View
0
Download
0
Category
Preview:
Citation preview
PUC - SP
VARIÁVEIS SÓCIO-ECONÔMICAS E TAXA DE SUICÍDIOS NO BRASIL
MICHEL WIAZOWSKI ROCHA
RUTHELLE MARIA DE CARVALHO SOUSA MESTRANDO EM ADMINISTRAÇÃO
MÉTODOS QUANTITATIVOS PROF. DR. ARNOLDO HOYOS
SÃO PAULO 2010
1. INTRODUÇÃO Este trabalho final, visa investigar e buscar responder se existem variáveis sócio-econômicas que podem explicar a taxa de suicídios. Construindo hipóteses explicativas a fim de caracterizar o problema para o caso Brasileiro. Para a pesquisa tem-se alguns problemas, como: caracterização do suicídio, o outro as motivações reais do suicida e seu estado mental (OMS, 2002). Como nosso trabalho foca no aspecto econômico como um dos frutos do indivíduo na prática do suicídio. O primeiro modelo econômico conhecido do suicídio é o de Hamermesh e Soss (1974), e é assim descrito por Shikida (2006):O modelo de decisão individual de Hamermesh e Soss(1974) afirma que o comportamento suicida não pode em hipótese alguma ser atribuído apenas a fatores econômicos. Porém, utilizando o processo de tomada de decisão econômica uma parcela das variações nas taxas de suicídio pode ser explicada usando teoria econômica.De acordo com o modelo, as pessoas na média preferem viver e não gostariam de se matar. O modelo supõe que o indivíduo se mata quando o valor da vida dele for menor ou igual o seu desgosto pela vida. A renda confere valor à vida, o que implica que maiores taxas de renda aumentam a vontade de viver. Um importante fator observado estatisticamente é que as taxas de suicídio aumentam à medida que observamos faixas etárias mais elevadas, a despeito disso, o modelo afirma que o desejo de viver diminui com a idade já que ele possui menos consumo para aproveitar a vida, e Shikida (2006) complementa: O artigo encontrou evidências de que o arrefecimento das atividades econômicas em 1945 produziu um aumento proporcional nas taxas de suicídio. Em outras palavras, existiria uma relação negativa entre a renda e o suicídio. Constatou-se também que a taxa é menor para grupos de renda mais altos. Outro resultado encontrado foi à maior sensibilidade de pessoas mais velhas à variação do desemprego se comparado com os jovens. Resumindo, o suicídio diminui com o aumento da renda tanto na cross-section quanto na série temporal, para todos os grupos com exceção dos mais jovens. (Shikida, 2006) A partir desses questionamentos, um modelo econômico sobre suicídio terá que conceber o fato como escolha (decorrente de uma análise) ou fenômeno resultante de uma interação de variáveis. Ao analisar a relação entre as variações nas taxas de desemprego e de suicídio, os autores encontraram fortes evidências de que homens são sensíveis às variações no mercado de trabalho, ao passo que as mulheres são menos sensíveis a variável emprego. O estudo também encontrou indícios de, entre os homens, perdas pessoais como a esposa ou ciclo de amigos exerce influencia sobe as taxas de suicídio. O estudo encontro indícios de associação entre baixos níveis educacionais e desemprego com transtornos mentais (transtornos afetivos e de ansiedade em homens e mulheres) e suicídio. O estudo alerta que as interações econômicas desempenham um fator significativo em transtornos de ansiedade, abuso de substâncias e depressão. Segundo os autores variáveis econômicas per se influenciam as taxas de suicídio e influenciam a prevalência de distúrbios mentais, que por sua vez são estão fortemente associadas com taxas de suicídio. Utilizando o pensamento de Durkheim (1897), poderíamos definir o emprego como indicador de coesão social, e o indivíduo, desprovido desse meio de interação social e de ganho, deslocado de parte da vida social, se coloca em uma situação de risco para a própria vida.
2. ENTENDENDO OS DADOS Todos os dados do presente estudo foram coletados eletronicamente, via internet por meio do DATASUS (http://www.datasus.gov.br), o portal de informações sobre saúde do Ministério Da Saúde. Os dados populacionais foram também obtidos do referido portal que por sua vez, foram obtidos a partir de Censos do IBGE. Variáveis: Por gênero; Por Estados com maior incidência; Renda Per Capita dos Estados com maior incidência Por faixa etária; Por raça/ cor de pele por ano; PIB estadual
3. TABELA DE DADOS 3.1 Por gênero
ANO MASCULINO FEMININO IGNORADO TOTAL
1997 5496 1423 4 6923 1998 5525 1457 7 6989 1999 5300 1230 0 6530 2000 5398 1382 0 6780 2001 6177 1560 1 7738 2002 6028 1694 4 7726 2003 6256 1604 1 7861 2004 6311 1706 0 8017
Esses dados persistentes ao longo dos anos, e as observações semelhantes em outros países, mostram que a população masculina tem um acentuado risco ao suicídio. As relações brutas entre óbitos masculinos e óbitos femininos têm aumentado ao longo dos últimos anos.
