Embed Size (px)
Citation preview
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE CIÊNCIAS SOCIAIS E APLICADAS
DEPARTAMENTO DE ECONOMIA PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA
DISSERTAÇÃO DE MESTRADO
Pobreza Multidimensional na Região Nordeste: Uma aplicação da Teoria dos Conjuntos Fuzzy (em 2010)
Janaina Ottonelli
Natal, RN, Brasil 2013
JANAINA OTTONELLI
Pobreza Multidimensional na Região Nordeste: Uma aplicação da Teoria dos Conjuntos Fuzzy (em 2010)
Dissertação apresentada ao Curso de Mestrado do Programa de Pós-Graduação em Economia da Universidade Federal do Rio Grande do Norte como requisito para obtenção do título de Mestre em Economia. Orientador: Prof. Jorge Luiz Mariano da Silva
Natal, RN, Brasil 2013
Catalogação da Publicação na Fonte. UFRN / Biblioteca Setorial do CCSA
Ottonelli, Janaina. Pobreza multidimensional na Região Nordeste: uma aplicação da teoria dos conjuntos Fuzzy (em 2010) / Janaina Ottonelli. - Natal, RN, 2013. 127f. : il. Orientador: Prof. Dr. Jorge Luiz Mariano da Silva. Dissertação (Mestrado em Economia) - Universidade Federal do Rio Grande do Norte. Centro de Ciências Sociais Aplicadas. Programa de Pós-graduação em Economia. 1. Pobreza multidimensional – Região Nordeste - Dissertação. 2. Abordagem da Capacitação – Dissertação. 3. Teoria dos conjuntos Fuzzy - Pobreza - Dissertação. I. Silva, Jorge Luiz Mariano da. II. Universidade Federal do Rio Grande do Norte. II. Título.
RN/BS/CCSA CDU 304 (813.2)
AGRADECIMENTOS
Agradeço aos meus pais Carmem Michalski e Janio Ottonelli e aos meus queridos
irmãos Julian e Jaqueline por apoiarem a minha escolha, por todo incentivo, força e suporte
para que eu conseguisse vencer esta etapa e pudesse realizar este sonho. Agradeço
principalmente por compreenderem minha ausência. Eu amo vocês.
Ao meu grande parceiro e companheiro nesta jornada, Júlio César Nascimento, pelo
seu amor, carinho, paciência e incentivo, por me ajudar a superar momentos de desânimo, à
distância e a saudade da minha família para continuar minha caminhada.
Ao orientador e amigo Jorge Luiz Mariano pela amizade, momentos de convívio e
pelas valiosas contribuições para a realização deste trabalho.
Aos professores João Matos Filho e André de Mattos Marques pelas sugestões de
melhoria do trabalho feitas no momento da qualificação que incentivaram minha pesquisa.
Aos professores Maria do Socorro Teixeira, André Lourenço, Janaina Alves, William
Pereira e demais do Programa de Pós-Graduação em Economia (PPGECO/UFRN), com quem
tive a oportunidade de cursar disciplinas, pelos momentos de convívio e aprendizado.
Às amigas e parceiras Solange, Melody e Sirlei por me encorajarem a escolher este
caminho e, mesmo distante, por terem sempre uma palavra de incentivo e conforto.
À Capes e ao Banco do Nordeste do Brasil (BNB) pelo apoio financeiro para a
realização desta dissertação. Ao Programa de Pós-Graduação em Economia da Universidade
de São Paulo pelo apoio financeiro para participação na I Escola de Verão em Economia do
Desenvolvimento.
Enfim, aos demais familiares, amigos, colegas de curso e a todos que direta ou
indiretamente contribuíram para a realização deste trabalho.
Muito Obrigada!
RESUMO
Pobreza significa privação. A privação sofrida pelas pessoas pobres normalmente está relacionada ao baixo nível de renda. Quando se trata da pobreza no Brasil, a Região Nordeste se destaca, pois em 2010 o Plano Brasil Sem Miséria apontou a existência de 9,6 milhões de extremamente pobres na região, representando 59% do total no país (BRASIL, 2011b). No entanto, a renda monetária não captura completamente as privações sofridas pelas pessoas. O conceito de pobreza tem passado por uma evolução no sentido de incluir dimensões importantes sobre a vida das pessoas. Deixou de focar apenas a privação absoluta da abordagem unidimensional e passou a considerar a privação relativa, uma abordagem multidimensional. Este estudo fundamenta-se na Abordagem das Capacitações de Sen (1981, 1985, 2000, 2001) que considera a pobreza como a privação sofrida pelas pessoas relacionada a diferentes aspectos tais como nutrição, acesso aos serviços básicos de educação, saúde, saneamento básico e, também, de liberdade. Assim, o objetivo deste estudo é investigar e mensurar a intensidade da pobreza multidimensional nos municípios da Região Nordeste através do Censo Demográfico (IBGE, 2010). Para isso, utilizou-se da técnica da Teoria dos Conjuntos Fuzzy que permite o cálculo de índice relativo. A mensuração da pobreza por meio do índice fuzzy de pobreza (IFP) envolveu a escolha de 19 indicadores distribuídos em quatro dimensões (ou capacitações): educação, saúde, condições habitacionais e renda. Os resultados mostraram que existe maior pobreza na dimensão renda. Entretanto, as dimensões educação e saúde também tiveram importância no indicador de pobreza multidimensional. Alguns indicadores que merecem atenção dos formuladores de políticas públicas são o acesso ao ensino fundamental e ensino médio e o acesso aos serviços de saneamento básico, coleta de lixo e rede de água. Apesar da privação na dimensão renda ser maior do que nas demais dimensões, a superação da pobreza envolve a promoção dos diferentes aspectos relacionados à vida das pessoas. A Abordagem da Capacitação mostra que políticas de assistência aos pobres precisam considerar as particularidades do local e hábitos, de forma a verificar quais são as reais privações sofridas pelas pessoas. As pessoas que se encontram em situação de pobreza precisam ser incentivadas a superar a situação de miséria e penúria de forma a não serem eternamente privadas de liberdade e privadas de expandirem suas capacitações. Palavras-chave: Pobreza, Abordagem da Capacitação, Teoria dos Conjuntos Fuzzy, Região Nordeste.
ABSTRACT
Poverty means depravation. The deprivation suffered by poor people is usually related to low income. When it comes to poverty in Brazil, the Northeast Region stands out because in 2010 the Brazil Without Poverty Plan pointed that there are 9.6 million extremely poor in the region, accounting for 59% of the country (BRAZIL, 2011b). However, money income does not fully capture the deprivations suffered by the people. The concept of poverty has gone through an evolution to include important dimensions of people's lives. Left to focus only absolute deprivation of one-dimensional approach and has considered the relative deprivation, a multidimensional approach. This study is based on the Capability Approach of Sen (1981, 1985, 2000, 2001) which considers poverty as deprivation suffered by people related to different aspects such as nutrition, access to basic education, health, sanitation, and also freedom. Thus, the aim of this study is investigate and measure the intensity of multidimensional poverty in the cities of the Northeast Region through the Census (IBGE, 2010). For this, we used the technique Fuzzy Set Theory which allows the calculation of relative index. The measurement of poverty by fuzzy poverty index (IFP) involved the selection of 19 indicators divided into four dimensions (or capabilities): education, health, housing conditions and income. The results showed that there is more poverty in the income dimension. However, the dimensions of education and health were also important in multidimensional poverty indicator. Some indicators that deserve the attention of policy makers are access to primary and secondary education and access to basic sanitation, garbage collection and water supply. Despite the deprivation in the income dimension be larger than the other dimensions, overcoming poverty involves promoting different aspects of people's lives. The Capability Approach shows that policies to assist the poor need to consider the particularities of place and habits, in order to ascertain which are the real deprivations suffered by the people. The people who are in poverty need to be encouraged to overcome the misery and penury in order to not be eternally deprived of their freedom and private expand its capabilities. Key words: Poverty, Capability Approach, Fuzzy Set Theory, Northeast Region.
SUMÁRIO
LISTA DE ABREVIATURAS E SIGLAS ................................................................................ 8
LISTA DE ILUSTRAÇÕES .................................................................................................... 10
LISTA DE QUADROS ............................................................................................................ 11
LISTA DE TABELAS ............................................................................................................. 12
INTRODUÇÃO ........................................................................................................................ 13
1 ABORDAGENS DA POBREZA: CONCEITOS E MEDIDAS ........................................... 15
1.1 Pobreza Unidimensional: a Abordagem Tradicional da Renda Monetária .................... 16
1.1.1 Linhas de pobreza..................................................................................................... 17
1.1.2 Medidas de pobreza unidimensionais ...................................................................... 19
1.2 Pobreza Multidimensional: a Abordagem da Capacitação ............................................. 22
1.2.1 Algumas considerações sobre a operacionalização da Abordagem da Capacitação 27
1.2.2 Medidas de pobreza multidimensionais ................................................................... 29
2 PROGRAMAS DE ASSISTÊNCIA AOS POBRES ............................................................ 37
2.1 Caracterização e aspectos da assistência aos pobres no Brasil e na Região Nordeste .... 37
2.2 Programas de assistência aos pobres: estrutura e funcionamento ................................... 54
3 POBREZA MULTIDIMENISONAL NA REGIÃO NORDESTE ....................................... 60
3.1 Operacionalização da Abordagem da Capacitação via Teoria dos Conjuntos Fuzzy ..... 61
3.2 Definição de dimensões e indicadores para medir a pobreza multidimensional ............ 64
3.3 O índice fuzzy de pobreza (IFP): resultados .................................................................... 72
3.3.1 IFP Educação............................................................................................................ 73
3.3.2 IFP Saúde ................................................................................................................. 76
3.3.3 IFP Condições Habitacionais ................................................................................... 79
3.3.4 IFP Renda ................................................................................................................. 82
3.3.5 IFP Total ................................................................................................................... 85
CONSIDERAÇÕES FINAIS ................................................................................................... 91
REFERÊNCIAS ....................................................................................................................... 95
APÊNDICE A – Índice fuzzy de pobreza (IFP) para os municípios do Nordeste .................. 100
8
LISTA DE ABREVIATURAS E SIGLAS
AL Alagoas
BA Bahia
BPC Benefício de Prestação Continuada
BSM Plano Brasil Sem Miséria
CadÚnico Cadastro Único
CE Ceará
CF/88 Constituição Federal de 1988
DATASUS Banco de dados do Sistema Único de Saúde
FGT Índice Foster-Greer-Thorbecke
FNAS Fundo Nacional de Assistência Social
IBGE Instituto Brasileiro de Geografia e Estatística
IDH Índice de Desenvolvimento Humano
IFP Índice Fuzzy de Pobreza
IL Índice de Liberdade
IMP Índice Multidimensional de Pobreza
INDG Medida multidimensional de pobreza por grupo de mulheres
INEP Instituto Nacional de Estudos e Pesquisas Educacionais
IPEA Instituto de Pesquisa Econômica Aplicada
IPEADATA Banco de dados do IPEA
IPF Índice de Pobreza Familiar
IPH Índice de Pobreza Humana
Loas Lei Orgânica da Assistência Social
MA Maranhão
MAS Ministério da Assistência Social
Mesa Ministério Extraordinário da Segurança Alimentar e Combate à Fome
MPC Medida de Pobreza de Capacitações
NE Nordeste
NOB Norma Operacional Básica
ONU Organização das Nações Unidas
PAC Programa de Aceleração do Crescimento
PB Paraíba
9
PBF Programa Bolsa Família
PCD Pessoas com Deficiência
PE Pernambuco
PI Piauí
PNAD Pesquisa Nacional por Amostra de Domicíos
PNAS Política Nacional de Assistência Social
PNUD Programa das Nações Unidas para o Desenvolvimento
RDH Relatório de Desenvolvimento Humano
RN Rio Grande do Norte
SE Sergipe
SENARC Secretaria Nacional de Renda e Cidadania
SESC Serviço Social do Comércio
SESI Serviço Social da Indústria
SEST Serviço Social do Transporte
Suas Sistema Único de Assistência Social
SUS Sistema Único de Saúde
UNDP United Nations Development Programme (em português PNUD)
10
LISTA DE ILUSTRAÇÕES
Figura 1. População dos Estados do NE e percentual em relação ao total do NE (2010). ....... 38
Figura 2. População dos municípios do Nordeste em 2010. .................................................... 39
Figura 3. Famílias dos Estados do NE e percentual em relação ao total do NE (2010). .......... 41
Figura 4. Famílias dos Estados do NE cadastradas no CadÚnico (2010). ............................... 42
Figura 5. Famílias pobres dos Estados do NE, renda de até RS 140,00 (2010). ...................... 42
Figura 6. Famílias dos Estados do NE: total e cadastradas no CadÚnico (2010). ................... 43
Figura 7. Número de famílias com renda familiar per capita mensal de até R$140,00
cadastradas no CadÚnico em 2010. .......................................................................................... 44
Figura 8. Número de beneficiários do BPC – idosos e PCD (2004-2012). .............................. 46
Figura 9. Número de beneficiários do BPC (idosos e PCD) em 2010. .................................... 47
Figura 10. Famílias dos Estados do NE atendidas pelo PBF (2010). ....................................... 48
Figura 11. Famílias do NE: total, cadastradas no CadÚnico e atendidas pelo PBF (2010). .... 48
Figura 12. Número de famílias atendidas pelo PBF em 2010. ................................................. 49
Figura 13. Índice de Desenvolvimento Familiar (IDF) em 2010. ............................................ 52
Figura 14. Índice fuzzy de pobreza (IFP) para a dimensão educação....................................... 74
Figura 15. Índice fuzzy de pobreza (IFP) para a dimensão saúde............................................. 77
Figura 16. Índice fuzzy de pobreza (IFP) para a dimensão condições habitacionais. .............. 80
Figura 17. Índice fuzzy de pobreza (IFP) para a dimensão renda............................................. 83
Figura 18. Índice fuzzy de pobreza (IFP). ................................................................................. 86
11
LISTA DE QUADROS
Quadro 1. Lista de dimensões e indicadores usados em estudos sobre o índice fuzzy de
pobreza no Brasil ...................................................................................................................... 68
Quadro 2. Lista de dimensões e indicadores escolhidos para cálculo do IFP .......................... 70
Quadro 3. Lista de pesos por indicador e dimensão usados no cálculo do IFP ........................ 72
Quadro 4. Estados em que os municípios apresentam maior grau de incidência da pobreza,
conforme os resultados do cálculo do IFP ................................................................................ 88
12
LISTA DE TABELAS
Tabela 1. Incidência de municípios (%) por intervalo de classes da população ...................... 40
Tabela 2. Incidência de municípios (%) por intervalo de classes do CadÚnico ...................... 45
Tabela 3. Incidência de municípios (%) por intervalo de classes do BPC ............................... 46
Tabela 4. Incidência de municípios (%) por intervalo de classes do PBF................................ 50
Tabela 5. Índice de Desenvolvimento da Família (IDF) dos Estados do NE (2010) ............... 51
Tabela 6. Incidência de municípios (%) por intervalo de classes pelo IDF ............................. 53
Tabela 7. Incidência de municípios (%) por intervalo de classes do IFP Educação ................ 75
Tabela 8. Incidência de municípios (%) por intervalo de classes do IFP Saúde ...................... 78
Tabela 9. Incidência de municípios (%) por intervalo de classes do IFP Condições
Habitacionais ............................................................................................................................ 81
Tabela 10. Incidência de municípios (%) por intervalo de classes do IFP Renda .................... 84
Tabela 11. Incidência de municípios (%) por intervalo de classes do IFP ............................... 87
Tabela 12. Média do Índice Fuzzy de Pobreza (IFP) para os Estados do Nordeste ................. 88
13
INTRODUÇÃO
Em 2010 o Plano Brasil Sem Miséria1 apontou a existência de mais de 16 milhões de
pessoas extremamente pobres no Brasil, que vivem com renda per capita mensal de até
R$70,00. Desse total, 9,6 milhões estava na Região Nordeste, representando 59% dos
extremamente pobres no país (BRASIL, 2011b). A alta incidência de pessoas extremamente
pobres no país fez com que o Governo Federal, nos últimos dez anos, ampliasse programas de
Assistência Social, principalmente para promover a proteção social por meio de programas de
transferência de renda.
Apesar de ser uma dimensão importante da pobreza, o nível de renda não captura
completamente outras privações sofridas pelas pessoas, tais como passar fome, não ter roupas
ou abrigo, ficar doente e não receber cuidados, ser analfabeto e não ter acesso à escolarização.
As pessoas que vivem em situação de pobreza sofrem mais privações, pois são
particularmente vulneráveis aos efeitos adversos fora de seu controle. Muitas vezes elas são
mal tratadas e excluídas pelas instituições do Estado e da sociedade e não tem poder de voz
nessas instituições (WORLD BANK, 2000/2001).
Portanto, ser pobre abrange múltiplos aspectos, quantitativos e qualitativos, que
incluem insuficiência de renda, acesso a bens, educação, saúde, gênero, origem étnica,
circunstâncias familiares, localização geográfica, dentre outros, como defende a Abordagem
da Capacitação (SEN, 1985, 1999b, 2000, 2001). A noção de pobreza tem passado, assim, por
uma evolução no sentido de incluir dimensões importantes sobre a vida das pessoas,
considerando seu caráter multidimensional, e não ficar limitada apenas a esfera da
disponibilidade de renda.
Seguindo o que é proposto pela Abordagem da Capacitação, acredita-se que na Região
Nordeste também exista pobreza em outras dimensões relacionadas à vida das pessoas. Desse
modo, o objetivo deste estudo consiste em investigar e mensurar a pobreza multidimensional
nos municípios nordestinos em 2010. Por meio dos dados publicados no Censo Demográfico
2010 do IBGE para gerar um panorama atual da pobreza multidimensional.
Para atingir o objetivo geral, os objetivos específicos consistem em: i) pesquisar as
noções de pobreza e aspectos dos programas de assistência aos pobres; ii) pesquisar medidas e
técnicas de mensuração da pobreza; iii) calcular indicadores de pobreza multidimensional
1 Lançado pelo Decreto 7.492 de 2 de Junho de 2011 da Presidência da República (BRASIL, 2011a).
14
para os municípios; iv) caracterizar a pobreza multidimensional no Nordeste; v) indicar em
quais indicadores e dimensões existe maior incidência de pobreza que podem, deste modo,
receber maior atenção dos gestores públicos de modo a propor alternativas para a redução da
pobreza.
Este estudo se justifica por ser uma contribuição para a geração de informações sobre
a pobreza multidimensional no Nordeste principalmente devido aos poucos trabalhos
realizados nesse sentido. Enfatiza-se que a análise da pobreza não pode ficar restrita às
questões de “quantas pessoas pobres vivem no Nordeste” ou “quão pobres são essas pessoas”,
mas investigar “em quê (ou quais)” dimensão (dimensões) os indivíduos sofrem maiores
privações. Como a pobreza pode ser entendida sob a perspectiva multidimensional e ser
atribuída a diferentes fatores, seu estudo e entendimento torna-se relevante para aqueles
interessados nas questões relacionadas ao combate à pobreza, dado que uma política de
combate à pobreza será mais efetiva se atender às dimensões corretas.
Desse modo, além desta parte introdutória, este estudo se divide em três seções. Na
primeira são apresentados os conceitos de pobreza, enfatizando a evolução da abordagem
unidimensional para a abordagem multidimensional, bem como o surgimento de algumas
medidas. Na segunda são apresentados aspectos dos programas de assistência aos pobres,
principalmente na Região Nordeste. A terceira seção trata da metodologia empregada para a
investigação da pobreza multidimensional e dos resultados encontrados para mos municípios
da Região Nordeste. Por fim, são apresentadas as considerações finais.
15
1 ABORDAGENS DA POBREZA: CONCEITOS E MEDIDAS
O início dos anos 1960 marca o reconhecimento, pelo meio acadêmico e instituições
voltadas para o financiamento do desenvolvimento, de que as desigualdades sociais e a
pobreza não eram reduzidas apenas com o crescimento econômico. Houve, com isso, uma
mudança de ênfase do crescimento econômico para variável instrumental pelos pensadores e
orientadores de política econômica de modo a repensar o processo de crescimento econômico
e incluir os objetivos da redução da desigualdade e da pobreza. A adoção desse enfoque pela
Organização das Nações Unidas (ONU) e Banco Mundial promoveu sua popularização como
pressuposto político no mundo.
Desse modo, o conceito de pobreza relacionado apenas à insuficiência de renda
monetária passou a ser criticado. O novo enfoque envolvia a discussão de um conceito mais
amplo para a pobreza, pois se tratava de um problema complexo e de múltiplas dimensões. A
evolução de conceito da pobreza foi acompanhada por tentativas de mensuração. Conforme
apontado por Sen (1976, 1979b, 1981, 2001), a mensuração da pobreza exige o enfrentamento
de dois problemas: a identificação dos pobres de uma população total e a agregação destes
pobres. O primeiro envolve a escolha de um critério de pobreza e a verificação daqueles que
satisfazem esse critério e dos que não satisfazem. O estabelecimento de uma linha de pobreza
pode ser um critério de pobreza e aqueles que se situam abaixo desta linha seriam
considerados como os que satisfazem o critério. O segundo problema, a agregação dos pobres,
pode ser feita por meio de medidas de pobreza. A escolha da medida depende do que se busca
investigar.
A razão mais importante para medir a pobreza não é a necessidade de se encontrar um
número singular a algum lugar e data, mas sim para fazer comparações de pobreza
(RAVALLION, 1992). A definição do conceito de pobreza e a escolha dos procedimentos de
mensuração são resultados de análise sensata e cuidadosa de cada realidade específica. Para
isso, é preciso levantar alguns questionamentos como quais são seus determinantes; se é
generalizada ou localizada geograficamente; qual é o perfil dos pobres. Dessa forma é
possível estabelecer um quadro de referência para análise e aplicação de políticas antipobreza,
visto que “a obtenção de bons resultados operacionais, mais adiante, depende em grande parte
do bom senso inicial ao definir o que é pobreza, conceitual e estatisticamente” (ROCHA,
2006, p. 10).
16
Segundo Haghton e Khandker (2009), há quatro razões para medir a pobreza.
Primeiro, para manter os pobres na agenda, pois se a pobreza não for medida, será fácil
esquecer os pobres. Segundo, é preciso ser capaz de identificar os pobres para ser capaz de
orientar intervenções que visam reduzir a pobreza. Terceiro, para monitorar e avaliar os
projetos e as intervenções políticas que são voltadas para os pobres. E, por fim, para avaliar a
eficácia das instituições, cujo objetivo é ajudar os pobres.
Portanto, para discutir a pobreza é preciso escolher primeiro um conceito. O uso de
medidas de pobreza é um recurso bastante interessante e importante para a geração de
informações que possam servir de base para elaborar e monitorar políticas públicas voltadas
ao combate à pobreza. Desse modo, nesta seção apresenta-se a evolução do conceito de
pobreza de uma abordagem unidimensional para uma abordagem multidimensional, bem
como a evolução das medidas.
1.1 Pobreza Unidimensional: a Abordagem Tradicional da Renda Monetária
A noção tradicional de pobreza relaciona bem-estar com utilidades e pode ser chamada
de abordagem unidimensional. O conceito de pobreza é atrelado a variável renda monetária e
pobres são aqueles que não têm renda suficiente ou consumo acima de um limite adequado
para sua subsistência física (SEN, 1981). Esse mínimo necessário normalmente é definido por
uma linha de pobreza. Essa visão define a pobreza em grande parte em termos monetários e é
o ponto de partida para a maioria das análises relacionadas ao tema (HAUGHTON e
KHANDKER, 2009).
Hausman e McPherson (2006) argumentam que a teoria utilitarista da pobreza
apresenta algumas dificuldades. Primeiro, o “bem-estar” individual pode significar muitas
coisas. Felicidade e satisfação de preferências não são a mesma coisa porque satisfazer as
preferências de um agente não o torna sempre mais feliz. Segundo, as consequências de ações,
políticas e instituições baseadas nessa teoria são incertas. Terceiro, é preciso ter claro sobre o
bem-estar “de quem” deve ser considerado: dos seres humanos que vivem atualmente, dos
que ainda não nasceram ou de outros animais e do ambiente? Em quarto lugar, a preocupação
deve ser com as utilidades totais ou com a felicidade média? Quinto, é preciso tornar claro
como o utilitarismo pode guiar políticas de ação individual e social. E, o sexto problema
consiste em como realizar comparações interpessoais de bem-estar.
17
Conforme Codes (2008), essa abordagem interpreta as necessidades humanas
enquanto predominantemente físicas. A autora argumenta que as pessoas são seres sociais,
que, além requererem a reposição de suas energias corporais, desempenham papéis de
trabalhadores, cidadãos, pais, parceiros, vizinhos e amigos. São consumidores e também
produtores dos bens e participantes ativos de complexos círculos sociais. Dependem de
instalações e serviços públicos de oferta de serviços universais.
Apesar das dificuldades, o utilitarismo permanece como uma visão ética
extremamente poderosa, especialmente quando se está preocupado com as questões de ordem
pública (HAUSMAN e McPHERSON, 2006). A função de bem-estar pode ser utilizada para
resumir as propriedades de muitos tipos de julgamentos morais, como para representar
julgamentos distributivos sobre alocações (VARIAN, 2006).
Como seu uso envolve a definição e o uso de linhas de pobreza para a identificação
dos pobres que permite também a agregação desses pobres, a abordagem unidimensional deu
origem a importantes ferramentas de medição da pobreza. Desse modo, são apresentadas a
seguir o conceito de linhas de pobreza e as medidas de pobreza unidimensionais mais usadas.
1.1.1 Linhas de pobreza
A linha de pobreza pode ser entendida como o custo monetário para uma dada pessoa,
em dado lugar e tempo, de um nível de referência de bem-estar e consiste principal ferramenta
para a identificação dos pobres. Pessoas que não atingem esse nível de bem-estar são
consideradas pobres e aquelas que atingem o nível não são (RAVALLION, 1992, 1998).
Portanto, a linha de pobreza pode ser considerada um ponto de referência, dado que o objetivo
de um formulador de políticas deve ser o de trazer os pobres à linha de pobreza (ROCHA,
1997; BARROS e MENDONÇA, 1997).
Fields (2001) elencou a necessidade de cinco decisões para a definição de uma linha
de pobreza: primeiro, determinar se ela terá como base a renda ou o consumo; segundo,
definir qual a unidade de investigação: o indivíduo, a família, domicílio, per capita ou adulto-
equivalente; terceiro, definir se haverá apenas uma linha de pobreza ou separá-las em linhas
de pobreza rural e urbana ou diferentes regiões; quarto, se ela será determinada
cientificamente, politicamente, subjetivamente ou por conveniência; e, quinto, definir se serão
usados outros indicadores além da renda e consumo. Dessa forma, a linha de pobreza permite
18
que um formulador de políticas públicas identifique um grupo de pessoas, que são sujeitas a
serem atendidas por diferentes programas de assistência social.
Ravallion (1992) considera a existência de alguns tipos de linha de pobreza: absoluta,
relativa, subjetiva e dual. A linha de pobreza absoluta pode ser encontrada ao estimar-se o
custo de uma quantidade de bens considerados para assegurar que as necessidades básicas de
consumo sejam atendidas no domínio específico da comparação de pobreza. Essa linha não
depende do tamanho de toda a distribuição e os indivíduos com renda inferior a esta linha
podem ser considerados absolutamente pobres ou indigentes. Por exemplo, quantidade de
calorias ao dia necessárias a uma pessoa para satisfazer as necessidades mais básicas. É a
linha base para a abordagem unidimensional.
Esse método é bom para definir uma linha de pobreza única e deve ser usado com
cautela quando aplicado separadamente para cada região, setor ou data em que as
comparações de pobreza estão sendo feitas. Isso porque a relação entre quantidade de calorias
e consumo ou renda não vai ser o mesmo em todos os lugares e tempo, mas vai mudar de
acordo com as diferenças nos gostos, níveis de atividade, preços relativos, bens de
fornecimento público ou outras variáveis.
A linha de pobreza relativa considera as necessidades a serem satisfeitas dado o modo
de vida predominante na sociedade em questão de modo a reduzir as desigualdades entre os
indivíduos (ROCHA, 2006). Na literatura, os países em desenvolvimento tem se preocupado
mais com a linha de pobreza absoluta, enquanto que nos países desenvolvidos, onde o mínimo
vital já é garantido a todos, estão preocupados com linha de pobreza relativa. Essa linha
depende do tamanho de toda a distribuição (RAVALLION, 1992).
Essa linha está relacionada ao conceito de pobreza como necessidades insatisfeitas,
pressupondo uma definição de um padrão mínimo de condições de vida ou carência
(LAVINAS, 2002). Considera como pobres aqueles que não possuem acesso aos recursos
físicos que normalmente são necessários para levar uma vida digna em razão da falta de renda
monetária. Tais recursos incluem: (i) um requerimento mínimo de uma família para consumo
privado como alimentos, roupas e moradia e (ii) aos serviços essenciais fornecicos por e para
a sociedade como um todo como água potável, serviços sanitários, transporte público, saúde,
educação e acesso a cultura (ROCHA, 2006; CODES, 2008). Ao contemplar outros
indicadores além da renda monetária para a identificação dos pobres constitui-se numa visão
multidimensional da pobreza.
19
A linha de pobreza dual ou híbrida consiste na combinação simples das duas linhas de
pobreza, como as citadas, para definir uma linha de pobreza múltipla de forma a fazer
comparações de pobreza. As linhas de pobreza apresentam caráter subjetivo, pois são
inerentes aos julgamentos subjetivos feitos pelas pessoas sobre o que constitui um padrão de
vida mínimo aceitável em uma sociedade em particular (RAVALLION, 1992).
A linha de pobreza consiste, portanto, em um valor mínimo julgado necessário para se
participar adequadamente da vida social em um contexto específico. O estabelecimento de um
conjunto de parâmetros para a definição de uma linha de pobreza ao invés de um único
parâmetro nacional é necessário de modo a levar em conta as disparidades locais de custo de
vida para os pobres (ROCHA, 1997). Rocha (2006) alerta que a definição de um valor da
linha de pobreza, que atenda às necessidades básicas alimentares e não alimentares, é cercada
de controvérsias, visto que quanto mais desenvolvida determinada sociedade, mais o conceito
relevante de pobreza se distancia do atendimento às necessidades de sobrevivência. A autora
ressalta que o uso da renda para o estabelecimento das linhas se deve a estreita correlação
entre o nível de renda e os indicadores de bem-estar físico.
Depois de definida uma linha de pobreza é possível calcular medidas de pobreza
(HAUGHTON e KHANDKER, 2009). Dizer que a pobreza “existe” é apenas o primeiro
passo. Para propostas, como análises políticas, é preciso dizer também “quanto” da pobreza
existe (RAVALLION, 1992). Para responder a esta questão, são usadas medidas de pobreza
unidimensionais como os Índices FGT e Índice Sen apresentados a seguir.
1.1.2 Medidas de pobreza unidimensionais
Os índices de pobreza chamados headcount index – proporção de pobres ( )0P , poverty
gap index – hiato de pobreza ( )1P , e squared poverty gap index – hiato quadrado de pobreza
( )2P podem ser calculados a partir da equação (1) proposta por Foster, Greer e Thorbecke
(1984), mudando-se apenas o valor atribuído ao parâmetro α . Quanto mais alto for o valor de
α maior o peso do índice sobre a posição dos mais pobres, sendo, portanto, uma medida de
sensibilidade do índice de pobreza.
1
1 N ii
GP FGT
N z
α
α =
= =
∑ (1)
20
Em que: N é o total da população (ou amostra); iG é o hiato da pobreza; α é um
parâmetro e z é a linha de pobreza.
Na equação (1), quando o parâmetro 0α = , a medida de pobreza é o índice de
proporção de pobres ( )0P . Este índice estima a proporção da população total que é pobre e
varia entre 0 e 1. É uma medida popular e muito usada porque é simples de medir e fácil de
entender. Contudo, Sen (1976) afirma que essa medida é completamente insensível a
distribuição de renda entre os pobres e viola dois axiomas: o da monotonicidade e o da
transferência. No primeiro axioma, uma redução na renda de uma pessoa abaixo da linha de
pobreza pode aumentar a medida de pobreza. No segundo axioma, uma pura transferência de
renda entre duas pessoas abaixo da linha de pobreza, de uma mais pobre para uma que é mais
rica, pode aumentar a medida de pobreza. Portanto, ela não é capaz de medir a intensidade de
pobreza e a distribuição da pobreza entre os pobres.
Ainda nesse sentido, Haughton e Khandker (2009) argumentam que a medida
apresenta três pontos fracos: (i) não mede a intensidade da pobreza sofrida pelos mais pobres
situados abaixo da linha de pobreza; (ii) não indica quão pobre os pobres são e, portanto, não
muda se pessoas abaixo da linha de pobreza se tornam mais pobres; (iii) o cálculo do índice
para famílias ou domicílios pode esconder o real tamanho do número de pobres.
O primeiro problema aponta que dois países podem apresentar a mesma proporção da
população considerada pobre por ter renda abaixo de uma linha de pobreza determinada. No
entanto, em um país as pessoas podem ter uma renda monetária próxima da linha de pobreza,
enquanto no outro país as pessoas podem ter renda monetária bastante distante da linha de
pobreza. Portanto, essa medida, não capta essas diferenças.
O segundo problema indica que a maneira mais fácil de reduzir a proporção de pobres
seria conceder benefícios para as pessoas que se situam logo abaixo da linha de pobreza,
porque o custo para tirá-los da situação de pobreza é menor. No entanto, pela maioria dos
padrões normativos as pessoas abaixo da linha de pobreza, mas próxima dela, são as menos
merecedoras dentre os pobres. Conforme Kakwani (1980), verificar esse problema é
importante, pois os indivíduos podem ter renda bem perto da linha de pobreza ou eles podem
não ter rendimento algum.
O terceiro problema aponta que para a análise política os dados mais relevantes são
aqueles para as pessoas. Quando se quer medir a pobreza individual, mas os dados de
pesquisa disponíveis são de domicílios, é preciso fazer a suposição que todos os membros do
domicílio desfrutam do mesmo nível de bem-estar. No entanto, nem todo consumo é
21
compartilhado uniformemente entre os membros da família, pois podem existir idosos,
crianças, meninas ou portador de deficiência que exige cuidados e gastos a mais a serem
realizados pela família.
Quando 1α = na equação (1), obtém-se o hiato de pobreza ( )1P . Este índice mede o
grau em que os indivíduos estão abaixo da linha de pobreza como uma proporção da linha de
pobreza – se expressa como uma porcentagem. Varia de 0 a 1, sendo que 1 representa uma
situação onde todos são pobres com nenhuma renda e 0 uma situação quando não existe
pobre. A soma desses hiatos de pobreza dá o custo mínimo para eliminar a pobreza, se as
transferências forem o objetivo da política. Tal medida não reflete mudanças na desigualdade
entre os pobres (HAUGHTON e KHANDKER, 2009). Essa medida satisfaz o axioma da
monotonicidade, mas fere o axioma da transferência (SEN, 1976; KAKWANI, 1980).
Por fim, quando 2α = na equação (1) obtém-se o hiato quadrado de pobreza ou índice
de severidade de pobreza ( )2P que mede o quadrado do hiato da pobreza em relação à linha
de pobreza de forma a considerar a desigualdade entre os pobres e ao é usada amplamente
(HAUGHTON e KHANDKER, 2009). Essa medida enfatiza aqueles que estão muito abaixo
de z , ou seja, os mais pobres dos pobres (NEDER e SILVA, 2004).
Sen (1976) propôs o índice Sen ( )SP que combina os efeitos do número de pobres, a
profundidade da pobreza e a distribuição da pobreza dentro do grupo. O índice é dado pela
equação (2):
( )0 1 1P
PSP P G
z
µ = − −
(2)
Em que: Pµ é a renda média do pobre e PG é o coeficiente de desigualdade de Gini
entre os pobres e zé a linha de pobreza.
O índice SP tem sido amplamente discutido e tem a virtude de levar em consideração a
distribuição de renda entre os pobres. Entretanto, o índice sofre de apelo intuitivo e não pode
ser decomposto satisfatoriamente entre seus elementos constituintes, fato que explica porque
ele é raramente usado na prática (HAUGHTON e KHANDKER, 2009).
As medidas unidimensionais foram desenvolvidas e aprimoradas ao longo do tempo,
propondo-se cada vez mais a superar axiomas para captar da melhor forma o número de
pobres. No entanto, as discussões sobre quais seriam as melhores medidas para mensuração
da pobreza evoluíram no sentido de considerar as limitações da abordagem unidimensional. A
renda monetária é um importante indicador da pobreza. No entanto, não é o único. A pobreza
22
pode ser entendida também privação de educação, saúde, moradia, oportunidades de trabalho,
por exemplo. Pode ser entendido, portanto, também como um fenômeno de múltiplas
dimensões, como será apresentado a seguir.
1.2 Pobreza Multidimensional: a Abordagem da Capacitação
Conforme Sen (1981), a pobreza é uma questão de privação. O conceito de pobreza
precisa ter como preocupação central os pobres, mas quando se trata de pobreza o bem-estar
de todas as pessoas de uma sociedade precisa ser considerado. O autor argumenta que o
conceito de pobreza envolve os problemas de identificação e agregação, como mencionado
anteriormente. Essas operações envolvem a escolha de uma abordagem sobre a pobreza.
A abordagem biológica, que relaciona a pobreza à sobrevivência física, exige o uso de
uma linha de pobreza. No entanto, existem alguns problemas para seu uso. Primeiro, existem
significantes variações existentes relacionadas a características físicas, condições climáticas,
hábitos e cultura que tornam os requerimentos nutricionais difíceis de ser definidos
precisamente. Segundo, os requerimentos nutricionais precisam ser traduzidos em
requerimentos alimentares que dependem da escolha de mercadorias e dos hábitos de
consumo das pessoas. Terceiro, é difícil especificar requisitos mínimos alimentares para itens
não alimentares como na proporção da renda a ser gasta em alimentação (SEN, 1981).
Sen (2000) argumenta que a abordagem da renda monetária não conduz
imediatamente a nenhum modo de fazer comparações interpessoais, pois se concentra na
escolha de cada indivíduo separadamente e julga o bem-estar de uma pessoa apenas pela
métrica da felicidade ou satisfação e desejos. Essa métrica pode distorcer o grau de privações,
pois, por exemplo, “uma pessoa que teve uma vida de infortúnios, com pouquíssimas
oportunidades e quase sem esperança, pode conformar-se mais facilmente com as privações
do que outras que foram criadas em circunstâncias mais afortunadas e abastadas” (SEN,
1999b, p. 61).
O autor cita três desvantagens associadas à base informacional unidimensional: i)
indiferença distributiva: o cálculo não considera as desigualdades na distribuição da
felicidade; ii) descaso com os direitos, liberdades e outras considerações desvinculadas da
utilidade: não atribui importância a reivindicações de direitos e liberdades; e iii) adaptação e
23
condicionamento mental: a abordagem não é muito sólida e pode ser influenciado por
condicionamento mental e atitudes adaptativas (SEN, 2000).
Dentro do espaço informacional unidimensional, medidas como a incidência de pobres
“podem distorcer uma política antipobreza ao ignorar a miséria maior dos mais pobres entre
os pobres” e “qualquer governo está face a forte tentação de concentrar-se sobre os mais ricos
entre os pobres, pois este é o modo com que o número de pobres pode ser mais facilmente
reduzido” (SEN, 2001, p. 168).
Quando se analisa as desigualdades pessoais com base na desigualdade de rendas
surge um problema. A desigualdade de renda não pode indicar com precisão a extensão da
desigualdade real de oportunidades enfrentadas pelas pessoas, pois “o que podemos ou não
fazer, podemos ou não realizar, não depende somente das nossas rendas, mas também da
variedade de características físicas e sociais que afetam nossas vidas e fazem de nós o que
somos” (SEN, 2001, p. 60).
Sen (2000) identifica cinco fontes distintas de variações entre as rendas reais e as
vantagens – o bem estar e a liberdade – que delas são obtidas: i) Heterogeneidades pessoais:
as pessoas diferem em idade, gênero, propensão a doenças, incapacidade, que resultam em
diferentes necessidades; ii) Diversidades ambientais: variações nas condições ambientais e
circunstâncias climáticas (variações de temperatura, níveis pluviométricos) podem influenciar
o que uma pessoa obtém de determinado nível de renda; iii) Variações no clima social: a
conversão de rendas e recursos sociais em qualidade de vida pode ser influenciada por
condições sociais como oferta de serviços públicos de educação, saúde, saneamento básico,
infraestrutura, presença de violência; iv) Diferenças de perspectivas relativas: necessidades
de mercadorias associadas aos padrões de comportamento estabelecidos em dada sociedade
podem variar entre comunidades conforme convenções e costumes; v) Distribuição na
família: em cada família as rendas auferidas são compartilhadas por todos os membros, mas o
bem-estar ou liberdade dos indivíduos da família depende do modo como a renda é distribuída
e usada na promoção dos interesses e objetivos familiares.
O argumento acima pode ser ilustrado com um exemplo. Uma pessoa fisicamente
deficiente pode ter a mesma renda que outra que não é. No entanto, ambas não podem ser
adequadamente julgadas considerando a renda monetária, pois a primeira enfrenta limitações
e pode estar em grande desvantagem para converter a renda em realizações (achievement) que
valoriza. Desse modo a abordagem utilitarista limita as comparações interpessoais para a
24
avaliação social a realizações e identifica as realizações como as utilidades realizadas (SEN,
2001).
Existe, portanto, uma lacuna entre a perspectiva concentrada exclusivamente na
riqueza econômica e o enfoque mais amplo sobre a vida que se pode levar. O crescimento
econômico é importante para a superação da pobreza, pois com mais renda as pessoas podem
adquirir alimentos, roupas, bens (como geladeira, fogão e televisão) que necessitam ou
desejam, melhorar suas condições habitacionais, entre outras coisas. Sen (2000, p. 21) cita a
observação de Adam Smith de que “a liberdade de troca e transação é ela própria uma parte
essencial das liberdades básicas que as pessoas têm razão para valorizar”.
Mas, conforme Aristóteles (apud SEN, 2000, p. 28) “a riqueza evidentemente não é o
bem que estamos buscando, sendo ela meramente útil e em proveito de alguma outra coisa”.
Renda ou riqueza não são desejáveis por si mesmas, mas por ser um meio que permite às
pessoas levar o tipo de vida que valorizam. Assim, a utilidade da riqueza está nas coisas que
ela permite fazer e nas liberdades substantivas que ajuda a obter. Não pode ser considerado
um fim em si mesmo.
Desse modo, houve uma mudança de enfoque da pobreza como privação absoluta para
privação relativa. A privação relativa está relacionada ao estilo de vida predominante em cada
sociedade. Pode ser usado no sentido de descrever situações em que as pessoas possuem
menos de algum atributo desejável, seja de renda, condições favoráveis de emprego, entre
outros. Envolve a comparação entre as pessoas e os sentimentos de privação com relação a
situação em que vivem e às condições de privação relacionadas aos bens materiais (SEN,
1981).
Para discutir a natureza da pobreza, Sen (2001) cita o exemplo de duas pessoas, a
pessoa 1 e a pessoa 2. A pessoa 1 tem nível de renda mais baixo. Mas a pessoa 2 tem
problemas nos rins e precisa fazer tratamento de diálise que custa caro e ela também tem uma
vida muito mais empobrecida do que 1. Então, questiona: qual das duas é mais pobre, a
pessoa 1, devido sua renda mais baixa, ou a pessoa 2, por seu “conjunto capacitário” mais
limitado?
O exemplo mostra que a pobreza é melhor vista em termos da Abordagem da
Capacitação (capability approach) de privação de capacitação para alcançar certos
funcionamentos minimamente aceitáveis, do que em termos de limitação de renda monetária
apenas (SEN, 1979a, 1981, 1985, 1999b, 2000, 2001). Os funcionamentos relevantes
compreendem os seres e fazeres (beings and doings) e podem variar de elementares como
25
estar bem nutrido, adequadamente vestido e abrigado, livre de doenças evitáveis, até
realizações sociais mais complexas como ser feliz, ter respeito próprio e participar da vida da
comunidade (SEN, 2001). As várias combinações de funcionamentos que uma pessoa pode
realizar, para levar a vida que valoriza, consistem na chamada capacitação. Portanto, a
capacitação é a “liberdade substantiva de realizar combinações alternativas de
funcionamentos (ou a liberdade para ter estilos de vida diversos)” (SEN, 2000, p. 95).
Portanto, Sen (1985, 2000, 2001) considera que o bem-estar das pessoas pode ser
aferido por meio da expansão da liberdade que, por sua vez, pode ser considerada (1) o fim
primordial e (2) o principal meio ou, respectivamente, o “papel constitutivo” e o “papel
instrumental” da liberdade no desenvolvimento. A liberdade como o fim primordial, ou o
papel constitutivo, relaciona-se à importância da liberdade substantiva (freedom) no
enriquecimento da vida humana. A liberdade como o principal meio, ou papel instrumental,
refere ao modo como diferentes tipos de direitos, oportunidades e intitulamentos
(entitlements) contribuem para a expansão da liberdade humana em geral. As liberdades
substantivas tendem a contribuir para a capacitação geral de uma pessoa viver livremente.
