UNIVERSIDADE FEDERAL DE ALAGOAS

FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE

CURSO DE MESTRADO EM ECONOMIA APLICADA

Edler Angelino de Sousa

EFEITOS DA EDUCAÇÃO SOBRE A SAÚDE DO INDIVÍDUO:

UMA ANÁLISE PARA A REGIÃO NORDESTE DO BRASIL.

Maceió – Alagoas 2010

ii

UNIVERSIDADE FEDERAL DE ALAGOAS

FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE

CURSO DE MESTRADO EM ECONOMIA APLICADA

Edler Angelino de Sousa

EFEITOS DA EDUCAÇÃO SOBRE A SAÚDE DO INDIVÍDUO: UMA ANÁLISE PARA A REGIÃO NORDESTE DO BRASIL.

Dissertação apresentada ao curso de Mestrado em Economia Aplicada da Faculdade de Economia, Administração e Contabilidade da Universidade Federal de Alagoas, como requisito parcial à obtenção do Título de Mestre em Economia Aplicada.

Área de Concentração: Economia do Desenvolvimento

Orientador: Prof. Dr. Anderson de Barros Dantas

Maceió – Alagoas 2010

iii

Folha de Aprovação

____________________________ Prof. Dr. Anderson de Barros Dantas – FEAC - UFAL

Orientador

____________________________ Prof. Dr. Robert Wayne Samohyl - UFSC

____________________________ Prof. Dr. Dilson Jose de Sena Pereira– FEAC - UFAL

iv

Dedicatória

A Deus, fonte de toda inspiração...

v

Agradecimentos

São tantos a agradecer... Mas eu acredito que o homem precisa de algo que esteja acima de seus conhecimentos e entendimento, por isso meus primeiros agradecimentos vão à Deus.

A minha família, em especial a Benedito Cândido e Lourdes Angelina, meus pais, que me iniciaram nos ensinamentos da vida.

A Ariana Borges, minha futura esposa e eterna namorada, motivo real pelo meu esforço e dedicação. Fonte infinita de paciência.

Não poderia deixar de registrar que o apoio financeiro recebido pela Coordenação de Aperfeiçoamento de Pessoal de Nível Superior – CAPES – durante todo o curso do Mestrado foi imprescindível para a realização deste sonho de continuação de qualificação profissional. Aos colegas de curso e professores. Uma turma ímpar. As aulas não teriam sido as mesmas em nenhum outro lugar. Foi construído um relacionamento muito bom entre professores e alunos, com várias sinergias positivas. Mas em especial, a Anderson Moreira, colega de vários debates, ótimas dicas e críticas e de fins de semana também!

A todos, meus sinceros agradecimentos...

vi

Sumário LISTA DE ILUSTRAÇÕES ..................................................................................................... vii

RESUMO .................................................................................................................................... ix

ABSTRACT ................................................................................................................................. x

1. INTRODUÇÃO ..................................................................................................................... 11

2. REVISÃO DA LITERATURA ........................................................................................... 14

2.1. A saúde como um bem .............................................................................................. 14

2.2. Modelo de demanda por saúde de Grossman ......................................................... 15

2.3. Como a educação contribui para um melhor status de saúde ............................... 18

2.4 Como a saúde afeta a educação ................................................................................ 22

2.5. A relação de bi-causalidade entre educação e saúde .............................................. 23

2.6 A função de produção de saúde ............................................................................... 25

3. METODOLOGIA E DESCRIÇÃO DA BASE DE DADOS ............................................ 28

3.2 Variáveis selecionadas ............................................................................................... 29

3.3 Metodologia ............................................................................................................... 30

3.4 Modelos probit e probit ordenado ........................................................................... 31

3.5 O modelo econométrico ............................................................................................ 34

4. ANÁLISE DESCRITIVA .................................................................................................... 35

5. RESULTADOS..................................................................................................................... 47

5.1 Estimando os efeitos da educação sobre a saúde. ................................................... 47

5.2 Tratando a questão da causalidade ......................................................................... 59

6. CONSIDERAÇÕES FINAIS .............................................................................................. 65

REFERÊNCIAS BIBLIOGRÁFICAS .................................................................................... 70

ANEXOS .................................................................................................................................... 76

vii

LISTA DE ILUSTRAÇÕES

Figuras

Figura 1: A Produção de Saúde ..................................................................................... 26

Figura 2: Distribuição das probabilidades calculadas e cut-offs para o modelo Probit

ordenado. ........................................................................................................................ 58

Gráficos

Gráfico 1: Distribuição segundo a auto-avaliação do estado de saúde por sexo, 2003. 36

Gráfico 2: Auto-avaliação do estado de saúde segundo grupos de anos de estudo. ...... 42

Gráfico 3: Distribuição da população residente, por grupos de idade, segundo cobertura

de planos de saúde. ......................................................................................................... 43

Gráfico 4: Distribuição percentual das mulheres de 25 anos ou mais que realizaram

exame de mamografia, segundo grupos de escolaridade, 2003. ..................................... 46

Gráfico 5: Distribuição das probabilidades calculadas por sexo. .................................. 58

Quadros

Quadro 1: Sinopse das variáveis utilizadas no modelo de regressão. ........................... 51

Quadro 2: Estudos que trataram a educação de forma endógena. ................................. 61

Tabelas

Tabela 1: Escolaridade por grupos de anos de estudo e sexo. ....................................... 35

Tabela 2: Auto-avaliação do estado de saúde por grupos de idade, situação do domicílio

e classes de renda. ........................................................................................................... 37

Tabela 3: Indivíduos portadores de doenças crônicas segundo grupos de idade, sexo e

classes de renda. ............................................................................................................. 38

Tabela 4: Avaliação do estado de saúde e médias de idade e escolaridade para os

Estados do Nordeste, 2003. ............................................................................................ 40

Tabela 5: Características dos domicílios nordestinos, 2003. ......................................... 41

viii

Tabela 6: Distribuição da população segundo a realização de consultas médicas nos

últimos 12 meses, 2003. ................................................................................................. 44

Tabela 7: Distribuição da população segundo a realização de consultas médicas nos

últimos 12 meses, 2003. ................................................................................................. 45

Tabela 8: Resultados da estimação do modelo probit. .................................................. 47

Tabela 9: Resultados da estimação do modelo probit. .................................................. 49

Tabela 10: Resultados da estimação do modelo probit. ................................................ 50

Tabela 11: Resultados dos efeitos marginais do modelo probit por sexo...................... 52

Tabela 12: Resultados dos efeitos marginais do modelo probit por grupos de renda. .. 53

Tabela 13: Resultados dos efeitos marginais do modelo probit por grupos de estudo. . 55

Tabela 14: Resultados dos efeitos marginais do modelo probit por grupos de estudo. . 56

Tabela 15: Resultados da estimação do modelo probit ordenado por sexo ................... 57

Tabela 16: Resultados dos efeitos marginais do modelo probit ordenado. ................... 59

Tabela 17: Resultados da estimação dos efeitos marginais do modelo probit com

educação endógena. ........................................................................................................ 63

ix

RESUMO

O objetivo desta dissertação é analisar a relação existente entre as duas mais

importantes características do capital humano: educação e saúde. Ambas, fazem os

indivíduos mais produtivos e são de fundamental importância para o desenvolvimento

de longo prazo de uma economia. A literatura indica que há pelo menos três meios pelos

quais educação e saúde se relacionam: o primeiro é que educação afeta a saúde, hipótese

esta que será testada neste trabalho; o segundo afirma que saúde afeta educação; e por

fim haveria fatores comuns que afetariam educação e saúde simultaneamente. O

entendimento desta relação é fundamental, pois permitiria o melhor direcionamento de

políticas públicas que visem a diminuição da pobreza, das desigualdades e melhorem o

bem estar da sociedade. No intuito de se alcançar o objetivo desta dissertação, foram

utilizados os modelos probit e probit ordenado para estimar os efeitos da educação sobre

a saúde do indivíduo para a região Nordeste do Brasil, utilizando a base de dados da

PNAD de 2003. Os resultados indicam que, de forma geral, um maior nível de

escolaridade contribui de forma positiva e significativa sobre o status de saúde do

indivíduo. Com a instrumentalização da educação verificamos que o efeito médio da

escolaridade sobre a saúde aumentou, mas não encontramos significância estatística

para suportar a hipótese de endogeneidade da educação na equação de saúde, com

exceção da equação de saúde para os homens que foi significativa a 5%. Outras

variáveis que também contribuem para uma melhor avaliação do estado de saúde são a

renda, cor/ração e a internet. Uma vez que a estimação dos cut-offs do modelo probit

ordenado mostrou-se significativa, temos um modelo bastante apropriado,

configurando-se numa boa alternativa para as pesquisas na área de Econometria da

Saúde.

Palavras-chave: Educação; Saúde; região Nordeste.

x

ABSTRACT

What are the effects of education on individual health? An analysis for the

Northeast region of Brazil

The aim of this dissertation is to analyze the relationship between the two most

important characteristics of human capital: education and health. Both make individuals

more productive and are of fundamental importance for the long-term development of

an economy. The literature indicates that there are at least three ways in which

education and health are related: the first is that education affects health, this hypothesis

will be tested in this work; the second says the health affects education, and finally there

common factors that affect education and health simultaneously. Understanding this

relationship is crucial as it would enable better targeting of public policies aimed at

reducing poverty, inequalities and improve the welfare of society. In intention to

achieve the goal of this dissertation, we used the probit and ordered probit models to

estimate the effects of education on an individual's health for the Northeast region of

Brazil, using the database from PNAD 2003, a Brazilian household survey. The results

indicate that, in general, a higher level of education contributes positively and

significantly on the health status of the individual. With the instrumentalization of

education found that the average effect of schooling on health has increased, but found

no statistical significance to support the hypothesis of endogeneity of education in the

health equation, with the exception of the equation of health for men was significant at

5% . Other variables that also contribute to a better assessment of health status are

income, race / feed and the Internet. Since the estimation of cut-offs of the ordered

probit model was significant, we have a very suitable model, becoming a good

alternative for research in Health Econometrics.

Keywords: Education; Health; Northeast region

11

1. INTRODUÇÃO

Educação e saúde são as duas mais importantes características do capital humano:

ambas, educação e saúde fazem os indivíduos mais produtivos. Espera-se que uma

maior educação traga maiores retornos no mercado de trabalho e os indivíduos somente

ofertarão sua mão-de-obra se estiverem em boas condições físicas e mentais, ou seja,

somente se estiverem com um bom estado de saúde. A associação positiva entre

educação e saúde pode ser atribuída em parte a diferenças na renda entre os países.

Saúde e prosperidade econômica estão positivamente relacionadas. Países de baixa

renda têm menos recursos para gastar no financiamento de educação pública e cuidados

com a saúde. A maioria dos indivíduos em países de baixa renda também não tem os

meios necessários para comprar educação e cuidados de saúde deles. Por outro lado,

investir em educação e saúde prevê o modo de sair de extrema pobreza e é condição

necessária para padrões de vida crescentes.

Há três explicações potenciais para a relação positiva entre educação e saúde: 1) uma

saúde melhor permite a pessoa a investir mais em educação, uma vez que estando

saudável o indivíduo pode alocar mais tempo no mercado de trabalho conseguindo

assim mais renda, e consequentemente, ele seria induzido a investir em educação na

expectativa de auferir maior renda no futuro; 2) fatores comuns – como dom genético,

fundo social ou preferências temporais – afetam a saúde e a educação de modo

semelhante; e 3) educação conduz a uma saúde melhor.

A pergunta de causalidade é importante, não só por determinar a relação exata entre

educação e saúde, mas também de um ponto de vista de política. Se o efeito é

genuinamente causal, uma redistribuição de recursos pode melhorar o bem-estar da

sociedade se o impacto da educação sobre a saúde é maior que o impacto de cuidados de

saúde sobre a saúde (Groot e van den Brink, 2006).

A relação causal entre educação e saúde surge porque uma maior escolaridade conduz a

um estilo de vida mais saudável e porque pessoas mais educadas podem melhor juntar,

processar e interpretar informações sobre um comportamento mais saudável. Segundo

pesquisas do Centro de Políticas Sociais da Fundação Getúlio Vargas, 95% das

12

melhoras percebidas na saúde observadas quando comparamos um analfabeto com um

universitário se dão pelo efeito puro e direto da educação e não pelo aumento da renda.

Cutler e Lleras-Muney (2006) compartilham desta ideia. Segundo eles, nenhum dos

fatores que influenciam na expectativa de vida1 – entre eles sexo, raça, violência e renda

das pessoas – tem tanto impacto na longevidade quanto a educação. Uma maior

escolaridade tem papel decisivo na formação de um conjunto de hábitos que contribui

para aumentar a média de anos de vida. A passagem pela sala de aula induz a escolhas

mais inteligentes e a uma postura de aversão ao risco na idade adulta (Cutler e Lleras-

Muney, 2006).

Os indivíduos mais escolarizados possuem maior probabilidade de se submeterem a um

check-up médico do que um adulto que não venceu as primeiras séries do ensino

fundamental e ainda, terão maior capacidade de compreender receitas e bulas na busca

de obedecer às recomendações médicas.

Todos sabem da importância de uma maior escolaridade para a população como um

todo. Um adequado grau de instrução da população é requisito essencial para o

desenvolvimento de um país, para garantir o exercício da cidadania e promover a

igualdade de oportunidades na sociedade. E agora se apresenta um novo enfoque: a

importância da escolaridade sobre a saúde do indivíduo e indutora de políticas públicas

de saúde, que visem diminuição da pobreza, das desigualdades e melhorem o bem estar

da sociedade.

Aqueles com mais anos de escolaridade tendem a ter melhor saúde e bem-estar, como

também comportamentos saudáveis. A educação é um mecanismo importante para

melhorar a saúde e bem-estar dos indivíduos, pois ela reduz as necessidades de cuidados

de saúde, os custos associados de dependência, perda de salários esperados e sofrimento

humano. Ela também ajuda a promover e sustentar estilos de vida saudáveis e de

escolhas positivas, apoiando e estimulando o desenvolvimento humano, as relações

humanas e pessoais, e o bem-estar comunitário e familiar.

1 Medida bastante comum na literatura, utilizada como proxy para se mensurar o status de saúde dos indivíduos.

13

Quase que totalidade dos trabalhos que tratam da relação entre educação e saúde foi

aplicada a países desenvolvidos. Será que podemos esperar resultados similares para

países em desenvolvimento, e principalmente, para uma análise regionalizada, como é o

caso desta dissertação, em que a região Nordeste é aquela de menor PIB per capita, uma

das maiores desigualdades de renda e a menor média de escolaridade entre as regiões

brasileiras.

Diante do exposto, claro que não se pretende esgotar a discussão dos efeitos da

educação sobre a saúde e determinar uma ligação única entre eles, mas sim dar

subsídios à literatura existente desta abordagem para países em desenvolvimento,

principalmente para o Brasil, uma vez que este assunto ainda é pouco explorado. As

perguntas norteadoras deste trabalho serão as do tipo: qual a relação de causalidade

entre educação e saúde? É possível mensurar a magnitude do efeito puro da educação

sobre a saúde do indivíduo, desconsiderando a interação de outras variáveis

importantes, como a renda? Que ações de políticas públicas podem ser tomadas diante

dos resultados encontrados?

Assim, de forma geral, o objetivo deste trabalho será estimar os efeitos da educação

sobre a saúde do indivíduo para a região Nordeste do Brasil, utilizando a base de dados

da PNAD de 2003, através de modelos probit e probit ordenado. Mais especificamente,

reunir a literatura existente sobre o tema, mostrando as evidências empíricas; discutir a

relação de causalidade entre educação e saúde.

Para tanto, esta dissertação foi dividida em 6 partes, contando com esta introdução. No

capítulo 2 far-se-á a revisão bibliográfica da literatura. O capítulo 3 trata da metodologia

de estimação e da base de dados. No capítulo 4 temos a análise descritiva. Os resultados

foram apresentados no capítulo 5 e as considerações finais estão no sexto capítulo.

14

2. REVISÃO DA LITERATURA

“Não se constrói uma reputação com o que ainda não foi feito”. Henry Ford

Na literatura que trata das relações entre educação e saúde, encontramos pelo menos três

meios que as ligam: 1) educação afeta saúde; 2) saúde afeta educação; e 3) pode existir

uma relação de bicausalidade entre educação e saúde. Geralmente os trabalhos focam

em uma dessas três relações. Neste trabalho analisaremos a primeira relação, em que a

educação propicia um melhor status de saúde para o indivíduo.

2.1. A saúde como um bem

Antes de analisarmos mais detalhadamente os meios que ligam educação e saúde,

primeiramente se faz necessário entender por que os indivíduos demandam saúde, sob

um olhar econômico.

Deixando de lado as discussões morais, éticas ou sociais de como a saúde pode

ser interpretada2 (ou o valor desta), a saúde pode ser vista tanto como um bem de

investimento como um bem de consumo. Os indivíduos atribuem valores diferentes à

saúde, estabelecendo uma relação de troca entre saúde e os demais bens. Todos sabem

dos malefícios causados pelo cigarro, mas mesmo assim os indivíduos continuam

fumando. Uma explicação potencial para isso seria a dependência causada pela nicotina,

contudo o que se observa nessa situação é que há uma relação de troca entre saúde

futura e o prazer imediato de consumir um cigarro. Outro exemplo seria a decisão ou

não de praticar exercícios físicos. Por que existem pessoas sedentárias se todos sabem

que exercícios físicos ajudam a melhorar a saúde? A Microeconomia pode ajudar a

responder essa pergunta. Cada pessoa estaria valorando suas escolhas diante de decisões

de consumo presente ou futuro, ou ainda, de bens de consumo ou lazer, na busca da

maior satisfação possível.

A saúde também pode ser vista como um bem de investimento, uma vez que um

indivíduo saudável terá mais tempo para produzir renda monetária no mercado de

2 Para uma rápida exposição desses temas veja Nicolella (2006).

15

trabalho, ou seja, um indivíduo mais saudável será mais produtivo e terá uma renda

monetária maior para a compra de bens e serviços. Então observe que a saúde é um bem

que deverá ser alocado eficientemente pelo processo de decisão individual, visto que ela

afeta diretamente (e indiretamente através da renda) a satisfação pessoal.

O modelo clássico de modelagem da demanda por saúde é creditado a Grossman

(1972), e tem como fundamentação teórica a teoria do capital humano. Na próxima

seção descreveremos brevemente o modelo de demanda por saúde proposto por

Grossman (1972), tomando como referência o próprio Grossman (2000) e o seu trabalho

original.

2.2. Modelo de demanda por saúde de Grossman

Em Grossman (2000) é feita uma revisão da literatura em torno da teoria da

demanda por saúde e por esta razão tomaremos como referencial básico para a

elaboração desta seção este trabalho. Segundo o próprio Grossman, a principal

motivação de sua investigação foi a constatação de diferenças entre o capital saúde e as

demais formas de capital humano: o capital saúde permite ao indivíduo ter mais tempo

disponível para as atividades de mercado ou não-mercado.

No modelo, os próprios consumidores produzem e demandam saúde. A saúde é

a variável de escolha, visto que ela é uma fonte de utilidade (satisfação) e porque ela

determina os níveis de renda ou riqueza. Desde que o capital saúde é um componente do

capital humano, as pessoas nascem com um estoque de saúde que se deprecia com a

idade — em uma taxa crescente, pelo menos, depois de algum estágio no ciclo de vida -

e pode ser aumentado através de investimento. A morte ocorre quando o estoque de

saúde cai abaixo de um certo nível, e uma das novidades do modelo é que os indivíduos

podem "escolher" o seu tempo de vida. O modelo pode ser formalizado da seguinte

forma:

U = U(ΦtHt,Zt), t = 0, 1, ..., n. (1)

16

Onde U expressa a função utilidade intertemporal de um consumidor típico; Ht é o

estoque de saúde no tempo t ou na idade t; Φt corresponde a um fluxo de serviços saúde;

ht = ΦtHt é o consumo total de serviços saúde; e Zt é o consumo de todos os outros bens.

