Estudo de caso de Avaliação de Políticas Públicas usando Python

Neste post vamos demonstrar o poder do Python para criar um estudo sobre o impacto de uma política fictícia no estado de Santa Cantarina.  Especificadamente, o uso do método de Controle Sintético aplicado a política hipotética "Mãe Paranaense”, um conjunto de ações que visam reduzir a mortalidade materna e infantil no estado.

Seja aluno do nosso curso Avaliação de Políticas Públicas usando Python, e tenha acesso às aulas teóricas e práticas sobre inferência causal, com o código disponibilizado em Python.

Introdução

O Governo do estado do Paraná instituiu a política “Mãe Paranaense,” 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

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:

\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:

\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:

\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.

\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

Criando estratégias de investimento com IA no Python

Imagine ter a capacidade de pedir à inteligência artificial para criar uma estratégia de investimento baseada em indicadores técnicos ou regras específicas. Com o tempo sendo um recurso valioso, nem sempre é possível desenvolver um código por conta própria. Vamos mostrar como a IA, junto com Python, pode facilitar a criação de estratégias de investimento.

Análise de Tendência de Mercado com IA usando Python

Você está analisando o mercado acionário e se concentrando nos preços de uma ação específica. Ao longo dos dias, percebe uma mudança na trajetória dos preços e deseja entender o que está acontecendo por meio de notícias. Como automatizar esse processo de forma eficiente usando IA? Neste exercício, mostramos como utilizar o Python para essa tarefa.

Análise de Sentimento de Mercado com IA usando Python

Ler notícias diárias sobre empresas e ações listadas na bolsa pode ser maçante e cansativo. Mas, e se houvesse uma maneira de simplificar todo esse processo? Mostraremos como a IA generativa pode ajudar a captar o sentimento de notícias sobre companhias, automatizando todo o processo com Python e Gemini.

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.