IMPACTOS DO SANEAMENTO BSICO SOBRE A SADE: UMA ANLISE ESPACIAL

Juliana Souza Scriptore

Universidade de So Paulo (FEA-USP) e Universidade Federal de Alfenas (UNIFAL-MG)

Carlos Roberto Azzoni

Universidade de So Paulo (FEA-USP)

Resumo

Nesse estudo foi investigado o efeito do saneamento sobre a sade a partir de uma anlise espacial. Essa investigao foi realizada por meio de dados por distrito construdos a partir do Censo Demogrfico do Universo por setor censitrio (IBGE, 2010), Cadastro Nacional de Endereos para Fins Estatsticos (CNEFE, 2011), Diretrio Nacional de Endereos (DNE, 2015) e Departamento de Informtica do Sistema nico de Sade (DATASUS, 2010). Os resultados indicam que, em geral, o acesso aos servios de saneamento inadequados causa impacto positivo na taxa de incidncia de internaes por Doenas Relacionadas ao Saneamento Ambiental Inadequado (DRSAI), por mil habitantes, a varivel de sade considerada nesse estudo. Para a populao de todas as idades, o impacto total mdio do aumento de 1% na parcela de domiclios servidos por gua da chuva armazenada em cisterna ou caixa de cimento 0,217 casos por mil habitantes. Quando se considera a porcentagem dos domiclios que tem banheiro conectado a uma fossa rudimentar, esse impacto 0,035 casos por 1000 habitantes. Por outro lado, no que diz respeito varivel adequada de saneamento, domiclios conectados rede de distribuio de gua e que, alm disso, na quadra onde esto localizados inexistente condies de esgoto a cu aberto, esse impacto gera uma queda de 0,166 casos, por mil habitantes, nas internaes por DRSAI. A varivel de maior impacto total mdio refere-se porcentagem de domiclios que no tem banheiro e, alm disso, possuem presena de esgoto a cu aberto em suas condies de entorno, pois acarreta aumento de 3,281 na taxa de incidncia de internaes por DRSAI. Outro resultado desse estudo que a populao mais jovem a mais atingida pelas condies inadequadas dos servios de saneamento bsico.

Palavras-chave: Tobit Durbin Espacial, Econometria Espacial, Saneamento Bsico, Sade.

JEL: O18; I18; C21

Abstract

This work studies the effect of sanitation on health made use of spatial econometrics techniques. This analysis was conducted applying data at district level, which was constructed from the results from the universe of the Population Census (IBGE) by census tract, the National Register of Addresses for Statistical Purposes (CNEFE, 2011), the National Address Directory (DNE, 2015) and the Department of Informatics of the Unified Health System (DATASUS, 2010). The results indicate that, in general, access to inadequate sanitation services has a positive impact on the incidence of hospitalizations because of Diseases Related to Inadequate Environmental Sanitation (DRIES), per thousand inhabitants, the health variable considered in this study. For the population of all ages, the average total impact of a 1% increase in the share of dwellings served by rain water (stored in cisterns or cement tanks) is 0.217 cases per thousand inhabitants. Considering the percentage of dwellings with toilets connected to rudimentary cesspools, this impact is 0.035 cases per thousand inhabitants. On the other hand, with regard to the appropriate sanitation variable, the average total impact of 1% increase in the share of permanent dwellings connected to the water distribution network and whose block does not present open sewage conditions is -0.166 cases per thousand inhabitants. The variable with highest average total impact refers to the percentage of dwellings that have no toilet and, moreover, have the presence of open sewage in their surrounding conditions. The increase in a percentage unit in this variable generates an increase of 3.281 in the rate of incidence of hospitalizations because of DRIES. Another result of this study is that the younger population is the most affected by the poor conditions to basic sanitation services.

Key words: Spatial Durbin Tobit, Spatial Econometrics, Sanitation, Health.

JEL: O18; I18; C21

rea 10 - Economia Regional e Urbana

1. Introduo

A importncia do saneamento bsico e da sua associao com a sade remonta a tempos mais antigos. reconhecida e consolidada a literatura que trata dos efeitos positivos do acesso aos servios de abastecimento de gua, tratamento e coleta de esgoto tanto em relao aos impactos sobre mortalidade infantil, evidenciados por Cutler e Miler (2005), Watson (2006), Geruso e Spears (2015), quanto no que diz respeito aos indicadores de morbidez retratados por Bleakley (2007), Duflo et al. (2015), Fewtrell et al. (2005).

As precrias condies de saneamento bsico propiciam a transmisso de bactrias, vrus e parasitas, que esto presentes nas fezes, urina ou vmito do doente ou portador, causadores de diversas doenas infectocontagiosas. A diarreia a mais conhecida dentre elas, pelos seus efeitos devastadores sobre a taxa de mortalidade infantil em diversos pases do mundo. No entanto, existem diversas outras doenas que tambm merecem preocupao quanto aos danos causados populao, em especial s crianas, tais como a esquistossomose, febre amarela e malria. A grande importncia em diminuir as taxas de incidncia de tais doenas levou a Fundao Nacional da Sade (Funasa, 2004) a classifica-las como Doenas Relacionadas ao Saneamento Ambiental Inadequado (DRSAI) baseada na proposta de classificao das doenas de Cairncross e Feachem (1990; 1993) e Mara e Feachem (1999).

A partir do reconhecimento milenar desta associao entre saneamento e sade, o presente artigo investiga, a partir de uma anlise espacial que controla a censura dos dados por meio de um Spatial Durbin Model Tobit, as consequncias das DRSAI sobre a sade de toda populao e das crianas de 0 a 14 anos. Os dados utilizados, no disponveis em domnio pblico, foram construdos em nvel distrital para o ano de 2010 com o objetivo de comprovar de forma mais realista as hipteses dos efeitos espaciais estabelecidas neste trabalho. O artigo est dividido em seis sees incluindo essa introduo. A prxima seo trata da reviso bibliogrfica, a terceira da metodologia e dos dados utilizados, a quarta apresenta os resultados e a ltima tece as concluses.

2. Reviso bibliogrfica

O objetivo desta seo apresentar a literatura acerca da relao entre o acesso aos servios de saneamento bsico e as DRSAI que, no levam o indivduo a bito, mas que podem gerar um estado de sade debilitado e gerar preocupantes impactos socioeconmicosno no longo prazo.

Fewtrell et. al. (2005) concluram que abastecimento de gua, coleta de esgoto, prticas higinicas e tambm a combinao destas aes foram efetivas na reduo de doenas diarreicas, com destaque para as intervenes associadas qualidade da gua, que se mostraram ainda mais eficientes. Porm, estudo de Esrey (1991) destaca superioridade da interveno de esgotamento sanitrio comparativamente oferta de gua na queda de incidncia de diversas doenas relacionadas saneamento. Duflo et al (2015) estimaram o impacto de um programa integrado de oferta dos servios de gua encanada e fossas higinicas, com custo razovel, para cada residncia de um conjunto de vilas na rea rural da ndia. A complementariedade de tais servios, juntamente com as externalidades que geram, mostrou-se efetiva para a reduo de doenas transmitidas pela gua. Os resultados encontrados pelos autores indicaram reduo em torno de 30 a 50% dos episdios de diarreia aguda e, ainda que em menor magnitude e preciso, tambm houve diminuio da incidncia de malria.

Em relao malria, dentre as principais causas dessa doena esto a m qualidade da gua e as poas de gua parada que afetam principalmente as crianas, que se tornam adultos menos produtivos (OMS, 2004). Gallup e Sachs (2001) mostraram que pases como Costa do Marfim ou Zmbia, em que 50% da populao est exposta a essa doena, tem rendimentos per capita que so um tero daqueles pases em que as pessoas esto livres da contaminao pela mesma. Bleakley (2010) encontrou evidncias, em vrios pases da Amrica Latina, de que uma criana que cresce livre da malria ganha 50% mais por ano durante toda sua vida adulta, em comparao com uma criana que tenha contrado a doena.

Bleakley (2007) encontrou que crianas infectadas com o parasita da ancilostomose (amarelo) no Sul dos Estados Unidos, que se desenvolveu em condies sanitrias inadequadas, tinham uma probabilidade 20 por cento menor de matricular-se na escola. Alm disso, os efeitos de longo prazo mostraram que a populao infectada durante a infncia teve uma reduo de 40% em seus salrios aps se tornarem adultos. Miguel e Kremer (2004) encontraram um efeito positivo da medicao contra helmintos (vermes) intestinais sobre a frequncia escolar de crianas quenianas. Os autores ressaltam a importncia da adequada proviso de bens pblicos de saneamento, uma vez que a transmisso de tais agentes patognicos ocorreu pela matria fecal no tratada ou no disposta corretamente pelos mesmos.

Para o caso brasileiro, Heller (1997) mostrou que um nmero importante de estudos epidemiolgicos aponta para a associao entre condies de saneamento e sade. Andreazzi et al. (2007) encontraram em 15 estudos associao positiva entre a varivel de acesso a saneamento e a melhora da varivel de sade investigada. Kassouf (1994) destacou o papel da infraestrutura residencial sobre a sade das crianas em idade escolar. A gua encanada foi importante para a melhoria da sade das crianas na regio Nordeste e no setor urbano. Na regio Sul e no setor rural, o sistema de esgoto afetou positivamente a sade das crianas.