Na perspectiva instrumental Sen (2000) destaca cinco tipos distintos de liberdade: i)
Liberdades políticas (e direitos civis): oportunidades para eleger governantes, fiscalizar e
criticar autoridades; ii) Facilidades econômicas: oportunidades para utilizar recursos
econômicos para o consumo, produção ou troca; iii) Oportunidades sociais: consistem nas
disposições que a sociedade estabelece nas áreas de educação e saúde, por exemplo, que
influenciam a liberdade substantiva do indivíduo viver melhor; iv) Garantias de
transparência: liberdade da relação entre os indivíduos ser feita sob garantia de sinceridade,
clareza e confiança; v) Segurança protetora: proporciona uma rede de segurança social,
impedindo que a população afetada seja reduzida à miséria e, em alguns casos, até mesmo à
fome e à morte.
A importância da liberdade individual pode ser justificada por duas razões: avaliação e
eficácia. A primeira considera que o êxito de uma sociedade deve ser avaliado segundo as
liberdades substantivas que os membros da sociedade desfrutam. Ter mais liberdade para
fazer coisas que se valoriza é importante por si mesmo para a liberdade global da pessoa e
importante porque favorece a oportunidade de a pessoa ter resultados valiosos. A segunda
razão considera que a importância da liberdade substantiva encontra-se no fato da liberdade
não ser “apenas a base da avaliação de êxito e fracasso, mas também um determinante
principal da iniciativa individual e da eficácia social” (SEN, 2000, p. 33). Ter mais liberdade
26
permite que as pessoas cuidem de si mesmas e influenciem o mundo, sendo agentes de seu
desenvolvimento.
A noção de liberdade está relacionada ao “aspecto de bem-estar” (well-being aspect) e
ao “aspecto da condição de agente” (agency aspect) das pessoas na avaliação de estados e
ações. O aspecto de bem-estar abrange as liberdades de uma pessoa para realizar
funcionamentos que considera relevantes para seu bem-estar (SEN, 1985, 2001). Esse aspecto
é particularmente importante na avaliação da justiça distributiva e na avaliação da natureza
parte que cabe a cada pessoa em termos de vantagens individuais (SEN, 1999b).
O aspecto da condição de agente refere-se à realização de objetivos e valores que uma
pessoa tem razão para buscar, relacionados ou não ao seu próprio bem-estar (SEN, 1985,
2001). Contempla uma visão mais ampla da pessoa, que inclui a valorização de coisas que
gostaria que acontecessem e a capacidade de formar esses objetivos e realizá-los (SEN,
1999b). Agente é o aquele que age e ocasiona mudança, aquele que assume o papel “como
membro do público e como participante das ações econômicas, sociais e políticas” (SEN,
2000, p. 33).
A Abordagem da Capacitação busca, portanto, entender o bem-estar e a pobreza como
expansão da capacitação humana. Para isso, as pessoas precisam desfrutar de liberdades
substantivas que as permitam serem livres e para escolher levar a vida que com razão
valorizam. A renda monetária não é a única métrica de pobreza e bem-estar. As pessoas são
pobres por possuir baixa renda monetária e também por sofrer privações em outros aspectos
relacionados a sua vida como a falta ou precário acesso a educação, serviços de saúde,
condições de moradia, a alimentos e roupas, a serviços e infraestrutura públicos, entre outros.
Desse modo, a Abordagem da Capacitação consiste na mais ampla abordagem de
bem-estar e pobreza. Difere das abordagens mais tradicionais por abrir um espaço para uma
variedade de ações e estados considerados por si mesmos, não pelo resultado que pode
produzir e fornece um reconhecimento mais completo da variedade de maneiras pelas quais as
vidas podem ser enriquecidas e empobrecidas (SEN, 2001).
Segundo Marin (2005, p. 124) “a abordagem da capacitação enriquece, através da
ampliação da base informacional e da constituição de diferentes dimensões para o bem-estar,
as considerações que informam as análises da escolha social e do bem-estar social” e “aceita e
reforça o foco multidimensional que pode ser entendido como uma visão de que o bem-estar
pode ser discutido segundo diferentes concepções e não somente sob a ótica da utilidade”.
27
Assim, a Abordagem da Capacitação melhora o entendimento da natureza e das causas
da pobreza e da privação, desviando a atenção dos meios (renda monetária) para os fins que as
pessoas têm razão para buscar e para as liberdades de poder alcançar esses fins. Quanto mais
inclusivo for o alcance da educação básica e dos serviços de saúde, por exemplo, maior será a
probabilidade de que mesmo os potencialmente pobres tenham uma chance maior de superar a
penúria.
Desse modo, para investigar a pobreza multidimensional na Região Nordeste, são
apresentadas algumas considerações sobre as dificuldades e algumas técnicas para a
mensuração da pobreza tendo como base a Abordagem das Capacitações.
1.2.1 Algumas considerações sobre a operacionalização da Abordagem da Capacitação
Conforme a Abordagem da Capacitação, as pessoas precisam ser julgadas em função
de suas realizações e da sua liberdade para realizar coisas que consideram importante,
representadas, respectivamente, pelos funcionamentos e capacitações. Com isso surgem
debates substanciais sobre que funcionamentos específicos devem ser incluídos a lista de
realizações importantes e capacitações correspondentes. Esse exercício avaliatório exige a
questão da valoração, que nessa abordagem sugere que seja tratada de modo explícito (SEN,
2000).
Dessa forma, o enfoque avaliatório da Abordagem da Capacitação “pode ser sobre os
funcionamentos realizados (o que uma pessoa realmente faz) ou sobre o conjunto capacitário
de alternativas que ela tem (suas oportunidades reais)” (SEN, 2000, p. 96). Diferentes tipos de
informações fazem parte de cada caso. No entanto, ambas as versões da Abordagem da
Capacitação têm sido usadas na literatura separadamente ou em conjunto (SEN, 2000).
Sen (2000) destaca algumas vantagens do uso da perspectiva da capacitação para
avaliação de desigualdades e pobreza. Os funcionamentos individuais podem ser usados para
comparações individuais mais facilmente do que as comparações de utilidade. Essas
vantagens tornam a perspectiva da capacitação pluralista por três motivos. Primeiro, porque
existem funcionamentos diferentes e alguns podem ser mais importantes do que outros.
Segundo, existe a questão sobre qual peso atribuir à liberdade substantiva (conjunto
capacitário) em confronto com a realização real (vetor de funcionamentos escolhido). E,
terceiro, existe a questão relacionada a qual peso deve ser atribuído às capacitações.
28
No entanto, Sen (2000) argumenta que de nenhuma forma essa pluralidade prejudica a
defesa da perspectiva da capacitação para fins avaliatórios. Conforme o autor,
Insistir em que deve haver apenas uma magnitude homogênea que valorizamos é reduzir drasticamente a abrangência de nosso raciocínio avaliativo. Insistir no conforto mecânico de ter apenas uma “coisa boa” homogênea seria negar nossa humanidade como criaturas racionais (SEN, 2000, p. 97).
A vantagem individual é influenciada por uma heterogeneidade de fatores. Dada a
diversidade interpessoal discutida (item 4.2), o conjunto de bens possuídos pode dizer pouco
sobre a natureza da vida que cada pessoa pode levar. Desse modo as rendas reais podem ser
indicadores insatisfatórios dos componentes importantes do bem-estar e da qualidade de vida
que as pessoas valorizam. Portanto, quando se busca comparar bem-estar individual ou
qualidade de vida há a necessidade de juízos avaliatórios (SEN, 2000).
Desse modo, existem inúmeros pesos, sobre os diversos fatores que influenciam a vida
das pessoas, aos quais existe consenso. Isso permite uma ordenação parcial baseada na
intersecção de rankings. O consenso sobre os pesos é importante para a avaliação social,
como em estudos sociais sobre a pobreza. Consiste num exercício de escolha social e requer
discussão pública e entendimento e aceitação democráticos. Os pesos avaliatórios necessitam
ser atribuídos de forma explícita e ser submetidos ao debate e averiguação crítica (SEN,
2000).
Sen (2000) argumenta que apesar da Abordagem da Capacitação poder ser usada de
formas distintas, quando se pretende definir uma estratégia prática para avaliar políticas
públicas, esta abordagem pode não ser a mais proveitosa da atenção prática. Apresenta, então,
três abordagens práticas alternativas: i) a abordagem direta consiste em examinar diretamente
o que se pode dizer sobre as vantagens individuais mediante o estudo e a comparação de
vetores de funcionamentos ou capacitações; ii) a abordagem suplementar envolve o uso
contínuo de procedimentos tradicionais de comparações interpessoais no espaço das rendas;
iii) a abordagem indireta é a mais ambiciosa do que a abordagem suplementar, mas
permanece concentrada sobre o familiar espaço das rendas, apropriadamente ajustado. O
autor destaca, ainda, que cada abordagem tem seu mérito que pode depender da natureza do
exercício, da disponibilidade de informações e da urgência com que as decisões precisam ser
tomadas.
Apesar das dificuldades de operacionalização da Abordagem da Capacitação, surgiram
medidas e técnicas de mensuração da pobreza multidimensional, conforme apresentado a
seguir
29
1.2.2 Medidas de pobreza multidimensionais
Segundo Bibi (2005) uma medida de pobreza é um índice que sintetiza todas as
informações disponíveis sobre os pobres. Contudo, afirma que especificar uma medida de
pobreza não é uma tarefa simples. É preciso enfrentar questões conceituais e metodológicas
como: Que indicadores de bem-estar individual devem ser considerados? Quem é realmente
pobre e por quê? Como pode o conjunto de informações que descrevem a população pobre ser
sintetizado em uma medida de pobreza?
Bibi (2005) ressalta, também, a dificuldade da literatura econômica chegar a um
consenso sobre o melhor índice de pobreza. A diversidade de opiniões com relação à noção de
pobreza se deve ao fato de não se tratar de um conceito objetivo. Pelo contrário, trata-se de
uma noção complexa, que requer análise normativa e leve a escolha de critérios éticos.
Mesmo que tais critérios delimitem o conceito de pobreza, acabam distanciando os
pesquisadores de qualquer acordo universal sobre a melhor medida a ser usada na análise da
pobreza. Mas ressalta que a abordagem multidimensional é mais do que nunca necessária para
melhor entender a desempenho de dado país na batalha contra a pobreza em todos os seus
aspectos. E cada abordagem pode ser mais apropriada em dado contexto.
Ravallion (1996) argumenta em favor do uso de vários indicadores não monetários,
especialmente indicadores sociais, para medição de pobreza do que o uso do conceito
tradicional e limitado de bem-estar. Com isso, surge o questionamento de quais indicadores
devem ser usados na medição da pobreza. O autor propõe quatro conjuntos de indicadores:
(i) Uma medida de pobreza sensível baseada na distribuição do gasto real por cada
adulto solteiro, cobrindo todos os bens e serviços comercializáveis (incluindo
aqueles obtidos de fontes não comercializáveis).
(ii) Indicadores de acesso a bens não comercializáveis pelos quais preços
significativos não podem ser atribuídos, tais como acesso a serviços não
comercializáveis como educação e saúde.
(iii) Indicadores de distribuição dentro dos domicílios; medidas de disparidade de
gênero e status nutricional das crianças.
(iv) Indicadores de certas características pessoais em que implicam restrições
incomuns sobre a habilidade de escapar da pobreza, tais como deficiências
físicas devido a desnutrição crônica passada.
30
A evolução do conceito de pobreza, principalmente com os argumentos de Sen por
meio da Abordagem da Capacitação, incentivou a discussão sobre qual seria a melhor métrica
da pobreza (SEN, 1976, 1981). Começou-se a aceitar que a renda monetária não era um
indicador suficiente. As pessoas podem sofrer privação de renda, que é um importante meio
de escapar da situação de pobreza, mas podem também ser pobres de saúde, de educação, de
oportunidades, entre outros aspectos, que as impedem de ter liberdades substantivas para
escolher levar a vida que valorizam.
No entanto, com medidas de pobreza unidimensionais tão difundidas e aceitas pela
comunidade científica, propor uma medida multidimensional tratava-se de um grande desafio.
Com base na Abordagem da Capacitação, foram iniciadas, ainda nos anos 1990, tentativas de
mensurar o desenvolvimento humano e a pobreza na sua multidimensionalidade. O Programa
das Nações Unidas Para o Desenvolvimento (UNDP, 1990) lançou o primeiro Relatório de
Desenvolvimento Humano (RDH), sob a liderança pioneira de Mahbub ul Haq.
O objetivo do relatório consistiu em difundir a ideia de que as pessoas, bem como a
expansão de suas capacitações, são o centro do desenvolvimento humano e investigar os
níveis de desenvolvimento humano nos países de forma a tornar tais informações disponíveis
a todos os formuladores de políticas (policymakeres). A natureza do relatório consiste em
fazer uma contribuição à definição, medição e análise política do desenvolvimento humano.
Tal contribuição resultou na elaboração de medidas universais como o Índice de
Desenvolvimento Humano (IDH) e Índice de Pobreza Humana (IPH) e medidas focais como
o Índice Multidimensional de Pobreza (IMP) que são apresentadas.
1.2.2.1 Índice de Desenvolvimento Humano
O IDH é uma medida sintética que vem sendo aperfeiçoada ao longo dos anos. Mede
as realizações de um país em três dimensões básicas do desenvolvimento humano: “vida
longa e saudável”, medida pelo indicador esperança de vida ao nascer; “acesso ao
conhecimento”, medida pela média dos indicadores anos de escolaridade e anos de
escolaridade esperados; e “padrão de vida digno”, medida pelo indicador rendimento nacional
bruto per capita (UNDP, 2010, 2011).
O cálculo do IDH é feito em duas etapas. Na primeira é criado um índice para cada
dimensão por meio da definição de valores mínimos e máximos2 (limites) no sentido de
2 Sobre limites de cada indicador usado no cálculo do IDH, consultar: UNDP (2007/2008, 2010, 2011).
31
transformar os indicadores em índices que variam entre 0 e 1. Na segunda etapa é feita a
agregação dos subíndices, encontrado pela média geométrica dos três índices da dimensão,
conforme a equação (3):
1 1 13 3 3
VidaLonga Educação PadrãoVidaIDH I I I= ⋅ ⋅ (3)
O valor do IDH é expresso entre 0 (nenhum desenvolvimento humano) e 1 (total
desenvolvimento humano). Pode ser classificado em baixo desenvolvimento humano (entre 0
e 0,499), médio desenvolvimento humano (entre 0,5 e 0,799) e alto desenvolvimento humano
(0,8 e 1,0) (SANTOS, 2007). É possível encontrar valores do IDH para os municípios e
estados do Brasil no UNDP (2003).
Sen (1999a) destaca que o sucesso do IDH se deve a insistência de Mahbub em criar
uma medida que não fosse apenas um complemento do PIB, mas que servisse também para
ampliar o interesse público nas outras variáveis plenamente analisadas no Relatório de
Desenvolvimento Humano. Assim, o índice tem um espaço informacional pluralista não se
refere exclusivamente à opulência econômica isso porque dentro dos limites das três
dimensões o IDH tem contribuído para ampliar significativamente a atenção empírica
dedicada à avaliação dos processos de desenvolvimento.
Com isso o IDH se tornou uma poderosa ferramenta de avaliação do desenvolvimento
humano mundial por possibilitar a constante discussão sobre o assunto e a comparação do
índice entre países e regiões geográficas. É utilizado por muitos governos como base para
políticas públicas. Impulsionou a elaboração de outras medidas de desenvolvimento humano e
pobreza.
1.2.2.2 Medida de Pobreza de Capacitações (MPC) e Índice de Pobreza Humana (IPH)
A publicação do IDH fez com que, em 1996, o relatório do UNDP (1996) introduzisse
uma nova medida multidimensional de privação humana, a “medida de pobreza de
capacitação” (the capability poverty measure), MPC. A intenção da proposta é complementar
as medidas de pobreza baseadas na renda, como o IDH faz. Reflete o percentual de pessoas
carentes de capacitações humanas consideradas básicas ou minimamente essenciais.
O MPC considera a carência em três capacitações básicas. A primeira é a capacitação
de estar bem nutrida e ter boa saúde, medida pela proporção de crianças de até cinco anos
com baixo do peso. A segunda é a capacitação para reprodução saudável, medida pela
proporção de partos não assistidos por profissionais da saúde. E a terceira é a capacitação de
32
educação e conhecimentos, medido pelo analfabetismo feminino. Essa última capacitação
enfatiza a privação sofrida pelas mulheres, que é muito severa em alguns países, e influencia
no desenvolvimento humano de suas famílias e da sociedade. E o valor da medida é
encontrado por meio da média aritmética simples entre os indicadores (UNDP, 1996).
Essa medida expandiu o espaço informacional para avaliação da pobreza, assim como
o IDH expandiu o espaço informacional para a avaliação do desenvolvimento humano. Com
base nessas medidas, e na abordagem da capacitação, o relatório do UNDP (1997) apresentou
o índice de pobreza humana, IPH3, (human poverty index), focando em mais amplos e
representativos conjunto de variáveis. O objetivo da medida consiste em revisar o desafio de
reduzir a pobreza com foco não apenas na pobreza de renda, mas “on poverty from a human
development perspective – on poverty as a denial of choices and opportunities for living a
tolerable life” (UNDP, 1997, p. 2).
A publicação de uma nova medida multidimensional de pobreza pelo UNDP (1997, p.
17) visava responder às questões: “can the concept of human poverty be targeted and
monitored? Can an overall measure of poverty be developed that can inform as well as be
used for policy? Can an internationally comparable measure be defined?”. A medida
consiste em uma tentativa de reunir em um índice composto diferentes características da
privação da qualidade de vida de forma a chegar a um julgamento agregado sobre a dimensão
da pobreza em uma comunidade (UNDP, 1997).
O conceito de pobreza humana é mais amplo do que qualquer medida particular e
inclui muitos aspectos que não podem ser medidos. Essa dificuldade se reflete na elaboração
de uma medida. Dessa forma, o IPH é composto de três dimensões: longevidade,
conhecimento e um padrão de vida decente. A primeira privação relacionada a sobrevivência
é medida pelo percentual de pessoas com espectativa de vida até 40 anos. A segunda privação
relacionada a educação é medida pelo percentual de adultos analfabetos. A terceira privação
relacionada a um padrão de vida decente, particularmente, a provisão econômica geral é
medida por três variáveis: o percentual de pessoas com acesso a serviços de saúde, o
percentual de pessoas com acesso a água potável e percentual de crianças de até 5 anos
desnutridas (UNDP, 1997).
O IPH reflete a distribuição do progresso e mede a acumulação de privações que ainda
existe, nas mesmas dimensões que o IDH. No ano seguinte a publicação do IPH, o UNDP
(1998) apresentou um novo índice de pobreza em países industrializados. Uma medida
3 Sobre a diferença entre o IDH e o IPH, ver Anand e Sen (1994, 1997).
33
multidimensional de privação humana, no mesma linha como foi apresentado o índice no
UNDP (1997) para países desenvolvidos, mas mais apropriado a condições sociais e
econômicas destes países.
Dessa forma, o relatório apresenta duas medidas: o IPH-1 e o IPH-2. O primeiro índice
mede a pobreza em países em desenvolvimento. O IPH-1 consiste no IPH anteriormente
proposto, composto por três dimensões: longevidade, medida pelo percentual de pessoas com
espectativa de vida até 40 anos; educação, medido pela taxa de analfabetismo; e padrão de
vida decente, medido pelo percentual de pessoas sem acesso a água ou serviços de saúde e
pelo percentual de crianças de até 5 anos desnutridas (UNDP, 1998).
A nova mendida, o IPH-2, mede a pobreza humana em países industrializados. Essa
medida precisa diferir do IPH-1 porque a pviação humana varia com as condições sociais e
econômicas da comunidade, e foi concebino nesses países por terem maior disponibilidade de
dados. Segue as mesmas dimensões que o IPH-1 e adiciona uma: a exlusão social. Portanto, é
composto por quatro dimensões: longevidade, medida pelo percentual de pessoas com
espectativa de vida até 60 anos; educação, medido pela taxa de analfabetismo funcional;
padrão de vida decente, medido pelo percentual de pessoas vivendo abaixo da linha de
pobreza (50% do rendimento disponível médio); e participação ou exclusão, medido pela taxa
de desemprego a longo-prazo (12 meses ou mais) (UNDP, 1998).
1.2.2.3 Índice de Pobreza Multidimensional (IMP)
Em 2010, com base no trabalho de Alkire e Santos (2010), o PNUD (UNDP, 2010)
publicou o Índice Multidimensional de Pobreza, de modo a substituir o Índice de Pobreza
Humana (UNDP, 1997). Esse índice tem como proposta a focalização do estudo da pobreza,
diferente da proposta universal das outras medidas.
O novo IMP capta quantas pessoas sofrem privações sobrepostas e quantas privações
enfrentam em média. Pode ser discriminado por dimensão para mostrar como modifica a
composição da pobreza multidimensional em incidência e em intensidade nas diferentes
regiões, grupos étnicos, trazendo implicações úteis para as políticas públicas. Usa 10
indicadores para medir três dimensões da pobreza familiar: a educação, saúde e padrão de
vida (UNDP, 2010, 2011).
Pode ser usado como uma ferramenta para apontar as pessoas mais vulneráveis,
mostrando aspectos em que são carentes, e ajudam a indicar as interconexões entre as
34
privações. O índice proposto também mostra a intensidade da pobreza que cada família sofre,
usando como instrumento a soma ponderada de privações. Isso permite que os formuladores
de políticas públicas possam direcionar os recursos de forma mais eficaz, focalizado na fonte
de pobreza de uma região, grupo populacional ou nação e direcionar suas metas de
desenvolvimento em conformidade com as respectivas privações.
O valor do IMP é produto de duas medidas: a taxa multidimensional de contagem das
pessoas ( )H e a intensidade (ou amplitude da pobreza) ( )A . A primeira medida consiste na
proporção da população que é multidimensionalmente pobre, encontrada pela razão entre o
número de pessoas multidimensionalmente pobres, q, pela população total, n. A segunda
medida reflete a proporção de indicadores ponderados, d, na qual, em média, as pessoas
pobres sofrem privação, c. Apenas para as famílias pobres, as pontuações de privação são
somadas e divididas pelo número total de indicadores e pelo número total de pessoas pobres,
conforme equação (4):
IMP HxA= (4)
Onde: H q n= e 1
qA c qd=∑ .
O surgimento das medidas de pobreza multidimensionais impulsionou a aplicação de
diferentes técnicas para a mensuração da pobreza. Algumas dessas técnicas são apresentadas a
seguir.
1.2.2.4 Outras medidas multidimensionais de pobreza
Outras tentativas de incluir mais dimensões de bem-estar na medição de pobreza
podem ser observadas. Tsui (1995) propôs medidas multidimensionais de desigualdade de
forma a sumarizar as desigualdades relacionadas às diferentes atribuições do bem-estar. Tsui
(2002) parte da abordagem da renda que mede pobreza por meio da agregação de
insuficiência de renda de uma linha de pobreza pré-determinada para um índice
multidimensional como uma representação numérica de insuficiência de necessidades básicas
de algum nível mínimo pré-determinado.
Bourguignon e Chakravarty (2002, 2003) sugerem que uma forma alternativa de levar
em conta a multidimensionalidade da pobreza é especificar uma linha de pobreza para cada
dimensão da pobreza e considerar que uma pessoa é pobre, se cai abaixo de pelo menos uma
dessas diferentes linhas. Combinam, dessa forma, linhas de pobreza, generalizando critéiros
disponíveis de ordenamento de pobreza unidimensional de renda para o caso dos atributos
35
multidimensionais do bem-estar.
Conforme a Abordagem da Capacitação de Sen (1985, 2000, 2001), a medição da
pobreza precisa ser feita considerando múltiplas dimensões que reflitam as privações sofridas
pelas pessoas. Em cada local existem diversidades e necessidades especiais. Dessa forma,
algumas tentativas de construção de medidas de pobreza e aplicação de técnicas para
mensuração da Abordagem da Capacitação.
Brandolini e D’Alessio (1998) e Chiappero Martinetti (2000) exploraram a
possibilidade da análise multidimensional da privação e desigualdade sob a perspectiva
teórica da Abordagem da Capacitação, usando dados secundários. Segundo Picolotto (2006)
algumas técnicas para operacionalizar a Abordagem da Capacitação, consistem na análise
multivariada, modelo multivariado com múltiplos indicadores e múltiplas causas (MIMIC),
análise fatorial e técnicas dos Conjuntos Fuzzy.
Santos (2007) propôs o índice de liberdade (IL) para calcular o índice de bem-estar
para a população da favela do Vidigal no Rio de Janeiro. Entrevistou mulheres e identificou
treze funcionamentos relevantes: morar bem; ser saudável; realizar um trabalho gratificante;
ter boa escolaridade; ter os filhos protegidos; comer adequadamente; vestir-se
adequadamente; ter acesso a serviços básicos; não sofrer preconceito; viver sem medo;
participar da vida da comunidade; participar da vida associativa da cidade; e ser feliz e ter
orgulho próprio.
Picolotto (2006) avaliou funcionamentos alcançados por pessoas pobres da Região
Metropolitana de Porto Alegre, por meio da Teoria dos Conjuntos Fuzzy. Definiu 24
indicadores distribuídos sete funcionamentos para investigação: saúde, nutrição, educação,
política, solidariedade, liberdade e satisfação. O autor concluiu que os funcionamentos
participação e educação apresentam os piores resultados e que mulheres, negros, pardos e
pessoas mais velhas (em parte) são considerados mais pobres quando vistos pela perspectiva
multidimensional.
Ottonelli et. al (2011) entrevistaram mulheres de três bairros pobres de Palmeira das
Missões/RS. Calcularam uma medida multidimensional de pobreza para grupo de
entrevistadas por bairros (INDG) e identificaram doze funcionamentos: morar bem; ter boa
saúde; ter trabalho; ter acesso ao conhecimento; ter filhos protegidos; ter acesso aos serviços
básicos; ter perspectiva para o futuro; comer adequadamente; vestir-se adequadamente;
participar da vida da comunidade; ter bom relacionamento familiar; e ter disponibilidade de
recursos.
36
O cálculo do índice de pobreza nos trabalhos de Santos (2007) e Ottonelli et. al (2011)
envolve a determinação de indicadores para cada funcionamento. Cada indicador corresponde
a uma questão que tem resposta sim (não limitação no indicador) e não (limitação no
indicador). Dessa forma, quanto mais próximo de um for o índice, maior o grau de existência
de pobreza. Os indivíduos ou famílias podem vivenciar algum grau de pobreza em algum
instante da vida.
Diante das medidas e técnicas para a mensuração da pobreza, neste estudo a escolheu-
se a Teoria dos Conjuntos Fuzzy. A escolha tem como justificativa o fato de ser uma técnica
que pode ser aplicada a diferentes estudos e temas. Além disso, possui a característica de
permitir o cálculo de índices relativos aos municípios objetos deste estudo, dada as
informações apresentadas. Portanto, essa técnica permite a geração de informações para cada
município considerado, de forma que se possa fazer comparações.
Antes de apresentar o cálculo e resultados da medida de pobreza multidimensional,
apresentam-se algumas informações sobre os programas de assistência aos pobres no Brasil e
na Região Nordeste, bem como estrutura e funcionamento de tais políticas.
37
2 PROGRAMAS DE ASSISTÊNCIA AOS POBRES
Quando se discute pobreza, é importante apresentar algumas informações relacionadas
à pobreza e aos programas de assistência aos pobres. Ações para a redução da pobreza por
meio de programas de transferência de renda tornaram-se possíveis no Brasil com a
introdução do conceito de Seguridade Social na Constituição Federal de 1988 (CF/88). Por
meio deste conceito institui-se a responsabilidade dos governos federais, estaduais e
municipais bem como da sociedade, de assistir a pessoas com deficiência, idosos e pessoas
em situação de vulnerabilidade e pobreza. A definição de pobreza usada para a identificação e
atendimento dos pobres pelos programas de assistência aos pobres tem como base a
abordagem unidimensional, baseada na renda monetária.
Deste modo, essa seção busca apresentar, primeiro, informações relacionadas à
assistência social, principalmente no que diz respeito ao atendimento das pessoas
consideradas pobres na Região Nordeste e, segundo, algumas informações sobre o surgimento
e funcionamento de tais programas. Atualmente, os programas4 mais importantes de
assistência aos pobres do Governo Federal são o Benefício de Prestação Continuada (BPC) e
o Programa Bolsa Família (PBF). O BPC assiste aos idosos e pessoas com deficiência (PCD)
em situação de baixa renda e que não tem condições de participar do mercado de trabalho. O
PBF atende famílias de baixa renda com objetivo de reduzir tirar essas famílias da situação da
extrema pobres. Para serem atendidas pelos programas de transferência de renda, as famílias
de baixa renda precisam ser cadastradas no Cadastro Único (CadÚnico) do Governo Federal.
2.1 Caracterização e aspectos da assistência aos pobres no Brasil e na Região Nordeste
O objetivo desta seção é fornecer um panorama do atendimento às pessoas pobres na
Região Nordeste pelos programas de transferência de renda. Como a proposta deste trabalho
consiste em mensurar a pobreza multidimensional para os municípios nordestinos a partir dos
mais recentes dados publicados em 2010 (IBGE, 2010), as informações apresentadas aqui,
que resultam de abordagem unidimensional da pobreza, também serão para o mesmo ano, de
forma a permitir a realização de comparações e inferências sobre o assunto.
4 Outros programas gerenciados pelo MDS: Programa de Erradicação do Trabalho Infantil (Peti), Programa Brasil Carinhoso, Programa de Aquisição de Alimentos (PAA), Programa Nacional de Acesso Técnico e Emprego (Pronatec).
38
Para começar, apresenta-se algumas informações sobre o tamanho população nos
Estados e Municípios objetos deste estudo. Tais informações são importantes porque ajudam
no entendimento das diferenças do número atendimentos feitos pelos programas assistenciais
entre as regiões. Em 2010 a população residente na Região Nordeste ultrapassou 53 milhões,
representando 28% da população do país que era de 190 milhões (IBGE, 2010). A Figura 1
mostra a população total em todos os Estados do Nordeste. Verifica-se que os Estados com
maior população são Bahia (14 milhões), Pernambuco (8,7 milhões), Ceará (8,4 milhões) e
Maranhão (6,5 milhões) que possuem, respectivamente, a participação de 26,41%, 16,57%,
15,92% e 12,39%. Os Estados com menor população são Paraíba (3,7 milhões), Rio Grande
do Norte (3,16 milhões), Alagoas (3,12 milhões), Piauí (3,11 milhões) e Sergipe (2 milhões)
que possuem a respectiva representação da população total na região de 7,1%, 5,97%, 5,88%,
5,87% e 3,9%. Observa-se que os quatro Estados mais populosos juntos abrangem 71,29% de
toda a população.
Figura 1. População dos Estados do NE e percentual em relação ao total do NE (2010). Fonte: IBGE – Censo Demográfico 2010.
A Figura 2 apresenta a população residente nos municípios do Nordeste em 2010.
Observa-se que os Estados de Piauí, Rio Grande do Norte e Paraíba apresentam muitos
municípios com menor população, representados pela cor mais clara. Enquanto que
Maranhão, Ceará, Pernambuco e Bahia apresentam mais municípios com maior número de
população, representados pela cor mais escura.
5,88%
26,41%
15,92%
12,39%
7,10%
16,57%
5,87% 5,97%
3,90%
0
2
4
6
8
10
12
14
16
AL BA CE MA PB PE PI RN SE
Po
pu
laçã
o (
em
20
10
)
Mil
hõ
es
Estados do Nordeste
39
Figura 2. População dos municípios do Nordeste em 2010. Fonte: IBGE – Censo Demográfico 2010.
40
Com o auxílio da Tabela 1 é possível verificar que os Estados que possuem maior
incidência de municípios com até 10 mil habitantes são Piauí (73%), Paraíba (61%) e Rio
Grande do Norte (60%) e os que apresentam menor incidência são Pernambuco (9%) e Ceará
(11%). Quando somados os dois intervalos de classe que indicam população de até 25 mil
habitantes, tem-se que os Estados que apresentam maior concentração de municípios com
população até essa faixa são Piauí (91%), Paraíba (90%), Rio Grande do Norte (88%), Sergipe
(77%), Alagoas (73%), Bahia (71%) e Maranhão (70%).
Tabela 1. Incidência de municípios (%) por intervalo de classes da população
População (2010)
Estado Número de Municípios
Percentual de municípios por intervalo de classes (%)
1.253 - 10.000 10.001 - 25.000 25.001 - 50.001 50.001 - 2.675.656
Alagoas 102 26,47 47,06 17,65 8,82
Bahia 417 16,55 55,40 17,75 10,31
Ceará 184 11,41 47,83 22,83 17,93
Maranhão 217 17,05 53,92 18,89 10,14
Paraíba 223 61,43 29,15 4,93 4,48
Pernambuco 185 9,19 50,81 21,08 18,92
Piauí 224 73,21 17,86 6,70 2,23
Rio Grande do Norte 167 60,48 28,14 6,59 4,79
Sergipe 75 37,33 40,00 13,33 9,33
Total NE 1794 33,50 42,36 14,55 9,59 Fonte: Elaborado com dados do IBGE – Censo Demográfico 2010.
Os Estados que existe maior número de municípios com população superior a 50 mil
habitantes são Pernambuco (19%) e Ceará (17%). Se forem somados os intervalos de classe
que indicam população acima de 25 mil habitantes, tem-se que os Estados que apresentam
maior concentração de municípios com essa faixa de população são Ceará (40,7%),
Pernambuco (40%), Maranhão (29%), Bahia (28%) e Alagoas (26%).
Quando observados todos os municípios em conjunto, tem-se para o Nordeste que
33,5% dos municípios possuem população de até dez mil habitantes; 42,4% têm população de
10 até 25 mil habitantes; 14,5% têm população de 25 até 50 mil habitantes; e 9,6% têm mais
de 50 mil habitantes.
Os programas assistenciais atendem as famílias. Em 2010, o número de famílias na
Região Nordeste era de mais de 14,6 milhões, representado 27% do total de mais de 54,3
milhões de famílias no país (IBGE, 2010). A Figura 3 mostra o número de famílias nos
41
Estados. Observam-se percentuais quase idênticos aos apresentados pelo total da população
residente. Os Estados com maior número de famílias são Bahia (3,8 milhões), Pernambuco
(2,4 milhões), Ceará (8,4 milhões) e Maranhão (2,3 milhões) que representam,
respectivamente, 26,66%, 16,86%, 15,97% e 11,62% do total de famílias da região. Os
Estados com menor número de famílias são Paraíba (1,05 milhões), Rio Grande do Norte (0,9
milhões), Alagoas (0,8 milhões), Piauí (0,8 milhões) e Sergipe (0,5 milhões) que possuem a
respectiva representação do número total de famílias na região de 7,23%, 6,16%, 5,75%,
5,84% e 3,9%.
Figura 3. Famílias dos Estados do NE e percentual em relação ao total do NE (2010). Fonte: IBGE – Censo Demográfico 2010.
Para ter acesso aos programas de assistência social as famílias precisam estar
cadastradas no Cadastro Único (CadÚnico) do Ministério do Desenvolvimento Social e
Combate à Fome (MDS). Essas famílias podem ser consideradas em situação de pobreza e,
portanto, passíveis de serem atendidas por programas de assistência social se apresentarem: (i)
renda mensal de até meio salário mínimo por pessoa ou (ii) renda mensal total de até três
salários mínimos (MDS, 2013).
No Brasil, o número de famílias cadastradas em 2010 era de 20,8 milhões,
correspondendo a 38% do total de famílias do país. No Nordeste, o número de famílias
cadastradas era de 9,4 milhões, correspondendo a 65,5% do total e famílias na região.
Conforme a Figura 4, os Estados com maior número de famílias cadastradas foram Bahia,
Pernambuco, Ceará e Maranhão.
5,75%
26,66%
15,97%
11,62%
7,23%
16,86%
5,84% 6,16%
3,90%
0
500
1.000
1.500
2.000
2.500
3.000
3.500
4.000
4.500
AL BA CE MA PB PE PI RN SE
Nú
me
ro d
e f
am
ília
s (e
m 2
01
0)
Mil
ha
res
Estados do Nordeste
42
Figura 4. Famílias dos Estados do NE cadastradas no CadÚnico (2010). Fonte: Ministério do Desenvolvimento Social e Combate à Fome (MDS).
Conforme dados do CadÚnico, em 2010 o número de famílias cadastradas que
apresentavam renda per capita mensal de até R$140,00, ou seja, em situação de pobreza,
chegou a mais de 17 milhões para o Brasil e mais de 8 milhões para o Nordeste,
correspondendo, respectivamente, a 31,6% do total de famílias do país e 56,46% do total das
famílias do Nordeste. A Figura 5 mostra o número de famílias dos Estados do NE com renda
de até R$140,00, em situação de pobreza, com cadastro no CadÚnico. Os Estados que
apresentam maior número de famílias cadastradas em situação de pobreza são Bahia,
Pernambuco, Ceará e Maranhão.
Figura 5. Famílias pobres dos Estados do NE, renda de até RS 140,00 (2010). Fonte: Ministério do Desenvolvimento Social e Combate à Fome (MDS).
560
2.460
1.488
1.181
689
1.579
604 539
343
0
500
1.000
1.500
2.000
2.500
3.000
AL BA CE MA PB PE PI RN SE
Nú
me
ro d
e f
am
ília
s (e
m 2
01
0)
Mil
ha
res
Estados do Nordeste
504
2.143
1.257
1.082
597
1.398
533443
301
0
500
1.000
1.500
2.000
2.500
AL BA CE MA PB PE PI RN SE
Nú
me
ro d
e f
am
ília
s (2
01
0)
Mil
ha
res
Pobres (renda inferior a R$140,00)
43
A Figura 6 mostra as informações apresentadas pelas Figuras 3, 4 e 5 juntamente.
Verifica-se a proporção do número de famílias cadastradas no CadÚnico e número de famílias
pobres cadastradas no CadÚnico com relação ao total de famílias em cada Estado. Em todos
os Estados, mais de 60% das famílias possuem cadastro no CadÚnico e mais de 49% das
famílias cadastradas tem renda de até R$140,00, configurando situação de pobreza, com
destaque para Maranhão (64%), Piauí (62%) e Alagoas (60%).
Figura 6. Famílias dos Estados do NE: total e cadastradas no CadÚnico (2010). Fonte: Ministério do Desenvolvimento Social e Combate à Fome (MDS).
A Figura 7 mostra o número de famílias com renda per capita mensal de R$140,00
com cadastro no CadÚnico em 2010. Observa-se maior incidência de municípios com menor
número de famílias cadastradas, que aparecem na cor mais clara, nas regiões centro e sul do
Piauí e em todo território do Rio Grande do Norte e Paraíba. Observa-se maior incidência de
municípios com maior número de famílias cadastradas, que aparecem na cor mais escura, nas
regiões litorâneas, principalmente norte do Maranhão e Ceará e leste de Pernambuco.
100%
100%
100%
100%
100%
100%
100% 100%
100%67%
63%
64%
70%
65%
64%
71% 60%60%60%
55%
54%64%
56%
57%
62% 49%53%
0
500
1000
1500
2000
2500
3000
3500
4000
AL BA CE MA PB PE PI RN SE
Nú
me
ro d
e f
am
ília
s (2
01
0)
Mil
ha
res
Estados do Nordeste
Número total de famílias
Famílias Cadastradas no CadÚnico
Famílias Cadastradas no CadÚnico (com renda de até R$140,00)
44
Figura 7. Número de famílias com renda familiar per capita mensal de até R$140,00 cadastradas no CadÚnico em 2010.
Fonte: Ministério do Desenvolvimento Social e Combate à Fome (MDS).
45
A Tabela 2 mostra que os Estados que apresentam maior incidência de municípios até
duas mil famílias pobres, com renda de até R$140,00, cadastradas no CadÚnico são Piauí
(73,6%), Rio Grande do Norte (66%), Paraíba (65,9%) e Sergipe (41%). Os com maior
incidência de municípios com o cadastro de 2 a 5 mil famílias pobres são Bahia (54,7),
Pernambuco (53%), Maranhão (48,8%), Alagoas (48%), Ceará (47%) e Sergipe (38,7%). Se
forem os intervalos de classe que indicam o percentual de municípios com cadastro de até
cinco mil famílias pobres cadastradas, tem-se que os Estados que apresentam maior
concentração de municípios são Paraíba (92%), Piauí (91%), Rio Grande do Norte (90%) e
Sergipe (80%). Observa-se, portanto, maior incidência municípios com até cinco mil famílias.
Tabela 2. Incidência de municípios (%) por intervalo de classes do CadÚnico
CadÚnico: famílias com renda de até R$140,00 (2010)
Estado Número de Municípios
Percentual de municípios por intervalo de classes (%)
10 - 2.000 2.001 - 5.000 5.001 - 10.000 10.001 - 260.174
Alagoas 102 30,39 48,04 16,67 4,90
Bahia 417 20,14 54,68 16,79 8,39
Ceará 184 15,22 47,28 25,00 12,50
Maranhão 217 24,88 48,85 18,43 7,83
Paraíba 223 65,92 26,46 4,93 2,69
Pernambuco 185 9,19 52,97 22,70 15,14
Piauí 224 73,66 17,41 7,14 1,79
Rio Grande do Norte 167 66,47 23,95 5,99 3,59
Sergipe 75 41,33 38,67 13,33 6,67
Total NE 1794 37,24 40,97 14,60 7,19 Fonte: Elaborado com dados do Ministério do Desenvolvimento Social e Combate à Fome (MDS).
Os com maior incidência de municípios com o cadastro de 5 a 10 mil famílias pobres
são Ceará (25%), Pernambuco (22,7%), Maranhão (18%), Bahia (16,8%) e Alagoas (16,7%).
Já os com maior incidência de municípios com mais de 10 mil famílias pobres com cadastro
são Pernambuco (15%) e Ceará (12%). Se forem os intervalos de classe que indicam o
percentual de municípios com cadastro de mais de cinco mil famílias pobres cadastradas, tem-
se que os Estados que apresentam maior concentração de municípios são Pernambuco (38%) e
Ceará (37%).
O Benefício de Prestação Continuada (BPC) atendeu 3,4 milhões de idosos e pessoas
com deficiência (PCD) no Brasil em 2010, correspondendo 6,2% do total de famílias. No
46
Nordeste foram 1,2 milhões, correspondendo a 8,3% do total de famílias da região. A Figura 8
apresenta o número de beneficiários do BPC nos Estados do NE em 2010.
Figura 8. Número de beneficiários do BPC – idosos e PCD (2004-2012). Fonte: Ministério do Desenvolvimento Social e Combate à Fome (MDS).
A Figura 9 mostra o número de beneficiários do BPC em 2010 para os municípios e a
Tabela 1 mostra a incidência dos municípios, dado o número de beneficiários. Observa-se que
em todos os Estados existe maior incidência de municípios com até mil beneficiários do BPC,
representando mais de 80%.
Tabela 3. Incidência de municípios (%) por intervalo de classes do BPC
BPC (2010)
Estado Número de Municípios
Percentual de municípios por intervalo de classes (%)
0 - 1.000 1.001 - 2.000 2.001 - 5.000 5.001 - 58.782
Alagoas 102 86,27 6,86 4,90 1,96
Bahia 417 82,97 9,83 5,04 2,16
Ceará 184 85,33 8,15 4,35 2,17
Maranhão 217 85,71 7,37 4,61 2,30
Paraíba 223 94,17 1,79 3,14 0,90
Pernambuco 185 80,00 4,86 11,35 3,78
Piauí 224 97,32 0,89 1,34 0,45
Rio Grande do Norte 167 94,01 3,59 1,20 1,20
Sergipe 75 89,33 6,67 2,67 1,33
Total NE 1794 87,90 5,85 4,40 1,84 Fonte: Elaborado com dados do Ministério do Desenvolvimento Social e Combate à Fome (MDS).
0
20
40
60
80
100
120
140
160
180
AL BA CE MA PB PE PI RN SE
Nú
me
ro d
e b
en
efi
ciá
rio
s d
o B
PC
(20
10
)
Mil
ha
res
Idosos Pessoas com Deficiência (PCD)
47
Figura 9. Número de beneficiários do BPC (idosos e PCD) em 2010. Fonte: Ministério do Desenvolvimento Social e Combate à Fome (MDS).
48
O Programa Bolsa Família (PBF) atendeu 12,7 milhões de famílias em 2010,
correspondendo a 23,5% do total de famílias do país. No Nordeste foram mais de 6,4 milhões
de famílias, correspondendo a 44% do total de famílias da região. A Figura 10 apresenta o
número de famílias atendidas pelo PBF para os Estados do NE.