O estoque de saúde no período inicial é dado (H0), mas o estoque de saúde em outra

idade é endógeno. A duração da vida (length of life) (n) também é endógena.

Particularmente, a morte ocorre quando Ht ≤ Hmin. Portanto, a duração da vida é

determinada pela quantidade de capital saúde que maximiza a utilidade sujeita a

restrições de produção e recursos.

Por definição, o investimento líquido no estoque de saúde é igual ao investimento bruto

(It) menos a depreciação (δt):

Ht +1 – Ht = It – δtHt, (2)

A taxa de depreciação (0 < δt < 1) é exógena, mas depende da idade. Os consumidores

produzem o investimento bruto em saúde e outros bens na função utilidade de acordo

com as seguintes funções:

It = It (Mt,THt;E) (3)

Zt = Zt (Xt,Tt;E) (4)

Ou seja, a produção do investimento bruto em saúde é uma função de insumos

adquiridos no mercado (Mt), do tempo gasto na produção de saúde (THt) e do estoque

de capital humano (E), excluindo-se o capital saúde; similarmente para a função de

produção dos demais bens, em que Xt corresponde a um vetor de insumos, Tt é o tempo

dedicado a produção dos outros bens e também é função do capital humano.

Tanto os bens quanto o tempo são recursos escassos. A restrição orçamentária de bens

iguala o valor presente dos gastos com os bens ao valor presente dos ganhos de renda ao

longo do ciclo de vida mais os ativos iniciais.

∑ = ∑ + A0 (5)

Onde Pt e Qt são os preços de Mt e Xt respectivamente; Wt o salário hora, TWt são as

horas de trabalho, A0 os ativos iniciais e r é a taxa de juros no mercado. A restrição

17

temporal requer que o tempo total disponível (Ω) seja esgotado por todas as utilizações

possíveis, portanto:

Ω = TWt + THt + Tt + TLt (6)

Onde TLt é o tempo perdido quando se fica doente, no qual Grossman assume ser

inversamente relacionado ao estoque de saúde.

A otimização do modelo de Grossman (1972) leva-nos a seguinte condição:

Gt 1 = (7)

Em que Gt é o produto marginal do estoque de saúde na produção de tempo saudável; λ

é a utilidade marginal da riqueza; Uht é a utilidade marginal do tempo saudável; πt -1 é o

custo marginal do investimento bruto em saúde no período t-1 e por fim é a taxa

percentual de mudança no custo marginal entre o período t-1 e t. Equação (7) implica

que o valor descontado do produto marginal do estoque ótimo de capital de saúde, em

qualquer idade, deve ser igual ao preço da oferta de capital (Grossman, 2000). O lado

direito da equação (7) pode ser interpretado como o preço de locação ou o custo de

utilização do capital saúde.

O objetivo desta seção foi apresentar, mesmo que de forma bastante resumida, o modelo

de demanda por saúde proposto por Grossman (1972) e suas implicações básicas. A

partir de Grossman, a teoria da demanda por saúde evoluiu consideravelmente, mas

praticamente toda a literatura posterior teve como base seu modelo (NICOLELLA,

2006). E é exatamente tomando como referência o modelo de Grossman (1972) e os

subsequentes avanços incorporados em seu modelo, que estimaremos uma função de

saúde para analisar os efeitos da educação sobre a saúde do indivíduo para a região

Nordeste do Brasil. A partir da próxima seção, começamos a investigar os meios pelos

quais educação e saúde estão interligados.

18

2.3. Como a educação contribui para um melhor status de saúde

Diversos pesquisadores em economia, epidemiologia e em saúde pública têm

estabelecido que existe uma correlação positiva entre educação e saúde3. Em geral,

pessoas mais educadas tendem a ter comportamentos mais saudáveis. Grossman (1999 e

2005) destaca que há três hipóteses para explicar isso (ALBERT E DAVIA, 2007): a de

eficiência produtiva, a de eficiência alocativa e a hipótese de preferência temporal. Nas

hipóteses de eficiência, tanto alocativa como a produtiva, a relação entre educação e

saúde parte da suposição de que pessoas mais educadas serão mais eficientes no uso de

serviços de saúde. Uma pessoa mais educada seria capaz de utilizar mais eficientemente

cada insumo na função de produção de saúde e produzir mais saúde, ou ainda seria mais

eficiente na alocação dos recursos para obter melhor saúde. A hipótese de preferência

temporal refere-se a quanto um indivíduo pondera a saúde futura com relação à saúde

presente. Aqueles agentes com uma baixa taxa de desconto temporal, que preferem o

consumo futuro ao consumo presente, tendem a investir mais recursos em capital

humano (educação e saúde), tal que a relação entre ambas as variáveis é não causal

(Fuch, 1982 e Farrell and Fuchs, 1982 apud Albert e Davia, 2007).

Vários trabalhos tentaram investigar a hipótese do modelo de Grossman (1972), entre os

quais se destacam o próprio Grossman (1975), Lairson, Lorimor & Slater (1984), Desai

(1987), Leigh (1983) e Kemna (1987)4. Outros trabalhos que também merecem

destaque são Arendt (2005), Lleras-Muney e Lichtenberg (2002), Silles (2008), Clark e

Royer (2008) e Costa (2008).

Arendt (2005) estima um painel de dados dinamarquês para pessoas empregadas (The

Danish National Work Environment Cohort Study (WECS)) entre 18 e 59 anos de idade

para os períodos de 1990 e 1995, usando a reforma da escola dinamarquesa como

instrumento para verificar os efeitos da educação sobre a saúde auto-relatada, o índice

de massa corporal e um indicador de jamais ter fumado. Com relação aos resultados ele

destaca que tanto para homens quanto para as mulheres uma maior educação está

associada com uma maior saúde auto-relatada, e essa associação é potencializada

3 Entre os quais se destacam os trabalhos de Auster e Sarachek (1969), Edwards e Grossman (1983), Groot e Brink (2006) e Feintein et alli (2006). 4 Para uma rápida revisão desta literatura ver Costa (2008).

19

quando se trabalha com a hipótese de endogeneidade. Resultados semelhantes são

encontrados quando se usa o índice de massa corporal como medida de saúde, em que é

mostrado que a realização educacional pula a um nível mais alto quando se utiliza as

reformas educacionais como instrumentos. Porém, através de testes dos instrumentos,

sugeridos por Hahn e Hausman (2002), concluiu-se que os resultados ainda não são

conclusivos sobre o efeito da educação sobre a saúde.

Uma das possibilidades na qual existe uma relação entre educação e saúde é que pessoas

mais educadas saberão utilizar melhor os recursos disponíveis para produzir mais saúde.

Lleras-Muney e Lichtenberg (2002) partem dessa suposição para investigar se pessoas

mais educadas são mais propensas a utilizar novas tecnologias médicas, controlando

outras características individuais, como a renda. Eles utilizaram dados do Medical

Expenditure Panel Survey (MEPS) de 1997 e encontraram que as pessoas mais

escolarizadas são mais propensas ao uso de drogas mais recentemente aprovadas pelo

Food and Drug Administration (FDA). Eles constataram também que uma maior

escolaridade só importa para indivíduos que repetidamente adquirem os medicamentos

para uma dada condição, sugerindo que os mais educados são mais capazes de aprender

com a experiência.

Utilizando as mudanças nas leis de escolaridade compulsória no Reino Unido, Silles

(2008) testa a hipótese de existência de uma relação causal entre educação e saúde. Ela

utilizada várias medidas para mensurar a saúde, entre as quais saúde auto-avaliada,

ausência de doença de longa duração e estima seu modelo com o método de Mínimos

Quadrados em Dois Estágios (Two-Stage Least Squares – TSLS). A amostra é composta

por homens e mulheres entre 25 e 60 anos de idade e teve como fonte General

Household Survey for England, Scotland and Wales, compreendendo o período 1980 a

2004. Os resultados providenciam provas convincentes de que há uma relação causal

entre educação e saúde. As estimativas por TSLS mostram que um ano a mais de

escolaridade aumenta a probabilidade de ter uma boa saúde entre 4,5 e 5,5 pontos

percentuais, dependendo de como o status de saúde é mensurado.

Costa (2008) investiga o efeito da educação sobre o estado de saúde individual no Brasil

para indivíduos em idade adulta. Ele reúne a literatura internacional sobre o tema e

destaca que seu trabalho é pioneiro no Brasil. A fonte de dados utilizada neste trabalho é

20

a PNAD de 2003 e a série histórica Estatísticas do Século XX, ambas do IBGE. Costa

(2008) estima um modelo em dois estágios, considerando a educação uma variável

endógena, utilizando a escolaridade do cônjuge, a lei 5.692 de 1971 e a oferta de

professores por escola do estado e no ano em que o indivíduo tinha 7 anos de idade

como instrumentos. Os resultados confirmam a existência de um efeito causal entre

educação e saúde no Brasil, mesmo quando controlados o efeito da renda, informação e

da terceira variável. Ele destaca ainda que esse efeito tem importância especial para

mulheres e para idosos. A inclusão das variáveis de renda provocou uma redução de

26% no efeito da educação sobre o estado de saúde, enquanto que as variáveis de

informação provocaram uma redução de 8%. Das variáveis de informação, destacou-se

o acesso à internet, com um efeito de 20% sobre a probabilidade de ser saudável.

As desigualdades sociais na prevalência de doenças crônicas no Brasil foram analisadas

por BARROS et alli (2006). BARROS et alli (2006) utilizou dados da PNAD 2003 para

estimar a prevalência das 12 doenças crônicas contidas na PNAD segundo sexo, idade,

cor, escolaridade, macrorregião de residência e situação urbana ou rural do domicílio,

através da regressão de Poisson. Os resultados indicaram que a prevalência de pelo

menos uma doença crônica aumentou com a idade, foi maior entre mulheres, indígenas,

pessoas com menor escolaridade, cidadãos detentores de plano de saúde, migrantes de

outros estados, residentes em áreas urbanas e moradores da região Sul.

Como educação e renda são fortemente correlacionadas, este é outro link pelo qual

educação afeta a saúde. Uma pessoa que tem maior escolaridade tem esperança de um

maior salário no futuro. Uma maior renda propicia aos indivíduos terem uma maior

quantidade de recursos disponíveis para a produção de saúde. Cuidados médicos ou

remédios são serviços ou bens que podem pesar no orçamento familiar. E não para por

aí. Indivíduos mais ricos certamente terão melhores acessos à água tratada, condições

sanitárias adequadas, coleta de lixo, serviços médicos, lazer, alimentação adequada e

habitação. E esta situação certamente é mais evidente em regiões com grandes

desigualdades de renda. Isso nos leva à hipótese do custo de oportunidade. Segundo esta

hipótese, pessoas mais escolarizadas têm incentivos a reduzir comportamentos que

sejam prejudiciais à saúde, tais como consumo excessivo de álcool e cigarros, que

podem limitar a capacidade de auferir rendimentos no futuro, por estar doente.

21

Porém a renda não traz apenas efeitos positivos sobre a saúde. Uma análise feita a partir

dos impactos que as flutuações econômicas têm sobre a saúde leva-nos a duas

hipóteses5: uma, conhecida como hipótese de Brenner, sugere que as recessões e outras

fontes de instabilidade econômica têm um impacto negativo sobre a saúde da

população, e a outra, conhecida na literatura como a hipótese de Ruhm, mostra que as

recessões econômicas contribuem para uma melhora na saúde. Recessões econômicas

são acompanhadas de aumento na taxa de desemprego e diminuições na renda. E isso

pode acarretar diversos aspectos sociais e psicológicos: perca de auto-estima, aumentos

do consumo de bebidas alcoólicas e cigarros e estresse. E Ruhm sustenta a hipótese de

que aumentos na renda podem levar a mais acidentes de carro, os indivíduos terem uma

alimentação menos saudável ou aumentarem o consumo de álcool ou cigarros (apesar de

ser bastante contra-intuitiva do ponto de vista de política econômica ou pública, uma

vez que ninguém vai pregar que é bom ter recessões econômicas).

Vivemos numa sociedade em que o conhecimento é imprescindível, é fundamental. E

logicamente pessoas mais escolarizadas são mais informadas, podendo fazer uso destas

informações para se alcançar um melhor estado de saúde, um estilo de vida mais

saudável. Este link entre educação e saúde, através da informação, é estreitamente

interligado com a hipótese de eficiência alocativa do modelo de Grossman, em que os

indivíduos mais escolarizados escolherão uma combinação de insumos, na função de

produção de saúde, mais eficiente.

Observa-se que pessoas mais escolarizadas, que enfrentam algum problema de saúde,

procuram se informar sobre a doença que enfrentam e seguem o tratamento à risca, ou

seja, a educação promove conhecimento em saúde. Os indivíduos mais escolarizados

possuem maior probabilidade de se submeterem a um check-up médico do que um

adulto que não venceu as primeiras séries do ensino fundamental e ainda, terão maior

capacidade de compreender receitas e bulas na busca de obedecer às recomendações

médicas.

Diariamente somos bombardeados por milhares de informações, das mais diversas

possíveis. E é evidente que isso pode influenciar o comportamento de vida das pessoas.

Por exemplo, uma pesquisa comprova que o vinho, consumido com moderação, ajuda a

5 Com base no trabalho de JACINTO et alli (2007).

22

retardar o envelhecimento e faz bem ao coração. A partir de então, observa-se que o

consumo desta bebida aumentou. Na década de 1980, nos Estados Unidos, Ippolito &

Mathios (1990) mostraram que anúncios publicitários incentivando o consumo de

cereais ricos em fibras como meio de reduzir os ricos de câncer de cólon, geraram um

aumento expressivo da demanda por este tipo de alimento.

2.4 Como a saúde afeta a educação

Apesar de não ser objeto de análise deste trabalho, é importante destacar os mecanismos

pelos quais a saúde afeta a educação. Ao tratar deste tema, os pesquisadores6 geralmente

relacionam uma medida para o status nutricional a uma referente ao processo

educacional. Crianças subnutridas têm um desempenho escolar menor que a média.

Crianças doentes e mal nutridas têm um menor nível de aprendizagem e perdem aula

com freqüência. Além disso, a deficiência nutricional pode provocar seqüelas graves

sobre o desenvolvimento físico e mental. A consequência de longo prazo é que as

crianças subnutridas de hoje passarão pouco tempo na escola e não se qualificarão, e

consequentemente serão os trabalhadores com baixa produtividade de amanhã e que,

portanto, almejarão menores níveis de renda.

Para combater este problema no Brasil, o Programa Nacional de Alimentação Escolar

(Pnae), implantado em 1955, garante, por meio da transferência de recursos financeiros,

a alimentação escolar dos alunos de toda a educação básica (educação infantil, ensino

fundamental, ensino médio e educação de jovens e adultos) matriculados em escolas

públicas e filantrópicas. Seu objetivo é atender as necessidades nutricionais dos alunos

durante sua permanência em sala de aula, contribuindo para o crescimento, o

desenvolvimento, a aprendizagem e o rendimento escolar dos estudantes, bem como

promover a formação de hábitos alimentares saudáveis7.

Outra forma de como a saúde afeta a educação é quando a mensuramos como a

expectativa de vida. Quando os indivíduos têm uma alta expectativa de vida eles são

induzidos a investir mais em educação, visto que os retornos esperados de uma maior

educação poderão ser aproveitados por mais tempo. Assim, dado uma alta esperança de

6 Veja por exemplo os trabalhos de Jamison (1986), Moock e Leslie (1986), Alderman (1997) e Acemoglu, Johnson e Robinson (2003). 7 Disponível em http://www.fnde.gov.br/home/index.jsp?arquivo=alimentacao_escolar.html

23

vida, os indivíduos terão grandes incentivos a permanecerem mais tempo na escola se

qualificando com vistas a usufruir os retornos esperados.

Soares (2006) apresenta micro-evidências dos efeitos da longevidade sobre a

escolaridade e fertilidade utilizando os dados do Brazilian Demographic and Health

Survey para o ano de 1996. O principal resultado encontrado é que a longevidade tem

um efeito negativo e significativo sobre a fertilidade e um efeito positivo significativo

sobre a realização educacional. Soares (2006) destaca que mudanças na mortalidade

adulta (proxy utilizada para a longevidade, e portanto, uma medida de saúde) podem

explicar entre 2,5 a 3,7% da variação na fertilidade e entre 2,2 e 3,1% da variação na

realização educacional.

Utilizando dados da Pesquisa sobre Padrões de Vida, realizada pelo Instituto Brasileiro

de Geografia e Estatística (PPV/ IBGE) de 1996/1997, Machado (2008) faz uma análise

da relação entre a saúde (calculada pela medida padronizada de altura e idade) das

crianças e dos adolescentes de 7 a 14 anos de idade e o ingresso no sistema educacional

fundamental para as regiões Nordeste e Sudeste. Ele utiliza um modelo probit e os

resultados indicam, de forma geral, que crianças e adolescentes desnutridos são mais

vulneráveis a entrar mais tarde na escola. Ou mais especificamente, condições

desfavoráveis de saúde influenciam negativamente sobre a probabilidade de ingresso na

escola na idade correta, sobretudo de crianças mais pobres e que vivem em locais onde

as escolas são mais distantes do local de moradia. Duas suposições sobre a variável

saúde foram feitas: a de exogeneidade e endogeneidade. Utilizando como instrumentos

as alturas do pai e da mãe para o modelo endógeno, Machado (2008) verifica se os

resultados permanecem os mesmos daqueles do modelo exógeno. Os resultados indicam

que, quando a saúde é tratada como uma variável endógena, o coeficiente permanece

negativo, apesar de perder significância.

2.5. A relação de bi-causalidade entre educação e saúde A educação não age sobre a saúde de forma isolada de outros fatores. A renda é outro

fator muito importante que interage de várias maneiras com a educação como influência

sobre a saúde. A relação entre educação e saúde é apenas uma correlação e não uma

relação causal se (Groot e Maassen van den Brink 2006): primeiro, há uma relação

comum entre educação e a saúde, através da qual a educação não só afeta a saúde, mas

24

há também uma causalidade reversa, onde a saúde determina os investimentos em

educação. Um efeito reverso poderia criar um viés de simultaneidade positivo na

mensuração do efeito da educação sobre a saúde; segundo, existir outros fatores, isto é,

se existir variáveis que não são observáveis ou que não foram observadas, mas que

afetam tanto a educação quanto a saúde.

Adams (2002) conclui que o efeito educação sobre a saúde é independente da influência

de variáveis omitidas. Ele destaca que, mesmo após a correção para o viés de

endogeneidade, o efeito da educação sobre a saúde continua a ser positivo e

estatisticamente significativo. No entanto, Arendt (2005) descreve conclusões

diferentes. Quando a endogeneidade é permitida, segundo Arendt (2005), a relação entre

educação e saúde aumenta em magnitude. Contudo, como é encontrado em diversos

estudos com Variáveis Instrumentais (VI), os erros padrões aumentam também.

Uma razão pela qual uma causalidade inversa poderia ser apenas uma menor fonte de

viés na estimação da relação entre educação e saúde é que o nível de escolaridade é

essencialmente estabelecido no início da idade adulta e permanece estável em seguida.

Hammond (2002) argumenta que o link entre educação e saúde aumenta com a idade,

isto é, que a associação é mais forte entre pessoas mais velhas comparativamente às

pessoas mais jovens. Isto é explicado pelo fato de que alguns comportamentos de saúde

- como o não uso do cinto de segurança ou de preservativos - constituem um risco

constante para a saúde, enquanto outros - tais como o fumo e o uso excessivo de álcool -

constituem um risco cumulativo. Isto significa que o diferencial de educação no último

tipo de comportamento não saudável só é traduzido em diferenças observáveis de saúde

física mais tarde na vida.

