O objetivo deste exercício é introduzir o uso do método de Controle Sintético na linguagem de programação R, aplicando-o a um exemplo prático relevante para a análise de políticas públicas. Vamos focar na utilização dessa técnica para avaliar o impacto do Regime de Recuperação Fiscal (RRF) sobre o número de vínculos do poder executivo nos estados brasileiros, com ênfase no caso do Rio de Janeiro.
O objetivo deste exercício é introduzir o uso do método de Controle Sintético na linguagem de programação R, aplicando-o a um exemplo prático relevante para a análise de políticas públicas. Vamos focar na utilização dessa técnica para avaliar o impacto do Regime de Recuperação Fiscal (RRF) sobre o número de vínculos do poder executivo nos estados brasileiros, com ênfase no caso do Rio de Janeiro.
Seja aluno da nossa formação Do Zero à Avaliação Prática de Política Públicas com a Linguagem R, e tenha acesso às aulas teóricas e práticas, com o código disponibilizado em R .
Para obter o código e o tutorial deste exercício faça parte do Clube AM e receba toda semana os códigos em R/Python, vídeos, tutoriais e suporte completo para dúvidas.
O que é RRF?
O Regime de Recuperação Fiscal (RRF) foi instituído em 2017, por meio da Lei Complementar nº 159, de 19 de maio de 2017. O Regime visa a auxiliar Estados e o Distrito Federal que, eventualmente, se defrontem com grave desequilíbrio fiscal.
Para que os ajustes das contas públicas sejam implementados, requer-se a ação planejada, coordenada e transparente de todos os Poderes, órgãos, entidades e fundos da Unidade da Federação para corrigir os desvios que afetam o equilíbrio das contas públicas.
Em termos gerais, o RRF constitui estrutura legal que permite que estados em situação de desequilíbrio fiscal gozem de benefícios, como a flexibilização de regras fiscais, concessão de operações de crédito e a possibilidade de suspensão do pagamento da dívida, desde que a Unidade da Federação adote reformas institucionais que objetivem a reestruturação do equilíbrio fiscal.
Exigências
Durante a vigência do RRF, o Ente deve respeitar conjunto de vedações que visam a restringir a expansão das despesas e a concessão de benefícios fiscais. Ficam vedadas, por exemplo, a concessão de reajustes salariais, a realização de concursos públicos e a alteração de alíquotas que implique redução de arrecadação. Essas vedações, no entanto, não são rígidas, podendo ser flexibilizadas caso o Estado demonstre que a flexibilização não impactará o atingimento do equilíbrio fiscal.
Estados
Os Estados de Goiás, Rio de Janeiro e Rio Grande do Sul tiveram seus Planos de Recuperação homologados e os respectivos Regimes encontram-se vigentes. O Estado de Minas Gerais teve o seu pedido de adesão aprovado e, no momento, está elaborando o seu Plano de Recuperação. O início da vigência do RRF mineiro requer que o seu Plano ainda seja homologado.
A figura a seguir ilustra o processo de adesão ao RRF e a etapa em que cada Estado que optou a aderir ao RRF se encontra:
Controle Sintético
O que é
O Controle Sintético é uma técnica de inferência causal que permite estimar o efeito de uma intervenção (como a implementação do RRF) comparando o resultado observado no grupo tratado (estados que aderiram ao RRF) com o resultado de um grupo de controle sintético. Esse grupo de controle é construído a partir de uma combinação ponderada de estados que não foram tratados, mas que são semelhantes ao grupo tratado em termos de características pré-tratamento.
O método se baseia na ideia de que, se os estados do grupo de controle forem suficientemente semelhantes ao grupo tratado em termos de características pré-tratamento, então a diferença entre os resultados observados nos dois grupos pode ser atribuída ao efeito do tratamento.
Como usar o pacote microsynth
O pacote microsynth em R facilita a implementação do Controle Sintético. Ele permite criar um grupo de controle sintético a partir de um conjunto de dados de características pré-tratamento e estimar o efeito da intervenção.
Acessando os dados
O primeiro passo é carregar os dados que serão utilizados na análise. Os dados devem conter informações sobre as características pré-tratamento dos estados, incluindo o número de vínculos do poder executivo, e o período de tempo que inclui o período pré-tratamento e o período pós-tratamento.
Para obter os dados, usamos o pacote {basedosdados} para acessar facilmente os dados da RAIS.
Rows: ??
Columns: 26
Database: BaseDosDadosConnection
$ ano <int> 2021, 2021, 2021, 2021, 2021, 2021, 2…
$ sigla_uf <chr> "DF", "DF", "DF", "DF", "CE", "CE", "…
$ id_municipio <chr> "5300108", "5300108", "5300108", "530…
$ quantidade_vinculos_ativos <int> 13, 42, 14, 30, 16, 85, 13, 43, 70, 3…
$ quantidade_vinculos_clt <int> 13, 42, 14, 30, 16, 85, 13, 43, 70, 3…
$ quantidade_vinculos_estatutarios <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
$ natureza_estabelecimento <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ natureza_juridica <chr> "4014", "4120", "4120", "4120", "4120…
$ tamanho_estabelecimento <chr> "4", "5", "4", "5", "4", "6", "4", "5…
$ tipo_estabelecimento <chr> "3", "2", "3", "3", "3", "1", "3", "3…
$ indicador_cei_vinculado <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
$ indicador_pat <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
$ indicador_simples <chr> "0", "0", "0", "0", "0", "0", "0", "0…
$ indicador_rais_negativa <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
$ indicador_atividade_ano <int> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1…
$ cnae_1 <chr> "01112", "01112", "01112", "01112", "…
$ cnae_2 <chr> "01113", "01113", "01113", "01113", "…
$ cnae_2_subclasse <chr> "0111302", "0111399", "0111399", "011…
$ subsetor_ibge <chr> "25", "25", "25", "25", "25", "25", "…
$ subatividade_ibge <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ cep <chr> "73355214", "73390200", "71586300", "…
$ bairros_sp <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ distritos_sp <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ bairros_fortaleza <chr> NA, NA, NA, NA, "9999", "9999", "9999…
$ bairros_rj <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ regioes_administrativas_df <chr> "19", "19", "5", "5", NA, NA, NA, "5"…Análise e visualização de dados
Antes de aplicar o Controle Sintético, é importante analisar os dados e visualizar as tendências. Isso ajudará a entender o contexto da análise e a identificar possíveis vieses.