Figura 10. Famílias dos Estados do NE atendidas pelo PBF (2010). Fonte: Ministério do Desenvolvimento Social e Combate à Fome (MDS).
A Figura 11 mostra as informações apresentadas pelas Figuras 3, 4 e 10 juntamente.
Verifica-se a proporção do número de famílias cadastradas no CadÚnico e número de famílias
atendidas pelo PBF com relação ao total de famílias em cada Estado. Observa-se que mais de
38% do total de famílias são atendidas pelo PBF nos Estados, com destaque para Maranhão
(51%), Piauí (49%) e Alagoas (49%).
Figura 11. Famílias do NE: total, cadastradas no CadÚnico e atendidas pelo PBF (2010). Fonte: Ministério do Desenvolvimento Social e Combate à Fome (MDS).
414
1.662
1.022
871
451
1.045
420338
230
0
200
400
600
800
1.000
1.200
1.400
1.600
1.800
AL BA CE MA PB PE PI RN SE
Nú
me
ro d
e f
am
ília
s (e
m 2
01
0)
Mil
ha
res
Estados do Nordeste
100%
100%
100%
100%
100%
100%
100% 100%
100%67%
63%
64%
70%
65%
64%
71% 62%60%49%
43%
44%51%
43%
42%
62% 38%40%
0
500
1000
1500
2000
2500
3000
3500
4000
AL BA CE MA PB PE PI RN SE
Nú
me
ro d
e f
am
ília
s (2
01
0)
Mil
ha
res
Estados do Nordeste
Número total de famílias Famílias Cadastradas no CadÚnico Famílias Atendidas pelo PBF
49
A Figura 12 mostra o número de famílias atendidas pelo PBF nos municípios do NE
em 2010.
Figura 12. Número de famílias atendidas pelo PBF em 2010. Fonte: Ministério do Desenvolvimento Social e Combate à Fome (MDS).
50
A Tabela 4 mostra o percentual de municípios, conforme o número de famílias
atendidas pelo PBF, a nível estadual. Os Estados com maior incidência de municípios com até
duas mil famílias atendidas pelo PBF, que aparecem na cor mais clara no mapa, são Piauí
(81%), Rio Grande do Norte (80%), Paraíba (73%) e Sergipe (49%). Os com maior incidência
de municípios que têm de 2 a 5 mil famílias atendidas são Pernambuco (51,9%), Bahia (50%),
Ceará (48,9%), Alagoas (48%), Maranhão (43%) e Sergipe (38,7%). Se forem os intervalos
de classe que indicam o percentual de municípios com cadastro de até cinco mil famílias
atendidas pelo PBF, tem-se que os Estados que apresentam maior concentração de municípios
são Paraíba (95%), Piauí (93,7%), Rio Grande do Norte (93%), Sergipe (88%), Alagoas
(84%), Bahia (84%) e Maranhão (80%).
Os com maior incidência de municípios que têm de 5 a 10 mil famílias atendidas são
Ceará (19,6%) e Pernambuco (17%). Os municípios que possuem mais de 10 mil famílias
atendidas incidem em Pernambuco e Ceará com, respectivamente, 10,3% e 8,7%. Se forem os
intervalos de classe que indicam o percentual de municípios com cadastro com mais de cinco
mil famílias atendidas pelo PBF, tem-se que os Estados que apresentam maior concentração
de municípios são Ceará (28%) e Pernambuco (27%).
Tabela 4. Incidência de municípios (%) por intervalo de classes do PBF
PBF (2010)
Estado Número de Municípios
Percentual de municípios por intervalo de classes (%)
10 - 2.000 2.001 - 5.000 5.001 - 10.000 10.001 - 196.699
Alagoas 102 36,27 48,04 12,75 2,94
Bahia 417 33,81 50,36 11,03 4,80
Ceará 184 22,83 48,91 19,57 8,70
Maranhão 217 36,87 43,32 13,36 6,45
Paraíba 223 73,54 21,52 2,69 2,24
Pernambuco 185 20,54 51,89 17,30 10,27
Piauí 224 81,25 12,50 5,36 0,89
Rio Grande do Norte 167 80,24 13,17 4,79 1,80
Sergipe 75 49,33 38,67 8,00 4,00
Total NE 1794,00 47,66 37,12 10,48 4,74 Fonte: Elaborado com dados do Ministério do Desenvolvimento Social e Combate à Fome (MDS)
Para o Nordeste, 47,7% dos municípios têm até 2 mil famílias atendidas pelo PBF;
37% têm de 2 até 5 mil; 10,5% têm de 5 até 10 mil famílias; e 4,7% têm mais de 10 mil.
51
Por fim, discutidas as informações sobre o número de pobres e as principais políticas
de Assistência Social, são também apresentados: o índice de gini5 e o Índice de
Desenvolvimento Familiar (IDF6). Segundo IBGE (2010), o índice de gini da distribuição do
rendimento mensal dos domicílios em 2010 para o Brasil foi de 0,536. O Nordeste apresentou
índice de gini de 0,555, superior a média nacional. Os Estados do NE também apresentaram
índice superior a média nacional: Alagoas (0,56), Bahia (0,55), Ceará (0,56), Maranhão
(0,55), Paraíba (0,56), Pernambuco (0,56), Piauí (0,56), Rio Grande do Norte (0,55) e Sergipe
(0,56).
O IDF mede o desenvolvimento das famílias cadastradas no CadÚnico. Quanto maior
seu valor, maior é o desenvolvimento da família. A Tabela 5 apresenta os resultados do IDF
para as seis dimensões e o índice global para os Estados do NE em 2010. Observa-se o baixo
desenvolvimento das famílias nas dimensões acesso ao trabalho, acesso ao conhecimento e
disponibilidade de recursos. Existe alto desenvolvimento das famílias nas dimensões
desenvolvimento infantil, condições habitacionais e vulnerabilidade. Os Estados que
apresentam menor IDF são Maranhão (0,52), Alagoas (0,54) e Piauí (0,54) e os que
apresentam maior IDF são Rio Grande do Norte (0,57), Ceará (0,56) e Pernambuco (0,56).
Tabela 5. Índice de Desenvolvimento da Família (IDF) dos Estados do NE (2010)
UF IDF –
Vulnerabilidade
IDF – Acesso ao
Conhecimento
IDF – Acesso ao Trabalho
IDF – Disponibilida
de de Recursos
IDF – Desenvolvimento Infantil
IDF – Condições
Habitacionais IDF – IDFE
AL 0,68 0,30 0,19 0,40 0,93 0,71 0,54
BA 0,69 0,35 0,18 0,40 0,95 0,73 0,55
CE 0,70 0,37 0,21 0,42 0,95 0,73 0,56
MA 0,66 0,34 0,21 0,37 0,94 0,62 0,52
PB 0,71 0,32 0,17 0,39 0,95 0,74 0,55
PE 0,70 0,36 0,19 0,40 0,95 0,74 0,56
PI 0,71 0,33 0,20 0,39 0,95 0,68 0,54
RN 0,71 0,36 0,18 0,44 0,95 0,77 0,57
SE 0,69 0,34 0,19 0,41 0,94 0,76 0,56 Fonte: Ministério do Desenvolvimento Social e Combate à Fome (MDS)
5 O índice de gini mede a desigualdade da renda. Varia de zero a um. Quanto mais próximo de um, maior o grau de desigualdade da renda. 6 O Índice de Desenvolvimento da Família (IDF) é um índice composto de seis dimensões: ausência de vulnerabilidades, acesso ao conhecimento, acesso ao trabalho, disponibilidade de recursos, desenvolvimento infantil e condições habitacionais (BARROS, CARVALHO e FRANCO, 2003). É usado pelo Governo Federal para medir o desenvolvimento das famílias cadastradas no CadÚnico e atendias pelos programas de transferência de renda.
52
Figura 13. Índice de Desenvolvimento Familiar (IDF) em 2010. Fonte: Ministério do Desenvolvimento Social e Combate à Fome (MDS).
53
A Figura 13 mostra o IDF para os municípios em 2010. Os municípios que aparecem
na cor mais clara são os que apresentam menor desenvolvimento da família e os que aparecem
na cor mais escura apresentam o maior desenvolvimento. Observa-se menor IDF nas regiões
centro e norte do Maranhão, norte e sul do Piauí, oeste e nordeste da Bahia e Alagoas.
Observa-se maior IDF na região sul da Bahia, leste de Pernambuco, Ceará e Rio Grande do
Norte.
A Tabela 6 mostra a incidência de municípios para cada intervalo do índice analisado.
Os Estados que apresentam maior incidência dos municípios na classe que indica menor
desenvolvimento da família, que aparecem na cor mais clara no mapa, são Maranhão (68%),
Alagoas (57,8%), Piauí (48%), Bahia (33,8%) e Paraíba (32%). E os que apresentam maior
incidência dos municípios na classe que indica maior desenvolvimento da família, que
aparecem na cor mais escura no mapa, são Rio Grande do Norte (53%), Sergipe (41%), Ceará
(31%), Pernambuco (24,9%) e Bahia (22%). Para o total de municípios do Nordeste tem-se
que 34,9% apresentam IDF entre 0,44 e 0,55; 42,1% entre 0,53 e 0,55; e 23% entre 0,56 e
0,70. Observa-se, assim, a concentração de municípios nas classes que indicam menor
desenvolvimento da família.
Tabela 6. Incidência de municípios (%) por intervalo de classes pelo IDF
IDF (2010)
Estado Número de Municípios
Percentual de municípios por intervalo de classes (%)
0,44 - 0,52 0,53 - 0,55 0,56 - 0,70
Alagoas 102 57,84 33,33 8,82
Bahia 417 33,81 44,12 22,06
Ceará 184 13,04 55,43 31,52
Maranhão 217 68,20 25,81 5,99
Paraíba 223 32,29 48,43 19,28
Pernambuco 185 25,95 49,19 24,86
Piauí 224 48,21 37,50 14,29
Rio Grande do Norte 167 7,19 39,52 53,29
Sergipe 75 18,67 40,00 41,33
Total NE 1794 34,89 42,08 23,02 Fonte: Elaborado com dados do Ministério do Desenvolvimento Social e Combate à Fome (MDS).
As informações apresentadas mostram a alta incidência de famílias de baixa renda
cadastradas no CadÚnico e atendidas por programas de transferência de renda. Estados como
Bahia, Pernambuco, Ceará e Maranhão se destacam em relação aos outros com relação ao
54
maior número de famílias pobres e com cadastro no CadÚnico devido ao maior número de
famílias residentes. Além disso, essas famílias ainda apresentam baixo desenvolvimento
familiar nas dimensões relacionadas principalmente a renda, trabalho e educação. Isso indica
as políticas de assistência aos pobres garantem a transferência de renda a grande parte da
população em situação de baixa renda e o Governo está tentando medir a evolução das
famílias atendidas por meio de índices de desenvolvimento como o IDF. Para promover o
desenvolvimento das famílias, as políticas precisam ir além da transferência de renda. Por
isso, a seguir são apresentados a estrutura e funcionamento dos programas de assistência aos
pobres.
2.2 Programas de assistência aos pobres: estrutura e funcionamento
A promulgação da Constituição Federal de 1988 (CF/88) constitui-se num marco para
a cidadania brasileira ao reconhecer a Assistência Social como política pública. A CF/88
propôs a garantia dos direitos civis, sociais e políticos com a ampliação do acesso da
população a bens e serviços públicos, bem como o direito a uma renda de solidariedade por
parte de idosos e pessoas com deficiência em situação de extrema pobreza (JACCOUD;
HADJAB; CHAIBUB, 2009).
Um dos principais avanços proporcionados pela CF/88 foi a introdução do conceito de
Seguridade Social ao assegurar os direitos à saúde, à previdência e à assistência social por
meio da criação da Lei Orgânica da Assistência Social (Loas), a Política Nacional de
Assistência Social (PNAS) e a Norma Operacional Básica (NOB) que regulamentou o
Sistema Único de Assistência Social (Suas) (JACCOUD; HADJAB; CHAIBUB, 2009). Tal
conceito apresentou os seguintes princípios:
“universalidade da cobertura e do atendimento; uniformidade e equivalência dos benefícios e dos serviços às populações urbanas e rurais; equidade e distributividade na prestação dos benefícios e dos serviços; irredutibilidade do valor dos benefícios; equidade na forma de participação no custeio; diversidade da base de financiamento; caráter democrático e descentralizado da gestão administrativa, com a participação da comunidade, em especial de trabalhadores, empresários e aposentados” (CASTRO; RIBEIRO, 2009, p. 28).
Com isso, puderam ser observados avanços em diferentes áreas. Com relação à saúde,
propõe a garantia do acesso universal, por meio da criação do Sistema Único de Saúde (SUS)
de caráter público e gratuito que ampliou o sistema de proteção social (JACCOUD;
HADJAB; CHAIBUB, 2009). No que diz respeito aos direitos trabalhistas e previdenciários,
55
com destaque para a Previdência Social, houve progresso com a fixação do salário mínimo e a
vinculação deste como piso dos benefícios previdenciários e assistenciais permanentes e,
também, da garantia da aposentadoria aos trabalhadores rurais. Além disso, organizou fontes
de recursos importantes que permitiram a vinculação do custeio do seguro-desemprego.
Aprofundou o movimento de descentralização das receitas, redistribuindo competências
tributárias entre as esferas governamentais, beneficiando os estados e principalmente os
municípios aumentando, desta forma, a capacidade de financiamento dos gastos públicos
(CASTRO; RIBEIRO, 2009).
Com relação às políticas sociais, o texto constitucional reforçou o caráter distributivo e
a responsabilidade pública na regulação, produção e operação destas. As normas voltaram o
sistema brasileiro de proteção social a toda sociedade, promovendo comprometimento da
sociedade com a cidadania substantiva (CASTRO; RIBEIRO, 2009). O texto também
reconheceu a responsabilidade pública na Assistência Social tratando tal responsabilidade em
um contexto mais amplo de proteção social e instituiu “uma garantia de renda não
contributiva como parte da política assistencial, alterando substancialmente o papel do Estado
neste campo” (JACCOUD; HADJAB; CHAIBUB, 2009, p.178-79).
Com a Política Nacional de Assistência Social (PNAS) são observados quatro avanços
principais. Primeiro, a Assistência Social fica integrada a um princípio mais amplo de
proteção social: a Seguridade Social. Segundo, garante o atendimento a quem deste necessitar,
independentemente de contribuição à seguridade, assegurando o caráter não contributivo de
Segurança Social da política de Assistência Social. Terceiro, institui o Benefício de Prestação
Continuada (BPC) que consiste na prestação monetária não contributiva dirigida como
benefício continuado aos idosos e aos deficientes sem meios de prover sua manutenção.
Quarto, mudança nas regras de organização institucional ao propor a descentralização da
execução das ações, com responsabilidade da esfera federal na coordenação e definição de
normas gerais, a participação privada na oferta de serviços e a participação social na
formulação e no controle desta política (JACCOUD; HADJAB; CHAIBUB, 2009).
Assim, a PNAS fixou as bases para a consolidação dos serviços socioassistenciais ao:
i) reafirmar a responsabilidade pública na sua oferta; ii) pautar uma gestão descentralizada e integrada; iii) determinar e padronizar as proteções sob sua responsabilidade; iv) instituir a proteção por território e complexidade; v) estabelecer as bases para promoção da integralidade do atendimento; e vi) prever a integração das entidades privadas na rede pública de oferta de serviços (JACCOUD; HADJAB; CHAIBUB, 2009, p.189).
A política de Assistência Social é responsável por garantir a segurança da acolhida, de
renda, de convivência familiar, comunitária e social, e autonomia e de sobrevivência a riscos
56
circunstanciais. Portanto, seus objetivos encontram-se no campo da garantia de renda e na
oferta de serviços voltados a socialização, integração, ao desenvolvimento de autonomia e a
defesa e proteção em situação de violação de direitos (como violência, abandono ou trabalho
infantil) (JACCOUD; HADJAB; CHAIBUB, 2009).
A consolidação e ampliação dos programas de garantia de renda no campo da política
de Assistência Social constituem num importante sistema de proteção social e da Seguridade
Social brasileira. Dentre os programas, recebem destaque: Benefício de Prestação Continuada
(BPC) e Programa Bolsa Família (PBF).
O Benefício de Prestação Continuada (BPC), regulamentado pela Loas em 1993, mas
efetivamente iniciado em 1996, compreende uma garantia de segurança econômica para
idosos com 65 anos ou mais e pessoas com deficiência incapacitante para a vida independente
e para o trabalho, cuja renda familiar per capita seja inferior a um quarto de salário mínimo, o
benefício de um salário mínimo mensal. Essa garantia de renda atende um público em
situação de acentuada “vulnerabilidade, seja pela presença de uma deficiência severa ou da
idade avançada, seja pela situação de extrema pobreza, elementos que se superpõem,
aumentando riscos, potencializando situações de exclusão” (JACCOUD; HADJAB;
CHAIBUB, 2009, p.202).
O Programa Bolsa Família (PBF) é uma política pública de Assistência de
transferência de renda criada em 2003. Até a criação do PBF a transferência de renda do
Governo Federal consistia num conjunto de programas de natureza não distributiva que
operavam a concessão de benefícios monetários de forma continuada, operados por
programas com objetivos e públicos diversos e funcionavam de forma independente. Os
programas existentes até então eram: Bolsa Escola, Cartão-Alimentação, Auxílio-Gás e Bolsa
Alimentação. Havia, portanto, falta de integração dos programas o que dificultava ou mesmo
inviabilizava a coordenação de ações de caráter intersetorial, seja para combate à pobreza,
seja para geração de oportunidades e ampliação do bem-estar (JACCOUD; HADJAB;
CHAIBUB, 2009).
Em 2003, o Governo Federal estabeleceu como objetivo prioritário o enfrentamento da
fome e da miséria. Criou o Ministério Extraordinário da Segurança Alimentar e Combate à
Fome (Mesa) com o lançamento do programa Fome Zero, com um novo programa de
transferência de renda: o Cartão Alimentação. Contudo, ainda em outubro de 2003, a política
de transferência de renda do Governo Federal foi alterada com a criação do Programa de
Transferência Direta de Renda com condicionalidades: o Programa Bolsa Família (PBF). O
57
programa deu início a um processo de unificação das ações de transferência de renda do
Governo Federal até então existentes7 (BRASIL, 2004).
Seguindo o mesmo formato dos programas que o antecederam, o Programa Bolsa
Família (PBF) manteve a obrigatoriedade do cumprimento de condicionalidades:
compromissos que as famílias precisam cumprir relacionadas às áreas da educação e da saúde
para terem direito ao recebimento do benefício. Na área da educação as condicionalidades
consistem em: manter as crianças e adolescentes em idade escolar na escola, com frequência
mínima de 85% para os com idade escolar entre seis e 15 anos, e de 75% para os de 16 e 17
anos. Na área da saúde as condicionalidades consistem em cumprir os seguintes cuidados
básicos com saúde: atendimento ao calendário de vacinação para crianças entre zero e sete
anos e o acompanhamento do seu crescimento e desenvolvimento, além da agenda pré e pós-
natal para as gestantes e mães em amamentação (CURRALERO et. al, 2010).
Desse modo, dentre as vantagens apresentadas pelo PBF pode-se citar: i) significou
uma aplicação do público-alvo a ser atendido e do valor médio do benefício, de modo a
garantir uma renda mínima a todas as famílias extremamente pobres, bem como aquelas
identificadas como pobres desde que existissem crianças em sua composição; ii) garantiu a
implementação de uma ação unificada no âmbito das transferências de renda e vinculou o
valor do benefício à existência de crianças e adolescentes na família; iii) a expansão do
programa nos últimos anos consolidou a transferência de renda não contributiva como efetivo
pilar de proteção social; vi) tem como meta a cobertura universal dentro do grupo
beneficiário; v) diferente do seguro social e do BPC, o PBF atende a segmentos ativos da
população (JACCOUD; HADJAB; CHAIBUB, 2009).
Atualmente, o Programa Bolsa Família (PBF) é gerido pela Secretaria Nacional de
Renda e Cidadania (SENARC), criada em 2004 junto ao Ministério do Desenvolvimento
Social e Combate à Fome (MDS), e integra o Plano Brasil Sem Miséria (BSM) criado como
uma proposta para o enfrentamento da pobreza no país. O MDS foi criado em 2004 pelo
Governo Federal com a integração de três estruturas governamentais extintas: o Ministério
Extraordinário da Segurança Alimentar e Combate à Fome (Mesa), o Ministério da
Assistência Social (MAS) e a Secretaria Executiva do Conselho Gestor Interministerial do
7 O PBF unificou os seguintes programas: Programa Nacional de Renda Mínima vinculado à Educação - Bolsa Escola, instituído pela Lei nº 10.219, de 11 de abril de 2001; Programa Nacional de Acesso à Alimentação - PNAA, criado pela Lei n o 10.689, de 13 de junho de 2003; Programa Nacional de Renda Mínima vinculada à Saúde - Bolsa Alimentação, instituído pela Medida Provisória n o 2.206- 1, de 6 de setembro de 2001; Programa Auxílio-Gás, instituído pelo Decreto nº 4.102, de 24 de janeiro de 2002; Cadastramento Único do Governo Federal, instituído pelo Decreto nº 3.877, de 24 de julho de 2001 (BRASIL, 2004).
58
Programa Bolsa Família. A missão do MDS é promover a inclusão social, a segurança
alimentar, a assistência integral e uma renda mínima de cidadania às famílias que vivem em
situação de pobreza. Para isso, o órgão implementa inúmeros programas e políticas públicas
de desenvolvimento social, realiza a gestão do Fundo Nacional de Assistência Social (FNAS)
e aprova os orçamentos gerais do Serviço Social da Indústria (SESI), do Serviço Social do
Comércio (SESC) e do Serviço Social do Transporte (SEST). Com a criação do MDS o
Governo Federal centralizou as iniciativas e passou a executar sua estratégia de
desenvolvimento social de forma mais robusta e articulada e com maiores investimentos nas
políticas públicas (MDS, 2013).
O Plano Brasil Sem Miséria (BSM), lançado pelo Decreto 7.492 de 2 de junho de
2011 da Presidência da República, considera em situação de extrema pobreza aquela
população com renda per capita mensal de até R$70,00. Tem como objetivos: i) elevar a
renda per capita da população em situação de extrema pobreza; ii) ampliar o acesso da
população em situação de extrema pobreza aos serviços públicos; iii) propiciar o acesso da
população em situação de extrema pobreza a oportunidades de ocupação e renda, por meio de
ações de inclusão produtiva (BRASIL, 2011a, 2011b). As ações e a gestão do BSM são
coordenadas pela Secretaria Extraordinária para a Superação da Pobreza e o programa tem
como proposta articular políticas, programas e ações em três dimensões: garantia de renda,
inclusão produtiva e acesso aos serviços públicos (IPEA, 2012).
Além disso, o Plano Brasil Sem Miséria (BSM) não tem como objetivo substituir as
políticas sociais universais, reduzir a atuação do Estado ou reformular a matriz de proteção
social no país, “constituída pela oferta de serviços universais, de um lado, e de transferências
monetárias focalizadas, de outro” (IPEA, 2012, p. 50). O programa pretende, ao contrário,
“incorporar ao sistema de proteção social universal e ao sistema de garantia de renda aqueles
segmentos da população cujo acesso às políticas sociais ainda não se efetivou, e que, por isto,
permanecem em situação de extrema pobreza” (IPEA, 2012, p. 50).
O atendimento pelos Programas Sociais do Governo Federal exige que as famílias
tenham cadastro no Cadastro Único (CadÚnico). O CadÚnico, atualmente, é regido pelo
Decreto no 6.135, de 26 de junho de 2007, constituindo um instrumento de identificação e
caracterização socioeconômica das famílias brasileiras de baixa renda, a ser utilizado para
seleção de beneficiários e integração de programas sociais do Governo Federal voltados ao
atendimento deste público. A importância do CadÚnico se relaciona a dois fatos: i) por servir
como referência para diversos programas sociais no processo de concessão de benefícios e ii)
59
por permitir que estados e municípios conheçam em maior profundidade os riscos e as
vulnerabilidades de sua população, realizando diagnósticos socioeconômicos das famílias
cadastradas capazes de subsidiar a formulação e a implementação de políticas públicas
voltadas para famílias de baixa renda (JACCOUD; HADJAB; CHAIBUB, 2009).
Com o anúncio do Programa de Aceleração do Crescimento (PAC), em 2007, um
conjunto abrangente de obras públicas de infraestrutura foi colocado em andamento. Passou-
se a defender a orientação para o crescimento econômico com inclusão social, com atenção às
políticas públicas, ao desenvolvimento e ao planejamento. Conforme Castro e Ribeiro (2009,
p. 67) “um dos grandes desafios colocados atualmente para a política pública no Brasil é
combinar crescimento econômico com distribuição de renda”. Nesse mesmo sentido, Delgado
e Theodoro (2005) reconhecem a enorme importância que teve a recente retomada do
crescimento econômico para gerar empregos, elevar a formalização no mercado de trabalho e
combater a pobreza, mas defendem que não se pode considerar que apenas o crescimento
econômico será capaz de trazer o desenvolvimento social.
Castro e Ribeiro (2009) destacam que a relação da política social com o
desenvolvimento pode ser observada sob três enfoques. Primeiro, os direitos sociais como
entitlements consistem em instrumentos que tem como objetivo a inclusão social, dotando o
cidadão de poderes e capacidades, e protegendo-o dos riscos. Segundo, a política social como
forma de redistribuição de renda e oportunidades tem como objetivo reduzir as desigualdades
entre famílias e regiões. Terceiro, o enfoque do gasto social público tem como papel indutor a
demanda efetiva.
Os enfoques apontados pelos autores estão relacionados a Abordagem da Capacitação
apresentada anteriormente (SEN, 1981, 1985, 2000). O desenvolvimento depende da
promoção de oportunidades e capacitações que permitam às pessoas – consideradas o foco do
desenvolvimento – melhores condições de vida ao terem participação no mercado de trabalho,
acesso a educação e saúde e a melhores condições de moradia, por exemplo.
Ao mesmo tempo em que as políticas de transferência de renda têm grande
importância ao garantir a seguridade social das pessoas em situação de pobreza são
necessárias ações e investimentos em diferentes áreas da sociedade (como em educação,
saúde, infraestrutura) para assegurar a inclusão social e a superação da pobreza. Dessa forma,
na próxima seção investiga-se se nos municípios da Região Nordeste existe pobreza em
múltiplas dimensões, ou apenas na dimensão renda monetária.
60
3 POBREZA MULTIDIMENISONAL NA REGIÃO NORDESTE
Esta seção apresenta a mensuração e resultados sobre a incidência da pobreza
multidimensional nos 1794 municípios da Região Nordeste a partir de dados do Censo
Demográfico (IBGE, 2010). Para isso, a técnica escolhida foi a Teoria dos Conjuntos Fuzzy,
uma técnica que permite a operacionalização da Abordagem da Capacitação por meio do o
cálculo de índices relativos para cada município considerado, de forma a refletir as
características dos municípios considerados no estudo. Além disso, permite o cálculo de pesos
para os indicadores e dimensões consideradas para permitir a verificação de quais apresentam
maior influência no grau de pobreza apresentado por cada município e a redução da
subjetividade da escolha dos indicadores.
Assim, na primeira é apresentada a Teoria dos Conjuntos Fuzzy, que permite o cálculo
de Índices Fuzzy de Pobreza (IFP) para cada município da Região Nordeste. Na segunda parte
discute-se a escolha dos indicadores e dimensões para o cálculo do índice, seguindo os passos
propostos pela literatura os estudos que usaram a técnica dos Conjuntos Fuzzy para investigar
a incidência da pobreza multidimensional, tendo como objeto de pesquisa (municípios e
bairros) e utilizando banco de dados que muito se aproximam do que é proposto neste
trabalho.
E, na terceira parte, são apresentados os resultados do IFP para os municípios. Para a
apresentação dos resultados gerados faz-se uso de mapas de representação espacial para
permitir a visualização da distribuição das informações no território, bem como analisar
semelhanças e diferenças. As informações são representadas nos mapas por meio de
intervalos de classe8 que variam conforme a informação analisada. O mapa serve para
visualizar cada informação gerada separadamente, identificando, principalmente, maiores
valores (representado pela cor mais escura) e menores valores (representado pela cor mais
clara). Observa-se ainda, como será apresentado a seguir, que quanto maiores os valores do
índice maior é a incidência a pobreza.
8 O método para a definição dos intervalos de classe para a representação das informações nos mapas consiste nos Intervalos Naturais (Jenks): este método executa um algoritmo que minimiza a variância dentro de cada classe de valores e identifica situações de quebra no arranjo natura da informação. Nas situações de fronteira existe sempre um salto dos respectivos valores (quebras naturais) que cria uma classe superior. É muitas vezes considerada a representação mais real da informação (TROCADO, 2013).
61
3.1 Operacionalização da Abordagem da Capacitação via Teoria dos Conjuntos Fuzzy
A Teoria dos Conjuntos Fuzzy (Fuzzy Sets Theory) foi desenvolvida por Zadeh (1965).
A proposta do autor consiste em explorar algumas das propriedades básicas e implicações de
um conceito que pode ser usado no procedimento de algum tipo de classificação. Como um
exemplo de classificação cita “a classe das mulheres mais bonitas” ou “a classe dos homens
mais altos”. Tais exemplos não constituem uma classe ou conjunto no usual senso matemático
dos termos, mas trata-se de uma classe com graus contínuos de pertencimento (grades of
membership). Conforme o autor, a noção dos Conjuntos Fuzzy fornece um conveniente ponto
de partida para a construção de um framework usado em casos de conjuntos comuns (ordinary
sets).
Desse modo, essa técnica revela-se ter um âmbito de aplicação muito amplo, pois
oferece uma maneira para tratar de problemas em que a fonte de imprecisões é ausência de
critérios bem definidos de associação de classe. A Teoria dos Conjuntos Fuzzy tem sido
aplicada em muitas áreas do conhecimento. Recentemente tem sido usada para a análise do
bem-estar, pobreza, desenvolvimento humano e desigualdade. Muitas vezes associada a
Abordagem da Capacitação por autores como Chiappero-Martinetti (2000), Lelli (2001) e
Baliamoune-Lutz (2004).
Brevemente, Chiappero-Martinetti (2000) explica que a teoria dos Conjuntos Fuzzy
substitui a função característica de um conjunto nítido ou clássico (crisp set) que
tradicionalmente indica um valor de 1 ou 0 para cada elemento no conjunto universo, com
uma função característica generalizada (chamada função membro) que varia entre 0 e 1.
Valores maiores denotam graus mais elevados de associação.
Em termos formais, se X denota um conjunto universal, então a função membro :
: [0,1]A Xµ → (5)
Onde: [0,1] é o intervalo de números reais de 0 a 1. Portanto ( ) 0A Xµ = se x X∈ não
pertence a A, ( ) 1A Xµ = se x pertence completamente a A e 0 ( ) 1A Xµ< < se x pertence
parcialmente a A.
Chiappero-Martinetti (2000) assume que o subconjunto A define a posição de cada
indivíduo de acordo com o grau de realização ou refere-se a um dos indicadores considerados
para a função de avaliação. Neste caso, valores membros iguais a 1 identificam uma condição
de realização completa com respeito a um dado funcionamento, enquanto um valor igual a 0
62
denota a situação oposta de não realização total. Conforme a autora, quando se consideram
variáveis quantitativas e variáveis qualitativas mensuradas em uma escala ordinal, valores
intermediários entre 0 e 1 descrevem posições graduais dentro do arranjo. Neste caso, será
necessária: i) para definir um arranjo apropriado de modalidades (ou valores) de uma base de
graus diferentes de dificuldades/bem-estar; ii) para identificar as duas condições extremas tais
que ( ) 1A Xµ = (membro completo) e ( ) 0A Xµ = (não membro); e iii) para especificar as
funções membros para todas as outras posições intermediárias.
A escolha da função membro adequada depende do contexto e do tipo de indicadores
que se quer descrever. Conforme Chiappero-Martinetti (2000), para variáveis equidistribuídas
e que apresentam escala ordinal a função membro linear é indicada. Lelli (2001) argumenta
que a função membro linear é fácil de especificar, interpretar e visualizar. Ela explica que
essas representações pressupõem que as modalidades de variáveis sejam equidistantes uma
das outras e assumam uma proporcionalidade direta entre os elementos do domínio e da grade
membro; uma suposição muito restritiva e nem sempre apropriada.
Com relação ao cálculo do índice fuzzy de pobreza, Pacheco, Del-Vecchio e
Kerstenetzky (2010) afirmam poder existir duas situações. Em uma, as variáveis têm relação
positiva com a pobreza, ou seja, quando o valor da variável aumenta, a pobreza aumenta (ex.
percentual de analfabetos). Utiliza-se a seguinte fórmula para definir a função de pertinência,
o índice inicial para cada indicador considerado:
j jij
j j
N Minx
Max Min
−=
− (6)
Onde: ijx = valor do índice fuzzy para o indicador j calculado para o município i; jN =
valor observado da série do indicador j para o município i; jMin = valor mínimo da série do
indicador j; jMax = valor máximo da série do indicador j.
A outra situação envolve as variáveis de relação negativa com a pobreza, ou seja,
quando o valor da variável aumenta, reduz-se a pobreza (ex. renda per capita). Utiliza-se a
seguinte fórmula:
j jij
j j
Max Nx
Max Min
−=
− (7)
O estabelecimento desses limites máximos e mínimos dependerá da variável em
análise. Depois de definida a função membro, encontra-se a média aritmética das observações
63
de cada variável, formando-se um indicador fuzzy elementar. Desse modo, o índice fuzzy
obtido é relativo, pois o índice de um município com relação a um determinado indicador
depende dos valores dos outros municípios em relação ao mesmo indicador.
O próximo passo é agregar esses indicadores. Chiappero-Martinetti (2000) explica que
um subconjunto de indicadores elementares permite que se obtenha um índice sintético para
cada funcionamento realizado. Já o conjunto de todos os funcionamentos realizados forma
uma medida total de bem-estar. Segundo Pacheco, Del-Vecchio e Kerstenetzky (2010), para
agregar os indicadores elementares, deve-se estabelecer um determinado peso para cada
variável. A escolha dos pesos pode ser feita com base em um instrumental matemático. A
vantagem dessa metodologia é que não haveria arbitrariedade nessa escolha. Desse modo, os
pesos dos indicadores são calculados, ponderados pelo tamanho da população no município,
com base na equação a seguir, conforme Diniz e Diniz (2009):
1
ln 0n
j iji
w n n x=
= − ≥
∑ (8)
Onde jw = peso do indicador j; ijx = valor do índice fuzzy para o indicador j calculado
para o município i; n= número total de municípios em cada estado.
Pacheco, Del-Vecchio e Kerstenetzky (2010) explicam que um indicador que obteve
altos índices para a maioria dos municípios terá um peso menor que um indicador que
apresentou índices menores em muitos municípios, isto é, fixando j, quanto maior forem os
ijx (maior denominador) menor será jw . Isto traduz a intenção de dar maior peso a um
atributo no qual a maioria dos agentes investigados não apresenta um grau de pobreza
relevante, portanto a privação em relação a ele será mais destacada que a privação referente a
um atributo que não está disponível para a maioria.
A agregação do índice fuzzy de pobreza (IFP) em dimensões e no índice global,
conforme o peso de cada variável, é feita por conforme (9):
1 1
n n
i ij j jj j
x w wµ= =
=∑ ∑ (9)
Onde: iµ = índice fuzzy multidimensional agregado do município i; ,i jx = valor do
índice fuzzy para o indicador j calculado para o município i e jw = peso do indicador j.
O cálculo dos índices fuzzy de pobreza (IFP) para cada município considerado neste
estudo envolve, portanto, alguns passos. O primeiro passo consiste em calcular um índice
64
fuzzy relativo ijx para cada indicador, observando a relação positiva ou negativa do indicador
com a pobreza. O segundo passo consiste em agregar nas dimensões os índices ijx calculados
para cada indicador. Para isso, propõe-se calcular os pesos conforme a fórmula (8) para
verificar qual indicador possui maior peso na dimensão e então agregar os indicadores na
dimensão conforme a fórmula (9). Calculados os índices por dimensão, novamente calculam-
se os pesos para verificar qual dimensão tem mais impacto no IFP e então se gera um índice
global para cada município. Desse modo, a agregação das variáveis gera o índice fuzzy de
pobreza para cada município analisado. Ressalta-se que o índice é relativo a todos os
municípios do Nordeste juntos, mas por meio da média ponderada dos índices para
municípios de um mesmo Estado, resulta no índice deste Estado.
Segundo Pacheco, Del-Vecchio e Kerstenetzky (2010) os conjuntos fuzzy consistem
em uma forma de quantificação de situações imprecisas, como na análise da pobreza, em que
os valores fuzzy revelariam distintos graus de pobreza. Esta análise normalmente não utiliza
linhas de pobreza. O valor fuzzy de pobreza pode ser interpretado, como sugerido por
Qizilbash (2003 apud PACHECO, DEL-VECCHIO e KERSTENETZKY, 2010, p.3), como
uma expressão do grau de vulnerabilidade da unidade analisada (indivíduo, família, domicílio,
unidade geográfica) à situação de pobreza, vulnerabilidade não no sentido de probabilidade,
mas no sentido de proximidade da situação de pobreza. Assim, um indivíduo com um valor
fuzzy de pobreza de 0,8 está mais próximo da pobreza do que outro com um valor de 0,32 – e
é apenas esse sentido que o risco dele ser indubitavelmente pobre é maior do que o do
segundo indivíduo.
Conforme Carvalho, Kerstenetzky e Del-Vecchio (2007), a abordagem fuzzy da
pobreza responde a questão de quão pobre o indivíduo é. A resposta, um certo valor, também
indica, em combinação com a abordagem multidimensional, em quê dimensão o indivíduo é
especialmente pobre. Assim, os indicadores e dimensões que permitem essa investigação e
que foram usados neste estudo são apresentados a seguir.
3.2 Definição de dimensões e indicadores para medir a pobreza multidimensional
A escolha das dimensões para a realização do estudo envolve o entendimento do que é
uma dimensão e o que são as múltiplas dimensões de interesse. Conforme Alkire (2002, p.
182) a dimensão pode ser entendida como “any of the component aspects of a particular
65
situation” e a característica chave das dimensões é que elas são aspectos componentes da
pobreza, por exemplo, que coexiste com outros componentes.
A necessidade de se especificar dimensões surge de diversas razões. A primeira delas
ocorre em função do objetivo multidimensional do desenvolvimento humano, pois a pobreza
precisa ser reduzida e o bem-estar precisa ser melhorado e isso requer papéis normativos
semelhantes a uma utilidade maximizadora. Uma segunda razão fundamental é prática e
relaciona-se com a necessidade de metodologias efetivas para avaliar os tradeoffs. A terceira
razão é que um conjunto de dimensões pode ajudar grupos a identificar impactos não
intencionais. A razão final diz respeito a determinação de dimensões que sejam facilmente
entendidas, pois teorias que não são de uso “amigável” não se espalham (ALKIRE, 2002).
As dimensões precisam ser entendidas como capacitação, como defende Sen (2000). O
desenvolvimento acontece quando há uma expansão dessas capacitações, ou seja, da liberdade
das pessoas ou grupos de promoverem ou alcançarem funcionamentos (seres e fazeres)
valiosos, que no seu conjunto compreendem um tipo de vida. No entanto, uma questão
importante é como definir dimensões do desenvolvimento humano que satisfazem tanto as
preocupações de Sen quanto a dos seus críticos.
Para Alkire (2002, p. 182), a chave para especificar dimensões está na abordagem de
John Finnis (apud ALKIRE, 2002), que busca identificar as razões ou valores básicos das
pessoas para suas ações através de um processo introspectivo de questionamento: “por que
eu/outros fazem o que fazemos?”. Como resultado, tem-se um conjunto de razões básicas e
simples para agir que refletem os funcionamentos humanos. Na abordagem de Finnis (apud
ALKIRE, 2002) foram definidas as seguintes razões básicas para atuar: saúde; conhecimento;
algum grau de excelência no trabalho ou esporte; amizade; auto-integração; auto-expressão ou
razoabilidade prática; religião. Como essas razões básicas para a ação são um conjunto das
razões através das quais as pessoas agem na busca de plenitude ou bem-estar, ou ainda, do
desenvolvimento humano, as mesmas podem ser consideradas como as dimensões do
desenvolvimento humano.
Assim, dimensões do desenvolvimento humano são incomensuráveis, não-
hierárquicas, irredutíveis e, portanto, tipos de fins humanos. Dimensões não dizem respeito à
ideia de quão boa a vida é, mas, são valores ou motivos para a ação, cujas pessoas são capazes
de reconhecer, baseando-se na razão prática, ou seja, na sua própria experiência ou
observando a experiência de outras pessoas. Podem ser comparadas com cores primárias, a
66
partir das quais se pode gerar uma gama infinita de tons, sendo que cada pintura (ou a vida da
comunidade) não usa todos ou mesmo a maioria dos tons.
Depois de entendida a conceituação de dimensão, é preciso pensar em como escolher
as dimensões a serem usadas no estudo. Segundo Alkire (2008), existe um grande número de
pesquisadores que escolhem dimensões para analisar a pobreza multidimensional, mas que
não explicam suas razões pelas escolhas, criando um problema. Dessa forma, o leitor é
incapaz de sondar as dimensões escolhidas, confiar ou questioná-las. Portanto, as dimensões
são escolhidas por conveniência, com base nos valores das pessoas ou por convenção dentro
da literatura. Robeyns (apud ALKIRE, 2008) sugere que é de grande valor quando os autores
descrevem explicitamente como e porque eles escolheram as dimensões.
As dimensões quando pensadas para avaliar a privação das capacitações não devem
formar uma lista fixa. A Abordagem das Capacitação deve ser aplicada de forma diferente
dependendo do local e da situação, o nível de análise, a informação disponível e do tipo de
decisão. O método será plural e as técnicas empregadas devem considerar cada contexto. O
que a perspectiva das capacitações oferece é um quadro em relação ao qual a investigação da
pobreza multidimensional e várias questões de política pode ser analisado e as múltiplas
privações que muitos sofrem podem ser reduzidas (ALKIRE, 2008).
Para selecionar dimensões, a abordagem seniana orienta que a principal preocupação
na escolha de dimensões são que elas sejam coisas que as pessoas valorizam e têm razão para
valorizar porque expandem a liberdade individual ou dos grupos. É importante notar que se os
domínios constantes em uma comparação destinam-se a representar o bem-estar de uma
comunidade e para ser usado para fins de política, então estes domínios devem ser capazes de
ser criticamente examinados e desafiados pelas pessoas envolvidas em uma base contínua, e
alterado, se eles ficam aquém. Isto implica a necessidade de algum processo que pode expor
as questões de valores. Como esclarece Sen, o processo não precisa ser uma democracia
formal, nem da participação deliberativa profunda, mas alguma atenção para os valores das
pessoas se afigura essencial (ALKIRE, 2008).
Com base em Sen, Alkire (2008) afirma que, em um contexto democrático, os valores
são dados por meio de uma fundamentação da sua relação com os julgamentos informados
pelas pessoas envolvidas devido a necessidade de certificar-se que os pesos – ou intervalos de
pesos – utilizados permanecem abertos à crítica e, no entanto, desfrutam da aceitação do
público. Ainda destaca distintas razões para considerar certas dimensões que dependem da
natureza do exercício: importância fundamental para alcançar metas de redução da pobreza;
67
outros resultados esperados de investimentos que devem ser monitorados e medidas de
pobreza diretas que representam uma pessoa ou uma população de mal-estar. Salienta que Sen
argumenta que capacitações-chave devem ser selecionadas, mas é contra a especificação de
uma única lista de capacitações a ser aplicada em todos os momentos e lugares. A posição de
Sen deixa pesquisadores sem qualquer orientação sistemática de como escolher as
capacitações ou domínios em diferentes contextos.
No entanto, apesar da seleção das dimensões ser complexa, Alkire (2008) identifica
cinco processos pelos quais essa seleção pode acontecer: (1) usar os dados existentes; (2)
fazer suposições - talvez com base em uma teoria; (3) desenhar em uma lista existente que foi
gerada por consenso; (4) usar um processo constante de participação deliberativa; (5) propor
dimensões com base em estudos empíricos sobre os valores das pessoas e/ou
comportamentos.
Desse modo, a definição das dimensões deste trabalho segue os processos propostos
por Alkire (2008). Primeiro processo, para verificar a incidência da pobreza multidimensional
são usados dados do Censo Demográfio 2010 (IBGE, 2010) para os 1794 municípios
pertencentes aos nove Estados Nordeste: Alagoas (AL), Bahia (BA), Ceará (CE), Maranhão
(MA), Paraíba (PB), Pernambuco (PE), Piauí (PI), Rio Grande do Norte (RN) e Sergipe (SE).
