1
Uma Análise dos Determinantes da Focalização do Programa Bolsa Família
André Portela Souza(a)
Janete Duarte(b)
Plínio Portela de Oliveira(b)
Luis Felipe Vital Nunes Pereira(b)
Sérgio Ricardo de Brito Gadelha(b)
Resumo: Esse estudo avalia os determinantes da focalização do Programa Bolsa
Família por meio da implementação de um indicador de focalização baseado em uma
ponderação entre o alcance e a precisão do programa. Utilizando-se as informações no
Censo IBGE 2010, os resultados das simulações evidenciam não apenas um aumento da
proporção dos domicílios elegíveis corretamente incluídos no Programa, como também
uma redução na proporção dos domicílios elegíveis erroneamente excluídos do
Programa (Erro Tipo I). Além disso, estimações econométricas via método dos
momentos generalizados são realizadas para analisar o impacto de variáveis
socioeconômicas e fiscais no alcance e na precisão desse Programa.
Abstract: This study assesses the determinants of Bolsa Família Program´s targeting
through the implementation of an targeting indicator based on a weighing between
range and accuracy of the program. Using the information in the IBGE Census 2010,
the simulation results show not only an increase in the proportion of eligible households
correctly included in the program, as well as a reduction in the proportion of eligible
households erroneously excluded in the Program (Type I error). Moreover, econometric
estimations by generalized method of moments are performed to analyze the impact of
socioeconomic and fiscal variables in range and accuracy of this Program.
Palavras-chave: Programa Bolsa Família, Focalização.
Classificação JEL: C31, I38, O15
(a)
Fundação Getúlio Vargas (FGV/SP).
Analistas de Finanças e Controle da Secretaria do Tesouro Nacional. Coordenação-Geral de Estudos
Econômico-Fiscais/Gerência de Estudos Econômico-Fiscais (Cesef/Geefi). Esplanada dos Ministérios,
Bloco P, Anexo A, Ala B, 1º andar, sala 134. Brasília-DF. CEP.: 70.048-900. Fone: (61) 3412-2203.
Email para contato: [email protected].
As opiniões expressas nesse trabalho são de exclusiva responsabilidade dos autores, não expressando,
necessariamente, a opinião da Secretaria do Tesouro Nacional.
(b)
2
1. Introdução
Embora a literatura sobre federalismo fiscal estabeleça que a renda deve ser
redistribuída por um governo central (MUSGRAVE, 1971; OATES, 1999),
recentemente nos países em desenvolvimento tem-se tornado prática comum delegar a
tarefa de escolher os beneficiários de programas governamentais de redução de pobreza
aos governos e comunidades locais, os quais possuem mais informações a respeito da
população pobre do que o governo central, de modo que há um incentivo de se usar a
informação disponível localmente para melhorar o desempenho desses tipos de
programas de transferência de renda (GALASSO e RAVALLION, 2005).
Contudo, um importante obstáculo em melhorar a focalização dos programas
governamentais de transferência de renda para os pobres são os custos elevados que
podem estar envolvidos na obtenção de informações precisas sobre rendimentos e
necessidades da população local. Por essa razão, a maneira que tem sido sugerida para
reduzir o custo é descentralizar a responsabilidade pelo monitoramento e gerenciamento
desses programas aos governos locais, sob o argumento de que esses governos são
capazes de realizar essa tarefa com maior precisão e efetividade, em termos de custos,
do que o governo central. Alega-se que os governos locais são bem informados sobre a
renda dos membros de suas comunidades e, dessa forma, são capazes de identificar
àqueles individuos que são realmente pobres. Por outro lado, as famílias serão menos
capazes
de
esconder
informações
sobre
seus
rendimentos
das
autoridades
governamentais locais, em comparação às autoridades em nível nacional. Uma vez que
a pobreza em certa comunidade pode ser caracterizada por diferentes indicadores do que
a pobreza em outra comunidade, o sistema descentralizado pode aumentar a eficiência
de um programa de redução de pobreza ao permitir que as autoridades governamentais
locais determinem o critério de elegibilidade local (ALDERMAN, 2002).
Um dos focos da descentralização de programas governamentais de redução de
pobreza tem sido melhorar a accountability1 no processo de prestação do serviço
1 Accountability é um termo da língua inglesa, sem tradução exata para a língua portuguesa, que remete à
obrigação de membros de um órgão administrativo ou representativo de prestar contas a instâncias
controladoras ou a seus representados. Outro termo usado é responsabilização. Nesse caso, accountability
em seu sentido mais abrangente, pode ser definida como a responsabilidade do governante de prestar
contas de suas ações, o que significa apresentar o que faz, como faz, por que faz, quanto gasta e o que irá
fazer em seguida. Não se trata, portanto, apenas de prestar contas em termos quantitativos, mas também
de auto-avaliar a obra feita, de dar conhecimento sobre o que se conseguiu fazer e de justificar aquilo em
que se falhou.
3
público, limitando os problemas inerentes ao sistema centralizado tradicional2. O
argumento em favor de descentralizar o fornecimento do serviço público reside no fato
de que os governos locais estarão sujeitos a pressões eleitorais dos cidadãos, os quais
são mais capazes de monitorar a prestação do serviço público do que uma autoridade
central distante3.
Contudo, a presunção de maior accountability sob descentralização tem sido
questionada porque se baseia na suposição de que a democracia local funciona de
maneira eficaz. Assume-se um nível de alfabetização e conscientização política entre os
cidadãos que pode ser irreal para vários países pobres ou em desenvolvimento. Existem
inúmeros estudos indicando que os recursos de programas governamentais de redução
de pobreza são bloqueados devido à captura dos governos locais pelas elites locais com
maior influência política, as quais distorcem e desviam recursos de programas
governamentais para benefícios próprios em detrimento do bem-estar das famílias
pobres (BARDAN e MOOKHERJEE, 2005).
A alegação de que um maior número de informações encontra-se disponível
localmente é plausível (ALDERMAN, 2002), mas é controverso alegar que instituições
(governamentais e não-governamentais) locais em nações em desenvolvimento são mais
responsáveis pela população pobre, uma vez que o argumento da accountability é
convincente em ambientes em que existem pouco ou nenhum conflito distributivo ao
nível local (GALASSO e RAVALLION, 2005). Por exemplo, Seabright (1996)
desenvolve o argumento da accountability para a descentralização no contexto de um
modelo de comunidades localmente homogêneas, assumindo tratar-se do caso de nações
desenvolvidas com baixos custos de mobilidade interjurisdicional. No estudo de
Seabright (1996), assume-se que a accountability é maior ao nível local, cuja
abordagem sugere tratar-se de um benefício da descentralização que necessita ser
levado em consideração contra possíveis perdas na coordenação política entre regiões.
Contudo, conflitos distributivos decorrentes da heterogeneidade local podem ser
2 Um desses problemas é a corrupção entre os burocratas na esfera central que possuem autoridade para
alocar o fornecimento do serviço nas áreas locais. Enquanto que a evidência empírica sobre corrupção é
escassa, existem inúmeros estudos de casos de altas taxas de corrupção entre os burocratas do governo no
processo de fornecimento do serviço público (BARDAN e MOOKHERJEE, 2005).
3 Por exemplo, a corrupção em grande escala e desvios de recursos serão mais perceptíveis pelos
residentes locais, uma vez que eles podem pagar propinas (subornos) e vivem em estreita proximidade
com os funcionários dos governos locais. Provavelmente, os residentes locais serão motivados a
denunciar e retirar esses funcionários de suas atividades, além de aplicar sanções sociais. Dessa forma,
consegue-se melhorar a accountability no processo de prestação do serviço público (BARDAN e
MOOKHERJEE, 2005).
4
observados, mesmo em países desenvolvidos que possuam relativa livre mobilidade
entre as jurisdições locais (RAVALLION, 1984).
No entanto, os pressupostos de comunidades locais homogêneas e livre
mobilidade são implausíveis em vários contextos em que a descentralização tem sido
difundida, incluindo economias rurais subdesenvolvidas em que o risco de captura dos
recursos desses programas governamentais pelas elites locais está presente (GALASSO
e RAVALLION, 2005). Além disso, a existência de fortes efeitos geográficos nos
padrões de vida dos países em desenvolvimento, controlando características observáveis
dos residentes, previne contra o pressuposto da livre mobilidade (RAVALLION e
WODON, 1999).
Em resumo, quando se trata de gasto público focalizado para os pobres, e não
existe mecanismo de focalização para assegurar que somente os pobres possam
participar, pode surgir um amplo escopo para a captura dos recursos do programa
governamental. Logo, pode-se estabelecer uma relação antagônica entre a vantagem
informacional de uma focalização baseada na comunidade e uma desvantagem de
accountability, dada a desigualdade local (GALASSO e RAVALLION, 2005). O caso
teórico para a descentralização dependerá da extensão da captura local do programa
governamental pelos não-pobres (BARDAN e MOOKHERJEE, 2000).
É nesse contexo que o presente estudo se insere na investigação dos
determinantes da focalização do Programa Bolsa Família (PBF). Segundo o Ministério
do Desenvolvimento Social e Combate à Fome (MDS)4, o PBF é um programa de
transferência direta de renda que beneficia famílias em situação de pobreza e de extrema
pobreza em todo o País. Possui três eixos principais focados na transferência de renda,
condicionalidades5 e ações, assim como programas complementares. A transferência de
renda promove o alívio imediato da pobreza. As condicionalidades reforçam o acesso a
direitos sociais básicos nas áreas de educação, saúde e assistência social. Já as ações e
programas complementares objetivam o desenvolvimento das famílias, de modo que os
beneficiários consigam superar a situação de vulnerabilidade.
4
http://www.mds.gov.br/bolsafamilia
As condicionalidades são os compromissos assumidos tanto pelas famílias beneficiárias do Programa
Bolsa Família quanto pelo poder público para ampliar o acesso dessas famílias a seus direitos sociais
básicos. Por um lado, as famílias devem assumir e cumprir esses compromissos para continuar recebendo
o benefício. Por outro lado, as condicionalidades responsabilizam o poder público pela oferta dos serviços
públicos de saúde, educação e assistência social.
