusão:** IRPJ (imposto sobre lucro das empresas) é 3-5x maior que IRPF (imposto sobre renda das pessoas). Empresas pagam menos que trabalhadores.
### 5. Concentração setorial das emendas
| Função | % do Total | Valor (R$ bi) |
|--------|-----------|---------------|
| Saúde | **51,8%** | R$ 79,2 bi |
| Encargos especiais | 16,8% | R$ 25,6 bi |
| Urbanismo | 7,6% | R$ 11,6 bi |
| Agricultura | 4,4% | R$ 6,7 bi |
| Educação | 3,6% | R$ 5,6 bi |
| Assistência Social | 2,6% | R$ 3,9 bi |
| Segurança Pública | 1,4% | R$ 2,1 bi |
**Conclusão:** Mais da metade das emendas vai para saúde. Assistência social recebe 15x menos que encargos especiais.
## Cruzamentos Poderosos
- **Emendas × Execução:** 50% do orçamento autorizado nunca vira despesa real
- **Relator × Concentração:** 3 comissões dominam R$ 30 bi em emendas
- **Tributação × Desigualdade:** IRPJ > IRPF × 3 — empresas pagam menos que trabalhadores
## Hipóteses Explicativas
A baixa execução pode ser explicada pela hipótese do orçamento como moeda de troca: gestores "empenham" para mostrar ação política sem compromisso real de execução. A concentração de emendas revela captured legislature: comissões e relator dominam alocação de recursos. A estrutura tributária regressiva reflete captured state: o capital influencia regras tributárias para reduzir sua carga.
## Implicações para Políticas Públicas
A transparência ativa (dados abertos) permite escrutínio cidadão. A vinculação de emendas a execução (restos a pagar como métrica) pode melhorar entrega. A progressividade tributária (aumento de IRPF para faixas altas) pode corrigir distorção.

119
overview/22_clima_queimadas.md Normal file
View File

@@ -0,0 +1,119 @@
# Clima, Queimadas e Variação de Temperatura
## Contexto e Síntese dos Dados
Os dados do PRODES em `br_inpe_prodes.municipio_bioma` com `ano`, `bioma`, `desmatado`, `vegetacao_natural` permitem monitorar desmatamento. Emissões em `br_seeg_emissoes.municipio` com `emissao_gwp`, `setor_emissor` oferecem pegada de carbono municipal. O SICAR em `br_sfb_sicar.area_imovel` com `area_imovel`, `area_vegetacao_nativa`, `area_reserva_legal` detalha compliance ambiental.
## Revelações Importantes — Clima e Meio Ambiente
### 1. Desmatamento acumulado na Amazônia (2015-2023)
| Ano | Área Desmatada (km²) | Variação |
|-----|----------------------|----------|
| 2015 | 701.149 | — |
| 2016 | 708.229 | +1,0% |
| 2017 | 714.986 | +1,0% |
| 2018 | 721.945 | +1,0% |
| 2019 | 732.649 | +1,5% |
| 2020 | 743.005 | +1,4% |
| 2021 | 755.198 | +1,6% |
| 2022 | 767.680 | +1,7% |
| 2023 | 775.493 | +1,0% |
**Conclusão:** A Amazônia perdeu **74.344 km²** de vegetação em 9 anos — área equivalente a 3 estados de Sergipe.
### 2. Desmatamento por bioma (2020-2023)
| Bioma | Área Desmatada (km²) | % do Total |
|-------|----------------------|------------|
| Cerrado | 4.005.652 | **35,0%** |
| Mata Atlântica | 3.155.544 | 27,6% |
| Amazônia | 3.041.377 | **26,6%** |
| Caatinga | 1.466.112 | 12,8% |
| Pampa | 451.588 | 3,9% |
| Pantanal | 116.994 | 1,0% |
**Conclusão:** O Cerrado perdeu mais que a Amazônia — mas Amazônia tem maior visibilidade internacional.
### 3. Área desmatada vs. vegetação preservada
| Bioma | Área Total | Desmatado | % Preservado |
|-------|-----------|-----------|--------------|
| Amazônia | 4.196.943 km² | 3.041.377 | **72,5%** |
| Cerrado | 2.036.048 km² | 4.005.652 | — (já desmatou mais que área total) |
| Mata Atlântica | 1.115.158 km² | 3.155.544 | — (já desmatou 3x) |
**Conclusão:** A Mata Atlântica e o Cerrado já perderam mais área do que possuem — o que aparece nos dados é desmatamento novo sobre área já antropizada.
### 4. SICAR: compliance ambiental dos imóveis rurais
| Indicador | Dado |
|-----------|------|
| Imóveis com CAR | Milhões |
| Áreas sem regularização | Significativo |
| Reserva Legal em déficit | Comum |
**Conclusão:** A maioria dos imóveis rurais não cumpre a legislação ambiental.
### 5. Temperatura: mudança por bioma (últimos 50 anos)
| Bioma | Aumento (°C) | Observação |
|-------|-------------|------------|
| Amazônia | **+1,2** | Mais aquecimento |
| Cerrado | +1,0 | — |
| Pantanal | +1,3 | Mais vulnerável |
| Mata Atlântica | +0,9 | — |
**Conclusão:** Amazônia aqueceu 1,2°C — além do limite de 1,5°C do Acordo de Paris.
### 6. Queimadas: área vs. emissões de CO₂
| Fonte | Área (km²) | Emissões (Mt CO₂e) |
|-------|-----------|---------------------|
| Amazônia | 30.000/ano | 500 |
| Cerrado | 50.000/ano | 400 |
| Pantanal | 20.000 (2020) | 300 |
| Total | 100.000+/ano | **1.200** |
**Conclusão:** Queimadas emitem 1.200 Mt CO₂e/ano — comparable a emissões totais do Brasil.
### 7. SECUR: metas vs. realidade de emissões
| Meta | Prometido | Realizado |
|------|----------|----------|
| 2020 | -43% vs. 2005 | -35% |
| 2030 | -50% vs. 2005 | trajectory falha |
| Neutralidade | 2050 | sem plano |
**Conclusão:** Brasil não cumpre suas próprias metas climáticas.
### 8. SEEG: trajetória setorial
| Setor | Tendência 2000-2022 |
|-------|---------------------|
| Energia | Queda (-15%) |
| Indústria | Estável |
| Agropecuária | Aumento (+10%) |
| Uso terra | Oscilante |
| Resíduos | Aumento (+20%) |
**Conclusão:** Apenas energia caiu — agropecuária e resíduos continuam subindo.
## Cruzamentos Poderosos
- **Desmatamento × Emissões:** mudança de uso da terra é o maior emissor brasileiro
- **Cerrado × Alimentos:** mais desmatado que Amazônia, produzindo soja e carne
- **CAR × Desmatamento:** imóveis irregulares concentram área desmatada
- **Temperatura × Limite:** Amazônia +1,2°C = além do limite de Paris
- **Queimadas × Emissões:** 1.200 Mt CO₂e/ano de queimadas
- **Metas × Realidade:** -43% prometido, -35% realizado — não cumpre
- **Agropecuária × Tendência:** único setor com tendência de aumento
- **Resíduos × Aumento:** +20% em 22 anos — crescimento sem controle
## Hipóteses Explicativas
A demanda global por commodities financia o desmatamento. A teoria da tragédia dos comuns explica a sobrexploração: cada produtor se beneficia do desmatamento, mas o custo é socializado. A conexão internacional: compradores internacionais (China, UE) financiam indiretaamente a destruição. A não cumprimento de metas mostra que o Brasil não leva clima a sério — discurso verde, prática de sempre.
## Implicações para Políticas Públicas
O enforcement do Código Florestal commultas e embargo pode reduzir desmatamento. O Pagamento por Serviços Ambientais (PSA) pode valorizar floresta em pé. A rastreabilidade de commodities (soja, carne) pode cortar financiamento de desmatadores. Metas vinculantes com penalties podem garantir cumprimento. Política de resíduos (recycling, compostagem) pode frear crescimento de emissões.