O gráfico abaixo mostra a evolução do número de vínculos do poder executivo nos estados brasileiros ao longo do tempo. Podemos observar que o número de vínculos tem aumentado em geral, mas com variações significativas entre os estados. É importante notar que, nesse período, o Brasil passou por diversas crises econômicas e políticas, o que pode ter impactado o número de vínculos no setor público.
O gráfico abaixo mostra a evolução do número de vínculos do poder executivo nos estados que aderiram ao RRF. Podemos observar a queda no número de vínculos nos estados do RS, RJ e GO, enquanto MG exibiu variações mistas, com acréscimo nos últimos anos.
Controle Sintético
A análise dos gráficos e resultados do Controle Sintético sugere que o RRF pode ter tido um impacto negativo no número de vínculos do poder executivo no Rio de Janeiro, com redução de -1,9%. No entanto, é crucial considerar as seguintes nuances:
- Limitações do Estudo: O estudo se baseia em dados agregados e não leva em conta as nuances específicas de cada estado. Além disso, o RRF é uma política complexa com diversos objetivos e impactos, e este estudo se concentra apenas em um aspecto específico.
- Fatores Concomitantes: É importante reconhecer que outros fatores podem ter influenciado o número de vínculos no Rio de Janeiro, como a crise econômica, as políticas de austeridade e as reformas administrativas implementadas pelo estado.
- Tempo de Implementação: O RRF é uma política de longo prazo, e os seus efeitos podem não ser totalmente perceptíveis no curto prazo. É necessário acompanhar a evolução do número de vínculos ao longo do tempo para avaliar o impacto real do RRF. Podemos verificar essa questão ao comparar RJ com RJ sintético no curto e longo prazo, onde possuem resultados diferentes.
Weight Balance Table:
Targets Weighted.Control All.scaled
Intercept 1 3.304315e+00 1.00
numero_vinculos.2017 176577 1.805553e+05 92349.93
numero_vinculos.2016 183301 1.887664e+05 94430.30
numero_vinculos.2015 184917 1.890480e+05 96351.11
numero_vinculos.2014 192476 2.025933e+05 99861.74
numero_vinculos.2013 227099 2.107487e+05 96769.52
numero_vinculos.2012 199251 2.051011e+05 100468.81
numero_vinculos.2011 242738 2.307412e+05 101706.48
numero_vinculos.2010 235417 2.373775e+05 110508.48
numero_vinculos.2009 231975 2.354198e+05 106962.96
numero_vinculos.2008 228347 2.283155e+05 105610.22
numero_vinculos.2007 222145 2.258634e+05 102133.56
numero_vinculos.2006 219328 2.135263e+05 98817.37
numero_vinculos.2005 199996 2.076036e+05 96999.48
numero_vinculos.2004 205851 1.958238e+05 95300.00
numero_vinculos.2003 180274 1.870202e+05 91918.30
numero_vinculos.2002 184709 1.860347e+05 89698.44
numero_vinculos.2001 183070 1.792185e+05 82159.07
numero_vinculos.2000 184600 1.797568e+05 82910.26
Results:
end.post = 2022
Trt Con Pct.Chng Linear.pVal Linear.Lower Linear.Upper
numero_vinculos 798549 814115.64 -1.9% 0.0000 159.0% 305.5%
Os resultados deste estudo, embora preliminares, podem servir como ponto de partida para pesquisas mais aprofundadas sobre o impacto do RRF no funcionalismo público.
É crucial analisar se a redução no número de vínculos no Rio de Janeiro se deve realmente ao RRF ou a outros fatores, e se essa redução é um efeito desejável ou indesejável.
Próximos Passos
Para aprofundar a análise, é necessário:
- Incluir mais variáveis de controle: Incorporar indicadores socioeconômicos, demográficos e de gestão pública para controlar por outros fatores que podem influenciar o número de vínculos.
- Utilizar diferentes métodos de estimação: Comparar os resultados do Controle Sintético com outros métodos de inferência causal, como o método de diferenças em diferenças, para verificar a robustez das conclusões.
- Realizar uma análise de sensibilidade: Verificar se as conclusões se mantêm mesmo com pequenas alterações nos dados ou no modelo.
- Analisar o impacto do RRF em outros estados: Comparar o impacto do RRF no Rio de Janeiro com o impacto em outros estados que aderiram ao regime, para identificar padrões e diferenças.
Quer aprender mais?
Clique aqui para fazer seu cadastro no Boletim AM e baixar o código que produziu este exercício, além de receber novos exercícios com exemplos reais de análise de dados envolvendo as áreas de Data Science, Econometria, Machine Learning, Macroeconomia Aplicada, Finanças Quantitativas e Políticas Públicas diretamente em seu e-mail.