Becker e Mulligan (1994) adicionam outro mecanismo causal. Eles argumentam que

educação leva a uma menor preferência temporal por consumo presente e uma maior

preferência pelo consumo futuro. Portanto, a educação pode alterar a preferência

temporal, mas uma menor preferência temporal, ou seja, uma maior valorização do

consumo futuro em relação ao presente, pode induzir os indivíduos a investir mais em

educação e saúde. Assim, a preferência temporal pode surgir como uma terceira variável

que intermedia a relação entre educação e saúde, mas também pode ser um fator causal

comum (não observado) para ambos os investimentos em educação e saúde. Fuchs

(1996) argumenta que a educação é correlacionada com a preferência temporal, e que é

25

a preferência temporal que afeta a saúde, ao invés da educação. Esta hipótese foi testada

por Sander (1995). Ele incluiu habilidades cognitivas e educação futura como

covariadas em uma equação onde fumar maconha é explicada pela freqüência escolar. A

educação futura e a habilidade cognitiva são vistas como correlatas da preferência

temporal. Este estudo encontra suporte para ambos os argumentos que a educação afeta

a saúde e para hipótese de preferência temporal.

A leitura que Groot e van den Brink (2006) fazem da literatura é que o efeito da

educação sobre a saúde representa um efeito causal genuíno, e que o efeito reverso

vindo da saúde para a educação é relativamente pequeno (pelo menos para os adultos), e

que existem fatores em comum - mais notavelmente a preferência temporal - que afetam

os investimentos em saúde e educação.

Outra questão levantada na literatura é o viés causado pela omissão da “terceira

variável”. A discussão vai na direção de que se este viés é suficiente para invalidar a

conclusão de que a educação tem efeito causal sobre o estado de saúde ou tornar este

efeito irrelevante (COSTA, 2008). Segundo Grossman (2000), a explicação da “terceira

variável” é relevante quando se pensa que uma grande variação inexplicada na saúde

permanece após o controle da escolaridade e outros fatores determinantes, ou ainda se

existem fatores omitidos que afetam a saúde e estão correlacionados com a educação.

2.6 A função de produção de saúde

Uma função de produção resume a relação entre insumos e produtos. O estudo da

função de produção de saúde requer então que nós investiguemos sobre a relação entre

insumos de cuidados com saúde e saúde. A figura 1 exibe o gráfico de uma função de

produção de saúde na parte superior. Deixando de lado as dificuldades de se mensurar a

saúde, o status de saúde é uma função crescente e não linear dos cuidados com saúde

(os insumos). O status de saúde depende, portanto, da dotação biológica, do meio

ambiente e do estilo de vida, que retrataria comportamentos ditos saudáveis (cuidados

com saúde). O ponto A pode ser visto como a dotação inicial de saúde. Os indivíduos

nascem com um estoque de saúde que se deprecia ao longo de sua vida e aumenta com

investimentos, ou mais precisamente, a depreciação corresponde aos comportamentos

negativos em relação à saúde, tais como o uso de tabaco, comidas pouco saudáveis ou

26

mesmo o consumo excessivo de álcool. Em contrapartida, os investimentos

correspondem aos comportamentos positivos em relação à saúde, tais como exercícios,

alimentação saudável e consumo de serviços médicos.

A função de produção de saúde é construída para apresentar rendimentos marginais

decrescentes: o status de saúde aumenta com a elevação dos cuidados com saúde, porém

a uma taxa decrescente. Após um nível n de cuidados de saúde a função de produção

passa a apresentar rendimentos totais decrescentes. AB corresponde à contribuição total

dos cuidados de saúde. Este montante pode ser substancial, contudo a contribuição do n-

-ésimo insumo é ínfima.

Na parte inferior (figura 1B), temos a contribuição marginal dos insumos de saúde, ou

seja, o produto marginal dos cuidados com saúde. Observe que o produto marginal é

mínimo quando se atinge o nível n de cuidados com saúde e o status de saúde é máximo

na função de produção.

Fonte: Elaboração própria com base em Folland (2006)

Figura 1: A Produção de Saúde

27

A função de produção de saúde foi construída como uma curva ascendente que se

achata em níveis mais elevados de saúde, mas nunca se curva para baixo. No entanto,

seria possível que a função de produção de saúde curve-se para baixo, ou seja, será que

haveria uma situação em que teríamos um excesso de cuidados com a saúde, tal que

prejudicasse o status de saúde? A iatrogenia seria uma possível explicação: esta doença

é causada por complicações ou resultantes de tratamento médico e tem como principais

fontes o erro médico, a negligência e os efeitos adversos dos medicamentos. Mas isto

seria um caso extremo e portanto vamos considerar o caso em que a função de produção

é “bem comportada”.

Kassouf (1993) estima uma função de produção de saúde para crianças de zero a 12

meses de idade em diferentes regiões e setores do Brasil, utilizando dados da Pesquisa

Nacional sobre Saúde e Nutrição realizada no ano de 1989, através do método de

Mínimos Quadrados em Dois Estágios (MQ2E). Foram testadas duas formas para a

função de produção de saúde: uma linear e outra Cobb-Douglas. Os resultados indicam

que tanto o consumo de bebidas alcoólicas quanto de cigarros pela mãe durante a

gravidez tem um efeito negativo sobre a saúde das crianças. O número de horas que a

mãe dedica no mercado de trabalho, também afeta negativamente a saúde da criança.

Constatou-se também que a existência de filtro na residência para purificar a água e a

educação da mãe têm um impacto positivo na produção de saúde da criança.

28

3. METODOLOGIA E DESCRIÇÃO DA BASE DE DADOS

"A melhor maneira de prever o futuro é criá-lo.” Peter Drucker

3.1 A base de dados

Os dados utilizados nesse trabalho foram retirados da Pesquisa Nacional por Amostra

Domiciliar (PNAD) de 2003. A PNAD foi implantada no Brasil em 1967, com o

objetivo de fornecer informações socioeconômicas básicas de grande interesse nacional.

Ela é realizada anualmente pelo IBGE (Instituto Brasileiro de Geografia e Estatística),

com exceção para aqueles anos que forem realizados censos. A amostra da PNAD tem

representatividade nacional, com exceção da área rural da região Norte do país, incluída

somente a partir de 2004. A PNAD é uma pesquisa que traz informações de caráter

permanente, tais como educação, renda, habitação e trabalho, e de caráter variável,

através de seu suplemento, que trata de informações tais como fecundidade, saúde,

migração e nupcialidade.

Além do ano de 2003, a PNAD trouxe informações sobre saúde para os anos de 1981,

1986, 1988 e 1998. No entanto, como salienta Nicolella (2006), as pesquisas não são

totalmente compatíveis, pois para os anos de 1981 e 1988 as questões abordaram

exclusivamente temas relacionados ao acesso aos serviços de saúde e para o ano de

1986 não há uma pergunta que permite a classificação dos indivíduos quanto ao seu

status de saúde. Atualmente, as PNAD’s 1998/2003 são as pesquisas com o maior

detalhamento da caracterização individual da saúde no Brasil. Na PNAD 2003 foram

pesquisados 133.255 domicílios e 384.834 pessoas, trazendo em seu suplemento

informações sobre a morbidade percebida, o acesso a serviços de saúde, a cobertura por

plano de saúde e a utilização dos serviços de saúde. Especificamente para as mulheres

de 25 anos ou mais de idade investigou o acesso aos serviços preventivos de saúde

feminina e, ainda, buscou informações para mensurar as condições de mobilidade física

das pessoas de 14 anos ou mais de idade.

29

3.2 Variáveis selecionadas

O estoque de saúde é uma variável difícil de ser mensurada. No entanto, diversos

estudos8 têm demonstrado a importância da auto-avaliação como medida do estado

geral de saúde. O indivíduo é questionado sobre seu status de saúde de acordo com 5

categorias: 1 – muito bom; 2 – bom; 3 – regular; 4 - ruim; e 5 - muito ruim. Por ser um

método subjetivo de avaliação ele não está livre de críticas. Pode existir um problema

de percepção individual de saúde. Por exemplo, indivíduos com estoques de saúde

idênticos podem ter classificações distintas da auto-avaliação. Outro problema é a

possibilidade de quesitos serem respondidos por outra pessoa, moradora ou não do

domicílio. Por exemplo, questionários respondidos por substitutos (proxy) ocorrem com

maior freqüência nos menores de 14 anos, cuja resposta é dada preferencialmente pela

mãe.

Considerando um critério mais objetivo, a PNAD 2003 traz informações sobre a

presença de doenças crônicas9 (12 no total) e do número de dias que o indivíduo não

pode exercer atividades habituais. O indivíduo é indagado pela presença ou não de

doenças como hipertensão, depressão, câncer, diabetes e entre outras.

A educação também é uma variável de difícil mensuração. Educação vai muito além dos

anos passados na escola, porém é a escolaridade a proxy comumente utilizada na

literatura para medir a educação. Na PNAD 2003 encontramos a variável anos de

estudo. A nossa amostra será composta por indivíduos entre 25 e 85 anos de idade, pois

vamos considerar que os indivíduos tenham concluído sua realização educacional.

Outras variáveis que são encontradas com frequência na literatura da estimação da

função de produção de saúde são sexo, cor ou raça, renda. O logaritmo do salário hora

será utilizado como proxy para o nível de renda do indivíduo. Quanto maior a renda,

maiores os recursos disponíveis que os indivíduos terão para a produção de saúde. A

8 Como o National Health Interview Survey, nos EUA. 9 Doenças crônicas são aquelas normalmente de desenvolvimento lento, que duram períodos extensos – mais de 6 meses – e apresentam efeitos de longo prazo, difíceis de prever. A maioria dessas doenças não tem cura, como diabetes, asma, doença de Alzheimer e hipertensão. Entretanto, várias delas podem ser prevenidas ou controladas por meio da detecção precoce, adoção de dieta e hábitos saudáveis, prática de exercícios e acesso a tratamento adequado recomendado pelo profissional de saúde. Disponível em http://www.novartis.com.br/doencascronicas/index.shtml. Acesso em 05/10/2009.

30

mulher vive em média 7 anos a mais do que os homens no Brasil, segundo dados do

DataSus para o ano de 2007, evidenciando a diferença de sexo como mais um

determinante na função de produção de saúde.

Pessoas mais informadas podem fazer uso destas informações e produzir mais saúde. A

hipótese principal é que indivíduos mais informados e que se deparam com algum

problema de saúde, procuram se informar sobre a doença que enfrentam e seguem o

tratamento à risca, promovendo conhecimento em saúde.

3.3 Metodologia

Muitos trabalhos econométricos em economia da saúde têm se preocupado na avaliação

do problema e viés de estimação. O foco é encontrar um modelo estocástico adequado

para ajustar os dados disponíveis. A análise de regressão clássica assume que a função

de regressão é linear e que o termo de erro tem uma distribuição normal. Portanto, a

estimação da função de regressão requer pressupostos sobre a distribuição condicional

adequada para a variável dependente e para a relação funcional com uma ou mais

covariadas. O fracasso desses pressupostos pode significar que os estimadores perdem

parte de suas propriedades desejadas e dão estimadores viesados, inconsistentes ou

ineficientes. Por esta razão, devemos dar atenção aos testes de má especificação e

métodos robustos de estimação.

Em economia da saúde a análise empírica é complicada pelo fato de que os modelos

teóricos geralmente envolvem conceitos inerentemente não observáveis, tais como a

dotação de saúde ou a qualidade de vida. Este problema induz ao uso de modelos

MIMIC10 de demanda por saúde, como também motivam o uso de modelos não lineares

para variáveis dependentes limitadas e qualitativas.

É muito comum em economia da saúde, encontrar modelos com a variável dependente

binária. A dicotomia se relaciona ao fato de que a variável dependente assume os

valores 0 ou 1 para o fenômeno que se deseja testar. Vamos considerar um modelo

genérico simples em que a variável de resposta assume valor 1 se o fenômeno que se

deseja estimar ocorre ou 0 se o fenômeno não ocorre. O modelo pode ser formalizado

como:

10 São modelos estruturais de Múltiplas Causas e Múltiplos Indicadores.

31

Yi = Xβ + ui (1)

Em que X = vetor de covariadas

Y = 1 se o fenômeno ocorre

= 0 se o fenômeno não ocorre

ui = erro aleatório

Modelos desse tipo podem ser interpretados como modelos de probabilidade

condicional, visto que:

E(yi\xi) = Pr(yi = 1\xi) = F(xi) (2)

Ou seja, a esperança condicional do modelo é igual à probabilidade condicional.

Modelos desse tipo são chamados de Modelos de Probabilidade Linear (MPL). No

entanto, o MPL é infestado de diversos problemas, tais como: não-normalidade do

termo de erro; presença de heteroscedasticidade; possibilidade de Yi estimado se situar

fora do limite entre 0 e 1; e apresentar um valor questionável para o grau de ajuste do

modelo (R2)11. Além de tudo isso, o modelo ainda supõe que o efeito marginal de X

sobre Y é linear, ou seja permanece constante do início ao fim. Uma alternativa para

contornar este problema é a utilização de uma função distribuição acumulada (FDA). As

FDA’s comumente utilizadas para representar modelos binários são a logística e a

normal, que dão origem aos modelos logit e probit, respectivamente. Como estamos

interessados em estimar um modelo probit para a equação de produção de saúde, na

próxima seção explicaremos os procedimentos de estimação dos modelos probit e probit

ordenado.

3.4 Modelos probit e probit ordenado

Como salientamos, a FDA que dá origem ao modelo probit (também conhecido como

normit) é a distribuição normal. A escolha desse modelo se justifica devido ao fato que

ele apresenta propriedades que são bastante desejáveis. Uma das razões para a

popularidade do modelo probit é que ele pode ser derivado de um modelo envolvendo

uma variável não observável ou latente. Deixe y*i ser uma variável contínua latente, não

11 Para uma análise introdutória desses temas veja Gujarati (2000).

32

observável, que representa o estado de saúde do indivíduo i. Essa variável pode ser

definida a partir da relação dada pela equação 1. Nós observamos apenas o sinal de y*i

que determina o valor da variável binária observada yi de acordo com a relação:

yi = 1 se y*i > 0 (3)

yi = 0 se y*i < 0 Dado que observamos apenas o sinal de y*i, podemos normalizar a variância de ui para a

unidade. Agora podemos computar a probabilidade de yi = 1 como:

Pr(yi= 1) = Pr(y*i > 0) = Pr(Xβ + ui > 0)

= Pr(ui > -Xβ) = Pr(ui ≤ Xβ) = Φ(Xβ) = √

/∞ (4)

Em que t é uma variável normal padronizada. A penúltima igualdade em (4) faz uso do

fato de que a função densidade normal padrão é simétrica ao redor de zero.

Já o modelo probit ordenado temos, como o nome sugere, um modelo de resposta

ordenada e, portanto, os valores que atribuímos para cada resultado já não são

arbitrários. No nosso modelo de produção de saúde, o estado de saúde auto-avaliado

pode ser tomado como exemplo. A variável assume índices categóricos não binários,

onde os valores mínimo e máximo representam respectivamente o melhor e o pior

estado de saúde. A estimação do modelo probit ordenado permite que a probabilidade

de ocorrência de cada categoria seja estimada, sem a necessidade de se estabelecer um

cut-off (ponto de corte) para classificar os indivíduos em doentes ou saudáveis

(Noronha e Andrade 2004).

O modelo probit ordenado é uma extensão do modelo probit binário. Como neste

último, o modelo probit ordenado pode ser expresso em termos de uma variável latente

y*. Quanto maior o valor de y* mais provável que os indivíduos relatem uma categoria

superior de saúde auto-avaliada. No nosso caso, há 5 categorias, de modo que o

intervalo de valores de y* devem ser divididos em 5 intervalos, cada um correspondente

a uma categoria do estado de saúde auto-avaliado.

Considere um modelo com variável dependente discreta que toma como resultados

valores multinomiais ordenados, isto é, y = 1, 2,..., m. O modelo pode ser expresso

como:

33

yi = j se μj – 1 < yi* ≤ μj, j = 1, 2,..., m. (5)

Onde yi* = xiβ + εi, εi ~ N(0,1) (6)

E μ0 = - , μj ≤ μj +1, μm

Dado o pressuposto que o termo de erro é distribuído normalmente, a probabilidade de

observar um valor particular de y é:

Pij = P(yi = j) = Φ(μj - xiβ) – Φ(μj – 1 - xiβ), (7)

Onde Φ(.) é a função distribuição normal padrão. Os valores limites (μ) correspondem

aos pontos de corte (cut-offs) onde o indivíduo se move de uma categoria relatada de

auto-avaliação de saúde para outra. Não é possível identificar tanto o termo constante

como todos os pontos de corte. Assim, a fim de estimar o modelo, alguns dos valores

limite (μ) devem ser fixados.

Os parâmetros μ e β podem ser estimados por máxima verossimilhança. Para cada i, a

função log-verossimilhança é:

li(μ,β) =[yi = 0]log[Φ(μ1 - xiβ)] + [yi = 1]log[Φ(μ2 - xiβ) - Φ(μ1 - xiβ)] + … +

+ [yi = m]log[1 - Φ(μm - xiβ)] (8)

Esta função log-verossimilhança é bem comportada e pode ser facilmente estimada com

o auxílio de pacotes estatísticos, como o Stata, pacote este que será utilizado nesta

pesquisa.

Kerkhofs e Lindeboom (1995) desenvolveram um modelo probit ordenado para a saúde

auto-relatada, com erros de informação estado-dependentes. Eles estão preocupados

com o viés potencial que surge no uso de medidas subjetivas de saúde quando as

respostas são influenciadas por incentivos financeiros e pressões sociais. Em particular,

eles tentam isolar o impacto da situação do emprego em caso de erros de informação. O

modelo usa três medidas de saúde: uma latente (H*), que mensura a verdadeira saúde;

uma auto-avaliada ou categórica (Hs); e uma medida de saúde objetiva (H0), baseada em

um diagnóstico profissional. O modelo é estimado com dados sobre chefes de família

com idade entre 43-63 anos da primeira onda do Dutch panel survey (CERRA-I). A

amostra é dividida por situação de emprego e modelos probit ordenados foram

estimados com e sem as medidas objetivas de saúde. Foi encontrada evidência de viés

34

de informação estado-dependente, identificada através de interações entre o estado de

emprego e as variáveis demográficas

3.5 O modelo econométrico

Seja através de uma função de produção de saúde ou uma função demanda por saúde, o

pesquisador deve definir a direção de causalidade para então se fazer os testes de sua

pesquisa. No nosso caso especificamente, no entanto, não podemos simplesmente deixar

de lado as demais hipóteses de causalidade reversa ou ainda de bicausalidade entre

educação e saúde diante da vasta literatura encontrada. Na construção de nosso modelo

econométrico, iremos definir uma direção de causalidade, a que uma maior educação

leva a um maior status de saúde, porém tomando os devidos cuidados com os problemas

econométricos e com a evidência empírica encontrada.

Como salientamos anteriormente, este trabalho utiliza a Pesquisa Nacional por Amostra

de Domicílios para o ano base de 2003 (PNAD 2003) como fonte de dados. Para fins de

mensuração dos efeitos da educação sobre a saúde do indivíduo é utilizado o seguinte

modelo econométrico, assim como foi apresentado em CUTLER e LLERAS-MUNEY

(2006):

Hi = β0 + β1X1i +β2X2i + ui (9)

Onde Hi mensura a saúde do indivíduo, X1i é o nível de escolaridade, X2i é um vetor de

covariadas que afetam o estado de saúde, tais como cor/raça, sexo, renda e condições do

domicílio e por fim, ui é o termo de perturbação aleatória que contém as demais

variáveis que afetam a saúde e que não foram incluídas explicitamente no modelo.