Segundo, a investigação da pobreza multidimensional nos municípios tem como base a
Abordagem da Capacitação de Sen, de que diferentes dimensões influenciam a situação da
pobreza, consistindo esta num problema multidimensional. Terceiro e quarto processos,
apresenta-se listas de dimensões e indicadores propostos em trabalhos que visam investigar a
incidência da pobreza multidimensional por meio de índices fuzzy, conforme Quadro 1.
No seu trabalho, Carvalho, Kerstenetzky e Del-Vecchio (2007) estudaram a pobreza
multidimensional nas regiões metropolitanas do Sudeste Brasileiro. Usaram dados referentes
ao ano 2000 levantados do Censo Demográfico 2000 (IBGE, 2000), Atlas do
Desenvolvimento Humano no Brasil (PNUD, 2003) e DATASUS. As autoras escolheram
dezesseis indicadores que representassem aspectos da situação sócio-econômica dos
indivíduos e os agruparam em quatro dimensões: educação, renda, saneamento básico e
condições domiciliares e população e saúde.
68
Quadro 1. Lista de dimensões e indicadores usados em estudos sobre o índice fuzzy de pobreza no Brasil
Carvalho, Kerstenetzky e Del-Vecchio (2007)
Dimensões Indicadores
1. Educação 1.1 Crianças de 4 a 14 anos fora da escola 1.2 Analfabetos de 15 anos de idade ou mais
2. Renda 2.1 Hiato de pobreza R$75,50 2.2 Índice de Gini 2.3 Concentração de renda (10% mais ricos)
3. Saneamento Básico e Condições Domiciliares
3.1 Domicílios sem coleta de lixo 3.2 Domicílios sem energia elétrica 3.3 Domicílios sem água encanada e banheiro 3.4 Domicílios subnormais 3.5 Domicílios com densidade de moradores por dormitório acima de 2 3.6 Domicílio sem instalação sanitária
4. População e Saúde
4.1 Mortalidade de crianças de até 5 anos 4.2 Taxa de fecundidade 4.3 Mortalidade por doenças 4.4 Probabilidade de não sobrevivência até 40 anos 4.5 Crianças de 10 a 14 anos com filhos
Diniz e Diniz (2009)
Dimensões Indicadores 1. Erradicar a extrema pobreza e a fome
1.1 Proporção de indigentes (pobres) 1.2 Índice de hiato de pobreza
2. Atingir o ensino básico universal
2.1 Proporção de analfabetos de 15 a 24 anos 2.2 Defasagem escolar
3. Promover a igualdade entre os sexos e autonomia das mulheres
3.1 Déficit na igualdade de candidatos eleitos dos gêneros masculino e feminino
4. Reduzir a mortalidade infantil 4.1 Taxa de mortalidade infantil de crianças menores de 5 anos 4.2 Taxa de mortalidade infantil
5. Melhorar a saúde materna 5.1 Taxa de mortalidade materna 6. Combater o HIV/AIDS, a malária e outras doenças
6.1 Taxa de incidência de HIV/AIDS 6.2 Taxa de incidência de tuberculose
7. Garantir a Sustentabilidade ambiental
7.1 Déficit da população sem acesso a água potável 7.2 Déficit da população com acesso ao esgotamento sanitário
Pacheco, Del-Vecchio e Kerstenetzky (2010)
Dimensões Indicadores
1. Saúde
1.1 Mortalidade até os 5 anos 1.2 Esperança de vida ao nascer 1.3 Probabilidade de sobrevivência até os 40 anos 1.4 Taxa de fecundidade total
2. Renda 2.1 Renda per Capita 2.2 Índice de Gini 2.3 Índice L de Theil
3. Educação
3.1 Percentual de crianças de 5 a 6 anos fora da escola 3.2 Percentual de crianças de 7 a 14 anos fora da escola 3.3 Percentual de adolescentes de 15 a 17 anos fora da escola 3.4 Percentual de crianças de 7 a 14 anos analfabetas 3.5 Percentual de pessoas de 15 anos ou mais analfabetos 3.6 Percentual de crianças de 10 a 14 anos com menos de 4 anos de estudo 3.7 Percentual de pessoas de 15 anos e mais com menos de 4 anos de estudo
69
(Continuação)
4. Condições de Moradia
4.1 Percentual de pessoas que vivem em domicílio com densidade maior do que 2 (duas) pessoas por dormitório 4.2 Percentual de pessoas que vivem em domicílio com energia elétrica e TV 4.3 Percentual de pessoas que vivem em domicílios com telefone 4.4 Percentual de pessoas que vivem em domicílios com energia elétrica e geladeira 4.5 Percentual de pessoas que vivem em domicílios com água encanada 4.6 Percentual de pessoas que vivem em domicílios com banheiro e água encanada 4.7 Percentual de pessoas que vivem em domicílios urbanos com coleta de lixo 4.8 Percentual de pessoas que vivem em domicílio com energia elétrica
Fonte: Elaborado pela autora.
Diniz e Diniz (2009) investigaram a pobreza multidimensional nos estados brasileiros
em 2002. Os autores usaram dados do censo escolar do INEP, IPEADATA, DATASUS e
PNAD na escolha de doze indicadores. De modo a diminuir o grau de arbitrariedade na
escolha dos das dimensões de pobreza, os autores escolheram indicadores que se
enquadrassem nas sete metas dos Objetivos do Desenvolvimento do Milênio.
Pacheco, Del-Vechio e Kerstenetzky (2010) para o estudo da pobreza de 40 bairros da
Zona Oeste do Rio de Janeiro usaram dados do Atlas (PNUD, 2003), para os anos de 1991 e
2000. Escolheram 22 indicadores agrupados em quatro dimensões: saúde, renda, educação e
condições domiciliares.
Para atingir o quinto e último processo proposto por Alkire (2008), definiu-se os
indicadores e dimensões considerados no cálculo do índice fuzzy de pobreza (IFP) para os
municípios da Região Nordeste. Foram propostos 19 indicadores distribuídos em quatro
dimensões: educação, saúde, condições habitacionais e renda, conforme o Quadro 2.
A dimensão educação é de extrema importância na superação da pobreza. Pessoas
com acesso a educação são capazes de exercer papéis na comunidade onde vivem (lutando,
por exemplo, por melhor infraestrutura local como pavimentação de ruas, iluminação pública,
rede de água, por construção de postos de saúde, creches e escolas), têm mais cuidado com
sua saúde e dos seus familiares (por meio de alimentação adequada e cuidados com higiene),
conseguem decidir sobre o número de filhos que desejam ter (ao ter conhecimento e acesso a
métodos contraceptivos), influenciam aos demais familiares sobre a importância da educação.
Desse modo, na dimensão educação são considerados sete indicadores. Tenta-se capturar
informações sobre o nível de alfabetização geral, bem como o percentual de crianças,
adolescentes e adultos que não são alfabetizadas. Tendo tem vista que a alfabetização do
responsável pelo domicílio pode influenciar de maneira positiva a vida dos demais membros é
70
considerado um indicador para verificar a proporção de responsáveis não alfabetizadas em
cada município. Além disso, são consideradas variáveis que tentem capturar o acesso das
pessoas ao ensino básico, ensino médio e ensino superior.
Quadro 2. Lista de dimensões e indicadores escolhidos para cálculo do IFP
Dimensões Indicadores
1. Educação
1.1 Taxa de alfabetização de pessoas de 5 anos ou mais 1.2 Percentual de pessoas de 5 a 14 anos não alfabetizadas 1.3 Percentual de pessoas de 15 anos ou mais não alfabetizadas 1.4 Percentual de domicílios em que a pessoa responsável não é alfabetizada 1.5 Percentual de pessoas de 10 anos ou mais segundo o nível de instrução: sem instrução e ensino fundamental incompleto 1.6 Percentual de pessoas de 10 anos ou mais segundo o nível de instrução: fundamental completo e ensino médio incompleto 1.7 Percentual de pessoas de 10 anos ou mais segundo o nível de instrução: ensino médio completo e superior incompleto
2. Saúde
2.1 Mortalidade infantil (até 1 ano de idade) 2.2 Mortalidade até 5 anos de idade 2.3 Percentual de crianças e adolescentes, de 10 a 17 anos, com filhos 2.4 Percentual de domicílios com acesso aos tipos de esgotamento sanitário: rede geral de esgoto ou pluvial ou fossa séptica
3. Condições Habitacionais
3.1 Percentual de domicílios com acesso a energia elétrica 3.2 Percentual de domicílios com acesso a rede de água 3.3 Percentual de domicílios com acesso a coleta de lixo 3.4 Percentual de domicílios com banheiro 3.5 Percentual de domicílios com densidade de moradores por dormitório acima de 2 moradores 3.6 Percentual de domicílios com acesso ao bem durável geladeira
4. Renda 4.1 Valor do rendimento nominal médio mensal dos domicílios 4.2 Percentual de domicílios com rendimento de até meio salário mínimo
Fonte: Elaborado pela autora.
A dimensão saúde envolve quatro indicadores que buscam investigar condições de
saúde das pessoas. Desse modo, investiga-se o risco de morte dos nascidos vivos durante o
seu primeiro ano de vida e durante os cinco primeiros anos, a incidência de crianças e
adolescentes com filhos e o tipo de destino do esgoto sanitário. A sobrevivência infantil pode
significar acesso a serviços de saúde como atendimento médico, acesso a remédios, acesso a
vacinas, viver em ambiente livre de doenças evitáveis, ter boa alimentação, que são condições
necessárias e essenciais ao desenvolvimento das crianças. A incidência de crianças e
adolescentes com filhos pode refletir a falta de instrução dos pais e das meninas com relação
conhecimentos sobre sexualidade e métodos contraceptivos e também a falta de cuidados e
exposição desse grupo a este tipo de risco. A gestação na infância ou adolescência pode ser
muito perigosa para a saúde das mães, podendo causar complicações e morte, devido ao baixo
71
desenvolvimento corporal das mesmas, já que nessa idade o corpo ainda não está
completamente preparado para uma gestação. O feto, deste modo, também corre riscos de má
formação e morte. Além disso, a gestação pode afastar esse grupo da escola e, essas mães,
sem educação e conhecimentos podem ter dificuldades com os cuidados com a saúde do bebê
e talvez não consigam proteger e instruir essas crianças a levar uma vida diferente, criando
um problema futuro, além disso, podem ter dificuldades de acesso ao mercado de trabalho. O
último indicador tem relação direta com a saúde da população. A falta de destino correto ao
esgotamento sanitário principalmente com o destino a céu aberto pode causar doenças devido
a contaminação da água e do solo e da proliferação de insetos e animais causadores de
doenças. Tais indicadores refletem, de modo geral, as condições de desenvolvimento
socioeconômico e infraestrutura ambiental, bem como o acesso e a qualidade dos recursos
disponíveis para atenção à saúde da população em geral (RIPSA, 2008).
A dimensão condições habitacionais busca verificar o acesso dos domicílios nos
municípios investigados a condições mínimas de habitação. Para isso, investiga-se o acesso a
serviços e infraestrutura básicos como acesso a energia elétrica, água encanada, coleta de lixo,
disponibilidade de banheiro, densidade de moradores por dormitório e o acesso ao bem
durável geladeira. Destaca-se a importância do acesso à água potável e tratada para consumo;
o destino adequado para o lixo de forma que não fique acumulado nas ruas próximas aos
domicílios causando mau cheiro, poluição e proliferação de insetos e roedores causadores de
doenças; o acesso a energia elétrica que permite o acesso a bens duráveis, como a geladeira,
que ajudam na conservação de alimentos; o acesso ao banheiro permite que seja dado um
destino adequado ao esgotamento sanitário de modo que as pessoas não entrem em contato
direto e fiquem livres de doenças evitáveis; além disso, uma densidade de moradores por
dormitório muito alta pode impedir que as pessoas tenham que dormir em más condições que,
futuramente, pode causar problemas de saúde.
Por fim, a dimensão renda busca verificar o valor do rendimento mensal domiciliar e
também o acesso dos domicílios a, pelo menos, meio salário mínimo. Como destacado por
Sen (2000), a renda é um importante meio de atingir funcionamentos valiosos como estar bem
alimentado, vestir-se adequadamente, tratar uma doença, desfrutar de momentos de lazer. As
informações apresentadas da Seção 2 apontam alta incidência de pessoas pobres de renda. No
entanto essa dimensão é incluída de forma a verificar o peso que exerce no índice.
As informações do índice fuzzy de pobreza (IFP) calculada para indicadores e
dimensões para cada município nordestino são apresentadas a seguir.
72
3.3 O índice fuzzy de pobreza (IFP): resultados
Nesta seção são apresentados os resultados do índice fuzzy de pobreza (IFP) para os
1794 municípios do Nordeste em 2010, por meio de mapas. As informações são apresentadas
em quatro intervalos de classes, que varia conforme a informação ilustrada. Os valores mais
baixos dos índices, que indicam menor incidência da pobreza, são representados pela cor mais
clara. Os valores mais altos dos índices, que indicam maior incidência a situação de pobreza,
são representados pela cor mais escura.
Conforme apresentado na Subseção 3.1, o cálculo do IFP envolveu o cálculo de pesos
para cada indicador e dimensão, conforme mostra o Quadro 3.
Quadro 3. Lista de pesos por indicador e dimensão usados no cálculo do IFP
Dimensão Indicador Ponderação
por indicador
Ponderação por
dimensão
Educação
1.1 Taxa de alfabetização de pessoas de 5 anos ou mais 0,771
1,044
1.2 Percentual de pessoas de 5 a 14 anos não alfabetizadas 0,305
1.3 Percentual de pessoas de 15 anos ou mais não alfabetizadas 0,776 1.4 Percentual de domicílios em que a pessoa responsável não é alfabetizada
0,869
1.5 Percentual de pessoas de 10 anos ou mais segundo o nível de instrução: sem instrução e ensino fundamental incompleto
1,229
1.6 Percentual de pessoas de 10 anos ou mais segundo o nível de instrução: fundamental completo e ensino médio incompleto
1,408
1.7 Percentual de pessoas de 10 anos ou mais segundo o nível de instrução: ensino médio completo e superior incompleto
1,340
Saúde
2.1 Mortalidade infantil (até 1 ano de idade) 0,124
0,860
2.2 Mortalidade até 5 anos de idade 0,139 2.3 Percentual de crianças e adolescentes, de 10 a 17 anos, com filhos
0,243
2.4 Percentual de domicílios com acesso aos tipos de esgotamento sanitário: rede geral de esgoto ou pluvial ou fossa séptica
1,322
Condições Habitacionais
3.1 Percentual de domicílios com acesso a energia elétrica 0,084
0,395
3.2 Percentual de domicílios com acesso a rede de água 0,425
3.3 Percentual de domicílios com acesso a coleta de lixo 0,551
3.4 Percentual de domicílios com banheiro 0,355
3.5 Percentual de domicílios com densidade de moradores por dormitório acima de 2 moradores
0,329
3.6 Percentual de domicílios com acesso ao bem durável geladeira 0,322
Renda 4.1 Valor do rendimento nominal médio mensal dos domicílios 1,809
1,380 4.2 Percentual de domicílios com rendimento de até meio salário mínimo
0,799
Fonte: Elaborado com os resultados do IFP.
73
Esses pesos permitiram a verificação de quais indicadores e dimensões apresentam
maior influência na incidência da pobreza multidimensional. Observa-se que a dimensão
renda apresentou maior peso, seguido das dimensões educação, saúde e condições
habitacionais. Tais informações são discutidas com a apresentação dos resultados para cada
dimensão.
Os valores dos IFP para as dimensões e global calculados para cada município podem
ser observados no APÊNDICE A – Índice fuzzy de pobreza (IFP) para os municípios do
Nordeste. Além disso, para auxiliar no entendimento das informações mostradas nos mapas,
foram elaboradas tabelas que informam, para cada Estado, o percentual de municípios por
intervalo de classes. Dessa forma, torna-se possível verificar a distribuição dos municípios
conforme a incidência por classe.
3.3.1 IFP Educação
Os resultados do IFP para a dimensão educação podem ser observados na Figura 14.
O Quadro 3 mostra que os indicadores que apresentam maior peso no índice são os
relacionados ao nível de instrução como o percentual de pessoas com ensino fundamental
completo e ensino médio incompleto (1,40), percentual de pessoas com ensino médio
completo e ensino superior incompleto (1,34) e percentual de pessoas sem instrução e ensino
fundamental incompleto (1,22). Observa-se, com base nesses dados, a influência do acesso ao
ensino fundamental e médio na incidência da pobreza. Nesse caso, o acesso ao ensino médio
apresentou um peso maior do que o acesso ao ensino fundamental. Isso pode indicar um
maior acesso da população ao ensino fundamental, mas ainda baixo acesso ao ensino médio.
Os outros indicadores com pesos na incidência da pobreza foram: não alfabetização da
pessoa responsável pelo domicílio (0,86), o percentual de pessoas de 15 anos ou mais não
alfabetizadas (0,77), taxa de alfabetização de pessoas de cinco anos ou mais (0,77) e
percentual de pessoas de 5 a 14 anos não alfabetizadas (0,30). Nota-se a influência da
alfabetização da pessoa responsável pelo domicílio, conforme discutido anteriormente, se o
responsável do domicílio tem acesso ao conhecimento pode influenciar de o nível de
desenvolvimento e pobreza das pessoas que fazem parte desse domicílio. Com relação aos
outros indicadores, observa-se a influência da taxa de alfabetização e percentual de jovens e
adultos no índice. Já o percentual de pessoas de 5 a 14 anos não alfabetizadas recebe um peso
74
menor, que pode estar relacionado aos baixos percentuais de pessoas não alfabetizadas
indicando, dessa forma, que nessa faixa etária existe maior percentual de alfabetização.
Figura 14. Índice fuzzy de pobreza (IFP) para a dimensão educação. Fonte: Elaborado com dados do IBGE – Censo Demográfico 2010.
75
Por meio da Figura 14 é possível visualizar os municípios com maior incidência a
pobreza, identificada pela cor mais escura, estão localizados norte e central do Maranhão,
norte e leste do Piauí, leste e oeste da Paraíba, sul de Pernambuco, oeste e noroeste de
Alagoas, oeste de Sergipe e sul e nordeste da Bahia.
A Tabela 7 mostra a incidência dos municípios conforme o intervalo de classe do IFP
Educação. Os Estados com o maior percentual de municípios na classe que indica menor
incidência a situação de pobreza, até 0,46, são Bahia (10,8%), Sergipe (10,7%), Ceará (8,7%)
e Pernambuco (8%). Esses municípios são representados pela cor mais clara na Figura 14. Se
analisados os dois intervalos de classe com os menores valores do IFP Educação, juntamente,
tem-se que o Estado do Ceará apresenta maior incidência de municípios, 54%, com incidência
da pobreza de até 0,61.
Tabela 7. Incidência de municípios (%) por intervalo de classes do IFP Educação
IFP Educação
Estado Número de municípios
Percentual de municípios por intervalo de classes (%)
0,09 - 0,46 0,47 - 0,61 0,62 - 0,72 0,73 - 0,95
Alagoas 102 1,96 9,80 30,39 57,84
Bahia 417 10,79 29,50 46,52 13,19
Ceará 184 8,70 45,65 39,13 6,52
Maranhão 217 5,99 29,49 41,01 23,50
Paraíba 223 2,69 17,04 43,50 36,77
Pernambuco 185 8,11 29,73 33,51 28,65
Piauí 224 1,79 13,84 37,05 47,32
Rio Grande do Norte 167 5,99 32,93 49,70 11,38
Sergipe 75 10,67 26,67 45,33 17,33
Total NE 1794 6,63 26,76 41,53 25,08 Fonte: Elaborado com dados do IBGE – Censo Demográfico 2010.
Os Estados que apresentam maior percentual de municípios na classe que indica maior
incidência a situação de pobreza, de 0,73 a 0,95, são Alagoas (57,8%), Piauí (47%), Paraíba
(36.8%), Pernambuco (28,6%) e Maranhão (23%). Esses municípios são representados pela
cor mais escura na Figura 14. Se analisados os dois intervalos de classe com os maiores
valores do IFP Educação, juntamente, verifica-se que em todos os Estados, com exceção do
Ceará, mais de 50% dos municípios apresentam incidência a pobreza acima de 0,62 nessa
dimensão com destaque para Alagoas (88%), Piauí (84%) e Paraíba (80%).
76
Assim, os municípios do Ceará apresentam menor incidência de pobreza no IFP
Educação, enquanto Alagoas, Piauí, Paraíba, Pernambuco e Maranhão se destacam com as
maiores incidências a pobreza. Para o total de municípios do Nordeste, tem-se que 33,4%
encontram-se nas classes que indicam menor grau de incidência a pobreza na dimensão
educação e 66,6% encontram-se nas classes que indicam maior grau de incidência a pobreza.
Os resultados do IFP Educação mostram que o acesso a educação precisa ser ampliado
nos municípios principalmente o acesso ao ensino médio e ensino fundamental, pois a
educação é uma capacitação importante na vida das pessoas. Conforme a Abordagem da
Capacitação apresentada, a educação permite às pessoas serem livres para exercer seu papel
de agente e que possam, assim, exercer direitos civis, participar da vida da comunidade e do
mercado de trabalho. O Programa Bolsa Família (PBF) promove o acesso a educação por
meio da condicionalidade da frequência escolar para o recebimento da transferência de renda.
O objetivo da condicionalidade consiste em estimular a permanência das crianças e
adolescentes na escola, de forma que ocorra uma melhora nesses indicadores e que a educação
seja uma capacitação alcançada pelas pessoas e que assim às permitam a realização de
funcionamentos considerados valiosos.
3.3.2 IFP Saúde
A Figura 15 apresenta o IFP para a dimensão saúde. Conforme o Quadro 3, o
indicador que possui maior peso no índice da dimensão é o relacionado ao esgotamento
sanitário com acesso a rede geral de esgoto ou fossa séptica (1,32). Conforme discussão
anterior, a falta de destino adequado para o esgoto sanitário pode causar mau cheiro,
proliferação de insetos e animais transmissores de doenças, contaminação do solo e da água,
causando danos a saúde das pessoas.
Os demais indicadores, mortalidade até um ano de idade, mortalidade até cinco anos
de idade e percentual de crianças e adolescentes com filhos, apresentam os respectivos pesos
de 0,12, 0,13 e 0,24. Os indicadores de mortalidade infantil apresentam baixos pesos no
índice devido aos baixos indicadores de mortalidade apresentados pelos municípios. Já o
indicador de crianças e adolescentes com filhos apresenta peso maior que os indicadores de
mortalidade, o que indica a incidência desse problema. Conforme apresentado anteriormente,
a gravidez na infância e adolescência pode ser um risco a saúde das mães e das crianças,
77
devido à precocidade do desenvolvimento corporal e a falta de maturidade e conhecimento
para os cuidados com os bebês.
Figura 15. Índice fuzzy de pobreza (IFP) para a dimensão saúde. Fonte: Elaborado com dados do IBGE – Censo Demográfico 2010.
78
Conforme a Figura 15, observa-se maior incidência a pobreza na dimensão saúde
pelos municípios identificados pela cor mais escura e localizados principalmente na região
oeste do Nordeste, abrangendo todo o território dos Estados do Maranhão e Piauí, oeste e
centro da Bahia, norte e sul do Ceará, norte de Sergipe, sul e oeste de Alagoas, leste da
Paraíba e noroeste do Rio Grande do Norte.
A Tabela 8 mostra a incidência dos municípios conforme o intervalo de classe do IFP
Saúde. Os Estados com o maior percentual de municípios na classe que indica menor
incidência a situação de pobreza, até 0,33, são Pernambuco (24,9%) e Rio Grande do Norte
(18,6%). Se analisados os dois intervalos de classe com os menores valores do IFP Saúde,
juntamente, tem-se que o Estado de Pernambuco apresenta maior incidência de municípios,
67%, com incidência da pobreza de até 0,50.
Tabela 8. Incidência de municípios (%) por intervalo de classes do IFP Saúde
IFP Saúde
Estado Número de Municípios
Percentual de municípios por intervalo de classes (%)
0,01 - 0,33 0,34 - 0,50 0,51 - 0,65 0,66 - 0,88
Alagoas 102 8,82 12,75 22,55 55,88
Bahia 417 16,55 17,99 24,46 41,01
Ceará 184 3,80 13,59 42,39 40,22
Maranhão 217 0,46 7,37 18,43 73,73
Paraíba 223 17,94 24,22 30,04 27,80
Pernambuco 185 24,86 42,16 27,03 5,95
Piauí 224 2,68 9,38 25,45 62,50
Rio Grande do Norte 167 18,56 13,17 27,54 40,72
Sergipe 75 12,00 28,00 21,33 38,67
Total NE 1794 12,15 18,12 26,70 43,03 Fonte: Elaborado com dados do IBGE – Censo Demográfico 2010.
Os Estados com o maior percentual de municípios na classe que indica maior
incidência a situação de pobreza, de 0,66 a 0,88, são Maranhão (73,7%), Piauí (62%), Alagoas
(55,9%), Bahia (41%), Rio Grande do Norte (40,7%) e Ceará (40%). Se analisados os dois
intervalos de classe com os maiores valores do IFP Saúde, juntamente, verifica-se que em
todos os Estados, com exceção de Pernambuco, mais de 50% dos municípios apresentam
incidência a pobreza, acima de 0,51, nessa dimensão com destaque para Maranhão (92%),
Piauí (88%), Ceará (82%) e Alagoas (78%).
79
Assim, os municípios pertencentes ao Estado de Pernambuco apresentam menor
incidência de pobreza no IFP Saúde, enquanto Maranhão, Piauí, Ceará, Alagoas, Bahia e Rio
Grande do Norte se destacam com as maiores incidências a pobreza. Para o total de
municípios do Nordeste, tem-se que 30,3% encontram-se nas classes que indicam menor grau
de incidência a pobreza na dimensão saúde e 69,7% encontram-se nas classes que indicam
maior grau de incidência a pobreza.
A dimensão saúde é uma capacitação importante para que as pessoas levem uma vida
com liberdade como defende a Abordagem da Capacitação. O indício de má saúde revela uma
grave privação sofrida pelas pessoas, pois elas podem enfrentar dificuldades para tratamento
médico e podem ficar incapazes de exercer suas funções no mercado de trabalho. Quanto mais
cedo iniciarem os cuidados com a saúde, mais chances terão as crianças de reduzir o risco de
morte, o risco de desenvolver doenças evitáveis, má formação, desnutrição, por exemplo,
pode ser alcançado com a oferta do serviço de atendimento de saúde às gestantes e mães para
que as crianças tenham acompanhamento médico.
Além disso, assegurar a limpeza pública, principalmente o esgoto a céu aberto que
provoca a proliferação de doenças, contaminação do solo e da água que também podem
causar doenças, deve ser reivindicado pela população e ser ofertado pelo serviço público.
Nesse sentido, o Programa Bolsa Família (PBF) e o Plano Brasil Sem Miséria (BSM) tem
incentivado ações para a promoção dessa capacitação. O PBF com a condicionalidade da
saúde, ao exigir que as mulheres recebam atendimento médico pré e pós-natal, que as crianças
também tenham acompanhamento médico e que estejam em dia com a carteira de vacinação.
O BSM em um dos seus eixos promove o acesso da população, principalmente da população
extremamente pobre aos serviços públicos. Os indicadores apontam para a necessidade de
maior atenção para a oferta do serviço público relacionado ao esgotamento sanitário.
3.3.3 IFP Condições Habitacionais
A Figura 16 apresenta o IFP para a dimensão condições habitacionais. Conforme o
Quadro 3, os indicadores que possuem maior peso no índice da dimensão são acesso a coleta
de lixo (0,55) e acesso a rede de água (0,42). Esses dois indicadores refletem condições de
bem-estar dos domicílios, pois o destino adequado do lixo é importante para limpeza das ruas
e para evitar proliferação de insetos e animais causadores de doenças e o acesso a rede de
água traz conforto e facilidades na preparação de alimentos e atividades de limpeza e higiene.
80
Figura 16. Índice fuzzy de pobreza (IFP) para a dimensão condições habitacionais. Fonte: Elaborado com dados do IBGE – Censo Demográfico 2010.
81
Os outros indicadores com peso no índice são existência de banheiro no domicílio
(0,35), densidade de moradores por dormitório (0,32) e acesso ao bem durável geladeira
(0,32). Os dois primeiros indicadores também se relacionam ao conforto e bem-estar das
pessoas no domicílio. O acesso a geladeira permite a conservação de alimentos. O indicador
acesso a energia elétrica apresentou baixo peso no índice devido ao alto percentual de acesso
a este indicador pelos domicílios dos municípios.
Conforme a Figura 16, observa-se maior incidência a pobreza na dimensão condições
habitacionais pelos municípios identificados pela cor mais escura e localizados
principalmente na região norte e centro do Maranhão, norte, leste e sul do Piauí, oeste de
Pernambuco, oeste de Alagoas e norte da Bahia.
A Tabela 9 mostra a incidência dos municípios conforme o intervalo de classe do IFP
Condições Habitacionais. Os Estados com o maior percentual de municípios na classe que
indica menor incidência a situação de pobreza, até 0,22, são Sergipe (60%), Rio Grande do
Norte (58,7%) e Pernambuco (32%). Se analisados os dois intervalos de classe com os
menores valores do IFP Condições Habitacionais juntamente, com incidência da pobreza de
até 0,35, tem-se que os Estados que apresentam maior incidência de municípios são Rio
Grande do Norte (95,8%), Sergipe (93%), Pernambuco (72%), Bahia (70%), Ceará (61%),
Maranhão (58%) e Alagoas (56%).
Tabela 9. Incidência de municípios (%) por intervalo de classes do IFP Condições Habitacionais
IFP Condições Habitacionais
Estado Número de Municípios
Percentual de municípios por intervalo de classes (%)
0,04 - 0,22 0,23 - 0,35 0,36 - 0,50 0,51 - 0,87
Alagoas 102 27,45 29,41 36,27 6,86
Bahia 417 26,38 43,88 25,66 4,08
Ceará 184 13,59 47,83 33,70 4,89
Maranhão 217 15,21 43,32 31,80 9,68
Paraíba 223 22,87 46,64 26,46 4,04
Pernambuco 185 32,43 40,00 24,86 2,16
Piauí 224 8,04 25,89 39,29 26,79
Rio Grande do Norte 167 58,68 37,13 4,19 0,00
Sergipe 75 60,00 33,33 6,67 0,00
Total NE 1794 26,09 40,02 26,76 7,08 Fonte: Elaborado com dados do IBGE – Censo Demográfico 2010.
82
Os Estados com o maior percentual de municípios na classe que indica maior
incidência a situação de pobreza, de 0,51 a 0,87, são Piauí (26,8%) e Maranhão (9,7%). Se
analisados os dois intervalos de classe com os menores valores do IFP Condições
Habitacionais juntamente, com incidência da pobreza de 0,36 a 0,87, tem-se que o Estado de
Piauí apresenta maior incidência de municípios, 66%.
Assim, os municípios pertencentes aos Estados de Rio Grande do Norte, Sergipe,
Pernambuco, Bahia, Ceará, Maranhão e Alagoas apresentam menor incidência de pobreza no
IFP Condições Habitacionais, enquanto Piauí se destaca com a maior incidência a pobreza na
dimensão. Verifica-se também que as duas classes que indicam menor incidência da pobreza
apresenta valores bem inferiores aos apresentados nas outras dimensões, o que indica maior
presença de municípios nessas duas classes e, portanto, menor incidência a pobreza na
dimensão. Para o total de municípios do Nordeste, tem-se que 66% encontram-se nas classes
que indicam menor grau de incidência a pobreza na dimensão condições habitacionais e 34%
encontram-se nas classes que indicam maior grau de incidência a pobreza.
A dimensão condições domiciliares foi a capacitação em que se verificou a menor
privação sofrida pelas pessoas. Os indicadores da dimensão tiveram pesos baixos no índice, o
que indicou que nos municípios as pessoas têm acesso a energia elétrica, banheiro e geladeira,
indicadores que impactam no bem-estar das famílias. Nessa dimensão a privação maior foi
encontrada nos indicadores relacionados à coleta de lixo e acesso a rede de água. Em muitos
municípios esses dois serviços ainda são precários. Nesse sentido, como apresentado
anteriormente, o Plano Brasil Sem Miséria (BSM) em um dos seus eixos tem como proposta a
promoção da oferta de serviços públicos à população pobre.
3.3.4 IFP Renda
A Figura 17 apresenta o IFP para a dimensão renda. Conforme o Quadro 3, o
indicador que possui maior peso no índice da dimensão se refere ao rendimento médio mensal
dos domicílios (1,8). O outro indicador considerado, percentual de domicílios com
rendimento de até meio salário mínimo, apresentou peso de 0,79. O primeiro indicador
buscou comparar o rendimento médio mensal domiciliar dos municípios. O segundo indicador
buscou verificar e comparar o percentual de domicílios dos municípios que tinham um
rendimento de, pelo menos, meio salário mínimo.
83
Figura 17. Índice fuzzy de pobreza (IFP) para a dimensão renda. Fonte: Elaborado com dados do IBGE – Censo Demográfico 2010.
84
Conforme a Figura 17, observa-se maior incidência a pobreza na dimensão renda pelos
municípios identificados pela cor mais escura e localizados principalmente na região
leste/litorânea do Nordeste, abrangendo todo o território dos Estados da Paraíba, Alagoas,
Sergipe, leste do Rio Grande do Norte, Noroeste do Ceará, oeste do Piauí, leste/centro/oeste
do Maranhão e leste/centro/sul da Bahia.
A Tabela 10 mostra a incidência dos municípios conforme o intervalo de classe do IFP
Renda. Quando analisados os valores dos intervalos de classe verifica-se que, apesar da
divisão em quatro classes, os valores são mais altos do que das outras dimensões
apresentadas, sendo que a primeira classe concentra o percentual de municípios com
incidência a pobreza de até 0,52. Nessa classe, verifica-se que o percentual de municípios
pertencentes em cada Estado não chega a 2%. Se analisados os dois intervalos de classe com
os menores valores do IFP Renda juntamente, com incidência da pobreza de até 0,72, tem-se
que Piauí é o Estado que apresenta maior incidência de municípios, de 54,9%.
Tabela 10. Incidência de municípios (%) por intervalo de classes do IFP Renda
IFP Renda
Estado Número de Municípios
Percentual de municípios por intervalo de classes (%)
0,31 - 0,52 0,53 - 0,72 0,73 - 0,77 0,78 - 0,86
Alagoas 102 0,98 13,73 46,08 39,22
Bahia 417 0,72 15,59 50,36 33,33
Ceará 184 0,54 36,41 49,46 13,59
Maranhão 217 0,92 30,41 51,61 17,05
Paraíba 223 0,90 8,97 57,40 32,74
Pernambuco 185 1,08 18,92 44,86 35,14
Piauí 224 0,89 54,02 37,95 7,14
Rio Grande do Norte 167 1,20 13,77 56,89 28,14
Sergipe 75 1,33 4,00 41,33 53,33
Total NE 1794 0,89 23,08 49,16 26,87 Fonte: Elaborado com dados do IBGE – Censo Demográfico 2010.
Os Estados com o maior percentual de municípios na classe que indica maior
incidência a situação de pobreza, de 0,78 a 0,86, são Sergipe (53%), Alagoas (39%),
Pernambuco (35%), Bahia (33%), Paraíba (32,7%) e Rio Grande do Norte (28%). Se
analisados os dois intervalos de classe com os maiores valores do IFP Renda juntamente,
verifica-se que em todos os Estados, com exceção de Piauí, mais de 50% dos municípios
apresentam incidência a pobreza nessa dimensão, de 0,72 a 0,86, com destaque para Sergipe
85
(94%), Paraíba (90%), Alagoas (85%), Rio Grande do Norte (85%), Bahia (83%) e
Pernambuco (80%).
Desse modo, os municípios pertencentes ao Estado de Piauí apresentam menor
incidência de pobreza no IFP Renda, enquanto Sergipe, Paraíba, Alagoas, Pernambuco, Bahia,
Paraíba, Rio Grande do Norte se destacam com as maiores incidências a pobreza. Para o total
de municípios do Nordeste, tem-se que 24% encontram-se nas classes que indicam menor
grau de incidência a pobreza na dimensão renda e 76% encontram-se nas classes que indicam
maior grau de incidência a pobreza.
Os resultados da dimensão renda já eram esperados, dadas as informações
apresentadas na Seção 2 sobre o número de famílias de baixa renda cadastradas no CadÚnico
e beneficiárias do Programa Bolsa Família (PBF). A Abordagem da Capacitação reconhece a
importância da renda monetária como um meio para que as pessoas consigam realizar
funcionamentos valiosos e expandir suas capacitações. E a renda é uma capacitação em que
há grande privação nos municípios analisados. A transferência de renda é uma medida que
vêm sendo tomada pelo Governo Federal para assistir as pessoas mais carentes e uma
tentativa de incentivá-las a superar essa situação por meio das condicionalidades relacionadas
a saúde e educação e também a promoção do acesso aos serviços públicos. Além disso com o
Plano Brasil Sem Miséria existe um eixo de incentivo a inclusão produtiva dessas pessoas
mais vulneráveis. No entanto, essa é uma ação bastante complexa que demandará discussão
pública e muitos esforços para que isso seja realmente possível.
3.3.5 IFP Total
Enfim, com a agregação dos IFP calculado para as dimensões chega-se ao IFP global,
como mostra a Figura 18. Conforme o Quadro 3, verifica-se que a dimensão que possui maior
peso no índice é a dimensão renda (1,38), seguindo da educação (1,04), saúde (0,86) e
condições habitacionais (0,39). Observa-se que apesar da dimensão renda ter maior peso, se
destacam as dimensões de educação e saúde no grau de pobreza apresentado pelos
municípios.
Conforme a Figura 18, observa-se maior incidência a pobreza global municípios
identificados pela cor mais escura e localizados principalmente na região oeste e centro do
Nordeste, abrangendo todo o território dos Estados do Maranhão, Piauí e Alagoas, oeste e
86
centro da Bahia, norte e oeste de Sergipe, leste e oeste da Paraíba e leste e oeste do Rio
Grande do Norte.
Figura 18. Índice fuzzy de pobreza (IFP). Fonte: Elaborado com dados do IBGE – Censo Demográfico 2010.
87
A Tabela 11 mostra a incidência dos municípios conforme o intervalo de classe do
IFP. Os Estados com o maior percentual de municípios na classe que indica menor incidência
a situação de pobreza são Rio Grande do Norte (6,6%), Bahia (6%) e Pernambuco (5%). Se
analisados os dois intervalos de classe com os menores valores do IFP juntamente, com
incidência da pobreza de até 0,59, tem-se que Pernambuco é o Estado que apresenta maior
incidência de municípios, de 42,7%.
Tabela 11. Incidência de municípios (%) por intervalo de classes do IFP
IFP
Estado Número de Municípios
Percentual de municípios por intervalo de classes (%)
0,18 - 0,47 0,48 - 0,59 0,60 - 0,67 0,68 - 0,84
Alagoas 102 0,98 11,76 29,41 57,84
Bahia 417 6,00 23,02 44,60 26,38
Ceará 184 2,17 20,11 69,02 8,70
Maranhão 217 1,84 6,91 36,41 54,84
Paraíba 223 2,24 21,52 42,60 33,63
Pernambuco 185 5,41 37,30 45,41 11,89
Piauí 224 0,45 7,59 40,63 51,34
Rio Grande do Norte 167 6,59 24,55 50,30 18,56
Sergipe 75 4,00 21,33 56,00 18,67
Total NE 1794 3,57 19,57 45,60 31,27 Fonte: Elaborado com dados do IBGE – Censo Demográfico 2010.
Os Estados com o maior percentual de municípios na classe que indica maior
incidência a situação de pobreza, de 0,68 a 0,84, Alagoas (57,7%), Maranhão (54,8%), Piauí
(51%) e Paraíba (33,6%). Se analisados os dois intervalos de classe com os maiores valores
do IFP juntamente, verifica-se que, em todos os Estados, mais de 50% dos municípios
apresentam incidência a pobreza nessa dimensão (de 0,60 a 0,84) com destaque para os
Estados de Piauí (91,9%), Maranhão (91%), Alagoas (87%), Ceará (77%), Paraíba (76%),
Sergipe (74%), Bahia (70%), Rio Grande do Norte (68,8%) e Pernambuco (57%).
Para o total de municípios do Nordeste, tem-se que 23% encontram-se nas classes que
indicam menor grau de incidência a pobreza global e 77% encontram-se nas classes que
indicam maior grau de incidência a pobreza.
Conforme o Quadro 4, em todos os Estados é expressivo o número de municípios com
elevado grau de incidência a pobreza. Além disso, se também forem observados os pesos
encontrados para cada dimensão, verifica-se a incidência de pobreza principalmente nas
88
dimensões renda, educação e saúde. O Estado de Piauí se destaca quando se olha para o
Quadro 4, pois ele apresenta uma diferença significativa com relação aos demais: apresentou
maior privação na dimensão condições habitacionais e menor privação na dimensão renda.
Quadro 4. Estados em que os municípios apresentam maior grau de incidência da pobreza, conforme os resultados do cálculo do IFP
Estados IFP Educação IFP Saúde IFP Condições Habitacionais
IFP Renda IFP
Alagoas X* X* - X* X* Bahia X X* - X* X* Ceará - X* - X X*
Maranhão X* X* - X X* Paraíba X* X - X* X*
Pernambuco X* - - X* X Piauí X* X* X* - X*
Rio Grande do Norte X X* - X* X Sergipe X X - X X*
Fonte: Elaborado com os resultados do IFP. Nota: Os Estados com (*), são os que se destacaram com maior incidência de municípios com grau mais alto de
incidência a pobreza quando comparados aos demais.
Por fim, para mostrar um panorama do IFP, apresenta-se a média aritmética simples
dos valores dos índices calculados para os municípios de forma a encontrar os valores para
cada Estado. Desse modo, pode-se compará-los e verificar qual está em situação de maior
propensão a pobreza, conforme a Tabela 12.
Tabela 12. Média do Índice Fuzzy de Pobreza (IFP) para os Estados do Nordeste
Estados IFP Educação (ponderado)
IFP Saúde (ponderado)
IFP Condições Habitacionais (ponderado)
IFP Renda (ponderado)
IFP (ponderado)
Alagoas 0,733* 0,619* 0,322 0,762* 0,673*
Bahia 0,617 0,554 0,298 0,756* 0,620
Ceará 0,597 0,605* 0,324 0,736* 0,622
Maranhão 0,646 0,697* 0,475* 0,740* 0,675*
Paraíba 0,684* 0,523 0,306 0,757* 0,633
Pernambuco 0,641 0,432 0,286 0,754* 0,597
Piauí 0,707* 0,653* 0,418* 0,723* 0,669*
Rio Grande do Norte 0,624 0,561 0,209 0,754* 0,614
Sergipe 0,622 0,556 0,211 0,767* 0,617 Fonte: Elaborado com os resultados do IFP.
Nota: Os Estados com (*) são os que se destacaram com maior grau de incidência a pobreza.
89
Na dimensão educação os que apresentaram maior incidência a pobreza foram
Alagoas, Piauí e Paraíba. Na dimensão saúde foram Maranhão, Piauí, Alagoas e Ceará. Na
dimensão condições habitacionais foram Maranhão e Piauí. Na dimensão renda os valores do
índice para todos ficaram bastante aproximados, indicando praticamente a mesma incidência a
pobreza. E no índice IFP os que apresentaram maior incidência foram Maranhão, Alagoas e
Piauí.
A apresentação dos resultados do IFP permitiu verificar a intensidade da pobreza
multidimensional nos municípios do Nordeste, bem como identificar onde se localizam os
municípios com maior incidência a pobreza. Mostrou-se que no Nordeste também existe
incidência de pobreza nas dimensões educação e saúde, apesar de existir maior incidência à
pobreza com relação à dimensão renda. Os resultados encontrados confirmam, portanto, a
teoria da Abordagem da Capacitação de que a pobreza pode ser encontrada em outras
dimensões relacionada à vida das pessoas.
Verificou-se que a renda monetária é a dimensão que as pessoas apresentam maior
privação e que possivelmente possa estar limitando a realização de muitos funcionamentos
pelas pessoas. O alto peso do indicador do valor do rendimento dos domicílios mostra o
impacto do baixo nível de renda monetária dos domicílios no índice e que refletem nas
condições de vida das pessoas, como também foi mostrado pelos indicadores de acesso a
políticas sociais, principalmente pelo alto número de famílias beneficiárias de programas de
transferência de renda.