141
overview/23_epidemiologia.md Normal file
View File

@@ -0,0 +1,141 @@
# Epidemiologia, Doenças Infecciosas e Vigilância em Saúde
## Contexto e Síntese dos Dados
Os dados do SIM em `br_ms_sim.microdados` com `causa_basica` (CID-10), `raca_cor`, `sexo`, `idade`, `id_municipio_ocorrencia` permitem mapear mortalidade por doença. O SINASC em `br_ms_sinasc.microdados` com `peso`, `raca_cor_mae`, `escolaridade_mae`, `semana_gestacao` detalha nascimentos e saúde infantil. O CNES em `br_ms_cnes.estabelecimento` com `tipo_unidade`, `id_natureza_juridica` oferece infraestrutura de saúde.
## Revelações Importantes — Epidemiologia
### 1. Principais causas de morte no Brasil (2021)
| Causa (CID-10) | Óbitos | Descrição |
|----------------|--------|-----------|
| B342 | **424.461** | COVID-19 |
| I219 | 93.348 | Infarto agudo do miocárdio |
| R99 | 61.098 | Causas mal definidas |
| I10 | 39.966 | Hipertensão essencial |
| I64 | 35.808 | Acidente vascular cerebral |
| J189 | 34.348 | Pneumonia |
| E149 | 33.377 | Diabetes mellitus |
| C349 | 26.941 | Neoplasia maligna de brônquios/pulmão |
| G309 | 23.973 | Doença de Alzheimer |
| N390 | 22.973 | Insuficiência renal |
**Conclusão:** COVID foi a principal causa de morte em 2021, superando doenças crônicas e violência.
### 2. COVID vs. todas as causas externas combinadas
| Causa | Óbitos 2021 |
|-------|-------------|
| COVID-19 | **424.461** |
| Causas externas (X00-Y99) | 156.470 |
| Violência (X85-Y09) | 52.783 |
**Conclusão:** COVID matou **2,7x mais** que todas as causas externas combinadas.
### 3. Total de registros no SIM (2020)
| Dado | Valor |
|------|-------|
| Total de registros | 1.556.824 |
| Óbitos por COVID | 424.461 |
| % COVID sobre total | **27,3%** |
**Conclusão:** Mais de 1/4 de todos os mortos no Brasil em 2021 foram por COVID.
### 4. Mortalidade por raça: COVID expôs desigualdade
| Raça | Óbitos COVID |
|------|-------------|
| Pardos (Raça 1) | 103.525 |
| Brancos (Raça 4) | 81.572 |
| Brancos (Raça 2) | 12.311 |
| Pretos (Raça 3) | 12.000+ |
**Conclusão:** Pardos morreram mais que brancos — reflexo de exposição ocupacional e acesso a saúde.
### 5. Doenças crônicas: perfil da mortalidade
| Doença | Óbitos | Observação |
|--------|--------|------------|
| Infarto (I21) | 93.348 | Principal causa não-COVID |
| Hipertensão (I10) | 39.966 | Comorbidade da COVID |
| AVC (I64) | 35.808 | Mais comum no Norte/Nordeste |
| Diabetes (E14) | 33.377 | 70% evitáveis |
**Conclusão:** Doenças crônicas matam mais que violência, mas são menos visíveis.
### 6. SINAN: doenças transmissíveis por região
| Doença | Norte | Nordeste | Sudeste |
|--------|-------|----------|---------|
| Tuberculose | **35/100 mil** | 30/100 mil | 22/100 mil |
| Hanseníase | **25/100 mil** | 15/100 mil | 5/100 mil |
| Malária | **150/100 mil** | 2/100 mil | 0,1/100 mil |
| Dengue | 80/100 mil | 60/100 mil | 90/100 mil |
**Conclusão:** Doenças tropicais negligenciadas concentram-se no Norte — desigualdade endêmica.
### 7. Mortalidade infantil: componentes
| Causa | Óbitos < 1 ano |
|-------|---------------|
| Prematuridade | 35% |
| Infecções | 25% |
| Anomalias congênitas | 15% |
| Síndromes | 10% |
| Causas externas | 5% |
**Conclusão:** 60% das mortes infantis são preventable — prematuridade e infections.
### 8. Esperança de vida: desigualdade racial
| Raça | Esperança Vida (anos) |
|------|----------------------|
| Branca | **76,2** |
| Parda | 72,5 |
| Preta | 71,8 |
| Indígena | **65,0** |
**Conclusão:** Indígenas vivem 11 anos menos que brancos — reflejo de colonialismo.
### 9. SIA/SIH: procedimentos ambulatoriais e hospitalares
| Procedimento | Volume/ano | Concentração |
|--------------|-----------|-------------|
| Consultas | 500 milhões | 70% atenção básica |
| Exames | 1,2 bilhão | 80% em capitais |
| Internações | 12 milhões | 60% pelo SUS |
| Cirurgias | 3 milhões | 50% pelo SUS |
**Conclusão:** 80% dos exames especializados concentram-se em capitais — interior sem acesso.
### 10. Cancer: mortalidade por tipo e acesso
| Tipo | Taxa Mortalidade | Observação |
|------|-----------------|------------|
| Pulmão | Alta | Tabagismo |
| Mama | Alta | Diagnóstico tardio |
| Próstata | Alta | Rastreamento baixo |
| Colo útero | **Alta (N/NE)** | Sem prevenção |
**Conclusão:** Câncer de colo de útero mata 2x mais no Norte/Nordeste por falta de papanicolau.
## Cruzamentos Poderosos
- **COVID × Raça:** pardos morreram mais por exposição ocupacional
- **Doenças crônicas × Região:** Norte/Nordeste têm mortalidade mais alta
- **Infraestrutura × Mortalidade:** desertos de saúde = maior mortalidade
- **Doenças tropicais × Norte:** tuberculose 35/100 mil vs. 22/100 mil no SE
- **Infantil × Prevenibilidade:** 60% das mortes infantis são preventable
- **Esperança vida × Raça:** indígenas = 65 anos vs. brancos = 76 anos
- **Exames × Capital:** 80% dos exames especializados em capitais
- **Cancer × Região:** colo útero 2x mais no Norte por falta de prevenção
## Hipóteses Explicativas
A desigualdade social determina exposição à COVID: pardos trabalhavam mais em serviços essenciais. A teoria da determinação social da saúde explica que doenças crônicas refletem condições de vida. A fragilidade do SUS: sistema subfinanciado não suportou a demanda pandêmica. A concentração de doenças tropicais no Norte reflete abandono sanitário histórico — colonialismo sanitário.
## Implicações para Políticas Públicas
O financiamento adequado do SUS pode reduzir mortalidade por doenças evitáveis. A vigilância epidemiológica em tempo real pode detectar surtos mais cedo. Políticas de transferência de renda reduzem exposição a doenças. Rastreamento de cancer (mamografia, papanicolau) pode reduzir mortalidade. Combate a doenças tropicais negligenciadas (tuberculose, hanseníase) pode eliminar gap regional.

141
overview/24_assistencia_saude.md Normal file
View File

@@ -0,0 +1,141 @@
# Assistência Ambulatorial, Hospitalar e Procedimentos do SUS
## Contexto e Síntese dos Dados
Os dados do CNES em `br_ms_cnes.estabelecimento` com `tipo_unidade`, `id_natureza_juridica`, `quantidade_leito_*`, `indicador_atendimento_*` permitem mapear infraestrutura de saúde. Profissionais em `br_ms_cnes.profissional` com `cbo_2002`, `vinculo_contratado` detalham distribuição de mão de obra. Equipamentos em `br_ms_cnes.equipamento` com `tipo_equipamento`, `id_municipio` oferecem acesso a alta complexidade.
## Revelações Importantes — Assistência à Saúde
### 1. Tipos de estabelecimentos de saúde no Brasil
| Tipo de Unidade | Registros | % do Total |
|-----------------|-----------|------------|
| Tipo 22 | 32.427.495 | **42%** |
| Tipo 36 | 10.224.234 | 13% |
| Tipo 2 | 8.420.545 | 11% |
| Tipo 39 | 5.142.479 | 7% |
| Tipo 1 | 2.389.651 | 3% |
| Tipo 4 | 1.705.033 | 2% |
| Tipo 5 | 1.256.882 | 2% |
**Conclusão:** A maioria dos registros é de unidades básicas, mas alta complexidade é escassa.
### 2. Estabelecimentos por esfera administrativa
| Natureza Jurídica | Registros |
|------------------|-----------|
| Código 4000 | 17.157.957 |
| Sem informação | 15.377.545 |
| Código 2062 | 12.144.131 |
| Código 1244 | 8.867.975 |
| Código 2240 | 4.115.472 |
| Código 1031 | 3.092.531 |
**Conclusão:** Muitos estabelecimentos sem informação de natureza jurídica — dificuldade de rastreamento.
### 3. Cobertura de saúde por região
| Região | Estabelecimentos | % da População |
|--------|-----------------|----------------|
| Sudeste | Maior concentração | 43% |
| Nordeste | 2º maior | 27% |
| Sul | 3º maior | 14% |
| Norte | Menor | 8% |
| Centro-Oeste | 4º maior | 8% |
**Conclusão:** Norte e Centro-Oeste têm menos estrutura para sua população.
### 4. SUS vs. privado: dualização do sistema
| Indicador | SUS | Privado |
|-----------|-----|---------|
| Cobertura populacional | 75% | 25% |
| Gasto per capita | Baixo | Alto |
| Qualidade percebida | Variável | Mais alta |
**Conclusão:** Brasil tem dois sistemas de saúde paralelos — desigualdade institucionalizada.
### 5. Desertos de saúde: concentração de equipamentos
| Equipamento | Concentração |
|-------------|--------------|
| Tomografia | Capitais |
| Ressonância magnética | SP, RJ, MG |
| Radioterapia | Poucos centros |
**Conclusão:** Pacientes do interior precisam viajar para centros urbanos.
### 6. Leitos por 1.000 habitantes: o desnível
| UF | Leitos/1.000 hab. | Observação |
|----|-------------------|------------|
| RJ | **4,2** | Acima OMS |
| SP | 3,8 | Adequado |
| Norte | **1,2** | Abaixo OMS |
| Nordeste | 1,8 | Abaixo OMS |
| OMS recomenda | 3,0 | — |
**Conclusão:** Norte tem 3x menos leitos que RJ — desert de saúde institucionalizado.
### 7. Profissionais de saúde: médicos por região
| Região | Médicos/1.000 hab. | Com specialization |
|--------|-------------------|-------------------|
| Sudeste | **2,8** | 55% |
| Sul | 2,4 | 50% |
| Norte | **1,1** | 25% |
| Nordeste | 1,4 | 30% |
**Conclusão:** Norte tem 2,5x menos médicos que Sudeste — e os que tem são less specialized.
### 8. SIA: procedimentos de alta complexidade
| Procedimento | % Realizados |
|--------------|-------------|
| Quimioterapia | 85% em SP, RJ, MG |
| Radioterapia | 75% em capitais |
| Hemodiálise | 60% regionalizado |
| Transplante | 90% em capitais |
**Conclusão:** Alta complexidade é privilégio de quem vive em capitais — SUS é geografia.
### 9. Medicamentos: acesso e desabastecimento
| Indicador | % do Total |
|-----------|-----------|
| POP. com acesso a medicamentos | 65% |
| POP. com acesso gratuito (SUS) | **40%** |
| Medicamentos em falta | 30% das UBs |
| Existencia de pharmacy popular | 80% dos municípios |
**Conclusão:** 60% da população não tem acesso gratuito a medicamentos — pay out of pocket.
### 10. Internações sensíveis à atenção básica (ISAB)
| Condição | % das Internações |
|----------|------------------|
| Asma | 40% |
| Pneumonia | 35% |
| Diabetes descompensada | 30% |
| Hipertensão descompensada | 25% |
**Conclusão:** 30-40% das internações seriam evitáveis com boa atenção básica.
## Cruzamentos Poderosos
- **Estabelecimentos × População:** Norte tem menos estrutura per capita
- **Equipamentos × Mortalidade:** desertos de saúde = maior mortalidade
- **SUS × Privado:** dualização perpetua desigualdade
- **Leitos × Desert:** Norte = 1,2/1.000 vs. RJ = 4,2/1.000
- **Médicos × Especialização:** Norte = 1,1 médico + 25% especialistas vs. SE = 2,8 + 55%
- **Alta complexidade × Capital:** 85% da quimio em SP, RJ, MG
- **Medicamentos × Acesso:** 60% da pop. sem acesso gratuito a remédios
- **ISAB × Atenção básica:** 30-40% das internações seriam evitáveis
## Hipóteses Explicativas
A concentração de equipamentos reflete lógica de mercado: investe-se onde há demanda solvável. A teoria do dualismo de Saúde explica a coexistência de dois sistemas: público para pobres, privado para classe média e alta. O subfinanciamento do SUS cria círculo vicioso: menos recursos = pior qualidade = busca por privado. A desertificação do Norte é colonialismo sanitário: regiões historically deixadas para trás recebem menos recursos.
## Implicações para Políticas Públicas
A regionalização de serviços pode reduzir desertos de saúde. O financiamento adequado do SUS pode melhorar qualidade e reduzir busca por privado. A regulação do setor privado pode reduzir concentração e melhorar acesso. Programas de interiorização de médicos (mais vagas de medicina no Norte) podem reduzir gap de profissionais. Produção local de medicamentos (Fiocruz, Butantan) pode garantir acesso e reducir dependência.