A saúde é vista como um bem e por isso os indivíduos a demandam. Um status maior de

saúde eleva a satisfação das pessoas ou ainda pode torná-las mais produtivas no

mercado de trabalho. A estimação do coeficiente β1 na equação (9) é o objeto de maior

interesse desta pesquisa. Definimos que a função de saúde além de depender de uma

série de covariadas, depende também do nível de escolaridade e esperamos que esse

último influencie positivamente o status de saúde. Na próxima seção iniciamos uma

breve análise descritiva dos dados.

35

4. ANÁLISE DESCRITIVA

Geralmente a literatura constrói uma amostra com pessoas entre 25 e 60 anos de idade.

A justificativa é que se considera que para esse intervalo o indivíduo teria completado

seu ciclo educacional. Mas então pessoas com 61 anos não teriam completado seu ciclo

educacional, ou ainda, será que não estamos desconsiderando parte significativa da

amostra sabendo que o número de idosos cresce em todas as partes do mundo. Com

base nisso, decidimos seguir Cutler e Lleras-Muney (2006) e montamos uma amostra

para indivíduos de 25 anos ou mais. Após isso, verificamos que existiam duas pessoas

com 106 anos de idade, o que certamente representava um outlier, para uma média de

44 anos e um desvio-padrão de 15. Foi então que verificamos que cerca de 99% das

pessoas, com base na nossa amostra inicial, tinham entre 25 e 85 anos de idade, e assim

resolvemos o impasse da construção da amostra com relação à idade do indivíduo.

A análise dos dados feita neste capítulo utiliza a base de dados da PNAD 2003. A

amostra é composta por cerca de 61.510 indivíduos com idade entre 25 e 85 anos. A

tabela 1 sumariza os níveis de escolaridade por grupos de anos de estudo e sexo. A

partir da análise da tabela constata-se que 25,5% dos indivíduos entrevistados possuíam

menos de um ano de estudo ou nenhuma instrução. Ou ainda, 42% não tinham

concluído nem a quarta série do ensino fundamental. Na outra ponta, cerca de apenas

5% dos indivíduos eram graduados ou tinham ingressado numa pós-graduação.

Portanto, pode-se inferir que o nordestino passa pouco tempo em sala de aula, onde em

torno de 65% da população não tinha completado se quer o ensino fundamental (8 anos

de estudo) em 2003.

Tabela 1: Escolaridade por grupos de anos de estudo e sexo.

Grupos de anos de estudo Homens Mulheres Total

Sem instrução e menos de 1 ano 12,80 12,74 25,54

1 a 3 anos 7,96 8,37 16,33 4 a 7 anos 10,78 12,42 23,20

8 a 10 anos 5,11 5,77 10,88 11 a 14 anos 8,12 10,79 18,92

15 anos ou mais 2,14 2,99 5,13 TOTAL 46,92 53,08 100,00

Fonte: PNAD (2003). Cálculos do autor.

36

Na PNAD 2003 o indivíduo é questionado como ele avalia seu próprio estado de saúde

e dos outros moradores do domicílio (no caso das crianças), segundo 5 categorias: 1 –

muito bom; 2 – bom; 3 – regular; 4 - ruim; e 5 - muito ruim. Cerca de 75% dos

entrevistados afirmaram ser saudáveis, ou seja, avaliaram seu próprio estado de saúde

como “muito bom” e “bom” e apenas 4,4% como “ruim” e “muito ruim”. No gráfico 1

temos a distribuição segundo a auto-avaliação do estado de saúde por sexo. Em geral os

homens se consideram mais saudáveis que as mulheres, apesar de os valores serem bem

próximos. Entre os homens, o índice de avaliação positiva do estado de saúde foi de

77% contra 72% das mulheres; 5% das mulheres afirmaram ter um estado de saúde ruim

e muito ruim, enquanto que para os homens foi de 4%.

Gráfico 1: Distribuição segundo a auto-avaliação do estado de saúde por sexo, 2003.

Fonte: PNAD (2003). Cálculos do autor.

Na tabela 2 temos a distribuição da auto-avaliação do estado de saúde segundo grupos

de idade, situação do domicílio e classes de renda. Observa-se que à medida que

aumenta-se os grupos de idade a auto-avaliação de saúde diminui, saindo de um índice

de 88,76% para aqueles com idade entre 0 a 4 anos12 para 31,46% entre aqueles com 65

anos ou mais. Os indivíduos residentes na zona rural apresentaram ínfima melhor auto-

avaliação do estado de saúde se comparados aos residentes na zona urbana, 75,23% e

74,37% respectivamente, o que não deixa de representar um dado interessante.

12 Lembrando que para indivíduos menores de 14 anos a auto-avaliação do estado de saúde é feita por proxies ou substitutos bem próximos, a mãe do indivíduo por exemplo.

Muito bom e bom

77%

Regular 19%

Ruim e muito ruim 4%

Homens

Muito bom e bom

72%

Regular 23%

Ruim e muito ruim 5%

Mulheres

37

Constatou-se também que à medida que os níveis de renda aumentam, a auto-avaliação

do estado de saúde também melhora, com exceção para aqueles com salário mais de 1 a

3 salários mínimos. O índice de auto-avaliação do estado de saúde positiva chegou a

87,4% entre aqueles que ganham mais de 20 salários mínimos.

Tabela 2: Auto-avaliação do estado de saúde por grupos de idade, situação do domicílio e classes de renda.

Grupos de idade, situação do domicílio eclasses de rendimento mensal familiar

População residente

Total

Auto-avaliação do estado de saúde

Muito bom e bom

Regular Ruim e muito ruim

Grupos de idade 100,00 74,62 20,93 4,43

0 a 4 anos 9,55 8,47 0,98 0,09

5 a 13 anos 19,06 16,87 1,95 0,24

14 a 19 anos 13,17 11,53 1,48 0,16

20 a 39 anos 31,62 24,56 6,17 0,89

40 a 49 anos 10,24 6,45 3,14 0,65

50 a 64 anos 9,94 4,71 4,10 1,13

65 anos ou mais 6,42 2,02 3,12 1,27

Idade ignorada 0,01 0,01 0,00 0,00

Situação do domicílio - - - -

Urbana 70,87 52,71 15,10 3,06

Rural 29,13 21,91 5,83 1,38

Classes de rendimento mensal familiar (1) 99,75 74,41 20,89 4,43

Até 1 salário mínimo 25,67 19,21 5,25 1,21

Mais de 1 a 2 salários mínimos 28,75 20,99 6,26 1,50

Mais de 2 a 3 salários mínimos 16,37 11,81 3,74 0,81

Mais de 3 a 5 salários mínimos 12,51 9,31 2,70 0,50

Mais de 5 a 10 salários mínimos 7,27 5,69 1,40 0,18

Mais de 10 a 20 salários mínimos 3,07 2,52 0,49 0,06

Mais de 20 salários mínimos 1,53 1,33 0,18 0,01

Sem rendimento (2) 3,02 2,37 0,54 0,10

Sem declaração 1,55 1,17 0,32 0,06

Fonte: IBGE, Diretoria de Pesquisas, Coordenação de Trabalho e Rendimento, Pesquisa Nacional por Amostra de

Domicílios 2003, Acesso e Utilização de Serviços de Saúde. Cálculos do autor.

(1) Exclusive os rendimentos das pessoas de menos de 10 anos de idade e das pessoas cuja condição na família era

pensionista, empregado doméstico e parente do empregado doméstico. (2) Inclusive as pessoas que receberam

somente em benefícios.

Na PNAD de 1998 os indivíduos eram perguntados se tinham determinada doença

crônica. Para evitar uma possível superestimativa da prevalência de condições crônicas

38

induzida pela formulação da pergunta, decidiu-se modificá-la em 2003 para: “algum

médico ou profissional de saúde disse que o Sr/Sra tem ...?” (Travassos et alli 2008).

Segundo Travassos et alli (2008) a reformulação da pergunta levou a uma diminuição

da prevalência de doenças crônicas, como também verificou-se que enquanto em 1998

as prevalências eram inversamente relacionadas à renda, em 2003 passou-se a observar

uma associação positiva com a renda.

Na tabela 3 temos a porcentagem de indivíduos portadores ou não de doenças crônicas

segundo grupos de idade, sexo e níveis de renda. Em torno de 25% dos entrevistados

afirmaram possuir pelo menos uma doença crônica. A partir da tabela observa-se

claramente que à medida que se avança a idade o número de doenças crônicas aumenta.

A prevalência de pelo menos uma doença crônica foi maior entre as mulheres, 28,79%

contra 20,82% para os homens. Observa-se que para 0 e 4 anos, a prevalência de pelo

menos uma doença crônica é um pouco superior entre os homens com relação às

mulheres. Entre aqueles que reportaram doenças crônicas, 16,8% informaram ter 3 ou

mais doenças, sendo este percentual de 13,5% para os homens e de 19,1% para as

mulheres.

Entre 5 e 13 anos a porcentagem é praticamente a mesma, quando a partir de então ela

começa a crescer mais rapidamente entre as mulheres. Pode-se observar também,

corroborando com as conclusões de Travassos et alli (2008), que há uma relação

positiva entre o número de doenças crônicas e o nível de renda, ou seja, quanto maior as

classes de renda maiores as prevalências de doenças crônicas.

Tabela 3: Indivíduos portadores de doenças crônicas segundo grupos de idade, sexo e classes de renda.

Grupos de idade, sexo e classes de

rendimento mensal familiar

População residente

Total

Declaração de doença crônica

Não tem

Tem doença crônica

Total

Número de doenças crônicas

1 2 3 ou mais

Total 100 75,09 24,88 14,90 5,81 4,18 0 a 4 anos 100 94,85 5,10 4,98 0,12 0,00

5 a 13 anos 100 93,70 6,27 5,92 0,27 0,08 14 a 19 anos 100 91,19 8,78 7,60 1,00 0,18

continua

39

continuação

20 a 39 anos 100 78,58 21,40 15,81 4,16 1,43

40 a 49 anos 100 56,29 43,66 26,32 11,18 6,16

50 a 64 anos 100 38,82 61,17 28,52 17,53 15,12

65 anos ou mais 100 26,34 73,66 27,54 21,95 24,16

Homens 100 79,16 20,82 13,54 4,47 2,81

0 a 4 anos 100 94,02 5,96 5,83 0,13 0,00

5 a 13 anos 100 93,64 6,32 5,94 0,31 0,07

14 a 19 anos 100 93,33 6,65 5,97 0,56 0,12

20 a 39 anos 100 82,97 17,01 13,16 3,00 0,84

40 a 49 anos 100 62,57 37,37 25,01 8,36 3,99

50 a 64 anos 100 45,92 54,08 29,13 14,67 10,27

65 anos ou mais 100 32,71 67,29 27,58 20,00 19,71

Mulheres 100 71,18 28,79 16,21 7,09 5,50

0 a 4 anos 100 95,73 4,22 4,10 0,11 0,01

5 a 13 anos 100 93,75 6,22 5,90 0,23 0,08

14 a 19 anos 100 88,92 11,06 9,34 1,46 0,24

20 a 39 anos 100 74,39 25,59 18,34 5,26 2,00

40 a 49 anos 100 50,69 49,28 27,49 13,69 8,09

50 a 64 anos 100 32,64 67,34 28,00 20,02 19,32

65 anos ou mais 100 21,24 78,76 27,51 23,52 27,73 Classes de rendimento mensal

familiar (1) 100 75,07 24,90 14,91 5,81 4,18

Até 1 salário mínimo 100 79,10 20,87 12,98 4,62 3,26

Mais de 1 a 2 salários mínimos 100 75,58 24,41 14,45 5,81 4,15

Mais de 2 a 3 salários mínimos 100 73,22 26,75 15,34 6,54 4,87

Mais de 3 a 5 salários mínimos 100 72,49 27,48 16,32 6,26 4,91

Mais de 5 a 10 salários mínimos 100 69,65 30,33 18,05 7,15 5,13

Mais de 10 a 20 salários mínimos 100 66,71 33,29 20,37 7,45 5,47

Mais de 20 salários mínimos 100 65,95 34,05 20,68 8,79 4,58

Sem rendimento (2) 100 84,32 15,62 10,77 3,41 1,44 Fonte: IBGE, Diretoria de Pesquisas, Coordenação de Trabalho e Rendimento, Pesquisa Nacional por Amostra de

Domicílios 2003, Acesso e Utilização de Serviços de Saúde. Cálculos do autor.

(1) Exclusive os rendimentos das pessoas de menos de 10 anos de idade e das pessoas cuja condição na família era

pensionista, empregado doméstico e parente do empregado doméstico. (2) Inclusive as pessoas que receberam

somente em benefícios.

Na tabela 4 temos a auto-avaliação do estado de saúde além, das médias de idade e

escolaridade para os Estados da região Nordeste para indivíduos entre 25 e 85 anos de

idade. A partir da análise da tabela pode-se inferir que o nordestino passa pouco tempo

na escola, no qual a escolaridade média é de apenas 6,32 anos. O Estado de Pernambuco

possui a maior média de escolaridade com 6,94 anos e logo em seguida vem a Bahia,

6,44. Alagoas e Piauí ficaram com as menores médias de escolaridade do Nordeste, 5,32

40

e 5,15 anos, respectivamente. A média de idade dos entrevistados é de 44,13 anos, com

pouca oscilação entre os Estados. Considerando a faixa etária supracitada, o status de

auto-avaliação positiva da saúde (entre muito bom e bom) diminui um pouco, em

relação à idade como um todo, para 63%. Esse fato se deve aos altos índices

encontrados para os primeiros grupos de idade. Os cearenses foram os indivíduos mais

otimistas com relação à auto-avaliação da saúde 67,28%, seguidos pelos sergipanos

66%. O Maranhão informou o menor índice de status de saúde entre os Estados

nordestinos, 57,51%.

Tabela 4: Avaliação do estado de saúde e médias de idade e escolaridade para os Estados do Nordeste, 2003.

Estados Média Idade

Média Escolaridade

Avaliação de Saúde (%)

Maranhão 44,42 5,36 57,51 Piauí 45,12 5,15 56,68 Ceará 44,33 6,39 67,28

Rio Grande do Norte 44,14 6,20 61,71

Paraíba 45,20 5,64 61,82 Pernambuco 44,02 6,94 60,87

Alagoas 44,02 5,32 63,15 Sergipe 43,55 6,58 66,00 Bahia 43,76 6,44 63,85

Nordeste 44,13 6,32 63,04 Fonte: PNAD (2003). Cálculos do autor.

Aproximadamente 75% dos domicílios nordestinos não tinham água canalizada da rede

geral de distribuição em 2003. E essa situação ainda é pior entre os Estados. Apenas

18,64% dos paraibanos possuíam água canalizada em 2003, representando a menor

porcentagem entre os Estados do Nordeste. A melhor situação encontrada foi a de Rio

Grande do Norte, que possuía 31,5% dos domicílios com água canalizada. 86% dos

domicílios possuíam banheiro ou sanitário no Nordeste, e este índice alcançou 94,9%

para o Estado de Rio Grande do Norte e 60,9% para o Piauí, o maior e o menor índice

entre os Estados nordestinos respectivamente. Pessoas mais informadas podem fazer

uso destas informações e produzir mais saúde. 83% dos domicílios nordestinos possuem

acesso a TV em cores ou sem cores. No entanto, a disparidade de acesso a esse bem foi

bastante considerável entre os Estados. Por exemplo, o Piauí possui 69,66% dos

domicílios com TV, enquanto que em Sergipe esse índice alcançou 87,89%.

41

Inegavelmente a renda é um dos principais determinantes da produção de saúde. Quanto

maior a renda, maiores os recursos disponíveis que os indivíduos terão para a produção

de saúde. A renda mensal domiciliar em 2003 foi de R$833,74 para o Nordeste, o que

correspondia a 3,47 salários mínimos13. O Maranhão possuía a menor renda domiciliar

entre os Estados do Nordeste em 2003, R$718,07, enquanto que na outra ponta temos

Sergipe como o Estado de maior rendimento mensal domiciliar, R$886,53. Tudo

conforme evidenciado a partir da tabela 5.

Tabela 5: Características dos domicílios nordestinos, 2003.

Estados Água canalizada Banheiro Possui

tv Renda

domiciliar Maranhão 21,16 61,77 69,70 718,07

Piauí 24,32 60,90 69,66 732,54 Ceará 20,26 88,04 86,41 844,68

Rio Grande do Norte 31,5 94,90 85,95 816,43

Paraíba 18,64 92,11 87,76 774,11 Pernambuco 22,82 90,65 87,70 866,87

Alagoas 21,04 84,85 79,22 736,26 Sergipe 24,79 93,66 87,89 886,53 Bahia 29,94 86,29 81,10 861,69

Nordeste 24,42 86,17 83,10 833,74 Fonte: PNAD (2003). Cálculos do autor.

Lembrando os cuidados que devem ser tomados na interpretação destes resultados. A

média é uma estatística fortemente influenciada pelos extremos, e que de fato pode não

retratar fielmente a realidade da variável em questão. Especialmente neste caso em que

estamos trabalhando com a variável renda, no qual seria bastante fantasioso tomarmos a

cifra de R$833,74 de renda mensal domiciliar para o Nordeste, em que sabemos que

grande parte da população nordestina vive em situação de pobreza e extrema pobreza.

Mas por ser a medida de posição central comumente utilizada na literatura, não

poderíamos simplesmente desconsiderá-la.

Neste trabalho esperamos dar comprovação empírica que a educação contribui para um

melhor status de saúde. No gráfico 2, plotamos a auto-avaliação positiva do estado de

saúde, aquela em que o indivíduo avalia seu próprio estado de saúde entre boa e muito

13 O salário mínimo brasileiro em 2003 era de R$240,00.

42

boa, a partir de distintos grupos de anos de estudo, que partem daqueles que não

possuem instrução ou tem menos de 1 ano de estudo até aqueles com 15 anos ou mais

anos de estudo. A partir do gráfico constatamos claramente que à medida que

avançamos entre os grupos de anos de estudo, a auto-avaliação positiva do estado de

saúde aumenta, saindo de um índice de 48,23% entre aqueles sem instrução e menos de

1 ano de estudo até alcançar a marca de 84,8% para aqueles com 15 anos ou mais. É um

aumento considerável na percepção positiva do status de saúde, 75,82%. E como foi

visto nos capítulos anteriores, a educação não atua isoladamente na determinação da

saúde, outras variáveis são importantes, tais como a renda, o uso das informações

disponíveis e as condições no domicílio. O desafio é exatamente mensurar o quanto a

educação sozinha contribui para uma melhor percepção positiva do estado de saúde,

sendo aquela a principal explicação ou não das disparidades encontradas.

Gráfico 2: Auto-avaliação do estado de saúde segundo grupos de anos de estudo.

Fonte: PNAD (2003). Elaboração do autor.

Vamos explorar um pouco mais o suplemento de dados da PNAD 2003. No gráfico 3

temos a distribuição da população residente nordestina, por grupos de idade, segundo

cobertura de planos de saúde. Apenas 12% da população afirmou ter pelo menos um

plano de saúde. Este percentual é metade do encontrado para o país como um todo.

Entre aqueles menores de 19 anos de idade a porcentagem de cobertura de plano de

saúde foi de 9%, atingindo 16,5% entre os indivíduos de 40 a 64 anos. Entre os mais

idosos, o índice diminui um pouco ficando em torno de 14%.

0102030405060708090

Sem instrução e menos de 1

ano

1 a 3 anos 4 a 7 anos 8 a 10 anos 11 a 14 anos 15 anos ou mais

Auto-avaliação positiva da saúde (%)

43

Entre aqueles indivíduos cobertos por algum plano de saúde, constatou-se que 44,6%

eram titulares, o índice foi maior entre as mulheres, 13% contra 11% dos homens.

Interessante foi observar que entre aqueles que auto-avaliam o estado de saúde como

bom e muito bom, o índice de cobertura de plano de saúde foi maior (12,7%) diante de

7,5% para aqueles entre ruim e muito ruim. E, logicamente, a porcentagem de cobertura

de plano de saúde aumenta com os níveis de rendimento, alcançando a marca de 83,8%

entre aqueles que ganham mais de 20 salários mínimos.