Barreto et al. (2010) apontaram queda de 21% na prevalncia de diarreia nas crianas com menos de 3 anos de idade entre o perodo pr e ps introduo de um programa de saneamento em Salvador no ano de 1997. O estudo ainda ressaltou que essa queda ocorreu via aumento da cobertura na vizinhana, j que o programa conseguiu diminuir a poluio fecal dos vizinhos como um todo. A partir de trs regies pr-estabelecidas em Salvador, os resultados de Moraes (2003) et al. apontaram que a incidncia de diarreia nas crianas de regies que contavam apenas com os servios de drenagem de guas pluviais foi de dois teros da incidncia de diarreia nas crianas de regies que no tinham esse servio. Esse valor para as regies que tinham drenagem e esgotamento sanitrio foi menos que um tero em comparao a regies que no tinham nenhum desses dois servios. Rego et al. (2004) mostrou que crianas expostas ao lixo no ambiente em que vivem tiveram probabilidade 3,98 vezes maior de ter diarreia, quando comparadas a crianas que no so expostas. De forma geral, os estudos apontam o efeito positivo de aes de saneamento sobre a queda da incidncia de DRSAI, com destaque para a diarreia.

3. Metodologia

3.1Dados

Os dados deste trabalho so provenientes do Censo Demogrfico do Universo por setor censitrio (IBGE, 2010), Cadastro Nacional de Endereos para Fins Estatsticos (CNEFE, 2011), Diretrio Nacional de Endereos (DNE, 2015) e Departamento de Informtica do Sistema nico de Sade (DATASUS, 2010).

Os dados por setor censitrio compreendem caractersticas dos domiclios particulares e das pessoas que foram investigadas para a totalidade da populao e so denominados, por conveno, resultados do universo (IBGE, 2011). O setor censitrio a menor unidade territorial, formada por rea contnua, integralmente contida em rea urbana ou rural, com dimenso adequada realizao da coleta de dados por um pesquisador que vai a campo por ocasio do censo. O setor constitui um conjunto de quadras, no caso de rea urbana, ou uma rea do municpio, no caso de uma rea no urbanizada.

Nesse estudo utilizaram-se dados por setor censitrio, agregados por distritos[footnoteRef:1], com o objetivo de se alcanar um nvel de desagregao menor que o municipal. [1: Os distritos so unidades administrativas dos municpios e criados por legislao municipal, devendo observar a continuidade territorial e os requisitos previstos em lei complementar estadual (IBGE, 2011).]

O menor nvel de desagregao relevante para o problema em anlise, pois o deslocamento dos agentes patognicos pode ocorrer mais facilmente entre distritos, mas menos provavelmente entre municpios. Alm disso, a justificativa dessa desagregao, alm do menor raio de deslocamento dos agentes patognicos, encontra-se na percepo de que as condies de saneamento bsico de um municpio tendem a ser muito heterogneas entre diferentes distritos, em especial nas grandes cidades[footnoteRef:2]. Logo, nesse estudo foram utilizados dados agregados em nvel distrital que exigiu a construo de uma nova varivel dependente, que no est disponvel nas bases de dados comumente utilizadas pelos pesquisadores. Esta varivel proveniente dos registros de Autorizao de Internao Hospitalar (AIH) extrados do Sistema de Informaes Hospitalares do Sistema nico de Sade (SIHSUS-DATASUS, 2010). Esses dados so informados mensalmente por todos os estabelecimentos pblicos, conveniados e contratados, que realizam internaes financiadas pelo SUS. Entre os diversos tipos de internaes disponveis, foram selecionadas as internaes cujo diagnstico principal fosse tpico das DRSAIs, de acordo com classificao da FUNASA (2004). Tais doenas foram identificadas pelo captulo 10 da Classificao Internacional de Doenas, CID-10 (OMS, 1997). Cada registro de internao acompanha o Cdigo de Endereamento Postal (CEP) do local da residncia de cada paciente. Para a construo da nova varivel dependente foi necessrio estabelecer uma lista de CEPs para cada distrito com o objetivo de realizar um merge e identificar em quais distritos os casos de DRSAI ocorreram. As faixas de CEP de cada distrito foram construdas utilizando-se duas bases de dados: o CNEFE e o DNE. O Cadastro Nacional de Endereos para fins Estatsticos (CNEFE) uma base de dados disponibilizada tambm pelo IBGE, que contm aproximadamente 80 milhes de endereos urbanos e rurais distribudos pelos 310 mil setores censitrios. No entanto, os CEPs do CNEFE no cobrem todo o territrio brasileiro[footnoteRef:3]. De forma a complementar e identificar os CEPs das regies faltantes, utilizou-se a base de dados dos Correios, o Diretrio Nacional de Endereos (DNE). O DNE um banco de dados que contm mais de 900 mil CEPs de todo o Brasil que contm os Cdigos de Endereamento Postal (CEP). A tabela A.1 do Anexo apresenta o nmero de distritos por cada Unidade da Federao bem como o nmero de agregaes realizadas utilizando essas duas bases de dados. Por fim, a tabela 3.1 contm a descrio de todas as variveis utilizadas nesse estudo e a Tabela A.2 do Anexo as suas estatsticas descritivas. [2: Por exemplo, So Paulo, o maior municpio brasileiro em populao, possui 96 distritos, que apresentam distintas taxas de acesso a saneamento bsico.] [3: H uma grande quantidade de CEPs iguais para distritos diferentes e outros com cdigos errados e inexistentes. Isso ocorre, pois, os mesmos foram obtidos a partir de declarao dos prprios moradores. A verificao da validade de tais informaes por parte do IBGE foi realizada apenas para os municpios pequenos de CEP nico.]

Tabela 3.1 Descrio variveis dependentes e das variveis independentes (Modelo 1 e 2).

Fonte: Elaborao prpria

3.2 O modelo terico

A grande questo que permeou os estudos da economia da sade desde a segunda metade do sculo passado refere-se a como os cuidados com a sade diferem entre os indivduos. Uma das caractersticas dos cuidados de sade, de acordo com Grossman (1972), que a procura por cuidados mdicos derivada da demanda por sade, que fundamental para os indivduos participarem do mercado de trabalho e auferirem rendimentos no futuro.

O estudo de Sousa e Leite Filho (2008) introduziram variveis relativas aos servios de saneamento para explicar o status de sade de uma populao. No presente trabalho, a varivel explicada de sade ser medida pela taxa de incidncia de internaes por Doenas Relacionadas ao Saneamento Ambiental Inadequado (DRSAI) e, em consonncia com os autores, sero introduzidas variveis de saneamento na funo de produo de dias saudveis tambm denominada de funo de produo de sade ou investimento bruto em sade (). Em sua forma original, Grosman (1972) considera quatro variveis na funo de produo de sade: a primeira delas diz respeito ao consumo de bens e servios mdicos apropriados, denominados cuidados mdicos (), a segunda referente ao tempo e ao esforo que cada pessoa empreende para melhorar a sade (), a terceira () demonstra que a idade do indivduo pode afetar a capacidade de produo de sade e, por fim, a ltima varivel () evidencia que pessoas educadas produzem investimento em sade de forma mais eficiente e, portanto, cuidam-se mais. No entanto, outras variveis exgenas tambm podem ser consideradas nessa funo de produo. Berndt et al. (2000) ressaltam que a funo de produo de sade apresenta uma srie de argumentos que podem ser interdependentes entre si. Um dos elementos que os autores relatam afetar a sade refere-se ao ambiente. As mudanas ambientais (poluio do ar, gua, clima, entre outros) podem melhorar ou retardar a sade e, portanto, devem ser contempladas nesta funo.

O acesso aos diversos tipos de servios de saneamento (gua, esgoto, lixo e drenagem de guas pluviais) ser considerado varivel exgena importante na funo de produo de sade. Dessa forma, a varivel que ser adicionada na mesma denominada tipo do servio de saneamento bsico () no perodo de tempo i. A outra varivel adicionada diz respeito ao vetor de caractersticas socioeconmicas () dos distritos. A partir dessas variveis, a funo de produo de sade assume a especificao expressa na equao abaixo:

(3.1)

A quantidade de equilbrio de encontrada pela maximizao da utilidade familiar[footnoteRef:4] sujeita a um conjunto de restries. A sade considerada por Grosman (1972) como um bem de consumo, pois entra diretamente na funo utilidade e proporciona, por si s, bem-estar aos indivduos. Alm disso, pode ser vista como um bem de investimento, porque as pessoas demandam sade com o intuito de ganhar renda no futuro ao participarem do mercado de trabalho. Por ltimo, a sade tambm bem de capital, pelo fato da mesma durar mais que um perodo de tempo e constituir-se em estoque acumulado, que se deprecia com o aumento da idade. [4: Nesse caso, na funo utilidade intertemporal de um consumidor tpico, , o estoque de sade inicial herdado pelo indivduo, o estoque de sade em qualquer perodo de tempo, o fluxo de servios de sade por unidade de estoque de sade, em qualquer perodo de tempo, o consumo total de servios de sade e consumo total de outras mercadorias no relacionadas com a sade.]