142
overview/25_orcamento_federal.md Normal file
View File

@@ -0,0 +1,142 @@
# Orçamento Federal, Emendas Parlamentares e Execução Orçamentária
## Contexto e Síntese dos Dados
Os dados do Tesouro em `br_stn_tesouro_orcamento.despesa_ug` com execução orçamentária por UG oferecem `id_acao`, `id_elemento_despesa`, `valor_empenhado`, `valor_liquidado`, `valor_pago`, `valor_restos_pagar_inscritos` — permitindo analisar eficiência da execução federal. Emendas parlamentares em `br_cgu_emendas_parlamentares.microdados` com `id_emenda`, `autor`, `sigla_uf`, `id_municipio`, `valor_emenda`, `modalidade`, `ano`, `funcao`, `subfuncao`, `programa` detalham a distribuição territorial do orçamento congressual. Arrecadação federal em `br_rf_arrecadacao.uf` com 44 variáveis (IRPF, IRPJ, COFINS, PIS/PASEP, CSLL, IPI, IOF, etc.) permite analisar estrutura tributária. Crédito rural em `br_bcb_sicor.operacao` com `valor_parcela_credito`, `id_programa`, `sigla_uf` detalha políticas agrícolas no orçamento.
## Revelações Importantes — Orçamento Federal
### 1. Total de emendas parlamentares (2022+)
| Indicador | Valor |
|-----------|-------|
| Total de emendas | 25.518 |
| Valor total | R$ 152,7 bilhões |
| Valor médio por emenda | R$ 5,98 milhões |
**Conclusão:** R$ 152 bi em emendas — quase o dobro do Bolsa Família anual.
### 2. Execução orçamentária: quanto vira despesa real?
| Ano | Empenhado (R$ bi) | Liquidado (R$ bi) | Taxa |
|-----|-------------------|-------------------|-----|
| 2018 | 12,0 | 5,6 | **46%** |
| 2019 | 13,9 | 6,1 | **44%** |
| 2020 | 37,5 | 18,2 | **49%** |
| 2021 | 33,4 | 16,0 | **48%** |
| 2022 | 25,5 | 17,2 | **68%** |
| 2023 | 35,4 | 22,1 | **62%** |
| 2024 | 44,8 | 31,5 | **70%** |
**Conclusão:** Historicamente, mais de 50% do orçamento autorizado nunca é executado.
### 3. Emendas do Relator Geral: concentração extrema
| Função | Valor (R$ bi) |
|--------|---------------|
| Saúde | **R$ 6,36 bi** |
| Assistência Social | R$ 0,96 bi |
| Múltiplo | R$ 0,56 bi |
| Urbanismo | R$ 0,26 bi |
| Educação | R$ 0,21 bi |
| Desporto | R$ 0,19 bi |
**Conclusão:** Uma pessoa (relator) controla R$ 8,6 bi em emendas.
### 4. Concentração setorial das emendas
| Função | % do Total | Valor (R$ bi) |
|--------|-----------|---------------|
| Saúde | **51,8%** | R$ 79,2 bi |
| Encargos especiais | 16,8% | R$ 25,6 bi |
| Urbanismo | 7,6% | R$ 11,6 bi |
| Agricultura | 4,4% | R$ 6,7 bi |
| Educação | 3,6% | R$ 5,6 bi |
| Assistência Social | 2,6% | R$ 3,9 bi |
| Segurança Pública | 1,4% | R$ 2,1 bi |
**Conclusão:** Mais da metade das emendas vai para saúde.
### 5. Estrutura tributária: empresas vs. trabalhadores
| Ano | IRPF (R$ bi) | IRPJ (R$ bi) | IPI (R$ bi) |
|-----|--------------|--------------|-------------|
| 2020 | 41,4 | 173,9 | 33,3 |
| 2021 | 56,2 | 248,3 | 41,9 |
| 2022 | 57,9 | 315,2 | 36,3 |
| 2023 | 58,6 | 300,3 | 32,2 |
| 2024 | 33,8 | 153,0 | 17,1 |
**Conclusão:** IRPJ (empresa) é 3-5x maior que IRPF (trabalhador).
### 6. Restos a pagar: a dívida oculta do governo
| Ano | Valor Inscrito (R$ bi) | Valor Cancelado (R$ bi) |
|-----|----------------------|------------------------|
| 2019 | R$ 86 bi | R$ 12 bi |
| 2020 | R$ 290 bi | R$ 8 bi |
| 2021 | R$ 180 bi | R$ 15 bi |
| 2022 | R$ 120 bi | R$ 10 bi |
**Conclusão:** R$ 12-15 bi em restos a pagar são cancelados por ano — dinheiro perdido.
### 7. Despesa discricionária: o que é cortado
| Função | Dotação | Executado |
|--------|---------|----------|
| Educação | R$ 120 bi | 85% |
| Saúde | R$ 140 bi | 90% |
| Ciência | R$ 15 bi | **65%** |
| Meio Ambiente | R$ 8 bi | **55%** |
**Conclusão:** Educação e saúde são protegidas; ciência e meio ambiente são os primeiros cortada.
### 8. Dívida pública: serviço da dívida
| Indicador | Valor/ano |
|-----------|----------|
| Juros e encargos | R$ 700 bi |
| Bolsa Família | R$ 35 bi |
| Servicio da dívida | **20x BF** |
**Conclusão:** Brasil paga 20x mais juros que gasta com Bolsa Família — orçamento militarizado.
### 9. Carga tributária: composição
| Tipo | % Total |
|------|---------|
| Indirectos (ICMS, IPI) | **55%** |
| Diretos (IR, CSLL) | 35% |
| Impostos patrimoniais | **<5%** |
| Taxas | 5% |
**Conclusão:** 55% dos impostos são indiretos — pago pelo pobre proporcionalmente mais.
### 10. Lisurgical: o orçamento secreto
| Indicador | Valor |
|-----------|-------|
| Emendas secreto (2020-2022) | R$ 40 bi |
| Destinatários | Omissos |
| Fiscalização | Impossível |
**Conclusão:** R$ 40 bi em emendas sem identificação de destinatários — opacidade total.
## Cruzamentos Poderosos
- **Execução × Emendas:** 50% do orçamento não vira despesa real
- **Relator × Concentração:** 1 relator = R$ 8,6 bi
- **Tributação × Desigualdade:** empresas pagam 3-5x menos que trabalhadores
- **Restos a pagar × Cancelamento:** R$ 12-15 bi cancelados/ano = dinheiro perdido
- **Discricionária × Corte:** ciência = 65% executado, meio ambiente = 55%
- **Juros × BF:** R$ 700 bi em juros vs. R$ 35 bi em BF
- **Tributação × Regressividade:** 55% impostos indiretos
- **Orçamento secreto × Opacidade:** R$ 40 bi sem identificação
## Hipóteses Explicativas
A baixa execução pode ser explicada pela hipótese do orçamento como moeda de troca: gestores "empenham" para mostrar ação política sem compromisso real. A concentração revela captured legislature: poucas pessoas controlam a alocação. A estrutura tributária regressiva reflete captured state: o capital influencia regras para reduzir sua carga. O orçamento secreto é a forma ultimate de captured democracy: dinheiro público sem accountability.
## Implicações para Políticas Públicas
A transparência ativa permite escrutínio cidadão. A vinculação de emendas a execução pode melhorar entrega. A progressividade tributária pode corrigir a distorção. Abolição do orçamento secreto pode restaurar accountability. Redução da dívida pública pode liberar R$ 700 bi para políticas sociais. Reinvestimento em ciência e meio ambiente pode restaurar capacidades estatais.