5
5
A gestão do PBF é descentralizada e compartilhada entre a União, Estados,
Distrito Federal e Municípios. Os entes federados trabalham em conjunto para
aperfeiçoar, ampliar e fiscalizar a execução do Programa, instituído pela Lei 10.836/04
e regulamentado pelo Decreto nº 5.209/04. A seleção das famílias para o PBF é feita
com base nas informações registradas pelo município no Cadastro Único para
Programas Sociais do Governo Federal, instrumento de coleta de dados que tem como
objetivo identificar todas as famílias de baixa renda existentes no Brasil. Com base
nesses dados, o MDS seleciona, de forma automatizada, as famílias que serão incluídas
no PBF. No entanto, o cadastramento não implica a entrada imediata das famílias no
Programa e o recebimento do benefício.
Os benefícios financeiros definidos pela Lei 10.836/04 são transferidos
mensalmente às famílias beneficiárias. As informações cadastrais das famílias são
mantidas no Cadastro Único para Programas Sociais do Governo Federal, e para receber
o benefício são considerados a renda mensal per capita da família, o número de crianças
e adolescentes até 17 anos e a existência de gestantes e nutrizes. Atualmente, o MDS
trabalha com cinco tipos de benefícios do PBF: (i) Benefício Básico ou Fixo (no valor
de R$ 70, concedidos apenas a famílias extremamente pobres, com renda per capita
igual ou inferior a R$ 70); (ii) Benefício Variável (no valor de R$ 32, concedidos pela
existência na família de crianças de zero a 15 anos, gestantes e/ou nutrizes – limitado a
cinco benefícios por família); (iii) Benefício Variável Vinculado ao Adolescente (BVJ)
(no valor de R$ 38, concedidos pela existência na família de jovens entre 16 e 17 anos –
limitado a dois jovens por família); (iv) Benefício Variável de Caráter Extraordinário
(BVCE) (com valor calculado caso a caso, e concedido para famílias migradas de
Programas Remanescentes ao PBF); e (v) Benefício para Superação da Extrema
Pobreza na Primeira Infância (BSP) (com valor correspondente ao necessário para que a
todas as famílias beneficiárias do PBF – com crianças entre zero e seis anos – superem
os R$ 70,00 de renda mensal por pessoa).
Na área de saúde, as famílias beneficiárias assumem o compromisso de
acompanhar o cartão de vacinação, assim como o crescimento e desenvolvimento das
crianças menores de 7 anos. As mulheres na faixa de 14 a 44 anos também devem fazer
o acompanhamento e, se gestantes ou nutrizes (lactantes), devem realizar o pré-natal e o
acompanhamento da sua saúde e do bebê.
6
Na educação, todas as crianças e adolescentes entre 6 e 15 anos devem estar
devidamente matriculados e com frequência escolar mensal mínima de 85% da carga
horária. Já os estudantes entre 16 e 17 anos devem ter frequência de, no mínimo, 75%.
Na área de assistência social, crianças e adolescentes com até 15 anos em risco
ou retiradas do trabalho infantil pelo Programa de Erradicação do Trabalho Infantil
(PETI), devem participar dos Serviços de Convivência e Fortalecimento de Vínculos
(SCFV) do PETI e obter frequência mínima de 85% da carga horária mensal.
Todavia, sob os atuais critérios de elegibilidade, o PBF tem sido eficiente, em
termos de alcance e de precisão, na identificação de seus beneficiários, evitando
possíveis desperdícios de recursos e promovendo uma distribuição mais equitativa no
sentido de mitigar as diferenças de renda e de oportunidades existentes na sociedade?
Os gestores do PBF tem conseguido reduzir os desperdícios de vazamentos e tentado
ampliar a cobertura desse programa governamental para as famílias pobres e
extremamente pobres?
O objetivo principal desse estudo é avaliar os determinantes da focalização do
PBF, a partir dos dados constantes no Censo 2010, elaborado pelo Instituto Brasileiro de
Geografia e Estatística (IBGE). Para atingir essa finalidade, nesse estudo será adotada a
proposta metodológica sugerida por Tavares et al. (2009) e Anuatti-Neto, Fernandes e
Pazello (2001), em que se constrói um indicador de focalização (IF) baseado em
medidas de alcance e de precisão. Em seguida, utilizam-se estimações econométricas
por meio do método dos momentos generalizados (GMM – generalized method of
moments) para analisar o impacto de variáveis socioeconômicas e demográficas no
desempenho do programa, conforme as medidas de alcance e de precisão.
Este estudo contribui à literatura sobre o tema por estender a análise iniciada por
Tavares et al. (2009) ao nível municipal, visando preencher, dessa forma, uma lacuna
existente na literatura brasileira sobre o tema. As evidências aqui obtidas indicam não
apenas um aumento da proporção dos domicílios elegíveis corretamente incluídos no
PBF, como também uma redução na proporção dos domicílios elegíveis erroneamente
excluídos do PBF (Erro Tipo I). Além disso, os resultados das estimações
econométricas via GMM apontam efeitos antagônicos na relação de causalidade
funcional das variáveis explicativas para as variáveis dependentes, caracterizadas pelas
medidas de alcance e de precisão do PBF.
A Tabela 1 a seguir apresenta a evolução dos critérios de elegibilidade e
benefícios do PBF entre os anos 2004 a 2011.
7
Tabela 1 – Evolução dos Critérios de Elegibilidade e Benefícios do Programa Bolsa Família, 2004-2012, em R$ 1,00
Critérios
20041
2005
20062
20073
20084
20095
2010
Elegibilidade
Extremamente
50,00
50,00
60,00
60,00
60,00
70,00
70,00
Pobres(a)
(renda familiar mensal
per capita)
Pobres(b)
100,00 100,00 120,00 120,00
120,00
140,00
140,00
Básico
50,00
50,00
50,00
58,00
62,00
68,00
68,00
Variável
15,00
15,00
15,00
18,00
20,00
22,00
22,00
Extremamente
(0
a
14)
(0
a
14)
(0
a
14)
(0
a
14)
(0
a
15)
(0
a
15)
(0
a 15)
Pobres(a)
Benefícios BVJ
30,00
33,00
33,00
(16 a 17) (16 a 17) (16 a 17)
Básico
Variável
15,00
15,00
15,00
18,00
20,00
22,00
22,00
Pobres(b)
(0 a 14) (0 a 14) (0 a 14) (0 a 14)
(0 a 15)
(0 a 15)
(0 a 15)
BVJ
30,00
33,00
33,00
(16 a 17) (16 a 17) (16 a 17)
Notas: (a) linha de pobreza extrema; (b) linha de pobreza;
1 – Lei nº 10.836/2004 e Decreto nº 5.209/2004. Crianças (R$ 15,00 a R$ 45,00);
2 – Decreto nº 5.749/2006. Crianças (R$ 15,00 a R$ 45,00);
3 – Decreto nº 6.157/2007. Crianças (R$ 18,00 a R$ 54,00) e Jovens (R$ 30,00 a R$ 60,00);
4 – Lei nº 11.692/2008 e Decreto nº 6.491/2008. Crianças (R$ 20,00 a R$ 60,00) e Jovens (R$ 30,00 a R$ 60,00);
5 – Decreto nº 6.917/2009. Crianças (R$ 22,00 a R$ 66,00) e Jovens (R$ 33,00 a R$ 66,00);
6 – Decreto nº 7.447/2011 e Decreto nº 7.494/2011. Crianças (R$ 32,00 a R$ 160,00) e Jovens (R$ 38,00 a R$ 76,00);
7 – Decreto nº 7.758/2012. Crianças (R$ 32,00 a R$ 160,00) e Jovens (R$ 38,00 a R$ 76,00);
20116
20127
70,00
70,00
140,00
70,00
32,00
(0 a 15)
38,00
(16 a 17)
32,00
(0 a 15)
38,00
(16 a 17)
140,00
70,00
32,00
(0 a 15)
38,00
(16 a 17)
32,00
(0 a 15)
38,00
(16 a 17)
8
Este estudo encontra-se dividido da seguinte forma. A próxima seção descreve o
indicador de focalização a ser utilizado nas estimações empíricas. A terceira seção
descreve a construção da variável “renda familiar ajustada per capita ex ante” e os
dados a serem utilizados nesse estudo. A quarta seção descreve a distribuição espacial
do indicador de focalização no território brasileiro para diferentes casos, assim como os
resultados obtidos a partir das estimações por GMM. A quinta seção conclui o estudo.
2. Metodologia
No tocante à avaliação da focalização do PBF, neste estudo será adotado a
proposta metodológica sugerida por Tavares et al. (2009) e Anuatti-Neto, Fernandes e
Pazello (2001), em que duas medidas de focalização serão utilizadas: a medida
tradicional, que trata da porcentagem de domicílios incluídos que efetivamente
pertencem ao público-alvo do programa e o indicador de focalização (IF), os quais são
expressos da seguinte maneira:
=
−
+ 1−
−
1
ã
em que
∈ −1; 1 ;
,
,
e
são as variáveis de focalização (targeting) da
política de redução da pobreza, definidas da seguinte forma: (i) a variável
corresponde à proporção de domicílios pertencentes ao público-alvo (elegíveis)
corretamente incluídos no programa (ou seja, trata-se da inclusão correta); (ii) a variável
é a proporção de domicílios pertencentes ao público-alvo (elegíveis) erroneamente
excluídos do programa, conhecida também como exclusão indevida ou erro tipo I; (iii) a
variável
é a proporção de domicílios não pertencentes ao público-alvo (inelegíveis)
erroneamente incluídos no programa, conhecida também como inclusão indevida,
vazamentos ou erro tipo II; e (iv)
é a proporção de domicílios não pertencentes ao
público-alvo (inelegíveis) corretamente excluídos no programa (isto é, trata-se da
exclusão correta).