Na dimensão educação observa-se o maior peso relacionado aos indicadores
relacionados ao acesso ao ensino fundamental, seguido dos indicadores relacionado ao acesso
ao ensino médio, alfabetização do responsável pelo domicílio e acesso a educação pelos
adultos. Isso mostra a extrema importância do acesso ao ensino básico e médio, para a
superação da pobreza. O Programa Bolsa Família (PBF), por meio de suas condicionalidades,
tem exigido frequência de crianças e adolescentes na escola, o que pode incentivar a
permanência das crianças e adolescentes na escola e melhores desempenhos. O acesso destes
na escola pode os permitir influenciar de maneira positiva suas vidas e de suas famílias, ao
terem maior acesso a informação sobre diferentes aspectos como cuidados com a saúde,
exigências do mercado de trabalho, conhecimentos para buscar mais qualificação e
independência financeira.
Na dimensão saúde o indicador de maior impacto no índice foi o relacionado ao acesso
a tipos de esgotamento sanitário, que impacta diretamente na vida das pessoas. A privação na
90
dimensão saúde causa muitas dificuldades às pessoas porque pode as impedir de levar uma
vida normal, deixando de ir à escola ou trabalho, ou de ter dificuldades para conseguir
tratamento médico. Os outros indicadores de saúde investigaram mostraram, mesmo com
menor peso, a importância de se evitar a mortalidade infantil e a gravidez na infância ou
adolescência. A mortalidade infantil pode refletir ao ambiente ser de risco, a exposição a
doenças evitáveis, falta de acesso ao serviço de saúde e atendimento médico ou de
informações necessárias à segurança das crianças. A gravidez pode trazer riscos à saúde das
mães e crianças e impedir que as mães continuem sua formação escolar. Nesse sentido os
programas do Governo Federal têm condicionalidades e ações para incentivar o
acompanhamento infantil por profissionais da saúde, acompanhamento do calendário de
vacinação e também de ações para promover a oferta de serviços públicos à população.
Na dimensão condições habitacionais, os indicadores de maior incidência a pobreza
foram os relacionados a coleta de lixo, acesso a rede de água, acesso a banheiro, geladeira e
densidade de moradores por dormitório. Essa dimensão apresentou menor peso no índice, o
que denota o acesso dos domicílios aos indicadores analisados, principalmente energia
elétrica. No entanto, ainda é preciso que sejam incentivadas ações no sentido de melhorar o
acesso a coleta de lixo e rede de água, indicadores que impactam diretamente na qualidade de
vida das pessoas e no seu bem-estar.
Conforme as informações ilustradas nos mapas, pode-se observar a distribuição e
localização dos municípios que apresentaram maior incidência a pobreza. Nos Estados de
Maranhão, Piauí, Alagoas e Paraíba verificou-se maior incidência de municípios a situação de
pobreza. Enquanto que em Pernambuco e Rio Grande do Norte os municípios apresentaram
menor incidência a pobreza.
91
CONSIDERAÇÕES FINAIS
Para discutir pobreza é preciso, antes, escolher um conceito. Na abordagem
unidimensional apenas a renda monetária é considerada para a identificação e a agregação dos
pobres – os dois grandes problemas da mensuração da pobreza citados por Sen. Por ser uma
noção de fácil entendimento e mensuração, somada a disponibilidade de dados, é a mais
difundida. Muitos trabalhos são realizados com base nessa abordagem, bem como relatórios e
políticas governamentais.
No entanto, outras necessidades e privações sofridas pelas pessoas começaram a ser
percebidas e discutidas. Problemas sociais, principalmente urbanos, motivaram essa discussão
como infraestrutura domiciliar e pública, prestação de serviços básicos de educação e saúde,
mercado de trabalho, entre outros. Assim, não só a renda poderia ser vista como fator que
influencia na situação de pobreza. Quando comparadas, as pessoas também sofrem exclusão
social e podem ser consideradas mais pobres relativamente. A pobreza pode ser considerada,
portanto, um fenômeno multidimensional.
A Abordagem da Capacitação defende algo mais amplo para a superação da pobreza e
promoção do desenvolvimento humano: o fato de que as pessoas precisam desfrutar de
liberdades substantivas para realizarem funcionamentos valiosos de forma a expandir suas
capacitações. As pessoas são colocadas no centro da discussão. Precisam ser livres para serem
agentes do seu desenvolvimento. Para isso precisam ter acesso à educação, a serviços de
saúde, ter uma moradia, ter roupas e alimentos, exercer direitos políticos e civis e participar
da vida da comunidade, por exemplo. Muitos aspectos da vida das pessoas precisam ser
melhorados para que elas consigam (e queiram) sair da situação de penúria e miséria.
Este trabalho investigou a incidência da pobreza multidimensional, tendo como base a
Abordagem da Capacitação, motivado pela a existência de um grande contingente
populacional de pobres e extremamente pobres de renda principalmente na Região Nordeste,
que têm recebido atenção de políticas governamentais de assistência social,. A Teoria dos
Conjuntos Fuzzy consistiu numa importante técnica para atingir o objetivo proposto ao
permitir a geração de informações relativas a todos os municípios nordestinos por meio do
cálculo do índice fuzzy de pobreza (IFP). Tais informações constituem uma importante
ferramenta para o estudo da pobreza multidimensional, uma vez que não há nenhuma
aplicação dessa técnica para a Região Nordeste. Os resultados do IFP identificaram que nos
municípios existe maior incidência à pobreza na dimensão renda, mas também existe nas
92
outras dimensões avaliadas, principalmente educação e saúde, e em menor grau na dimensão
condições domiciliares.
A dimensão renda, dentre todas, apresentou maior impacto no IFP. A privação de
renda também pode ser observada pelo número de famílias com baixa renda cadastradas no
CadÚnico e atendidas pelo PBF. Tais informações mostram que este problema continua
crônico. O índice de gini indica que no Nordeste a desigualdade de renda é maior do que a
média nacional. O IDF mostra que existe menor desenvolvimento das famílias nas dimensões
relacionadas ao acesso ao trabalho, acesso ao conhecimento e disponibilidade de recursos.
Não é só a renda que falta nesses municípios. Faltam também ações que estimulem o acesso a
educação, ao mercado de trabalho para o acesso e distribuição da renda.
Apesar da política de transferência de renda ser necessária para garantir o mínimo às
pessoas em grave situação de vulnerabilidade ela sozinha não é suficiente para que as pessoas
consigam superar a pobreza. Há muito a ser feito. Os resultados do IFP indicam que é preciso
melhorar principalmente o acesso das pessoas ao ensino básico e ensino médio, que tanto
impactaram no índice de modo a ter um ambiente de incentivo ao ensino. Isso pode ser feito
por meio da oferta de vagas em creches, escolas; qualificação e contratação de professores;
melhoria do acesso dos alunos às escolas; melhoria das condições de infraestrutura como
classes e mesas adequadas, paredes limpas e pintadas, banheiros, biblioteca e laboratórios.
A educação permite que as pessoas sejam agentes das suas vidas e desfrutem de
liberdades substantivas como propõe a Abordagem da Capacitação, permite possam buscar
qualificação, ter acesso ao mercado de trabalho, participar da vida da comunidade, buscar
melhores condições de moradia e de saúde, reivindicar por necessidades particulares e
coletivas e exercer direitos civis. Outra questão importante levantada no estudo consiste na
importância da educação do responsável pelo domicílio que pode influenciar o acesso ao
conhecimento e os cuidados com saúde dos demais membros da família, influenciando a
qualidade de vida de todos com quem convive. O acesso à educação também torna possível a
articulação dos diferentes entes da sociedade para a geração de oportunidades relacionadas ao
mercado de trabalho, por meio do incentivo a geração de empregos e inclusão produtiva.
Portanto, apesar de a privação na dimensão renda ser maior do que nas demais
dimensões, a superação da pobreza envolve a promoção dos diferentes aspectos relacionados
à vida das pessoas. A educação pode permitir a aproximação das pessoas ao mercado de
trabalho, o bem-estar das pessoas depende também da oferta de serviços públicos como
93
esgotamento sanitário, coleta de lixo e rede de água, que as permitam evitar doenças e ter uma
vida de qualidade.
Uma informação gerada neste estudo merece destaque. Enquanto na maioria dos
Estados verificou-se maior privação na dimensão renda e menor privação na dimensão,
observou-se que para o Piauí o resultado encontrado foi o inverso. No Piauí, a maior
incidência a pobreza encontra-se na dimensão condições habitacionais e a menor incidência
encontra-se na dimensão renda. Esse resultado justifica a Abordagem da Capacitação
escolhida como base para a realização deste estudo porque a pobreza se deve a diferentes
dimensões e pode variar de um local para outro. Desse modo, a teoria de Sen mostra que
políticas de assistência aos pobres precisam considerar as particularidades de cada local, de
forma a verificar quais são as reais privações sofridas pelas pessoas.
As pessoas que se encontram em situação de pobreza precisam ser assistidas pelo
governo e pela sociedade e incentivadas a superar a situação de penúria de forma a não serem
eternamente dependentes, isoladas, incapazes, privadas de liberdade, privadas de realização
de funcionamentos valiosos, privadas de expandirem suas capacitações. Os programas sociais
de transferência de renda precisam ser vistos como uma medida urgente e transitória e não
como definitiva.
Os formuladores de políticas precisam conhecer as diferentes necessidades da
população de forma que possam propor projetos de melhoria do que é mais urgente. A renda
não é um fim que se busca, é um meio de realizar funcionamentos e expandir as capacitações.
É preciso que se preocupem em promover a segurança social, inclusão social e inclusão
produtiva. Este trabalho buscou mostrar que a pobreza é um problema complexo e
multidimensional. Os formuladores de políticas públicas precisam dedicar maior atenção às
diferentes dimensões relacionadas à vida das pessoas quando estiverem pensando em políticas
para a redução da pobreza. Os programas de assistência aos mais pobres do Governo Federal
têm como objetivo a transferência de renda para a garantia mínima aos mais pobres e, ao
mesmo tempo, exige o cumprimento de algumas condicionalidades de forma a incentivar o
acesso a saúde e educação dos beneficiários. Portanto, nos seus programas está tentando
articular a transferência de renda questões como a oferta de serviços públicos e a inclusão
produtiva dos mais pobres. Essas ações indicam avanços no sentido das políticas não ficarem
restritas a renda monetária, mas darem passos no sentido de vincular a melhoria de ouras
dimensões.
94
Este trabalho é uma contribuição para a mensuração da pobreza multidimensional, de
modo a mostrar que as ações para redução de pobreza precisam investigar diferentes aspectos
relacionados à vida das pessoas. É preciso descobrir quais são as reais privações sofridas. A
privação de renda precisa ser reduzida por meio de políticas que promovam, principalmente, o
acesso a educação e o acesso ao trabalho para a melhoria do nível de renda. A partir das
informações geradas, sugere-se para trabalhos futuros a confrontação de tais resultados com
outras técnicas de mensuração como a análise fatorial. Além disso, a identificação de
agrupamentos de características comuns por meio da análise de clusters e a identificação de
dependência espacial. A geração de tais informações é importante para a ampliação e
divulgação da ideia de que a superação da pobreza envolve a promoção de múltiplas
dimensões.
95
REFERÊNCIAS
ALKIRE, Sabina. Dimensions of Human Development. World Development, vol. 30, n. 2, pp. 180-205, 2002.
ALKIRE, Sabina. Choosing Dimensions: the Capability Approach and Multidimensional Poverty. Munich Personal RePEc Archive (MPRA), n. 886, may. 2008.
ALKIRE, Sabina; SANTOS, Maria Emma. Acute Multidimensional Poverty: A New Index for Developing Countries. OPHI Working Paper No. 38. Oxford: Oxford Poverty & Human Development Initiative (OPHI), 2010.
ANAND, Sudhir; SEN, Amartya K. Human Development Index: Methodology and Measurement. New York: United Nacions Development Programme, 1994.
ANAND, Sudhir; SEN, Amartya K. Concepts of Human Development and Poverty: A Multidimensional Perspective. New York: Human Development Papers, United Nations Development Programme, 1997.
BALIAMOUNE-LUTZ, Mina. On the Measurement of Human Well-Being: Fuzzy Set Theory and Sen’s Capability Approach. United Nations University: World Institute of Development Research (WIDER, Research Paper N. 2004/16), 2004.
BARROS, Ricardo Paes de; CARVALHO, Mirela de; FRANCO, Samuel. O Índice de Desenvolvimento da Família (IDF). Texto para Discussão Nº 986 do IPEA.Brasília: IPEA, 2003.
BARROS, Ricardo Paes de; MENDONÇA, Rosane. O impacto do crescimento econômico e de reduções no grau de desigualdade sobre a pobreza. Texto para Discussão Nº 528 do IPEA .Rio de Janeiro: IPEA, 1997.
BIBI, Sami. Measuring Poverty in a Multidimensional Perspective: A Review of Literature. PMMA Working Paper n. 2005-07, 2005.
BOURGUIGNON, François; CHAKRAVARTY, Satya R. Multi-dimensional poverty orderings. Paris: Dèpartement et Laboratoire D’Économie Théorique et Appliqué, 2002. (Delta, Working Paper, n. 2002-22).
BOURGUIGNON, François; CHAKRAVARTY, Satya R. The Measurement of multidimensional poverty. Journal of Economic Inequality, v. 1, pp. 25-49, 2003.
BRASIL (2011a). Decreto Nº 7.492 de 2 de Junho de 2011. Institui o Plano Brasil Sem Miséria. Presidência da República. Brasília, 02 jun. de 2011. Disponível em: www.planalto.gov.br . Acesso em: 27 mar. 2012.
BRASIL (2004). Lei n. 10.836, de 9 de janeiro de 2004. Cria o Programa Bolsa Família e dá outras providências. Presidência da República. Brasília, DF, 9 jan. 2004. Disponível em: www.mds.gov.br . Acesso em: 26 jan. 2012.
BRASIL (2011b). Nota MDS: O perfil da Extrema Pobreza no Brasil com base nos dados preliminares do universo do Censo 2010. Ministério do Desenvolvimento Social e Combate a Fome. Brasília, 02 mai. de 2011. Disponível em: www.brasilsemmiseria.gov.br. Acesso em: 27 mar. 2012.
CARVALHO, Maristela; KERSTENETZKY, Célia Lessa; DEL VECCHIO, Renata. Uma aplicação da teoria dos conjuntos fuzzy na pobreza: o caso das Regiões Metropolitanas do
96
Sudeste brasileiro – 2000. In: XXXV Encontro Nacional de Economia (ANPEC), Recife/PE, 2007.
CASTRO, Jorge Abrahão de; RIBEIRO, José Aparecido Carlos. As Políticas Sociais e a Constituição de 1988: conquistas e desafios. In: Boletim IPEA: Políticas Sociais: acompanhamento e análise – Vinte Anos da Constituição Federal, v. 1, n. 17, 2009.
CHIAPPERO-MARTINETTI, Enrica. A Multidimensional Assessment of Well-Being Based on Sen’s Functioning Approach. Società Italiana di Economia Pubblica, 2000. (Work Papers).
CODES, Ana Maria Machado de. A Trajetória do Pensamento Científico sobre a Pobreza: em direção a uma visão complexa. Texto Para Discussão Nº 1332 do IPEA. Brasília: IPEA, 2008.
CURRALERO, Cláudia Baddini et. al. As Condicionalidades do Programa Bolsa Família. In: CASTRO, Jorge Abrahão; MODESTO, Lúcia. Bolsa Família 2003-2010: avanços e desafios. Brasília: IPEA, 2010.
DELGADO, Guilherme C.; THEODORO, Mário. Desenvolvimento e política social. In: JACCOUD, Luciana (Org.). Questão social e políticas sociais no Brasil contemporâneo. Brasília: IPEA, 2005, p.409-435.
DINIZ, Marcelo Bentes; DINIZ, Marcos Monteiro. Um indicador comparativo de pobreza multidimensional a partir dos objetivos do desenvolvimento do milênio. Economia Aplicada, v. 13, n. 3, pp. 399-423, 2009.
FIELDS, Gary S. Distribution and Development: a new look at the developing world. New York: Russell Sage Fundation, 2001.
FOSTER, James; GREER, Joel; THORBECKE, Erik. A Class of Decomposable Poverty Measures. Econometrica, v. 52, n. 3, pp. 761-766, mai. 1984.
HAUGHTON, Jonathan Henry; KHANDKER, Shahidur R. Handbook on poverty and inequality. Washington, DC: The International Bank for Reconstruction and Development/The World Bank, 2009.
HAUSMAN, Daniel M.; McPHERSON, Michael S. Economic Analysis, Moral Philosophy and Public Policy. 2. ed. New York: Cambridge University Press, 2006.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Censo Demográfico 2010. Disponível em: www.sidra.ibge.gov.br. Acesso em: 27 jan. 2012.
INSTITUTO DE PESQUISA ECONÔMICA APLICADA (IPEA). Políticas sociais: acompanhamento e análise. Brasília, nº 20, 2012.
JACCOUD, Luciana; HADJAB, Patrícia Dario El-Moor; CHAIBUB, Juliana Rochet. Assistência Social e Segurança Alimentar: trajetórias, velhas agendas e recentes desafios (1998-2008). In: Boletim IPEA: Políticas Sociais: acompanhamento e análise – Vinte Anos da Constituição Federal, v. 1, n. 17, 2009.
KAKWANI, Nanak. On a Class of Poverty Measures. Econometrica, v. 48, n. 2, pp. 437-446, mar. 1980.
LELLI, Sara. Factor Analisys vs. Fuzzy sets theory: assessing the influence of different techniques on Sen’s functioning approach. Center for Economic Studies, K. U. Leuven, 2001.
97
MARIN, Solange Regina. Karl Popper e Amartya Sen: Temas para Pensar em Intervenção Social e Desenvolvimento Humano. Tese (Doutorado em Desenvolvimento Econômico) – Universidade Federal do Paraná, Curitiba, 2005.
MINISTÉRIO DO DESENVOLVIMENTO SOCIAL E COMBATE À FOME (MDS). Disponível em: www.mds.gov.br. Acesso em: 10/01/2013.
NEDER, Henrique Dantas; SILVA, Jorge Mariano da. Pobreza e distribuição de renda em áreas rurais: uma abordagem de inferência. Revista de Economia e Sociologia Rural, v. 42, n. 3, pp. 469-486, 2004.
OTTONELLI, Janaina; MARIN, Solange Regina; PORSSE, Melody; GLASENAPP, Sirlei. A Importância das Medidas Multidimensionais de Pobreza para a Administração Pública: um Exercício em Palmeira das Missões/RS. Revista de Administração Pública, Jun 2011, vol.45, no.3, pp.837-859, 2011.
PACHECO, Kleber; DEL-VECCHIO, Renata; KERSTENETZKY, Célia. Pobreza Fuzzy multidimensional: Uma análise das condições de vida na Zono Oeste do Rio de Janeiro 1991 a 2000. Centro de Estudos Sobre Desigualdade e Desenvolvimento (CEDE). Niterói, RJ: Texto para Discussão Nº30, 2010.
PICOLOTTO, Volnei da Conceição. Pobreza e desenvolvimento sob os paradigmas da renda e das capacitações: Uma aplicação para a Grande Porto Alegre através de indicadores fuzzy. Dissertação (Mestrado em Economia) – Programa de Pós-Graduação em Economia da Faculdade de Ciências Econômicas. Porto Alegre: Universidade Federal do Rio Grande do Sul, 2006.
RAVALLION, Martin. Poverty Comparisons: A Guide to Concepts and Methods. Washington, DC: The World Bank, 1992. (LSMS Working Paper, n. 88)
RAVALLION, Martin. Issues in Measuring and Modeling Poverty. The Economic Journal. 102, pp. 1328-1343, set. 1996.
RAVALLION, Martin. Poverty Comparisons in Theory and Practice. Washington, DC: The World Bank, 1998. (LSMS Working Paper, n. 133)
REDE INTERGENCIAL DE INFORMAÇÕES PARA A SAÚDE (RIPSA). Indicadores e Dados Básicos para a Saúde no Brasil (IDB), 2008. Disponível em: http://www.ripsa.org.br. Acesso em: 10/01/2013.
ROCHA, Sonia. Renda e pobreza no Brasil. Rev. Bras. Estudos Pop. 10(1-2), pp. 99-106. 1993.
ROCHA, Sonia. Do consumo observado à linha de pobreza. Pesquisa e Planejamento Econômico, Rio de Janeiro, v. 27, n. 2, pp. 312-351, 1997.
ROCHA, Sonia. Pobreza no Brasil: afinal, de que se trata? – 3. ed. – Rio de Janeiro: Editora FGV, 2006.
SANTOS, Larissa Martins dos. Pobreza como privação de liberdade: Um estudo de caso na favela do Vidigal no Rio de Janeiro. Dissertação (Mestrado em Economia) – Programa de Pós-Graduação em Economia. Rio de Janeiro: Universidade Federal Fluminense, 2007.
SEN, Amartya Kumar. Poverty: An Ordinal Approach to Measurement. Econometrica, v. 44, n. 2, pp. 219-231, mar. 1976.
SEN, Amartya Kumar. Equality of What? The Tanner Lectures on Human Development. Stanford: Stanford University, 1979a.
98
SEN, Amartya Kumar. Issues in the measurement of poverty. Scandinavian Journal of Economics, Vol. 81, pp. 285-307, 1979b.
SEN, Amartya Kumar. Poverty and Famines: an essay on entitlement and deprivation. Oxford: Oxford University Press, 1981.
SEN, Amartya Kumar. Well-Being, Agency and Freedom: The Dewey Lectures, 1984. The Journal of Philosophy, Vol. 82, n. 4, pp. 169-221, apr. 1985.
SEN, Amartya. A Decade of Human Development. In: First Global Forum on Human Development. New York, 1999a.
SEN, Amartya Kumar. Sobre Ética e Economia. São Paulo: Companhia das Letras, 1999b.
SEN, Amartya Kumar. Desenvolvimento como liberdade. São Paulo: Editora Companhia das Letras, 2000.
SEN, Amartya Kumar. Desigualdade Reexaminada. Rio de Janeiro: Editora Record LTDA, 2001 [1992].
TROCADO, Pedro. ARCGIS 9. Instituto Superior Técnico – Lisboa/Portugal. Disponível em: http://georeferencias.no.sapo.pt/Materiais/manual_arcgis.pdf. Acesso em: 15/04/2013.
TSUI, Kai-yuen. Multidimensional Generalizations of the Relative and Absolute Inequality Indices: The Atkinson-Kolm-Sen Approach. Journal of Economic Theory, v. 19, pp. 69-93, 2002.
TSUI, Kai-yuen. Multidimensional poverty indices. Social Choice and Welfare, v. 67, pp. 251-265, 1995.
UNITED NATIONS DEVELOPMENT PROGRAMME (UNDP). Human Development Report 1990. New York: Oxford University Press, 1990.
UNITED NATIONS DEVELOPMENT PROGRAMME (UNDP). Human Development Report 1996: Economic Growth and Human Development. New York: Oxford University Press, 1996.
UNITED NATIONS DEVELOPMENT PROGRAMME (UNDP). Human Development Report 1997: Human Development to Eradicate Poverty. New York: Oxford University Press, 1997.
UNITED NATIONS DEVELOPMENT PROGRAMME (UNDP). Human Development Report 1998: Consumption for Human Development. New York: Oxford University Press, 1998.
UNITED NATIONS DEVELOPMENT PROGRAMME (UNDP). Atlas do Desenvolvimento Humano no Brasil, 2003. Disponível: www.pnud.org.br. Acesso: 05/06/07.
UNITED NATIONS DEVELOPMENT PROGRAMME (UNDP). Human Development Report 2007/2008: Fighting climate changes: Human solidarity in a divided world. New York: Palgrave Macmillan, 2007/2008.
UNITED NATIONS DEVELOPMENT PROGRAMME (UNDP). Human Development Report 2010 (20th Anniversary Edition): The Real Wealth of Nations: Pathways to Development Human. New York: Palgrave Macmillan, 2010.
UNITED NATIONS DEVELOPMENT PROGRAMME (UNDP). Human Development Report 2011: Sustainability and Equity: A Better Future for All. New York: Palgrave Macmillan, 2011.
99
VARIAN, Hal R. Microeconomia: Princípios Básicos. Rio de Janeiro: Elsevier, 2006.
ZADEH, L. A. Fuzzy Sets. Information and Control , 8, pp. 338-353, 1965.
WORLD BANK. World Development Report (2000/2001): Attacking Poverty. Washington, D.C.: The World Bank and Oxford University Press, 2000.
100
APÊNDICE A – Índice fuzzy de pobreza (IFP) para os municípios do Nordeste
UF Cod. UF
Municípios IFP Educação (Ponderado)
IFP Saúde (ponderado)
IFP Condições
Domiciliares (ponderado)
IFP Renda (ponderado)
IFP (ponderado)
MA 21 Açailândia - MA 0,460 0,675 0,180 0,707 0,573 MA 21 Afonso Cunha - MA 0,783 0,763 0,574 0,754 0,745 MA 21 Água Doce do Maranhão - MA 0,843 0,753 0,461 0,776 0,756 MA 21 Alcântara - MA 0,584 0,743 0,519 0,707 0,660 MA 21 Aldeias Altas - MA 0,830 0,751 0,615 0,758 0,761 MA 21 Altamira do Maranhão - MA 0,713 0,775 0,466 0,771 0,723 MA 21 Alto Alegre do Maranhão - MA 0,693 0,630 0,423 0,804 0,691 MA 21 Alto Alegre do Pindaré - MA 0,722 0,740 0,456 0,765 0,714 MA 21 Alto Parnaíba - MA 0,620 0,807 0,491 0,522 0,613 MA 21 Amapá do Maranhão - MA 0,779 0,577 0,569 0,705 0,682 MA 21 Amarante do Maranhão - MA 0,688 0,796 0,520 0,728 0,710 MA 21 Anajatuba - MA 0,642 0,725 0,528 0,738 0,685 MA 21 Anapurus - MA 0,637 0,763 0,492 0,762 0,698 MA 21 Apicum-Açu - MA 0,567 0,771 0,601 0,723 0,677 MA 21 Araguanã - MA 0,667 0,688 0,494 0,728 0,676 MA 21 Araioses - MA 0,787 0,690 0,562 0,782 0,738 MA 21 Arame - MA 0,791 0,712 0,543 0,733 0,724 MA 21 Arari - MA 0,552 0,384 0,392 0,723 0,560 MA 21 Axixá - MA 0,439 0,501 0,540 0,722 0,570 MA 21 Bacabal - MA 0,499 0,541 0,253 0,716 0,564 MA 21 Bacabeira - MA 0,469 0,562 0,445 0,755 0,595 MA 21 Bacuri - MA 0,614 0,711 0,593 0,705 0,668 MA 21 Bacurituba - MA 0,638 0,834 0,581 0,712 0,706 MA 21 Balsas - MA 0,395 0,648 0,239 0,629 0,525 MA 21 Barão de Grajaú - MA 0,583 0,716 0,351 0,749 0,651 MA 21 Barra do Corda - MA 0,637 0,680 0,361 0,726 0,651 MA 21 Barreirinhas - MA 0,663 0,658 0,548 0,723 0,672 MA 21 Belágua - MA 0,806 0,792 0,738 0,687 0,751 MA 21 Bela Vista do Maranhão - MA 0,701 0,742 0,439 0,780 0,712 MA 21 Benedito Leite - MA 0,708 0,493 0,455 0,756 0,648 MA 21 Bequimão - MA 0,557 0,753 0,618 0,727 0,673 MA 21 Bernardo do Mearim - MA 0,622 0,554 0,379 0,786 0,641 MA 21 Boa Vista do Gurupi - MA 0,656 0,845 0,519 0,775 0,730 MA 21 Bom Jardim - MA 0,754 0,770 0,442 0,768 0,729 MA 21 Bom Jesus das Selvas - MA 0,674 0,624 0,449 0,839 0,700 MA 21 Bom Lugar - MA 0,686 0,729 0,510 0,794 0,718 MA 21 Brejo - MA 0,714 0,654 0,549 0,735 0,690 MA 21 Brejo de Areia - MA 0,797 0,779 0,626 0,787 0,771 MA 21 Buriti - MA 0,719 0,753 0,669 0,694 0,712 MA 21 Buriti Bravo - MA 0,692 0,742 0,452 0,733 0,693 MA 21 Buriticupu - MA 0,675 0,749 0,436 0,780 0,706 MA 21 Buritirana - MA 0,648 0,755 0,434 0,763 0,693 MA 21 Cachoeira Grande - MA 0,717 0,848 0,752 0,801 0,783 MA 21 Cajapió - MA 0,632 0,577 0,636 0,697 0,644 MA 21 Cajari - MA 0,656 0,757 0,678 0,766 0,723 MA 21 Campestre do Maranhão - MA 0,503 0,771 0,209 0,765 0,633 MA 21 Cândido Mendes - MA 0,622 0,668 0,615 0,718 0,668 MA 21 Cantanhede - MA 0,676 0,523 0,517 0,717 0,639 MA 21 Capinzal do Norte - MA 0,734 0,730 0,452 0,775 0,718 MA 21 Carolina - MA 0,490 0,561 0,324 0,786 0,600 MA 21 Carutapera - MA 0,582 0,682 0,525 0,717 0,650 MA 21 Caxias - MA 0,582 0,568 0,301 0,742 0,608 MA 21 Cedral - MA 0,492 0,778 0,434 0,694 0,628 MA 21 Central do Maranhão - MA 0,600 0,721 0,510 0,737 0,670 MA 21 Centro do Guilherme - MA 0,697 0,769 0,563 0,776 0,729 MA 21 Centro Novo do Maranhão - MA 0,704 0,762 0,711 0,762 0,740 MA 21 Chapadinha - MA 0,603 0,662 0,461 0,749 0,656 MA 21 Cidelândia - MA 0,613 0,756 0,356 0,793 0,686 MA 21 Codó - MA 0,676 0,596 0,341 0,744 0,647 MA 21 Coelho Neto - MA 0,693 0,749 0,335 0,772 0,698 MA 21 Colinas - MA 0,664 0,759 0,466 0,665 0,665
101
MA 21 Conceição do Lago-Açu - MA 0,841 0,799 0,638 0,710 0,760 MA 21 Coroatá - MA 0,706 0,624 0,359 0,743 0,663 MA 21 Cururupu - MA 0,528 0,781 0,509 0,716 0,655 MA 21 Davinópolis - MA 0,568 0,617 0,331 0,823 0,650 MA 21 Dom Pedro - MA 0,576 0,634 0,255 0,791 0,636 MA 21 Duque Bacelar - MA 0,747 0,477 0,560 0,738 0,661 MA 21 Esperantinópolis - MA 0,670 0,712 0,336 0,720 0,663 MA 21 Estreito - MA 0,455 0,715 0,229 0,670 0,572 MA 21 Feira Nova do Maranhão - MA 0,632 0,704 0,602 0,715 0,677 MA 21 Fernando Falcão - MA 0,884 0,822 0,739 0,726 0,794 MA 21 Formosa da Serra Negra - MA 0,592 0,785 0,638 0,781 0,713 MA 21 Fortaleza dos Nogueiras - MA 0,496 0,783 0,423 0,756 0,653 MA 21 Fortuna - MA 0,700 0,748 0,389 0,724 0,687 MA 21 Godofredo Viana - MA 0,495 0,590 0,587 0,762 0,627 MA 21 Gonçalves Dias - MA 0,758 0,752 0,412 0,738 0,712 MA 21 Governador Archer - MA 0,722 0,709 0,319 0,753 0,688 MA 21 Governador Edison Lobão - MA 0,512 0,523 0,264 0,802 0,597 MA 21 Governador Eugênio Barros - MA 0,762 0,763 0,431 0,715 0,709 MA 21 Governador Luiz Rocha - MA 0,723 0,654 0,418 0,735 0,679 MA 21 Governador Newton Bello - MA 0,798 0,788 0,566 0,762 0,757 MA 21 Governador Nunes Freire - MA 0,649 0,522 0,465 0,720 0,626 MA 21 Graça Aranha - MA 0,689 0,739 0,357 0,713 0,674 MA 21 Grajaú - MA 0,609 0,790 0,387 0,705 0,664 MA 21 Guimarães - MA 0,453 0,759 0,487 0,703 0,622 MA 21 Humberto de Campos - MA 0,661 0,729 0,677 0,760 0,716 MA 21 Icatu - MA 0,629 0,759 0,679 0,709 0,695 MA 21 Igarapé do Meio - MA 0,647 0,797 0,475 0,744 0,700 MA 21 Igarapé Grande - MA 0,624 0,608 0,335 0,751 0,637 MA 21 Imperatriz - MA 0,289 0,393 0,113 0,614 0,416 MA 21 Itaipava do Grajaú - MA 0,773 0,778 0,561 0,755 0,745 MA 21 Itapecuru Mirim - MA 0,611 0,551 0,419 0,773 0,637 MA 21 Itinga do Maranhão - MA 0,569 0,714 0,220 0,750 0,634 MA 21 Jatobá - MA 0,725 0,553 0,482 0,699 0,649 MA 21 Jenipapo dos Vieiras - MA 0,794 0,788 0,627 0,809 0,780 MA 21 João Lisboa - MA 0,520 0,713 0,277 0,805 0,646 MA 21 Joselândia - MA 0,773 0,776 0,464 0,725 0,723 MA 21 Junco do Maranhão - MA 0,698 0,490 0,458 0,749 0,643 MA 21 Lago da Pedra - MA 0,680 0,634 0,447 0,764 0,676 MA 21 Lago do Junco - MA 0,706 0,624 0,472 0,690 0,656 MA 21 Lago Verde - MA 0,739 0,732 0,613 0,742 0,725 MA 21 Lagoa do Mato - MA 0,731 0,811 0,483 0,679 0,704 MA 21 Lago dos Rodrigues - MA 0,645 0,745 0,298 0,790 0,686 MA 21 Lagoa Grande do Maranhão - MA 0,853 0,875 0,415 0,736 0,768 MA 21 Lajeado Novo - MA 0,564 0,720 0,413 0,754 0,656 MA 21 Lima Campos - MA 0,697 0,727 0,296 0,734 0,675 MA 21 Loreto - MA 0,607 0,655 0,472 0,725 0,648 MA 21 Luís Domingues - MA 0,540 0,501 0,642 0,715 0,608 MA 21 Magalhães de Almeida - MA 0,682 0,622 0,388 0,720 0,650 MA 21 Maracaçumé - MA 0,620 0,499 0,476 0,787 0,639 MA 21 Marajá do Sena - MA 0,918 0,813 0,874 0,775 0,835 MA 21 Maranhãozinho - MA 0,643 0,452 0,486 0,790 0,636 MA 21 Mata Roma - MA 0,648 0,662 0,508 0,778 0,685 MA 21 Matinha - MA 0,513 0,718 0,530 0,664 0,619 MA 21 Matões - MA 0,796 0,744 0,515 0,742 0,733 MA 21 Matões do Norte - MA 0,762 0,766 0,697 0,812 0,775 MA 21 Milagres do Maranhão - MA 0,820 0,718 0,654 0,688 0,729 MA 21 Mirador - MA 0,711 0,761 0,615 0,722 0,716 MA 21 Miranda do Norte - MA 0,512 0,720 0,363 0,783 0,646 MA 21 Mirinzal - MA 0,471 0,739 0,469 0,743 0,636 MA 21 Monção - MA 0,664 0,770 0,620 0,718 0,704 MA 21 Montes Altos - MA 0,557 0,754 0,455 0,745 0,663 MA 21 Morros - MA 0,692 0,759 0,658 0,728 0,717 MA 21 Nina Rodrigues - MA 0,622 0,790 0,632 0,692 0,689 MA 21 Nova Colinas - MA 0,619 0,803 0,504 0,726 0,690 MA 21 Nova Iorque - MA 0,708 0,765 0,450 0,710 0,694 MA 21 Nova Olinda do Maranhão - MA 0,639 0,751 0,409 0,794 0,699