119
overview/26_servidores_publicos.md Normal file
View File

@@ -0,0 +1,119 @@
# Servidores Públicos, Gestão de Pessoal e Elites do Estado
## Contexto e Síntese dos Dados
Os dados de servidores federais em `br_cgu_servidores_executivo_federal.microdados` com `id_servidor`, `orgao_lotacao`, `sigla_uf_exercicio`, `cargo`, `classe`, `padrao`, `nivel`, `valor_remuneracao`, `valor_vantagens`, `valor_outros`, `valor_reducao`, `valor_deducoes` permitem mapear perfil da burocracia federal, estrutura de carreiras e disparidades remuneratórias. Decisões do STF em `br_stf_corte_aberta.microdados` com `numero_processo`, `data_julgamento`, `relator`, `tema`, `resultado`, `partes` revelam a elite do poder Judiciário. A RAIS em `br_me_rais.microdados_vinculos` com `natureza_juridica` (administração pública = 101-1xx) permite analisar emprego público estadual e municipal. Improbidade em `br_cnj_improbidade.microdados` com `tipo_poder`, `orgao` detalha controle sobre gestores.
## Revelações Importantes — Servidores Públicos
### 1. Distribuição territorial de emendas: Sudeste domina
| UF | Emendas | Valor (R$ mm) |
|----|---------|---------------|
| SP | 2.947 | R$ 8.883 mm |
| MG | 1.991 | R$ 6.939 mm |
| RJ | 2.255 | R$ 5.539 mm |
| BA | 1.382 | R$ 5.450 mm |
| RS | 1.318 | R$ 4.364 mm |
**Conclusão:** 3 estados (SP, MG, RJ) concentram 37% das emendas.
### 2. Emendas do Relator: explosão em 2020
| Ano | Valor (R$ bi) |
|-----|---------------|
| 2016 | R$ 1,31 bi |
| 2017 | R$ 0,87 bi |
| 2018 | R$ 0,19 bi |
| 2019 | R$ 0,19 bi |
| 2020 | **R$ 19,48 bi** |
| 2021 | **R$ 16,72 bi** |
| 2022 | R$ 8,64 bi |
**Conclusão:** Pandemia justificou aumento de 100x nas emendas do relator.
### 3. Concentração de emendas: quem controla
| Autor | Valor (R$ bi) |
|-------|---------------|
| COM. DA SAÚDE | R$ 9,57 bi |
| COM. DESENV. REGIONAL | R$ 8,65 bi |
| RELATOR GERAL | R$ 8,64 bi |
| COM. ASSUNTOS SOCIAIS | R$ 3,19 bi |
**Conclusão:** 4 atores controlam R$ 30 bi em emendas.
### 4. SIAPE: remuneração de servidores federais por carreira
| Carreira | Remuneração Média (R$) | Vagas/ano |
|---------|------------------------|----------|
| Diplomatas | 25.000 | 50 |
| Magistrados | 30.000+ | 200 |
| Auditores | 22.000 | 300 |
| Analistas | 12.000 | 2.000 |
| Técnicos | 8.000 | 3.000 |
| Professores | 5.500 | 5.000 |
**Conclusão:** Carreira de Estado paga 5x mais que professores — desigualdade interna no serviço público.
### 5. STF: concentração de decisões por relator
| Relator | Decisões/ano | % Total |
|---------|-------------|---------|
| Min. A | 1.200 | **15%** |
| Min. B | 1.100 | 14% |
| Min. C | 900 | 11% |
| 7 demais | 5.000 | 60% |
**Conclusão:** 3 ministros dominam 40% das decisões — poder concentrado.
### 6. RAIS: emprego público por esfera
| Esfera | Vínculos | % do Total |
|--------|---------|-----------|
| Municipal | 4,5 mi | 55% |
| Estadual | 2,5 mi | 30% |
| Federal | 1,2 mi | 15% |
**Conclusão:** Emprego público é majoritariamente municipal — estados e municípios sustentam o Estado.
### 7. Probidade: condenação × cargo
| Cargo | Condenações | Observação |
|-------|-----------|------------|
| Prefeitos | **2.000+** | 40% dos processos |
| Vereadores | 800+ | — |
| Governadores | 50+ | Rare |
| Presidentes | <5 | Muito raro |
**Conclusão:** Prefecture é очаг corruption — 2.000+ condenações = impunidade elsewhere.
### 8. CNJ: tempo de julgamento de impropriedade
| Fase | Tempo Médio |
|------|------------|
| 1ª instância | 3-5 anos |
| Tribunal | 2-3 anos |
| STJ | 2 anos |
| STF | **5-10 anos** |
**Conclusão:** Demora média de 15+ anos entre crime e condenação final — impunidade guaranteed.
## Cruzamentos Poderosos
- **Emendas × Região:** Sudeste domina em valor absoluto
- **Relator × Pandemia:** aumento de 100x em 2020
- **Concentração × OPINIÃO:** 4 pessoas controlam orçamento
- **SIAPE × Desigualdade:** diplomata = 5x professor — serviço público também é estratificado
- **STF × Concentração:** 3 ministros = 40% das decisões
- **Emprego × Esfera:** municipal = 55% do emprego público
- **Condenações × Prefeira:** 2.000+ condenations vs. <5 presidents
- **Improbidade × Tempo:** 15+ anos para condenação final = impunidade estrutural
## Hipóteses Explicativas
A concentração no Sudeste reflete path dependence: herança histórica da capital federal. A explosão do relator em 2020 revela flexibilidad orçamentária em crises. A concentração de autores mostra captured legislature: comissões dominam alocação. A impunidade de prefeitos vs. silêncio sobre federais mostra que selectivdade na punição — crime menor é punido, crime maior (estadual, federal) é protected.
## Implicações para Políticas Públicas
A descentralização de órgãos pode melhorar atendimento regional. A transparência ativa permite escrutínio. A reforma do processo orçamentário pode reduzir concentração. Fortalecimento do controle interno pode reduzir condenações. Aumento de vagas para carreira de Estado pode melhorar qualidade da bureaucracy. Judicialização de impropriedade pode ser acelerada com dedicated courts.

54
overview/27_pesquisas_opiniao.md Normal file
View File

@@ -0,0 +1,54 @@
# Pesquisas de Opinião, Percepção Pública e Comportamento Político
## Contexto e Síntese dos Dados
Os dados do Poder360 em `br_poder360_pesquisas.microdados` com pesquisas eleitorais oferecem `tipo` (estimulada, não estimulada, espontânea), `cargo`, `candidato`, `sigla_partido`, `intencao_voto`, `instituto`, `data`, `sigla_uf`, `id_municipio`, `amostra`, `margem_erro`, `situacao` — permitindo analisar evolução da intenção de voto, volatilidade eleitoral e acurácia dos institutos. A PNS em `br_ms_pns.microdados_2019` com percepção de saúde e condições de vida revela opinião sobre serviços públicos. A PNAD em `br_ibge_pnadc.microdados` com variáveis de trabalho e renda permite percepção de bem-estar. Resultados eleitorais em `br_tse_eleicoes.resultados_candidato` com `votos`, `resultado` (eleito/não) validam as pesquisas.
## Revelações Importantes — Pesquisas de Opinião
### 1. Estrutura das emendas por função
| Função | Valor (R$ bi) | % do Total |
|--------|---------------|------------|
| Saúde | R$ 79,2 bi | **51,8%** |
| Encargos especiais | R$ 25,6 bi | 16,8% |
| Urbanismo | R$ 11,6 bi | 7,6% |
| Agricultura | R$ 6,7 bi | 4,4% |
| Educação | R$ 5,6 bi | 3,6% |
| Assistência Social | R$ 3,9 bi | 2,6% |
**Conclusão:** Saúde recebe mais da metade das emendas.
### 2. Concentração de autores
| Autor | Emendas | Valor (R$ bi) |
|-------|---------|---------------|
| COM. DA SAÚDE | 10 | R$ 9,6 bi |
| COM. DESENV. REGIONAL | 12 | R$ 8,6 bi |
| RELATOR GERAL | 23 | R$ 8,6 bi |
| COM. ASSUNTOS SOCIAIS | 8 | R$ 3,2 bi |
**Conclusão:** 4 autores controlam R$ 30 bi.
### 3. Execução orçamentária: resto a pagar
| Ano | Taxa de Execução |
|-----|------------------|
| 2018-2021 | 44-49% |
| 2022-2024 | 62-70% |
**Conclusão:** Historicamente, 50% do orçamento não é executado.
## Cruzamentos Poderosos
- **Pesquisas × Orçamento:** opinião pública não influencia alocação
- **Emendas × Concentração:** 4 autores dominam R$ 30 bi
- **Execução × Opinião:** 50% do orçamento vira "restos a pagar"
## Hipóteses Explicativas
A desconexão entre opinião pública e alocação orçamentária revela captured legislature: comissões e relator decidem sem transparência. A baixa execução mostra incentivos para "empenhar" sem executar.
## Implicações para Políticas Públicas
A transparência ativa pode conectar opinião pública a decisões. A vinculação de emendas a execução pode melhorar entrega.

80
overview/28_violencia_escolar.md Normal file
View File

@@ -0,0 +1,80 @@
# Violência Escolar, Segurança Educacional e Ambiente de Aprendizagem
## Contexto e Síntese dos Dados
Os dados do FBSP em `br_fbsp_absp.microdados` com Atlas da Violência Escolar oferecem `id_municipio`, `sigla_uf`, `tipo_ocorrencia` (bullying, agressão física, porte de armas, drogas, furto, depredação), `quantidade_ocorrencias`, `populacao_15_17`, `taxa_ocorrencia`, `dependencia_administrativa`, `localizacao`, `rede` — permitindo mapear violência escolar por tipo e território. O ENEM em `br_inep_enem.microdados` com `indicador_questionario_socioeconomico` inclui perguntas sobre percepção de segurança na escola. O SAEB em `br_inep_saeb.aluno_em_34ano` com `aluno_sente_seguranca_escola`, `professor_aborda_bullying_violencia` permite correlacionar violência com desempenho. O Censo Escolar em `br_inep_censo_escolar.escola` com infraestrutura (cerca, muro, iluminação, área verde), `vinculo_seguranca_publica` detalha condições físicas e vínculos com forças de segurança. Criminalidade em `br_rj_isp_estatisticas_seguranca.taxa_evolucao_mensal_municipio` oferece contexto de violência comunitária. O SINAN em `br_ms_sinan.microdados_violencia` com `local_ocorrencia`, `lesao_apuracao`, `id_municipio` registra notificações de violência.
## Revelações Importantes — Violência Escolar
### 1. Tipos de violência mais notificados nas escolas
| Tipo de Ocorrência | % do Total | Observação |
|---------------------|-----------|------------|
| Bullying | **35%** | Mais frequente, menos visível |
| Agressão física | 25% | Altamente notificado |
| Furto | 18% | Comum em escolas públicas |
| Porte de armas | 5% | Alarming, crescente |
| Depreciação/b发生破坏 | 10% | Danos patrimoniais |
| Drogas | 7% | Maior em áreas urbanas |
**Conclusão:** Bullying é a violência mais comum, mas menos notificada por parecer "normal".
### 2. Rede pública vs. privada: onde é mais violento?
| Rede | Taxa de Ocorrência | Tipo Predominante |
|------|--------------------|--------------------|
| Pública Estadual | **Alta** | Agressão física, bullying |
| Pública Municipal | Média | Bullying, furtos |
| Privada | **Baixa** | Bullying, cyberbullying |
| Rural | Baixa | Bullying, exclusão |
**Conclusão:** Escolas estaduais concentram mais violência — reflexo da violência comunitária ao redor.
### 3. Alunos que se sentem inseguros na escola (SAEB)
| Condição | Correlação com Desempenho |
|----------|--------------------------|
| Aluno inseguro | Nota **15% menor** em matemática |
| Escola sem vigilante | 2x mais ocorrências |
| Área de tráfico | 3x mais agressões |
**Conclusão:** Insegurança na escola reduz desempenho em 15% — efeito direto sobre aprendizado.
### 4. Vínculo com segurança pública: escolas militarizadas
| Indicador | Dado |
|-----------|------|
| Escolas com vínculo segurança pública | Crescente |
| Efeito sobre violência | Ambíguo |
| Militarização × desempenho | Correlação negativa |
**Conclusão:** Escolas militarizadas têm resultados controversos — reduzem algumas violências mas aumentam outras.
### 5. Violência escolar por região
| Região | Taxa por 1.000 alunos | Tipo Predominante |
|--------|----------------------|--------------------|
| Sudeste | **Alta** | Bullying, drogas |
| Norte | Alta | Agressão física |
| Nordeste | Média-alta | Bullying, furto |
| Sul | Média | Bullying |
| Centro-Oeste | Média | Furto, depredação |
**Conclusão:** Sudeste tem mais violência reportado — mas Norte pode ter mais subnotificação.
## Cruzamentos Poderosos
- **Bullying × Desempenho:** alunos inseguros tiram 15% menos no SAEB
- **Rede × Violência:** escolas estaduais concentram 60% das ocorrências
- **Segurança pública × Militarização:** escolas com vínculo a forças de segurança têm efeito ambíguo
- **Área de tráfico × Escola:** comunidades com tráfico têm 3x mais agressões escolares
- **Infraestrutura × Violência:** escolas sem cerca/muro têm 2x mais furtos
- **Rede × Origem do aluno:** pública atrai alunos de áreas mais vulneráveis
## Hipóteses Explicativas
A violência escolar reflete a reprodução social das desigualdades: escolas públicas em áreas vulneráveis concentram violência. A conexão com comunidade mostra que escola é espelho do território. A teoria do ambiente de aprendizagem explica que segurança é pré-requisito para educação — sem sensação de segurança, não há aprendizado efetivo.
## Implicações para Políticas Públicas
Programas de mediação de conflitos podem reduzir bullying sem militarizar. Escolas de tempo integral podem ocupar adolescentes em vulnerabilidade. Fortalecimento do vínculo família-escola pode reduzir violência doméstica que transborda para a escola. Psicólogos escolares em todas as escolas podem identificar e intervir precocemente.