3.2 Por Estados com maior incidência
ANO RS SC PR MS RO GO
1997 4,21 5,27 4,02 3,57 5,67 3,25 1998 4,08 4,18 3,93 2,73 2,25 3,6 1999 4,36 5,33 4,95 3,14 3,13 3,57 2000 4,38 5,55 3,65 3,33 4,85 3,95 2001 4,91 4,94 4,35 3,31 3,47 3,66 2002 4,46 4,33 3,71 3,2 1,44 4,15 2003 4,39 4,7 4,7 2,74 3,82 4,56 2004 4,56 4,15 3,35 3,17 3,85 2,8 2005 5,23 4,41 3,65 2,66 3,92 3,67
Fonte: Datasus
3.3 Renda Per Capita dos Estados
ANO RS - per capita
SC - per capita
PR - per capita
MS - per capita
RO - per capita
GO - per capita
1997 6991 6210 5707 4656 3200 3385
1998 7052 6224 6063 4964 3452 3609
1999 7467 6745 6513 5309 3694 3639
2000 8341 7902 6882 5697 4065 4316
2001 9070 8816 7230 6850 5329 5864
2002 9862 9920 8420 8245 5886 7132
2003 11741 11764 10935 10347 6594 7936
2004 12850 13403 13079 13444 7208 8718
2005 13298 14542 12344 13365 8394 8992
Fonte IBGE A amostra acima foi escolhida com os estados brasileiros com as maiores taxas de suicídio. A relação entre óbitos masculinos e femininos aumentou no Rio Grande Do Sul e Roraima. Nos outros estados tendeu a estabilidade e sempre próximo do número de quatro óbitos masculinos para cada óbito feminino.
3.4 Por faixa etária
Faixa etária 2000 2001 2002 2003 2004 2005
1 a 4 anos 0 0 1 0 3 2 4 a 9 anos 1 4 2 6 4 2 10 a 14 anos 83 107 107 99 103 104 15 a 19 anos 525 705 646 658 640 624 20 a 29 anos 1617 1834 1869 1955 1946 1973 30 a 39 anos 1458 1581 1658 1623 1712 1791 40 a 49 anos 1245 1448 1442 1462 1459 1637 50 a 59 anos 832 957 931 982 992 1119 60 a 69 anos 539 587 549 588 600 689 70 a 79 anos 337 337 353 315 385 398 80 a 89 anos 124 149 142 148 150 188 Idade ignorada 19 29 26 25 23 23 TOTAL 6780 7738 7726 7861 8017 8550
Em números absolutos, a faixa etária de maior incidência é dos 20 a 29 anos de idade, seguida da faixa compreendida entre os 30 e 39 anos. Mostrando a importância do suicídio na população economicamente ativa.
3.5 Por raça/ cor de pele por ano
Ano do óbito
Branca Preta Amarela Parda Indígena Ignorado Total
2000 4034 361 43 1726 50 566 6780 2001 4562 404 43 2136 46 547 7738 2002 4475 393 36 2192 64 566 7726 2003 4447 439 41 2359 66 509 7861 2004 4524 407 35 2457 68 526 8017 2005 4661 456 39 2785 80 529 8550
Pessoas de pele Branca correspondem a mais de 50% dos suicídios em números absolutos. Em segundo lugar vêm as pessoas de pele parda. Existe uma indicação de que a intensidade de habitantes de cor de pele branca possa estar relacionada com maiores taxas de suicídio. Porém, o curto período da amostra apenas nos indica de forma superficial uma suposta variável. 4. ANÁLISE DE DADOS Nesta etapa do nosso trabalho, procuramos avaliar sobre 2 variáveis: Estados com maior incidência e Renda Per Capita destes mesmo Estados. 4.1 Distribuição Geral por Estado versus Per Capita
12000100008000
5,2
4,8
4,4
4,015000100005000
5,6
5,2
4,8
4,4
4,01200090006000
5,0
4,5
4,0
3,5
1200080004000
3,6
3,4
3,2
3,0
2,8
800060004000
6
5
4
3
2
800060004000
4,5
4,0
3,5
3,0
RS*RS - per capita SC*SC - per capita PR*PR - per capita
MS*MS - per capita RO*RO - per capita GO*GO - per capita
Scatterplot of RS vs RS - per cap; SC vs SC - per cap; PR vs PR - per
A distribuição por Estado nos mostra a evolução de cada. Podemos notar que o Rio Grande do Sul começou em queda e no final de 12000 houve um aumento considerável na incidência, Santa Catarina inicia a pesquisa em alta e vai diminuindo incidência com