102
MA 21 Olho d'Água das Cunhãs - MA 0,723 0,724 0,419 0,767 0,707 MA 21 Olinda Nova do Maranhão - MA 0,600 0,719 0,550 0,703 0,661 MA 21 Paço do Lumiar - MA 0,159 0,349 0,290 0,714 0,426 MA 21 Palmeirândia - MA 0,640 0,753 0,596 0,720 0,692 MA 21 Paraibano - MA 0,681 0,730 0,288 0,710 0,661 MA 21 Parnarama - MA 0,806 0,761 0,539 0,735 0,740 MA 21 Passagem Franca - MA 0,807 0,795 0,402 0,730 0,732 MA 21 Pastos Bons - MA 0,588 0,754 0,373 0,731 0,657 MA 21 Paulino Neves - MA 0,685 0,682 0,706 0,725 0,702 MA 21 Paulo Ramos - MA 0,797 0,758 0,520 0,747 0,739 MA 21 Pedreiras - MA 0,462 0,466 0,183 0,691 0,519 MA 21 Pedro do Rosário - MA 0,722 0,771 0,724 0,746 0,743 MA 21 Penalva - MA 0,604 0,761 0,602 0,743 0,692 MA 21 Peri Mirim - MA 0,544 0,673 0,595 0,732 0,650 MA 21 Peritoró - MA 0,768 0,702 0,527 0,785 0,733 MA 21 Pindaré-Mirim - MA 0,491 0,750 0,357 0,750 0,634 MA 21 Pinheiro - MA 0,487 0,399 0,407 0,745 0,555 MA 21 Pio XII - MA 0,754 0,777 0,367 0,757 0,719 MA 21 Pirapemas - MA 0,667 0,709 0,565 0,731 0,690 MA 21 Poção de Pedras - MA 0,708 0,612 0,414 0,748 0,669 MA 21 Porto Franco - MA 0,443 0,755 0,226 0,655 0,572 MA 21 Porto Rico do Maranhão - MA 0,487 0,525 0,385 0,736 0,578 MA 21 Presidente Dutra - MA 0,535 0,609 0,237 0,700 0,582 MA 21 Presidente Juscelino - MA 0,647 0,685 0,698 0,717 0,688 MA 21 Presidente Médici - MA 0,575 0,382 0,323 0,796 0,586 MA 21 Presidente Sarney - MA 0,707 0,795 0,669 0,756 0,742 MA 21 Presidente Vargas - MA 0,623 0,744 0,636 0,681 0,674 MA 21 Primeira Cruz - MA 0,727 0,756 0,748 0,716 0,732 MA 21 Raposa - MA 0,439 0,647 0,365 0,796 0,614 MA 21 Riachão - MA 0,612 0,698 0,440 0,763 0,671 MA 21 Ribamar Fiquene - MA 0,558 0,646 0,375 0,776 0,641 MA 21 Rosário - MA 0,466 0,732 0,416 0,744 0,627 MA 21 Sambaíba - MA 0,612 0,659 0,565 0,705 0,653 MA 21 Santa Filomena do Maranhão - MA 0,758 0,688 0,453 0,704 0,689 MA 21 Santa Helena - MA 0,623 0,785 0,535 0,760 0,703 MA 21 Santa Inês - MA 0,444 0,503 0,156 0,727 0,533 MA 21 Santa Luzia - MA 0,738 0,714 0,474 0,770 0,716 MA 21 Santa Luzia do Paruá - MA 0,583 0,673 0,386 0,734 0,640 MA 21 Santa Quitéria do Maranhão - MA 0,741 0,768 0,557 0,755 0,733 MA 21 Santa Rita - MA 0,540 0,695 0,497 0,784 0,663 MA 21 Santana do Maranhão - MA 0,791 0,727 0,516 0,719 0,720 MA 21 Santo Amaro do Maranhão - MA 0,673 0,821 0,746 0,706 0,728 MA 21 Santo Antônio dos Lopes - MA 0,700 0,716 0,426 0,753 0,694 MA 21 São Benedito do Rio Preto - MA 0,735 0,640 0,656 0,729 0,702 MA 21 São Bento - MA 0,506 0,714 0,471 0,770 0,650 MA 21 São Bernardo - MA 0,679 0,702 0,482 0,762 0,694 MA 21 São Domingos do Azeitão - MA 0,696 0,824 0,411 0,687 0,692 MA 21 São Domingos do Maranhão - MA 0,651 0,635 0,328 0,737 0,645 MA 21 São Félix de Balsas - MA 0,715 0,796 0,641 0,756 0,741 MA 21 São Francisco do Brejão - MA 0,630 0,731 0,330 0,812 0,689 MA 21 São Francisco do Maranhão - MA 0,817 0,750 0,608 0,741 0,750 MA 21 São João Batista - MA 0,517 0,617 0,632 0,703 0,622 MA 21 São João do Carú - MA 0,792 0,832 0,580 0,760 0,767 MA 21 São João do Paraíso - MA 0,552 0,763 0,489 0,751 0,670 MA 21 São João do Soter - MA 0,854 0,780 0,581 0,736 0,763 MA 21 São João dos Patos - MA 0,577 0,766 0,241 0,722 0,640 MA 21 São José de Ribamar - MA 0,208 0,425 0,244 0,728 0,458 MA 21 São José dos Basílios - MA 0,704 0,780 0,439 0,697 0,691 MA 21 São Luís - MA 0,166 0,257 0,159 0,485 0,306 MA 21 São Luís Gonzaga do Maranhão - MA 0,773 0,721 0,489 0,780 0,733 MA 21 São Mateus do Maranhão - MA 0,677 0,732 0,432 0,662 0,658 MA 21 São Pedro da Água Branca - MA 0,653 0,758 0,305 0,769 0,683 MA 21 São Pedro dos Crentes - MA 0,550 0,771 0,403 0,746 0,659 MA 21 São Raimundo das Mangabeiras - MA 0,546 0,769 0,319 0,737 0,645 MA 21 São Raimundo do Doca Bezerra - MA 0,816 0,674 0,416 0,769 0,722 MA 21 São Roberto - MA 0,820 0,601 0,477 0,745 0,704
103
MA 21 São Vicente Ferrer - MA 0,578 0,752 0,674 0,726 0,685 MA 21 Satubinha - MA 0,751 0,777 0,550 0,803 0,755 MA 21 Senador Alexandre Costa - MA 0,765 0,800 0,521 0,732 0,734 MA 21 Senador La Rocque - MA 0,677 0,630 0,338 0,766 0,663 MA 21 Serrano do Maranhão - MA 0,752 0,797 0,716 0,758 0,761 MA 21 Sítio Novo - MA 0,614 0,771 0,559 0,727 0,687 MA 21 Sucupira do Norte - MA 0,636 0,757 0,515 0,700 0,676 MA 21 Sucupira do Riachão - MA 0,747 0,794 0,471 0,767 0,736 MA 21 Tasso Fragoso - MA 0,574 0,787 0,403 0,765 0,677 MA 21 Timbiras - MA 0,796 0,718 0,586 0,738 0,733 MA 21 Timon - MA 0,468 0,483 0,234 0,741 0,549 MA 21 Trizidela do Vale - MA 0,588 0,664 0,205 0,786 0,639 MA 21 Tufilândia - MA 0,723 0,771 0,464 0,765 0,722 MA 21 Tuntum - MA 0,710 0,711 0,362 0,760 0,691 MA 21 Turiaçu - MA 0,658 0,757 0,666 0,756 0,719 MA 21 Turilândia - MA 0,754 0,752 0,602 0,751 0,736 MA 21 Tutóia - MA 0,704 0,786 0,552 0,718 0,712 MA 21 Urbano Santos - MA 0,659 0,664 0,584 0,766 0,692 MA 21 Vargem Grande - MA 0,726 0,636 0,616 0,757 0,705 MA 21 Viana - MA 0,514 0,557 0,504 0,694 0,590 MA 21 Vila Nova dos Martírios - MA 0,615 0,778 0,343 0,809 0,696 MA 21 Vitória do Mearim - MA 0,594 0,624 0,361 0,740 0,631 MA 21 Vitorino Freire - MA 0,725 0,730 0,418 0,746 0,701 MA 21 Zé Doca - MA 0,581 0,713 0,395 0,775 0,665 PI 22 Acauã - PI 0,752 0,731 0,606 0,669 0,700 PI 22 Agricolândia - PI 0,597 0,336 0,230 0,755 0,556 PI 22 Água Branca - PI 0,541 0,741 0,129 0,748 0,621 PI 22 Alagoinha do Piauí - PI 0,881 0,692 0,441 0,735 0,735 PI 22 Alegrete do Piauí - PI 0,735 0,752 0,243 0,727 0,683 PI 22 Alto Longá - PI 0,730 0,736 0,428 0,700 0,688 PI 22 Altos - PI 0,608 0,708 0,360 0,744 0,656 PI 22 Alvorada do Gurguéia - PI 0,631 0,737 0,395 0,710 0,660 PI 22 Amarante - PI 0,646 0,690 0,348 0,716 0,650 PI 22 Angical do Piauí - PI 0,563 0,697 0,191 0,712 0,610 PI 22 Anísio de Abreu - PI 0,652 0,611 0,420 0,733 0,648 PI 22 Antônio Almeida - PI 0,594 0,659 0,269 0,755 0,635 PI 22 Aroazes - PI 0,692 0,749 0,331 0,747 0,687 PI 22 Aroeiras do Itaim - PI 0,825 0,688 0,541 0,769 0,742 PI 22 Arraial - PI 0,711 0,657 0,404 0,758 0,683 PI 22 Assunção do Piauí - PI 0,849 0,685 0,467 0,693 0,711 PI 22 Avelino Lopes - PI 0,648 0,765 0,414 0,731 0,681 PI 22 Baixa Grande do Ribeiro - PI 0,628 0,770 0,400 0,788 0,697 PI 22 Barra D'Alcântara - PI 0,709 0,748 0,249 0,691 0,662 PI 22 Barras - PI 0,693 0,581 0,453 0,705 0,646 PI 22 Barreiras do Piauí - PI 0,617 0,804 0,452 0,715 0,680 PI 22 Barro Duro - PI 0,615 0,260 0,244 0,732 0,536 PI 22 Batalha - PI 0,796 0,586 0,425 0,710 0,675 PI 22 Bela Vista do Piauí - PI 0,584 0,522 0,380 0,673 0,581 PI 22 Belém do Piauí - PI 0,767 0,563 0,446 0,729 0,671 PI 22 Beneditinos - PI 0,784 0,462 0,390 0,718 0,642 PI 22 Bertolínia - PI 0,617 0,723 0,376 0,716 0,653 PI 22 Betânia do Piauí - PI 0,840 0,766 0,702 0,654 0,738 PI 22 Boa Hora - PI 0,773 0,659 0,611 0,719 0,708 PI 22 Bocaina - PI 0,583 0,562 0,271 0,720 0,596 PI 22 Bom Jesus - PI 0,504 0,715 0,207 0,615 0,563 PI 22 Bom Princípio do Piauí - PI 0,818 0,621 0,483 0,724 0,701 PI 22 Bonfim do Piauí - PI 0,779 0,782 0,678 0,736 0,753 PI 22 Boqueirão do Piauí - PI 0,753 0,683 0,416 0,737 0,695 PI 22 Brasileira - PI 0,790 0,562 0,362 0,736 0,670 PI 22 Brejo do Piauí - PI 0,858 0,748 0,493 0,701 0,734 PI 22 Buriti dos Lopes - PI 0,707 0,549 0,403 0,744 0,651 PI 22 Buriti dos Montes - PI 0,728 0,430 0,487 0,732 0,634 PI 22 Cabeceiras do Piauí - PI 0,725 0,533 0,530 0,721 0,658 PI 22 Cajazeiras do Piauí - PI 0,710 0,412 0,433 0,755 0,628 PI 22 Cajueiro da Praia - PI 0,763 0,672 0,512 0,722 0,699 PI 22 Caldeirão Grande do Piauí - PI 0,751 0,757 0,688 0,708 0,729
104
PI 22 Campinas do Piauí - PI 0,727 0,742 0,454 0,708 0,694 PI 22 Campo Alegre do Fidalgo - PI 0,779 0,755 0,634 0,647 0,709 PI 22 Campo Grande do Piauí - PI 0,785 0,648 0,477 0,728 0,699 PI 22 Campo Largo do Piauí - PI 0,824 0,764 0,625 0,695 0,740 PI 22 Campo Maior - PI 0,540 0,532 0,206 0,721 0,570 PI 22 Canavieira - PI 0,683 0,772 0,428 0,764 0,707 PI 22 Canto do Buriti - PI 0,709 0,766 0,353 0,745 0,698 PI 22 Capitão de Campos - PI 0,736 0,705 0,438 0,720 0,691 PI 22 Capitão Gervásio Oliveira - PI 0,720 0,798 0,670 0,709 0,729 PI 22 Caracol - PI 0,783 0,519 0,526 0,707 0,666 PI 22 Caraúbas do Piauí - PI 0,930 0,564 0,606 0,689 0,719 PI 22 Caridade do Piauí - PI 0,737 0,764 0,569 0,698 0,711 PI 22 Castelo do Piauí - PI 0,673 0,642 0,351 0,751 0,660 PI 22 Caxingó - PI 0,951 0,544 0,587 0,696 0,721 PI 22 Cocal - PI 0,820 0,772 0,509 0,694 0,728 PI 22 Cocal de Telha - PI 0,776 0,490 0,344 0,766 0,659 PI 22 Cocal dos Alves - PI 0,840 0,667 0,568 0,682 0,711 PI 22 Coivaras - PI 0,726 0,723 0,485 0,750 0,709 PI 22 Colônia do Gurguéia - PI 0,537 0,776 0,224 0,751 0,639 PI 22 Colônia do Piauí - PI 0,764 0,736 0,353 0,727 0,699 PI 22 Conceição do Canindé - PI 0,700 0,409 0,381 0,723 0,607 PI 22 Coronel José Dias - PI 0,740 0,628 0,576 0,777 0,710 PI 22 Corrente - PI 0,530 0,695 0,349 0,683 0,606 PI 22 Cristalândia do Piauí - PI 0,677 0,736 0,544 0,733 0,698 PI 22 Cristino Castro - PI 0,668 0,750 0,284 0,729 0,669 PI 22 Curimatá - PI 0,547 0,719 0,349 0,750 0,642 PI 22 Currais - PI 0,749 0,778 0,535 0,749 0,733 PI 22 Curralinhos - PI 0,730 0,472 0,441 0,746 0,645 PI 22 Curral Novo do Piauí - PI 0,793 0,752 0,697 0,685 0,732 PI 22 Demerval Lobão - PI 0,595 0,726 0,271 0,763 0,654 PI 22 Dirceu Arcoverde - PI 0,696 0,770 0,645 0,758 0,731 PI 22 Dom Expedito Lopes - PI 0,650 0,708 0,120 0,776 0,654 PI 22 Domingos Mourão - PI 0,757 0,420 0,534 0,722 0,641 PI 22 Dom Inocêncio - PI 0,679 0,723 0,730 0,711 0,707 PI 22 Elesbão Veloso - PI 0,777 0,352 0,253 0,759 0,615 PI 22 Eliseu Martins - PI 0,621 0,538 0,190 0,686 0,580 PI 22 Esperantina - PI 0,652 0,740 0,353 0,722 0,667 PI 22 Fartura do Piauí - PI 0,784 0,744 0,708 0,726 0,745 PI 22 Flores do Piauí - PI 0,740 0,557 0,337 0,733 0,651 PI 22 Floresta do Piauí - PI 0,820 0,730 0,383 0,755 0,727 PI 22 Floriano - PI 0,363 0,514 0,166 0,650 0,485 PI 22 Francinópolis - PI 0,718 0,761 0,253 0,713 0,676 PI 22 Francisco Ayres - PI 0,694 0,538 0,312 0,706 0,621 PI 22 Francisco Macedo - PI 0,815 0,762 0,444 0,713 0,725 PI 22 Francisco Santos - PI 0,656 0,697 0,357 0,720 0,658 PI 22 Fronteiras - PI 0,655 0,428 0,339 0,706 0,587 PI 22 Geminiano - PI 0,733 0,692 0,341 0,808 0,709 PI 22 Gilbués - PI 0,670 0,742 0,511 0,704 0,683 PI 22 Guadalupe - PI 0,522 0,565 0,173 0,703 0,563 PI 22 Guaribas - PI 0,805 0,548 0,534 0,703 0,678 PI 22 Hugo Napoleão - PI 0,676 0,477 0,193 0,766 0,611 PI 22 Ilha Grande - PI 0,637 0,754 0,271 0,771 0,675 PI 22 Inhuma - PI 0,615 0,713 0,269 0,750 0,652 PI 22 Ipiranga do Piauí - PI 0,535 0,744 0,245 0,768 0,640 PI 22 Isaías Coelho - PI 0,799 0,787 0,633 0,514 0,671 PI 22 Itainópolis - PI 0,799 0,746 0,483 0,720 0,723 PI 22 Itaueira - PI 0,693 0,684 0,379 0,705 0,662 PI 22 Jacobina do Piauí - PI 0,787 0,657 0,594 0,722 0,712 PI 22 Jaicós - PI 0,828 0,710 0,444 0,722 0,719 PI 22 Jardim do Mulato - PI 0,629 0,756 0,358 0,712 0,661 PI 22 Jatobá do Piauí - PI 0,734 0,681 0,468 0,773 0,708 PI 22 Jerumenha - PI 0,649 0,496 0,389 0,778 0,633 PI 22 João Costa - PI 0,675 0,621 0,571 0,728 0,671 PI 22 Joaquim Pires - PI 0,812 0,689 0,481 0,718 0,712 PI 22 Joca Marques - PI 0,849 0,784 0,527 0,706 0,746 PI 22 José de Freitas - PI 0,602 0,455 0,443 0,727 0,597
105
PI 22 Juazeiro do Piauí - PI 0,693 0,633 0,490 0,744 0,676 PI 22 Júlio Borges - PI 0,561 0,737 0,530 0,734 0,664 PI 22 Jurema - PI 0,768 0,663 0,444 0,755 0,704 PI 22 Lagoinha do Piauí - PI 0,656 0,732 0,204 0,718 0,648 PI 22 Lagoa Alegre - PI 0,739 0,443 0,572 0,709 0,640 PI 22 Lagoa do Barro do Piauí - PI 0,723 0,765 0,582 0,671 0,698 PI 22 Lagoa de São Francisco - PI 0,773 0,758 0,525 0,703 0,717 PI 22 Lagoa do Piauí - PI 0,669 0,786 0,457 0,753 0,705 PI 22 Lagoa do Sítio - PI 0,801 0,752 0,398 0,699 0,708 PI 22 Landri Sales - PI 0,643 0,822 0,252 0,755 0,685 PI 22 Luís Correia - PI 0,738 0,639 0,492 0,761 0,697 PI 22 Luzilândia - PI 0,780 0,674 0,394 0,722 0,692 PI 22 Madeiro - PI 0,731 0,523 0,489 0,721 0,653 PI 22 Manoel Emídio - PI 0,638 0,754 0,268 0,703 0,650 PI 22 Marcolândia - PI 0,739 0,805 0,458 0,777 0,739 PI 22 Marcos Parente - PI 0,633 0,723 0,199 0,783 0,663 PI 22 Massapê do Piauí - PI 0,894 0,766 0,694 0,706 0,772 PI 22 Matias Olímpio - PI 0,767 0,645 0,473 0,688 0,677 PI 22 Miguel Alves - PI 0,837 0,701 0,635 0,675 0,722 PI 22 Miguel Leão - PI 0,637 0,743 0,374 0,720 0,665 PI 22 Milton Brandão - PI 0,870 0,731 0,563 0,677 0,732 PI 22 Monsenhor Gil - PI 0,606 0,583 0,299 0,767 0,628 PI 22 Monsenhor Hipólito - PI 0,784 0,614 0,429 0,666 0,662 PI 22 Monte Alegre do Piauí - PI 0,638 0,764 0,504 0,711 0,681 PI 22 Morro Cabeça no Tempo - PI 0,697 0,761 0,574 0,712 0,704 PI 22 Morro do Chapéu do Piauí - PI 0,805 0,484 0,505 0,688 0,654 PI 22 Murici dos Portelas - PI 0,854 0,684 0,645 0,650 0,716 PI 22 Nazaré do Piauí - PI 0,696 0,743 0,439 0,796 0,717 PI 22 Nazária - PI 0,671 0,582 0,431 0,827 0,683 PI 22 Nossa Senhora de Nazaré - PI 0,676 0,558 0,471 0,760 0,658 PI 22 Nossa Senhora dos Remédios - PI 0,786 0,511 0,626 0,708 0,675 PI 22 Novo Oriente do Piauí - PI 0,772 0,666 0,305 0,751 0,689 PI 22 Novo Santo Antônio - PI 0,815 0,715 0,568 0,707 0,724 PI 22 Oeiras - PI 0,596 0,610 0,324 0,685 0,603 PI 22 Olho D'Água do Piauí - PI 0,588 0,296 0,317 0,751 0,552 PI 22 Padre Marcos - PI 0,833 0,626 0,442 0,744 0,709 PI 22 Paes Landim - PI 0,644 0,702 0,329 0,747 0,662 PI 22 Pajeú do Piauí - PI 0,755 0,565 0,418 0,680 0,646 PI 22 Palmeira do Piauí - PI 0,701 0,674 0,490 0,712 0,676 PI 22 Palmeirais - PI 0,725 0,684 0,431 0,734 0,687 PI 22 Paquetá - PI 0,882 0,549 0,479 0,758 0,714 PI 22 Parnaguá - PI 0,670 0,776 0,563 0,719 0,701 PI 22 Parnaíba - PI 0,432 0,580 0,150 0,664 0,523 PI 22 Passagem Franca do Piauí - PI 0,830 0,715 0,468 0,679 0,707 PI 22 Patos do Piauí - PI 0,792 0,607 0,525 0,696 0,684 PI 22 Pau D'Arco do Piauí - PI 0,802 0,730 0,672 0,728 0,743 PI 22 Paulistana - PI 0,710 0,766 0,412 0,655 0,670 PI 22 Pavussu - PI 0,791 0,655 0,459 0,714 0,695 PI 22 Pedro II - PI 0,748 0,701 0,371 0,710 0,682 PI 22 Pedro Laurentino - PI 0,576 0,718 0,340 0,714 0,635 PI 22 Nova Santa Rita - PI 0,752 0,395 0,514 0,653 0,606 PI 22 Picos - PI 0,438 0,443 0,122 0,642 0,482 PI 22 Pimenteiras - PI 0,773 0,742 0,428 0,708 0,704 PI 22 Pio IX - PI 0,709 0,655 0,538 0,738 0,689 PI 22 Piracuruca - PI 0,669 0,696 0,317 0,737 0,663 PI 22 Piripiri - PI 0,604 0,616 0,247 0,720 0,612 PI 22 Porto - PI 0,794 0,549 0,508 0,684 0,665 PI 22 Porto Alegre do Piauí - PI 0,709 0,755 0,303 0,776 0,701 PI 22 Prata do Piauí - PI 0,750 0,652 0,269 0,775 0,685 PI 22 Queimada Nova - PI 0,769 0,749 0,658 0,716 0,733 PI 22 Redenção do Gurguéia - PI 0,600 0,475 0,354 0,698 0,581 PI 22 Regeneração - PI 0,689 0,662 0,360 0,722 0,660 PI 22 Riacho Frio - PI 0,600 0,809 0,486 0,752 0,694 PI 22 Ribeira do Piauí - PI 0,790 0,714 0,424 0,764 0,723 PI 22 Ribeiro Gonçalves - PI 0,619 0,686 0,412 0,755 0,664 PI 22 Rio Grande do Piauí - PI 0,686 0,260 0,331 0,681 0,546
106
PI 22 Santa Cruz do Piauí - PI 0,715 0,569 0,287 0,744 0,646 PI 22 Santa Cruz dos Milagres - PI 0,706 0,775 0,309 0,761 0,700 PI 22 Santa Filomena - PI 0,695 0,554 0,566 0,785 0,682 PI 22 Santa Luz - PI 0,657 0,771 0,378 0,728 0,680 PI 22 Santana do Piauí - PI 0,713 0,747 0,295 0,733 0,683 PI 22 Santa Rosa do Piauí - PI 0,743 0,600 0,272 0,699 0,642 PI 22 Santo Antônio de Lisboa - PI 0,669 0,768 0,264 0,749 0,679 PI 22 Santo Antônio dos Milagres - PI 0,591 0,743 0,519 0,756 0,681 PI 22 Santo Inácio do Piauí - PI 0,639 0,757 0,245 0,753 0,667 PI 22 São Braz do Piauí - PI 0,674 0,738 0,590 0,740 0,705 PI 22 São Félix do Piauí - PI 0,673 0,724 0,204 0,754 0,665 PI 22 São Francisco de Assis do Piauí - PI 0,880 0,734 0,683 0,708 0,760 PI 22 São Francisco do Piauí - PI 0,761 0,721 0,500 0,721 0,709 PI 22 São Gonçalo do Gurguéia - PI 0,645 0,794 0,539 0,714 0,694 PI 22 São Gonçalo do Piauí - PI 0,596 0,706 0,172 0,733 0,628 PI 22 São João da Canabrava - PI 0,787 0,519 0,291 0,722 0,647 PI 22 São João da Fronteira - PI 0,843 0,713 0,439 0,724 0,724 PI 22 São João da Serra - PI 0,779 0,463 0,443 0,710 0,643 PI 22 São João da Varjota - PI 0,737 0,612 0,481 0,703 0,667 PI 22 São João do Arraial - PI 0,808 0,562 0,435 0,709 0,673 PI 22 São João do Piauí - PI 0,540 0,698 0,246 0,700 0,605 PI 22 São José do Divino - PI 0,783 0,772 0,356 0,757 0,724 PI 22 São José do Peixe - PI 0,709 0,755 0,377 0,718 0,687 PI 22 São José do Piauí - PI 0,805 0,512 0,261 0,770 0,665 PI 22 São Julião - PI 0,787 0,753 0,300 0,739 0,709 PI 22 São Lourenço do Piauí - PI 0,636 0,761 0,691 0,791 0,729 PI 22 São Luis do Piauí - PI 0,753 0,710 0,341 0,718 0,686 PI 22 São Miguel da Baixa Grande - PI 0,805 0,762 0,269 0,716 0,704 PI 22 São Miguel do Fidalgo - PI 0,761 0,863 0,447 0,793 0,763 PI 22 São Miguel do Tapuio - PI 0,786 0,608 0,464 0,689 0,673 PI 22 São Pedro do Piauí - PI 0,680 0,695 0,376 0,727 0,668 PI 22 São Raimundo Nonato - PI 0,505 0,747 0,315 0,708 0,617 PI 22 Sebastião Barros - PI 0,704 0,770 0,687 0,700 0,716 PI 22 Sebastião Leal - PI 0,698 0,720 0,415 0,818 0,718 PI 22 Sigefredo Pacheco - PI 0,714 0,553 0,415 0,746 0,656 PI 22 Simões - PI 0,711 0,509 0,519 0,753 0,659 PI 22 Simplício Mendes - PI 0,596 0,577 0,245 0,674 0,583 PI 22 Socorro do Piauí - PI 0,655 0,758 0,430 0,695 0,670 PI 22 Sussuapara - PI 0,684 0,600 0,241 0,816 0,666 PI 22 Tamboril do Piauí - PI 0,813 0,347 0,453 0,713 0,628 PI 22 Tanque do Piauí - PI 0,648 0,163 0,229 0,730 0,520 PI 22 Teresina - PI 0,268 0,291 0,086 0,502 0,342 PI 22 União - PI 0,683 0,560 0,457 0,781 0,667 PI 22 Uruçuí - PI 0,540 0,633 0,273 0,752 0,612 PI 22 Valença do Piauí - PI 0,566 0,738 0,127 0,711 0,613 PI 22 Várzea Branca - PI 0,740 0,742 0,705 0,683 0,715 PI 22 Várzea Grande - PI 0,725 0,214 0,255 0,745 0,562 PI 22 Vera Mendes - PI 0,869 0,443 0,442 0,697 0,659 PI 22 Vila Nova do Piauí - PI 0,672 0,606 0,528 0,656 0,635 PI 22 Wall Ferraz - PI 0,740 0,762 0,505 0,681 0,698 CE 23 Abaiara - CE 0,582 0,719 0,425 0,780 0,672 CE 23 Acarape - CE 0,505 0,470 0,321 0,796 0,586 CE 23 Acaraú - CE 0,643 0,640 0,396 0,721 0,645 CE 23 Acopiara - CE 0,693 0,602 0,380 0,703 0,642 CE 23 Aiuaba - CE 0,736 0,681 0,425 0,707 0,679 CE 23 Alcântaras - CE 0,643 0,592 0,470 0,761 0,657 CE 23 Altaneira - CE 0,679 0,676 0,228 0,736 0,651 CE 23 Alto Santo - CE 0,670 0,687 0,329 0,751 0,668 CE 23 Amontada - CE 0,565 0,712 0,517 0,722 0,653 CE 23 Antonina do Norte - CE 0,695 0,455 0,277 0,773 0,623 CE 23 Apuiarés - CE 0,574 0,744 0,321 0,730 0,645 CE 23 Aquiraz - CE 0,523 0,485 0,331 0,788 0,593 CE 23 Aracati - CE 0,476 0,724 0,238 0,743 0,608 CE 23 Aracoiaba - CE 0,619 0,617 0,356 0,780 0,651 CE 23 Ararendá - CE 0,702 0,642 0,316 0,698 0,645 CE 23 Araripe - CE 0,726 0,651 0,376 0,693 0,658
107
CE 23 Aratuba - CE 0,579 0,623 0,429 0,756 0,640 CE 23 Arneiroz - CE 0,632 0,569 0,369 0,736 0,628 CE 23 Assaré - CE 0,698 0,581 0,350 0,708 0,637 CE 23 Aurora - CE 0,654 0,670 0,387 0,729 0,657 CE 23 Baixio - CE 0,528 0,804 0,268 0,760 0,652 CE 23 Banabuiú - CE 0,649 0,628 0,365 0,740 0,648 CE 23 Barbalha - CE 0,434 0,633 0,234 0,737 0,573 CE 23 Barreira - CE 0,602 0,659 0,380 0,772 0,655 CE 23 Barro - CE 0,601 0,672 0,302 0,734 0,635 CE 23 Barroquinha - CE 0,725 0,593 0,360 0,710 0,650 CE 23 Baturité - CE 0,529 0,423 0,252 0,764 0,563 CE 23 Beberibe - CE 0,569 0,656 0,395 0,732 0,632 CE 23 Bela Cruz - CE 0,574 0,617 0,483 0,714 0,627 CE 23 Boa Viagem - CE 0,700 0,465 0,340 0,684 0,601 CE 23 Brejo Santo - CE 0,505 0,290 0,255 0,761 0,524 CE 23 Camocim - CE 0,571 0,550 0,260 0,732 0,593 CE 23 Campos Sales - CE 0,616 0,578 0,260 0,708 0,603 CE 23 Canindé - CE 0,586 0,574 0,314 0,712 0,601 CE 23 Capistrano - CE 0,565 0,632 0,468 0,735 0,634 CE 23 Caridade - CE 0,632 0,689 0,326 0,767 0,663 CE 23 Cariré - CE 0,646 0,719 0,319 0,738 0,662 CE 23 Caririaçu - CE 0,699 0,640 0,339 0,720 0,655 CE 23 Cariús - CE 0,670 0,662 0,362 0,707 0,649 CE 23 Carnaubal - CE 0,655 0,750 0,277 0,733 0,666 CE 23 Cascavel - CE 0,519 0,649 0,325 0,782 0,627 CE 23 Catarina - CE 0,611 0,623 0,367 0,748 0,639 CE 23 Catunda - CE 0,613 0,772 0,393 0,700 0,659 CE 23 Caucaia - CE 0,358 0,338 0,182 0,775 0,491 CE 23 Cedro - CE 0,603 0,683 0,275 0,704 0,624 CE 23 Chaval - CE 0,683 0,706 0,361 0,735 0,673 CE 23 Choró - CE 0,680 0,702 0,569 0,677 0,672 CE 23 Chorozinho - CE 0,633 0,765 0,388 0,773 0,690 CE 23 Coreaú - CE 0,680 0,605 0,385 0,749 0,656 CE 23 Crateús - CE 0,571 0,395 0,265 0,701 0,546 CE 23 Crato - CE 0,367 0,433 0,168 0,692 0,483 CE 23 Croatá - CE 0,684 0,607 0,217 0,741 0,638 CE 23 Cruz - CE 0,540 0,716 0,313 0,706 0,619 CE 23 Deputado Irapuan Pinheiro - CE 0,651 0,737 0,326 0,707 0,657 CE 23 Ererê - CE 0,637 0,634 0,341 0,742 0,644 CE 23 Eusébio - CE 0,378 0,537 0,201 0,606 0,482 CE 23 Farias Brito - CE 0,560 0,651 0,300 0,720 0,613 CE 23 Forquilha - CE 0,517 0,220 0,210 0,812 0,525 CE 23 Fortaleza - CE 0,239 0,196 0,074 0,488 0,305 CE 23 Fortim - CE 0,564 0,741 0,258 0,755 0,644 CE 23 Frecheirinha - CE 0,669 0,677 0,282 0,752 0,661 CE 23 General Sampaio - CE 0,731 0,736 0,283 0,762 0,696 CE 23 Graça - CE 0,744 0,696 0,406 0,701 0,680 CE 23 Granja - CE 0,786 0,688 0,529 0,718 0,710 CE 23 Granjeiro - CE 0,642 0,561 0,404 0,728 0,630 CE 23 Groaíras - CE 0,525 0,537 0,207 0,752 0,579 CE 23 Guaiúba - CE 0,539 0,628 0,261 0,798 0,627 CE 23 Guaraciaba do Norte - CE 0,632 0,707 0,312 0,767 0,666 CE 23 Guaramiranga - CE 0,450 0,225 0,249 0,805 0,509 CE 23 Hidrolândia - CE 0,669 0,722 0,301 0,733 0,666 CE 23 Horizonte - CE 0,383 0,679 0,181 0,819 0,594 CE 23 Ibaretama - CE 0,722 0,732 0,599 0,767 0,728 CE 23 Ibiapina - CE 0,598 0,630 0,304 0,781 0,642 CE 23 Ibicuitinga - CE 0,597 0,640 0,318 0,739 0,630 CE 23 Icapuí - CE 0,574 0,641 0,163 0,768 0,618 CE 23 Icó - CE 0,659 0,495 0,338 0,735 0,615 CE 23 Iguatu - CE 0,504 0,553 0,180 0,711 0,559 CE 23 Independência - CE 0,604 0,527 0,370 0,722 0,605 CE 23 Ipaporanga - CE 0,714 0,745 0,352 0,723 0,686 CE 23 Ipaumirim - CE 0,617 0,645 0,291 0,703 0,620 CE 23 Ipu - CE 0,621 0,693 0,283 0,727 0,641 CE 23 Ipueiras - CE 0,710 0,610 0,319 0,700 0,641
108
CE 23 Iracema - CE 0,560 0,596 0,227 0,717 0,591 CE 23 Irauçuba - CE 0,589 0,505 0,361 0,735 0,600 CE 23 Itaiçaba - CE 0,505 0,725 0,246 0,791 0,636 CE 23 Itaitinga - CE 0,469 0,732 0,145 0,828 0,630 CE 23 Itapagé - CE 0,536 0,568 0,308 0,747 0,598 CE 23 Itapipoca - CE 0,502 0,502 0,381 0,729 0,574 CE 23 Itapiúna - CE 0,643 0,658 0,362 0,733 0,650 CE 23 Itarema - CE 0,581 0,678 0,454 0,727 0,645 CE 23 Itatira - CE 0,743 0,723 0,523 0,705 0,701 CE 23 Jaguaretama - CE 0,629 0,723 0,301 0,696 0,641 CE 23 Jaguaribara - CE 0,584 0,345 0,169 0,762 0,550 CE 23 Jaguaribe - CE 0,582 0,351 0,207 0,766 0,557 CE 23 Jaguaruana - CE 0,599 0,653 0,261 0,776 0,641 CE 23 Jardim - CE 0,610 0,496 0,471 0,736 0,615 CE 23 Jati - CE 0,545 0,648 0,318 0,739 0,617 CE 23 Jijoca de Jericoacoara - CE 0,495 0,647 0,307 0,694 0,585 CE 23 Juazeiro do Norte - CE 0,401 0,404 0,125 0,720 0,492 CE 23 Jucás - CE 0,669 0,555 0,320 0,774 0,644 CE 23 Lavras da Mangabeira - CE 0,641 0,544 0,329 0,708 0,610 CE 23 Limoeiro do Norte - CE 0,462 0,580 0,117 0,753 0,562 CE 23 Madalena - CE 0,594 0,684 0,375 0,737 0,645 CE 23 Maracanaú - CE 0,277 0,238 0,103 0,791 0,442 CE 23 Maranguape - CE 0,373 0,530 0,191 0,809 0,554 CE 23 Marco - CE 0,629 0,711 0,349 0,743 0,661 CE 23 Martinópole - CE 0,643 0,730 0,325 0,711 0,655 CE 23 Massapê - CE 0,601 0,463 0,294 0,787 0,606 CE 23 Mauriti - CE 0,623 0,610 0,356 0,701 0,621 CE 23 Meruoca - CE 0,494 0,725 0,402 0,784 0,647 CE 23 Milagres - CE 0,591 0,669 0,360 0,750 0,644 CE 23 Milhã - CE 0,627 0,583 0,319 0,753 0,631 CE 23 Miraíma - CE 0,691 0,626 0,393 0,666 0,634 CE 23 Missão Velha - CE 0,607 0,678 0,358 0,734 0,645 CE 23 Mombaça - CE 0,725 0,543 0,388 0,707 0,639 CE 23 Monsenhor Tabosa - CE 0,640 0,722 0,335 0,704 0,651 CE 23 Morada Nova - CE 0,625 0,685 0,283 0,740 0,646 CE 23 Moraújo - CE 0,630 0,673 0,399 0,697 0,640 CE 23 Morrinhos - CE 0,658 0,603 0,338 0,717 0,633 CE 23 Mucambo - CE 0,659 0,626 0,268 0,751 0,644 CE 23 Mulungu - CE 0,584 0,546 0,368 0,745 0,612 CE 23 Nova Olinda - CE 0,565 0,465 0,326 0,747 0,585 CE 23 Nova Russas - CE 0,634 0,603 0,198 0,725 0,614 CE 23 Novo Oriente - CE 0,681 0,579 0,372 0,686 0,626 CE 23 Ocara - CE 0,631 0,673 0,428 0,748 0,663 CE 23 Orós - CE 0,608 0,474 0,201 0,740 0,583 CE 23 Pacajus - CE 0,447 0,714 0,234 0,785 0,613 CE 23 Pacatuba - CE 0,294 0,186 0,122 0,790 0,437 CE 23 Pacoti - CE 0,520 0,411 0,278 0,764 0,560 CE 23 Pacujá - CE 0,603 0,414 0,249 0,751 0,577 CE 23 Palhano - CE 0,542 0,630 0,301 0,752 0,615 CE 23 Palmácia - CE 0,572 0,678 0,463 0,679 0,625 CE 23 Paracuru - CE 0,505 0,512 0,300 0,745 0,575 CE 23 Paraipaba - CE 0,478 0,571 0,379 0,771 0,599 CE 23 Parambu - CE 0,753 0,552 0,390 0,744 0,664 CE 23 Paramoti - CE 0,662 0,730 0,360 0,745 0,677 CE 23 Pedra Branca - CE 0,692 0,478 0,335 0,741 0,622 CE 23 Penaforte - CE 0,519 0,345 0,252 0,775 0,546 CE 23 Pentecoste - CE 0,541 0,558 0,293 0,745 0,595 CE 23 Pereiro - CE 0,656 0,636 0,389 0,711 0,643 CE 23 Pindoretama - CE 0,501 0,763 0,350 0,800 0,658 CE 23 Piquet Carneiro - CE 0,620 0,713 0,316 0,744 0,656 CE 23 Pires Ferreira - CE 0,645 0,699 0,385 0,725 0,659 CE 23 Poranga - CE 0,711 0,682 0,371 0,700 0,664 CE 23 Porteiras - CE 0,585 0,527 0,404 0,754 0,615 CE 23 Potengi - CE 0,733 0,717 0,362 0,734 0,690 CE 23 Potiretama - CE 0,636 0,749 0,325 0,720 0,660 CE 23 Quiterianópolis - CE 0,705 0,654 0,414 0,695 0,658
109
CE 23 Quixadá - CE 0,487 0,363 0,264 0,739 0,529 CE 23 Quixelô - CE 0,717 0,578 0,347 0,720 0,646 CE 23 Quixeramobim - CE 0,543 0,437 0,273 0,737 0,562 CE 23 Quixeré - CE 0,585 0,739 0,168 0,805 0,659 CE 23 Redenção - CE 0,551 0,636 0,326 0,759 0,625 CE 23 Reriutaba - CE 0,673 0,732 0,326 0,720 0,668 CE 23 Russas - CE 0,455 0,535 0,202 0,764 0,563 CE 23 Saboeiro - CE 0,715 0,682 0,390 0,727 0,677 CE 23 Salitre - CE 0,831 0,688 0,621 0,736 0,740 CE 23 Santana do Acaraú - CE 0,653 0,494 0,414 0,716 0,613 CE 23 Santana do Cariri - CE 0,627 0,595 0,442 0,702 0,628 CE 23 Santa Quitéria - CE 0,613 0,566 0,383 0,708 0,613 CE 23 São Benedito - CE 0,612 0,555 0,298 0,758 0,619 CE 23 São Gonçalo do Amarante - CE 0,449 0,577 0,325 0,778 0,589 CE 23 São João do Jaguaribe - CE 0,571 0,560 0,205 0,714 0,583 CE 23 São Luís do Curu - CE 0,524 0,723 0,352 0,779 0,648 CE 23 Senador Pompeu - CE 0,603 0,510 0,266 0,745 0,599 CE 23 Senador Sá - CE 0,649 0,768 0,375 0,730 0,678 CE 23 Sobral - CE 0,379 0,196 0,138 0,696 0,429 CE 23 Solonópole - CE 0,595 0,640 0,256 0,724 0,617 CE 23 Tabuleiro do Norte - CE 0,559 0,584 0,228 0,741 0,598 CE 23 Tamboril - CE 0,699 0,673 0,379 0,707 0,662 CE 23 Tarrafas - CE 0,745 0,742 0,417 0,709 0,695 CE 23 Tauá - CE 0,607 0,506 0,262 0,721 0,589 CE 23 Tejuçuoca - CE 0,633 0,736 0,509 0,717 0,675 CE 23 Tianguá - CE 0,551 0,477 0,254 0,695 0,556 CE 23 Trairi - CE 0,551 0,741 0,551 0,722 0,659 CE 23 Tururu - CE 0,600 0,752 0,373 0,754 0,669 CE 23 Ubajara - CE 0,533 0,703 0,296 0,756 0,631 CE 23 Umari - CE 0,696 0,684 0,390 0,739 0,677 CE 23 Umirim - CE 0,612 0,711 0,396 0,755 0,666 CE 23 Uruburetama - CE 0,515 0,638 0,317 0,758 0,614 CE 23 Uruoca - CE 0,751 0,577 0,401 0,710 0,658 CE 23 Varjota - CE 0,605 0,573 0,195 0,761 0,612 CE 23 Várzea Alegre - CE 0,593 0,623 0,262 0,708 0,608 CE 23 Viçosa do Ceará - CE 0,694 0,696 0,508 0,694 0,675 RN 24 Acari - RN 0,473 0,116 0,095 0,761 0,457 RN 24 Açu - RN 0,522 0,651 0,125 0,712 0,581 RN 24 Afonso Bezerra - RN 0,676 0,359 0,253 0,753 0,586 RN 24 Água Nova - RN 0,521 0,807 0,160 0,794 0,651 RN 24 Alexandria - RN 0,706 0,330 0,250 0,739 0,581 RN 24 Almino Afonso - RN 0,580 0,642 0,248 0,754 0,624 RN 24 Alto do Rodrigues - RN 0,491 0,695 0,083 0,724 0,582 RN 24 Angicos - RN 0,585 0,474 0,137 0,764 0,578 RN 24 Antônio Martins - RN 0,715 0,578 0,263 0,709 0,632 RN 24 Apodi - RN 0,564 0,696 0,233 0,708 0,613 RN 24 Areia Branca - RN 0,412 0,547 0,111 0,715 0,525 RN 24 Arês - RN 0,602 0,617 0,161 0,751 0,614 RN 24 Augusto Severo - RN 0,681 0,658 0,393 0,668 0,640 RN 24 Baía Formosa - RN 0,569 0,681 0,111 0,749 0,614 RN 24 Baraúna - RN 0,706 0,719 0,228 0,829 0,704 RN 24 Barcelona - RN 0,712 0,590 0,234 0,769 0,653 RN 24 Bento Fernandes - RN 0,669 0,662 0,240 0,764 0,657 RN 24 Bodó - RN 0,536 0,514 0,237 0,750 0,579 RN 24 Bom Jesus - RN 0,742 0,670 0,192 0,756 0,671 RN 24 Brejinho - RN 0,706 0,515 0,172 0,793 0,637 RN 24 Caiçara do Norte - RN 0,662 0,454 0,135 0,727 0,581 RN 24 Caiçara do Rio do Vento - RN 0,627 0,362 0,136 0,798 0,577 RN 24 Caicó - RN 0,411 0,174 0,085 0,627 0,402 RN 24 Campo Redondo - RN 0,575 0,398 0,329 0,730 0,566 RN 24 Canguaretama - RN 0,642 0,735 0,173 0,796 0,671 RN 24 Caraúbas - RN 0,595 0,661 0,239 0,733 0,624 RN 24 Carnaúba dos Dantas - RN 0,454 0,616 0,103 0,790 0,580 RN 24 Carnaubais - RN 0,615 0,445 0,175 0,758 0,582 RN 24 Ceará-Mirim - RN 0,571 0,348 0,243 0,774 0,560 RN 24 Cerro Corá - RN 0,628 0,720 0,291 0,719 0,647
110