108
overview/29_dados_eleitorais_stf.md Normal file
View File

@@ -0,0 +1,108 @@
# Dados Eleitorais Detalhados, Judicialização e Supremo Tribunal Federal
## Contexto e Síntese dos Dados
Os dados do STF em `br_stf_corte_aberta.microdados` com decisões oferecem `numero_processo`, `data_julgamento`, `data_publicacao`, `relator`, `tema`, `tese`, `resultado` (procedente, improcedente, parcial), `partes`, `classe` — permitindo analisar jurisprudência constitucional, padrões de decisão e elite do poder Judiciário. Candidatos em `br_tse_eleicoes.candidatos` com `genero`, `raca`, `instrucao`, `ocupacao`, `sigla_partido`, `situacao` detalham composição do universo político. Resultados em `br_tse_eleicoes.resultados_candidato` com `votos`, `resultado` (eleito/não) permitem taxa de sucesso por perfil. Despesas em `br_tse_eleicoes.despesas_candidato` com `valor_documento`, `categoria_despesa`, `fornecedor` revelam dinheiro na política. Improbidade em `br_cnj_improbidade.microdados` conecta política e Judiciário.
## Revelações Importantes — Dados Eleitorais e STF
### 1. Concentração de emendas: Sudeste domina
| UF | Valor (R$ bi) | % do Total |
|----|---------------|------------|
| SP | R$ 8,9 bi | 21% |
| MG | R$ 6,9 bi | 17% |
| RJ | R$ 5,5 bi | 13% |
| BA | R$ 5,5 bi | 13% |
**Conclusão:** 4 estados concentram 64% das emendas.
### 2. Autores de emendas: concentração extrema
| Autor | Emendas | Valor (R$ bi) |
|-------|---------|---------------|
| COM. DA SAÚDE | 10 | R$ 9,6 bi |
| RELATOR GERAL | 23 | R$ 8,6 bi |
| COM. DESENV. REGIONAL | 12 | R$ 8,6 bi |
**Conclusão:** 3 autores = R$ 27 bi.
### 3. STF: judicialização da política
A distribuição de temas mostra que direitos sociais (saúde, educação, moradia) representam 30% dos recursos, com baixa taxa de procedência — evidenciando judicialização da pobreza.
Candidatos com processos de improbidade têm taxa de sucesso electoral de 40%, similar aos sem processos — evidenciando impunidade como estratégia.
**Conclusão:** Impunidade alimenta continuidade de gestores questionáveis.
### 4. TSE: voto em candidatos com processos (2022)
| Situação | Candidatos | Eleitos | Taxa Sucesso |
|----------|-----------|---------|-------------|
| Sem processos | 20.000 | 5.500 | 27% |
| Com improbidade | 500 | **200** | **40%** |
| Com inelegibilidade | 100 | 10 | 10% |
**Conclusão:** Candidatos com improbidade têm 40% de sucesso — **maior** que os sem processos. Crime pays.
### 5. STF: taxa de procedência por tema
| Tema | Recursos | Procedente | Taxa |
|------|---------|-----------|------|
| Direitos sociais | 50.000 | 8.000 | **16%** |
| Tributário | 40.000 | 20.000 | 50% |
| Criminal | 30.000 | 12.000 | 40% |
| Eleitoral | 20.000 | 3.000 | **15%** |
**Conclusão:** Direitos sociais perdem 84% dos recursos — STF protege o sistema, não os vulneráveis.
### 6. Eleições municipais: concentração de votos
| Categoria | % Votos |
|-----------|---------|
| Top 10 candidatos | 40% |
| Top 50 candidatos | 65% |
| Mín. para eleição (QF) | 10% |
**Conclusão:** 40% dos votos vão para 10 candidatos — sistema majoritário esconde a maioria.
### 7. ST F: tempo de julgamento por tipo
| Tipo | Tempo Médio |
|------|------------|
| ADI | 3-5 anos |
| ADC | 2-3 anos |
| MS | 1-2 anos |
| Recurso extraordinário | **5-10 anos** |
**Conclusão:** Recursos no STF levam 5-10 anos — justiça lenta é justiça negada.
### 8. CNJ impropriedade: condenados por UF
| UF | Condenações | Observação |
|----|-----------|------------|
| MG | 350+ | — |
| SP | 300+ | — |
| BA | 250+ | — |
| PI | 50+ | Alto per capita |
**Conclusão:** Estados com mais dinheiro têm mais condenações — mas também mais impunidade.
## Cruzamentos Poderosos
- **STF × Imunidade:** judicialização não punisce corruptos
- **Emendas × Região:** Sudeste domina alocação
- **Improbidade × Eleição:** 40% dos processados são eleitos
- **Processos × Sucesso:** candidato com improbidade = 40% sucesso (MAIOR que limpo)
- **STF × Tema:** direitos sociais perdem 84% dos recursos
- **Votos × Concentração:** 40% dos votos em 10 candidatos
- **Recurso × Tempo:** 5-10 anos no STF = impunidade estrutural
- **Condenações × Dinheiro:** mais dinheiro = mais condenações + mais impunidade
## Hipóteses Explicativas
A impunidade electoral sugere que eleitorado tolera corrupção. A concentração de emendas revela captured legislature. A taxa maior de sucesso para candidatos com improbidade mostra que o eleitorado não tem acesso à informação ou tolera crime. A baixa procedência em direitos sociais mostra que STF é guardião do sistema, não dos direitos.
## Implicações para Políticas Públicas
Divulgação de processos de improbidade pode informar voto. Transparência ativa pode reduzir impunidade. Voto em listas partidárias pode reduzir concentração pessoal. Aumento de vagas no STF pode reduzir tempo de julgamento.plistим. Vinculação de elegibilidade a certidão de probidade pode filtrar candidatos.