o passar do tempo, Paraná houve um pico entre 9000 e 12000, como posterior queda, no Mato Grosso do Sul começa em alta, com posterior queda de 8000 a 12000 e com aumento, Roraima começa em alta, com pico de diminuição por pouco tempo e volta a subir progressivamente, já Goiás começa em 1995 com queda, aumento considerável entre 6000 a 8000 com posterior queda. É nítido na análise que o Estado que apresenta a maior incidência de suicídio em comparação a Renda Per capita e o tempo é o Estado do Rio Grande do Sul. 4.2 Histograma
Freq
uenc
y
5,25,04,84,64,44,24,03,8
4
3
2
1
0
6,05,65,24,84,44,03, 6
2,0
1,5
1,0
0,5
0,0
5,24,84,44,03,63,22, 8
2,0
1,5
1,0
0,5
0,0
3,8
3,6
3,4
3,2
3,0
2,8
2,6
2,4
3
2
1
0654321
3
2
1
0
4,8
4,4
4,0
3,6
3,2
2,8
4
3
2
1
0
RS SC PR
MS RO GO
RS
4,762StDev 0,5316N 9
PRMean 4,034StDev 0,5317
Mean
N 9
MSMean 3,094StDev 0,3151N 9
RO
4,509
Mean 3,6StDev 1,264N 9
GOMean 3,69StDev
StDev
0,5057N 9
0,3557N 9
SCMean
Histogram of RS; SC; PR; MS; RO; GONormal
Freq
uenc
y
1400
0
1200
0
1000
08 00
06 00
04 00
0
3
2
1
0
1500
0
1 2000
9 000
6 000
3000
3
2
1
0
1 4000
1200
0
1 0000
8 000
6000
4 000
2000
3
2
1
0
1500
0
1200
09 00
060
0 030
000
3
2
1
0
8 000
6 000
4 0 0020
00
2,0
1,5
1,0
0,5
0,0
1 0000
8 000
6000
4 0 002 00
0
3
2
1
0
R S - pe r capita S C - per capita P R - pe r capita
M S - pe r capita R O - per capita G O - per capita
RS - p er cap ita
9503S tDev 3125N 9
P R - p er cap itaM ean 8575S tDev 2818
M ean
N 9
M S - per cap itaM ean 8097S tDev 3503N 9
RO - per cap ita
9630
M ean 5314S tDev 1843N 9
G O - per cap itaM ean 5955S tDev
S tDev
2300N 9
2465N 9
SC - p er cap itaM ean
Histogram of RS - per cap; S C - per cap; PR - per cap; ...Normal
Nos 2 histogramas geral por Estados e por Per Capita, há distribuições normais, mas ao observarmos os Estados Roraima apresenta em sua curva maior pico, apesar do
histograma no período de seu pico permanecer estável, sem outlier, já os demais ao longo de sua distribuição possui alguns pontos de outlier. 4.3 Sumários 4.3.1 Por Estado
5,25,04,84,64,44,24,0
Median
Mean
4,84,74,64,54,44,34,2
A nderson-Darling Normality Test
V ariance 0,1265Skewness 1,16725Kurtosis 1,10339N 9
Minimum 4,0800
A -Squared
1st Q uartile 4,2850Median 4,39003rd Q uartile 4,7350Maximum 5,2300
95% C onfidence Interv al for Mean
4,2355
0,50
4,7823
95% C onfidence Interv al for Median
4,2442 4,8302
95% C onfidence Interv al for StDev
0,2402 0,6814
P-V alue 0,152
Mean 4,5089StDev 0,3557
9 5% Confidence Intervals
Summary for RS
No Estado do Rio Grande do Sul há intervalo de 4,2 a 4,8 há aumento de sua curva com posterior queda, apresentação de outlier no ponto de 4,8 e posterior queda.
5,65,24,84,4
Median
Mean
5,45,25,04,84,64,44,2
A nderson-Darling Normality Test
V ariance 0,2826Skewness 0,27485Kurtosis -1,67989N 9
Minimum 4,1500
A -Squared
1st Q uartile 4,2550Median 4,70003rd Q uartile 5,3000Maximum 5,5500
95% C onfidence Interv al for Mean
4,3536
0,35
5,1709
95% C onfidence Interv al for Median
4,2142 5,3163
95% C onfidence Interv al for StDev
0,3591 1,0185
P-V alue 0,386
Mean 4,7622StDev 0,5316
9 5% Confidence Intervals
Summary for SC
No caso de Santa Catarina, mesmo com um outlier entre 4,4 e 4,8, seus histogramas permanecem homogêneos.
4,84,44,03,6
Median
Mean
4,754,504,254,003,753,50
A nderson-Darling Normality Test
V ariance 0,2827Skewness 0,667491Kurtosis -0,604735N 9
Minimum 3,3500
A -Squared
1st Q uartile 3,6500Median 3,93003rd Q uartile 4,5250Maximum 4,9500
95% C onfidence Interv al for Mean
3,6258
0,33
4,4431
95% C onfidence Interv al for Median
3,6500 4,6202
95% C onfidence Interv al for StDev
0,3591 1,0185
P-V alue 0,423
Mean 4,0344StDev 0,5317
9 5% Confidence Intervals
Summary for PR
No caso do Paraná, distribuição começa heterogêneo, com surgimento de outliers em 2 pontos e posterior homogeneidade dos seus histogramas.