Gráfico 3: Distribuição da população residente, por grupos de idade, segundo cobertura de planos de saúde.

Fonte: IBGE, Diretoria de Pesquisas, Coordenação de Trabalho e Rendimento, Pesquisa Nacional por Amostra de

Domicílios 2003, Acesso e Utilização de Serviços de Saúde. Cálculos do autor.

Na tabela 6 temos a distribuição da população por consultas médicas nos últimos 12

meses para o Brasil, região Nordeste e Estados da região Nordeste. A porcentagem de

indivíduos que realizaram pelo menos uma consulta médica nos últimos 12 meses no

Nordeste foi de 57,6%, enquanto que foi de 62,8% considerando o país como um todo.

Entre aqueles que se consultaram no Brasil, a metade realizou entre 1 e 2 consultas nos

últimos 12 meses e 3,12% realizaram 13 ou mais consultas. Para o Nordeste, os

números são semelhantes, cerca de 52% da população realizou entre 1 e 2 consultas e

2,43% se consultaram 13 vezes ou mais. Entre os Estados da região Nordeste, o

Maranhão foi o que apresentou maior índice da população que não realizou alguma

87,92 90,94 87,4583,49 85,59

90,71

12,07 9,05 12,5416,49 14,41

9,29

0,00

25,00

50,00

75,00

100,00

Total 0 a 18 anos 19 a 39 anos

40 a 64 anos

65 anos ou mais

Idade ignorada

Não cobertos Cobertos

44

consulta médica nos últimos 12 meses, 49,42, e na outra ponta encontramos Sergipe, em

que 65,82% da população realizou pelo menos uma consulta médica.

Tabela 6: Distribuição da população segundo a realização de consultas médicas nos últimos 12 meses, 2003.

Unidades da Federação

População residente

Total

Realização de consultas médicas nos últimos 12 meses

Não consultou

Consultou

Total

Número de consultas médicas realizadas

1 a 2 3 a 5 6 a 12 13 ou mais

Brasil (1) 100 37,15 62,84 50,11 30,12 16,60 3,12 Nordeste 100 42,37 57,62 52,78 30,05 14,69 2,43 Maranhão 100 49,42 50,58 60,38 27,98 10,54 1,10 Piauí 100 39,38 60,62 55,93 27,75 13,73 2,55 Ceará 100 42,76 57,21 55,68 27,38 14,83 2,06 Rio G. do Norte 100 37,31 62,69 48,05 34,14 15,62 2,04 Paraíba 100 38,71 61,29 49,47 31,21 16,14 3,18 Pernambuco 100 40,02 59,96 46,74 32,25 17,27 3,64 Alagoas 100 48,76 51,24 52,37 30,37 15,58 1,68 Sergipe 100 34,18 65,82 51,67 32,61 14,66 1,07 Bahia 100 42,95 57,04 53,58 29,76 14,01 2,62

Fonte: IBGE, Diretoria de Pesquisas, Coordenação de Trabalho e Rendimento, Pesquisa Nacional por Amostra de

Domicílios 2003, Acesso e Utilização de Serviços de Saúde. Cálculos do autor.

(1) Exclusive a população rural de Rondônia, Acre, Amazonas, Roraima, Pará e Amapá.

O Suplemento Saúde da PNAD 2003 incluiu um conjunto de perguntas sobre

exame clínico de mama, mamografia e exame preventivo para câncer de colo de útero

para as mulheres acima de 24 anos de idade. Explorar esse conjunto de informações

pode nos dá indícios de o porquê as mulheres viverem, em média, mais do que os

homens. A partir da tabela 7, que nos fornece informações sobre a distribuição

percentual das mulheres de 25 anos ou mais de idade por situação de realização de

exame clínico de mama, para o Brasil, Nordeste e Estados da região Nordeste em 2003,

pode-se verificar que 36% das mulheres de 25 anos ou mais nunca realizaram um exame

clínico de mamas, e esse percentual aumenta consideravelmente quando consideramos

apenas a região Nordeste, 54%. Entre aquelas que já realizaram o exame, cerca de 60%

o fizeram a menos de 1 um ano, 31% entre 1 e 3 anos e 9% há quatro anos ou mais.

Quando consideramos apenas a região Nordeste, vemos que 55% das mulheres

45

realizaram o exame a menos de 1 anos, 33% entre 1 e 3 ano e 11% há 4 anos ou mais.

Entre os Estados da região Nordeste, o Maranhão foi o aquele que apresentou maior

percentual de mulheres de 25 anos ou mais de idade que nunca realizaram um exame

clínico de mamas, 63,3%, seguido de perto por Alagoas, 62,6%. E foi o Ceará o Estado

nordestino que apresentou maior índice de mulheres de 25 anos ou mais que realizaram

um exame de mamas há pelo menos um ano, 55,3%.

Tabela 7: Distribuição da população segundo a realização de consultas médicas nos últimos 12 meses, 2003.

Unidades da Federação

Mulheres de 25 anos ou mais de idade Situação de realização de exame clínico das mamas

Nunca fez

Já realizou

Total

Época do último exame realizado

Há menos de 1 ano

De 1 a 3 anos

Há 4 anos ou

mais

Brasil (1) 36,35 63,61 59,85 30,86 9,29 Nordeste 54,08 45,87 55,31 33,43 11,26 Maranhão 63,30 36,70 59,49 33,44 7,07 Piauí 52,81 47,19 51,77 37,16 11,06 Ceará 44,67 55,28 58,14 30,90 10,96 Rio G. do Norte 55,45 44,55 50,62 39,14 10,24 Paraíba 55,37 44,63 57,01 31,24 11,74 Pernambuco 52,85 46,92 53,73 33,89 12,39 Alagoas 62,57 37,43 47,11 31,97 20,92 Sergipe 50,36 49,64 50,99 36,19 12,82 Bahia 55,11 44,88 56,48 33,24 10,28

Fonte: IBGE, Diretoria de Pesquisas, Coordenação de Trabalho e Rendimento, Pesquisa Nacional por Amostra de

Domicílios 2003, Acesso e Utilização de Serviços de Saúde. Cálculos do autor.

(1) Exclusive a população rural de Rondônia, Acre, Amazonas, Roraima, Pará e Amapá.

No gráfico 4 temos a distribuição percentual das mulheres de 25 anos ou mais

que já realizaram exame de mamografia, segundo grupos de escolaridade, que foram

classificados desde sem instrução e menos de 1 ano de estudo até 15 anos ou mais de

estudo, para a região Nordeste. A maior porcentagem de exames ficou na classe de 11 a

14 anos de estudo, 27%. Entre aquelas mulheres com 8 a 10 anos de estudo 12%

realizaram um exame clínico de mamas, índice menor do aquele encontrado para as

mulheres com menos de 1 ano de estudo ou sem instrução, que registrou 15%. Observa-

se também que, neste caso, não se evidenciou uma correlação positiva clara entre a

46

porcentagem de mulheres que realizaram o exame de mamas e anos de estudo. Poderia

se esperar, a priori, que quanto maior o grau de escolaridade maior seria o percentual de

mulheres que realizaram exame de mamografia.

Gráfico 4: Distribuição percentual das mulheres de 25 anos ou mais que realizaram exame de mamografia, segundo grupos de escolaridade, 2003.

Fonte: IBGE, Diretoria de Pesquisas, Coordenação de Trabalho e Rendimento, Pesquisa Nacional por Amostra de

Domicílios 2003, Acesso e Utilização de Serviços de Saúde. Cálculos do autor.

Apesar de nos fornecer bons indícios, a análise descritiva não é suficiente para o

pesquisador tomar decisões, testar hipóteses ou chegar a conclusões. Estas questões são

tratadas através de métodos econométricos, nos quais os resultados são apresentados no

próximo capítulo.

Sem instrução e menos de 1

ano 15%

1 a 3 anos 13%

4 a 7 anos 22%

8 a 10 anos 12%

11 a 14 anos 27%

15 anos ou mais 11%

Nordeste

47

5. RESULTADOS

Como salientamos anteriormente, o objetivo desta dissertação é estimar os efeitos da

educação sobre o estado de saúde do indivíduo para a região Nordeste do Brasil,

utilizando dados da Pesquisa Nacional por Amostra de Domicílios de 2003 (PNAD

2003). Para tanto, faz-se uso de modelos probit e probit ordenado, visto que é muito

comum quando se trabalha com econometria da saúde, termos variáveis dependentes

qualitativas. Neste capítulo apresentamos os resultados estimados do modelo.

5.1 Estimando os efeitos da educação sobre a saúde.

Iniciamos nosso exercício econométrico com um modelo bem simples, com apenas uma

variável explicativa, neste caso a educação, mensurada pelos anos de estudo. Para a

variável dependente, criamos diversas variáveis binárias como medidas de saúde, que

indicam a presença ou não de alguma doença crônica ou o status de saúde auto-

avaliado. Os resultados são apresentados na tabela 8.

Tabela 8: Resultados da estimação do modelo probit.

Medida de Saúde Escolaridade Constante Log likelihood

Prob > chi2

Nº de obs.

status_saude 0,069 (58,26)** -0,088 (10,04)** -37.656,31 0,000 59.754 cirrose -0,017 (2,12)* -2.851 (53,31)** -704,12 0,034 59.754

tendinite_tenossinovite 0,025 (9,98)** -2.161 (101,08)** -6.550,67 0,000 59.754 tuberculose -0,024 (3,93)** -2.644 (65,85)** -1.116,46 0,000 59.754 depressão -0,006 (3,07)** -1.626 (112,87)** -11.559,15 0,002 59.754

renal -0,029 (10,65)** -1.854 (100,90)** -6.202,61 0,000 59.754 coraçao -0,027 (13,26)** -1.509 (105,49)** -11.372,80 0,000 59.754

hipertensao -0,042 (31,29)** -0,571 (59,56)** -29.902,04 0,000 59.754 bronquite_asma -0,004 -1,56 -1.897 (104,92)** -7.512,61 0,119 59.754

diabetes -0,033 (14,48)** -1.577 (103,77)** -9.709,42 0,000 59.754 cancer -0,002 -0,31 -2.630 (69,53)** -1.607,60 0,756 59.754

artrite_reumatismo -0,05 (29,36)** -0,986 (87,24)** -19.226,92 0,000 59.754 costas_coluna -0,023 (17,95)** -0,636 (66,81)** -31.250,84 0,000 59.754

Fonte: PNAD (2003). Cálculos do autor. Valor absoluto da estatística z em parênteses. * significante a 5%; ** significante a 1%.

48

A interpretação dos coeficientes probit é diferente daquela de um modelo de

probabilidade linear, por exemplo. Lembre-se que o modelo probit assume uma função

linear das variáveis explicativas e aplica uma transformação não-linear, no caso usando

uma curva na forma de “S” da função de distribuição normal. Desde que o modelo não é

linear, a magnitude da mudança na probabilidade de resultados que é associado a uma

dada mudança em uma das variáveis independentes depende dos níveis de todas as

variáveis independentes. Devido ao fato de estarmos trabalhando com variáveis latentes

e que são, portanto, variáveis não observáveis diretamente, os coeficientes devem ser

interpretados apenas como efeitos qualitativos. Por exemplo, um coeficiente negativo

indica que o evento determinado pela variável dependente é menos provável que

aconteça, e um coeficiente positivo indica que é mais provável que o evento ocorra.

Para o nosso modelo em questão, um coeficiente negativo indica que um indivíduo mais

escolarizado tenha menor chance de relatar ou possuir um menor status de saúde. Diante

disso, pode-se observar que os resultados estão, em geral, dentro do esperado, com

exceção das variáveis câncer e tendinite/tenossinovite, que apresentaram sinais

positivos. O problema do sinal apresentado pela variável câncer pode ser amenizado

levando-se em conta que ela não foi estatisticamente significativa aos percentuais

geralmente utilizados de 5% e 1%. O problema está no fato de a outra variável ter

apresentado coeficiente bastante significativo estatisticamente, a 1%. No mais,

bronquite/asma apresentou sinal esperado, no entanto, não significativo.

Para interpretar as implicações quantitativas dos resultados é preciso calcular utilizando

efeitos marginais para variáveis explicativas contínuas e os efeitos médios para

variáveis explicativas binárias. Infelizmente, os efeitos marginais ou médios não são

dados pelos coeficientes diretamente, mas podem ser computados a partir deles. A

fórmula para o efeito marginal de uma variável explicativa xk é:

∂P(y=1|x)/ ∂ xk = βkf(xβ) (10)

Onde f(.) = ∂F(.)/∂xβ. A fórmula para o efeito médio de uma variável binária é:

P(y=1| xk =1) - P(y=1| xk =0) = F(xβ| xk =1) - F(xβ| xk =0) (11)

49

A Tabela 9 apresenta os efeitos marginais para o modelo probit, em que estes resultados

podem ser interpretados de forma quantitativa e são medidos em unidades de

probabilidade. Por exemplo, pode-se observar, a partir da tabela, que um ano a mais de

escolaridade aumenta a probabilidade de um indivíduo relatar ser saudável em 2,6%.

Com relação às demais variáveis dependentes, pode-se observar que o efeito médio da

escolaridade sobre as diversas medidas de saúde foi um pouco menor, em relação à

variável status de saúde, variando de zero a 1,2%.

Tabela 9: Resultados da estimação do modelo probit.

Medida de Saúde Escolaridade Log likelihood

Prob > chi2 Nº de obs.

status_saude 0,026 (58,26)** -37.656,31 0,000 59.754 cirrose 0,000 (2,12)* -704,12 0,034 59.754

tendinite_tenossinovite 0,001 (9,98)** -6.550,67 0,000 59.754 tuberculose 0,000 (3,93)** -1.116,46 0,000 59.754 depressão -0,001 (3,07)** -11.559,15 0,002 59.754

renal -0,001 (10,65)** -6.202,61 0,000 59.754 coraçao -0,003 (13,26)** -11.372,80 0,000 59.754

hipertensao -0,012 (31,29)** -29.902,04 0,000 59.754 bronquite_asma 0,000 -1,56 -7.512,61 0,119 59.754

diabetes -0,003 (14,48)** -9.709,42 0,000 59.754 cancer 0,000 -0,31 -1.607,60 0,756 59.754

artrite_reumatismo -0,009 (29,36)** -19.226,92 0,000 59.754 costas_coluna -0,007 (17,95)** -31.250,84 0,000 59.754

Fonte: PNAD (2003). Cálculos do autor. Valor absoluto da estatística z em parênteses. * significante a 5%; ** significante a 1%.

Dando continuidade ao nosso exercício econométrico, agora acrescentamos diversos

controles no modelo de regressão. A partir de agora, apresentaremos apenas os

resultados dos efeitos marginais para o modelo probit, que se seguem na Tabela 10. A

variável dependente é binária e indica o estado de saúde auto-avaliado, assumindo valor

1 se o indivíduo se auto-avalia saudável (estado de saúde muito bom e bom). A sinopse

das variáveis utilizadas é apresentada no Quadro 1. No modelo 1 incluímos variáveis

ligadas às características do indivíduo, tais como cor, sexo, idade e se reside em área

urbana. No modelo 2, além das variáveis apresentadas no modelo 1 foi adicionada a

renda principal. Em ambos os modelos, todas as variáveis apresentaram-se

estatisticamente significativas a 1% e com os sinais esperados. Ao adicionarmos a nossa

50

proxy para o nível de renda, verificou-se que o efeito da escolaridade sobre o status de

saúde diminuiu um pouco14, caindo de 1,4% no modelo 1 para 0,8% no modelo 2.

Tabela 10: Resultados da estimação do modelo probit.

1 2 3 4 5 6 escolaridade 0.014 0.008 0.011 0.007 0.011 0.007

(23.51)** (11.56)** (17.68)** (9.76)** (17.02)** (9.56)** cor 0.031 0.025 0.027 0.023 0.026 0.023

(5.58)** (4.55)** (4.79)** (4.13)** (4.72)** (4.10)** age -0.008 -0.008 -0.008 -0.008 -0.008 -0.008

(35.34)** (36.50)** (36.31)** (37.01)** (36.38)** (37.01)** sex -0.079 -0.050 -0.078 -0.052 -0.078 -0.052

(14.90)** (8.98)** (14.69)** (9.32)** (14.68)** (9.30)** urbano -0.019 -0.034 -0.020 -0.031 -0.021 -0.029

(2.94)** (5.17)** (2.89)** (4.49)** (2.89)** (3.93)** radio 0.018 0.013 0.016 0.013

(2.42)* (1.84) (2.21)* (1.74) tv 0.002 -0.008 -0.000 -0.006 (0.21) (0.96) (0.04) (0.76)

internet 0.103 0.075 0.104 0.075 (10.04)** (6.94)** (10.08)** (6.94)**

filtro 0.006 0.005 (1.28) (1.04)

banheiro 0.003 -0.010 (0.28) (1.07)

lnrendprinc 0.048 0.043 0.043 (15.86)** (13.86)** (13.76)**

agua_canalizada -0.028 -0.021 (2.37)* (1.77)

Observações 33947 33947 33947 33947 33947 33947 Fonte: PNAD (2003). Cálculos do autor. Valor absoluto da estatística z em parênteses. * significante a 5%; ** significante a 1%.

Sobre o sinal da variável sex cabe um comentário. Apesar de se constatar empiricamente

que as mulheres vivem, em média, mais do que os homens (o que poderia nos levar a

esperar um sinal positivo da variável), observou-se no capítulo referente à análise

descritiva deste trabalho que as mulheres são, em geral, mais pessimistas em relação à

auto-avaliação do estado de saúde do que os homens. Então o fato de ser mulher reduz a

probabilidade de o indivíduo afirmar ser saudável.

14 Para aqueles mais rigorosos, de fato não é uma redução tão pequena, corresponde a uma diminuição de 43%.

51

Quadro 1: Sinopse das variáveis utilizadas no modelo de regressão. escolaridade Anos de estudo das pessoas de 25 a 85 anos de idade

cor Variável binária assumindo 1 para cor branca age Idade do morador. sex Variável binária assumindo 1 para mulher

urbano Variável binária assumindo 1 para área urbana radio Variável binária assumindo 1 se possui rádio

tv Variável binária assumindo 1 se possui tv

internet Variável binária assumindo 1 se o computador é utilizado para acesso à internet

filtro Variável binária assumindo 1 se tem filtro d’água

agua_canalizada Variável binária assumindo 1 se tem água canalizada de rede geral de distribuição para a propriedade

banheiro Variável binária assumindo 1 se existe banheiro ou sanitário no domicílio ou na propriedade

lnrendprinc Logaritmo natural da renda do trabalho principal Fonte: Elaboração do autor.

Nos modelos 3 e 4 foram adicionadas as variáveis relativas à informação: rádio, TV e

internet. A diferença entre este dois modelos é que no modelo 3 não há a variável renda.

No modelo 3 as variáveis apresentaram os sinais esperados, no entanto o fato de o

indivíduo possuir TV não foi significativo para melhorar seu estado de saúde. Quando

mais uma vez adicionamos a variável renda (modelo 4), com relação às variáveis de

informação, somente a internet tem um efeito estatisticamente significativo sobre a

saúde.

Por fim, nos modelos 5 e 6, foram adicionadas variáveis com respeito a características

de condições do domicilio, que incluem se existe banheiro ou sanitário, há filtro d’água

ou se a água é canalizada da rede geral de distribuição. Mais uma vez a diferença básica

entre os dois modelos é que no 6 há a presença da variável renda. A variável filtro,

apesar de apresentar o sinal esperado, não foi estatisticamente significativa em ambos os

modelos; banheiro também não se mostrou significativo e ainda apresentou uma troca

de sinal quando foi incluída a renda no modelo 6; e água canalizada não apresentou os

sinais esperados e perdeu significância no modelo 6 em relação ao modelo 5.