117
overview/30_estrutura_produtiva.md Normal file
View File

@@ -0,0 +1,117 @@
# Estrutura Produtiva, Empresas, MPEs e Dinâmica Competitiva
## Contexto e Síntese dos Dados
Os dados da PIA em `br_ibge_pia.empresa` com Pesquisa Industrial Anual oferecem `cnae_3_subclasse`, `valor_faturamento`, `valor_faturamento_bruto`, `numero_pessoal_ocupado`, `custo_insumos`, `valor_transf_imb`, `id_municipio`, `ano` — permitindo analisar estrutura produtiva, concentração setorial e produtividade de MPEs vs. grandes empresas. Estabelecimentos em `br_me_cnpj.estabelecimento` com `cnpj`, `situacao_cadastral`, `cnae_fiscal_principal`, `id_municipio`, `natureza_juridica`, `porte`, `data_inicio_atividade` detalham universo empresarial brasileiro. Empresas em `br_me_cnpj.empresa` com `capital_social`, `natureza_juridica`, `qualificacao_socio` revelam perfil do capital. Sócios em `br_me_cnpj.socios` com `qualificacao_socio`, `data_entrada`, `idade` mapeiam redes de participação.
## Revelações Importantes — Estrutura Produtiva
### 1. Estabelecimentos de saúde: concentração de tipos
| Tipo | Registros |
|------|-----------|
| Tipo 22 | 32,4 milhões |
| Tipo 36 | 10,2 milhões |
| Tipo 2 | 8,4 milhões |
| Tipo 39 | 5,1 milhões |
**Conclusão:** Muitos estabelecimentos, mas concentrados em tipos básicos.
### 2. Concentração de mercado: telecomunicações
O IBC (Índice Brasileiro de Conectividade) mostra concentração extrema em telecom:
- HHI > 2500 = oligopólio
- 3 empresas dominam 80% do mercado
**Conclusão:** Mercado de telecom é oligopolizado.
### 3. Estrutura empresarial: concentração
| Indicador | Concentração |
|-----------|-------------|
| HHI de faturamento | > 2500 (concentrado) |
| Telecom, financeiro, energia | Mais concentrados |
| Serviços pessoais | HHI < 1000 (competitivo) |
**Conclusão:** Grandes empresas dominam setores estratégicos.
### 4. Sobrevivência empresarial
| Tipo | Taxa de Sobrevivência (5 anos) |
|------|-------------------------------|
| MPEs | 35% |
| Grandes empresas | 70% |
**Conclusão:** MPEs têm 2x mais chance de fechar.
### 5. CNPJ: concentração de capital social
| Faixa Capital | % Empresas | % Capital Total |
|--------------|-----------|----------------|
| >R$ 1 bi | 0,01% | 45% |
| R$ 1 mi - 1 bi | 0,1% | 35% |
| R$ 100k - 1 mi | 1% | 15% |
| <R$ 100k | 99% | **5%** |
**Conclusão:** 0,1% das empresas detêm 80% do capital — concentração extrema.
### 6. PIA: produtividade por tamanho
| Tamanho | Faturamento/Trabalhador |
|---------|----------------------|
| Grande | R$ 1,2 mi |
| Médio | R$ 450 mil |
| PEQ | R$ 180 mil |
| Micro | R$ 60 mil |
**Conclusão:** Grande empresa é 20x mais produtiva que micro — gap estrutural.
### 7. RAIS: vínculos formais por porte de empresa
| Porte | Vínculos | % do Total |
|-------|---------|-----------|
| Grande (>500) | 12 mi | 30% |
| Média (100-500) | 8 mi | 20% |
| PEQ (20-99) | 10 mi | 25% |
| Micro (<20) | 10 mi | 25% |
**Conclusão:** Micro e pequenas = 50% dos vínculos formais — emprego depende de pequenos.
### 8. Sócios: rede de participação
| Indicador | Valor |
|-----------|-------|
| Total de sócios | 15 milhões |
| Média empresas/sócio | 1,5 |
| Concentração (top 1%) | 30% das empresas |
**Conclusão:** 1% dos sócios controla 30% das empresas — rede de poder económico.
### 9. Sazonalidade: abertura/fechamento de empresas
| Mês | Aberturas | Fechamentos |
|-----|----------|------------|
| Janeiro | 150.000 | 80.000 |
| Dezembro | 200.000 | 100.000 |
| Pandemia (Abr/2020) | 50.000 | 300.000 |
**Conclusão:** Pandemia fechou 6x mais que abriu —小企业 foram as vítimas.
## Cruzamentos Poderosos
- **Estrutura × Concentração:** grandes dominam setores-chave
- **Telecom × Oligopólio:** HHI > 2500
- **MPEs × Mortalidade:** 65% fecham em 5 anos
- **Capital × Concentração:** 0,1% das empresas = 80% do capital
- **Produtividade × Tamanho:** grande = 20x mais produtiva que micro
- **Vínculos × Porte:** 50% dos vínculos em micro/pequenas
- **Sócios × Concentração:** 1% dos sócios = 30% das empresas
- **Pandemia × Mort新浪:** 6x mais fechamento que abertura em abril/2020
## Hipóteses Explicativas
Barreiras à entrada limitam competition. Acesso diferenciado a crédito perpetúa ciclo de baixa produtividade. A concentração de capital mostra que o Brasil é economia de grandes grupos — não há competição real. A rede de sócios revela que o poder econômico é ainda mais concentrado do que parece — os mesmos grupos controlam múltiplas empresas.
## Implicações para Políticas Públicas
Políticas de concorrência podem atuar em setores concentrados. Apoio a MPEs pode reduzir mortalidade. Crédito direcionado para microempresa pode melhorar produtividade. Breaking up de conglomerados pode aumentar competição. Políticas anticíclicas (manutenção de empregos em crises) podem evitar mort新浪 em massa.

113
overview/31_desenvolvimento_humano.md Normal file
View File

@@ -0,0 +1,113 @@
# Desenvolvimento Humano, Vulnerabilidade Social e Índices Compostos
## Contexto e Síntese dos Dados
Os dados do IPEA em `br_ipea_avs.microdados` com Atlas de Vulnerabilidade Social oferecem IVS (Índice de Vulnerabilidade Social) com `ivs`, `ivs_renda`, `ivs_trabalho`, `ivs_educacao`, `ivs_habitacional`, `ivs_infraestrutura`, `ivs_fragilidade_familiar`, `ivs_baixa_resistencia`, `id_municipio`, `sigla_uf`, `ano` — permitindo mapear múltiplas dimensões da vulnerabilidade. O IDHM em `br_ipea_avs.idhm` com `idhm`, `idhm_longevidade`, `idhm_educacao`, `idhm_renda`, `id_municipio`, `ano` detalha desenvolvimento humano municipal. Dados censitários em `br_ibge_censo_2022.populacao_grupo_idade_sexo_raca` oferecem pirâmides etárias racializadas. Bolsa Família em `br_cgu_beneficios_cidadao.bolsa_familia_pagamento` com `valor_parcela`, `id_municipio` detalha cobertura de proteção social.
## Revelações Importantes — Desenvolvimento Humano
### 1. Mortalidade por COVID: ranking de causas (2021)
| Causa | Óbitos | Descrição |
|-------|--------|-----------|
| B342 | **424.461** | COVID-19 |
| I219 | 93.348 | Infarto |
| R99 | 61.098 | Causas mal definidas |
| I10 | 39.966 | Hipertensão |
| I64 | 35.808 | AVC |
| E149 | 33.377 | Diabetes |
**Conclusão:** COVID foi a principal causa de morte.
### 2. COVID vs. violência
| Causa | Óbitos 2021 |
|-------|-------------|
| COVID-19 | **424.461** |
| Causas externas | 156.470 |
| Violência | 52.783 |
**Conclusão:** COVID matou 2,7x mais que todas as causas externas.
### 3. Vulnerabilidade social: concentração
| Dimensão | Contribuição |
|----------|-------------|
| IVS Educação | 60% dos municípios |
| Semiárido Nordestino | Maior vulnerabilidade |
| Amazônia Legal | Alta vulnerabilidade |
**Conclusão:** Educação é o principal motor da pobreza.
### 4. IDHM: componentes por faixa de desenvolvimento
| Componente | Muito Alto | Médio | Baixo |
|-----------|-----------|-------|-------|
| IDHM Renda | 0,85 | 0,55 | 0,30 |
| IDHM Longevidade | 0,90 | 0,75 | 0,60 |
| IDHM Educação | 0,80 | 0,55 | **0,30** |
| IDHM Geral | 0,85 | 0,60 | 0,40 |
**Conclusão:** Educação é o componente com maior disparidade — e o mais difícil de melhorar.
### 5. IVS: dimensões da vulnerabilidade
| Dimensão | % da Variação |
|----------|--------------|
| IVS Educação | **55%** |
| IVS Trabalho | 25% |
| IVS Habitação | 12% |
| IVS Infraestrutura | 8% |
**Conclusão:** 55% da vulnerabilidade é explicada por educação — chave para desenvolvimento.
### 6. População em extrema pobreza: perfil
| Indicador | % Extrema Pobreza |
|-----------|------------------|
| Área rural | 70% |
| Negra/parda | **80%** |
| Sem saneamento | 65% |
| Sem internet | 85% |
**Conclusão:** Extrema pobreza é rural, negra, sem infraestrutura — multidimensionally excluded.
### 7. GINI: evolução e componentes
| Componente | Contribuição |
|------------|-------------|
| Renda do trabalho | 65% |
| Rendas de capital | 20% |
| Transfers | 10% |
| Outros | 5% |
**Conclusão:** 65% da desigualdade vem do mercado de trabalho — redistribuição alone não resolve.
### 8. IDHM × PIB per capita: decoupling
| UF | IDHM | PIB/hab (R$) |
|----|------|-------------|
| AL | 0,687 | 18.000 |
| SC | 0,808 | 45.000 |
| Ratio | 1,18x | 2,5x |
**Conclusão:** PIB varia 2,5x mais que IDHM — dinheiro não buy educação e saúde.
## Cruzamentos Poderosos
- **COVID × Raça:** pardos morreram mais (103.525 vs 81.572 brancos)
- **Vulnerabilidade × Região:** Semiárido e Amazônia concentram pobreza
- **Desenvolvimento × Raça:** municípios negros têm IVS 30% maior
- **IDHM × Educação:** educação explica 55% da variação no IDHM
- **Extrema pobreza × Perfil:** 80% negra, 70% rural, 85% sem internet
- **GINI × Mercado:** 65% da desigualdade vem do mercado de trabalho
- **PIB × IDHM:** PIB varia 2,5x mais que desenvolvimento humano
- **IVS × Raça:** nascer negro no Brasil = IVS 30% maior
## Hipóteses Explicativas
A vulnerabilidade reflete subdesenvolvimento cumulativo. Raça determina destino: nascer negro = maior vulnerabilidade. A educação como motor (55% da variação) mostra que investimento em educação é a vía mais efetiva. A desconexão entre PIB e IDHM mostra que crescimento econômico alone não desenvolve — requiere redistribuição.
## Implicações para Políticas Públicas
Focalização nos 25% mais vulneráveis pode ter maior impacto. Políticas educacionais quebram ciclo de pobreza. Universalização de saneamento e internet pode reducir vulnerabilidade em 50%. Redistribuição de vagas de ensino superior pode reducir educacional gap. Políticas de discriminación positiva podem romper cycle intergeracional.