3,63,43,23,02,82,6
Median
Mean
3,33,23,13,02,92,82,7
A nderson-Darling Normality Test
V ariance 0,0993Skewness -0,21885Kurtosis -1,15824N 9
Minimum 2,6600
A -Squared
1st Q uartile 2,7350Median 3,17003rd Q uartile 3,3200Maximum 3,5700
95% C onfidence Interv al for Mean
2,8522
0,44
3,3366
95% C onfidence Interv al for Median
2,7323 3,3254
95% C onfidence Interv al for StDev
0,2128 0,6036
P-V alue 0,216
Mean 3,0944StDev 0,3151
9 5% Confidence Intervals
Summary for MS
Já Mato Grosso do Sul, mesmo apresentando outlier no ponto 3,0, seus histogramas apresentaram queda após o ponto 3,2.
654321
Median
Mean
4,54,03,53,02,5
A nderson-Darling Normality Test
V ariance 1,5983Skewness -0,140155Kurtosis 0,247206N 9
Minimum 1,4400
A -Squared
1st Q uartile 2,6900Median 3,82003rd Q uartile 4,3850Maximum 5,6700
95% C onfidence Interv al for Mean
2,6282
0,23
4,5718
95% C onfidence Interv al for Median
2,4506 4,6380
95% C onfidence Interv al for StDev
0,8539 2,4220
P-V alue 0,736
Mean 3,6000StDev 1,2642
9 5% Confidence Intervals
Summary for RO
Em Roraima no pico de sua curva apresenta heterogeneidade e quando em queda seus histogramas começa a fica homogêneos.
4,44,03,63,22,8
Median
Mean
4,24,03,83,63,43,2
A nderson-Darling Normality Test
V ariance 0,2557Skewness -0,023902Kurtosis 0,702834N 9
Minimum 2,8000
A -Squared
1st Q uartile 3,4100Median 3,66003rd Q uartile 4,0500Maximum 4,5600
95% C onfidence Interv al for Mean
3,3013
0,25
4,0787
95% C onfidence Interv al for Median
3,3229 4,1044
95% C onfidence Interv al for StDev
0,3416 0,9687
P-V alue 0,660
Mean 3,6900StDev 0,5057
9 5% Confidence Intervals
Summary for GO
Em Goiás também em seu pico da curva, há aumento na distribuição e com o passar dos anos e diminuição da curva há queda na distribuição. 4.3.2 Estado por Renda Per Capita
13000120001100010000900080007000
Median
Mean
13000120001100010000900080007000
A nderson-Darling Normality Test
V ariance 6074607,9Skewness 0,47418Kurtosis -1,48089N 9
Minimum 6991,0
A -Squared
1st Q uartile 7259,5Median 9070,03rd Q uartile 12295,5Maximum 13298,0
95% C onfidence Interv al for Mean
7735,7
0,39
11524,7
95% C onfidence Interv al for Median
7146,6 12597,3
95% C onfidence Interv al for StDev
1664,8 4721,7
P-V alue 0,304
Mean 9630,2StDev 2464,7
9 5% Confidence Intervals
Summary for RS - per capita
No Rio Grande do Sul, com o passar o tempo tem período de estabilidade com apresentação inclusive de outlier, mas no final de sua curva há surgimento de aumento em seu histograma.
15000135001200010500900075006000
Median
Mean
14000120001000080006000
A nderson-Darling Normality Test
V ariance 9765619,4Skewness 0,54007Kurtosis -1,20065N 9
Minimum 6210,0
A -Squared
1st Q uartile 6484,5Median 8816,03rd Q uartile 12583,5Maximum 14542,0
95% C onfidence Interv al for Mean
7100,8
0,34
11905,0
95% C onfidence Interv al for Median
6342,7 13029,5
95% C onfidence Interv al for StDev
2110,8 5986,8
P-V alue 0,417
Mean 9502,9StDev 3125,0
9 5% Confidence Intervals
Summary for SC - per capita
120001000080006000
Median
Mean
1200011000100009000800070006000
A nderson-Darling Normality Test
V ariance 7943460,9Skewness 0,73650Kurtosis -1,25405N 9
Minimum 5707,0
A -Squared
1st Q uartile 6288,0Median 7230,03rd Q uartile 11639,5Maximum 13079,0
95% C onfidence Interv al for Mean
6408,4
0,56
10741,2
95% C onfidence Interv al for Median
6165,6 12022,9
95% C onfidence Interv al for StDev
1903,7 5399,4
P-V alue 0,105
Mean 8574,8StDev 2818,4
9 5% Confidence Intervals
Summary for PR - per capita
Se visualizarmos caso de Santa Catarina e Paraná, as mesmas apresentam certa semelhança, com o passar do tempo há estabilidade na distribuição. No caso do Paraná já surgimento de 2 espaçamentos.