RN 24 Coronel Ezequiel - RN 0,693 0,612 0,352 0,730 0,652 RN 24 Coronel João Pessoa - RN 0,764 0,755 0,288 0,729 0,698 RN 24 Cruzeta - RN 0,530 0,267 0,135 0,801 0,528 RN 24 Currais Novos - RN 0,435 0,134 0,095 0,664 0,414 RN 24 Doutor Severiano - RN 0,580 0,568 0,282 0,701 0,591 RN 24 Parnamirim - RN 0,248 0,323 0,042 0,492 0,335 RN 24 Encanto - RN 0,612 0,645 0,219 0,733 0,623 RN 24 Equador - RN 0,578 0,377 0,213 0,778 0,567 RN 24 Espírito Santo - RN 0,791 0,601 0,234 0,794 0,688 RN 24 Extremoz - RN 0,480 0,479 0,182 0,727 0,541 RN 24 Felipe Guerra - RN 0,545 0,707 0,223 0,778 0,636 RN 24 Fernando Pedroza - RN 0,654 0,710 0,175 0,797 0,669 RN 24 Florânia - RN 0,532 0,196 0,166 0,739 0,492 RN 24 Francisco Dantas - RN 0,658 0,715 0,208 0,766 0,663 RN 24 Frutuoso Gomes - RN 0,619 0,740 0,179 0,765 0,655 RN 24 Galinhos - RN 0,710 0,753 0,327 0,781 0,706 RN 24 Goianinha - RN 0,564 0,437 0,160 0,738 0,556 RN 24 Governador Dix-Sept Rosado - RN 0,619 0,548 0,322 0,771 0,628 RN 24 Grossos - RN 0,565 0,600 0,123 0,742 0,592 RN 24 Guamaré - RN 0,582 0,497 0,175 0,733 0,575 RN 24 Ielmo Marinho - RN 0,728 0,635 0,482 0,795 0,705 RN 24 Ipanguaçu - RN 0,618 0,664 0,207 0,783 0,646 RN 24 Ipueira - RN 0,542 0,709 0,062 0,782 0,620 RN 24 Itajá - RN 0,624 0,653 0,165 0,799 0,647 RN 24 Itaú - RN 0,563 0,760 0,137 0,766 0,639 RN 24 Jaçanã - RN 0,639 0,748 0,296 0,755 0,671 RN 24 Jandaíra - RN 0,724 0,675 0,250 0,803 0,691 RN 24 Janduís - RN 0,624 0,541 0,204 0,783 0,619 RN 24 Januário Cicco - RN 0,751 0,683 0,363 0,765 0,698 RN 24 Japi - RN 0,749 0,376 0,352 0,720 0,608 RN 24 Jardim de Angicos - RN 0,698 0,698 0,357 0,752 0,682 RN 24 Jardim de Piranhas - RN 0,647 0,589 0,178 0,814 0,646 RN 24 Jardim do Seridó - RN 0,500 0,175 0,093 0,745 0,472 RN 24 João Câmara - RN 0,653 0,660 0,202 0,736 0,637 RN 24 João Dias - RN 0,779 0,462 0,307 0,773 0,652 RN 24 José da Penha - RN 0,698 0,597 0,164 0,755 0,638 RN 24 Jucurutu - RN 0,691 0,513 0,190 0,778 0,628 RN 24 Jundiá - RN 0,744 0,704 0,238 0,804 0,703 RN 24 Lagoa d'Anta - RN 0,702 0,740 0,214 0,714 0,663 RN 24 Lagoa de Pedras - RN 0,790 0,679 0,380 0,750 0,705 RN 24 Lagoa de Velhos - RN 0,679 0,633 0,168 0,773 0,648 RN 24 Lagoa Nova - RN 0,689 0,442 0,257 0,725 0,599 RN 24 Lagoa Salgada - RN 0,739 0,756 0,255 0,788 0,709 RN 24 Lajes - RN 0,601 0,293 0,209 0,780 0,554 RN 24 Lajes Pintadas - RN 0,602 0,480 0,242 0,769 0,598 RN 24 Lucrécia - RN 0,579 0,200 0,101 0,674 0,475 RN 24 Luís Gomes - RN 0,647 0,762 0,243 0,736 0,664 RN 24 Macaíba - RN 0,537 0,622 0,172 0,769 0,604 RN 24 Macau - RN 0,483 0,222 0,101 0,725 0,472 RN 24 Major Sales - RN 0,656 0,589 0,088 0,758 0,617 RN 24 Marcelino Vieira - RN 0,677 0,544 0,239 0,720 0,615 RN 24 Martins - RN 0,538 0,741 0,206 0,759 0,633 RN 24 Maxaranguape - RN 0,577 0,728 0,197 0,768 0,643 RN 24 Messias Targino - RN 0,636 0,614 0,234 0,779 0,641 RN 24 Montanhas - RN 0,706 0,727 0,159 0,767 0,675 RN 24 Monte Alegre - RN 0,664 0,588 0,191 0,789 0,642 RN 24 Monte das Gameleiras - RN 0,655 0,554 0,252 0,794 0,640 RN 24 Mossoró - RN 0,358 0,267 0,085 0,636 0,412 RN 24 Natal - RN 0,260 0,285 0,046 0,417 0,302 RN 24 Nísia Floresta - RN 0,581 0,618 0,189 0,769 0,618 RN 24 Nova Cruz - RN 0,660 0,663 0,194 0,735 0,639 RN 24 Olho-d'Água do Borges - RN 0,736 0,735 0,259 0,765 0,696 RN 24 Ouro Branco - RN 0,556 0,645 0,159 0,788 0,621 RN 24 Paraná - RN 0,736 0,715 0,217 0,751 0,681 RN 24 Paraú - RN 0,618 0,620 0,147 0,779 0,628 RN 24 Parazinho - RN 0,759 0,456 0,282 0,770 0,641
111
RN 24 Parelhas - RN 0,454 0,243 0,121 0,767 0,486 RN 24 Rio do Fogo - RN 0,672 0,765 0,148 0,751 0,667 RN 24 Passa e Fica - RN 0,707 0,301 0,168 0,776 0,580 RN 24 Passagem - RN 0,675 0,776 0,215 0,836 0,710 RN 24 Patu - RN 0,631 0,609 0,229 0,755 0,629 RN 24 Santa Maria - RN 0,665 0,743 0,218 0,827 0,696 RN 24 Pau dos Ferros - RN 0,479 0,307 0,079 0,687 0,474 RN 24 Pedra Grande - RN 0,652 0,787 0,294 0,769 0,689 RN 24 Pedra Preta - RN 0,663 0,762 0,382 0,743 0,686 RN 24 Pedro Avelino - RN 0,685 0,415 0,265 0,750 0,601 RN 24 Pedro Velho - RN 0,727 0,498 0,200 0,783 0,638 RN 24 Pendências - RN 0,562 0,297 0,122 0,743 0,521 RN 24 Pilões - RN 0,651 0,579 0,148 0,767 0,624 RN 24 Poço Branco - RN 0,692 0,696 0,234 0,737 0,661 RN 24 Portalegre - RN 0,586 0,734 0,279 0,733 0,643 RN 24 Porto do Mangue - RN 0,671 0,786 0,246 0,737 0,677 RN 24 Presidente Juscelino - RN 0,734 0,591 0,261 0,723 0,646 RN 24 Pureza - RN 0,685 0,768 0,345 0,790 0,707 RN 24 Rafael Fernandes - RN 0,584 0,610 0,290 0,783 0,633 RN 24 Rafael Godeiro - RN 0,541 0,727 0,229 0,749 0,629 RN 24 Riacho da Cruz - RN 0,669 0,300 0,113 0,773 0,562 RN 24 Riacho de Santana - RN 0,666 0,622 0,284 0,741 0,643 RN 24 Riachuelo - RN 0,676 0,358 0,194 0,741 0,574 RN 24 Rodolfo Fernandes - RN 0,674 0,605 0,169 0,757 0,635 RN 24 Tibau - RN 0,555 0,547 0,175 0,755 0,587 RN 24 Ruy Barbosa - RN 0,675 0,768 0,300 0,762 0,689 RN 24 Santa Cruz - RN 0,550 0,170 0,161 0,747 0,493 RN 24 Santana do Matos - RN 0,676 0,408 0,289 0,724 0,590 RN 24 Santana do Seridó - RN 0,534 0,332 0,173 0,816 0,554 RN 24 Santo Antônio - RN 0,655 0,625 0,199 0,734 0,629 RN 24 São Bento do Norte - RN 0,752 0,263 0,326 0,771 0,599 RN 24 São Bento do Trairí - RN 0,622 0,256 0,311 0,791 0,567 RN 24 São Fernando - RN 0,647 0,493 0,132 0,809 0,616 RN 24 São Francisco do Oeste - RN 0,613 0,760 0,145 0,800 0,667 RN 24 São Gonçalo do Amarante - RN 0,424 0,268 0,100 0,794 0,491 RN 24 São João do Sabugi - RN 0,501 0,720 0,125 0,761 0,609 RN 24 São José de Mipibu - RN 0,610 0,625 0,217 0,762 0,628 RN 24 São José do Campestre - RN 0,637 0,448 0,197 0,775 0,597 RN 24 São José do Seridó - RN 0,421 0,257 0,123 0,768 0,481 RN 24 São Miguel - RN 0,677 0,743 0,209 0,721 0,659 RN 24 São Miguel do Gostoso - RN 0,694 0,753 0,284 0,729 0,677 RN 24 São Paulo do Potengi - RN 0,590 0,305 0,149 0,780 0,547 RN 24 São Pedro - RN 0,717 0,733 0,253 0,768 0,690 RN 24 São Rafael - RN 0,695 0,305 0,180 0,747 0,568 RN 24 São Tomé - RN 0,709 0,575 0,289 0,763 0,653 RN 24 São Vicente - RN 0,559 0,287 0,155 0,758 0,527 RN 24 Senador Elói de Souza - RN 0,674 0,639 0,257 0,732 0,643 RN 24 Senador Georgino Avelino - RN 0,681 0,750 0,132 0,856 0,704 RN 24 Serra de São Bento - RN 0,740 0,683 0,347 0,734 0,682 RN 24 Serra do Mel - RN 0,599 0,743 0,288 0,754 0,657 RN 24 Serra Negra do Norte - RN 0,651 0,195 0,196 0,803 0,553 RN 24 Serrinha - RN 0,695 0,740 0,369 0,746 0,690 RN 24 Serrinha dos Pintos - RN 0,662 0,723 0,178 0,759 0,661 RN 24 Severiano Melo - RN 0,646 0,671 0,293 0,728 0,645 RN 24 Sítio Novo - RN 0,697 0,682 0,266 0,777 0,678 RN 24 Taboleiro Grande - RN 0,628 0,747 0,194 0,765 0,661 RN 24 Taipu - RN 0,755 0,722 0,305 0,785 0,710 RN 24 Tangará - RN 0,618 0,189 0,167 0,767 0,525 RN 24 Tenente Ananias - RN 0,678 0,543 0,255 0,773 0,636 RN 24 Tenente Laurentino Cruz - RN 0,530 0,690 0,192 0,739 0,609 RN 24 Tibau do Sul - RN 0,552 0,595 0,130 0,709 0,575 RN 24 Timbaúba dos Batistas - RN 0,527 0,008 0,088 0,772 0,451 RN 24 Touros - RN 0,685 0,619 0,248 0,745 0,645 RN 24 Triunfo Potiguar - RN 0,648 0,745 0,262 0,751 0,668 RN 24 Umarizal - RN 0,621 0,736 0,139 0,765 0,650 RN 24 Upanema - RN 0,646 0,750 0,296 0,714 0,658
112
RN 24 Várzea - RN 0,639 0,654 0,151 0,784 0,645 RN 24 Venha-Ver - RN 0,761 0,761 0,354 0,703 0,695 RN 24 Vera Cruz - RN 0,684 0,715 0,157 0,819 0,685 RN 24 Viçosa - RN 0,591 0,226 0,080 0,762 0,515 RN 24 Vila Flor - RN 0,599 0,779 0,143 0,822 0,676 PB 25 Água Branca - PB 0,666 0,593 0,339 0,736 0,640 PB 25 Aguiar - PB 0,806 0,594 0,407 0,644 0,653 PB 25 Alagoa Grande - PB 0,759 0,373 0,229 0,769 0,615 PB 25 Alagoa Nova - PB 0,691 0,466 0,368 0,731 0,619 PB 25 Alagoinha - PB 0,752 0,693 0,258 0,766 0,690 PB 25 Alcantil - PB 0,703 0,734 0,478 0,766 0,710 PB 25 Algodão de Jandaíra - PB 0,739 0,415 0,530 0,772 0,653 PB 25 Alhandra - PB 0,661 0,689 0,184 0,828 0,679 PB 25 São João do Rio do Peixe - PB 0,649 0,559 0,330 0,739 0,628 PB 25 Amparo - PB 0,531 0,702 0,289 0,789 0,642 PB 25 Aparecida - PB 0,697 0,710 0,317 0,740 0,675 PB 25 Araçagi - PB 0,818 0,674 0,376 0,763 0,716 PB 25 Arara - PB 0,829 0,386 0,252 0,752 0,635 PB 25 Araruna - PB 0,802 0,459 0,348 0,728 0,645 PB 25 Areia - PB 0,700 0,434 0,302 0,722 0,603 PB 25 Areia de Baraúnas - PB 0,719 0,445 0,420 0,756 0,637 PB 25 Areial - PB 0,655 0,299 0,247 0,743 0,561 PB 25 Aroeiras - PB 0,801 0,567 0,445 0,761 0,693 PB 25 Assunção - PB 0,647 0,393 0,432 0,760 0,607 PB 25 Baía da Traição - PB 0,610 0,672 0,291 0,685 0,618 PB 25 Bananeiras - PB 0,764 0,584 0,358 0,758 0,676 PB 25 Baraúna - PB 0,683 0,458 0,410 0,764 0,631 PB 25 Barra de Santana - PB 0,714 0,692 0,570 0,796 0,724 PB 25 Barra de Santa Rosa - PB 0,789 0,334 0,316 0,744 0,615 PB 25 Barra de São Miguel - PB 0,676 0,654 0,288 0,799 0,675 PB 25 Bayeux - PB 0,432 0,411 0,084 0,775 0,519 PB 25 Belém - PB 0,728 0,135 0,170 0,779 0,549 PB 25 Belém do Brejo do Cruz - PB 0,766 0,321 0,254 0,798 0,619 PB 25 Bernardino Batista - PB 0,729 0,767 0,436 0,708 0,698 PB 25 Boa Ventura - PB 0,663 0,685 0,296 0,734 0,655 PB 25 Boa Vista - PB 0,470 0,631 0,269 0,805 0,611 PB 25 Bom Jesus - PB 0,640 0,765 0,268 0,773 0,679 PB 25 Bom Sucesso - PB 0,669 0,614 0,320 0,746 0,648 PB 25 Bonito de Santa Fé - PB 0,714 0,400 0,264 0,715 0,593 PB 25 Boqueirão - PB 0,592 0,370 0,216 0,785 0,572 PB 25 Igaracy - PB 0,713 0,501 0,255 0,749 0,628 PB 25 Borborema - PB 0,752 0,262 0,223 0,767 0,586 PB 25 Brejo do Cruz - PB 0,713 0,260 0,240 0,762 0,575 PB 25 Brejo dos Santos - PB 0,633 0,670 0,212 0,768 0,647 PB 25 Caaporã - PB 0,604 0,680 0,188 0,808 0,653 PB 25 Cabaceiras - PB 0,541 0,552 0,271 0,797 0,610 PB 25 Cabedelo - PB 0,350 0,367 0,063 0,380 0,334 PB 25 Cachoeira dos Índios - PB 0,702 0,566 0,350 0,740 0,647 PB 25 Cacimba de Areia - PB 0,649 0,472 0,345 0,795 0,630 PB 25 Cacimba de Dentro - PB 0,811 0,659 0,295 0,738 0,693 PB 25 Cacimbas - PB 0,815 0,539 0,495 0,696 0,671 PB 25 Caiçara - PB 0,736 0,377 0,228 0,750 0,603 PB 25 Cajazeiras - PB 0,495 0,326 0,179 0,670 0,487 PB 25 Cajazeirinhas - PB 0,783 0,512 0,465 0,788 0,687 PB 25 Caldas Brandão - PB 0,764 0,733 0,185 0,813 0,713 PB 25 Camalaú - PB 0,723 0,615 0,350 0,758 0,671 PB 25 Campina Grande - PB 0,343 0,120 0,068 0,614 0,363 PB 25 Capim - PB 0,827 0,752 0,261 0,827 0,749 PB 25 Caraúbas - PB 0,606 0,545 0,327 0,799 0,634 PB 25 Carrapateira - PB 0,621 0,605 0,280 0,726 0,620 PB 25 Casserengue - PB 0,867 0,541 0,435 0,725 0,691 PB 25 Catingueira - PB 0,779 0,627 0,288 0,742 0,677 PB 25 Catolé do Rocha - PB 0,575 0,466 0,193 0,735 0,568 PB 25 Caturité - PB 0,563 0,622 0,309 0,726 0,611 PB 25 Conceição - PB 0,701 0,580 0,301 0,726 0,639 PB 25 Condado - PB 0,699 0,480 0,224 0,754 0,617
113
PB 25 Conde - PB 0,580 0,664 0,304 0,772 0,642 PB 25 Congo - PB 0,688 0,402 0,259 0,777 0,609 PB 25 Coremas - PB 0,735 0,355 0,193 0,761 0,598 PB 25 Coxixola - PB 0,563 0,489 0,228 0,790 0,595 PB 25 Cruz do Espírito Santo - PB 0,770 0,598 0,357 0,809 0,700 PB 25 Cubati - PB 0,692 0,595 0,262 0,784 0,658 PB 25 Cuité - PB 0,705 0,650 0,280 0,752 0,664 PB 25 Cuitegi - PB 0,757 0,731 0,178 0,799 0,704 PB 25 Cuité de Mamanguape - PB 0,853 0,752 0,457 0,795 0,765 PB 25 Curral de Cima - PB 0,860 0,733 0,515 0,752 0,753 PB 25 Curral Velho - PB 0,724 0,519 0,324 0,666 0,612 PB 25 Damião - PB 0,857 0,757 0,441 0,746 0,747 PB 25 Desterro - PB 0,638 0,464 0,291 0,749 0,602 PB 25 Vista Serrana - PB 0,682 0,482 0,363 0,750 0,626 PB 25 Diamante - PB 0,659 0,564 0,346 0,728 0,629 PB 25 Dona Inês - PB 0,782 0,626 0,447 0,731 0,690 PB 25 Duas Estradas - PB 0,676 0,592 0,210 0,764 0,639 PB 25 Emas - PB 0,692 0,306 0,254 0,813 0,600 PB 25 Esperança - PB 0,627 0,268 0,225 0,762 0,551 PB 25 Fagundes - PB 0,755 0,673 0,365 0,754 0,693 PB 25 Frei Martinho - PB 0,662 0,287 0,198 0,721 0,547 PB 25 Gado Bravo - PB 0,799 0,738 0,624 0,766 0,753 PB 25 Guarabira - PB 0,488 0,251 0,074 0,738 0,482 PB 25 Gurinhém - PB 0,794 0,723 0,299 0,801 0,727 PB 25 Gurjão - PB 0,526 0,469 0,241 0,801 0,585 PB 25 Ibiara - PB 0,767 0,745 0,278 0,726 0,694 PB 25 Imaculada - PB 0,724 0,575 0,431 0,721 0,657 PB 25 Ingá - PB 0,762 0,711 0,252 0,782 0,703 PB 25 Itabaiana - PB 0,595 0,504 0,200 0,762 0,594 PB 25 Itaporanga - PB 0,591 0,255 0,208 0,747 0,530 PB 25 Itapororoca - PB 0,752 0,698 0,264 0,778 0,697 PB 25 Itatuba - PB 0,804 0,631 0,358 0,776 0,705 PB 25 Jacaraú - PB 0,767 0,689 0,289 0,766 0,697 PB 25 Jericó - PB 0,673 0,427 0,264 0,743 0,598 PB 25 João Pessoa - PB 0,268 0,220 0,039 0,412 0,286 PB 25 Juarez Távora - PB 0,771 0,681 0,206 0,817 0,707 PB 25 Juazeirinho - PB 0,687 0,325 0,379 0,768 0,600 PB 25 Junco do Seridó - PB 0,554 0,269 0,270 0,782 0,542 PB 25 Juripiranga - PB 0,764 0,700 0,206 0,785 0,697 PB 25 Juru - PB 0,756 0,570 0,307 0,727 0,654 PB 25 Lagoa - PB 0,737 0,610 0,378 0,792 0,689 PB 25 Lagoa de Dentro - PB 0,737 0,603 0,298 0,782 0,675 PB 25 Lagoa Seca - PB 0,583 0,352 0,314 0,720 0,551 PB 25 Lastro - PB 0,775 0,648 0,434 0,755 0,701 PB 25 Livramento - PB 0,640 0,476 0,362 0,741 0,610 PB 25 Logradouro - PB 0,726 0,496 0,256 0,806 0,652 PB 25 Lucena - PB 0,653 0,596 0,185 0,763 0,631 PB 25 Mãe d'Água - PB 0,701 0,423 0,314 0,738 0,608 PB 25 Malta - PB 0,644 0,188 0,163 0,702 0,508 PB 25 Mamanguape - PB 0,670 0,708 0,205 0,794 0,675 PB 25 Manaíra - PB 0,786 0,692 0,379 0,691 0,684 PB 25 Marcação - PB 0,773 0,615 0,318 0,748 0,678 PB 25 Mari - PB 0,768 0,735 0,196 0,765 0,698 PB 25 Marizópolis - PB 0,618 0,624 0,178 0,762 0,626 PB 25 Massaranduba - PB 0,743 0,520 0,382 0,834 0,686 PB 25 Mataraca - PB 0,680 0,732 0,160 0,804 0,683 PB 25 Matinhas - PB 0,784 0,645 0,629 0,760 0,726 PB 25 Mato Grosso - PB 0,840 0,335 0,341 0,780 0,646 PB 25 Maturéia - PB 0,679 0,628 0,271 0,739 0,646 PB 25 Mogeiro - PB 0,706 0,715 0,369 0,739 0,684 PB 25 Montadas - PB 0,647 0,473 0,253 0,784 0,615 PB 25 Monte Horebe - PB 0,702 0,357 0,327 0,741 0,596 PB 25 Monteiro - PB 0,629 0,326 0,245 0,731 0,555 PB 25 Mulungu - PB 0,768 0,706 0,280 0,792 0,710 PB 25 Natuba - PB 0,814 0,657 0,473 0,743 0,714 PB 25 Nazarezinho - PB 0,727 0,628 0,388 0,718 0,664
114
PB 25 Nova Floresta - PB 0,652 0,736 0,208 0,734 0,655 PB 25 Nova Olinda - PB 0,726 0,567 0,279 0,718 0,638 PB 25 Nova Palmeira - PB 0,626 0,279 0,279 0,790 0,569 PB 25 Olho d'Água - PB 0,738 0,448 0,378 0,742 0,633 PB 25 Olivedos - PB 0,518 0,403 0,293 0,779 0,565 PB 25 Ouro Velho - PB 0,540 0,746 0,220 0,778 0,643 PB 25 Parari - PB 0,643 0,328 0,286 0,739 0,567 PB 25 Passagem - PB 0,628 0,307 0,268 0,749 0,560 PB 25 Patos - PB 0,453 0,107 0,092 0,681 0,419 PB 25 Paulista - PB 0,717 0,486 0,350 0,736 0,631 PB 25 Pedra Branca - PB 0,602 0,219 0,269 0,774 0,541 PB 25 Pedra Lavrada - PB 0,696 0,472 0,383 0,759 0,634 PB 25 Pedras de Fogo - PB 0,698 0,564 0,324 0,774 0,655 PB 25 Piancó - PB 0,613 0,405 0,231 0,752 0,575 PB 25 Picuí - PB 0,610 0,285 0,227 0,745 0,544 PB 25 Pilar - PB 0,714 0,677 0,247 0,812 0,692 PB 25 Pilões - PB 0,795 0,688 0,381 0,745 0,707 PB 25 Pilõezinhos - PB 0,755 0,455 0,318 0,799 0,654 PB 25 Pirpirituba - PB 0,669 0,385 0,208 0,784 0,597 PB 25 Pitimbu - PB 0,680 0,666 0,302 0,779 0,674 PB 25 Pocinhos - PB 0,643 0,483 0,292 0,791 0,623 PB 25 Poço Dantas - PB 0,789 0,662 0,370 0,726 0,691 PB 25 Poço de José de Moura - PB 0,618 0,496 0,332 0,760 0,612 PB 25 Pombal - PB 0,620 0,293 0,173 0,727 0,535 PB 25 Prata - PB 0,596 0,746 0,243 0,796 0,668 PB 25 Princesa Isabel - PB 0,614 0,321 0,199 0,747 0,551 PB 25 Puxinanã - PB 0,569 0,190 0,243 0,796 0,531 PB 25 Queimadas - PB 0,582 0,397 0,220 0,810 0,585 PB 25 Quixabá - PB 0,590 0,477 0,400 0,778 0,614 PB 25 Remígio - PB 0,715 0,350 0,236 0,747 0,590 PB 25 Pedro Régis - PB 0,864 0,757 0,373 0,765 0,749 PB 25 Riachão - PB 0,700 0,617 0,270 0,774 0,662 PB 25 Riachão do Bacamarte - PB 0,763 0,593 0,307 0,805 0,690 PB 25 Riachão do Poço - PB 0,748 0,604 0,435 0,773 0,690 PB 25 Riacho de Santo Antônio - PB 0,618 0,475 0,310 0,767 0,608 PB 25 Riacho dos Cavalos - PB 0,728 0,377 0,382 0,752 0,618 PB 25 Rio Tinto - PB 0,628 0,559 0,291 0,808 0,643 PB 25 Salgadinho - PB 0,741 0,656 0,553 0,796 0,722 PB 25 Salgado de São Félix - PB 0,797 0,737 0,360 0,777 0,728 PB 25 Santa Cecília - PB 0,802 0,705 0,608 0,788 0,754 PB 25 Santa Cruz - PB 0,644 0,564 0,226 0,762 0,625 PB 25 Santa Helena - PB 0,621 0,564 0,280 0,748 0,619 PB 25 Santa Inês - PB 0,672 0,793 0,490 0,701 0,692 PB 25 Santa Luzia - PB 0,500 0,116 0,117 0,739 0,459 PB 25 Santana de Mangueira - PB 0,812 0,695 0,461 0,755 0,726 PB 25 Santana dos Garrotes - PB 0,727 0,639 0,383 0,754 0,680 PB 25 Joca Claudino - PB 0,693 0,805 0,214 0,780 0,701 PB 25 Santa Rita - PB 0,516 0,608 0,138 0,801 0,604 PB 25 Santa Teresinha - PB 0,651 0,074 0,298 0,738 0,511 PB 25 Santo André - PB 0,669 0,712 0,461 0,792 0,703 PB 25 São Bento - PB 0,763 0,308 0,163 0,749 0,587 PB 25 São Bentinho - PB 0,704 0,467 0,258 0,767 0,624 PB 25 São Domingos do Cariri - PB 0,682 0,483 0,312 0,775 0,631 PB 25 São Domingos - PB 0,821 0,540 0,435 0,765 0,693 PB 25 São Francisco - PB 0,734 0,655 0,246 0,761 0,674 PB 25 São João do Cariri - PB 0,567 0,302 0,226 0,747 0,536 PB 25 São João do Tigre - PB 0,769 0,563 0,517 0,750 0,687 PB 25 São José da Lagoa Tapada - PB 0,869 0,615 0,411 0,736 0,711 PB 25 São José de Caiana - PB 0,757 0,733 0,469 0,756 0,720 PB 25 São José de Espinharas - PB 0,729 0,507 0,394 0,800 0,668 PB 25 São José dos Ramos - PB 0,802 0,702 0,374 0,788 0,728 PB 25 São José de Piranhas - PB 0,670 0,397 0,296 0,735 0,590 PB 25 São José de Princesa - PB 0,733 0,735 0,543 0,748 0,719 PB 25 São José do Bonfim - PB 0,635 0,216 0,338 0,790 0,563 PB 25 São José do Brejo do Cruz - PB 0,662 0,658 0,441 0,776 0,680 PB 25 São José do Sabugi - PB 0,624 0,111 0,246 0,805 0,531
115
PB 25 São José dos Cordeiros - PB 0,687 0,338 0,360 0,738 0,589 PB 25 São Mamede - PB 0,579 0,180 0,162 0,756 0,507 PB 25 São Miguel de Taipu - PB 0,821 0,516 0,401 0,774 0,687 PB 25 São Sebastião de Lagoa de Roça - PB 0,663 0,505 0,450 0,787 0,650 PB 25 São Sebastião do Umbuzeiro - PB 0,646 0,543 0,250 0,772 0,627 PB 25 Sapé - PB 0,685 0,549 0,231 0,810 0,651 PB 25 Seridó - PB 0,652 0,716 0,468 0,741 0,681 PB 25 Serra Branca - PB 0,551 0,565 0,210 0,773 0,601 PB 25 Serra da Raiz - PB 0,644 0,686 0,213 0,760 0,651 PB 25 Serra Grande - PB 0,693 0,483 0,335 0,757 0,630 PB 25 Serra Redonda - PB 0,727 0,534 0,316 0,788 0,661 PB 25 Serraria - PB 0,832 0,532 0,336 0,749 0,678 PB 25 Sertãozinho - PB 0,634 0,326 0,205 0,794 0,576 PB 25 Sobrado - PB 0,730 0,743 0,446 0,810 0,732 PB 25 Solânea - PB 0,703 0,605 0,240 0,731 0,641 PB 25 Soledade - PB 0,565 0,335 0,205 0,759 0,545 PB 25 Sossêgo - PB 0,737 0,568 0,486 0,758 0,678 PB 25 Sousa - PB 0,537 0,256 0,158 0,706 0,494 PB 25 Sumé - PB 0,611 0,584 0,187 0,768 0,618 PB 25 Tacima - PB 0,721 0,645 0,345 0,771 0,682 PB 25 Taperoá - PB 0,704 0,328 0,296 0,753 0,591 PB 25 Tavares - PB 0,723 0,544 0,309 0,746 0,645 PB 25 Teixeira - PB 0,579 0,525 0,282 0,738 0,594 PB 25 Tenório - PB 0,694 0,733 0,471 0,766 0,706 PB 25 Triunfo - PB 0,652 0,561 0,370 0,734 0,631 PB 25 Uiraúna - PB 0,621 0,321 0,202 0,738 0,550 PB 25 Umbuzeiro - PB 0,702 0,535 0,478 0,747 0,656 PB 25 Várzea - PB 0,390 0,265 0,217 0,792 0,493 PB 25 Vieirópolis - PB 0,802 0,735 0,383 0,744 0,720 PB 25 Zabelê - PB 0,555 0,343 0,220 0,802 0,562 PE 26 Abreu e Lima - PE 0,319 0,419 0,078 0,785 0,491 PE 26 Afogados da Ingazeira - PE 0,550 0,232 0,155 0,714 0,495 PE 26 Afrânio - PE 0,635 0,581 0,443 0,750 0,645 PE 26 Agrestina - PE 0,705 0,249 0,143 0,792 0,571 PE 26 Água Preta - PE 0,714 0,458 0,342 0,805 0,649 PE 26 Águas Belas - PE 0,849 0,540 0,352 0,707 0,670 PE 26 Alagoinha - PE 0,667 0,379 0,316 0,759 0,597 PE 26 Aliança - PE 0,649 0,354 0,177 0,839 0,601 PE 26 Altinho - PE 0,735 0,359 0,295 0,779 0,616 PE 26 Amaraji - PE 0,716 0,382 0,266 0,791 0,618 PE 26 Angelim - PE 0,728 0,338 0,294 0,761 0,602 PE 26 Araçoiaba - PE 0,605 0,694 0,284 0,823 0,673 PE 26 Araripina - PE 0,657 0,427 0,380 0,737 0,603 PE 26 Arcoverde - PE 0,474 0,104 0,121 0,692 0,431 PE 26 Barra de Guabiraba - PE 0,730 0,218 0,160 0,779 0,568 PE 26 Barreiros - PE 0,582 0,446 0,230 0,813 0,599 PE 26 Belém de Maria - PE 0,710 0,411 0,283 0,800 0,628 PE 26 Belém do São Francisco - PE 0,550 0,433 0,377 0,659 0,545 PE 26 Belo Jardim - PE 0,605 0,209 0,128 0,764 0,521 PE 26 Betânia - PE 0,766 0,528 0,422 0,755 0,669 PE 26 Bezerros - PE 0,651 0,214 0,160 0,765 0,539 PE 26 Bodocó - PE 0,702 0,561 0,498 0,727 0,657 PE 26 Bom Conselho - PE 0,758 0,359 0,290 0,701 0,593 PE 26 Bom Jardim - PE 0,650 0,580 0,323 0,799 0,655 PE 26 Bonito - PE 0,732 0,260 0,224 0,763 0,579 PE 26 Brejão - PE 0,717 0,545 0,366 0,780 0,663 PE 26 Brejinho - PE 0,665 0,422 0,294 0,733 0,594 PE 26 Brejo da Madre de Deus - PE 0,761 0,359 0,270 0,776 0,620 PE 26 Buenos Aires - PE 0,670 0,650 0,272 0,832 0,683 PE 26 Buíque - PE 0,851 0,508 0,471 0,719 0,680 PE 26 Cabo de Santo Agostinho - PE 0,372 0,383 0,101 0,736 0,482 PE 26 Cabrobó - PE 0,588 0,300 0,279 0,730 0,541 PE 26 Cachoeirinha - PE 0,727 0,235 0,188 0,783 0,575 PE 26 Caetés - PE 0,815 0,570 0,536 0,760 0,707 PE 26 Calçado - PE 0,737 0,434 0,362 0,674 0,602 PE 26 Calumbi - PE 0,743 0,402 0,358 0,731 0,617
116
PE 26 Camaragibe - PE 0,328 0,440 0,097 0,744 0,485 PE 26 Camocim de São Félix - PE 0,705 0,244 0,146 0,769 0,561 PE 26 Camutanga - PE 0,623 0,564 0,219 0,784 0,626 PE 26 Canhotinho - PE 0,790 0,361 0,308 0,791 0,638 PE 26 Capoeiras - PE 0,754 0,509 0,448 0,779 0,673 PE 26 Carnaíba - PE 0,648 0,443 0,343 0,730 0,598 PE 26 Carnaubeira da Penha - PE 0,645 0,666 0,706 0,710 0,681 PE 26 Carpina - PE 0,420 0,632 0,131 0,752 0,563 PE 26 Caruaru - PE 0,443 0,145 0,091 0,687 0,427 PE 26 Casinhas - PE 0,695 0,695 0,483 0,809 0,715 PE 26 Catende - PE 0,596 0,302 0,226 0,760 0,549 PE 26 Cedro - PE 0,549 0,323 0,324 0,710 0,533 PE 26 Chã de Alegria - PE 0,610 0,617 0,238 0,830 0,654 PE 26 Chã Grande - PE 0,722 0,408 0,268 0,756 0,612 PE 26 Condado - PE 0,588 0,741 0,237 0,792 0,663 PE 26 Correntes - PE 0,786 0,406 0,304 0,738 0,628 PE 26 Cortês - PE 0,680 0,342 0,212 0,814 0,601 PE 26 Cumaru - PE 0,709 0,601 0,378 0,767 0,670 PE 26 Cupira - PE 0,687 0,154 0,112 0,789 0,539 PE 26 Custódia - PE 0,669 0,364 0,302 0,752 0,589 PE 26 Dormentes - PE 0,636 0,200 0,432 0,781 0,567 PE 26 Escada - PE 0,521 0,489 0,182 0,809 0,585 PE 26 Exu - PE 0,648 0,635 0,446 0,715 0,648 PE 26 Feira Nova - PE 0,703 0,589 0,241 0,788 0,658 PE 26 Fernando de Noronha - PE 0,088 0,131 0,081 0,306 0,179 PE 26 Ferreiros - PE 0,664 0,404 0,216 0,784 0,600 PE 26 Flores - PE 0,756 0,499 0,389 0,750 0,654 PE 26 Floresta - PE 0,511 0,488 0,320 0,743 0,572 PE 26 Frei Miguelinho - PE 0,740 0,626 0,362 0,811 0,699 PE 26 Gameleira - PE 0,601 0,353 0,301 0,847 0,603 PE 26 Garanhuns - PE 0,476 0,354 0,128 0,673 0,484 PE 26 Glória do Goitá - PE 0,681 0,492 0,369 0,775 0,639 PE 26 Goiana - PE 0,459 0,505 0,187 0,760 0,553 PE 26 Granito - PE 0,643 0,527 0,353 0,718 0,613 PE 26 Gravatá - PE 0,572 0,259 0,138 0,762 0,524 PE 26 Iati - PE 0,855 0,484 0,398 0,741 0,676 PE 26 Ibimirim - PE 0,735 0,554 0,325 0,750 0,654 PE 26 Ibirajuba - PE 0,755 0,434 0,352 0,768 0,642 PE 26 Igarassu - PE 0,398 0,593 0,133 0,774 0,556 PE 26 Iguaraci - PE 0,651 0,475 0,336 0,749 0,613 PE 26 Inajá - PE 0,778 0,578 0,497 0,715 0,677 PE 26 Ingazeira - PE 0,620 0,412 0,331 0,739 0,585 PE 26 Ipojuca - PE 0,543 0,390 0,211 0,787 0,563 PE 26 Ipubi - PE 0,727 0,616 0,432 0,765 0,684 PE 26 Itacuruba - PE 0,554 0,155 0,170 0,797 0,511 PE 26 Itaíba - PE 0,868 0,500 0,401 0,737 0,683 PE 26 Ilha de Itamaracá - PE 0,442 0,613 0,204 0,714 0,559 PE 26 Itambé - PE 0,697 0,641 0,203 0,812 0,674 PE 26 Itapetim - PE 0,657 0,360 0,252 0,718 0,567 PE 26 Itapissuma - PE 0,483 0,606 0,130 0,765 0,580 PE 26 Itaquitinga - PE 0,651 0,699 0,177 0,817 0,673 PE 26 Jaboatão dos Guararapes - PE 0,299 0,410 0,105 0,665 0,441 PE 26 Jaqueira - PE 0,712 0,536 0,353 0,793 0,663 PE 26 Jataúba - PE 0,807 0,333 0,424 0,784 0,646 PE 26 Jatobá - PE 0,541 0,218 0,220 0,723 0,499 PE 26 João Alfredo - PE 0,742 0,649 0,318 0,798 0,696 PE 26 Joaquim Nabuco - PE 0,706 0,394 0,256 0,801 0,620 PE 26 Jucati - PE 0,724 0,403 0,411 0,698 0,606 PE 26 Jupi - PE 0,703 0,385 0,368 0,729 0,602 PE 26 Jurema - PE 0,836 0,273 0,297 0,758 0,617 PE 26 Lagoa do Carro - PE 0,607 0,673 0,227 0,812 0,658 PE 26 Lagoa de Itaenga - PE 0,642 0,649 0,185 0,817 0,660 PE 26 Lagoa do Ouro - PE 0,851 0,365 0,243 0,737 0,629 PE 26 Lagoa dos Gatos - PE 0,827 0,411 0,330 0,767 0,654 PE 26 Lagoa Grande - PE 0,602 0,467 0,255 0,759 0,592 PE 26 Lajedo - PE 0,629 0,282 0,159 0,753 0,544
117
PE 26 Limoeiro - PE 0,488 0,413 0,181 0,768 0,542 PE 26 Macaparana - PE 0,683 0,288 0,234 0,787 0,581 PE 26 Machados - PE 0,671 0,585 0,275 0,856 0,678 PE 26 Manari - PE 0,901 0,711 0,597 0,712 0,753 PE 26 Maraial - PE 0,780 0,593 0,367 0,769 0,688 PE 26 Mirandiba - PE 0,591 0,359 0,369 0,769 0,580 PE 26 Moreno - PE 0,465 0,351 0,156 0,781 0,524 PE 26 Nazaré da Mata - PE 0,489 0,188 0,125 0,777 0,488 PE 26 Olinda - PE 0,250 0,316 0,067 0,627 0,387 PE 26 Orobó - PE 0,653 0,573 0,372 0,767 0,647 PE 26 Orocó - PE 0,592 0,478 0,313 0,681 0,569 PE 26 Ouricuri - PE 0,709 0,308 0,406 0,728 0,590 PE 26 Palmares - PE 0,532 0,340 0,197 0,786 0,546 PE 26 Palmeirina - PE 0,748 0,347 0,270 0,748 0,603 PE 26 Panelas - PE 0,809 0,343 0,329 0,750 0,626 PE 26 Paranatama - PE 0,796 0,707 0,489 0,721 0,714 PE 26 Parnamirim - PE 0,632 0,510 0,451 0,718 0,616 PE 26 Passira - PE 0,701 0,606 0,325 0,805 0,678 PE 26 Paudalho - PE 0,535 0,523 0,245 0,760 0,585 PE 26 Paulista - PE 0,197 0,288 0,078 0,708 0,397 PE 26 Pedra - PE 0,739 0,456 0,346 0,756 0,637 PE 26 Pesqueira - PE 0,605 0,293 0,242 0,736 0,542 PE 26 Petrolândia - PE 0,519 0,259 0,206 0,727 0,503 PE 26 Petrolina - PE 0,377 0,214 0,128 0,610 0,400 PE 26 Poção - PE 0,785 0,439 0,372 0,746 0,645 PE 26 Pombos - PE 0,656 0,232 0,234 0,797 0,564 PE 26 Primavera - PE 0,682 0,437 0,292 0,805 0,629 PE 26 Quipapá - PE 0,794 0,406 0,325 0,803 0,656 PE 26 Quixaba - PE 0,668 0,521 0,405 0,726 0,627 PE 26 Recife - PE 0,260 0,224 0,073 0,308 0,249 PE 26 Riacho das Almas - PE 0,773 0,368 0,333 0,772 0,631 PE 26 Ribeirão - PE 0,550 0,268 0,184 0,799 0,538 PE 26 Rio Formoso - PE 0,574 0,520 0,301 0,835 0,630 PE 26 Sairé - PE 0,746 0,522 0,281 0,817 0,670 PE 26 Salgadinho - PE 0,839 0,651 0,475 0,807 0,744 PE 26 Salgueiro - PE 0,472 0,291 0,189 0,662 0,471 PE 26 Saloá - PE 0,767 0,490 0,365 0,741 0,649 PE 26 Sanharó - PE 0,607 0,387 0,205 0,800 0,585 PE 26 Santa Cruz - PE 0,752 0,572 0,509 0,710 0,668 PE 26 Santa Cruz da Baixa Verde - PE 0,609 0,444 0,354 0,746 0,594 PE 26 Santa Cruz do Capibaribe - PE 0,510 0,108 0,132 0,726 0,456 PE 26 Santa Filomena - PE 0,771 0,706 0,540 0,718 0,711 PE 26 Santa Maria da Boa Vista - PE 0,600 0,468 0,375 0,724 0,592 PE 26 Santa Maria do Cambucá - PE 0,793 0,600 0,432 0,782 0,705 PE 26 Santa Terezinha - PE 0,613 0,379 0,284 0,746 0,573 PE 26 São Benedito do Sul - PE 0,778 0,595 0,386 0,831 0,713 PE 26 São Bento do Una - PE 0,701 0,391 0,330 0,742 0,604 PE 26 São Caitano - PE 0,679 0,365 0,263 0,763 0,593 PE 26 São João - PE 0,749 0,591 0,360 0,709 0,655 PE 26 São Joaquim do Monte - PE 0,808 0,275 0,226 0,771 0,607 PE 26 São José da Coroa Grande - PE 0,569 0,740 0,209 0,751 0,638 PE 26 São José do Belmonte - PE 0,646 0,506 0,341 0,739 0,615 PE 26 São José do Egito - PE 0,564 0,289 0,220 0,731 0,525 PE 26 São Lourenço da Mata - PE 0,443 0,466 0,164 0,774 0,542 PE 26 São Vicente Ferrer - PE 0,744 0,343 0,291 0,774 0,613 PE 26 Serra Talhada - PE 0,513 0,223 0,217 0,705 0,485 PE 26 Serrita - PE 0,631 0,485 0,468 0,735 0,618 PE 26 Sertânia - PE 0,629 0,318 0,279 0,766 0,570 PE 26 Sirinhaém - PE 0,620 0,511 0,247 0,826 0,632 PE 26 Moreilândia - PE 0,605 0,659 0,366 0,728 0,638 PE 26 Solidão - PE 0,659 0,459 0,419 0,714 0,607 PE 26 Surubim - PE 0,581 0,315 0,149 0,770 0,543 PE 26 Tabira - PE 0,598 0,225 0,179 0,759 0,527 PE 26 Tacaimbó - PE 0,783 0,356 0,337 0,785 0,636 PE 26 Tacaratu - PE 0,586 0,623 0,424 0,784 0,651 PE 26 Tamandaré - PE 0,604 0,624 0,267 0,785 0,641
118
PE 26 Taquaritinga do Norte - PE 0,564 0,434 0,280 0,755 0,575 PE 26 Terezinha - PE 0,785 0,330 0,400 0,758 0,627 PE 26 Terra Nova - PE 0,574 0,410 0,304 0,710 0,557 PE 26 Timbaúba - PE 0,556 0,253 0,168 0,791 0,532 PE 26 Toritama - PE 0,602 0,184 0,149 0,744 0,509 PE 26 Tracunhaém - PE 0,633 0,579 0,172 0,826 0,643 PE 26 Trindade - PE 0,678 0,449 0,248 0,749 0,605 PE 26 Triunfo - PE 0,477 0,591 0,293 0,706 0,570 PE 26 Tupanatinga - PE 0,842 0,525 0,479 0,749 0,694 PE 26 Tuparetama - PE 0,561 0,345 0,148 0,773 0,546 PE 26 Venturosa - PE 0,662 0,340 0,283 0,747 0,578 PE 26 Verdejante - PE 0,644 0,467 0,385 0,739 0,611 PE 26 Vertente do Lério - PE 0,750 0,636 0,461 0,825 0,721 PE 26 Vertentes - PE 0,642 0,447 0,264 0,787 0,610 PE 26 Vicência - PE 0,565 0,312 0,228 0,831 0,570 PE 26 Vitória de Santo Antão - PE 0,544 0,279 0,142 0,749 0,516 PE 26 Xexéu - PE 0,729 0,367 0,210 0,796 0,614 AL 27 Água Branca - AL 0,751 0,549 0,397 0,745 0,663 AL 27 Anadia - AL 0,747 0,629 0,254 0,793 0,684 AL 27 Arapiraca - AL 0,537 0,619 0,146 0,705 0,577 AL 27 Atalaia - AL 0,747 0,617 0,285 0,825 0,696 AL 27 Barra de Santo Antônio - AL 0,688 0,624 0,189 0,800 0,661 AL 27 Barra de São Miguel - AL 0,616 0,382 0,140 0,717 0,548 AL 27 Batalha - AL 0,661 0,636 0,311 0,771 0,659 AL 27 Belém - AL 0,726 0,618 0,388 0,730 0,666 AL 27 Belo Monte - AL 0,841 0,492 0,502 0,734 0,683 AL 27 Boca da Mata - AL 0,610 0,287 0,202 0,799 0,562 AL 27 Branquinha - AL 0,887 0,571 0,336 0,822 0,730 AL 27 Cacimbinhas - AL 0,857 0,754 0,498 0,731 0,747 AL 27 Cajueiro - AL 0,727 0,683 0,225 0,823 0,699 AL 27 Campestre - AL 0,758 0,366 0,274 0,798 0,629 AL 27 Campo Alegre - AL 0,616 0,594 0,223 0,840 0,653 AL 27 Campo Grande - AL 0,841 0,695 0,324 0,722 0,707 AL 27 Canapi - AL 0,888 0,747 0,566 0,689 0,746 AL 27 Capela - AL 0,717 0,347 0,284 0,812 0,619 AL 27 Carneiros - AL 0,753 0,765 0,412 0,738 0,714 AL 27 Chã Preta - AL 0,741 0,713 0,333 0,783 0,706 AL 27 Coité do Nóia - AL 0,839 0,791 0,500 0,737 0,753 AL 27 Colônia Leopoldina - AL 0,818 0,311 0,292 0,788 0,632 AL 27 Coqueiro Seco - AL 0,668 0,638 0,162 0,788 0,652 AL 27 Coruripe - AL 0,549 0,645 0,152 0,758 0,607 AL 27 Craíbas - AL 0,837 0,692 0,419 0,749 0,725 AL 27 Delmiro Gouveia - AL 0,608 0,219 0,144 0,753 0,522 AL 27 Dois Riachos - AL 0,840 0,776 0,411 0,757 0,748 AL 27 Estrela de Alagoas - AL 0,843 0,700 0,538 0,747 0,741 AL 27 Feira Grande - AL 0,827 0,695 0,434 0,731 0,718 AL 27 Feliz Deserto - AL 0,720 0,789 0,262 0,766 0,704 AL 27 Flexeiras - AL 0,771 0,369 0,382 0,814 0,651 AL 27 Girau do Ponciano - AL 0,796 0,751 0,463 0,728 0,724 AL 27 Ibateguara - AL 0,836 0,355 0,238 0,825 0,655 AL 27 Igaci - AL 0,802 0,724 0,439 0,723 0,715 AL 27 Igreja Nova - AL 0,790 0,708 0,375 0,734 0,705 AL 27 Inhapi - AL 0,899 0,660 0,510 0,745 0,744 AL 27 Jacaré dos Homens - AL 0,679 0,735 0,256 0,797 0,691 AL 27 Jacuípe - AL 0,764 0,601 0,362 0,796 0,695 AL 27 Japaratinga - AL 0,710 0,672 0,378 0,768 0,687 AL 27 Jaramataia - AL 0,766 0,738 0,371 0,791 0,726 AL 27 Jequiá da Praia - AL 0,710 0,744 0,249 0,799 0,702 AL 27 Joaquim Gomes - AL 0,849 0,691 0,406 0,809 0,749 AL 27 Jundiá - AL 0,758 0,744 0,392 0,771 0,720 AL 27 Junqueiro - AL 0,727 0,748 0,292 0,745 0,692 AL 27 Lagoa da Canoa - AL 0,795 0,734 0,344 0,750 0,715 AL 27 Limoeiro de Anadia - AL 0,756 0,676 0,408 0,768 0,704 AL 27 Maceió - AL 0,354 0,400 0,106 0,515 0,399 AL 27 Major Isidoro - AL 0,768 0,619 0,391 0,751 0,686 AL 27 Maragogi - AL 0,682 0,489 0,342 0,785 0,639