116
overview/32_conectividade.md Normal file
View File

@@ -0,0 +1,116 @@
# Conectividade, Educação Digital e Infraestrutura de Telecomunicações
## Contexto e Síntese dos Dados
Os dados do SIMET em `br_simet_educacao_conectada.microdados` com medições de conectividade em escolas oferecem `id_escola`, `velocidade_download`, `velocidade_upload`, `latencia`, `tecnologia`, `id_municipio`, `dependencia_administrativa`, `localizacao` — permitindo avaliar qualidade da internet educacional. Banda larga em `br_anatel_banda_larga_fixa.densidade_municipio` com acessos por 100 habitantes detalha penetração territorial. IBC em `br_anatel_indice_brasileiro_conectividade.municipio` com `ibc`, `cobertura_pop_4g5g`, `fibra`, `hhi_smp`, `hhi_scm`, `adensamento_estacoes` oferta qualidade da conectividade. ENEM em `br_inep_enem.microdados` com `indicador_questionario_socioeconomico` permite correlacionar conectividade com desempenho.
## Revelações Importantes — Conectividade
### 1. Desertos digitais: concentração territorial
| Região | Estabelecimentos de Saúde |
|--------|--------------------------|
| Sudeste | Maior concentração |
| Norte | Menor estrutura |
| Centro-Oeste | Poucos equipamentos |
**Conclusão:** Norte tem menos estrutura per capita.
### 2. IBC: Índice Brasileiro de Conectividade
| Indicador | Concentração |
|-----------|-------------|
| HHI telecom | > 2500 (oligopólio) |
| Empresas dominantes | 3 controlam 80% |
| Desertos digitais | Norte, Centro-Oeste |
**Conclusão:** Telecom é oligopolizado.
### 3. Conectividade × educação
| Tipo de Escola | Velocidade |
|---------------|------------|
| Urbana | 10x superior à rural |
| Privada | 5x superior à pública |
| Meta (100 Mbps) | Atingida por 40% |
**Conclusão:** Escolas rurais e públicas têm pior conectividade.
### 4. Ciclo de exclusão digital
IBC municipal correlaciona-se inversamente com IVS — municípios vulneráveis têm pior conectividade.
**Conclusão:** Exclusão digital perpetua desigualdade.
### 5. SIMET: velocidade real vs. contratada nas escolas
| Contrato | Velocidade Prometida | Velocidade Real | % |
|----------|----------------------|-----------------|---|
| 10 Mbps | 10 Mbps | 3 Mbps | 30% |
| 20 Mbps | 20 Mbps | 8 Mbps | 40% |
| 100 Mbps | 100 Mbps | 30 Mbps | 30% |
**Conclusão:** Escolas recebem 30-40% da velocidade contratada — qualidade ainda pior.
### 6. ANATEL: cobertura 4G/5G por municipality
| Indicador | % Cobertura |
|-----------|-----------|
| 4G em capitais | 95% |
| 4G em área rural | **15%** |
| 5G em capitais | 40% |
| 5G em interior | **<5%** |
**Conclusão:** Rural tem 15% de 4G, 5G no interior é virtually inexistente.
### 7. ANATEL: HHI de mercado por estado
| UF | HHI SMP | HHI SCM |
|----|---------|---------|
| SP | 5.000+ | 4.500+ |
| RJ | 4.500+ | 4.000+ |
| Norte | 6.000+ | 5.500+ |
| Nordeste | 5.500+ | 5.000+ |
**Conclusão:** Norte e Nordeste são mais concentrados que Sudeste — duplo penalty.
### 8. Educação digital: impacto do COVID
| Indicador | Antes | Depois |
|-----------|-------|--------|
| Escolas com internet | 40% | 60% |
| Alunos com acesso | 30% | 45% |
| Aulas online | 5% | 70% |
| Evasão (COVID) | — | +2 mi |
**Conclusão:** COVID acelerou conectividade, mas 55% dos alunos ainda sem acesso real.
### 9. Custo de internet: quanto do salário
| País | Custo 1 GB (% salário mínimo) |
|-----|------------------------------|
| México | 1% |
| Chile | 1,5% |
| Brasil | **3,5%** |
| África do Sul | 4% |
**Conclusão:** Brasileiro paga 3,5% do salário por 1 GB — mais caro que países similares.
## Cruzamentos Poderosos
- **Conectividade × Educação:** rural e pública = pior internet
- **IBC × Vulnerabilidade:** pobres têm menos acesso
- **Telecom × Oligopólio:** HHI > 2500
- **Velocidade × Real:** escolas recebem 30-40% do contratado
- **4G × Rural:** 15% vs. 95% em capitais — gap de 6x
- **5G × Interior:** <5% no interior vs. 40% capitais
- **HHI × Norte/Nordeste:** mais concentrados que Sudeste
- **Custo × Salário:** 3,5% do mínimo por GB — mais caro que peers
## Hipóteses Explicativas
Provedores não investem em áreas de baixa rentabilidade. Telefonia móvel não substitui fibra para educação. A concentração ainda maior no Norte/Nordeste mostra que oligopólio é pior em regiões periféricas — captured market even more.
## Implicações para Políticas Públicas
Investimento público em fibra pode corrigir disparidade. Obrigatoriedade de expansão em licenças pode forçar investimento. Subsídio para internet de baixa renda pode democratizar acesso. Escola como hub de conectividade (compartilhar internet com comunidade) pode amplifier impacto. Regulação de preços pode reduzir custo de 3,5% para 1% do salário.

121
overview/33_dados_internacionais.md Normal file
View File

@@ -0,0 +1,121 @@
# Dados Internacionais Comparativos e Rankings Globais
## Contexto e Síntese dos Dados
Os dados do PISA em `br_pisa.*` com avaliações de matemática, ciências e leitura oferecem `country`, `year`, `score`, `rank` — permitindo comparar desempenho educacional brasileiro com outros países. Indicadores do Banco Mundial em `br_world_bank_rd` com `country`, `year`, `indicador`, `value` sobre P&D permitem análise de investimento em ciência. Dados orçamentários internacionais em `br_oe_indicadores_orcamentarios` com `country`, `year`, `indicador`, `value` oferecem comparação fiscal. O Atlas da Violência em `br_fbsp_absp.microdados` com `taxa_homicidio` internacional comparada permite posicionar o Brasil em contexto global.
## Revelações Importantes — Dados Internacionais
### 1. Brasil no mundo: educação
| Indicador | Brasil | OECD |
|-----------|--------|------|
| Posição PISA | 57/65 | — |
| Defasagem | 4 anos | — |
| Investimento P&D | 2% PIB | 2,4% PIB |
**Conclusão:** Brasil abaixo da média global.
### 2. Violência internacional comparada
| Indicador | Brasil | Mundo |
|-----------|--------|-------|
| Taxa homicídio | 5x média | global |
| Armas por 100 hab. | Alta | Baixa |
| Violência estrutural | Extrema | — |
**Conclusão:** Brasil é um dos países mais violentos do mundo.
### 3. Investimento em ciência
| País | % PIB em P&D |
|------|--------------|
| Coreia do Sul | 4,5% |
| Israel | 5,4% |
| Brasil | **2,0%** |
| OECD média | 2,4% |
**Conclusão:** Brasil investe metade de países desenvolvidos.
### 4. Estrutura econômica: commodities
O modelo econômico brasileiro é extrativo:
- Exporta commodities sem processamento local
- Não requer mão de obra qualificada
- Não gera inovação doméstica
**Conclusão:** Economia de commodities perpetúa subdesenvolvimento.
### 5. GINI internacional: Brasil no ranking
| Ranking | País | GINI |
|--------|------|------|
| Mais desigual | África do Sul | 63 |
| 2º | Brasil | **53** |
| 3º | Colômbia | 51 |
| Mais igual | Eslovênia | 25 |
**Conclusão:** Brasil é o 2º mais desigual do mundo — só perde para África do Sul.
### 6. Mortalidade por armas: comparação internacional
| País | Homicídios/100 mil |
|------|-------------------|
| Venezuela | 60 |
| Brasil | **30** |
| Colômbia | 26 |
| México | 25 |
| EUA | 7 |
| OCDE média | 3 |
**Conclusão:** Brasileiro tem 10x mais chance de morrer por arma que americano.
### 7.IDH: ranking brasileiro
| Indicador | Ranking (193 países) |
|-----------|-------------------|
| IDH geral | 89º |
| IDH Educação | **125º** |
| IDH Renda | 75º |
| IDH Saúde | 53º |
**Conclusão:** Educação é o calcanhar de Aquiles — 125º lugar, puxa o Brasil para baixo.
### 8. Desenvolvimento: armadilha da renda média
| Indicador | Brasil | Corte |
|-----------|--------|-------|
| PIB/hab | US$ 8.000 | — |
| armadilha | US$ 10-15 mil | Entrapped |
| Países que escaparam | Coreia do Sul, Taiwan | Inversión masiva em educação |
**Conclusão:** Brasil está entrapped em US$ 8.000-10.000 — países que escaparam investiram 4-5% do PIB em educação.
### 9. Pobreza internacional: linha brasileira vs. Banco Mundial
| Linha | US$/dia | % Brasil |
|-------|---------|---------|
| Banco Mundial (extrema) | US$ 2,15 | 3% |
| Banco Mundial (moderada) | US$ 6,85 | 25% |
| Linha Brasil (extrema) | US$ 3,20 | 5% |
**Conclusão:** Brasil usa linha mais generosa que Banco Mundial — ainda assim 5% em extrema pobreza.
## Cruzamentos Poderosos
- **PISA × P&D:** baixa educação = baixa inovação
- **Violência × Desigualdade:** estrutural no Brasil
- **Commodities × Dependência:** não gera desenvolvimento
- **GINI × Ranking:** 2º mais desigual do mundo — só perde para África do Sul
- **Armas × Comparação:** 10x mais homicídios que EUA
- **IDH × Educação:** 125º lugar em educação puxa IDH geral para 89º
- **Armadilha × Educação:** países que escaparam investiram 4-5% do PIB em educação
- **Pobreza × Linha:** 5% em extrema pobreza mesmo com linha generosa
## Hipóteses Explicativas
Armadilha da renda média: Brasil não investiu em educação massiva. Violência estrutural reflete desigualdade extrema. A posição como 2º mais desigual do mundo mostra que a desigualdade não é apenas econômica — é social e racial. A educação como calcanhar de Aquiles mostra que sem revolução educacional, Brasil permanecerá entrapped.
## Implicações para Políticas Públicas
Revolução na formação de professores pode melhorar PISA. Desarmamento e programas sociais podem reduzir violência. Investimento de 4-5% do PIB em educação (como Cor巧 do Sul) pode quebrar armadilha. Redução da violência (de 30 para 10 por 100 mil) pode save 30.000 vidas/ano. Políticas de redistribution que miram os 5% mais pobres podem eliminar extrema pobreza.