O parâmetro
parâmetro
é o fator de ponderação, 0 <
< 1. De modo objetivo, esse
refere-se ao peso que se concede ao alcance, ao passo que 1 −
refere-
se ao peso que se concede à precisão. Para calcular o valor do IF, pode-se atribuir
valores arbitrários ao parâmetro , como é feito em Tavares et al. (2009), estabelecendo
9
importâncias relativas quaisquer para os dois critérios de focalização. Por outro lado,
Anuatti-Neto, Fernandes e Pazello (2001) sugerem estimar o “
implícito” de uma
política pública existente, isto é, dada a observação do público atendido, é possível
calcular o peso que o policymaker estaria atribuindo ao alcance e à precisão, supondo-se
que a política estivesse maximizando o indicador de focalização.
Segundo Tavares et al. (2009) e Anuatti-Neto, Fernandes e Pazello (2001), o IF
avalia a efetividade geral da regra de seleção ao considerar simultaneamente medidas de
alcance
−
e de precisão
−
do PBF. Quanto maior for o valor do
indicador de focalização, melhor a focalização do programa. Tavares et al. (2009)
destacam que, em programas focalizados, o esforço dos policymakers está em
minimizar o vazamento (inclusão indevida ou erro tipo II) e maximizar a cobertura.
Porém, existe um tradeoff entre esses dois indicadores: quanto o programa se expande,
ambas as medidas tendem a aumentar. Assim, seria interessante que o policymaker
conhecesse, a priori, como estes índices evoluem à medida que o programa passasse a
contemplar um número maior de beneficiários.
3. Dados
No Censo 2010 do IBGE, não há uma variável específica capaz de capturar a
renda proveniente do PBF. Logo, houve a necessidade de se realizar um tratamento nos
dados do Censo 2010, visando identificar quais os domicílios que abrigavam indivíduos
beneficiários do PBF, em outras palavras, deve-se construir a variável “renda familiar
ajustada per capita” a partir das etapas a seguir descritas.
A Figura 1 a seguir sintetiza o procedimento de filtragem para a obtenção da
variável “renda familiar ajustada per capita ex ante”. O ponto de partida foi a variável
V6527, a qual passou a representar a “renda de todas as fontes dos indivíduos”.
Concomitantemente, a variável V0502 passou por um tratamento visando selecionar
apenas o nível de parentesco até “agregado”.
Em seguida, constrói-se a variável “renda domiciliar de todas as fontes” como
sendo a soma das informações constantes na variável “renda de todas as fontes dos
indivíduos”. A partir da variável V0657, cria-se uma variável relacionada aos
indivíduos que declaram receber os benefícios do PBF. Por meio da variável V6033,
constrói-se uma variável associada ao número de filhos menor de 15 anos, assim como
10
outra variável relacionada ao número de filhos maior ou igual a 15 anos e menor ou
igual a 17 anos.
Figura 1: Critério de Filtragem para a Renda Familiar Ajustada Per Capita
Recebe Bolsa Família?
(V0657)
Valor de Outros
Rendimentos (V6521)
Valor do PBF Estimado no
Censo 2010
Salário Mínimo em
2010 (R$ 510,00)
Valores Típicos: intervalo
entre R$ 0,00 e R$ 246,00
Renda de Todas as Fontes
Ajustada
Renda de Todas
as Fontes (V6527)
Renda de Todas as Fontes
por Domicílio Ajustada
Renda Familiar Ajustada
Per Capita ex ante
Tamanho
Domicílio
do
O valor potencial teórico do benefícios do PBF pagos aos indivíduos abaixo da
linha de pobreza (isto é, os extremamente pobres) leva em consideração um cálculo que
inclui os valores de R$ 70,00 + R$ 22,00 vezes o número de indivíduos menores de 15
anos + R$ 33,00 vezes o número de indivíduos com idade entre 16 e 17 anos. Por
analogia, o valor potencial teórico do benefícios do PBF pagos aos indivíduos acima da
linha de pobreza (isto é, os pobres) leva em consideração um cálculo que inclui os
valores de R$ 22,00 vezes o número de indivíduos menores de 15 anos + R$ 33,00
vezes o número de indivíduos com idade entre 16 e 17 anos.
11
Outra variável importante refere-se ao “valor do PBF estimado no Censo 2010”,
obtida a partir de combinações da variável V6591 (valor de outros rendimentos) e o
valor do salário mínimo de R$ 510,00. Em vista disso, a variável “renda de todas as
fontes ajustada” corresponde à diferença obtida entre as variáveis “renda de todas as
fontes” menos “valor do PBF estimado no Censo 2010”. Por sua vez, a variável “renda
de todas as fontes por domicílio ajustada” é o somatório dos valores correspondentes à
variável “renda de todas as fontes ajustada”. Finalmente, a variável “renda familiar
ajustada per capita ex ante” é obtida pela razão entre as variáveis “renda de todas as
fontes por domicílio ajustada” e o “tamanho do domicílio”, este último caracterizado
pelo número de pessoas na família6.
A seguir, descreve-se as variáveis explicativas que serão utilizadas nas
estimações GMM para analisar os impactos nas medidas de alcance e de precisão do
indicador de focalização do PBF.
A variável Taxa de Urbanização é dada pela razão entre a população residente
em áreas urbanas e a população total em 2010. Já a variável Densidade Demográfica é
dada pela razão população total e a área quadrado do município (hab/km2).
Intuitivamente, quanto mais baixas forem a urbanização e a densidade demográfica,
menor a concentração populacional, maior o custo de se cadastrar uma família como
beneficiária do PBF e, conseqüentemente, menor seria a probabilidade de acesso aos
benefícios desse programa de distribuição de renda condicionada.
A variável Água (Rede Pública) refere-se ao número de domicílios com
abastecimento de água proveniente de uma rede geral de abastecimento. Essa variável
de saneamento básico pode ser considerada também uma proxy para pobreza, uma vez
que viver em locais desprovidos de certos bens públicos fundamentais, tais como a
existência de rede pública de água, passa a ser um elemento importante na determinação
do grau de pobreza das famílias (PIRES, 2008). Quando as pessoas não dispõem de
rede de água dentro dos domicílios, elas procuram pontos coletivos de abastecimento,
como poços, caminhão-pipa ou diretamente dos rios, mas esse tipo de abastecimento
submete às famílias a condições restritas, induzindo à reutilização da água para
conseguir poupá-la e evitar vários deslocamentos, ou, forçando a consumir água suja. O
fato de reciclar a água e o inadequado gerenciamento dentro da casa deve causar a
6
Com base nessas informações, elaborou-se uma rotina (script) no pacote econométrico STATA 11
capaz de gerar os valores do indicador de focalização e seus componentes.
12
contaminação do recurso, o qual por sua vez, pode comprometer a saúde da família,
principalmente das crianças.
A Taxa de Trabalho Infantil refere-se à proporção (em termos percentuais) da
população residente com 10 a 15 anos de idade que se encontra trabalhando ou
procurando trabalho na semana de referência, em determinado espaco geografico, no
ano considerado. Como uma das condicionalidades do programa é a frequencia escolar,
espera-se uma redução da taxa de trabalho infantil devido ao PBF.
O Índice de Desempenho do SUS (IDSUS) é um indicador síntese, que faz uma
aferição contextualizada do desempenho do Sistema de Único de Saúde (SUS) quanto
ao acesso (potencial ou obtido) e à efetividade da Atenção Básica, das Atenções
Ambulatorial e Hospitalar e das Urgências e Emergências. A partir da análise e do
cruzamento de uma série de indicadores simples e compostos, o IDSUS avalia o
Sistema Único de Saúde que atende aos residentes nos municípios, regiões de saúde,
estados, regiões, bem como em todo país.
Na lista dos indicadores utilizados na
formação dos grupos de municípios homogêneos para cálculo do IDSUS, o indicador nº
2 que compõe o IDSUS refere-se ao percentual de famílias que recebem benefícios do
PBF em relação ao total de famílias do município. As informações sobre o IDSUS
foram obtidas no sítio eletrônico do Ministério da Saúde7.
A variável Matrículas Escolares corresponde ao número de matrículas no
ensino fundamental, segundo o Censo Escolar de 2010. Na educação, todas as crianças e
adolescentes entre 6 e 15 anos devem estar devidamente matriculados e com frequência
escolar mensal mínima de 85% da carga horária. Já os estudantes entre 16 e 17 anos
devem ter frequência de, no mínimo, 75%. Além disso, todas as faltas devem ser
justificadas pelos pais e o gestor local do programa deve ser informado sempre que a
criança mudar de escola.
A Taxa de Analfabetismo corresponde ao percentual de pessoas com 15 anos
ou mais de idade que não sabem ler e escrever pelo menos um bilhete simples, no
idioma que conhecem, na população total residente da mesma faixa etária, em
determinado espaço geográfico, no ano considerado.
O Índice de Gestão Descentralizada Municipal (IGD-M) é um indicador que
mostra a qualidade da gestão descentralizada do Programa Bolsa Família, além de
refletir os compromissos assumidos pelos estados e municípios na sua adesão ao
7
Informação disponível em: << http://portal.saude.gov.br/portal/saude/area.cfm?id_area=1080>>
13
Programa, como a gestão do Cadastro Único e das condicionalidades8. Trata-se de um
importante instrumento utilizado pelo MDS para monitorar a qualidade da
implementação do cadastro único e o cumprimento das condicionalidades do PBF. Esse
sistema é baseado em incentivos financeiros formais para assegurar uma melhor
qualidade na realização das condicionalidades no nível municipal. Esses incentivos
consistem em recursos para cobrir, parcialmente, os custos administrativos dos
municípios com a implementação do programa. Esse índice varia entre zero e 1. Quanto
mais próximo de 1, melhor a avaliação da gestão desses processos. Com base nesse
indicador, o MDS repassa recursos a estados/DF e municípios para a realização da
gestão do PBF. Quanto maior o valor do IGD-M, maior será também o valor dos
recursos a serem repassados.
O PIB per capita é calculado pela razão PIB municipal/População, referente ao
ano de 2009. Esta variável constitui uma proxy para o grau de desenvolvimento
econômico municipal. A série de população refere-se a estimativas das populações
residentes em nível municipal, calculadas com data de referência em 1º de julho de cada
ano civil.