Quando a aquisio de sade considerada como um bem puro de investimento, os custos de capital de sade so os custos de se abdicar de tempo e dinheiro para se obter sade. Desde que o estoque de sade inicial herdado pelo indivduo e as taxas de depreciao so dadas, a quantidade tima de investimento bruto em sade determina a quantidade tima de capital de sade ().

A relao desse custo com o estoque de sade do indivduo descreve o padro das taxas de retorno do investimento em sade, ou seja, a eficincia marginal do investimento em sade (EMH), que exibe retornos marginais decrescentes para a funo de produo de dias saudveis. A curva que mostra a relao entre o estoque de sade e o custo de capital infinitamente elstica. O ponto timo de demanda de sade obtido pela interseo da curva EMH com a curva acima.

medida em que a educao, o acesso aos servios adequados de saneamento bsico e as variveis socioeconmicas (tal como a renda) aumentam o capital de sade do indivduo afetado. Isso ocorre pelo fato das pessoas utilizarem os insumos de produo de forma mais eficiente (educao), devido presena de externalidades ambientas que reforam os retornos obtidos dos dias saudveis (saneamento) ou em decorrncia do investimento em novos insumos de sade (variveis socioeconmicas). No caso da renda, duas situaes podem ocorrer: o maior valor da hora do indivduo no mercado de trabalho o leva a desejar no perder tempo com a falta de sade e, portanto, investe na mesma. De forma alternativa, por trocar um pouco do seu rendimento por lazer ter mais tempo para investir em sade que, consequentemente, refora o primeiro efeito e ainda lhe causa bem-estar.

3.3 Estratgia emprica

3.3.1 Os modelos e testes espaciais

O modelo geral para a relao entre a taxa de incidncia de DRSAI () e as variveis de saneamento () expresso por:

(3.2)

Em que um vetor , uma matriz de observaes das variveis de interesse de saneamento e outras variveis independentes de controle, o vetor de parmetros e um vetor de erros aleatrios independente e identicamente distribudos.

Esse estudo tratar dos efeitos espaciais presentes nos dados sobre saneamento bsico. H trs tipos deles. O primeiro efeito espacial ocorre quando alteraes em uma observao da varivel incidncia de DRSAI (), causadas por choques endgenos e/ou exgenos ao modelo, extravasam para os vizinhos, causando alteraes nas observaes dos mesmos (). Este modelo pode ser representado em termos matriciais, por (Anselin, 1988):

(3.3)

(3.4)

Em que, o parmetro autoregressivo espacial, que mede a influncia mdia dos vizinhos sobre observaes no vetor , a matriz de pesos espaciais exgenos e o termo de defasagem espacial, que representa, para cada distrito, a taxa de incidncia de internaes por DRSAI dos distritos vizinhos.

O segundo efeito espacial a heterogeneidade espacial, que significa que podem existir respostas distintas decorrentes de um estmulo do fenmeno em estudo, dependendo da regio onde ocorrem. Neste caso, ainda de acordo com Anselin e Bera (1998), a especificao mais comum desse efeito assume a seguinte forma:

(3.5);

Em que, o coeficiente autoregressivo espacial para a defasagem do termo de erro e o termo de erro no correlacionado e homocedstico.

Por fim, o ltimo componente espacial a ser apresentado trata da defasagem do vetor de variveis exgenas () que contm as variveis de saneamento e de outras variveis de controle. Em outras palavras, esse efeito ocorre quando as variveis contidas na matriz transbordam espacialmente. (3.6)

Em que, contm os parmetros das variveis explicativas defasadas espacialmente.

Os trs tipos de componentes espaciais mencionados acima do origem, respectivamente, ao Modelo de Defasagem Espacial (SAR), ao Modelo de Erro Espacial (SEM) e ao Modelo Regressivo Cruzado Espacial (SLX). A combinao do modelo SAR ( com o modelo SLX ( resulta no modelo Durbin Espacial (SDM), que inclui dois tipos de defasagem espacial: da varivel dependente e das variveis independentes. O modelo Durbin Espacial de Erro (SDEM), por sua vez, a combinao do modelo SEM () com o modelo SLX (.

Segundo Anselin (1998), a anlise exploratria dos dados espaciais (ESDA) descreve distribuies espaciais, identifica localidades atpicas, agrupamentos de observaes semelhantes (clusters) e aponta formas de heterogeneidade espacial. Logo, antes de se estimar um modelo espacial deve-se fazer tal anlise. A primeira estatstica de teste global elaborada para a anlise em questo o I de Moran, coeficiente de autocorrelao espacial cuja hiptese nula de aleatoriedade espacial[footnoteRef:5]. O valor positivo e estatisticamente significativo da estatstica I de Moran global, pois leva em conta todas as regies. No entanto, possvel encontrar alguns agrupamentos espaciais locais que apresentam autocorrelao espacial negativa. Segundo Anselin (1995), um Local Indicator of Spatial Association (LISA) tem o objetivo de detectar padres locais de autocorrelao espacial nas variveis. Estas estatsticas identificam, para cada observao, os clusters espaciais significativos estatisticamente, em funo da mdia dos vizinhos. Neste estudo, calculou-se o indicador LISA para a taxa de incidncia de DRSAI por mil habitantes para o ano de 2010[footnoteRef:6]. A Figura A.1 do Anexo identifica tais clusters. [5: Moran (1948) props esta estatstica de teste utilizando uma medida de autocovarincia na forma de produto cruzado da seguinte forma: .] [6: Os distritos que possuem altas taxas de incidncia de DRSAI e que so cercados por distritos cuja mdia das taxas de incidncia de DRSAI tambm alta fazem parte da aglomerao ou cluster denominado Alto-Alto. O cluster Baixo-Baixo indica que os distritos pertencentes as estas aglomeraes tm baixas taxas de incidncia de DRSAI e possuem vizinhos cuja mdia tambm baixa. Logo, nesses dois casos, h autocorrelao espacial positiva. Ao contrrio, a autocorrelao espacial negativa ocorre quando um determinado distrito possui alta (baixa) taxa de incidncia e cercado por vizinhos que, conjuntamente, apresentam um valor baixo (alto) para a mdia das taxas de incidncia de DRSAI. Ou seja, trata-se do cluster Alto-Baixo (Baixo-Alto).]

A deciso de escolha entre os modelos para especificao final envolve a anlise dos testes de Multiplicador de Lagrange (LM), em suas verses tradicionais e robustas.

O teste LM-erro assume que e testa a hiptese nula . Se esta hiptese nula for rejeitada, a escolha recai sobre o modelo SEM. Analogamente, o teste LM-lag assume que e a hiptese nula a ser testada . Neste caso, se a hiptese nula for rejeitada, existem evidncias de que se trata de um modelo de defasagem espacial (FLORAX et al., 2003). As verses robustas de ambos os testes estabelecem, no primeiro caso, a mesma hiptese nula, porm no assume . Ou seja, permite que esse parmetro seja de qualquer valor e, portanto, admite a presena da defasagem espacial, ainda que o valor desta seja desconhecido. No segundo caso, no assume . A interpretao dos coeficientes em um modelo espacial diferente da forma usual, ou seja, no se interpreta mais como o impacto marginal da varivel independente sobre a varivel dependente. Quando os efeitos da interao entre os distritos so levados em considerao, o efeito marginal passa a contar com a matriz da equao 3.7, tomando como exemplo o modelo SDM:

(3.7)

O clculo das derivadas parciais desse modelo so feitos por uma matriz no diagonal, que produto de duas outras, tambm no diagonais: e . Quando h spillovers no modelo ( os termos fora da diagonal principal so diferentes de zero. Logo, quando a taxa de internaes por DRSAI de um distrito varia, todas as observaes do sistema so influenciadas. O diferencial do modelo SDM que alm dos efeitos associados correlao espacial endgena h tambm os efeitos da correlao espacial exgena. Esses dois efeitos implicam em spillovers espaciais para os demais distritos, tanto via varivel dependente diretamente como via varivel independente.

LeSage e Pace (2009) definem o efeito direto (ED) como a mdia dos elementos da diagonal principal da matriz de derivadas parciais (efeitos da variao de uma varivel explicativa na varivel dependente da prpria observao). Logo, o impacto mdio na taxa de incidncia de internaes por DRSAI () quando ocorre variao de 1% na varivel de saneamento (). O efeito indireto (EI) a mdia das somas dos elementos no diagonais em cada uma das linhas (ou colunas) da matriz (efeitos da variao de uma varivel explicativa na varivel dependente de outras observaes). Dessa forma, tem-se o impacto mdio na taxa de incidncia de internaes por DRSAI () quando ocorre variao de 1% na varivel de saneamento (). O efeito total (ET) consiste na soma dos efeitos diretos e indiretos.

3.3.2 O modelo Spatial Durbin Tobit

Em muitas anlises empricas, as informaes da varivel dependente no so observadas por causa de um determinando tipo de censura. Em relao ao fenmeno de estudo aqui apresentado, a censura dos dados deve-se no ocorrncia de casos de internaes por DRSAI nos distritos. Nesse contexto, so distritos saudveis os que no registraram nenhuma internao por DRSAI para qualquer uma das duas populaes analisadas. Conforme descrito anteriormente, a base de dados utilizada nesse estudo apresenta 3.703 observaes (distritos), de um total de 10.225 observaes, que apresentam valor igual a zero para a taxa de internaes por DRSAI no ano de 2010 em relao populao de todas as idades. Quando se trata da populao de 0 a 14 anos esse valor de 4.174. Para tais situaes, LeSage e Pace (2009) sugerem o uso de um modelo Tobit Espacial.