120001000080006000
Median
Mean
1200010000800060004000
A nderson-Darling Normality Test
V ariance 12271344,8Skewness 0,75298Kurtosis -1,11101N 9
Minimum 4656,0
A -Squared
1st Q uartile 5136,5Median 6850,03rd Q uartile 11856,0Maximum 13444,0
95% C onfidence Interv al for Mean
5404,8
0,55
10790,1
95% C onfidence Interv al for Median
5042,6 12677,2
95% C onfidence Interv al for StDev
2366,2 6711,0
P-V alue 0,110
Mean 8097,4StDev 3503,0
9 5% Confidence Intervals
Summary for MS - per capita
Em Mato Grosso do Sul, mesmo com outlier começa e finaliza com alta na distribuição, mas durante todo o desenvolvimento da curva há estabilidade.
800070006000500040003000
Median
Mean
70006000500040003000
A nderson-Darling Normality Test
V ariance 3394985,5Skewness 0,41698Kurtosis -1,15536N 9
Minimum 3200,0
A -Squared
1st Q uartile 3573,0Median 5329,03rd Q uartile 6901,0Maximum 8394,0
95% C onfidence Interv al for Mean
3897,2
0,29
6729,9
95% C onfidence Interv al for Median
3507,2 7068,1
95% C onfidence Interv al for StDev
1244,6 3529,9
P-V alue 0,530
Mean 5313,6StDev 1842,5
9 5% Confidence Intervals
Summary for RO - per capita
Em Roraima a distribuição permanece boa parte no decorrer do tempo em alta, quando há pico em sua curva há diminuição na distribuição, quando começa a diminuir sua curva há aumento do histograma e posterior queda.
9000800070006000500040003000
Median
Mean
9000800070006000500040003000
A nderson-Darling Normality Test
V ariance 5291787,5Skewness 0,15649Kurtosis -1,98311N 9
Minimum 3385,0
A -Squared
1st Q uartile 3624,0Median 5864,03rd Q uartile 8327,0Maximum 8992,0
95% C onfidence Interv al for Mean
4186,3
0,47
7722,8
95% C onfidence Interv al for Median
3615,8 8539,8
95% C onfidence Interv al for StDev
1553,8 4407,0
P-V alue 0,184
Mean 5954,6StDev 2300,4
9 5% Confidence Intervals
Summary for GO - per capita
Goiás curva normal, mas com períodos de estabilidade, outlier e finaliza com alta na distribuição. 4.4 ANÁLISE DE TENDÊNCIA 4.4.1 Por Estado
Index
RS
987654321
5,2
5,0
4,8
4,6
4,4
4,2
4,0
Accuracy MeasuresMAPE 4,13168MAD 0,19180MSD 0,05313
VariableActualFits
Trend Analysis Plot for RSLinear Trend Model
Yt = 4,03722 + 0,0943333*t
Trend Analysis for RS Data RS
Length 9 NMissing 0 Fitted Trend Equation Yt = 4,03722 + 0,0943333*t Accuracy Measures MAPE 4,13168 MAD 0,19180 MSD 0,05313
Index
SC
987654321
5,6
5,4
5,2
5,0
4,8
4,6
4,4
4,2
4,0
Accuracy MeasuresMAPE 7,24993MAD 0,33922MSD 0,18433
VariableActualFits
Trend Analysis Plot for SCLinear Trend Model
Yt = 5,26306 - 0,100167*t
Trend Analysis for SC Data SC Length 9 NMissing 0 Fitted Trend Equation Yt = 5,26306 - 0,100167*t Accuracy Measures MAPE 7,24993 MAD 0,33922 MSD 0,18433
Index
PR
987654321
5,00
4,75
4,50
4,25
4,00
3,75
3,50
Accuracy MeasuresMAPE 10,2118MAD 0,4215MSD 0,2264
VariableActualFits
Trend Analysis Plot for PRLinear Trend Model
Yt = 4,33944 - 0,061*t
Trend Analysis for PR Data PR Length 9 NMissing 0 Fitted Trend Equation Yt = 4,33944 - 0,061*t Accuracy Measures MAPE 10,2118 MAD 0,4215 MSD 0,2264
Index
MS
987654321
3,6
3,4
3,2
3,0
2,8
2,6
Accuracy MeasuresMAPE 7,79808MAD 0,23414MSD 0,06869
VariableActualFits
Trend Analysis Plot for MSLinear Trend Model
Yt = 3,36528 - 0,0541667*t
Trend Analysis for MS Data MS Length 9 NMissing 0 Fitted Trend Equation Yt = 3,36528 - 0,0541667*t Accuracy Measures MAPE 7,79808 MAD 0,23414 MSD 0,06869
Index
RO
987654321
6
5
4
3
2
1
Accuracy MeasuresMAPE 36,7133MAD 0,9760MSD 1,3876
VariableActualFits
Trend Analysis Plot for ROLinear Trend Model
Yt = 3,9525 - 0,0705*t
Trend Analysis for RO Data RO Length 9 NMissing 0 Fitted Trend Equation Yt = 3,9525 - 0,0705*t Accuracy Measures MAPE 36,7133 MAD 0,9760 MSD 1,3876
Index
GO
987654321
4,5
4,0
3,5
3,0
Accuracy MeasuresMAPE 9,68129MAD 0,34252MSD 0,22334
VariableActualFits
Trend Analysis Plot for GOLinear Trend Model
Yt = 3,56833 + 0,0243333*t
Trend Analysis for GO Data GO Length 9 NMissing 0 Fitted Trend Equation Yt = 3,56833 + 0,0243333*t Accuracy Measures MAPE 9,68129 MAD 0,34252 MSD 0,22334 QUADRO DE RESUMO DE ANÁLISE
RS SC PR MS RO GO
MAPE 4,13168 7,24993 10,2118 7,79808 36,7133 9,68129 MAD 0,19180 0,33922 0,4215 0,23414 0,9760 0,34252 MSD 0,05313 0,18433 0,2264 0,06869 1,3876 0,22334
O modelo de tendência com menor ruído para esta análise é também o modelo do
Estado de Roraima, que apresenta margem de erro maior, mas com os demais dados em
comparação aos demais menores.Podemos notar analisando cada análise de tendências
que os Estados do Rio Grande do Sul, Roraima e Goiás, as duas mesmo apresentando
quedas consideráveis e pequenos aumento, ao longo da análise finalizam a avaliação
com aumento, os demais Estados ao longo do tempo mesmo com alguns pontos de
picos, finalizam análise com queda. Podemos concluir que há uma queda considerável
de incidência de suicídios com o passar do tempo.