A variável correspondente às classes de rendimento nominal mensal
domiciliar per capita até 1/4 de salário mínimo, cujas informações encontram-se na
Tabela 3424 - Domicílios particulares permanentes, por classes de rendimento nominal
mensal domiciliar per capita (Resultados Gerais da Amostra do Censo 2010, divulgados
pelo IBGE/SIDRA), constitui uma proxy para a desigualdade de renda ao nível
municipal.
O coeficiente de Gini mede o grau de desigualdade na distribuição da renda
domiciliar per capita entre as famílias beneficiárias dos recursos do PBF. Quando o
índice tem valor igual a um, existe perfeita desigualdade, isto é, a renda familiar
ajustada per capita é totalmente apropriada por um único indivíduo. Quando esse
coeficiente tem valor igual à zero, observa-se perfeita igualdade, isto é, a renda é
distribuída na mesma proporção para todos os domicílios.
8
O IGD-M é composto por quatro fatores. O Fator de Operação é calculado através da média aritmética
de quatro variáveis, a saber: qualidade e integridade das informações do cadastro único; atualização dos
dados do cadastro; informações sobre o cumprimento das condicionalidades de educação; e informações
sobre o cumprimento das condicionalidades de saúde. Os demais fatores são: adesão ao Sistema Único de
Assistência Social (SUAS); apresentação e comprovação dos gastos dos recursos do IGD-M no
SUASWEB; e informação da aprovação total da comprovação de gastos dos recursos do IGD-M pelo
Conselho Municipal de Assistência Social.
14
A variável Gasto com Bolsa Família (em R$1,00) refere-se ao valor financeiro
repassado às famílias beneficiárias dos recursos desse programa pelo MDS. Logo, tratase de uma proxy para o tamanho do Estado no tocante aos recursos destinados à redução
da pobreza.
A variável Transferências Totais per capita corresponde às transferências
constitucionais e legais da União e dos Estados para os Municípios. Essas informações
foram obtidas no banco de dados “Finanças do Brasil: Dados Contábeis dos Municípios
(FINBRA)” para o ano de 2010, disponibilizado no sítio eletrônico da Secretaria do
Tesouro Nacional (STN)9. No tocante à Brasília, o FINBRA não fornece informações
específicas sobre as variáveis despesas em saúde e em educação, assim como no tocante
à receita total das transferências para a saúde (SUS). Em vista dessas restrições,
recorreu-se às informações constantes no arquivo de Execução Orçamentária dos
Estados no tocante ao Distrito Federal (DF), disponível no sítio eletrônico da STN10.
No tocante à fonte de obtenção dos dados, as séries das variáveis PIB Municipal
e rendimento nominal mensal domiciliar per capita até 1/4 de salário mínimo foram
obtidos no sítio eletrônico do IBGE11. Por outro lado, as séries de população total do
município (2009 e 2010) e população de residente em áreas urbanas (2010), assim como
a área quadrada do município foram obtidas no sítio eletrônico do IPEADATA12, mas
tendo como fonte primária o IBGE.
Os dados sobre o IGD-M e a Despesa com o PBF foram obtidos junto ao
MDS13. Os dados das variáveis Taxa de Trabalho Infantil, Taxa de Analfabetismo e
Água (Rede Pública) foram obtidos no sítio eletrônico do DATASUS14. A série de
dados de despesa de pessoal e encargos sociais foi obtida junto ao sítio eletrônico da
STN, FINBRA 2009. As informações sobre a variável número de matrículas no ensino
9
Informações disponíveis em: << http://www.tesouro.fazenda.gov.br/estados_municipios/index.asp>>.
As informações sobre execução orçamentária dos Estados e do Distrito Federal encontram-se
disponíveis em: <<http://www.tesouro.fazenda.gov.br/estados_municipios/index.asp>>. Utilizou-se como
proxy para os dados das referidas transferências para a saúde os valores constantes da conta contábil
“Transferências de Recursos do Sistema Único de Saúde - SUS - Repasses Fundo a Fundo
(1.7.21.33.00)”.
11
Informação disponível em: <<http://www.ibge.gov.br/home/download/estatistica.shtm>>
12
Informação disponível em: <<http://www.ipeadata.gov.br/>>
13
Informação disponível em: <<http://www.mds.gov.br/bolsafamilia>>
14
Informação disponível em: <<
http://www2.datasus.gov.br/DATASUS/index.php?area=0202&VObj=http://tabnet.datasus.gov.br/cgi/def
tohtm.exe?sih/cnv/sx>>
10
15
fundamental foram obtidas junto ao sítio eletrônico do Instituto Nacional de Estudos e
Pesquisas Educacionais Anísio Teixeira (INEP)15.
Todas essas variáveis foram convertidas na forma de logaritmos, de modo os
coeficientes a serem estimados possam ser interpretados como elasticidades. Além
disso, foram criadas variáveis dummies que assumem valor um se os municípios
pertencem a determinado Estado, e zero caso contrário.
4. Análise dos Resultados
4.1 Análise da Distribuição Espacial do Indicador de Focalização e Cálculo dos
Erros Tipo I e Tipo II
Nesta seção, alguns comentários serão realizados a respeito da distribuição
espacial do indicador de focalização, para diferentes valores do parâmetro , conhecido
como fator de ponderação. A Figura 2 a seguir foi gerada considerando
= 0, situação
que descreve um peso maior para a medida de precisão do programa representada pelo
termo
−
constante na equação (1). Nesta figura, é possível observar que,
para baixos valores de
, a focalização do PBF se concentra, fundamentalmente, nos
municípios das regiões Sul e Sudeste, apesar de se destacar alguns municípios no
Centro-Oeste.
Por outro lado, a Figura 3 a seguir destaca a distribuição espacial do PBF para
= 0,5, valor sugerido por Tavares et al. (2009) e Anuatti-Neto, Fernandes e Pazello
(2001). Caso
= 0,5, o indicador de focalização se reduz a
−
, passando a
avaliar somente a diferença nas probabilidades de inclusão no programa para pobres e
não pobres. Em vista disso, o mecanismo de seleção aleatória (em que todos os
domicílios têm a mesma probabilidade de inclusão no programa) apresentará em média
um indicador de focalização igual a zero. Logo, a magnitude do indicador de
focalização calculado para esse valor de
mostra quão melhor é a seleção dos
beneficiários em relação à seleção aleatória, ou seja, considera-se que valores positivos
para o indicador revelam que a focalização da política é melhor do que se fosse baseada
em uma loteria (TAVARES et al., 2009; ANUATTI-NETO, FERNANDES e
15
Informações disponíveis em: << http://portal.inep.gov.br/basica-levantamentos-acessar>>.
16
PAZELLO, 2001). Logo, note que a Figura 3 destaca uma maior inclusão de municípios
da Região Nordeste, em detrimento de municípios das regiões Sul e Sudeste.
Figura 2 – Precisão do Programa Bolsa Família
Nota: elaboração da STN/CESEF.
Figura 3 – Média entre Alcance e Precisão do Programa Bolsa Família
Nota: elaboração da STN/CESEF.
17
Finalmente, a Figura 4 a seguir destaca a distribuição espacial do indicador de
focalização para
= 1, situação em que se descreve um peso maior para a medida de
alcance do PBF, resultando em uma maior focalização para os municípios da Região
Nordeste. Em outras palavras, quando se expande o alcance do PBF, a focalização é
mais elevada quanto mais pobre for a Unidade da Federação a qual pertence os
municípios, corroborando as evidências obtidas Tavares et al. (2009). Esses resultados
também confirmam as evidências obtidas por Soares e Satyro (2009) de que, quanto
mais pobres as pessoas, mais recebem o benefício.
Figura 4 – Alcance do Programa Bolsa Família
Nota: elaboração da STN/CESEF.
Soares, Ribas e Soares (2009) argumentam que a expansão de programas
focalizados tende a melhorar a cobertura entre a população mais pobre, mas à custa de
uma piora nos indicadores de focalização. Por isso, é importante investigar em que
medida o PBF tem obtido sucesso não só em incluir apenas os mais necessitados, mas
também em cobrir todos os mais necessitados e, portanto, em potencializar o processo
de redução da pobreza e da desigualdade brasileira. Nesse sentido, esses autores relatam
a existência de um tradeoff entre os erros tipo I (exclusão indevida) e tipo II (inclusão
indevida) no PBF provocado por uma série de motivos, dentre eles, os erros de medição
da renda no momento do cadastramento, a volatilidade da renda (particularmente, a
renda dos indivíduos mais pobres) e o comportamento estratégico dos indivíduos e das
18
famílias. Os resultados obtidos a partir do cálculo do erro de inclusão indevida médio
apontam que, entre 2004 e 2006, para cada inclusão legítima de pessoa no programa,
houve outra pessoa incluída de maneira indevida. Os autores calculam também o erro de
inclusão indevida marginal e encontram essa mesma paridade, argumentando que os
rendimentos são pouco decrescentes. Logo, à medida que o programa vai incluindo
mais beneficários, mantêm-se o padrão de focalização dos mais pobres.
Os resultados da Tabela 2 a seguir, obtidos a partir de exercício de simulação
utilizando os dados do Censo 2010 elaborado pelo IBGE apontam que a proporção de
domicílios elegíveis erroneamente excluídos do programa (ou seja, o erro tipo I) é de
36,96%, ao passo que a proporção de domicílios inelegíveis erroneamente incluídos no
programa (isto é, o erro tipo II) é de 13,44%.
Ao comparar os resultados aqui obtidos com os resultados já existentes na
literatura, observa-se uma redução nos percentuais associados ao erro tipo I (exclusão
indevida), assim como um aumento nos percentuais associados ao erro tipo II (inclusão
indevida). Em outras palavras, no decorrer do período de existência do PBF, diminuiuse a proporção de domicílios erroneamente excluídos do programa, ao passo que se
aumentou a proporção de domicílios erroneamente incluídos no programa.
