158 lines
5.8 KiB
Markdown
158 lines
5.8 KiB
Markdown
# Desenvolvimento Humano, Vulnerabilidade Social e Índices Compostos
|
||
```mermaid
|
||
erDiagram
|
||
ipea_avs_microdados {
|
||
int ano
|
||
string id_municipio
|
||
string sigla_uf
|
||
float ivs
|
||
float ivs_renda
|
||
float ivs_trabalho
|
||
float ivs_educacao
|
||
float ivs_habitacional
|
||
float ivs_infraestrutura
|
||
float ivs_fragilidade_familiar
|
||
float ivs_baixa_resistencia
|
||
}
|
||
ipea_idhm {
|
||
int ano
|
||
string id_municipio
|
||
float idhm
|
||
float idhm_longevidade
|
||
float idhm_educacao
|
||
float idhm_renda
|
||
}
|
||
censo_populacao_raca {
|
||
int ano
|
||
string id_municipio
|
||
string grupo_idade
|
||
string sexo
|
||
string cor_raca
|
||
int populacao
|
||
}
|
||
bolsa_familia_pagamento {
|
||
int ano_competencia
|
||
int mes_competencia
|
||
string id_municipio
|
||
string sigla_uf
|
||
string nis_favorecido
|
||
float valor_parcela
|
||
}
|
||
ipea_avs_microdados ||--|| ipea_idhm : "id_municipio + ano"
|
||
ipea_avs_microdados ||--o{ censo_populacao_raca : "id_municipio"
|
||
ipea_avs_microdados ||--o{ bolsa_familia_pagamento : "id_municipio"
|
||
```
|
||
|
||
|
||
## 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.
|