De acordo com Tobin (1958), a varivel explicada neste caso contnua ao longo dos valores positivos, mas parte da amostra composta por observaes que tm valores nulos para essa varivel. Se a varivel latente () supera um nvel crtico (c) os valores da varivel latente so observados; caso contrrio, observam-se valores nulos.

(3.8)

A estimao consistente dos parmetros do modelo realizada por meio do mtodo de mxima verossimilhana (MV). Almeida (2012) ressalta que existem duas complicaes para um modelo Tobit com dados espaciais: a primeira delas refere-se dificuldade computacional de se utilizar o estimador de mxima verossimilhana num contexto de dependncia espacial. A segunda complicao refere-se ao fato do modelo Tobit ser muito sensvel a hipteses sobre a distribuio dos termos de erro. Se houver heterocedasticidade ou no normalidade dos erros, a estimao torna-se inconsistente.

Se existe incerteza acerca de um vetor de parmetros de, por exemplo, um modelo Durbin Espacial (SDM), , possvel represent-lo por uma distribuio de probabilidade, denominada distribuio de probabilidade a priori, . O principal objetivo da abordagem Bayesiana atualizar essa incerteza inicial por meio dos dados empricos () a fim de produzir uma distribuio de probabilidade a posteriori, com menor incerteza (LYNCH, 2006). A partir do teorema de Bayes, a seguinte relao pode ser obtida:

(3.9)

Em que, a probabilidade de ocorrncia dos dados condicionada nos parmetros e a probabilidade marginal (ou probabilidade simples) dos dados empricos.

De acordo com Golgher (2015), se for possvel e, teoricamente plausvel, deve-se escolher o formato da distribuio a priori de forma que a distribuio a posteriori resultante seja de um formato conhecido. No entanto, quando a distribuio a posteriori no pode ser obtida analiticamente ou se a utilizao desta complicada, em alguns casos utiliza-se o algoritmo de Gibbs[footnoteRef:7], o mais bsico dentre os mtodos bayesianos com Monte Carlo via cadeias de Markov (MCMC), para gerar as estimativas de forma indireta. A partir de uma distribuio conjunta, o algoritmo encontra as distribuies condicionais em formato fechado. A implementao desse algoritmo parte de um valor inicial de uma das variveis e, por meio de um valor conhecido para obtm-se um conjunto de valores de x e outro de y. Dado que ambos os valores de cada grupo dependem do valor inicial, deve-se descartar os primeiros valores de cada grupo. [7: Para maiores detalhes ver Lacombe (2008). ]

A estimativas bayesianas do modelo heterocedstico Tobit Durbin Espacial (SDMT) foram obtidas a partir das funes disponibilizadas no site do LeSage e Pace (2009). importante destacar que a distribuio para o parmetro de lag espacial uniforme, definida no intervalo e, portanto, todos os valores nesse intervalo tm a mesma probabilidade inicial, . O procedimento foi realizado 2.500 vezes, mas, destas, as 500 primeiras foram descartadas. Logo, o procedimento de obter um nmero aleatrio de uma distribuio com mdia e varincia conhecidas foi realizado 2000 vezes.

3.3.3 Hipteses

Nesse artigo, so estimados dois tipos de especificao: Modelo 1 e Modelo 2. Para cada um deles, haver duas variveis dependentes representativas de duas faixas etrias da populao: a de todas as idades e a de 0 a 14 anos. Com exceo das variveis de saneamento do vetor , as outras variveis de controle () so as mesmas para os dois modelos. No primeiro deles, o vetor relativo s variveis que expressam o tipo de acesso aos servios de saneamento bsico contm trs formas inadequadas de acesso gua e esgoto (d_cist, d_frud e sbceuab) sendo que uma delas refere-se s piores condies em termos de servios de esgotamento sanitrio (sbceuab). O Modelo 1 expresso conforme a equao 3.10:

(3.10)

O segundo modelo contm duas variveis representativas das melhores condies de acesso aos servios de gua e esgoto (ag_nao_ceuab e esg_nao_ceuab) e duas outras representativas das condies inadequadas de acesso coleta de lixo e moradia inadequada e drenagem de guas pluviais (lixo_mor_inad e d_nao_bueiro). A equao (3.11) expressa a especificao do Modelo 2:

(3.11)

No primeiro modelo, a primeira e a terceira variveis expressam formas alternativas de inadequada proviso dos servios de abastecimento de gua e coleta de esgoto, respectivamente. A segunda varivel, por sua vez, reflete ausncia total do servio de esgotamento sanitrio: alm dos domiclios no terem banheiro, esto inseridos em condies adversas de esgoto a cu aberto[footnoteRef:8]. [8: Em relao aos servios de abastecimento de gua (via quantidade ou qualidade), resultados nessa direo tambm foram encontrados para outros pases por Snow (1990) e Fewtrell et al. (2005) e, para o caso brasileiro, por Kassouf (1994) e Andreazzi et al. (2007). Alm disso, Duflo et al. (2015), Fewtrell et al. (2005), Phillillippi e Malheiros (2005) e Heller (1997), este ltimo para o Brasil, apontam que as duas formas principais de interveno em saneamento (gua e esgoto) devem ser combinadas em ao conjunta e efetiva para a reduo de incidncia de DRSAIs.]

O modelo terico desenvolvido na seo 3.1 tambm corrobora essa associao. Em relao varivel de saneamento a implicao do modelo que, por ser uma varivel exgena, pode melhorar ou retardar a sade (BERNDT, 2000). Nessa situao, por se tratar de variveis adversas de infraestrutura, a varivel de sade negativamente impactada via curva de eficincia marginal do investimento em sade (EMH). Logo, de acordo com os estudos mencionados e com o modelo terico, esperado que piores condies de acesso a tais servios correspondam a uma maior propagao de DRSAIs e, consequentemente, maiores taxas de internao, o que justifica o esperado sinal positivo para os coeficientes estimados para essas variveis.

No segundo modelo, h dois efeitos a serem analisados: o efeito das variveis que refletem as melhores condies de saneamento (ag_nao_ceuab e esg_nao_ceuab) e o efeito daquelas que refletem ausncia de polticas de manejo de resduos slidos e drenagem de guas pluviais. Em relao s duas primeiras variveis, a anlise complementar realizada para o primeiro modelo, porm com sinal contrrio. Espera-se que os domiclios que tenham acesso a gua e esgoto e no estejam circundados por esgoto a cu aberto apresentem menor taxa de internaes por DRSAI.

As duas ltimas variveis, o acesso ao lixo e drenagem de guas pluviais, representam dois problemas pouco estudados na literatura que tratam da associao de tais variveis com melhores indicadores de sade[footnoteRef:9]. Em relao aos efeitos espaciais, as hipteses estabelecidas nesse estudo so: [9: Segundo Rego et al. (2004) e Moraes et al. (2003), acredita-se que a falta ou inadequado fornecimento desses dois servios gere maiores taxas de internaes por DRSAI, dado que tambm so servios inseridos na concepo abrangente de saneamento bsico.]

(3.12)

(3.13)

(3.14)

O primeiro deles, expresso na equao 3.12, refere-se ao efeito transbordamento, associado taxa de incidncia de internaes por DRSAI de um distrito. A prpria definio de tais doenas, infectocontagiosas, pressupe a possibilidade de existir interaes endgenas entre diferentes distritos. Uma dessas interaes pode ocorrer por meio do deslocamento do inseto de um distrito a outro. Os insetos so considerados como vetores mecnicos que carregam uma diversidade de microrganismos transmissores e podem invadir reas habitadas prximas e transmitir doenas. A outra forma de interao entre os distritos via gua contaminada dos rios e mares que atravessam diversas localidades. Em geral, a transmisso dos agentes patognicos que causam as DRSAI ocorre pela ingesto de gua contaminada por fezes, urina ou vmitos de doente ou portador.

Outro feito espacial que ser considerado o representado na equao 3.13. A contribuio para a incidncia das internaes por DRSAI de um determinado distrito pode estar associada infraestrutura de saneamento bsico do distrito vizinho. Natal et al. (2005) defendem que, do ponto de vista ecolgico, a cidade no est isolada e tanto pode importar materiais e alimentos como pode devolver seus resduos para as reas vizinhas.

O terceiro efeito espacial possvel, que tambm ser testado neste estudo, a presena da heterogeneidade espacial, equao 3.14. De acordo com Golgher (2015), regies prximas tendem a ter caractersticas similares, o que pode ser causado por externalidades ou podem representar um equilbrio de longo prazo devido a fatores histricos em comum ocorridos no desenvolvimento das localidades. Ou seja, a heterogeneidade espacial relacionada com a estabilidade observada no espao com relao a variveis que apresentam estrutura espacial desigual, fato observado em diversos dos indicadores socioeconmicos.

A situao acima descrita pode se aplicar ao setor de saneamento, pois as empresas (pblicas ou privadas) que oferecem os servios populao atuam em diversos municpios, com diferentes nveis de eficincia e abrangncias geogrficas, o que pode fazer com que desigualdades estruturais se propaguem e afetem tanto os indicadores de acesso e, consequentemente, as taxas de internaes por DRSAI.