4.4.2 Por Renda Per Capita por Estado
Index
RS
- pe
r ca
pita
987654321
14000
13000
12000
11000
10000
9000
8000
7000
6000
Accuracy MeasuresMAPE 5MAD 450MSD 258278
VariableActualFits
Trend Analysis Plot for RS - per capitaLinear Trend Model
Yt = 5239,31 + 878,183*t
Trend Analysis for RS - per capita Data RS - per capita Length 9 NMissing 0 Fitted Trend Equation Yt = 5239,31 + 878,183*t Accuracy Measures MAPE 5 MAD 450 MSD 258278
Index
SC -
per
cap
ita
987654321
15000
12500
10000
7500
5000
Accuracy MeasuresMAPE 6MAD 533MSD 387180
VariableActualFits
Trend Analysis Plot for SC - per capitaLinear Trend Model
Yt = 3926,14 + 1115,35*t
Trend Analysis for SC - per capita Data SC - per capita Length 9 NMissing 0 Fitted Trend Equation Yt = 3926,14 + 1115,35*t Accuracy Measures MAPE 6 MAD 533 MSD 387180
Index
PR -
per
cap
ita
987654321
13000
12000
11000
10000
9000
8000
7000
6000
5000
4000
Accuracy MeasuresMAPE 9MAD 759MSD 835950
VariableActualFits
Trend Analysis Plot for PR - per capitaLinear Trend Model
Yt = 3743,28 + 966,3*t
Trend Analysis for PR - per capita Data PR - per capita Length 9 NMissing 0 Fitted Trend Equation Yt = 3743,28 + 966,3*t Accuracy Measures MAPE 9 MAD 759 MSD 835950
Index
MS
- pe
r ca
pita
987654321
14000
12000
10000
8000
6000
4000
2000
Accuracy MeasuresMAPE 13MAD 898MSD 1066362
VariableActualFits
Trend Analysis Plot for MS - per capitaLinear Trend Model
Yt = 2022,44 + 1215*t
Trend Analysis for MS - per capita Data MS - per capita Length 9 NMissing 0 Fitted Trend Equation Yt = 2022,44 + 1215*t Accuracy Measures MAPE 13 MAD 898 MSD 1066362
Index
RO
- p
er c
apit
a
987654321
9000
8000
7000
6000
5000
4000
3000
2000
Accuracy MeasuresMAPE 6MAD 245MSD 104224
VariableActualFits
Trend Analysis Plot for RO - per capitaLinear Trend Model
Yt = 2008,14 + 661,083*t
Trend Analysis for RO - per capita Data RO - per capita Length 9 NMissing 0 Fitted Trend Equation Yt = 2008,14 + 661,083*t Accuracy Measures MAPE 6 MAD 245 MSD 104224
Index
GO -
per
cap
ita
987654321
10000
9000
8000
7000
6000
5000
4000
3000
2000
Accuracy MeasuresMAPE 9MAD 406MSD 227520
VariableActualFits
Trend Analysis Plot for GO - per capitaLinear Trend Model
Yt = 1857,47 + 819,417*t
Trend Analysis for GO - per capita Data GO - per capita Length 9 NMissing 0 Fitted Trend Equation Yt = 1857,47 + 819,417*t Accuracy Measures MAPE 9 MAD 406 MSD 227520
RS SC PR MS RO GO
MAPE 5 6 9 13 6 9 MAD 450 533 759 898 245 406 MSD 258278 387180 835950 1066362 104224 227520
O modelo de tendência com menor ruído para esta análise é também o modelo do
Estado de Roraima, já Mato Grosso do Sul é o que apresenta margem de erro maior,
mas com os demais dados em comparação aos demais menores.Podemos notar
analisando cada análise de tendências que os Estados do Rio Grande do Sul,Santa
Catarina e Roraima , ao longo da avaliação apresentaram momentos de quedas as duas
mesmo apresentando quedas consideráveis e pequenos aumento, ao longo da análise
finalizam a avaliação com aumento, os demais Estados ao longo do tempo mesmo com
alguns pontos de picos, finalizam análise com queda. Podemos concluir que há uma
queda considerável de incidência de suicídios com o passar do tempo.
