Cálculo do Retorno Econômico de uma Política Pública

Como podemos traduzir os efeitos de uma política pública para valores monetários? Essa é uma tarefa árdua que requer algumas premissas, entretanto, com métodos bem definidos, é possível obter estimativas precisas dos ganhos e os gastos de uma política pública.

Neste exercício, demonstramos tal método usando a política hipotética "Mãe Paranense”, um conjunto de ações que visam reduzir a mortalidade materna e infantil no estado. Usamos a linguagem R como ferramenta para analisar os dados.

Introdução

O Governo do estado do Paraná instituiu a política “Mãe Paranense,” um conjunto de ações que visam reduzir a mortalidade materna e infantil no estado. O objetivo deste trabalho é avaliar os impactos deste programa. Disponibilizamos os dados de óbitos pelas categorias O e P do CID-10 para todos os municípios do Brasil entre 1996 e 2019. Para fins meramente práticos, iremos pré-estabelecer o valor de
uma vida salva em 3 Milhões de reais. O orçamento da política ao longo dos anos (2012-2019) foi (em milhões de reais):

30,23,51,43,83,251,153,112

Quer saber como essa análise foi construída? Seja aluno do nosso curso Avaliação de Políticas Públicas usando R, e tenha acesso às aulas teóricas e práticas, com o código disponibilizado em R .

Tempo

O tempo pode ser um fator crucial para a avaliação econômica de uma política. Afinal, impactos positivos daqui a 10 anos não tem o mesmo valor de impactos da mesma magnitude agora. Isso ocorre devido à taxa de desconto intertemporal que as pessoas têm. Por isso, é necessário criar um fluxo de caixa do projeto, utilizando uma taxa de desconto intertemporal para equilibrar os benefícios ao longo do tempo. Essa taxa de desconto é normalmente igualada à taxa de juros real. O que nos leva a dois conceitos importante:

- Valor presente (VP) - Calcula o benefício no futuro em valores atuais

- Valor futuro (VF) - Calcula o inverso do VP.Assim:

(1)   \begin{equation*} V P=\frac{V F}{(1+i)^{n}} \end{equation*}

Em que I é a taxa de desconto e n o número de períodos.

Portanto, para obtermos o benefício da política:

(2)   \begin{equation*} Bpol_{t_{0}}=B_{t_{0}}+\sum \frac{B_{t_{n}}}{(1+i)^{n}} \end{equation*}

Em que B_{t_{0}} é o benefício inicial e B_{t_{n}} o benefício em cada período t.

O custo de um projeto vai além do seu custo contábil - o valor do recurso dispendido. A outra dimensão do custo é o custo de oportunidade. Basicamente, o custo de oportunidade mede o ganho que teríamos se não aplicasse a política. Por exemplo, se não investíssemos recursos em um programa específico, iriamos investir em outro e teríamos um benefício nisso.

Assim, o custo total também apresenta uma fórmula semelhante ao benefício:

(3)   \begin{equation*} Cpol_{t_{0}}=C_{t_{0}}+\sum \frac{C_{t_{n}}}{(1+i)^{n}} \end{equation*}

Em que C_{t_{0}} é o custo inicial e C_{t_{n}} o benefício em cada período t.

Medidas importantes

Valor Presente Líquido - VPL

O Valor presente líquido retorna a diferença entre o valor presente do benefício pelo valor presente do custo. Se VPL > 0, então a política é viável economicamente.

(4)   \begin{equation*} VPL_{l} = Bpol_{t_{0}} - Cpol_{t_{0}} \end{equation*}

Taxa interna de retorno - TIR

É a taxa de oportunidade de investimento na política. Resumidamente, a TIR é a taxa de desconto intertemporal que iguala o benefício do projeto ao seu custo. Sua análise necessita de uma comparação base, chamada de taxa mínima de atratividade (TMA), que é, normalmente, a taxa de juros básica do mercado.

Se a TIR for maior que a TMA, o projeto é viável, dado que seu retorno é maior que o retorno mínimo.

Exercício

Verificando o impacto do tratamento graficamente, foram destacados o Estado de interesse, o Paraná - PR e o ano em que o tratamento ocorreu, 2012.

Como não é possível verificar o impacto da política no Estado do Paraná, optou-se por construir Paraná sinteticamente utilizando os outros estados por meio de uma combinação linear.

O primeiro gráfico mostra que a variável de interesse do grupo de controle, no caso o estado do Paraná “sintético”, segue muito próxima de Paraná real. Após o tratamento, é possível verificar que a política teve impacto na redução da mortalidade materna e infantil do Estado, embora ele não seja tão significativo, o que é reforçado pelo segundo gráfico, que indica que, antes da política, a diferença entre os grupos era, em média, zero.

Visto que a política teve impacto na redução do número de óbitos no Estado do Paraná, passa-se à avaliação econômica da intervenção.

Primeiramente, verifica-se o impacto causado pela política, ou seja, quantas vidas foram poupadas no período em que a política foi praticada e, em seguida, o número de vidas poupadas foi multiplicado por 3, de forma a se mensurar o valor de todas as vidas salvas anualmente.

Finalmente, o benefício da política foi colocado em uma tabela, de forma a permitir o cálculo do valor presente desse fluxo, sendo que o ano 1 corresponde ao ano de 2012.

Supondo uma taxa de desconto de 5%, calcula-se o valor presente do benefício da política. E, então, calcula-se o valor presente do custo da política:

776.5651

Verifica-se que o valor presente líquido da política é positivo, e, portanto, o impacto econômico da política também se justifica tendo em vista os benefícios gerados com a redução da mortalidade materna e infantil no Estado do Paraná.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como analisar o sentimento dos textos do COPOM no Python?

Neste exercício construímos um indicador que busca quantificar o sentimento proveniente das decisões de política monetária no Brasil. Usando técnicas de mineração de texto, implementamos todas as etapas necessárias, desde web scraping e pré-processamento das atas do Comitê de Política Monetária do Banco Central (COPOM), até a criação de tokens e a classificação do sentimento implícito nos textos.

Como importar os textos do COPOM para análise de sentimentos no Python?

Os textos divulgados pelo COPOM, sejam os comunicados ou atas, são o ponto de partida para diversos tipos de análises quantitativas, como a análise de sentimentos, e qualitativas, como uma análise de cenário econômico. Neste artigo, mostramos como coletar estes textos de forma automatizada usando web scrapping e Python.

Como tratar dados no Python? Parte 5: renomeando colunas

Como dar novos nomes significativos para as colunas em uma tabela de dados usando Python? Neste tutorial mostramos os métodos de renomeação de colunas disponíveis na biblioteca pandas, que tem como vantagem sua sintaxe simples e prática.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.