Por outro lado, nota-se um crescimento do percentual de domicílios pertencentes
ao público-alvo corretamente incluídos no programa, sugerindo uma melhora na
focalização do PBF ao se comparar as informações constantes na PNAD 2004, PNAD
2006 e Censo 2010. Esses resultados corroboram as evidências obtidas por Soares,
Ribas e Soares (2009) de que, à medida que o programa inclui mais beneficiários,
mantem-se o padrão de focalização dos mais pobres, de modo que a gestão do programa
conseguiu manter o padrão de focalização mesmo com o aumento da cobertura. Além
disso, esses resultados confirmam as evidências obtidas por Soares e Sátyro (2009) a
respeito da melhoria no foco do PBF.
De modo geral, os resultados das simulações aqui obtidos estão próximos aos
resultados obtidos por Soares, Ribas e Soares (2009) ao utilizarem as informações da
PNAD 2006, e a justificativa para essa proximidade pode residir no fato de que, na
PNAD 2006, houve um suplemento contendo perguntas específicas sobre o Programa
Bolsa Família.
19
Tabela 2 – Comparativo de Resultados Apresentados na Literatura Recente para o Brasil
Soares, Ribas e Osório (2009)
CESEF/STN(1)
Variáveis
Censo 2010
PNAD 2006(2)
PNAD 2004(3)
PI - Proporção de domicílios
pertencentes
ao
publico
alvo
63,04%
56,3%
42,9%
corretamente incluídos no programa
PE - Proporção de domicílios
pertencentes
ao
público
alvo
36,96%
43,7%
57,1%
erroneamente excluídos do programa
(Erro Tipo I)
NPI - Proporção de domicílios não
pertencentes
ao
público
alvo
13,44%
9,8%
6,4%
erroneamente incluídos no programa
(Erro Tipo II)
NPE - Proporção de domicílios não
pertencentes
ao
público
alvo
86,56%
90,2%
93,6%
corretamente excluídos do programa
Nota: Elaboração da CESEF/STN;
1 – Censo 2010, divulgado em 2012;
2 – PNAD 2006. Dados percentuais obtidos a partir da Tabela 4 em Soares, Ribas e Osório (2009). De acordo com esses autores, do total
de famílias em 2006, 15,1% eram elegíveis para o Programa Bolsa Família. Dessas, 56,3% (8,5%/15,1%) recebiam o benefício do PBF, ao
passo que 43,7% (6,6%/15,1%) não recebiam os benefícios desse programa.
Por outro lado, 84,9% eram famílias não elegíveis para o Programa Bolsa Família. Dessas, 9,8% (8,3%/84,9%) eram beneficiadas pelo
PBF, ao passo que 90,2% (76,6%/84,9%) não recebiam os benefícios desse programa.
3 – PNAD 2004. Dados percentuais obtidos a partir da Tabela 4 em Soares, Ribas e Osório (2009). De acordo com esses autores, do total
de famílias em 2004, 16,8% eram elegíveis para o Programa Bolsa Família. Dessas, 42,9% (7,2%/16,8%) recebiam o benefício do PBF, ao
passo que 57,1% (9,6%/16,8%) não recebiam os benefícios desse programa. Por outro lado, 83,2% eram famílias não elegíveis para o
Programa Bolsa Família. Dessas, 6,4% (5,3%/83,2%) eram beneficiadas pelo PBF, ao passo que 93,6% (77,9%/83,2%) não recebiam os
benefícios desse programa.
20
A respeito dessa melhora na focalização, é importante destacar o estudo de
Barros et al. (2008), no qual grande parte da focalização ocorre simplesmente no
procedimento de inscrição para o programa, no qual não incidem quotas. Esta
focalização na inscrição pode ocorrer por dois motivos: os servidores municipais são
eficazes em identificar e incentivar as famílias que devem se inscrever no Cadastro
Único; e/ou existe um mecanismo de auto-seleção, pelo qual somente as famílias mais
necessitadas dispõem de motivação suficiente para se inscrever.
No tocante aos resultados associados ao erro tipo II (inclusão indevida), a
literatura aponta algumas explicações, a saber, (i) fraudes; (ii) erros na medida da renda,
os quais ocorreriam na captação da renda pelos agentes municipais do PBF e na
projeção populacional; e (iii) volatilidade de renda (SOARES e SÁTYRO, 2009).
Conforme argumentam Soares, Ribas e Soares (2009), as fraudes beneficiam
parentes e amigos de políticos eleitos ou cabos eleitorais que claramente não têm direito
de receber o benefício. No entanto, o número de casos de fraude levantado situa-se em
algumas centenas, o que, em comparação ao volume de benefícios, é insignificante.
Esses autores argumentam que os erros no levantamento de informações devem ser mais
relevantes, uma vez que as famílias que potencialmente seriam beneficiadas pelo PBF
têm incentivos claros para subdeclarar sua renda. Não obstante, alguns assistentes
sociais podem identificar uma família como pobre, mesmo esta família não cumprindo
formalmente as exigências para ingressar no programa, e decidir fazer uma estimativa
para baixo da renda familiar.
Complementarmente, Soares e Sátyro (2009) argumentam que as famílias
próximas, mas acima, da linha de elegibilidade do PBF têm incentivos claros para
subdeclarar sua renda. Além disso, assistentes sociais podem identificar famílias como
pobres, mesmo estas não cumprindo formalmente as exigências para entrarem no
programa, e decidirem fazer estimativas para baixo da renda familiar. Talvez a
explicação mais plausível seja que as pessoas em geral, e particulamente as pessoas
mais pobres, frequentemente não sabem qual é sua renda mensal. Por exemplo, um
vendedor ambulante pode saber exatamente quanto vendeu no dia, mas calcular o lucro
líquido no mês é bem mais difícil.
Por fim, a volatilidade da renda de famílias pobres poderia ser outra explicação
para esse tipo de erro de focalização, pois muitas famílias classificadas como nãopobres podem ser na realidade bastante vulneráveis à pobreza e, assim, elegíveis ao
Programa Bolsa Família. De maneira específica, o conceito de volatilidade está
21
associado à incerteza com relação à renda, de modo que a renda informada pode não
traduzir com precisão a condição socioeconômica das famílias (SOARES, RIBAS e
SOARES, 2009).
Souza, Osório e Soares (2011) destacam que, dados os problemas na medição da
renda, o intervalo de dois anos entre a revisão dos benefícios e a ótima focalização do
PBF verificada em pesquisas como a PNAD, boa parte deste “erro de inclusão” na
verdade é ilusória: são famílias que provavelmente estavam pobres no momento do
cadastramento, com renda volátil que ocasionamente fica acima das linhas de
elegibilidade.
Além disso, Soares e Sátyro (2009) argumentam que, ao contrário da fraude
explícita, é difícil estimar qual a prevalência desse tipo de erro de focalização, tendo em
vista que ele se confunde com a insegurança, ou volatilidade, da renda de famílias
pobres. Isto ocorre porque a renda informada na PNAD refere-se a apenas um mês do
ano e não traduz com precisão a condição socioeconômica das famílias. Além de não
saber exatamente quanto faturou no mês, o vendedor ambulante do exemplo comentado
aufere rendimentos diferentes – possivelmente muito diferentes – a cada mês. Como
uma pessoa que cai abaixo da linha de pobreza tem direito a uma Bolsa Família por dois
anos antes da verificação seguinte, o número de beneficiários do PBF será muito maior
que o estimado em uma pesquisa transversal como a PNAD.
Soares et al. (2010) argumentam que o erro de exclusão é muito mais
preocupante do que o erro de inclusão e representa a dificuldade do programa em atingir
parte das famílias pobres. Um erro de inclusão indevida (erro tipo II) leva, no máximo,
ao desperdício de um benefício modesto. Já o erro de exclusão indevida (erro tipo I)
pode levar ao abandono de uma família à beira da fome. Sendo assim, no
aprimoramento da focalização, a prioridade deve ser a minimização do erro de exclusão,
ainda que o aumento da cobertura das famílias elegíveis venha acompanhado de um
aumento do erro de inclusão. De fato, mesmo equacionado o problema da cobertura, o
erro de inclusão só deveria ser objeto de preocupação para o programa se as famílias
não pobres recebendo as transferências estivessem muito distantes da linha de pobreza.
22
4.2 Simulação sobre a Distribuição Acumulada dos Beneficiários do PBF
O Gráfico 1 a seguir mostra a trajetória de uma distribuição acumulada para o
Brasil, em que no eixo vertical tem-se o percentual de famílias beneficiárias dos
recursos do PBF, ao passo que no eixo horizontal reporta-se os valores da renda familiar
ajustada per capita ex ante. Na prática, essa análise implica em observar a distribuição
acumulada dessa variável de renda, começando de um valor baixo até atingir o limite de
R$ 300,00. Note que, aproximadamente 55% das famílias beneficiadas com os recursos
do PBF possuem renda familiar ajustada per capita ex ante até R$ 140,00, que é o valor
da linha de pobreza desde 2010, conforme destacado na Tabela 1 anterior. No limite de
R$ 300,00, esse percentual aumenta para, aproximadamente, 80%.
Gráfico 1 - Distribuição acumulada das famílias beneficiárias do PBF, a
partir da renda familiar ajustada per capita.
Nota: elaboração da STN/CESEF.
Já o Gráfico 2 a seguir mostra a simulação dos gastos governamentais com o
Programa Bolsa Família sem desperdícios com a imprecisão. Se fosse possível avaliar a
renda per capita das famílias com renda até 140 reais, com 100% de precisão, o
montante necessário para o Programa Bolsa Família seria de R$ 7,9 bilhões. Além
23
disso, o montante gasto em 2010, R$ 14,3 bilhões, poderia ser distribuído para famílias
com renda até R$ 450,00 se também tivesse 100% de precisão.
Gráfico 2 – Simulação dos gastos governamentais com o PBF e a renda
familiar ajustada per capita ex ante.
Nota: elaboração da STN/CESEF.
4.3 Análise das Estimações Econométricas
A Tabela 3 a seguir reporta os resultados das estimações econométricas por meio
do método dos momentos generalizados (GMM) em dados cross-section para 2010, em
que se procura analisar os determinantes da focalização do Programa Bolsa Família. As
variáveis dependentes são as medidas de alcance
precisão
−
, em que
= 0.