4.5 COMPONENTES PRINCIPAIS
4.5.1 Por Estado
Principal Component Analysis: RS; SC; PR; MS; RO; GO Eigenanalysis of the Correlation Matrix Eigenvalue 2,1843 1,6649 1,0089 0,5278 0,5019 0,1122 Proportion 0,364 0,277 0,168 0,088 0,084 0,019 Cumulative 0,364 0,642 0,810 0,898 0,981 1,000 Variable PC1 PC2 PC3 PC4 PC5 PC6 RS 0,198 0,239 -0,850 -0,060 0,421 -0,025 SC -0,589 -0,283 -0,201 0,110 0,089 0,716 PR -0,129 -0,650 -0,083 -0,664 0,148 -0,303 MS -0,550 0,176 0,219 0,242 0,609 -0,434 RO -0,513 0,181 -0,378 -0,002 -0,648 -0,377 GO 0,176 -0,614 -0,198 0,697 -0,050 -0,254
First Component
Seco
nd C
ompo
nent
210-1-2-3
3
2
1
0
-1
-2
Score Plot of RS; ...; GO
First Component
Seco
nd C
ompo
nent
0,20,10,0-0,1-0,2-0,3-0,4-0,5-0,6
0,2
0,1
0,0
-0,1
-0,2
-0,3
-0,4
-0,5
-0,6
-0,7
GO
ROMS
PR
SC
RS
Loading Plot of RS; ...; GO
Component Number
Eige
nval
ue
654321
2,0
1,5
1,0
0,5
0,0
Scree Plot of RS; ...; GO
O Eigenvalue é de 2,1843 o alto grau de confiabilidade do primeiro componente. A Proportion de 0,364 mostra que o primeiro componente representa 36% do indicador. No primeiro componente a variável que tem mais representatividade é a RS com 0,198.
4.5.2 Por Renda Per Capita Principal Component Analysis: RS - per cap; SC - per cap; PR - per cap; MS - pe Eigenanalysis of the Correlation Matrix Eigenvalue 5,8908 0,0787 0,0205 0,0080 0,0018 0,0002 Proportion 0,982 0,013 0,003 0,001 0,000 0,000 Cumulative 0,982 0,995 0,998 1,000 1,000 1,000 Variable PC1 PC2 PC3 PC4 PC5 PC6 RS - per capita -0,411 0,040 0,062 -0,613 0,035 0,669 SC - per capita -0,411 -0,051 0,407 -0,294 -0,546 -0,527 PR - per capita -0,405 0,615 -0,251 -0,103 0,486 -0,383 MS - per capita -0,409 0,372 0,105 0,668 -0,343 0,346 RO - per capita -0,407 -0,512 0,427 0,275 0,559 -0,036 GO - per capita -0,406 -0,465 -0,758 0,074 -0,183 -0,074
First Component
Seco
nd C
ompo
nent
3210-1-2-3-4
0,50
0,25
0,00
-0,25
-0,50
Score Plot of RS - per capita; ...; GO - per capita
First Component
Seco
nd C
ompo
nent
0,0-0,1-0,2-0,3-0,4
0,75
0,50
0,25
0,00
-0,25
-0,50GO - per capitaRO - per capita
MS - per capita
PR - per capita
SC - per capita
RS - per capita
Loading Plot of RS - per capita; ...; GO - per capita
Component Number
Eige
nval
ue
654321
6
5
4
3
2
1
0
Scree Plot of RS - per capita; ...; GO - per capita
O Eigenvalue é de 5,8998 o alto grau de confiabilidade do primeiro componente. A Proportion de 0,982 mostra que o primeiro componente representa 98% do indicador. No primeiro componente a variável que tem mais representatividade é a RS e SC com -0,411.Nos mostra certo equilíbrio. 4.6 ANOVA E BOXPLOT
Dat
a
GOROMSPRSCRS
6
5
4
3
2
1
Boxplot of RS; SC; PR; MS; RO; GO
Dat
a
GO - per capitaRO - per capitaMS - per capitaPR - per capitaSC - per capitaRS - per capita
16000
14000
12000
10000
8000
6000
4000
2000
Boxplot of RS - per cap; SC - per cap; PR - per cap; MS - per cap; ...
Podemos notar que não nenhuma similaridade entre os Estados, no qual notamos que apresentar maior representatividade o Rio Grande do Sul em comparação da Renda Per Capita. Sendo que Roraima apresenta nível mais baixo.