Agora observem que todas as vezes em que foi adicionada a renda do trabalho principal

nos modelos o efeito da escolaridade sobre a saúde diminuiu. O efeito médio da

escolaridade sobre a saúde ficou entre 0,7% e 1,4%, valores estes inferiores aos

encontrados em COSTA (2008).

52

Tabela 11: Resultados dos efeitos marginais do modelo probit por sexo.

Mulheres escolaridade 0.015 0.008 0.012 0.007 0.012 0.007

(16.14)** (6.83)** (12.32)** (5.80)** (11.97)** (5.75)** cor 0.040 0.033 0.034 0.029 0.034 0.029

(4.37)** (3.55)** (3.68)** (3.16)** (3.63)** (3.15)** age -0.008 -0.008 -0.008 -0.009 -0.008 -0.009

(19.80)** (20.51)** (20.51)** (20.90)** (20.50)** (20.87)** urbano -0.028 -0.048 -0.030 -0.045 -0.035 -0.045

(2.18)* (3.69)** (2.29)* (3.39)** (2.47)* (3.18)** lnrendprinc 0.057 0.052 0.052

(11.61)** (10.21)** (10.15)** radio 0.017 0.012 0.016 0.012

(1.36) (0.96) (1.27) (0.95) tv -0.000 -0.012 -0.004 -0.012

(0.00) (0.78) (0.23) (0.74) internet 0.113 0.083 0.113 0.083

(7.47)** (5.25)** (7.48)** (5.24)** filtro -0.001 -0.001

(0.17) (0.16) agua_canalizada -0.016 -0.007

(0.73) (0.31) banheiro 0.016 -0.001

(0.88) (0.07) Observações 12833 12833 12833 12833 12833 12833

Homens escolaridade 0.013 0.008 0.011 0.007 0.010 0.007

(17.00)** (9.19)** (12.61)** (7.73)** (12.08)** (7.53)** cor 0.025 0.021 0.022 0.019 0.022 0.019

(3.61)** (2.96)** (3.16)** (2.73)** (3.09)** (2.69)** age -0.008 -0.008 -0.008 -0.008 -0.008 -0.008

(29.28)** (30.14)** (29.91)** (30.44)** (29.99)** (30.46)** urbano -0.015 -0.028 -0.015 -0.025 -0.015 -0.022

(1.96) (3.64)** (1.85) (3.07)** (1.77) (2.59)** lnrendprinc 0.042 0.038 0.038

(10.96)** (9.55)** (9.44)** radio 0.018 0.014 0.016 0.013

(2.01)* (1.58) (1.80) (1.46) tv 0.002 -0.006 0.001 -0.004

(0.22) (0.65) (0.09) (0.43) internet 0.096 0.068 0.096 0.069

(6.73)** (4.54)** (6.76)** (4.54)** filtro 0.011 0.010

(1.78) (1.50) agua_canalizada -0.033 -0.027

(2.35)* (1.92) banheiro -0.002 -0.013

(0.23) (1.21) Observações 21114 21114 21114 21114 21114 21114

Fonte: PNAD (2003). Cálculos do autor. Valor absoluto da estatística z em parênteses. * significante a 5%; ** significante a 1%.

53

Uma análise dos resultados desagregada por sexo está na tabela 11. Da mesma forma

que na tabela 10, estimamos 6 modelos, partindo de um modelo básico (apresentado na

segunda coluna da esquerda para a direita) sem as variáveis de renda, informação ou

características dos domicílios, até um modelo “mais completo”, apresentado na última

coluna. Pode-se ver que todas as vezes em que foi incluída a variável renda, o efeito da

escolaridade sobre o estado de saúde entre homens e mulheres passa a ser o mesmo, sem

a renda o impacto da escolaridade é sempre maior para as mulheres. O efeito da idade

(age) é praticamente o mesmo tanto para eles quanto para elas em todos os modelos. O

fato de ter cor branca tem um impacto maior sobre a saúde entre as mulheres. Residir

em área urbana não foi significativo para os homens sempre que a variável renda não

estave presente no modelo. Quanto às variáveis de informação apenas internet mostra-se

significativa em todos os modelos estimados. As variáveis de características dos

domicílios mostraram-se não significativas, com exceção de água canalizada no modelo

5 para os homens, porém com o sinal contrário ao esperado.

Tabela 12: Resultados dos efeitos marginais do modelo probit por grupos de renda.

Até 1

salário Entre 1 e 3 salários

Entre 3 e 5 salários

Entre 5 e 10

salários

Mais de 10

salários escolaridade 0.005 0.008 0.012 0.010 0.007

(4.82)** (7.17)** (5.37)** (3.38)** (2.07)* cor 0.010 0.031 0.046 0.009 0.021

(1.16) (3.61)** (2.91)** (0.44) (0.97) age -0.009 -0.007 -0.007 -0.006 -0.005

(29.65)** (19.13)** (9.65)** (6.23)** (5.12)** sex -0.064 -0.060 -0.033 -0.034 -0.018

(8.07)** (6.41)** (1.79) (1.43) (0.71) urbano -0.038 0.005 -0.025 0.065 -0.017

(4.20)** (0.41) (0.70) (1.13) (0.29) radio 0.013 0.006 0.018 0.116 0.059

(1.35) (0.47) (0.61) (2.22)* (0.94) tv -0.005 0.012 0.033 0.071 0.038

(0.45) (0.70) (0.63) (0.76) (0.39) internet 0.087 0.053 0.026 0.040 0.070

(2.51)* (3.08)** (1.26) (1.80) (2.80)** Observações 17118 11910 2593 1356 970

Fonte: PNAD (2003). Cálculos do autor. Valor absoluto da estatística z em parênteses. * significante a 5%; ** significante a 1%.

Para a apresentação dos resultados da tabela 12, que apresenta os efeitos

marginais do modelo probit por grupos de renda, foi necessária a escolha de um modelo

54

de melhor ajuste a nossa base de dados15. O critério utilizado foi o de BIC’16, seguindo

os passos de Long & Freese (2006), onde pode ser encontrados mais detalhes. Os

resultados são apresentados no anexo deste trabalho e eles indicam que o modelo de

melhor ajuste é o quatro da tabela 10. Agora podemos interpretar os resultados da tabela

12. A renda do trabalho principal foi agrupada em 5 classes de salários com valores de

2003. Pode-se observar que a significância das variáveis é bastante sensível aos níveis

de renda. A escolaridade é significativa e apresenta o sinal esperado para todos os níveis

de renda, porém perde significância para o grupo de mais de 10 salários mínimos em

relação aos demais. Seu coeficiente é crescente até o grupo entre 3 e 5 salários, quando

então passa a decrescer, variando de 0,5% a 1,2%, com o grupo de menor renda

apresentando o menor efeito. A cor foi significativa somente para aqueles que

ganhavam entre 1 e 5 salários. Pode-se verificar também que quanto maior o nível de

renda menor é o efeito da idade sobre a saúde. Esse resultado é interessante uma vez

que pode indicar que os indivíduos com maior renda têm maior controle sobre seu

estado de saúde, fazendo uso dos bens e serviços de saúde disponíveis (os insumos) para

melhorar o status de saúde (o produto). O fato de residir em área urbana somente é

significativo para a saúde para aqueles que ganhavam até um salário mínimo e ainda os

coeficientes para os grupos entre 1 a 3 e 5 a 10 salários apresentaram trocas de sinais.

Quanto às variáveis de informação, TV mostrou-se não significativa e ainda

apresentou uma troca de sinal para aqueles que ganhavam até 1 salário mínimo em

2003. O fato de possuir rádio na residência somente foi significativo para o grupo de 5 a

10 salários. E internet não foi significativa entre os grupos de 3 a 10 salários.

Na tabela 13 podemos verificar o comportamento das variáveis de controle a

partir de diferentes grupos de escolaridade e observamos grande sensibilidade dos

coeficientes estimados, com exceção de idade e renda, que se apresentam

estatisticamente significativos e com os sinais esperados para todos os grupos de estudo.

A variável cor foi significativa somente para o grupo de 11 a 14 anos de estudo, sendo

exatamente este o grupo de maior impacto na saúde para aquela variável. Sexo não foi

significativo para o grupo de 15 anos ou mais. Residir em área urbana somente foi

15 O comando fitstat, usado para comparar o ajuste de modelos, não pode ser utilizado junto com o comando dprobit, que computa os efeitos marginais no modelo probit. Dessa forma, os testes foram feitos com os modelos probits originais, sem os efeitos marginais. 16 O Bayesian Information Criterion (BIC) é uma medida do ajuste global de um modelo, ou ainda, é utilizado para comparar modelos aninhados (nested) e não aninhados (non-nested), restrito e não restrito. Quanto mais negativo o valor do BIC melhor o ajuste.

55

significativo para os dois primeiros grupos de escolaridade. Nesta situação em que

estimamos os efeitos marginais do modelo probit por grupos de estudo as variáveis de

informação se mostraram menos significativas, até mesmo internet que foi significativa

em três dos seis grupos e a 5%.

Tabela 13: Resultados dos efeitos marginais do modelo probit por grupos de estudo.

menos de

1 ano 1 a 3 anos 4 a 7 anos 8 a 10 anos

11 a 14 anos

15 ou mais

cor 0.017 0.017 0.009 0.022 0.037 0.010 (1.17) (1.04) (0.79) (1.43) (3.96)** (0.73)

age -0.009 -0.009 -0.010 -0.009 -0.007 -0.006 (19.89)** (16.24)** (19.11)** (11.69)** (14.20)** (8.82)**

sex -0.045 -0.041 -0.076 -0.073 -0.038 -0.016 (2.97)** (2.60)** (6.47)** (4.66)** (4.02)** (1.10)

urbano -0.044 -0.042 -0.019 0.017 0.019 0.041 (3.33)** (2.68)** (1.25) (0.60) (0.88) (0.76)

lnrendprinc 0.035 0.037 0.043 0.045 0.047 0.034 (4.92)** (4.58)** (6.22)** (4.83)** (8.00)** (3.80)**

radio -0.009 0.008 0.022 0.041 0.022 0.015 (0.58) (0.48) (1.43) (1.88) (1.40) (0.44)

tv -0.017 -0.003 0.038 -0.004 0.007 -0.046 (1.20) (0.17) (2.09)* (0.11) (0.26) (0.57)

internet 0.206 0.047 0.102 0.053 0.031 0.034 (1.89) (0.60) (2.36)* (1.45) (2.25)* (2.24)*

Observações 6820 5122 7832 3954 7832 2387 Fonte: Cálculos do autor a partir dos dados da PNAD (2003). Valor absoluto da estatística z em parênteses. * significante a 5%; ** significante a 1%.

Os resultados dos efeitos marginais do modelo probit por grupos de idade podem ser

observados na tabela 14. Neste caso, apenas a renda e internet foram significativas para

todas as faixas etárias. A escolaridade não foi significativa para o grupo de 65 anos ou

mais. Na verdade este não é um resultado fora do esperado. Afinal a média de

escolaridade para este grupo de idade é de apenas 3,5 anos, menos da metade da média

do grupo de 25 a 34 anos (8,1anos), sugerindo que a escolaridade de fato não seria tão

importante na determinação da saúde para este grupo de idade. O coeficiente da

escolaridade foi crescente até a faixa etária de 45 a 54 anos de idade. Apenas dois dos

grupos de idade ( 35 a 44 e 45 a 54 anos) foram significativos para a variável cor.

Como a literatura geralmente trabalha com uma amostra com idade entre 25 e 65 anos,

nós também estimamos nossos modelos com esta composição de amostra e os

56

apresentamos no anexo desta dissertação nas tabelas 3A a 7A. O leitor interessado

poderá fazer uma análise mais minuciosa, no entanto, observamos que os resultamos

não diferem consideravelmente daqueles apresentados no corpo deste trabalho.

Sustentamos a nossa hipótese de trabalhar com uma amostra com indivíduos entre 25 e

85 anos de idade por acreditar que temos uma amostra mais representativa.

Tabela 14: Resultados dos efeitos marginais do modelo probit por grupos de idade.

25 a 34

anos 35 a 44

anos 45 a 54

anos 55 a 64

anos 65 ou mais

escolaridade 0,005 0,007 0,009 0,006 0,008 (4,82)** (5,41)** (5,40)** (2,30)* (1,64)

cor 0,011 0,032 0,027 0,021 -0,026 (1,43) (3,32)** (1,99)* (1,05) (0,83)

age -0,007 -0,009 -0,011 -0,003 -0,008 (5,36)** (5,71)** (5,15)** (0,92) (2,60)**

sex -0,040 -0,048 -0,066 -0,044 0,030 (5,17)** (5,01)** (4,95)** (2,07)* (0,81)

urbano -0,030 -0,030 -0,050 -0,024 0,031 (2,97)** (2,41)* (2,97)** (1,05) (0,97)

lnrendprinc 0,040 0,045 0,051 0,045 0,058 (8,53)** (7,87)** (6,94)** (4,51)** (4,05)**

radio 0,023 -0,006 0,035 0,023 -0,047 (2,31)* (0,44) (1,90) (0,87) (1,25)

tv 0,001 -0,008 -0,033 0,003 -0,001 (0,05) (0,53) (1,65) (0,12) (0,04)

internet 0,061 0,070 0,066 0,142 0,266 (3,66)** (3,73)** (2,82)** (3,36)** (3,10)**

Observações 12292 10497 6718 3145 1295 Fonte: Cálculos do autor a partir dos dados da PNAD (2003). Valor absoluto da estatística z em parênteses. * significante a 5%; ** significante a 1%.

Feito isso partimos agora para a estimação do nosso modelo probit ordenado. A

nossa medida de saúde, estado de saúde auto-avaliado, é uma variável inerentemente

categórica, assumindo 5 valores: 1 = muito bom; 2 = bom; 3 = regular; 4 = ruim e 5 =

muito ruim. Dessa forma, a variável dependente assume valores que estabelecem um

certo ordenamento dos dados, não de forma linear, mas sim de forma a ranquear os

possíveis resultados. É possível estimar a probabilidade de mudança de cada uma das

categorias, os cut-offs (μ’s). Os valores limites (μ) correspondem aos pontos de corte,

onde um indivíduo se move de relatar uma categoria de auto-avaliação de saúde para

outra. Na tabela 15 estão os resultados da estimação do modelo probit ordenado por

57

sexo. Como na tabela 9, estes resultados não podem ser analisados de forma

quantitativa. Observem que o intercepto não é estimado no probit ordenado, no entanto

são adicionados os valores limites, que uma vez que são bastante significativos indicam

que o modelo é altamente apropriado. O coeficiente da escolaridade apresenta-se

negativo uma vez que temos a probabilidade de mudança de o indivíduo sair de um

estado de saúde “muito bom” para o “bom”, do “bom” para o “regular” e assim

sucessivamente. Em geral, as variáveis de características individuais, juntamente com as

de situação censitária e nível de renda, foram significativas e apresentaram os sinais

esperados.

Tabela 15: Resultados da estimação do modelo probit ordenado por sexo.

Mulheres Homens escolaridade -0,018 -0,018

(6,64)** (7,90)** cor -0,072 -0,054

(3,32)** (3,19)** age 0,020 0,022

(20,73)** (32,49)** urbano 0,132 0,105

(4,09)** (5,03)** lnrendprinc -0,141 -0,131

(11,59)** (12,85)** radio -0,044 -0,071

-1,49 (3,31)** tv 0,006 0,016

-0,17 -0,66 internet -0,245 -0,153

(6,89)** (4,41)** Parâmetros Auxiliares

cut1 -1,127 -0,898 (15,17)** (15,32)**

cut2 0,440 0,675 (5,95)** (11,52)**

cut3 1,818 1,981 (23,71)** (32,38)**

cut4 2,555 2,874 (30,57)** (40,57)**

Observações 12833 21114 Fonte: Cálculos do autor a partir dos dados da PNAD (2003). Valor absoluto da estatística z em parênteses. * significante a 5%; ** significante a 1%.

Quanto às variáveis de informação, internet mostrou-se significativa para ambos,

homens e mulheres. A variável rádio foi significativa apenas para os homens e TV não

foi significativa.

58

A figura 2 apresenta a distribuição das probabilidades calculadas para o modelo Probit

ordenado. Ao lado, temos as probabilidades associadas a cada valor possível do nível de

saúde declarado dos indivíduos entrevistados. A probabilidade de um indivíduo

considerar-se saudável é de 71,21% enquanto que a probabilidade de afirmar possuir um

estado de saúde muito ruim é de menos de 1%.

Pr Prob(H=1)= 0,1781 Prob(H=2)= 0,5340 Prob(H=3)= 0,2527 Prob(H=4)= 0,0302 Prob(H=5)= 0,0050

ε Fonte: Elaboração do autor.

Figura 2: Distribuição das probabilidades calculadas e cut-offs para o modelo Probit ordenado.

Também simulamos as probabilidades calculadas por sexo, que são apresentadas no gráfico 5. A auto-avaliação positiva do estado de saúde é um pouco maior entre os homens, 72,91% contra 68,49% das mulheres. Estes valores estão bem próximos daqueles apresentados no capítulo referente à análise descritiva desta dissertação.

Gráfico 5: Distribuição das probabilidades calculadas por sexo.

Mulheres Homens

Fonte: Cálculos do autor a partir dos dados da PNAD (2003).

Uma análise quantitativa dos resultados do modelo probit ordenado pode ser feita a

partir da tabela 16. Nela temos os resultados da estimação dos efeitos marginais para

cada valor limite. Apenas os efeitos da variável TV não foram significativos. Os

68,49

27,72

3,10 0,690

1020304050607080

muito bom e bom

regular ruim muito ruim

72,91

23,76

2,95 0,380

1020304050607080

muito bom e bom

regular ruim muito ruim

59

resultados podem ser interpretados da seguinte forma: um ano a mais de escolaridade

mudaria a probabilidade de relatar um estado de saúde muito bom em 0,4%, a

probabilidade de estado de saúde bom 0,2%, regular -0,5%, ruim -0,1%. Ou ainda,

interpretando apenas os sinais dos coeficientes, o aumento na escolaridade diminuiria a

probabilidade de o individuo afirmar possuir um estado de saúde regular, ruim e muito

ruim.

Tabela 16: Resultados dos efeitos marginais do modelo probit ordenado.

Muito Bom Bom Regular Ruim Muito

Ruim escolaridade 0,004 0,002 -0,005 -0,001 0,000

(0,000)** (0,000)** (0,000)** (0,000)** (0,000)** cor 0,015 0,005 -0,017 -0,003 -0,001

(0,000)** (0,000)** (0,000)** (0,000)** (0,000)** age -0,005 -0,002 0,006 0,001 0,000

(0,000)** (0,000)** (0,000)** (0,000)** (0,000)** sex -0,031 -0,012 0,035 0,007 0,001

(0,000)** (0,000)** (0,000)** (0,000)** (0,000)** urbano -0,029 -0,008 0,031 0,006 0,001

(0,000)** (0,000)** (0,000)** (0,000)** (0,000)** lnrendprinc 0,033 0,012 -0,037 -0,007 -0,001

(0,000)** (0,000)** (0,000)** (0,000)** (0,000)** radio 0,015 0,006 -0,017 -0,003 -0,001

(0,000)** (0,001)** (0,000)** (0,001)** (0,001)** tv -0,003 -0,001 0,003 0,001 0,000

(0,536) (0,524) (0,533) (0,530) (0,530) internet 0,053 0,010 -0,052 -0,009 -0,001

(0,000)** (0,000)** (0,000)** (0,000)** (0,000)** Fonte: Cálculos do autor a partir dos dados da PNAD (2003). Valor - P em parênteses. * significante a 5%; ** significante a 1%.