4. Resultados

Os testes LM foram importantes para nortear a escolha do melhor modelo e para verificar se os resultados iriam variar ao se utilizar diferentes matrizes de ponderao. O modelo SDM com a matriz de contiguidade se mostrou o mais adequado, na maior parte dos casos e foi escolhido para servir de comparao ao SDM Tobit. Alm disso, as expectativas tericas tambm justificam a escolha desse modelo.

Tabela 4.1: Testes LM para o Modelo 1 e 2 pop. de todas as idades e de 0 a 14 anos.

Fonte: Elaborao prpria a partir de dados da pesquisa.

A estimao do SDM Tobit foi realizada para os Modelos 1 e 2 e, cada um deles, considera as duas populaes de interesse. Nas prximas tabelas, foram realizadas comparaes entre o modelo MQO (sem qualquer dependncia espacial), o modelo SDM (dependncia espacial na forma de defasagem da varivel dependente e das exgenas) e o modelo SDMT (SDM com controle dos dados censurados estimado por um Tobit Bayesiano). A Tabela 4.2 apresenta e compara tais modelos para a primeira especificao (Modelo 1), somente com variveis inadequadas de saneamento, para a populao de todas as idades.

Tabela 4.2: MQO, SDM e SDMT - Pop. de todas as idades e de 0 a 14 anos do Modelo 1

***Significante a 1%; **Significante a 5%; *Significante a 10%.

Fonte: Elaborao prpria a partir de dados da pesquisa.

A anlise da comparao entre modelos SDM e SDMT, para a populao de todas as idades, mostra que o sinal e a significncia da maior parte dos coeficientes se mantiveram, com exceo da varivel dfrud, que no foi significante no coeficiente representativo do efeito direto, mas o foi em relao varivel defasada. O contrrio se evidencia no modelo SDM para essa varivel: o coeficiente da varivel no defasada foi significativo, mas o da defasada no. A magnitude dos coeficientes se alteraram em todos os casos. Ou seja, as primeiras estimaes, sem o controle dos zeros, esto subestimando o efeito do saneamento sobre a sade. Segundo LeSage e Pace (2009), as estimativas de um modelo com dependncia espacial na forma de defasagem tendem a ter os coeficientes subestimados pela existncia de um vis para baixo quando no se faz o controle da censura dos dados.

A mesma concluso obtida anteriormente pode ser aplicada anlise dos dados para a populao de 0 a 14 anos. Os sinais e significncia da maior parte das estimativas so mantidos, mas a magnitude das mesmas maior para o modelo SDMT. Em geral, a populao de 0 a 14 anos mais afetada pelos efeitos deletrios da inadequada proviso dos servios de saneamento bsico.

O efeito de transbordamento da taxa de incidncia de internaes por DRSAI () foi positivo e significativo com maior magnitude para o modelo SDMT para ambas populaes. Esse resultado era esperado pela prpria definio de doenas infectocontagiosas e, portanto, a hiptese estabelecida na equao 3.12 foi confirmada. A transmisso dos agentes patognicos causadores das DRSAI que pode ocorrer tanto pelo deslocamento dos insetos de um distrito para o outro quanto pela gua contaminada dos rios e mares que atravessam diversas localidades, gera o efeito de spillover espacial de tal forma que a incidncia de DRSAI em um determinado distrito seja influenciada pela mdia da taxa de incidncia de DRSAI dos distritos vizinhos. Alm disso, a hiptese estabelecida nessa mesma seo, e expressa na equao 3.13, de que a defasagem do vetor de variveis explicativas pode importar para explicar a taxa de incidncia de internaes por DRSAI foi confirmada. As condies de infraestrutura de saneamento bsico da vizinhana de um determinado distrito so capazes de afetar essa varivel, conforme o modelo Durbin prev. De acordo com Natal et al. (2005), h diversos exemplos de distritos ou municpios que lanam guas servidas sem tratamento, dejetos e outros resduos coletados em suas regies para fora de seus limites territoriais e que, consequentemente, atingem seus vizinhos mais prximos.

Os coeficientes de um modelo espacial no so informativos em termos de anlise do impacto marginal. Nesse sentido, os efeitos marginais tambm so calculados para o SDM e SDMT para os dois modelos e duas populaes. A Tabela 4.3 apresenta os resultados dos efeitos marginais da populao de todas as idades do Modelo 1.

Tabela 4.3: Comparao entre efeitos marginais (SDM e SDMT)

***Significante a 1%; **Significante a 5%; *Significante a 10%.

Fonte: Elaborao prpria a partir de dados da pesquisa.

Os efeitos marginais para a populao de todas as idades do modelo SDMT tambm apresentaram magnitudes superiores em relao ao modelo SDM. Porm, na coluna dos efeitos diretos, comparando esses dois modelos, duas das variveis de interesse perderam significncia: sbceuab e dfrud. Apesar disso, a varivel dfrud foi significativa para os efeitos indiretos e, para esses mesmos efeitos, a varivel sbceuab manteve-se significativa e com maior magnitude. A varivel dcist tornou-se significante nos efeitos totais, dado que no SDM no era.

Os trs efeitos (direto, indireto e total) para a varivel sbceuab vo ao encontro ao resultado de Barreto et al (2007). Os autores apontam que ter banheiro no interior do domiclio (80% dos domiclios da cidade de Salvador possuem banheiro) no explica a reduo da diarreia. O aumento da cobertura de esgotamento sanitrio de toda a vizinhana foi capaz de reduzir a poluio fecal do domnio pblico e, portanto, explicar a queda nesse indicador de morbidade. Ou seja, segundo os autores, a preveno da transmisso da diarreia se deu principalmente na vizinhana e no no ambiente domstico dos domiclios cujos fatores de risco apresentaram pequena importncia. As contribuies do estudo de tais autores e dos resultados apresentados acima encontram-se na amplitude espacial das externalidades geradas aos vizinhos pela ausncia de esgotamento sanitrio. Caso esse efeito espacial no seja considerado, o impacto positivo do saneamento inadequado sobre o indicador de morbidade ser subestimado.

Alm destes, outros autores tais como Bleakley (2007), Miguel e Kremer (2004), Esrey (1991), Kassouf (1994), Moraes et al. (2003), defendem a relao positiva entre variveis de sade (na maior parte medida pela incidncia de doenas diarreicas) e o acesso aos servios de esgotamento sanitrio[footnoteRef:10]. [10: Alguns desses estudos, tais como Bleakley (2007), Miguel e Kremer (2004) e Kassouf (1994), indicaram o impacto de saneamento em educao, mas por meio do estado de sade do indivduo que deteriora o perfil de morbidade do mesmo.]

O modelo terico da seo tambm corrobora essa associao. Uma das variveis que pode determinar a produo de sade dos indivduos aquela relacionada ao ambiente em que o mesmo reside, ou seja, as condies de infraestrutura de saneamento bsico do domiclio (varivel STi). Em relao a essa varivel, a implicao do modelo que, por ser uma varivel exgena, pode melhorar ou retardar a sade (BERNDT, 2000). No contexto dos resultados apresentados, pelo fato das variveis de condies de saneamento desse estudo se tratarem de variveis adversas para a sade humana, o impacto de mudanas na eficincia marginal do investimento em sade (EMH), provoca queda da quantidade tima de capital de sade (Hi*).

Em relao ao efeito total, algumas variveis de controle tornaram-se importantes para explicar a taxa de incidncia de internaes por DRSAI: gini, tpopurb e dummy_rm. As duas primeiras apresentaram coeficientes positivos e significativos e, a ltima, coeficiente negativo e significativo. Quanto maior o grau de urbanizao do distrito em questo e dos distritos vizinhos, maior a incidncia de internaes por DRSAI desse distrito. A maior concentrao da renda, medida pelo coeficiente Gini, leva a maior incidncia de DRSAI em valores significativos e de grande magnitude. Por fim, o efeito da dummy de regio metropolitana se mostrou significativo e negativo, como era esperado, dado que em tais regies a proviso dos servios de saneamento e sade tende a ser melhor e mais homognea. Na Tabela 4.4, a mesma comparao foi repetida para a populao de 0 a 14 anos de idade para o mesmo Modelo 1.

Tabela 4.4: Comparao entre efeitos marginais (SDM e SDMT)

***Significante a 1%; **Significante a 5%; *Significante a 10%.

Fonte: Elaborao prpria a partir de dados da pesquisa.

A comparao dos efeitos marginais dos dois modelos (SDM e SDMT) seguiu a mesma tendncia da anlise dos coeficientes realizada na tabela anterior com a populao de todas as idades no tocante magnitude e significncia dos coeficientes. Logo, a hiptese de que a populao de zero a catorze anos mais atingida por DRSAI por estar mais sujeita s doenas infecto-parasitarias transmitidas pela gua, esgoto no tratado ou pelos insetos vetores foi verificada pela magnitude dos coeficientes apresentados.