4.7 DISTRIBUIÇÃO DE AMOSTRA Correlations: RS; SC; PR; MS; RO; GO; RS - per cap; SC - per cap; ... RS SC PR MS SC -0,181 0,641 PR -0,189 0,433 0,625 0,244 MS -0,233 0,587 -0,078 0,546 0,097 0,842 RO 0,039 0,593 -0,054 0,406 0,921 0,093 0,891 0,278 GO -0,030 0,121 0,392 -0,350 0,939 0,757 0,297 0,357 RS - per cap 0,671 -0,542 -0,347 -0,469 0,048 0,132 0,360 0,203 SC - per cap 0,706 -0,541 -0,374 -0,466 0,034 0,132 0,321 0,206 PR - per cap 0,573 -0,576 -0,356 -0,476 0,107 0,105 0,347 0,195 MS - per cap 0,641 -0,601 -0,395 -0,467 0,063 0,087 0,293 0,205 RO - per cap 0,758 -0,569 -0,330 -0,491 0,018 0,110 0,386 0,180 GO - per cap 0,662 -0,609 -0,343 -0,443 0,052 0,082 0,366 0,233 RO GO RS - per cap SC - per cap GO -0,281 0,465 RS - per cap -0,023 0,034 0,954 0,931 SC - per cap -0,026 0,021 0,998 0,947 0,957 0,000 PR - per cap -0,012 -0,067 0,985 0,977 0,976 0,864 0,000 0,000 MS - per cap -0,035 -0,091 0,989 0,988 0,930 0,815 0,000 0,000 RO - per cap -0,116 0,080 0,983 0,989 0,767 0,838 0,000 0,000 GO - per cap -0,152 0,101 0,981 0,979 0,696 0,796 0,000 0,000 PR - per cap MS - per cap RO - per cap MS - per cap 0,993 0,000 RO - per cap 0,945 0,967
0,000 0,000 GO - per cap 0,951 0,963 0,985 0,000 0,000 0,000 Cell Contents: Pearson correlation P-Value
Dat
a
GOROMSPRSCRS
6
5
4
3
2
1
Individual Value Plot of RS; SC; PR; MS; RO; GO
Dat
a
GO - per capitaRO - per capitaMS - per capitaPR - per capitaSC - per capitaRS - per capita
16000
14000
12000
10000
8000
6000
4000
2000
Individual Value Plot of RS - per cap; SC - per cap; PR - per cap; ...
De acordo com as duas análises tanto por Estado e Per Capita o que apresenta nível mais baixo é Roraima e seguido de Goiás. Sendo que o Rio Grande de Sul apresenta similaridade nos 2 demonstrativo Individual Value Plot. 4.8 DENDOGRAMA
Variables
Sim
ilari
ty
GOPRMSROSCRS
51,95
67,96
83,98
100,00
Dendrogram with Single Linkage and Correlation Coefficient Distance
Variables
Sim
ilari
ty
GO - per capitaMS - per capitaPR - per capitaRO - per capitaSC - per capitaRS - per capita
99,24
99,49
99,75
100,00
Dendrogram with Single Linkage and Correlation Coefficient Distance
Podemos notar que os Estados com consideráveis índices são Rio Grande do Sul, Roraima e Goiás que apresentam variáveis adequadas para análises. Já Santa Catarina, Paraná e Mato Grosso do Sul, possuem similaridade na análise.
CONSIDERAÇÕES FINAIS Este trabalho de conclusão da disciplina, nos põe em questão a importância da utilização de software e análise de dados para desenvolvimento das pesquisas. Fazendo-nos pensar e fazer avaliações que põe em xeque a não somente uma primeira análise e sim, seguidas comprovações do que está sendo pesquisado. Como aconteceu com este trabalho e seus dados, que os componentes dos Indicadores que apresenta certa estabilidade e confiabilidade por não apresentar grandes alterações foram os Estados de Santa Catarina, Paraná e Mato Grosso do Sul, já nas demais variáveis apresentam oscilações, sendo assim considerados com maiores incidências de suicídio sobre a influência da Renda Per Capita são Rio Grande do Sul, Roraima e Goiás. Ainda assim podemos verificar que quanto maior o PIB maior a o número percentual de suicídios, o que nos leva a concluir que as pessoas com renda ou a classe social mais elevada são as que cometem maior numero de suicídios. Ao longo do nosso trabalho buscamos sempre comprovar que a Renda Per Capita, possui grande influência na incidência de suicídios. E para isso utilizamos as variáveis de Estados e Renda para tal comprovação, sendo os demais desnecessários para comprovação. Figura abaixo nos mostra a Renda de cada Estado, por cores e valores.
Mapa de estados do Brasil segundo o PIB per capita. Alta renda ██ + R$ 18.000 ██ + R$ 16.000 ██ + R$ 14.000
Média renda ██ + R$ 12.000 ██ + R$ 10.000 ██ + R$ 8.000
Baixa renda ██ + R$ 6.000 ██ + R$ 4.000 ██ + R$ 2.000
Recommended