5.2 Tratando a questão da causalidade

Vamos relembrar algumas questões: Adams (2002) conclui que o efeito da educação

sobre a saúde é independente da influência de variáveis omitidas. Ele conclui que,

mesmo após a correção para o viés de endogeneidade, o efeito da educação sobre a

saúde continua a ser positivo e estatisticamente significativo. Arendt (2004) descreve

conclusões diferentes. Este estudo conclui que, quando endogeneidade é permitida, a

relação entre anos de educação e auto-relato de saúde aumenta em magnitude. No

entanto, como é encontrado em muitos estudos de Variáveis Instrumentais (V.I), os

60

erros padrão aumentam também. Ele conclui ainda que não se pode rejeitar que a

educação é exógena à saúde, nem pode a hipótese nula de nenhum efeito da educação

ser rejeitada. Este estudo é, no entanto, inconclusivo sobre o efeito da educação sobre a

saúde. Groot & Maassen van den Brink (2004) encontram que as estimativas por V.I

diferem entre homens e mulheres. Para os homens variáveis instrumentais dobram o

efeito de um ano de educação sobre a qualidade da saúde, enquanto para as mulheres

V.I produz uma estimativa do parâmetro estatisticamente insignificante para o ano de

educação. Em seguida, este estudo testa se é necessário e útil o uso de V.I (a

relevância dos instrumentos), testa a validade dos instrumentos e se a qualidade dos

instrumentos é suficientemente boa. Conclui-se que os instrumentos são válidos e de

boa qualidade, mas que não é relevante utilizar variáveis instrumentais.

Em Costa (2008) encontra-se um resumo sobre os estudos que trataram os efeitos da

educação sobre a saúde com a educação endógena. Estes estudos estão sumarizados no

Quadro 2. Berger e Leigh (1989), Sander (1995) e Leigh & Dhir (1997) focam o

background familiar como fontes de variáveis instrumentais. Eles utilizam a

escolaridade dos pais, renda per capita média estadual e gasto per capita com educação

estadual, número de irmãos e dummies de regiões. No entanto, podemos esperar que

estas variáveis sejam correlacionadas com a saúde da criança e portanto não seriam

bons instrumentos.

Outra linha de pesquisa é aquela que utiliza variáveis institucionais como fontes de

variáveis instrumentais. Neste campo de investigação destacamos os trabalhos de

Lleras-Muney (2002), Arendt (2005) e Costa (2008). Estes trabalhos têm em comum o

fato de utilizarem as reformas no ensino, que aumentaram o tempo de permanência

obrigatória na escola, como variável instrumental. Os resultados também são comuns: o

efeito da educação sobre o estado de saúde permanece positivo e significativo mesmo

quando utilizado o método de variáveis instrumentais, tendo o seu efeito, inclusive,

ampliado. Similarmente, Oreopolus (2003) e Spasojevic (2003) também encontram que

aumentos nas leis de escolaridade mínima na Inglaterra e Irlanda e Suécia,

respectivamente, melhoram a saúde da população (CUTLER E LLERAS-MUNEY,

2006).

61

Quadro 2: Estudos que trataram a educação de forma endógena.

Estudos Medidas de Saúde Amostra Instrumentos

Berger e Leigh (1989)

pressão sanguínea

indivíduos com idade entre 25 e 74 anos em 1974, nos Estados Unidos

Escolaridade dos pais, renda per capita média estadual e gasto per capita com educação estadual

limitações funcionais

homens com idade entre 24 e 34 anos, em 1976, nos Estados Unidos

QI, escolaridade dos pais e número de irmãos

Sander (1995) probabilidade de fumar

indivíduos com 25 anos de idade ou mais, entre 1986 e 1991, nos Estados Unidos

Escolaridade dos pais, número de irmãos e dummy indicando a região onde residia aos 6 anos de idade.

Leigh e Dhir (1997)

número de exercícios físicos por

mês

indivíduos, chefes de família ou seus respectivos cônjuges, com 65 anos de idade ou mais, em 1986, nos Estados Unidos

Escolaridade dos país e três dummies indicado se o estado onde reside é pobre, médio ou rico.

Arkes (2001)

limitação ao trabalho por problema de

saúdelimitação para

mobilidade

Homens brancos, com idade entre 47 e 56 anos em 1990, nos Estados Unidos

Taxa média de desemprego do estado em que nasceu, no período em que tinha 15, 16 e 17 anos de idade.

Adams (2002) limitações funcionais

indivíduos entre 51 e 61 anos, em 1992, nos Estados Unidos

Trimestre de nascimento.

Lleras-Muney (2002)

mortalidade de adultos

indivíduos brancos, que completaram 14 anos de idade entre 1915 e 1939, nos Estados Unidos

Reformas no ensino entre 1915 e 1939 ampliando o período de frequência obrigatória.

Arendt (2005)

estado de saúde auto-

avaliadoíndice de massa corporal

Indivíduos trabalhadores, com idade entre 25 e 59 anos, em 1990 e 1995, na Dinamarca (painel)

Reformas no ensino ocorridas em 1958 e 1975, que facilitavam o acesso ao ensino médio e aumentava a período de frenquência obrigatória, respectivamente

Probabilidade de nunca ter

fumado Fonte: Costa (2008).

62

Apesar de serem instrumentos consideravelmente exógenos à equação de saúde, as leis

de escolaridade obrigatória foram destinadas ao aumento da educação dos que estão no

extremo inferior da distribuição da educação; elas provavelmente não terão impacto

sobre aqueles que estavam planejando ir à faculdade. Isso torna difícil prever o efeito

dos programas que afetam toda a população ou que são direcionados para diferentes

populações. Usando os resultados destes estudos, não é possível, portanto, quantificar

quanto da correlação observada entre a educação e saúde na população pode ser

explicada pela causalidade reversa, ou por terceiros fatores, como salientam Cutler e

Lleras-Muney (2006).

De fato, ao analisar saúde, educação e renda do indivíduo observa-se a presença de

correlação positiva entre essas variáveis. Entretanto, a causalidade entre estas é motivo

de controvérsia na literatura. Somente se existir uma relação causal conjunta entre

educação e saúde, a educação é uma variável endógena na equação de saúde (GROOT E

MASSEN VAN DEN BRINK, 2004). Uma vez que se venha trabalhar com a hipótese

de endogeneidade da educação, a preocupação central passa a ser buscar instrumentos

que sejam suficientemente exógenos na equação de saúde. Para tanto, recorremos à

Economia do Trabalho. Infelizmente a PNAD não nos oferece muitas variáveis para

assumir este papel. A saída foi utilizar como variável instrumental se o indivíduo tem

um cargo de dirigente17. Essa variável mediria uma habilidade do indivíduo e seria

fortemente correlacionada com a educação. Estamos considerando que indivíduos mais

escolarizados estariam mais aptos a ocuparem tais cargos. Os procedimentos utilizados

para a instrumentalização da educação na equação de saúde são baseados em

Wooldridge (2002).

Podemos formalizar nosso modelo endógeno da seguinte forma:

H1* = Z1δ1 + α1Y2 + u (12)

Y2 = Z1δ21 + Z2δ22 + v = Zδ2 + v (13) H1 = 1[H1

* > 0] (14)

A equação (12) representa a equação de saúde com a variável dependente binária, tal

como o modelo 4 da tabela 10. Z1 é um vetor com características individuais tais como

17 Groot e Maassen van den Brink (2004) utilizaram como instrumento se o pai do indivíduo tinha um cargo de gestão e o número de trabalhadores supervisionados pelo pai quando o entrevistado tinha 14 anos.

63

raça, cor, sexo e de variáveis de informação. Y2 seria a variável endógena e δ1, δ2 e α1

são os coeficientes a serem estimados. A equação (13) representa a forma reduzida de

Y2, enquanto que (12) e (14) são as equações estruturais. Há problema de

endogeneidade se u e v forem correlacionados. Por suposição (u,v) tem média zero,

distribuição normal bivariada e são independentes de Z.

O primeiro estágio da estimação, ou seja, a estimação da equação de educação é feita

contra dirigentes, que assume valor 1 caso o indivíduo tenha um cargo de dirigente,

sexo, cor, idade e urbano. Os resultados são apresentados na tabela 9A em anexo. O

teste F indica que os instrumentos são bons, ou seja, sob a hipótese nula de que todos os

parâmetros na equação de educação são iguais a zero, o teste F nos indica que devemos

rejeitar tal hipótese.

Tabela 17: Resultados da estimação dos efeitos marginais do modelo probit com educação endógena.

Total Mulheres Homens escolaridade 0.012 0.008 0.020

(3.27)** (1.78) (3.20)** Resíduos -0.005 -0.001 -0.014

(1.34) (0.13) (2.18)* cor 0.015 0.018 0.007

(1.86) (1.80) (0.49) age -0.008 -0.008 -0.007

(20.75)** (17.70)** (10.76)** sex -0.059

(7.61)** urbano -0.048 -0.027 -0.092

(3.30)** (1.53) (3.58)** lnrendprinc 0.043 0.038 0.050

(13.42)** (9.36)** (9.74)** radio 0.013 0.014 0.012

(1.83) (1.58) (0.96) tv -0.008 -0.006 -0.012

(0.96) (0.65) (0.76) internet 0.074 0.068 0.080

(6.81)** (4.51)** (5.05)** Observações 33947 21114 12833

Fonte: Cálculos do autor a partir dos dados da PNAD (2003). Valor absoluto da estatística z em parênteses. * significante a 5%; ** significante a 1%.

Na tabela 17 estão os resultados da estimação dos efeitos marginais do modelo probit

para a amostra como um todo e por sexo. Em comparação com os resultados obtidos

sem a instrumentalização da educação, pode-se observar que esta aumentou o efeito da

educação sobre a saúde, mas tornou não significativo o coeficiente da escolaridade para

64

as mulheres. A variável cor mostrou-se não significativa com a endogeneização da

educação.

Uma característica interessante do método descrito acima é que a estatística t dos

resíduos, ou seja, o nível de significância da variável resíduos obtida da estimação da

equação de educação e incluída na de saúde, é um teste válido sob a hipótese nula de

que a escolaridade é exógena. Portanto, os resultados aqui encontrados indicam pela

exogeneidade da educação, com exceção do modelo estimado para os homens em que

os resíduos se mostraram significativos a 5%. Estes resultados estão em concordância

com Groot e Maassen van den Brink (2004).

O pacote estatístico do Stata traz em sua rotina um comando (ivprobit) para tratar da

endogeneidade em modelos probit. No entanto optamos pelo método sugerido em

Woldridge (2002) uma vez que podemos controlar melhor os instrumentos na equação

de educação e, além disso, os resultados não foram satisfatórios, mas os apresentamos

no anexo deste trabalho na tabela 10A para o leitor interessado.

65

6. CONSIDERAÇÕES FINAIS

Neste trabalho buscou-se dar subsídios a literatura nacional sobre a relação entre

educação e saúde, as duas principais dimensões do capital humano. Com o objetivo de

analisar os efeitos da educação sobre o estado de saúde do indivíduo para a região

Nordeste do Brasil, utilizou-se a base de dados da Pesquisa Nacional por Amostragem

de Domicílios do ano de 2003 (PNAD 2003) e foram estimados modelos probit e probit

ordenado. Na revisão da literatura verificou-se que há pelo menos três links principais

pelos quais educação e saúde se relacionam: a educação afeta a saúde; saúde afeta a

educação e por fim haveria uma situação de bi-causalidade em que educação e saúde

seriam determinadas simultaneamente.

Em Economia da Saúde, a saúde é tratada como um bem e por isso os indivíduos a

demandam, seja como um bem de consumo (relacionado ao fato de estar saudável gera

satisfação por si só, pois ninguém gosta de ficar doente), seja como um bem de

investimento (as pessoas investem em saúde, como forma de capital humano, para

serem mais produtivos no mercado de trabalho). Uma maior escolaridade conduz a um

estilo de vida mais saudável, em que os indivíduos terão maior probabilidade de se

submeterem a um check-up médico, fazerem escolhas mais racionais e de terem uma

postura de aversão ao risco na idade adulta (Cutler e Lleras-Muney, 2006).

O modelo clássico de modelagem da demanda por saúde é creditado a Grossman

(1972), e tem como fundamentação teórica a teoria do capital humano. A principal

hipótese de Grossman é que a educação afeta o estado de saúde através do aumento da

eficiência na função de produção de saúde, seja pelo aumento da eficiência na

distribuição de recursos (eficiência alocativa), seja pelo aumento da produtividade

marginal dos insumos em saúde (eficiência produtiva). Uma pessoa mais educada seria

capaz de utilizar mais eficientemente cada insumo na função de produção de saúde e

produzir mais saúde, ou ainda seria mais eficiente na alocação dos recursos para obter

melhor saúde. A partir de Grossman, a teoria da demanda por saúde evoluiu

consideravelmente, mas praticamente toda a literatura posterior teve como base seu

modelo (NICOLELLA, 2006).

66

Feito isso, passamos a investigar mais detalhadamente os links que ligam educação e

saúde. Primeiramente investigamos a hipótese de que educação afeta a saúde. Diversos

trabalhos partiram desta hipótese, entre os pioneiros se destacam: Grossman (1975),

Lairson, Lorimor & Slater (1984), Desai (1987), Leigh (1983) e Kemna (1987). Mais

recentemente temos Arendt (2005), Lleras-Muney e Lichtenberg (2002), Silles (2008),

Clark e Royer (2008) e Costa (2008), este último já com sua pesquisa na literatura

nacional. Uma das linhas de pesquisa defendida é que pessoas mais escolarizadas são

mais informadas e desta forma elas podem fazer uso destas informações para se

alcançar um melhor estado de saúde, um estilo de vida mais saudável. Também se pode

supor que pessoas mais escolarizadas, que enfrentam algum problema de saúde,

procuram se informar sobre a doença que enfrentam e seguem o tratamento à risca, com

maior capacidade de compreender receitas e bulas na busca de obedecer às

recomendações médicas.

Depois passamos para a hipótese de que saúde afeta a educação, mesmo não sendo uma

hipótese testada nesta dissertação. O que se encontra na literatura é que os

pesquisadores geralmente relacionam uma medida para o status nutricional a uma

referente ao processo educacional. Outro argumento dos pesquisadores que defendem

esta linha de pesquisa é que em sociedades com alta expectativa de vida os indivíduos

são induzidos a investir mais em educação, visto que os retornos esperados de uma

maior educação poderão ser aproveitados por mais tempo.

Em seguida foi apresentada uma seção da relação de bi-causalidade entre educação e

saúde, em que a literatura mostra que a educação não age sobre a saúde de forma

isolada de outros fatores. A renda é outro fator muito importante que interage de várias

maneiras com a educação como influência sobre a saúde. Fenômeno este conhecido na

literatura como “terceira variável”. Se a saúde é quem determina a educação temos o

caso da causalidade reversa. E também temos uma situação em que existem variáveis

que não são observáveis, ou que não foram observadas, mas que afetam tanto a

educação quanto a saúde. Outra questão é da preferência temporal. A educação leva a

uma menor preferência temporal por consumo presente e uma maior preferência pelo

consumo futuro. Quando um indivíduo escolhe investir mais em educação é porque ele

espera auferir rendimentos maiores no futuro e consumir mais bens e serviços no futuro

também. Mas para que este indivíduo possa aproveitar por mais tempo estes recursos,

ele também precisa investir em saúde, para prolongar a expectativa de vida.

67

É muito comum em economia da saúde, encontrar modelos com a variável dependente

binária. Uma alternativa para contornar este problema é a utilização de uma função

distribuição acumulada (FDA). As FDA’s comumente utilizadas para representar

modelos binários são a logística e a normal, que dão origem aos modelos logit e probit,

respectivamente. Nesta dissertação a FDA escolhida é a normal, e consequentemente,

foram estimados modelos probit para a função de saúde. Como a nossa medida de saúde

é uma variável categórica assumindo 5 “valores” de auto-avaliação do estado de saúde,

foi estimado também um probit ordenado.

A amostra é composta por indivíduos entre 25 e 85 anos de idade. Destes, cerca de 75%

afirmaram ser saudáveis, ou seja, avaliaram seu estado de saúde como “muito bom” e

“bom”. Entre os homens, o índice de avaliação positiva do estado de saúde foi de 77%

contra 72% das mulheres. Quanto à escolaridade, 25,5% dos indivíduos entrevistados

possuíam menos de um ano de estudo ou nenhuma instrução. Na outra ponta, cerca de

apenas 5% dos indivíduos eram graduados ou tinham ingressado numa pós-graduação.

Observamos também que o índice de auto-avaliação do estado de saúde cresce à medida

que se aumenta os níveis de renda. A prevalência de pelo menos uma doença crônica foi

maior entre as mulheres, 28,79% contra 20,82% para os homens.

A escolaridade média do nordestino é de apenas 6,36 anos de estudo para a faixa etária

de indivíduos adultos compreendida entre 25 e 85 anos de idade. É Pernambuco o

estado do Nordeste com a maior média de escolaridade, 6,94 e no extremo inferior

temos o Piauí com 5,15 anos de estudo. Quando analisamos a auto-avaliação do estado

de saúde em relação a distintos grupos de estudo constatamos que à medida que

avançamos entre os grupos de anos de estudo, a auto-avaliação positiva do estado de

saúde aumenta, saindo de um índice de 48,23% entre aqueles sem instrução e menos de

1 ano de estudo até alcançar a marca de 84,8% para aqueles com 15 anos ou mais.

Iniciamos nosso exercício econométrico com um modelo probit bem simples, apenas

com a escolaridade como variável dependente e observamos que o efeito médio desta

variável é de 2,6% sobre a saúde auto-avaliada. No entanto, ao adicionarmos controles à

equação de saúde verificamos que esse efeito diminui, principalmente com a inclusão da

variável renda, variando entre 0,7% a 1,4% dependendo do modelo. O conjunto de

68

variáveis com características individuais, tais como sexo, cor, renda, idade e

escolaridade, em geral, mostraram-se significativas e com os sinais esperados.

As variáveis de informação não foram tão significativas para uma melhor percepção de

saúde dos indivíduos, com exceção de internet. Rádio e televisão podem não estar sendo

utilizadas como fontes de informação, e sim como entretenimento. Diferentemente de

internet, que de fato pode estar sendo uma preciosa fonte de pesquisa e informação e os

indivíduos estariam utilizando-as para melhorar seu estado de saúde. O efeito médio

desta variável também chamou a atenção, ficando entre 7,5% a 10,4%, índices estes

bem superiores aos das demais variáveis.

E por surpresa nossa as variáveis com características dos domicílios não se mostraram

significativas na determinação do estado de saúde auto-relatado, com exceção da

variável de condição censitária, em que o fato de residir em área urbana diminui a

probabilidade de o indivíduo relatar ser saudável. Como boa parte da população

nordestina vive em condições precárias de domicílio, a percepção que o indivíduo faz

com relação ao fato de não possuir água canalizada, banheiro na residência ou filtro

d’água é de naturalidade e que isto não afetaria seu estado de saúde.

Com a estimação do modelo probit ordenado foi possível analisar a probabilidade de

mudança de cada um dos cut-offs, que se mostraram bastante significativos indicando

que o modelo é altamente apropriado. Com as simulações do probit ordenado podemos

afirmar que a probabilidade de um indivíduo considerar-se saudável é de 71,21%

enquanto que a probabilidade de afirmar possuir um estado de saúde muito ruim é de

menos de 1%.

O próximo passo foi discutir a questão da causalidade da educação. Quando se trabalha

com esta hipótese, a preocupação central passa a ser buscar instrumentos que sejam

suficientemente exógenos na equação de saúde. E assim seguimos, em parte, as

sugestões de Groot e van den Brink (2004), utilizando como instrumentos as variáveis

cor/raça, sexo, idade alem de se o indivíduo reside em área urbana e se possuía cargo de

dirigente.

Com a instrumentalização da educação verificamos que o efeito médio da escolaridade

sobre a saúde aumentou, mas tornou não significativo o coeficiente da escolaridade para

as mulheres e da variável cor. Os testes estatísticos nos conduziram à conclusão que a

69

educação deve ser tratada como exógena na equação de saúde, com exceção do modelo

estimado para os homens, no qual se mostrou significativo a 5%.