Esse resultado est em consonncia com o estudo de Geruso e Spears (2015) que, apesar de ser aplicado para outro pas (ndia) e a varivel de anlise se tratar da mortalidade infantil, investigam as externalidades do esgoto a cu aberto e mostram que mais provvel que crianas muulmanas sobrevivam at seu primeiro aniversrio em comparao s crianas hindus, pois a vizinhana das crianas muulmanas formada em grande parte por vizinhos muulmanos, que so menos propensos a defecar a cu aberto[footnoteRef:11]. A comparao dos coeficientes para o Modelo 2 foi realizada somente para a populao de 0 a 14 anos, de acordo com a Tabela 4.5[footnoteRef:12]. [11: Os autores solucionam um "puzzle" dos dados indianos: mais provvel que crianas muulmanas sobrevivam at seu primeiro aniversrio do que crianas hindus, mesmo que as primeiras tenham menor riqueza, consumo, frequncia escolar e pior acesso aos servios pblicos em comparao maioria hindu. Isso ocorre por dois motivos. Um deles deve-se ao fato da populao hindu considerar "impuro" o uso de banheiros e fossas, defendendo que defecar a cu aberto faz parte de um estilo de vida: mais da metade da populao indiana, 600 milhes de pessoas, tem essa prtica. O segundo motivo deve-se ao efeito vizinhana j relatado.] [12: Na anlise da escolha entre modelos, o SDM para a populao de todas as idades foi estimado com a matriz inversa da distncia. Dessa forma, no foi possvel compar-lo com o SDMT estimado com a matriz de contiguidade.]

Tabela 4.5: MQO, SDM e SDMT - Pop. de 0 a 14 anos do Modelo 2

***Significante a 1%; **Significante a 5%; *Significante a 10%.

Fonte: Elaborao prpria a partir de dados da pesquisa.

Nesse caso, no h diferenas significativas, com exceo do coeficiente de Wd_nbueiro que perdeu significncia no modelo SDMT. Os efeitos marginais para essa populao de 0 a 14 anos do modelo 2 so apresentados na Tabela 4.6.

Tabela 4.6: Comparao entre efeitos marginais (SDM e SDMT) Modelo 2

***Significante a 1%; **Significante a 5%; *Significante a 10%.

Fonte: Elaborao prpria a partir de dados da pesquisa.

Os efeitos das variveis relativas lixo e drenagem de guas pluviais passaram a ser no significantes, na estimao do SDMT. Os resultados do modelo SDMT apontam que localidades que tm acesso gua por rede geral e no apresentam em suas condies de entorno esgoto a cu aberto tm menores taxas de incidncia de internaes, considerando o efeito direto e total.

Esse resultado pode estar relacionado ao fenmeno apontado por Phillippi Jr. e Mallheiros (2005). Segundo os autores, o abastecimento de gua potvel, quando no acompanhado da implantao conjunta e concomitante do esgotamento sanitrio, pode vir a ter um saldo negativo para os vizinhos, em face do lanamento de efluentes sem tratamento ou com tratamento inadequado que poder ser devolvido ao meio ambiente em condies nocivas que ainda apresentem agentes patognicos. A varivel ag_nao_ceuab pode ser entendida como uma varivel que integre essas duas caractersticas destacadas pelos autores. Duflo et al. (2015) tambm defendem a proviso integrada de tais servios como a forma mais eficiente de afetar os indicadores de sade.

Os resultados dos efeitos marginais da estimao para a populao de todas as idades para o segundo modelo, na verso SDMT com a matriz de contiguidade, encontram-se na Tabela 4.7.

Tabela 4.7: Efeitos marginais do modelo SDMT com matriz W contgua Modelo2

***Significante a 1%; **Significante a 5%; *Significante a 10%.

Fonte: Elaborao prpria a partir de dados da pesquisa.

Tanto os resultados da Tabela 4.6 quanto os da Tabela 4.7 apontam que localidades que tm acesso gua por rede geral e no apresentam em suas condies de entorno esgoto a cu aberto tm menores taxas de incidncia de internaes. Novamente, a magnitude do coeficiente para o efeito total maior para a populao de 0 a 14 anos.

Neste caso tambm, as variveis relativas ao acesso inadequado drenagem de guas pluviais e ao lixo no foram significativas ao se controlar a censura dos dados. De fato, a maior parte dos estudos que relatam queda da taxa de incidncia de diarreia, por exemplo, no Brasil e em outros pases do mundo, apontam ser o esgotamento sanitrio ou o processo de distribuio e tratamento de gua como as aes de saneamento mais eficientes na promoo da sade.

Por outro lado, a varivel relativa escolaridade das mulheres chefes de famlia (mu_resp_alfab) se mostrou relevante para diminuir a taxa de incidncia de internaes por DRSAI, como prev a literatura. O coeficiente de Gini apresentou significncia estatstica na grande parte dos resultados apresentados nesse estudo. Ou seja, quanto maior a concentrao de renda no distrito maior a incidncia de DRSAI no mesmo, indicando que variveis relacionadas distribuio de renda nos distritos pode ser uma poltica pblica importante para a diminuio da incidncia de DRSAI.

5. Concluso

Nesse estudo a estimao do efeito do saneamento sobre a sade foi realizada para o ano de 2010 e se valeu de anlise espacial com o controle da censura dos dados que ocorre quando as informaes da varivel dependente no so observadas por causa da no ocorrncia de casos de internaes por DRSAI em alguns distritos. Ou seja, distritos saudveis que no registraram nenhuma internao por DRSAI. A obteno dos resultados relatados acima envolveu, inicialmente, a estimao de vrios modelos espaciais, sem que fossem controlados os zeros da amostra, para nortear a escolha do melhor modelo e para verificar se os resultados iriam mudar ao se utilizar duas diferentes matrizes de ponderao. Nestas estimaes, o modelo Spatial Durbin (SDM) com a matriz de contiguidade se mostrou o mais adequado, na maior parte dos casos. Alm disso, as justificativas tericas e hipteses mencionadas tambm serviram de suporte para a escolha deste modelo. Para controlar os zeros da amostra, foi estimado um modelo Spatial Durbin Tobit Espacial (SDMT) por meio da abordagem Bayesiana.

A utilizao de dados distritais, no disponvel em domnio pblico e que foram construdos para melhor caracterizar a distribuio espacial das informaes foi necessria para justificar de forma mais realista a hiptese acerca do efeito espacial de transbordamento dos agentes patognicos das DRSAIs entre as regies.

As variveis de saneamento utilizadas representam o acesso inadequado aos servios de gua e esgoto e a varivel de sade representada pela taxa de incidncia de internaes por DRSAI por mil habitantes. O modelo de Grosman (1972) foi utilizado como arcabouo terico para a escolha das variveis dos modelos que foram estimados para populaes de duas faixas etrias diferentes: a de todas as idades e a de 0 a 14 anos.

Os resultados indicam, para a populao de todas as idades, que o impacto total mdio do aumento de 1% na parcela de domiclios servidos por gua da chuva armazenada em cisterna ou caixa de cimento de 0,217 casos por mil habitantes. Quando se considera a porcentagem dos domiclios que tm banheiro conectado a uma fossa rudimentar, esse impacto de 0,035 casos por 1000 habitantes. Por outro lado, o impacto total mdio de 1% na porcentagem de domiclios particulares permanentes conectados rede de distribuio de gua e que, alm disso, na quadra onde esto localizados inexistente condies de esgoto a cu aberto de -0,166 casos por mil habitantes. Por fim, a varivel de maior impacto total mdio refere-se porcentagem de domiclios que no tm banheiro e, alm disso, possuem presena de esgoto a cu aberto em suas condies de entorno. O aumento em uma unidade percentual nessa varivel gera aumento de 3,281 na varivel de sade, a taxa de incidncia de internaes por DRSAI.

O efeito de transbordamento espacial da taxa de incidncia de internaes por DRSAI foi positivo e significativo, com maior magnitude para o modelo SDMT (0,2) em comparao ao modelo SDM (0,14). Esse resultado era esperado pela prpria definio de doenas infectocontagiosas das DRSAI. A transmisso dos agentes patognicos causadores de tais doenas pode ocorrer tanto pelo deslocamento dos insetos de um distrito para o outro quanto pela gua contaminada dos rios e mares que atravessam diversas localidades, gerando o efeito de spillover espacial, de tal forma que a incidncia de DRSAI em um determinado distrito seja influenciada pela mdia dessa taxa nos distritos vizinhos. Alm disso, as condies de infraestrutura de saneamento bsico da vizinhana de um determinado distrito tambm so capazes de afetar essa varivel de sade, devido importncia de algumas variveis explicativas defasadas espacialmente, conforme o modelo Durbin prev. o caso de distritos que lanam guas servidas sem tratamento, dejetos e outros resduos coletados em suas regies para fora de seus limites territoriais.

Em relao sensibilidade dos efeitos para as populaes das duas diferentes faixas etrias, pela magnitude das estimativas dos parmetros dos efeitos marginais, a populao de zero a 14 anos a mais atingida pelo acesso a condies inadequadas dos servios de saneamento bsico, o que confirma uma das hipteses estabelecidas nesse estudo, de que a populao mais jovem a mais frgil e a mais suscetvel a contrair as DRSAIs.

6. Referncias bibliogrficas

ANSELIN, L. Local indicators os spatial association LISA. Geographical Analysis, v.27, n.2, p. 93-115, 1995.