−
, caso em que
= 1, e de
24
Tabela 3 - Determinantes da Focalização no Programa Bolsa Família 2010 - Resultados
das Estimações GMM
Regressores
Gini
PIB per capita
(Alcance)
-2.236
2.198
(0.905)**
(0.295)***
-0.059
0.017
(0.017)***
Taxa Urbanização
0.159
(0.047)***
Transf. Totais per capita
Dens. Demográfica
Gasto Bolsa Família
IDSUS
Matrículas Escolares
Água (Rede Pública)
Taxa Trabalho Infantil
0.092
dummy_ac
dummy_al
0.022
(0.006)***
(0.002)***
0.181
dummy_ba
dummy_ce
dummy_df
dummy_es
dummy_go
(0.005)***
0.166
0.025
(0.043)***
(0.015)
-0.125
0.018
(0.010)***
(0.003)***
-0.008
0.009
(0.005)
(0.002)***
0.046
1.416
0.074
dummy_mg
-0.021
(0.003)***
-0.285
(0.041)***
-0.056
(0.016)***
(0.006)***
-0.084
0.031
(0.016)***
(0.009)***
0.045
-0.086
-0.017
(0.007)**
-0.031
(0.010)***
-0.005
-0.016
(0.018)
(0.012)
0.016
0.014
(0.012)
(0.006)**
0.031
0.023
(0.012)***
(0.006)***
0.050
-0.010
(0.015)***
(0.006)
0.003
0.050
(0.013)
(0.006)***
-0.060
0.037
(0.013)***
dummy_ma
-0.071
(0.018)***
(0.016)***
dummy_ap
-0.035
-0.043
(0.012)***
dummy_am
(0.019)***
(0.007)***
(0.122)***
Rend. Dom. per capita (1/4 SM)
(0.006)***
-0.059
(0.018)***
(0.008)***
IGD-M
(Precisão)
0.011
(0.006)***
-0.026
(0.011)
(0.006)***
-0.006
0.045
(0.010)
(0.005)***
25
dummy_ms
dummy_mt
dummy_pa
dummy_pb
dummy_pe
-0.001
0.040
(0.014)
(0.006)***
-0.084
0.059
(0.015)***
(0.006)***
-0.028
0.013
(0.011)**
(0.007)**
0.018
0.026
(0.013)
(0.007)***
0.011
0.017
(0.013)
dummy_pi
dummy_pr
dummy_rj
dummy_rn
dummy_ro
dummy_rr
dummy_rs
dummy_sc
dummy_se
dummy_sp
o.dummy_to
Constante
2
R
Teste de Endogeneidade de Durbin-Wu-Hausman
0.019
(0.010)*
(0.006)**
-0.019
0.056
(0.012)
(0.006)***
-0.043
0.057
(0.015)***
(0.007)***
0.017
0.018
(0.013)
(0.007)***
-0.008
0.049
(0.013)
(0.007)***
-0.115
R2 Parcial (Primeiro Estágio)
N
-0.034
(0.044)***
(0.014)**
0.016
0.052
(0.011)
(0.005)***
-0.053
0.062
(0.015)***
(0.006)***
0.040
0.012
(0.011)***
(0.007)*
-0.031
0.050
(0.012)**
(0.006)***
0.000
0.000
(0.000)
(0.000)
-0.852
0.287
(0.100)***
(0.031)***
0.53
10.83
0.63
92.71
[0.0010]***
Estatística F (Primeiro Estágio)
(0.007)**
-0.015
[0.0000]***
95.756
95.536
[0.0000]***
[0.0000]***
0.0204
4,952
0.0203
4,967
Nota:
1- (***) significância a 1% (p<0,01); (**) significância a 5% (p<0,05); (*) significância a 10%
(p<0,1);
2- Variáveis na forma logarítmica;
3- Erros-padrão robusto à heterocedasticidade (White) entre parênteses;
4- Valor-p entre colchetes;
5- Variável instrumentalizada: Coeficiente de Gini, cujo instrumento é a taxa de analfabetismo.
26
De modo geral, o modelo econométrico associado à precisão do PBF apresentou
um melhor ajuste aos dados, relatando um coeficiente de determinação de 63% ' ( =
0,63 , em comparação ao modelo econométrico associado ao alcance do programa
' ( = 0,53 . Os resultados do Teste de Endogeneidade de Durbin-Wu-Hausman
(DWH) apontam para a rejeição da hipótese nula, ao nível de 1% de significância, de
que o regressor instrumentalizado (coeficiente de Gini) é exógeno. Em outras palavras,
a rejeição da hipótese nula do teste DWH indica que o regressor instrumentalizado é
endógeno, de modo que o uso de instrumentos é necessário. Nesse caso, o instrumento
utilizado foi a taxa de analfabetismo.
Todavia, para que o uso de variáveis instrumentais em uma estimação
econométrica seja válido, se faz necessário que os instrumentos sejam relevantes. De
maneira específica, as variáveis usadas como instrumentos devem ser correlacionadas
com os regressores endógenos e, ao mesmo tempo, ortogonais ao distúrbio da regressão.
Vários testes são sugeridos na literatura para testar a hipótese de instrumentos fracos.
Quando há apenas uma variável endógena, uma estatística comumente usada é o R2
parcial do primeiro estágio (BOUND, JAEGER e BAKER, 1995). Outra regra aplicada
quando se tem apenas um regressor endógeno é verificar o valor da estatística F no
primeiro estágio, de modo que um valor menor que dez pode ser uma indicação de que
os instrumentos são fracos.
De acordo com as estatísticas aqui utilizadas para verificar a capacidade do
instrumento utilizado, os resultados obtidos para o R2 parcial (primeiro estágio) foram
baixos. Contudo, os resultados obtidos pela estatística F (primeiro estágio) indicam a
rejeição da hipótese nula de que o instrumento utilizado é fraco, ao nível de
significância de 1%. O passo seguinte é realizar uma análise da significância individual
de cada um dos parâmetros estimados, conforme especificado a seguir.
Em relação ao coeficiente de Gini, os coeficientes estimados mostraram-se,
individualmente, estatisticamente significantes, aos níveis de 1% e 5% de significância
em termos de precisão e de alcance, respectivamente. Em particular, um aumento de 1%
no coeficiente de Gini impacta negativamente em 2,236% o alcance do PBF, sugerindo
que nas localidades onde há um maior grau de desigualdade na distribuição da renda
familiar ajustada per capita ex ante entre as famílias beneficiárias dos recursos do PBF,
a incidência da exclusão indevida de famílias (ou erro tipo I) também é elevada,
comprometendo o alcance do programa, pois há famílias elegíveis que não estão sendo
beneficiadas pelos recursos desse programa. Monçores (2012) alega que, pelo fato de se
27
tratar de um programa claramente condicionado a uma restrição orçamentária
governamental, há famílias que, apesar de possuírem renda per capita mensal e filhos
com idade entre 0 e 17 anos coerentes com os critérios de inclusão, ainda assim não são
cobertas pelo PBF.
Por outro lado, em termos de precisão, o PBF apresenta um melhor desempenho
no sentido de excluir corretamente famílias inelegíveis nas localidades em que apresenta
uma maior desigualdade de renda. De fato, um aumento de 1% no coeficiente de Gini
resulta em um aumento da precisão do programa em 2,198%, sugerindo uma maior
incidência de famílias inelegíveis corretamente excluídas do programa.
Portanto, observa-se que o coeficiente de Gini atua na mesma direção, elevando
ambas as medidas, a saber, a exclusão correta e a exclusão indevida (erro tipo I). Esses
resultados econométricos estão em conformidade com a Tabela 2 deste estudo, em que
os percentuais obtidos para o erro tipo I e famílias inelegíveis corretamente excluídas do
PBF foram 36,96% e 86,56%, respectivamente.
No tocante à variável PIB per capita, de modo geral, os coeficientes estimados
considerando os casos de alcance e precisão são estatisticamente signicantes ao nível de
1%. Todavia, no tocante ao alcance do programa, o sinal do parâmetro estimado é
negativo, indicando que, em municípios com baixa renda per capita, constata-se um
maior alcance do PBF. Esse resultado corrobora as evidências obtidas por Silveira Neto
(2010, p. 62) de que um maior nível de renda per capita diminui as chances de uma
família ser beneficiada com recursos do PBF. Além disso, esses resultados estão de
acordo com os argumentos apresentados por Galasso e Ravallion (2005) de que, quanto
mais pobre for a comunidade local, maior a parcela de recursos do programa destinada
às famílias pobres. Note que uma redução de 1% no PIB per capita do município
impacta em um aumento de 0,059% no alcance do PBF.
Em termos de precisão, observe que a elasticidade estimada é positiva, de modo
que, em municípios que apresentam uma maior renda per capita, a precisão do PBF é
maior, e a justificativa pode residir no fato de que os gestores do PBF nesses municípios
possuem recursos que possibilitem a correta exclusão de famílias inelegíveis.
Retomando a análise da Figura 1, verifica-se que, ao se dar um maior peso para a
precisão do PBF, destacam-se os municípios das regiões Sul e Sudeste.
Quanto à variável Transferências Totais per capita, observa-se que o
parâmetro estimado é estatisticamente significante ao nível de 1% de significância em
ambos os casos, alcance e precisão. No tocante ao alcance do PBF, observa-se que o
28
parâmetro apresentou um sinal positivo, em que um aumento de 1% nas transferências
totais per capita impacta positivamente no alcance do programa em 0,092%. Em outras
palavras, o PBF consegue alcançar famílias que residem em municípios destinatários de
um maior aporte de recursos governamentais provenientes de transferências da União e
dos Estados.
Por outro lado, no caso da precisão do PBF, o sinal do coeficiente estimado é
negativo, mostrando que, em municípios onde há uma maior destinação de
transferências governamentais, a precisão do programa diminui em 0,035%,
evidenciando a uma maior incidência do erro tipo II, a saber, famílias inelegíveis
erroneamente incluídas no PBF.