119
AL 27 Maravilha - AL 0,705 0,686 0,423 0,726 0,678 AL 27 Marechal Deodoro - AL 0,547 0,569 0,127 0,697 0,563 AL 27 Maribondo - AL 0,690 0,249 0,228 0,776 0,570 AL 27 Mar Vermelho - AL 0,713 0,620 0,315 0,810 0,685 AL 27 Mata Grande - AL 0,871 0,617 0,549 0,728 0,723 AL 27 Matriz de Camaragibe - AL 0,698 0,739 0,261 0,823 0,707 AL 27 Messias - AL 0,708 0,552 0,163 0,818 0,654 AL 27 Minador do Negrão - AL 0,879 0,733 0,399 0,759 0,748 AL 27 Monteirópolis - AL 0,802 0,768 0,393 0,782 0,743 AL 27 Murici - AL 0,755 0,289 0,300 0,822 0,622 AL 27 Novo Lino - AL 0,802 0,567 0,472 0,779 0,703 AL 27 Olho d'Água das Flores - AL 0,713 0,774 0,222 0,737 0,683 AL 27 Olho d'Água do Casado - AL 0,837 0,704 0,365 0,762 0,727 AL 27 Olho d'Água Grande - AL 0,878 0,769 0,463 0,704 0,743 AL 27 Olivença - AL 0,855 0,749 0,432 0,715 0,732 AL 27 Ouro Branco - AL 0,710 0,751 0,444 0,735 0,700 AL 27 Palestina - AL 0,745 0,712 0,247 0,793 0,702 AL 27 Palmeira dos Índios - AL 0,589 0,665 0,219 0,725 0,618 AL 27 Pão de Açúcar - AL 0,672 0,627 0,284 0,751 0,650 AL 27 Pariconha - AL 0,749 0,728 0,357 0,744 0,700 AL 27 Paripueira - AL 0,618 0,684 0,195 0,752 0,638 AL 27 Passo de Camaragibe - AL 0,748 0,776 0,355 0,821 0,740 AL 27 Paulo Jacinto - AL 0,684 0,691 0,201 0,764 0,664 AL 27 Penedo - AL 0,562 0,536 0,134 0,741 0,577 AL 27 Piaçabuçu - AL 0,691 0,467 0,188 0,769 0,614 AL 27 Pilar - AL 0,598 0,585 0,138 0,811 0,625 AL 27 Pindoba - AL 0,777 0,755 0,351 0,755 0,718 AL 27 Piranhas - AL 0,708 0,397 0,280 0,734 0,599 AL 27 Poço das Trincheiras - AL 0,769 0,747 0,563 0,663 0,702 AL 27 Porto Calvo - AL 0,666 0,670 0,241 0,800 0,672 AL 27 Porto de Pedras - AL 0,766 0,779 0,456 0,771 0,738 AL 27 Porto Real do Colégio - AL 0,747 0,504 0,365 0,764 0,655 AL 27 Quebrangulo - AL 0,737 0,651 0,327 0,750 0,678 AL 27 Rio Largo - AL 0,480 0,504 0,152 0,773 0,560 AL 27 Roteiro - AL 0,838 0,733 0,273 0,806 0,741 AL 27 Santa Luzia do Norte - AL 0,630 0,732 0,184 0,790 0,666 AL 27 Santana do Ipanema - AL 0,675 0,725 0,294 0,695 0,653 AL 27 Santana do Mundaú - AL 0,832 0,720 0,385 0,812 0,750 AL 27 São Brás - AL 0,731 0,657 0,180 0,712 0,647 AL 27 São José da Laje - AL 0,705 0,286 0,271 0,797 0,595 AL 27 São José da Tapera - AL 0,822 0,739 0,468 0,716 0,725 AL 27 São Luís do Quitunde - AL 0,754 0,705 0,408 0,801 0,723 AL 27 São Miguel dos Campos - AL 0,540 0,310 0,098 0,762 0,522 AL 27 São Miguel dos Milagres - AL 0,639 0,714 0,218 0,774 0,662 AL 27 São Sebastião - AL 0,803 0,757 0,455 0,751 0,735 AL 27 Satuba - AL 0,423 0,251 0,138 0,762 0,479 AL 27 Senador Rui Palmeira - AL 0,812 0,728 0,579 0,705 0,727 AL 27 Tanque d'Arca - AL 0,797 0,744 0,373 0,782 0,733 AL 27 Taquarana - AL 0,822 0,687 0,418 0,756 0,722 AL 27 Teotônio Vilela - AL 0,678 0,427 0,199 0,786 0,608 AL 27 Traipu - AL 0,891 0,689 0,578 0,718 0,745 AL 27 União dos Palmares - AL 0,713 0,286 0,197 0,775 0,581 AL 27 Viçosa - AL 0,705 0,531 0,207 0,812 0,651 SE 28 Amparo de São Francisco - SE 0,530 0,636 0,162 0,772 0,606 SE 28 Aquidabã - SE 0,696 0,489 0,186 0,787 0,627 SE 28 Aracaju - SE 0,241 0,099 0,036 0,359 0,230 SE 28 Arauá - SE 0,668 0,692 0,278 0,795 0,679 SE 28 Areia Branca - SE 0,657 0,676 0,180 0,793 0,661 SE 28 Barra dos Coqueiros - SE 0,415 0,306 0,109 0,741 0,479 SE 28 Boquim - SE 0,614 0,747 0,239 0,756 0,658 SE 28 Brejo Grande - SE 0,729 0,785 0,301 0,746 0,703 SE 28 Campo do Brito - SE 0,654 0,643 0,146 0,747 0,632 SE 28 Canhoba - SE 0,717 0,745 0,308 0,763 0,697 SE 28 Canindé de São Francisco - SE 0,721 0,429 0,235 0,745 0,610 SE 28 Capela - SE 0,607 0,674 0,223 0,790 0,650 SE 28 Carira - SE 0,751 0,639 0,272 0,791 0,688
120
SE 28 Carmópolis - SE 0,443 0,142 0,075 0,737 0,444 SE 28 Cedro de São João - SE 0,542 0,455 0,076 0,752 0,550 SE 28 Cristinápolis - SE 0,745 0,740 0,339 0,782 0,714 SE 28 Cumbe - SE 0,639 0,678 0,137 0,783 0,648 SE 28 Divina Pastora - SE 0,556 0,668 0,166 0,823 0,640 SE 28 Estância - SE 0,484 0,627 0,154 0,739 0,578 SE 28 Feira Nova - SE 0,686 0,579 0,205 0,810 0,656 SE 28 Frei Paulo - SE 0,689 0,686 0,130 0,771 0,659 SE 28 Gararu - SE 0,749 0,551 0,349 0,727 0,652 SE 28 General Maynard - SE 0,422 0,530 0,116 0,770 0,545 SE 28 Gracho Cardoso - SE 0,694 0,625 0,230 0,793 0,665 SE 28 Ilha das Flores - SE 0,643 0,712 0,186 0,745 0,648 SE 28 Indiaroba - SE 0,665 0,741 0,366 0,754 0,684 SE 28 Itabaiana - SE 0,565 0,319 0,096 0,733 0,520 SE 28 Itabaianinha - SE 0,733 0,465 0,312 0,779 0,642 SE 28 Itabi - SE 0,670 0,564 0,149 0,795 0,636 SE 28 Itaporanga d'Ajuda - SE 0,627 0,586 0,273 0,832 0,656 SE 28 Japaratuba - SE 0,517 0,702 0,177 0,791 0,627 SE 28 Japoatã - SE 0,699 0,779 0,281 0,804 0,712 SE 28 Lagarto - SE 0,606 0,539 0,188 0,751 0,600 SE 28 Laranjeiras - SE 0,420 0,492 0,137 0,815 0,555 SE 28 Macambira - SE 0,689 0,449 0,246 0,814 0,632 SE 28 Malhada dos Bois - SE 0,570 0,666 0,106 0,813 0,634 SE 28 Malhador - SE 0,663 0,761 0,164 0,778 0,675 SE 28 Maruim - SE 0,487 0,351 0,159 0,793 0,535 SE 28 Moita Bonita - SE 0,710 0,574 0,223 0,787 0,655 SE 28 Monte Alegre de Sergipe - SE 0,763 0,439 0,277 0,747 0,629 SE 28 Muribeca - SE 0,592 0,661 0,153 0,783 0,633 SE 28 Neópolis - SE 0,558 0,606 0,235 0,793 0,623 SE 28 Nossa Senhora Aparecida - SE 0,787 0,432 0,187 0,748 0,625 SE 28 Nossa Senhora da Glória - SE 0,660 0,494 0,174 0,767 0,609 SE 28 Nossa Senhora das Dores - SE 0,655 0,699 0,207 0,779 0,664 SE 28 Nossa Senhora de Lourdes - SE 0,628 0,653 0,151 0,783 0,641 SE 28 Nossa Senhora do Socorro - SE 0,356 0,304 0,076 0,788 0,476 SE 28 Pacatuba - SE 0,701 0,720 0,485 0,722 0,690 SE 28 Pedra Mole - SE 0,627 0,364 0,214 0,745 0,565 SE 28 Pedrinhas - SE 0,660 0,665 0,331 0,703 0,642 SE 28 Pinhão - SE 0,683 0,453 0,245 0,810 0,630 SE 28 Pirambu - SE 0,556 0,676 0,219 0,782 0,633 SE 28 Poço Redondo - SE 0,815 0,466 0,318 0,697 0,636 SE 28 Poço Verde - SE 0,744 0,427 0,244 0,743 0,616 SE 28 Porto da Folha - SE 0,705 0,499 0,248 0,751 0,625 SE 28 Propriá - SE 0,467 0,226 0,101 0,730 0,470 SE 28 Riachão do Dantas - SE 0,760 0,723 0,396 0,784 0,721 SE 28 Riachuelo - SE 0,471 0,336 0,185 0,777 0,523 SE 28 Ribeirópolis - SE 0,666 0,333 0,143 0,786 0,577 SE 28 Rosário do Catete - SE 0,420 0,480 0,123 0,772 0,534 SE 28 Salgado - SE 0,662 0,730 0,296 0,756 0,674 SE 28 Santa Luzia do Itanhy - SE 0,760 0,652 0,381 0,766 0,696 SE 28 Santana do São Francisco - SE 0,542 0,366 0,168 0,782 0,551 SE 28 Santa Rosa de Lima - SE 0,634 0,683 0,154 0,832 0,668 SE 28 Santo Amaro das Brotas - SE 0,497 0,717 0,208 0,738 0,608 SE 28 São Cristóvão - SE 0,386 0,473 0,139 0,764 0,522 SE 28 São Domingos - SE 0,711 0,742 0,133 0,810 0,693 SE 28 São Francisco - SE 0,659 0,702 0,097 0,795 0,660 SE 28 São Miguel do Aleixo - SE 0,760 0,468 0,312 0,778 0,650 SE 28 Simão Dias - SE 0,648 0,398 0,266 0,785 0,600 SE 28 Siriri - SE 0,524 0,572 0,288 0,818 0,620 SE 28 Telha - SE 0,587 0,237 0,100 0,793 0,530 SE 28 Tobias Barreto - SE 0,710 0,283 0,202 0,733 0,564 SE 28 Tomar do Geru - SE 0,745 0,723 0,387 0,762 0,708 SE 28 Umbaúba - SE 0,644 0,742 0,300 0,783 0,682 BA 29 Abaíra - BA 0,586 0,663 0,190 0,789 0,638 BA 29 Abaré - BA 0,645 0,428 0,352 0,756 0,604 BA 29 Acajutiba - BA 0,620 0,735 0,268 0,764 0,663 BA 29 Adustina - BA 0,784 0,563 0,428 0,736 0,676
121
BA 29 Água Fria - BA 0,684 0,763 0,441 0,779 0,712 BA 29 Érico Cardoso - BA 0,710 0,733 0,322 0,744 0,686 BA 29 Aiquara - BA 0,629 0,283 0,284 0,818 0,582 BA 29 Alagoinhas - BA 0,321 0,340 0,097 0,667 0,431 BA 29 Alcobaça - BA 0,609 0,546 0,330 0,753 0,618 BA 29 Almadina - BA 0,750 0,228 0,232 0,826 0,601 BA 29 Amargosa - BA 0,561 0,596 0,189 0,730 0,593 BA 29 Amélia Rodrigues - BA 0,389 0,678 0,194 0,748 0,570 BA 29 América Dourada - BA 0,677 0,782 0,272 0,772 0,694 BA 29 Anagé - BA 0,801 0,650 0,536 0,781 0,730 BA 29 Andaraí - BA 0,701 0,659 0,398 0,749 0,677 BA 29 Andorinha - BA 0,637 0,499 0,405 0,731 0,615 BA 29 Angical - BA 0,586 0,608 0,366 0,791 0,645 BA 29 Anguera - BA 0,638 0,556 0,375 0,795 0,649 BA 29 Antas - BA 0,633 0,371 0,244 0,774 0,583 BA 29 Antônio Cardoso - BA 0,695 0,653 0,439 0,778 0,689 BA 29 Antônio Gonçalves - BA 0,574 0,648 0,278 0,752 0,627 BA 29 Aporá - BA 0,701 0,775 0,316 0,758 0,698 BA 29 Apuarema - BA 0,748 0,441 0,325 0,798 0,650 BA 29 Aracatu - BA 0,725 0,742 0,506 0,749 0,714 BA 29 Araças - BA 0,603 0,735 0,330 0,802 0,679 BA 29 Araci - BA 0,790 0,542 0,473 0,734 0,677 BA 29 Aramari - BA 0,582 0,702 0,309 0,807 0,665 BA 29 Arataca - BA 0,742 0,673 0,364 0,829 0,718 BA 29 Aratuípe - BA 0,630 0,622 0,335 0,750 0,641 BA 29 Aurelino Leal - BA 0,685 0,407 0,291 0,808 0,624 BA 29 Baianópolis - BA 0,697 0,684 0,341 0,726 0,667 BA 29 Baixa Grande - BA 0,665 0,486 0,368 0,750 0,623 BA 29 Banzaê - BA 0,669 0,621 0,161 0,782 0,645 BA 29 Barra - BA 0,635 0,679 0,431 0,711 0,652 BA 29 Barra da Estiva - BA 0,578 0,395 0,282 0,768 0,575 BA 29 Barra do Choça - BA 0,733 0,566 0,220 0,795 0,662 BA 29 Barra do Mendes - BA 0,497 0,759 0,265 0,738 0,623 BA 29 Barra do Rocha - BA 0,657 0,388 0,337 0,818 0,620 BA 29 Barreiras - BA 0,302 0,508 0,101 0,621 0,448 BA 29 Barro Alto - BA 0,528 0,711 0,259 0,726 0,616 BA 29 Barrocas - BA 0,574 0,547 0,232 0,760 0,601 BA 29 Barro Preto - BA 0,611 0,254 0,247 0,812 0,564 BA 29 Belmonte - BA 0,609 0,364 0,251 0,814 0,590 BA 29 Belo Campo - BA 0,692 0,753 0,441 0,773 0,710 BA 29 Biritinga - BA 0,713 0,639 0,380 0,760 0,678 BA 29 Boa Nova - BA 0,720 0,531 0,386 0,780 0,662 BA 29 Boa Vista do Tupim - BA 0,727 0,735 0,397 0,806 0,723 BA 29 Bom Jesus da Lapa - BA 0,508 0,498 0,258 0,703 0,552 BA 29 Bom Jesus da Serra - BA 0,729 0,764 0,512 0,736 0,717 BA 29 Boninal - BA 0,605 0,630 0,302 0,750 0,633 BA 29 Bonito - BA 0,611 0,754 0,291 0,751 0,662 BA 29 Boquira - BA 0,633 0,714 0,420 0,723 0,663 BA 29 Botuporã - BA 0,677 0,525 0,360 0,753 0,636 BA 29 Brejões - BA 0,616 0,519 0,277 0,803 0,627 BA 29 Brejolândia - BA 0,630 0,768 0,416 0,770 0,692 BA 29 Brotas de Macaúbas - BA 0,628 0,590 0,413 0,736 0,636 BA 29 Brumado - BA 0,447 0,298 0,174 0,726 0,487 BA 29 Buerarema - BA 0,589 0,295 0,224 0,821 0,568 BA 29 Buritirama - BA 0,661 0,750 0,468 0,717 0,682 BA 29 Caatiba - BA 0,738 0,312 0,302 0,838 0,629 BA 29 Cabaceiras do Paraguaçu - BA 0,671 0,724 0,448 0,742 0,686 BA 29 Cachoeira - BA 0,442 0,366 0,239 0,740 0,514 BA 29 Caculé - BA 0,563 0,613 0,182 0,735 0,598 BA 29 Caém - BA 0,676 0,714 0,376 0,756 0,683 BA 29 Caetanos - BA 0,729 0,687 0,606 0,743 0,711 BA 29 Caetité - BA 0,579 0,496 0,276 0,671 0,562 BA 29 Cafarnaum - BA 0,604 0,750 0,286 0,722 0,648 BA 29 Cairu - BA 0,513 0,411 0,133 0,783 0,550 BA 29 Caldeirão Grande - BA 0,677 0,762 0,323 0,724 0,677 BA 29 Camacan - BA 0,625 0,233 0,216 0,777 0,547
122
BA 29 Camaçari - BA 0,292 0,277 0,100 0,694 0,419 BA 29 Camamu - BA 0,657 0,555 0,368 0,750 0,637 BA 29 Campo Alegre de Lourdes - BA 0,716 0,731 0,717 0,676 0,705 BA 29 Campo Formoso - BA 0,640 0,684 0,357 0,727 0,652 BA 29 Canápolis - BA 0,694 0,638 0,330 0,742 0,660 BA 29 Canarana - BA 0,578 0,770 0,267 0,757 0,657 BA 29 Canavieiras - BA 0,596 0,374 0,236 0,796 0,580 BA 29 Candeal - BA 0,648 0,738 0,409 0,803 0,701 BA 29 Candeias - BA 0,311 0,210 0,104 0,750 0,430 BA 29 Candiba - BA 0,657 0,742 0,238 0,772 0,675 BA 29 Cândido Sales - BA 0,639 0,719 0,264 0,781 0,671 BA 29 Cansanção - BA 0,720 0,535 0,461 0,720 0,649 BA 29 Canudos - BA 0,678 0,628 0,359 0,758 0,662 BA 29 Capela do Alto Alegre - BA 0,675 0,528 0,236 0,806 0,643 BA 29 Capim Grosso - BA 0,572 0,681 0,130 0,748 0,616 BA 29 Caraíbas - BA 0,786 0,721 0,478 0,761 0,728 BA 29 Caravelas - BA 0,619 0,590 0,252 0,761 0,626 BA 29 Cardeal da Silva - BA 0,630 0,655 0,351 0,825 0,679 BA 29 Carinhanha - BA 0,622 0,742 0,363 0,756 0,673 BA 29 Casa Nova - BA 0,667 0,491 0,417 0,738 0,626 BA 29 Castro Alves - BA 0,582 0,375 0,267 0,759 0,566 BA 29 Catolândia - BA 0,677 0,707 0,329 0,813 0,698 BA 29 Catu - BA 0,364 0,218 0,123 0,713 0,435 BA 29 Caturama - BA 0,715 0,641 0,404 0,750 0,678 BA 29 Central - BA 0,539 0,699 0,317 0,737 0,627 BA 29 Chorrochó - BA 0,689 0,570 0,491 0,720 0,652 BA 29 Cícero Dantas - BA 0,702 0,441 0,256 0,752 0,612 BA 29 Cipó - BA 0,600 0,698 0,208 0,741 0,634 BA 29 Coaraci - BA 0,581 0,142 0,151 0,787 0,510 BA 29 Cocos - BA 0,652 0,728 0,357 0,763 0,680 BA 29 Conceição da Feira - BA 0,449 0,717 0,183 0,775 0,605 BA 29 Conceição do Almeida - BA 0,576 0,533 0,295 0,786 0,615 BA 29 Conceição do Coité - BA 0,557 0,520 0,220 0,787 0,598 BA 29 Conceição do Jacuípe - BA 0,386 0,696 0,196 0,760 0,578 BA 29 Conde - BA 0,660 0,673 0,351 0,725 0,654 BA 29 Condeúba - BA 0,688 0,689 0,316 0,777 0,681 BA 29 Contendas do Sincorá - BA 0,675 0,661 0,314 0,770 0,669 BA 29 Coração de Maria - BA 0,579 0,723 0,389 0,805 0,677 BA 29 Cordeiros - BA 0,671 0,729 0,292 0,782 0,686 BA 29 Coribe - BA 0,663 0,723 0,274 0,771 0,676 BA 29 Coronel João Sá - BA 0,837 0,572 0,442 0,801 0,719 BA 29 Correntina - BA 0,608 0,651 0,339 0,756 0,645 BA 29 Cotegipe - BA 0,662 0,725 0,406 0,771 0,690 BA 29 Cravolândia - BA 0,636 0,290 0,270 0,753 0,560 BA 29 Crisópolis - BA 0,770 0,719 0,332 0,726 0,695 BA 29 Cristópolis - BA 0,634 0,612 0,335 0,731 0,633 BA 29 Cruz das Almas - BA 0,328 0,618 0,129 0,712 0,518 BA 29 Curaçá - BA 0,649 0,505 0,414 0,776 0,638 BA 29 Dário Meira - BA 0,769 0,433 0,388 0,811 0,665 BA 29 Dias d'Ávila - BA 0,311 0,302 0,121 0,747 0,452 BA 29 Dom Basílio - BA 0,652 0,753 0,375 0,758 0,685 BA 29 Dom Macedo Costa - BA 0,541 0,693 0,292 0,774 0,637 BA 29 Elísio Medrado - BA 0,631 0,789 0,272 0,766 0,680 BA 29 Encruzilhada - BA 0,741 0,649 0,367 0,802 0,702 BA 29 Entre Rios - BA 0,539 0,693 0,229 0,767 0,627 BA 29 Esplanada - BA 0,612 0,651 0,255 0,735 0,629 BA 29 Euclides da Cunha - BA 0,693 0,670 0,280 0,737 0,660 BA 29 Eunápolis - BA 0,427 0,483 0,120 0,665 0,496 BA 29 Fátima - BA 0,762 0,412 0,295 0,728 0,617 BA 29 Feira da Mata - BA 0,615 0,757 0,392 0,751 0,675 BA 29 Feira de Santana - BA 0,310 0,304 0,105 0,599 0,395 BA 29 Filadélfia - BA 0,623 0,691 0,294 0,721 0,641 BA 29 Firmino Alves - BA 0,633 0,223 0,192 0,817 0,559 BA 29 Floresta Azul - BA 0,692 0,272 0,212 0,824 0,592 BA 29 Formosa do Rio Preto - BA 0,556 0,774 0,337 0,747 0,655 BA 29 Gandu - BA 0,571 0,374 0,247 0,716 0,545
123
BA 29 Gavião - BA 0,631 0,662 0,356 0,811 0,676 BA 29 Gentio do Ouro - BA 0,665 0,774 0,320 0,733 0,679 BA 29 Glória - BA 0,684 0,606 0,397 0,767 0,666 BA 29 Gongogi - BA 0,680 0,311 0,306 0,813 0,603 BA 29 Governador Mangabeira - BA 0,451 0,723 0,348 0,735 0,610 BA 29 Guajeru - BA 0,742 0,728 0,441 0,740 0,706 BA 29 Guanambi - BA 0,444 0,359 0,150 0,676 0,480 BA 29 Guaratinga - BA 0,771 0,459 0,373 0,779 0,658 BA 29 Heliópolis - BA 0,749 0,712 0,266 0,751 0,689 BA 29 Iaçu - BA 0,670 0,569 0,240 0,733 0,624 BA 29 Ibiassucê - BA 0,605 0,738 0,214 0,745 0,647 BA 29 Ibicaraí - BA 0,563 0,291 0,151 0,785 0,538 BA 29 Ibicoara - BA 0,541 0,647 0,267 0,790 0,630 BA 29 Ibicuí - BA 0,661 0,341 0,246 0,812 0,598 BA 29 Ibipeba - BA 0,527 0,737 0,253 0,723 0,620 BA 29 Ibipitanga - BA 0,698 0,722 0,408 0,728 0,684 BA 29 Ibiquera - BA 0,775 0,839 0,442 0,766 0,751 BA 29 Ibirapitanga - BA 0,734 0,448 0,375 0,802 0,654 BA 29 Ibirapuã - BA 0,630 0,428 0,245 0,767 0,593 BA 29 Ibirataia - BA 0,672 0,224 0,216 0,812 0,571 BA 29 Ibitiara - BA 0,641 0,630 0,390 0,745 0,651 BA 29 Ibititá - BA 0,579 0,784 0,222 0,745 0,651 BA 29 Ibotirama - BA 0,499 0,546 0,195 0,744 0,569 BA 29 Ichu - BA 0,470 0,780 0,230 0,775 0,631 BA 29 Igaporã - BA 0,556 0,595 0,278 0,778 0,619 BA 29 Igrapiúna - BA 0,686 0,601 0,499 0,761 0,674 BA 29 Iguaí - BA 0,745 0,331 0,326 0,780 0,617 BA 29 Ilhéus - BA 0,387 0,288 0,176 0,657 0,442 BA 29 Inhambupe - BA 0,666 0,536 0,315 0,776 0,639 BA 29 Ipecaetá - BA 0,689 0,743 0,484 0,780 0,714 BA 29 Ipiaú - BA 0,505 0,268 0,129 0,629 0,456 BA 29 Ipirá - BA 0,705 0,399 0,345 0,782 0,624 BA 29 Ipupiara - BA 0,544 0,737 0,184 0,782 0,640 BA 29 Irajuba - BA 0,685 0,734 0,344 0,807 0,706 BA 29 Iramaia - BA 0,659 0,776 0,417 0,768 0,701 BA 29 Iraquara - BA 0,547 0,720 0,367 0,731 0,637 BA 29 Irará - BA 0,587 0,727 0,382 0,760 0,663 BA 29 Irecê - BA 0,381 0,559 0,086 0,684 0,504 BA 29 Itabela - BA 0,624 0,775 0,182 0,772 0,668 BA 29 Itaberaba - BA 0,527 0,245 0,186 0,718 0,496 BA 29 Itabuna - BA 0,321 0,152 0,100 0,658 0,384 BA 29 Itacaré - BA 0,655 0,500 0,433 0,801 0,650 BA 29 Itaeté - BA 0,648 0,738 0,337 0,770 0,681 BA 29 Itagi - BA 0,722 0,364 0,245 0,815 0,622 BA 29 Itagibá - BA 0,639 0,283 0,242 0,815 0,579 BA 29 Itagimirim - BA 0,617 0,189 0,171 0,789 0,534 BA 29 Itaguaçu da Bahia - BA 0,713 0,692 0,426 0,727 0,683 BA 29 Itaju do Colônia - BA 0,635 0,271 0,253 0,827 0,581 BA 29 Itajuípe - BA 0,585 0,356 0,192 0,785 0,564 BA 29 Itamaraju - BA 0,578 0,361 0,182 0,741 0,546 BA 29 Itamari - BA 0,679 0,471 0,263 0,784 0,625 BA 29 Itambé - BA 0,656 0,155 0,178 0,810 0,545 BA 29 Itanagra - BA 0,667 0,615 0,334 0,751 0,651 BA 29 Itanhém - BA 0,591 0,274 0,209 0,763 0,540 BA 29 Itaparica - BA 0,342 0,412 0,168 0,736 0,488 BA 29 Itapé - BA 0,589 0,356 0,246 0,826 0,587 BA 29 Itapebi - BA 0,689 0,742 0,246 0,817 0,702 BA 29 Itapetinga - BA 0,439 0,085 0,083 0,705 0,418 BA 29 Itapicuru - BA 0,886 0,697 0,407 0,767 0,746 BA 29 Itapitanga - BA 0,670 0,200 0,211 0,841 0,575 BA 29 Itaquara - BA 0,760 0,320 0,302 0,812 0,628 BA 29 Itarantim - BA 0,614 0,225 0,176 0,784 0,540 BA 29 Itatim - BA 0,635 0,767 0,216 0,786 0,678 BA 29 Itiruçu - BA 0,625 0,369 0,185 0,770 0,572 BA 29 Itiúba - BA 0,709 0,603 0,469 0,737 0,669 BA 29 Itororó - BA 0,617 0,241 0,155 0,825 0,558
124
BA 29 Ituaçu - BA 0,692 0,694 0,359 0,761 0,683 BA 29 Ituberá - BA 0,587 0,505 0,268 0,764 0,600 BA 29 Iuiú - BA 0,652 0,671 0,349 0,786 0,674 BA 29 Jaborandi - BA 0,622 0,424 0,296 0,703 0,571 BA 29 Jacaraci - BA 0,658 0,686 0,265 0,762 0,661 BA 29 Jacobina - BA 0,476 0,361 0,152 0,725 0,508 BA 29 Jaguaquara - BA 0,661 0,554 0,224 0,792 0,638 BA 29 Jaguarari - BA 0,510 0,344 0,220 0,677 0,503 BA 29 Jaguaripe - BA 0,721 0,705 0,425 0,711 0,682 BA 29 Jandaíra - BA 0,699 0,746 0,334 0,779 0,701 BA 29 Jequié - BA 0,442 0,179 0,122 0,713 0,448 BA 29 Jeremoabo - BA 0,741 0,524 0,359 0,729 0,645 BA 29 Jiquiriçá - BA 0,674 0,517 0,369 0,776 0,643 BA 29 Jitaúna - BA 0,681 0,393 0,302 0,789 0,613 BA 29 João Dourado - BA 0,566 0,764 0,205 0,757 0,645 BA 29 Juazeiro - BA 0,395 0,282 0,157 0,705 0,460 BA 29 Jucuruçu - BA 0,726 0,490 0,486 0,825 0,682 BA 29 Jussara - BA 0,635 0,751 0,287 0,717 0,655 BA 29 Jussari - BA 0,702 0,274 0,204 0,820 0,593 BA 29 Jussiape - BA 0,629 0,562 0,254 0,734 0,613 BA 29 Lafaiete Coutinho - BA 0,647 0,461 0,261 0,774 0,610 BA 29 Lagoa Real - BA 0,696 0,717 0,436 0,750 0,693 BA 29 Laje - BA 0,653 0,569 0,373 0,751 0,640 BA 29 Lajedão - BA 0,646 0,265 0,203 0,762 0,553 BA 29 Lajedinho - BA 0,727 0,589 0,516 0,768 0,688 BA 29 Lajedo do Tabocal - BA 0,684 0,753 0,252 0,793 0,695 BA 29 Lamarão - BA 0,781 0,620 0,553 0,797 0,725 BA 29 Lapão - BA 0,560 0,700 0,249 0,732 0,624 BA 29 Lauro de Freitas - BA 0,237 0,151 0,060 0,387 0,254 BA 29 Lençóis - BA 0,528 0,381 0,280 0,722 0,540 BA 29 Licínio de Almeida - BA 0,590 0,720 0,262 0,775 0,655 BA 29 Livramento de Nossa Senhora - BA 0,599 0,514 0,287 0,753 0,604 BA 29 Luís Eduardo Magalhães - BA 0,348 0,629 0,139 0,487 0,443 BA 29 Macajuba - BA 0,754 0,428 0,375 0,771 0,643 BA 29 Macarani - BA 0,647 0,228 0,176 0,792 0,553 BA 29 Macaúbas - BA 0,636 0,548 0,309 0,758 0,626 BA 29 Macururé - BA 0,604 0,754 0,563 0,761 0,694 BA 29 Madre de Deus - BA 0,205 0,073 0,048 0,714 0,348 BA 29 Maetinga - BA 0,779 0,582 0,430 0,768 0,691 BA 29 Maiquinique - BA 0,651 0,251 0,200 0,836 0,578 BA 29 Mairi - BA 0,665 0,371 0,302 0,776 0,599 BA 29 Malhada - BA 0,660 0,678 0,354 0,765 0,671 BA 29 Malhada de Pedras - BA 0,662 0,675 0,374 0,768 0,674 BA 29 Manoel Vitorino - BA 0,701 0,737 0,435 0,775 0,709 BA 29 Mansidão - BA 0,532 0,753 0,487 0,765 0,666 BA 29 Maracás - BA 0,606 0,730 0,272 0,763 0,658 BA 29 Maragogipe - BA 0,564 0,439 0,294 0,712 0,561 BA 29 Maraú - BA 0,696 0,619 0,525 0,662 0,647 BA 29 Marcionílio Souza - BA 0,706 0,681 0,317 0,797 0,693 BA 29 Mascote - BA 0,692 0,474 0,261 0,805 0,637 BA 29 Mata de São João - BA 0,374 0,453 0,170 0,747 0,511 BA 29 Matina - BA 0,732 0,756 0,452 0,775 0,724 BA 29 Medeiros Neto - BA 0,601 0,511 0,173 0,783 0,602 BA 29 Miguel Calmon - BA 0,603 0,451 0,266 0,734 0,580 BA 29 Milagres - BA 0,575 0,705 0,201 0,781 0,642 BA 29 Mirangaba - BA 0,674 0,632 0,375 0,752 0,661 BA 29 Mirante - BA 0,773 0,591 0,559 0,740 0,695 BA 29 Monte Santo - BA 0,826 0,667 0,559 0,716 0,719 BA 29 Morpará - BA 0,699 0,747 0,268 0,757 0,686 BA 29 Morro do Chapéu - BA 0,619 0,674 0,357 0,773 0,662 BA 29 Mortugaba - BA 0,627 0,729 0,283 0,760 0,664 BA 29 Mucugê - BA 0,572 0,481 0,309 0,802 0,609 BA 29 Mucuri - BA 0,476 0,570 0,224 0,688 0,550 BA 29 Mulungu do Morro - BA 0,635 0,789 0,510 0,736 0,695 BA 29 Mundo Novo - BA 0,651 0,475 0,289 0,722 0,598 BA 29 Muniz Ferreira - BA 0,558 0,552 0,267 0,774 0,607
125
BA 29 Muquém de São Francisco - BA 0,698 0,671 0,425 0,764 0,687 BA 29 Muritiba - BA 0,454 0,631 0,200 0,734 0,573 BA 29 Mutuípe - BA 0,636 0,405 0,335 0,678 0,565 BA 29 Nazaré - BA 0,479 0,377 0,169 0,699 0,504 BA 29 Nilo Peçanha - BA 0,699 0,575 0,411 0,814 0,682 BA 29 Nordestina - BA 0,677 0,732 0,512 0,743 0,697 BA 29 Nova Canaã - BA 0,777 0,469 0,354 0,808 0,671 BA 29 Nova Fátima - BA 0,623 0,261 0,167 0,808 0,559 BA 29 Nova Ibiá - BA 0,725 0,528 0,426 0,782 0,668 BA 29 Nova Itarana - BA 0,760 0,741 0,321 0,774 0,714 BA 29 Nova Redenção - BA 0,680 0,690 0,312 0,807 0,691 BA 29 Nova Soure - BA 0,723 0,774 0,325 0,732 0,696 BA 29 Nova Viçosa - BA 0,506 0,645 0,240 0,705 0,585 BA 29 Novo Horizonte - BA 0,610 0,650 0,318 0,752 0,641 BA 29 Novo Triunfo - BA 0,628 0,366 0,320 0,781 0,591 BA 29 Olindina - BA 0,713 0,429 0,257 0,755 0,614 BA 29 Oliveira dos Brejinhos - BA 0,643 0,684 0,335 0,767 0,666 BA 29 Ouriçangas - BA 0,631 0,622 0,295 0,781 0,649 BA 29 Ourolândia - BA 0,688 0,658 0,340 0,755 0,669 BA 29 Palmas de Monte Alto - BA 0,696 0,657 0,412 0,750 0,676 BA 29 Palmeiras - BA 0,481 0,539 0,213 0,717 0,554 BA 29 Paramirim - BA 0,570 0,465 0,235 0,744 0,575 BA 29 Paratinga - BA 0,620 0,744 0,412 0,734 0,669 BA 29 Paripiranga - BA 0,692 0,559 0,403 0,727 0,643 BA 29 Pau Brasil - BA 0,663 0,306 0,307 0,792 0,590 BA 29 Paulo Afonso - BA 0,449 0,155 0,125 0,650 0,421 BA 29 Pé de Serra - BA 0,661 0,762 0,353 0,788 0,699 BA 29 Pedrão - BA 0,606 0,745 0,459 0,791 0,692 BA 29 Pedro Alexandre - BA 0,864 0,758 0,647 0,755 0,775 BA 29 Piatã - BA 0,670 0,708 0,341 0,789 0,688 BA 29 Pilão Arcado - BA 0,802 0,761 0,611 0,702 0,734 BA 29 Pindaí - BA 0,639 0,738 0,380 0,757 0,679 BA 29 Pindobaçu - BA 0,614 0,439 0,256 0,774 0,595 BA 29 Pintadas - BA 0,606 0,390 0,315 0,795 0,595 BA 29 Piraí do Norte - BA 0,719 0,618 0,517 0,815 0,709 BA 29 Piripá - BA 0,653 0,703 0,321 0,829 0,695 BA 29 Piritiba - BA 0,627 0,515 0,224 0,774 0,613 BA 29 Planaltino - BA 0,736 0,790 0,411 0,758 0,722 BA 29 Planalto - BA 0,722 0,758 0,324 0,801 0,718 BA 29 Poções - BA 0,646 0,291 0,191 0,759 0,556 BA 29 Pojuca - BA 0,345 0,095 0,114 0,746 0,412 BA 29 Ponto Novo - BA 0,651 0,695 0,235 0,760 0,658 BA 29 Porto Seguro - BA 0,403 0,266 0,201 0,703 0,462 BA 29 Potiraguá - BA 0,554 0,215 0,150 0,798 0,523 BA 29 Prado - BA 0,557 0,687 0,291 0,744 0,629 BA 29 Presidente Dutra - BA 0,486 0,720 0,157 0,765 0,610 BA 29 Presidente Jânio Quadros - BA 0,805 0,493 0,490 0,782 0,689 BA 29 Presidente Tancredo Neves - BA 0,694 0,568 0,420 0,740 0,652 BA 29 Queimadas - BA 0,620 0,481 0,336 0,779 0,617 BA 29 Quijingue - BA 0,766 0,676 0,478 0,702 0,690 BA 29 Quixabeira - BA 0,705 0,729 0,237 0,750 0,677 BA 29 Rafael Jambeiro - BA 0,741 0,679 0,405 0,772 0,702 BA 29 Remanso - BA 0,687 0,398 0,376 0,734 0,604 BA 29 Retirolândia - BA 0,527 0,604 0,204 0,790 0,609 BA 29 Riachão das Neves - BA 0,704 0,696 0,379 0,803 0,705 BA 29 Riachão do Jacuípe - BA 0,500 0,274 0,204 0,776 0,519 BA 29 Riacho de Santana - BA 0,634 0,712 0,347 0,736 0,660 BA 29 Ribeira do Amparo - BA 0,801 0,768 0,384 0,718 0,717 BA 29 Ribeira do Pombal - BA 0,613 0,557 0,198 0,764 0,612 BA 29 Ribeirão do Largo - BA 0,767 0,556 0,368 0,824 0,696 BA 29 Rio de Contas - BA 0,584 0,610 0,213 0,777 0,623 BA 29 Rio do Antônio - BA 0,687 0,630 0,333 0,730 0,652 BA 29 Rio do Pires - BA 0,665 0,751 0,285 0,778 0,687 BA 29 Rio Real - BA 0,638 0,703 0,287 0,764 0,663 BA 29 Rodelas - BA 0,527 0,117 0,152 0,779 0,485 BA 29 Ruy Barbosa - BA 0,601 0,397 0,246 0,782 0,583
126
BA 29 Salinas da Margarida - BA 0,424 0,674 0,087 0,725 0,559 BA 29 Salvador - BA 0,194 0,056 0,052 0,460 0,246 BA 29 Santa Bárbara - BA 0,623 0,700 0,335 0,787 0,672 BA 29 Santa Brígida - BA 0,767 0,498 0,428 0,740 0,658 BA 29 Santa Cruz Cabrália - BA 0,445 0,423 0,244 0,741 0,530 BA 29 Santa Cruz da Vitória - BA 0,590 0,217 0,201 0,821 0,548 BA 29 Santa Inês - BA 0,644 0,284 0,184 0,777 0,560 BA 29 Santaluz - BA 0,597 0,345 0,292 0,773 0,571 BA 29 Santa Luzia - BA 0,736 0,473 0,423 0,833 0,677 BA 29 Santa Maria da Vitória - BA 0,603 0,664 0,239 0,747 0,632 BA 29 Santana - BA 0,641 0,700 0,236 0,751 0,652 BA 29 Santanópolis - BA 0,624 0,730 0,430 0,766 0,681 BA 29 Santa Rita de Cássia - BA 0,572 0,641 0,344 0,714 0,617 BA 29 Santa Teresinha - BA 0,643 0,725 0,360 0,794 0,689 BA 29 Santo Amaro - BA 0,406 0,320 0,175 0,738 0,486 BA 29 Santo Antônio de Jesus - BA 0,357 0,254 0,126 0,682 0,430 BA 29 Santo Estêvão - BA 0,568 0,660 0,266 0,734 0,619 BA 29 São Desidério - BA 0,657 0,698 0,374 0,762 0,676 BA 29 São Domingos - BA 0,563 0,276 0,155 0,787 0,536 BA 29 São Félix - BA 0,443 0,271 0,275 0,753 0,501 BA 29 São Félix do Coribe - BA 0,496 0,764 0,155 0,776 0,627 BA 29 São Felipe - BA 0,576 0,689 0,312 0,762 0,644 BA 29 São Francisco do Conde - BA 0,379 0,286 0,111 0,753 0,469 BA 29 São Gabriel - BA 0,543 0,726 0,237 0,736 0,625 BA 29 São Gonçalo dos Campos - BA 0,469 0,696 0,207 0,723 0,589 BA 29 São José da Vitória - BA 0,709 0,223 0,235 0,827 0,589 BA 29 São José do Jacuípe - BA 0,727 0,530 0,262 0,793 0,656 BA 29 São Miguel das Matas - BA 0,655 0,625 0,381 0,768 0,661 BA 29 São Sebastião do Passé - BA 0,407 0,290 0,187 0,742 0,482 BA 29 Sapeaçu - BA 0,500 0,729 0,291 0,748 0,624 BA 29 Sátiro Dias - BA 0,758 0,581 0,369 0,744 0,669 BA 29 Saubara - BA 0,427 0,540 0,093 0,784 0,551 BA 29 Saúde - BA 0,627 0,619 0,264 0,764 0,638 BA 29 Seabra - BA 0,474 0,741 0,298 0,709 0,605 BA 29 Sebastião Laranjeiras - BA 0,617 0,681 0,312 0,770 0,656 BA 29 Senhor do Bonfim - BA 0,430 0,351 0,125 0,708 0,483 BA 29 Serra do Ramalho - BA 0,602 0,779 0,367 0,787 0,687 BA 29 Sento Sé - BA 0,647 0,533 0,347 0,724 0,617 BA 29 Serra Dourada - BA 0,597 0,708 0,335 0,778 0,663 BA 29 Serra Preta - BA 0,697 0,675 0,356 0,805 0,696 BA 29 Serrinha - BA 0,479 0,379 0,219 0,742 0,526 BA 29 Serrolândia - BA 0,587 0,705 0,157 0,763 0,634 BA 29 Simões Filho - BA 0,305 0,272 0,138 0,759 0,450 BA 29 Sítio do Mato - BA 0,603 0,688 0,338 0,750 0,650 BA 29 Sítio do Quinto - BA 0,826 0,661 0,287 0,730 0,694 BA 29 Sobradinho - BA 0,505 0,211 0,119 0,767 0,493 BA 29 Souto Soares - BA 0,576 0,740 0,345 0,710 0,640 BA 29 Tabocas do Brejo Velho - BA 0,681 0,716 0,330 0,733 0,671 BA 29 Tanhaçu - BA 0,679 0,687 0,330 0,735 0,664 BA 29 Tanque Novo - BA 0,678 0,723 0,348 0,677 0,653 BA 29 Tanquinho - BA 0,549 0,426 0,230 0,788 0,576 BA 29 Taperoá - BA 0,698 0,570 0,422 0,738 0,653 BA 29 Tapiramutá - BA 0,633 0,751 0,280 0,708 0,651 BA 29 Teixeira de Freitas - BA 0,409 0,206 0,108 0,673 0,428 BA 29 Teodoro Sampaio - BA 0,596 0,593 0,205 0,766 0,617 BA 29 Teofilândia - BA 0,666 0,576 0,372 0,728 0,637 BA 29 Teolândia - BA 0,725 0,535 0,549 0,800 0,690 BA 29 Terra Nova - BA 0,506 0,290 0,203 0,799 0,533 BA 29 Tremedal - BA 0,777 0,706 0,491 0,777 0,730 BA 29 Tucano - BA 0,714 0,421 0,323 0,677 0,590 BA 29 Uauá - BA 0,593 0,757 0,389 0,752 0,669 BA 29 Ubaíra - BA 0,715 0,487 0,328 0,755 0,635 BA 29 Ubaitaba - BA 0,578 0,296 0,232 0,755 0,541 BA 29 Ubatã - BA 0,629 0,360 0,283 0,773 0,583 BA 29 Uibaí - BA 0,494 0,756 0,156 0,736 0,610 BA 29 Umburanas - BA 0,690 0,727 0,480 0,751 0,699
127
BA 29 Una - BA 0,645 0,598 0,409 0,814 0,672 BA 29 Urandi - BA 0,644 0,700 0,254 0,753 0,656 BA 29 Uruçuca - BA 0,575 0,316 0,253 0,810 0,568 BA 29 Utinga - BA 0,592 0,761 0,252 0,691 0,632 BA 29 Valença - BA 0,515 0,302 0,240 0,736 0,519 BA 29 Valente - BA 0,475 0,396 0,160 0,766 0,532 BA 29 Várzea da Roça - BA 0,762 0,625 0,268 0,772 0,680 BA 29 Várzea do Poço - BA 0,630 0,646 0,153 0,754 0,629 BA 29 Várzea Nova - BA 0,647 0,535 0,289 0,764 0,626 BA 29 Varzedo - BA 0,665 0,541 0,339 0,733 0,627 BA 29 Vera Cruz - BA 0,414 0,576 0,141 0,741 0,545 BA 29 Vereda - BA 0,735 0,524 0,276 0,840 0,676 BA 29 Vitória da Conquista - BA 0,413 0,314 0,113 0,651 0,447 BA 29 Wagner - BA 0,607 0,782 0,243 0,756 0,665 BA 29 Wanderley - BA 0,613 0,761 0,382 0,731 0,667 BA 29 Wenceslau Guimarães - BA 0,745 0,581 0,485 0,786 0,694 BA 29 Xique-Xique - BA 0,590 0,494 0,269 0,739 0,589
Fonte: Elaborado pela autora com dados do IBGE – Censo Demográfico 2010. Notas: (1) No cálculo do IFP são considerados os pesos conforme mostra o Quadro 3.
(2) Valores mais próximos de “um” indicam maior grau de incidência de pobreza.