ALBERNAZ, A; FERREIRA, F.H.G.; FRANCO, C. Qualidade e equidade no ensino fundamental brasileiro. Pesquisa e Planejamento Econmico, v.32, n.3, p.453-476, 2002.

ALMEIDA, E. Econometria Espacial Aplicada, Campinas, SP: Editora Alnea, 2012.

ALVES, D.; BELLUZZO, W. Infant mortality and child health in Brazil. Econ Hum Biol, 2(3): 391-410, 2004.

ANSELIN, L. Spatial econometrics: methods and models. Boston: Kluwer Academic, 1988.

ANSELIN, L.; BERA, A. Spatial dependence in linear regression models with an introduction to spatial econometrics. In: ULLAH A.; GILES D. E. (eds). Handbook of applied economic statistics, Nova York: Marcel Dekker, p. 237-289, 1998.

ANDREAZZI, M. A. R.; BARCELLOS, C.; HACON, S. Velhos indicadores para novos problemas: a relao entre saneamento e sade. Revista Panam Salud Publica, n. 22, 2007.

BARRETO, M. L. et al. Impact of a Citywide Sanitation Program in Northeast Brazil on Intestinal Parasites Infection in Young Children, Environ Health Perspect, Nov; 118(11): 16371642, 2010.

BERNDT, E.R.; Cutler, D.; Frank, R.G.; Griliches, Z.; Newhouse, J.; Triplett, J.E. Medical care prices and output. In: Handbook of Health Economics, vol. 1. Amsterdam: Elsevier, Cap. 03, p. 119-180, 2000.

BLEAKLEY, H. Disease and Development: Evidence from Hookworm Eradication in the American South, The Quarterly Journal of Economics, 122 (1): 73-117, 2007.

BLEAKLEY, H. Malaria Eradication in the Americas: A Retrospective Analysis of Childhood Exposure, American Economic Journal: Applied Economics v.2 (2), 1-45, 2010.

CAIRNCROSS, S.; FEACHEM, R. G. Environmental health engineering in the tropics: an introductory text. John Wiley & Sons, Chichester, 1990.

CAIRNCROSS, S.; R. FEACHEM. Environmental Health Engineering in the Tropics. 2. ed. Chichester, U.K.: John Wiley & Sons, 1993.

CUTLER, D., & MILLER, G. The Role of Public Health Improvements in Health Advances: The Twentieth-Century United States. Demography, 42 (1), 1-22, 2005.

DUFLO, E.; MICHAEL GREENSTONE, RAYMOND GUITERAS, AND THOMAS CLASEN. Toilets Can Work: Short and Medium Run Health Impacts of Addressing Complementarities and Externalities in Water and Sanitation, NBER Working Paper, No. 21521, 2015.

ESREY, S.; POTASH, J., ROBERTS, L.; SHIFF, C. Effects of Improved Water Supply and Sanitation on Ascariasis, Diarrhoea, Dracunculiasis, Hookworm Infection, Schistosomiasis, and Trachoma. Bulletin of the World Health Organization, 69 (5), 1991

FEWTRELL, L., KAUFMANN, R. Water Sanitation and Hygiene Interventions to Reduce Diarrhoea in Developed Countries: A Systematic Review and Meta-Analysis. Lancet Infectious Diseases, 5, 2005.

FLORAX.; FOLMER, H.; REY,S. Specification searches in spatial econometrics: the relevance of Hendrys methodology. Regional Science Urban Economics, v.22, n.5, p. 557-579, 2003.

GALLUP, J.; SACHS, J. The Economic Burden of Malaria, American Journal of Tropical Medicine and Hygiene, 64, 1, 85-96, 2001.

GERUSO, M.; SPEARS, D. Neighborhood Sanitation and Infant Mortality, National Bureau of Economic Research Working Paper Series, n. 21184, 2015.

GOLGHER, A. B. Introduo Econometria Espacial, Jundia, Paco Editorial: 2015.

GROSSMAN, M. On the concept of health capital and the demand for health. Journal of Political Economy, 80: 2, 223-255, 1972.

HELLER L. Saneamento e Sade. Braslia: OPAS; 1997.

KASSOUF, A. A demanda de sade infantil no Brasil por regio e setor. Pesquisa e Planejamento Econmico, n. 24, 235-260, 1994.

LESAGE, J.; PACE, R. K. Introduction to spatial econometrics. Boca Raton: Taylor & Francis Group, 2009.

MARA, D. D.; FEACHEM, R. G. A. Water and excreta related diseases: unitary environmental classification. Journal of Environmental Engineering, n.125, 1999.

MIGUEL, E; KREMER, M. Worms: identifying impacts on education and health in the presence of treatment externalities, Econometrica, 72 (1), 159-217, jan 2004.

MORAES et al, L. R. S., CANCIO, J. A., CAIRNCROSS, S.; HUTTLY, S., Impact of drainage and sewerage on diarrhoea in poor urban areas in Salvador, Brazil, Transactions of the Royal Society of Tropical Medicine and Hygiene, v. 97, 153- 158, 2003.

SOUSA, T. R. V.; LEITE FILHO, P. A. M. Anlise por Dados em painel do status de sade no Nordeste brasileiro, Revista Sade Pblica, v.45(2), 796-804, 2008.

PHILIPPI JR; MALHEIROS, T. F. Saneamento e Sade Pblica: integrando homem e ambiente, p.3-31 in: PHILIPPI JR. A (ed). Saneamento, Sade e Ambiente: fundamentos para um Desenvolvimento Sustentvel, Barueri, SP: Manole, 2005.

TOBIN, J. Estimation of Relationships for Limited Dependent Variables, Econometrica, 26 (1): 2436, 1958.

WATSON, T. Public Health Investments and the Infant Mortality Gap: Evidence from Federal Sanitation Interventions on U.S. Indian Reservations, Journal of Public Economics, 90: 1537-1560, 2006.

ANEXOS

Tabela A.1: Nmero de CEPs encontrados pelo CNEFE, Correios e agregaes.

Fonte: Elaborao prpria a partir de dados da pesquisa.

Tabela A.2: Estatsticas descritivas das variveis explicativas e explicadas

Fonte: Elaborao prpria a partir de dados da pesquisa.

Figura A.1: Distribuio espacial das aglomeraes das taxas de incidncia de internaes por DRSAI para a populao de todas as idades (2010).

MQOSDMSDMTMQOSDMSDMT

dcist0,0823***0,0577**0,1429***0,1372***0,1055*0,243***

sbceuab0,7554***0,2074-0,00150,879***0,1315-0,444

dfrud0,023***0,0133***-0,00240,0403***0,0405***0,004

rendapc-0,0012**0,0002-0,0003-0,0019**-0,0001-0,001

gini12,3859***4,3069**15,9892***18,5096***6,099243,309***

mu_resp_alfab-0,0307***0,00790,2269***-0,02640,0647**0,334***

tpopurb0,0536***0,0607***0,1821***0,0996***0,1082***0,43***

dom_kmq-0,0003-0,0003-0,0001-0,0005-0,0015***-0,001**

est_saude0,0003-0,0016-0,00270,00250,00120,005

dummy_capital-1,6921**-1,7087-3,658**-2,5055*-7,6224***-13,102***

dummy_rm-2,7477***-0,9583-3,7953***-4,8263***-3,366-9,753***

Wdcist0,00960,0216-0,00510,128

Wsbceuab1,3223***2,481***1,7543***4,827***

Wdfrud0,00580,0283***-0,01270,04**

Wrendapc-0,0009-0,0006-0,0017-0,002

Wgini5,695**6,1999*10,622*7,813

Wmu_resp_alfab-0,0225-0,2444***-0,0847**-0,37***

Wtpopurb-0,0391***-0,0908***-0,0614***-0,203***

Wdom_kmq0,00030,0002*0,0023***0,001***

West_saude-0,00280,0042-0,0134*0,001

Wdummy_capital0,73811,79686,8834**11,027***

Wdummy_rm-1,02730,3859-0,83192,051

Constante-4,2876***-19,2627***-6,7549*-47,407***

Rho0,2251***0,2446***0,1447***0,2***

Pop de todas idadesPop. de 0 a 14 anos

MODELO 1

SDMTSDMSDMTSDMSDMTSDM

dcist0,145***0,0586***0,0720,02820,217***0,08684

sbceuab0,1130,2653**3,168***1,7087***3,281***1,97399***

dfrud-0,0010,0137***0,036***0,0110,035***0,02467*

rendapc-0,00030,0002-0,0009-0,0011-0,001-0,00089

gini16,41***4,589**12,864***8,318529,274***12,90743

mu_resp_alfab0,218***0,007-0,242***-0,0258-0,024-0,01879

tpopurb0,18***0,0597***-0,059***-0,0318*0,121***0,02788

dom_kmq-0,0001-0,00020,00020,00030,00010,00003

est_saude-0,0026-0,00170,005-0,00390,002-0,00567

dummy_capital-3,632***-1,6937**1,1520,4412-2,48-1,25248

dummy_rm-3,807***-1,0109-0,693-1,5515-4,499***-2,56243*

Inc DRSAI

(todas idades)