No tocante aos Gastos Governamentais com o Programa Bolsa Família,
observe que as elasticidades estimadas para ambos os casos, alcance e precisão, são
estatisticamente significantes ao nível de 1%. Em particular, no caso do alcance do
PBF, o valor do coeficiente estimado é positivo, sugerindo que um aumento de 1% nos
gastos governamentais com esse programa impacta positivamente o alcance em
0,181%%, e vice-versa. Em outras palavras, um maior aporte de recursos orçamentários
contribui para aumentar o alcance do PBF ao nível municipal, incluindo corretamente
famílias elegíveis.
Entretanto, em termos de precisão, um aumento de 1% dos gastos com o PBF
implica em redução na precisão do programa em 0,071%, e vice-versa. Em outras
palavras, a elevação de gastos governamentais com o PBF faz com que se aumente a
inclusão indevida de famílias no programa (ou seja, aumenta-se o erro tipo II). Esse
resultado é consistente com as evidências obtidas por Marinho, Linhares e Campelo
(2011) que, ao utilizarem a metodologia de painel de dados dinâmicos para os Estados
brasileiros no período 2000 a 2008, estimando modelos de regressão via mínimos
quadrados ordinários e efeito fixo, constataram uma relação negativa e estatisticamente
significante entre uma variável explicativa relacionada à transferência de renda do
governo aos pobres e variáveis dependentes associadas a medidas de pobreza, sugerindo
como uma das possíveis explicação a “(...) má-gestão desses programas através dos
desvios de seus objetivos como, por exemplo, os recursos não estarem sendo destinados
aos indivíduos considerados verdadeiramente pobres” (MARINHO, LINHARES e
CAMPELO, 2011).
Quanto à variável Matrículas Escolares, observa-se que os coeficientes
estimados são estatisticamente significantes ao nível de 1% de significância. Contudo,
29
em termos de alcance do PBF, essa relação é negativa, sugerindo, por exemplo, que uma
redução de 1% no número de matrículas no ensino fundamental contribui para o
aumento no alcance do PBF em 0,125%, e vice-versa. Portanto, o alcance do PBF é
maior em municípios em que há baixos números de matrículas no ensino fundamental.
Mas no tocante à precisão do programa, a relação constatada é positiva,
sugerindo que um aumento de 1% no número de matrículas no ensino fundamental
melhora em 0,018% a precisão do PBF. Como a educação é uma das condicionalidades
desse programa, o resultado é intuitivo, sugerindo que, em municípios onde há um
maior número de matrículas no ensino fundamental, os gestores do PBF conseguem
excluir corretamente as famílias inelegíveis.
Em relação à variável Densidade Demografia, observa-se que os parâmetros
estimados são estatisticamente significantes ao nível de 1% de significância. Em termos
de alcance do programa, essa relação é negativa, sugerindo que, em municípios com
uma menor densidade demográfica, geralmente municípios cuja população vive no meio
rural, o alcance do PBF se eleva em 0,043%. Esses resultados corroboram as evidências
obtidas por Silveira Neto (2010, p. 63) e indicam que a localização do domicílio
familiar importa para as chances de a família ser beneficiada com recursos do PBF, em
outras palavras, famílias domiciliadas no meio rural, em oposição ao meio urbano, ou
famílias domiciliadas fora das regiões metropolitanas, apresentam maiores chances de
serem beneficiadas pelo PBF. Cabe destacar que o PBF oferece o Serviço de Proteção e
Atendimento Integral à Família, realizado por meio de Equipes Volantes, as quais
conseguem alcançar famílias que vivem em áreas rurais, comunidades indígenas,
quilombolas, calhas de rios, assentamentos, dentre outros casos de dispersão
populacional.
Todavia, no que diz respeito à precisão do PBF, essa relação é positiva,
indicando que um aumento na densidade demográfica impacta positivamente a precisão
do PBF em 0,022%. Em municípios mais populosos, a proporção de famílias inelegíveis
corretamente excluídas do programa é maior, contribuindo assim para a precisão do
programa, uma vez que nesses municípios os gestores do PBF tem a sua disposição
mais informações para poderem classificar as famílias entre elegíveis e inelegíveis.
Sobre a variável Taxa de Trabalho Infantil, os coeficientes estimados para
ambos os casos em análise são estatisticamente significantes ao nível de 1% de
significância. No que diz respeito ao alcance do programa, o coeficiente estimado é
positivo, indicando que um aumento de 1% na Taxa de Trabalho Infantil impacta
30
positivamente o alcance do PBF em 0,046% (e vice-versa). Esse resultado indica que,
em municípios onde há uma maior taxa de trabalho infantil, o alcance do PBF é maior,
confirmando análise da Figura 4.
Por outro lado, quando se trata da precisão do PBF, a elasticidade estimada é
negativa, indicando que uma redução de 1% na taxa de trabalho infantil aumenta a
precisão do programa em 0,021%. Ou seja, em municípios que apresentam redução no
trabalho infantil, a precisão do PBF é maior, confirmando análise da Figura 2.
É importante destacar também o estudo de Pedroso Jr. (2007) que, ao realizar
simulações ex-ante dos efeitos do PBF a partir de um modelo logit multinomial usando
dados da PNAD de 2004,
constatou-se que a inclusão de mais famílias no PBF
proporcionava a redução do trabalho infantil.
Quanto à variável correspondente a Renda Domiciliar per capita (1/4 Salário
Mínimo), os coeficientes estimados são estatisticamente significantes ao nível de 1% de
significância. Em termos de alcance do programa, observa-se que um aumento de 1%
nessa variável, ao nível municipal, impacta positivamente o alcance do programa em
0,074%. Esse resultado é consistente com as evidências de que, quanto mais pobre
forem as famílias pertencentes a determinado município, maior o alcance do PBF a
essas famílias (SOARES e SATYRO, 2009). Em municípios mais pobres, a proporção
de domicílios elegíveis corretamente incluídos no programa é maior do que a proporção
dos domicílios erroneamente excluídos do programa. Os resultados aqui obtidos são
consistentes com as evidências encontradas por Tavares et al. (2009), em que nos
estados onde a pobreza é mais severa, o programa é mais bem focalizado. Nestas
localidades, a diferença entre pobres e não pobres é mais acentuada, o que deve facilitar
a identificação dos elegíveis pelos gestores. Também por esta razão, o recebimento do
benefício apresenta maior importância relativa para as famílias, o que deve aumentar a
procura pelo programa junto aos órgãos municipais responsáveis pela seleção.
Barros et al. (2008) mostram que existem ganhos de focalização quando a
distribuição de recursos é uma função crescente da pobreza. Em outras palavras, se o
sistema de cotas for baseado na distribuição da pobreza, mesmo diante de uma seleção
aleatória, os pobres que vivem em localidades mais pobres terão mais chances de
participar do programa do que os pobres que vivem em comunidades menos pobres.
Por outro lado, a relação entre essa variável e a medida de precisão do PBF é
negativa, indicando que, em municípios com um menor nível de pobreza, a precisão do
PBF é maior. Nesses municípios, os gestores do PBF possuem mais recursos e
31
informações a sua disposição para poderem excluir corretamente as famílias inelegíveis,
corroborando a análise feita na variável PIB per capita. Esse resultado corrobora as
evidências obtidas na Figura 2 deste estudo, em que, ao se dar um peso maior para a
precisão, destacam-se os municípios das regiões Sul e Sudeste, os quais possuem uma
renda per capita maior.
No que diz respeito à variável Taxa de Urbanização, observa-se que o
parâmetro estimado é estatisticamente significante, ao nível de 1% de significância, nos
casos do alcance e da precisão do PBF. O sinal positivo da elasticidade estimada indica
que um aumento de 1% na taxa de urbanização implica em um aumento no alcance do
PBF em 0,16%. Em outras palavras, o maior alcance do PBF ocorre em municípios com
maior taxa de urbanização. Nesses municípios mais urbanizados, os gestores do PBF
tem maiores condições de incluirem corretamente as famílias elegíveis.
Por outro lado, os resultados indicam que municípios com uma maior taxa de
urbanização, apresentam menor precisão do PBF, pois famílias inelegíveis são
erroneamente incluídas no programa.
No que diz respeito ao Índice de Desempenho do SUS (IDSUS), observa-se
que o coeficiente estimado, em relação ao alcance do programa, é positivo e
estatisticamente significante ao nível de 1% de significância. Dessa forma, o alcance do
PBF é maior em municípios que apresentam melhores resultados no IDSUS.
É importante destacar que viver em locais desprovidos de certos bens públicos
fundamentais, tais como a existência de rede pública de água e esgoto, passa a ser um
elemento importante na determinação do grau de vulnerabilidade e de pobreza das
famílias (PIRES, 2008). Nesse sentido, em relação à variável Água (Rede Pública), a
elasticidade estimada é positiva e estatisticamente significante ao nível de 1% de
significância no caso da precisão do PBF, sugerindo que nos municípios que apresentam
um maior número de domicílios abastecidos com água de rede pública, a precisão do
PBF é maior. Pires (2008) argumenta que, nos municípios em que existe abastecimento
de água pela rede pública, a renda familiar média tende a ser superior do que em
domicílios que captam água de outra forma (tais como poço, nascente ou carro-pipa).
Portanto, nesses municípios, pode-se argumentar que os gestores públicos possuem
informações suficientes, por exemplo, rendimento familiar, e conseguem excluir
corretamente as famílias inelegíveis.
Em relação à variável Índice de Gestão Descentralizada Municipal (IGD-M),
observa-se que os coeficientes estimados para os casos em análise são estatisticamente
32
significantes ao nível de 1% de significância. No tocante ao alcance do programa,
observa-se que o aumento de 1% no IGD-M impacta positivamente o alcance do PBF
em 1,416%. Em outras palavras, em municípios que apresentam uma melhor gestão dos
recursos do PBF, segundo a metodologia do IGD-M, o alcance do programa é maior.