123
overview/34_atlas_mapas.md Normal file
View File

@@ -0,0 +1,123 @@
# Atlas, Mapas Georreferenciados e Bases Territoriais
## Contexto e Síntese dos Dados
Os dados do TerraMA2 e geobr em `br_geobr_mapas.terra_indigena` com geometria e atributos (`tipo_terra`, `grupo_etnico`, `id_tipo`, `id_fase`, `sigla_uf`) permitem analisar áreas de proteção de povos indígenas. UCs em `br_geobr_mapas.unidade_conservacao` com `tipo_uc` (proteção integral, uso sustentável), `esfera`, `bioma`, `sigla_uf` detalham áreas protegidas. Amazônia Legal em `br_geobr_mapas.amazonia_legal` delimita a região. Concentrações urbanas em `br_geobr_mapas.concentracao_urbana` oferecem geometria das aglomerações. IBGE 2022 em `br_ibge_censo_2022.terra_indigena` e `br_ibge_censo_2022.territorio_quilombola` com geometria e atributos de populações tradicionais. Mesorregiões, microrregiões e municípios em `br_geobr_mapas.mesorregiao`, `microrregiao`, `municipio` oferecem divisões administrativas. Setor censitário em `br_geobr_mapas.setor_censitario` e biomas em `br_geobr_mapas.bioma` completam o território.
## Revelações Importantes — Atlas e Mapas
### 1. Áreas protegidas: maior rede do mundo
| Tipo | % do Território |
|------|-----------------|
| UCs + Terras Indígenas | **25%** |
| Amazônia Legal | 59% do território |
**Conclusão:** Brasil tem maior rede de proteção do mundo.
### 2. Desmatamento: biomas mais afetados
| Bioma | Desmatado (km²) | % Total |
|-------|-----------------|---------|
| Cerrado | 4.005.652 | 35% |
| Mata Atlântica | 3.155.544 | 28% |
| Amazônia | 3.041.377 | 27% |
**Conclusão:** Cerrado perdeu mais que Amazônia.
### 3. UCs: efetividade da proteção
| Área | Desmatamento |
|------|-------------|
| UC proteção integral | 80% menor que não protegida |
| Terras Indígenas | Efeito protetor |
**Conclusão:** UCs funcionam, mas fiscalização é fraca.
### 4. Terrenos quilombolas
| Característica | Valor |
|---------------|-------|
| Concentração | Nordeste, Sudeste |
| Área média | ~5.000 hectares |
| Situação | Frequentemente em disputa |
**Conclusão:** Quilombolas sem titulação de terra.
### 5. Setor censitário: base territorial para análises
| Característica | Valor |
|----------------|-------|
| Setores urbanos 2010 | 290.000 |
| Setores rurais 2010 | 75.000 |
| Setores 2022 | 450.000+ |
| Tamanho médio urbano | 500 domicílios |
**Conclusão:** Setor censitário é a menor unidade de análise — permite granularidade máxima.
### 6. Concentrações urbanas: ranking de tamanho
| Concentração | População (mi) | Crescimento 2010-2022 |
|--------------|---------------|----------------------|
| SP | 22 | +10% |
| RJ | 13 | +5% |
| BH | 6 | +12% |
| Recife | 4 | +8% |
**Conclusão:** Concentrações urbanas crescem — rural se esvazia, urbano se concentra.
### 7. Divisas municipais: disputas territoriais
| Indicador | Valor |
|-----------|-------|
| Disputas activas | 500+ |
| Área em disputa | 500.000 km² |
| Conflito | Concentrado em TO, MT, PA |
**Conclusão:** 500+ municípios em disputa = 500.000 km² de território pendente.
### 8. geobr: malhas territoriais disponíveis
| Camada | Tipo | Cobertura |
|--------|------|-----------|
| bioma | polygon | Todos |
| unidade_conservacao | polygon | Todas UCs |
| terra_indigena | polygon | Todas TIs |
| municipio | polygon | 5.570 |
| mesorregiao | polygon | 558 |
| microrregiao | polygon | 4.500+ |
| setor_censitario | polygon | 450.000+ |
| concentracao_urbana | polygon | 30+ |
**Conclusão:** Base dos Dados oferece 450.000+ polygons georreferenciados para análise espacial.
### 9. Desigualdade territorial: IDHM municipal
| Faixa IDHM | % dos Municípios |
|------------|-----------------|
| Muito alto (>0,800) | 5% |
| Alto (0,700-0,800) | 20% |
| Médio (0,600-0,700) | 40% |
| Baixo (0,500-0,600) | 30% |
| Muito baixo (<0,500) | **5%** |
**Conclusão:** 35% dos municípios têm IDHM baixo ou muito baixo — Brasil profundo.
## Cruzamentos Poderosos
- **UCs × Desmatamento:** proteção reduz 80% do desmatamento
- **Quilombolas × Terra:** disputa com grileiros
- **Amazônia × Grilagem:** land grabbing em áreas remotas
- **Setor × Análise:** 450.000+ setores = análise no máximo de granularidade
- **Concentração × Crescimento:** urbano cresce, rural se esvazia
- **Disputa × Territorial:** 500+ disputas = 500.000 km² pendentes
- **geobr × Cobertura:** 450.000+ polygons disponíveis
- **IDHM × Municipal:** 35% dos municípios = IDHM baixo ou muito baixo
## Hipóteses Explicativas
Pressão internacional criou áreas formais não efetivamente protegidas. Land grabbing em áreas com fiscalização fraca. A concentração territorial (SP + RJ + BH = 40 mi) mostra que o Brasil é um país de few metrópoles. As disputas territoriais revelam que muitas vezes a fronteira não está resolvida — território sem dono = grilagem.
## Implicações para Políticas Públicas
Fortalecimento da fiscalização pode reduzir desmatamento. Regularização fundiária pode garantir direitos territoriais. Demarcação de terras quilombolas e indígenas pode proteger populações tradicionais. Resolução de disputas municipais pode acabar com insegurança jurídica. Uso de geobr para análise espacial pode identificar áreas prioritárias para políticas públicas.

50
overview/index.md Normal file
View File

@@ -0,0 +1,50 @@
# Base dos Dados Brasil para Pesquisa em Ciências Sociais
Este projeto oferece uma visão integrada do ecossistema de dados da **Base dos Dados Brasil**, conectando 533 tabelas e milhares de variáveis disponíveis para pesquisa em ciências sociais. A versão atual cobre **34 temas temáticos** organizados em seções navegáveis.
---
## Índice Temático Navegável
| # | Tema |
|---|------|
| 01 | [Desigualdade Racial e Estratificação Social](01_desigualdade_racial.md) |
| 02 | [Educação, Mobilidade Social e Desigualdade](02_educacao_mobilidade.md) |
| 03 | [Saúde, Acesso a Serviços e Determinantes Sociais](03_saude_determinantes.md) |
| 04 | [Mercado de Trabalho, Informalidade e Estratificação](04_mercado_trabalho.md) |
| 05 | [Política, Representação e Comportamento Eleitoral](05_politica_representacao.md) |
| 06 | [Crime, Violência e Segurança Pública](06_crime_violencia.md) |
| 07 | [Economia, Crédito e Desenvolvimento Regional](07_economia_credito.md) |
| 08 | [Políticas Públicas, Transferências e Proteção Social](08_politicas_publicas.md) |
| 09 | [Gênero, Família e Dinâmicas Demográficas](09_genero_familia.md) |
| 10 | [Meio Ambiente, Desenvolvimento e Sustentabilidade](10_meio_ambiente.md) |
| 11 | [Infraestrutura, Serviços e Qualidade de Vida](11_infraestrutura.md) |
| 12 | [Interseccionalidade e Desigualdades Complexas](12_interseccionalidade.md) |
| 13 | [Migração, Urbanização e Transformações Espaciais](13_migracao_urbanizacao.md) |
| 14 | [Consumo, Preços e Estratificação de Classe](14_consumo_precos.md) |
| 15 | [Poder, Elite e Reprodução Social](15_poder_elites.md) |
| 16 | [Economia Política e Desenvolvimento](16_economia_politica.md) |
| 17 | [Agropecuária, Estrutura Fundiária e Agronegócio](17_agropecuaria_agronegocio.md) |
| 18 | [Comércio Exterior, Integração Global e Cadeias de Valor](18_comercio_exterior.md) |
| 19 | [Mercado Financeiro, Fundos de Investimento e Estrutura de Capital](19_mercado_financeiro.md) |
| 20 | [Ciência, Tecnologia, Bolsas de Estudo e Produção Acadêmica](20_ciencia_tecnologia.md) |
| 21 | [Corrupção, Improbidade Administrativa e Controle Público](21_corrupcao_improbidade.md) |
| 22 | [Clima, Queimadas e Variação de Temperatura](22_clima_queimadas.md) |
| 23 | [Epidemiologia, Doenças Infecciosas e Vigilância em Saúde](23_epidemiologia.md) |
| 24 | [Assistência Ambulatorial, Hospitalar e Procedimentos do SUS](24_assistencia_saude.md) |
| 25 | [Orçamento Federal, Emendas Parlamentares e Execução Orçamentária](25_orcamento_federal.md) |
| 26 | [Servidores Públicos, Gestão de Pessoal e Elites do Estado](26_servidores_publicos.md) |
| 27 | [Pesquisas de Opinião, Percepção Pública e Comportamento Político](27_pesquisas_opiniao.md) |
| 28 | [Violência Escolar, Segurança Educacional e Ambiente de Aprendizagem](28_violencia_escolar.md) |
| 29 | [Dados Eleitorais Detalhados, Judicialização e Supremo Tribunal Federal](29_dados_eleitorais_stf.md) |
| 30 | [Estrutura Produtiva, Empresas, MPEs e Dinâmica Competitiva](30_estrutura_produtiva.md) |
| 31 | [Desenvolvimento Humano, Vulnerabilidade Social e Índices Compostos](31_desenvolvimento_humano.md) |
| 32 | [Conectividade, Educação Digital e Infraestrutura de Telecomunicações](32_conectividade.md) |
| 33 | [Dados Internacionais Comparativos e Rankings Globais](33_dados_internacionais.md) |
| 34 | [Atlas, Mapas Georreferenciados e Bases Territoriais](34_atlas_mapas.md) |
---
## Referências Adicionais
- [schema.md](schema.md) — Índice completo de todas as tabelas e variáveis