EDEIET

SDMTSDMSDMTSDMSDMTSDM

dcist0,25***0,1049*0,2150,01370,465***0,1185*

sbceuab-0,2670,18275,733***2,0347***5,466***2,2174***

dfrud0,0060,0381***0,049**-0,00550,055***0,0325***

rendapc-0,002-0,0001-0,003-0,0019-0,004-0,002

gini43,908***6,135520,26613,0663**64,174***19,2018***

mu_resp_alfab0,324***0,0559**-0,368***-0,0826**-0,044-0,0267

tpopurb0,426***0,1075***-0,142***-0,0516***0,284***0,0559***

dom_kmq-0,001-0,0015***0,001***0,0024***0,001***0,0009

est_saude0,0050,00090,002-0,0153*0,007-0,0144

dummy_capital-12,8-7,4961***10,169**6,6577**-2,631-0,8384

dummy_rm-9,815***-3,41820,138-1,4363-9,677***-4,8545***

EDEIETInc DRSAI

(de 0 a 14 anos)

VariveisMQOSDMSDMT

esg_nao_ceuab-0,0356***-0,00560,0044

ag_nao_ceuab-0,0486***-0,0588***-0,0583***

lixo_mor_inad0,0517-0,1026-0,5544

d_nbueiro0,0154-0,01820,0107

rendapc-0,00090,0002-0,0009

gini16,2374***1,623812,8452***

mu_resp_alfab-0,038**0,0919***-0,0089

tpopurb0,1385***0,1557***0,1417***

dom_kmq-0,0004-0,0015***0,0003

est_saude0,00270,00010,0065*

dummy_capital-3,1044**-7,683***-0,8451

dummy_rm-5,4576***-3,5105-2,3734**

Wesg_nao_ceuab--0,0347*-0,0495**

Wag_nao_ceuab-0,0304-0,0172

Wlixo_mor_inad-0,91360,1172

Wd_nbueiro-0,0523**-0,0002

Wrendapc--0,0007-0,0028

Wgini-10,44357,3316***

Wmu_resp_alfab--0,1361***-0,2743***

Wtpopurb--0,0888***0,3249***

Wdom_kmq-0,0026***-0,0014**

West_saude--0,0129*-0,0055

Wdummy_capital-6,5008-4,5744*

Wdummy_rm--1,0463-10,8401***

Constante--0,8823-42,1422***

Rho-0,14212***0,6237***

SDMTSDMSDMTSDMSDMTSDM

esg_nao_ceuab-0,0032-0,002-0,1174-0,0443**-0,1206-0,0463***

ag_nao_ceuab-0,0674***-0,0663***-0,13390,0429-0,2013**-0,0234

lixo_mor_inad-0,5859-0,0547-0,56160,9661-1,14760,9114

d_nbueiro0,0117-0,02110,01620,0683***0,02790,0472**

rendapc-0,00150,0002-0,0085-0,0006-0,01-0,0004

gini23,4857***4,1053163,1399***10,7831186,6257***14,8883**

mu_resp_alfab-0,0533**0,0576**-0,6952***-0,1076***-0,7485***-0,05*

tpopurb0,2089***0,1644***1,0317***-0,0991***1,2406***0,0653**

dom_kmq0,0002-0,0015***-0,0030,0026***-0,00290,0012*

est_saude0,00640,0001-0,0028-0,01310,0036-0,013

dummy_capital-1,6916-8,2409***-12,77096,9385**-14,4625-1,3024

dummy_rm-4,3958***-3,7947*-30,8404***-1,3476-35,2362***-5,1423***

INC DRSAI

(de 0 a 14 anos)

ED

EIET

esg_nao_ceuab-0,0004-0,055-0,056

ag_nao_ceuab-0,02683***-0,139***-0,166***

lixo_mor_inad-0,07773-1,204-1,281

d_nbueiro-0,00478-0,076-0,081

rendapc0,000070,0010,001

gini3,1553160,557***63,712***

mu_resp_alfab-0,04657***-0,464***-0,51***

tpopurb0,05809***0,565***0,623***

dom_kmq-0,00004-0,001-0,001

est_saude0,00004-0,002-0,002

dummy_capital-0,65814-8,036-8,694

dummy_rm-1,3788***-13,591***-14,97***

INC DRSAI - pop todas idadesEDEIET

Cod_uf

Distritos

agregados

Novos

distritos

CNEFECorreios

Distritos

nicos

Distritos antes

agregao

Distritos ps

agregao

RO31209293510484

AC0002212323

AM001135489494

RR0000151515

PA27171511890250233

AP4211993331

TO95214128153148

Norte714438217346672628

MA00148194243243

PI0060223229229

CE104672869121844777

RN21428152186185

PB4021571172288267

PE36224025078404382

AL2192289122121

SE00013708383

BA1186643512195868802

Nordeste3021781361635119432673089

MG27316214987246617601598

ES34195919511299280

RJ382613617924377351

SP341620833945410351019

Sudeste379223552158595534713248

PR442492470211817793

SC372028197198460440

RS17711714279023813471230

Sul258161262145764726242463

MS951111835173168

MT34181212287255237

GO1267393201379373

DF0019001919

Centro_Oeste5529115333323826797

Total10656351103522734651086010225

VariveisObservaesMediaDesv. PadroMnMx

Inc_todas_idades102253,369,250458,65

Inc_0a14102255,8619,3601000

dcist102251,415,03085,97

sbceuab102250,190,69014,89

dfrud1022544,7730,660100

esg_nao_ceuab1022530,2531,440100

ag_nao_ceuab1022545,1630,310100

lixo_mor_inad102250,060,41013,71

d_nbueiro1022515,8720,960100

rendapc10225430,19305,3828,765373,99

gini102250,600,060,300,92

mu_resp_alfab1022576,2414,620100

popurb1022556,8929,980100

dom_kmq10225153,46681,490,0216023,88

est_saude1022516,1149,4401259

dummy_cap102250,040,1901

dummy_reg_met102250,050,2201

SiglasDescrio das variveisUnidadeFonte

Inc_todas_idadesTaxa de incidncia de internaes por DRSAI da populao de todas as idadescasos/mil habDataSUS

Inc_0a14Taxa de incidncia de internaes por DRSAI da populao de 0 a 14 anoscasos/mil habDataSUS

dcist Domiclios particulares permanentes com abastecimento de gua da chuva armazenada em

cisterna ou caixa de cimento

%Censo (IBGE)

sbceuabDomiclios particulares permanentes que no tinham banheiro ou sanitrio e que suas

condies de entorno apresentavam esgoto a cu aberto

%Censo (IBGE)

dfrudDomiclios particulares permanentes com banheiro de uso exclusivo dos moradores ou

sanitrio ligado a uma fossa rudimentar, ou seja, fossa negra, poo ou buraco.

%Censo (IBGE)

esg_nao_ceuabDomiclios particulares permanentes que tinham banheiro ou sanitrio e esgotamento

sanitrio via rede geral de esgoto, rede pluvial ou fossa sptica e onde no existia em sua

face/quadra esgoto a cu aberto.

%Censo (IBGE)

ag_nao_ceuabDomiclios particulares permanentes com rede geral de distribuio de gua e onde no

existia em sua face/quadra esgoto a cu aberto.

%Censo (IBGE)

lixo_mor_inadDomiclios particulares permanentes com moradia inadequada e onde em sua face/quadra

existia lixo acumulado nos logradouros

%Censo (IBGE)

d_nbueiroDomiclios particulares permanentes cedidos, alugados e prprios e onde em sua face/quadra

no existia bueiro/boca-de-lobo.

%Censo (IBGE)

rendapcRendimento nominal mensal dos domiclios particulares permanentes pela populao

residente

R$Censo (IBGE)

ginindice de Gini0-1Censo (IBGE)

mu_resp_alfabNmero de pessoas do sexo feminino, responsveis pelo domiclio, alfabetizadas%Censo (IBGE)

tpopurbnmero de pessoas residentes em setores censitrios urbanos %Censo (IBGE)

dom_kmqNmero total de domiclios particulares permanentes pela rea em quilmetros quadrados. Dom/km_qCenso (IBGE)

est_saudeNmero de estabelecimentos de sade.Est. SadeCNEFE (IBGE)

dummy_capitalVarivel binria que indica se o distrito capital 0;1Censo (IBGE)

dummy_rmVarivel binria que indica se o distrito pertence a uma regio metropolitana oficial 0;1Censo (IBGE)

Modelo 1Estatsca p-valorEstatsca p-valorEstatsca p-valorEstatsca p-valor

LM-erro243,7410,001417,560,0085,6930,00447,710,00

LM-lag243,9790,001314,920,0079,7080,00415,270,00

RLM-erro1,6980,19133,530,008,8820,0034,700,00

RLM-lag1,9370,1630,890,002,8970,092,270,13

Modelo 2Estatisticap-valorEstatisticap-valorEstatisticap-valorEstatisticap-valor

LM-erro196,3280,0000239,270,000215,550,000449,9850,000

LM-lag187,2250,0000241,510,000224,3850,000422,7060,000

RLM-erro12,5630,00040,830,36216,9510,00030,2420,000

RLM-lag3,4590,06293,080,07925,7860,0002,9640,085

INC DRSAI (pop. todas as idades)

WcontiguidadeWdistancia_inversa

INC DRSAI (pop. de 0 a 14 anos)

MQO - WcontMQO - Wdist_inv