No que diz respeito à precisão do PBF, a relação entre IGD-M e medida de
precisão é negativa, indicando que um aumento de 1% no IGD-M impacta
negativamente a medida de precisão em 0,285%. Em outras palavras, nos municípios
que apresentam boa avaliação segundo o IGD-M, constata-se a incidência do erro tipo
II, a saber, famílias inelegíveis erroneamente incluídas no PBF.
Esse resultado é consistente com as evidências obtidas por Monteiro et al.
(2008) de que o aumento de famílias beneficiadas parece diminuir a qualidade da gestão
do PBF. Em outras palavras, quanto maior o número de beneficiários, há maiores
responsabilidades, aumentando-se, assim, as tarefas dos municípios em diversas áreas,
dificultando a coordenação e a articulação, ou mesmo a integração entre os órgãos
governamentais de assistência social, educação e saúde, no acompanhamento dos
beneficiários do PBF e verificação das condicionalidades, debilitando assim a gestão e a
operacionalização do referido programa.
Analisando os resultados das variáveis dummies das Unidades da Federação, em
termos de alcance, os coeficientes estimados para todos os estados da Região Nordeste
foram positivos e estatisticamente significantes ao nível de 1% de significância,
corroborando as evidências obtidas por Silveira Neto (2010) de que
famílias
domiciliadas na Região Nordeste apresentam maiores chances de serem beneficiadas
com recursos do PBF.
5. Considerações Finais
Esse estudo teve por objetivo avaliar os determinantes da focalização do
Programa Bolsa Família por meio da implementação de um indicador de focalização
baseado em uma ponderação entre o alcance e a precisão do programa.
Em comparação com as evidências já existentes na literatura brasileira, dentre os
resultados aqui obtidos utilizando-se os dados do Censo IBGE 2010, observou-se não
apenas um aumento da proporção dos domicílios elegíveis corretamente incluídos no
PBF, como também evidenciou-se uma redução na proporção dos domicílios elegíveis
erroneamente excluídos do PBF (ou seja, uma redução do erro tipo I). Além disso, a
33
análise da distribuição acumulada indica que, aproximadamente, 50% das famílias que
recebem o PBF tem renda familiar ajustada per capita ex ante até R$ 140,00.
É importante destacar também que, se fosse possível avaliar a renda per capita
das famílias com renda até 140 reais, com 100% de precisão, o montante necessário
para o Programa Bolsa Família seria de R$ 7,9 bilhões. Além disso, o montante gasto
em 2010, R$ 14,3 bilhões, poderia ser distribuído para famílias com renda até R$
450,00 se também tivesse 100% de precisão.
A análise econométrica se desenvolveu por intermédio de estimações GMM em
que as variáveis dependentes são as medidas de precisão e de alcance que compõem o
indicador de focalização. As demais variáveis explicativas estão associadas a aspectos
de natureza socioeconômica e fiscal.
Em termos de precisão, o PBF apresenta um melhor desempenho, no sentido de
excluir corretamente famílias inelegíveis, nos municípios que apresentam uma maior
desigualdade da renda familiar ajustada per capita ex ante, segundo valores do
coeficiente de gini calculado nesse estudo, ou então em municípios com maiores renda
per capita e densidade populacional, onde se observa um maior número de matriculas
de crianças no ensino fundamental e redução da taxa de trabalho infantil, assim como
um maior número de domicílios abastecidos com água da rede pública.
Em termos de alcance, o PBF apresenta um melhor desempenho, no sentido da
correta inclusão de famílias elegíveis, em municípios que apresentam menor densidade
demográfica, geralmente municípios com famílias de baixa renda, onde o número de
matrículas de crianças no ensino fundamental é menor e a taxa de trabalho infantil é
maior. Ou, então, em municípios com maior taxa de urbanização, bem avaliados no
IDSUS e no IGD-M, e que são beneficiados por um maior aporte de recursos
governamentais do PBF e de transferências governamentais provenientes da União e
dos Estados.
Mas, por se tratar de um programa governamental condicionado a uma restrição
orçamentária, em municípios onde há um maior grau de desigualdade de renda familiar
ajustada per capita ex ante, segundo o coeficiente de Gini aqui calculado, o alcance do
programa está comprometido pois há famílias elegíveies que não estão sendo
beneficiadas pelos recursos do PBF.
Para pesquisas futuras, sugere-se testar empiricamente o modelo teórico de
Galasso e Ravallion (2005), em que se utiliza outro indicador de focalização,
decomposto em um componente “inter-vilarejos” (refletindo o esforço do governo
34
central em alcançar as comunidades pobres), e um componente “intra-vilarejos” (que
descreve os esforços das comunidades em alcançar seus próprios pobres). Além disso,
sugere-se analisar um desenho da redistribuição ótima das cotas do PBF entre os
municípios brasileiros.
Referências
ALDERMAN, H. Do local officials know something we don’t? Decentralization of
targeted transfers in Albania. Journal of Public Economics, v. 83, n. 3, p. 375–
404, 2002.
ANUATTI-NETO, F.; FERNANDES, R.; PAZELLO, E. T. Poverty alleviation
policies: the problem of targeting when income is not observed. Ribeirão Preto:
Fearp, 2001 (Texto para Discussão, n. 17).
BARDAN, P.; MOOKHERJEE, D. Decentralizing antipoverty program delivery in
developing countries. Journal of Public Economics, v. 89, p. 675-704, 2005.
BARROS, R. P.; CARVALHO, M.; DUTRA, R.; FRANCO, S.; HARTUNG, G. A
importância das cotas para a focalização do Bolsa Família. Rio de Janeiro: Ipea,
2008 (Texto para Discussão, n. 1.349).
BOUND, J.; JAEGER, D.; BAKER, R. Problems with instrumental variables estimation
when the correlation between the instruments and the endogenous explanatory
variables is weak. Journal of American Statistical Association, v. 90, n. 430, p.
443-450, 1995.
GALASSO, E.; RAVALLION, M. Decentralized targeting of an antipoverty program.
Journal of Public Economics, v. 89, p. 705-727, 2005.
MARINHO, E.; LINHARES, F.; CAMPELO, G. Os programas de transferência de
renda do governo impactam a pobreza no Brasil? Revista Brasileira de Economia,
v. 65, n. 3, p. 267-288, jul-set, 2011.
MONTEIRO, D. A. A.; FERREIRA, M .A M.; TEIXEIRA, K. M. D.; SILVEIRA, S. F.
R. Investigação dos fatores condicionantes do desempenho da gestão municipal
do programa bolsa família. 1ª Mostra Nacional de Estudos sobre o Programa
Bolsa Família. 2008. Disponível em:
<< http://www.ipc-undp.org/publications/mds/44M.pdf>>. Acesso em 17 dez. 2012.
MONÇORES, E. A. Os elegíveis não cobertos: uma reflexão sobre o programa bolsa
família e a garantia dos direitos sociais. 2012. 70f. Monografia de Bacharelado.
Instituto de Economia, Universidade Federal do Rio de Janeiro, Rio de Janeiro,
2012.
Disponível
em:
<<
http://www.laeser.ie.ufrj.br/ES/Estudos%20e%20Pesquisas/monografia_elisa_mo
ncores.pdf>>. Acesso em 19 dez. 2012.
MUSGRAVE, R. M. Economics of fiscal federalism. Nebraska Journal of Business
and Economics, v. 10, n. 4, p. 3-13, 1971.
OATES, W. E. An essay on fiscal federalism. Journal of Economic Literature, v. 37, p.
1120-1149, 1999.
PEDROSO Jr. E. Uma avaliação ex-ante dos impactos do Bolsa Família na redução do
trabalho infantil. In: XXXV Encontro Nacional de Economia, 2007, Recife –
Pernambuco. XXXV Encontro Nacional de Economia, 2007. Disponível em: <<
http://www.anpec.org.br/encontro2007/artigos/A07A002.pdf>>. Acesso em: 18
dez. 2012.
35
PIRES, A. Bolsa família e políticas públicas universalizantes: o caso de um município
paulista. Cadernos de Pesquisa, v. 38, n. 134, maio/ago. 2008.
RAVALLION, M. The social appraisal of local public spending using revealed fiscal
preferences. Journal of Urban Economics, v. 16, p. 46-64, 1984.
RAVALLION, M.; WODON, Q. Poor areas, or only poor people? Journal of Regional
Science, v. 39, p. 689-711, 1999.
SEABRIGHT, P. Accountability and decentralization in government: an incomplete
contracts model. European Economic Review, v. 40, p. 61-89, 1996.
SILVEIRA NETO, R. M. Impacto do programa bolsa família sobre a frequência à
escola: estimativas a partir de informações da pesquisa nacional por amostra de
domicílio (PNAD). In: CASTRO, J. A.; MODESTO, L. (Org.). Bolsa família
2003-2010. Avanços e desafios, volume 2. Brasília, IPEA: 2010.
SOARES, S.; RIBAS, R. P.; SOARES, F. V. Focalização e cobertura do Programa
Bolsa Família: qual o significado dos 11 milhões de famílias? Brasília: Ipea, 2009
(Texto para Discussão, n. 1396).
SOARES, S.; SÁTYRO, N. O programa bolsa família: desenho institucional, impactos
e possibilidades futuras. Brasília: Ipea, 2009 (Texto para Discussão, n. 1424).
SOARES, S.; SOUZA, P. H. G. F.; OSÓRIO, R. G.; SILVEIRA, F. G. Os impactos do
benefício do programa bolsa família sobre a desigualdade e a pobreza. In:
CASTRO, J. A.; MODESTO, L. (Org.). Bolsa família 2003-2010. Avanços e
desafios, volume 2. Brasília, IPEA: 2010.
SOUZA, P. H.G. F.; OSORIO, R. G.; SOARES, S. S. D. Uma metodologia para simular
o programa bolsa família. Brasília: Ipea, 2011 (Texto para Discussão, n. 1654).
TAVARES, P. A.; PAZELLO, E. T.; FERNANDES, R.; CAMELO, R. S. Uma
avaliação do Programa Bolsa Família: focalização e impacto na distribuição de
renda e pobreza. Pesquisa e Planejamento Econômico, v. 39, n. 1, abril 2009.