Apesar de estes resultados estarem em sintonia com aqueles encontrados por Groot e

van den Brink (2004), devemos tratá-los com bastante cautela. Na literatura em geral,

observa-se que o efeito da educação sobre o estado de saúde permanece positivo e

significativo com a utilização do método de variáveis instrumentais, tendo o seu efeito,

inclusive, ampliado. E apesar do grande esforço de se encontrar bons instrumentos para

a educação na equação de saúde, o que podemos concluir é que os resultados sofrem

grande influência destes instrumentos, e que, portanto, não temos resultados unânimes.

A discussão da causalidade é de fundamental importância para se estimar o verdadeiro

efeito causal entre educação e saúde e ainda, melhor direcionar as políticas públicas que

visem a diminuição da pobreza, das desigualdades e melhorem o bem estar da

sociedade. O principal achado desta dissertação é que a educação, de fato, tem um efeito

positivo e significativo sobre a saúde na região Nordeste do Brasil.

E para finalizar, gostaria de terminar com uma frase de Miriam Cardoso: “... agora o

conhecimento é mais perfeito do que aquele de que partimos. Continuemos logo as

pesquisas, para, numa crítica incessante, transformá-lo e torná-lo ainda mais

verdadeiro”.

70

REFERÊNCIAS BIBLIOGRÁFICAS

ADAMS, S.J. Educational attainment and health: evidence from a sample of older

adults. Education Economics. v.10, n. 1, p. 97–109, Apr.2002

ALBERT, C. e DAVIA, M. A. Understanding the effect of education on health across

European countries. Disponível em

http://www.ief.es/Publicaciones/PapelesDeTrabajo/pt2007_06.pdf

ANDRADE, M. V. A saúde na PNAD. Belo Horizonte: UFMG/Cedeplar. Texto para

discussão Nº 170, 2002.

ANDRADE, M. V. e LISBOA, M. B. Determinantes dos gastos pessoais privados com

saúde no Brasil. Belo Horizonte: UFMG/Cedeplar. Texto para discussão, 2002.

ARENDT, J. Does education cause better health? A panel data analysis using school

reforms for identification. Economics of Education Review, 24, 149–160, 2005.

AUSTER, R. LEVESON, I. SARACHEK D. The production of health: an exploratory

study. J Hum Resour 1969; 4: 411–436.

BARROS, M. B. A. et alli. Desigualdades sociais na prevalência de doenças no Brasil,

PNAD 2003. Ciência & Saúde Coletiva, 2006.

BECKER, G.S.; MULLIGAM, C.B. The endogenous determination of time preference.

The Quarterly Journal of Economics, Cambridge, v. 112, n. 3, p. 729-758, Aug.

1997.

CHANDOLA, T. et alli. Pathways between education and health: a causal modelling

approach. J. R. Statist. Soc. A (2006), 169, Part 2, pp. 337–359.

CHANG, F. Uncertainty and investment in health. Journal of Health Economics,

Amsterdam, v. 15, n. 3, p. 369-376, June 1996.

71

CORBI, R. B. e MENEZES-FILHOS, N. A. Os determinantes empíricos da felicidade

no Brasil. Rev. Econ. Polit. vol.26 no.4 São Paulo Oct./Dec. 2006.

COSTA, R. R. F. O efeito da educação sobre o estado de saúde individual no Brasil.

Dissertação de Mestrado. Belo Horizonte, MG. UFMG/Cedeplar, 2008.

CUTLER, D., & Lleras-Muney, A. (2006). Education and health: Evaluating theories

and evidence (NBERWorking Paper 12352).

DAVIDSON, R. MAKINNON, J. G. Econometric Theory and Methods. Oxford

University Press, 2003.

EDWARDS L. N, GROSSMAN, M. Adolescent health, family background and

preventive medical care. In Research in Human Capital and Development, vol. 3,

Salkever S, Sirageldin I, Sorkin A (eds). JAI Press: Greenwich, CT, 1983; 77–109.

EHRLICH, I.; CHUMA, H. A model of the demand for longevity and the value of life

extension. Journal of Political Economy, Chicago, v. 98, n. 4, p. 761-782, Aug. 1990.

FARRELL, P.; FUCHS, V.R. Schooling and health: the cigarette connection. Journal

of Health Economics, v.1, n. 3, p. 217-230, Dec. 1982.

FEINTEIN, L. et alli. What are the effects of education on health? In. Measuring the

effects of education on health and civic engagement: proceedings of the Copenhagen

Symposium – OCDE, 2006.

FOLLAND, S. GOODMAN, A. STANO, M. The production of health. In Economics

of Health and Health Care. 5 ed. Prentice Hall, 2006. p. 97-119.

GIUFFRIDA, A.; IUNES, R.F.; SAVEDOFF, W.D. Health and poverty in Brazil:

estimation by structural equation model with latent variables. Washington, D.C.: Inter-

American Development Bank, Oct. 2001. 30 p. Manuscript.

72

GOMES-NETO, J.B. et al. Health and schooling: evidence and policy implications for

developing countries. Economics of Education Review, v.16, n. 3, p. 271-282, June

1997.

GREENE, William. Econometric Analysis. New Jersey: Prentice Hall, 5a. edição,

2002.

GREMBOWSKI, D. et. al. Self-efficacy and Health behavior among older adults.

Journal of Health and Social Behavior, v. 34, n. 2, p.89-104, June 1993.

GROOT, W. and BRINK, H. M. van den. What does education do to our health? In.

Measuring the effects of education on health and civic engagement: proceedings of the

Copenhagen Symposium – OCDE, 2006.

GROSSMAN, M. On the concept of health capital and demand for health. Journal of

Political Economy, Chicago, v. 80, n. 2, p. 235-255, July 1972a.

__________The Demand for Health: A Theoretical and Empirical Investigation (Columbia University Press for the National Bureau of Economic Research, New York), 1972b.

__________ The demand for health, 30 years later: a very personal retrospective and

prospective reflection. Journal of Health Economics, Amsterdam, v. 23, n. 4, p. 629-

636, July 2004.

__________ The human capital model of the demand for health. Cambridge, Mass.:

NBER, 1999. 102 p. (Working paper; 7078).

__________ The human capital model. In Handbook of Health Economics, vol. 1A,

Culyer AJ, Newhouse JP (eds). Elsevier: Amsterdam, 2000; 347–408.

HAMMOND, C. What is it about Education that Makes us Healthy? Exploring the

Education-health Connection, International Journal of Lifelong Learning 21, pp.

551-571, 2002.

73

HAMOUDI, A.A.; SACHS, J.D. Economic consequences of health status: a review of

the evidence. Cambridge: Harvard University, 1999. 34 p. (CID Working Paper, 30).

IBGE, Diretoria de Pesquisas, Coordenação de Trabalho e Rendimento, Pesquisa

Nacional por Amostra de Domicílios 2003, Acesso e Utilização de Serviços de Saúde,

Rio de Janeiro, 2005.

IBGE. Pesquisa nacional de amostra por domicílios: 2003. Rio de Janeiro, 2005. 1

CD-ROM.

IPPOLITO, P.M.; MATHIOS, A.D. Information, advertising and health choices: a study

of the cereal market. The Rand Journal of Economics, v. 21, n. 3, p. 459-480, Autumn

1990.

JACINTO, P. A. ; TEJADA, C. A. O. ; SOUSA, T. R. V. . Recessões econômicas

reduzem a taxa de mortalidade: evidências para o Brasil. In: VI Encontro Regional da

Abet, 2007, João Pessoa. Anais do VI Encontro Regional da Abet. João Pessoa:

Editora da UFJP, 2007.

JACOBSON, L. The family as a producer of health: extended grossman model. Journal

of Health Economics, Amsterdam, v. 19, n. 5, p. 611-637, Sep. 2000.

JONES, A. M. Health Econometrics. In: Handbook of Health Economics, vol. 1A,

Culyer AJ, Newhouse JP (eds). Elsevier: Amsterdam, 2000; 265–344.

KASSOUF, A. A demanda de saúde infantil no Brasil por região e setor. Pesquisa e

Planejamento Econômico, v. 24, n. 2, p. 235-260, ago. 1994.

___________ Função de produção de saúde em diferentes regiões e setores do Brasil.

Pesq. Plan. Econ. Rio de Janeiro, v. 23, nº 3, p. 547-570, 1993.

KASSOUF, A.L.; SENAUER, B. Direct and indirect effects of parental education on

malnutrition among children in Brazil: a full income approach. Economic

Development and Cultural Change, Chicago, v. 44, n. 4, p. 817-838, July 1996.

74

KENKEL, D. Health behavior, health knowledge and schooling. Journal of Political

Economy, v. 99, n. 2, p. 287-305, Abr. 1991

KERKHOFS, M. and M. LINDEBOOM. “Subjective health measures and state

dependent reporting errors”, Health Economics 4, p. 221-235, 1995

LLERAS-MUNEY, A. and LICHTENBERG, F. R. The effect of education on medical

technology adoption: are the more educated more likely to use new drugs? Working

Paper 9185, 2002.

LLERAS-MUNEY, A. The relationship between education and adult mortality in the

US. The Review of Economic Studies, 72(1), 2005. 189–221.

LONG, J. S. e FREESE, J. Regression models for categorical dependent variables

using Stata. StataCorp LP. - 2006 - 527 pag. Visualização parcial disponível em

Google Books.

MACHADO, D. C., Efeitos da saúde na idade de entrada à escola. Pesquisa e

Planejamento Econômico. v. 38 nº 1, 2008.

MADDALA, G.S. Limited-dependent and qualitative variables in econometrics. 1.

ed. Cambridge: Cambridge University Press, 1986. 401 p.

MUURINEN, J. Demand for health: a generalized Grossman model. Journal of Health

Economics, Amsterdam, v. 1, n. 1, p. 5-28, May 1982.

NERI, M. Equidade e eficiência na educação: motivações e metas. Centro de Políticas

Sociais. Fundação Getúlio Vargas. Disponível em

152.92.152.60/web/olped/documentos/2164.pdf

NERO, C. R. Del. O que é economia da saúde? Disponível em

http://www.prr4.mpf.gov.br/pesquisaPauloLeivas/arquivos/nero-2002.pdf. Acesso em

11/07/2009.

75

NICOLELLA, A. C. Um olhar sobre a saúde e o trabalho infantil no Brasil. Tese de

doutorado. Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São

Paulo, Piracicaba, 2006.

NORONHA, K. V. M. S. E ANDRADE, M. V. Desigualdade social em saúde entre

idosos da America Latina. I Congresso da Associação Latino Americana de

População, ALAP, realizado em Caxambú- MG – Brasil, de 18- 20 de Setembro de

2004.

ROSS, C.E.; WU, C.L. The links between education and health. American Sociological

Review, v. 60, n. 5, p. 719–745, Oct. 1995.

SANDER, W. Schooling and smoking. Economics of Education Review. v.14, n. 1, p.

23-33, Mar. 1995.

SILLES, M. A., The causal effect of education on health: Evidence from the United

Kingdom, Econ. Educ. Rev. 2008.

TRAVASSOS, C. et al. Os Suplementos Saúde na Pesquisa Nacional por Amostra de

Domicílios (PNAD) no Brasil. Rev. Bras. Epidemiologia, 2008; 11(supl 1): 98-112.

WAGSTAFF, A. The demand for health: some new empirical evidence. Journal of

Health Economics, Amsterdam, v. 5, n. 3, p. 195-233, Sep. 1986.

WOOLDRIDGE, J.M. Introductory econometrics. 2. ed. Ohio: Thomson, 2003.

___________. Econometric Analysis of cross section and panel data. Cambridge:

MIT Press, 2002.

76

ANEXOS Tabela 1A: Resultados da comparação dos modelos 2 e 4 da tabela 10.

Current Saved Difference Model: probit probit - N: 33.947 33.947 0 Log-Lik Intercept Only: -20.370,40 -20.370,40 0,000 Log-Lik Full Model: -18.956,56 -18.929,31 -27,243 D: 37.913,112(33940) 37.858,626(33937) 54,486(3) LR: 2.827,680(6) 2.882,166(9) -54,486(-3) Prob > LR: 0,000 0,000 0,000 McFadden's R2: 0,069 0,071 -0,001 McFadden's Adj R2: 0,069 0,07 -0,001 Maximum Likelihood R2: 1,000 1,000 0,000 Cragg & Uhler's R2: 1,000 1,000 0,000 McKelvey and Zavoina's R2: 0,133 0,137 -0,004 Efron's R2: 0,083 0,084 -0,001 Variance of y*: 1,153 1,159 -0,006 Variance of error: 1,000 1,000 0,000 Count R2: 0,721 0,722 -0,001 Adj Count R2: 0,031 0,033 -0,002 AIC: 1,117 1,116 -0,001 AIC*n: 37.927,112 37.878,626 48,486 BIC: -316.167,831 -316.191,019 23,188 BIC': -2.765,085 -2.788,273 23,188

Fonte: PNAD (2003). Cálculos do autor. Difference of 23,188 in BIC' provides very strong support for saved model. Tabela 2A: Resultados da comparação dos modelos 4 e 6 da tabela 10.

Current Saved Difference Model: probit probit - N: 33.947 33.947 0 Log-Lik Intercept Only: -20.370,40 -20.370,40 0,000 Log-Lik Full Model: -18.926,76 -18.929,31 2,555 D: 37.853,516(33.934) 37.858,626(33.937) -5,109(-3) LR: 2887,276(12) 2882,166(9) 5,109(3) Prob > LR: 0,000 0,000 0,000 McFadden's R2: 0,071 0,071 0,000 McFadden's Adj R2: 0,070 0,070 0,000 Maximum Likelihood R2: 1,000 1,000 0,000 Cragg & Uhler's R2: 1,000 1,000 0,000 McKelvey and Zavoina's R2: 0,138 0,137 0,001 Efron's R2: 0,084 0,084 0,000 Variance of y*: 1,160 1,159 0,001 Variance of error: 1,000 1,000 0,000 Count R2: 0,721 0,722 -0,001 Adj Count R2: 0,031 0,033 -0,002 AIC: 1,116 1,116 0,000 AIC*n: 37.879,52 37.878,63 0,891 BIC: -316.164,83 -316.191,02 26,188 BIC': -2.762,09 -2.788,27 26,188

Fonte: PNAD (2003). Cálculos do autor.

77

Difference of 26,188 in BIC' provides very strong support for saved model. No qual o

modelo salvo é o modelo quatro.

Tabela 3A: Resultados dos efeitos marginais no modelo probit para a amostra de 25 a 65 anos de idade.

Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6

escolaridade 0.014 0.008 0.011 0.007 0.011 0.007 (23.17)** (11.15)** (17.43)** (9.43)** (16.73)** (9.19)**

cor 0.032 0.026 0.028 0.024 0.027 0.024 (5.75)** (4.69)** (4.96)** (4.26)** (4.88)** (4.23)**

age -0.008 -0.009 -0.008 -0.009 -0.008 -0.009 (32.32)** (34.04)** (33.35)** (34.55)** (33.46)** (34.60)**

sex -0.079 -0.050 -0.078 -0.052 -0.078 -0.052 (14.93)** (8.94)** (14.73)** (9.28)** (14.71)** (9.25)**

urbano -0.023 -0.038 -0.023 -0.035 -0.025 -0.033 (3.39)** (5.67)** (3.31)** (4.97)** (3.29)** (4.38)**

lnrendprinc 0.049 0.044 0.044 (15.85)** (13.88)** (13.77)**

radio 0.019 0.015 0.018 0.014 (2.64)** (2.09)* (2.40)* (1.96)*

tv 0.002 -0.008 0.000 -0.006 (0.27) (0.92) (0.01) (0.73)

internet 0.100 0.072 0.100 0.072 (9.79)** (6.66)** (9.83)** (6.67)**

filtro 0.008 0.007 (1.53) (1.29)

banheiro 0.002 -0.010 (0.23) (1.11)

agua_canalizada -0.032 -0.025 (2.68)** (2.09)* Observações 32813 32813 32813 32813 32813 32813

Fonte: PNAD (2003). Cálculos do autor. Valor absoluto da estatística z em parênteses. * significante a 5%; ** significante a 1%.

78

Tabela 4A: Resultados dos efeitos marginais no modelo probit para a amostra de 25 a 65 anos de idade desagregada por sexo.

Mulheres escolaridade 0.015 0.007 0.012 0.006 0.012 0.006

(16.21)** (6.56)** (12.32)** (5.52)** (11.92)** (5.44)** cor 0.039 0.031 0.033 0.028 0.032 0.028

(4.23)** (3.36)** (3.52)** (2.97)** (3.47)** (2.96)** age -0.009 -0.009 -0.009 -0.009 -0.009 -0.009

(19.56)** (20.80)** (20.34)** (21.20)** (20.36)** (21.19)** urbano -0.030 -0.051 -0.033 -0.048 -0.037 -0.048

(2.31)* (3.88)** (2.42)* (3.59)** (2.62)** (3.40)** lnrendprinc 0.060 0.055 0.055

(12.11)** (10.69)** (10.62)** radio 0.017 0.012 0.015 0.011

(1.34) (0.93) (1.22) (0.90) tv 0.000 -0.012 -0.004 -0.012

(0.03) (0.77) (0.24) (0.77) internet 0.114 0.084 0.114 0.084

(7.56)** (5.27)** (7.58)** (5.27)** filtro 0.001 0.001

(0.08) (0.11) agua_canalizada -0.018 -0.009

(0.85) (0.41) banheiro 0.018 0.000

(0.95) (0.01) Observações 12572 12572 12572 12572 12572 12572

Homens escolaridade 0.013 0.008 0.010 0.007 0.010 0.007

(16.49)** (8.87)** (12.31)** (7.53)** (11.75)** (7.30)** cor 0.027 0.023 0.025 0.022 0.024 0.021

(3.94)** (3.29)** (3.50)** (3.07)** (3.42)** (3.02)** age -0.008 -0.008 -0.008 -0.008 -0.008 -0.008

(25.74)** (26.88)** (26.39)** (27.20)** (26.51)** (27.27)** urbano -0.018 -0.031 -0.018 -0.028 -0.018 -0.025

(2.32)* (3.99)** (2.21)* (3.43)** (2.09)* (2.91)** lnrendprinc 0.041 0.037 0.037

(10.48)** (9.14)** (9.03)** radio 0.020 0.017 0.018 0.016

(2.29)* (1.91) (2.06)* (1.77) tv 0.003 -0.006 0.002 -0.004

(0.28) (0.58) (0.16) (0.35) internet 0.089 0.062 0.089 0.062

(6.29)** (4.13)** (6.32)** (4.14)** filtro 0.012 0.010

(1.90) (1.62) agua_canalizada -0.038 -0.032

(2.65)** (2.25)* banheiro -0.004 -0.014

(0.33) (1.29) Observações 20241 20241 20241 20241 20241 20241

Fonte: PNAD (2003). Cálculos do autor. Valor absoluto da estatística z em parênteses. * significante a 5%; ** significante a 1%.

79

Tabela 5A: Resultados dos efeitos marginais no modelo probit para a amostra de 25 a 65 anos de idade desagregada por grupos de renda.

Até 1

salário Entre 1 e 3 salários

Entre 3 e 5 salários

Entre 5 e 10

salários

Mais de 10

salários escolaridade 0.005 0.008 0.011 0.011 0.007

(4.55)** (7.36)** (4.81)** (3.57)** (1.83) cor 0.013 0.032 0.045 0.002 0.017

(1.44) (3.67)** (2.84)** (0.09) (0.78) age -0.010 -0.007 -0.008 -0.008 -0.005

(27.26)** (17.72)** (9.46)** (6.94)** (4.86)** sex -0.063 -0.062 -0.030 -0.037 -0.011

(7.97)** (6.57)** (1.65) (1.58) (0.43) urbano -0.044 0.006 -0.012 0.085 -0.067

(4.79)** (0.49) (0.31) (1.39) (1.30) radio 0.015 0.007 0.015 0.161 0.066

(1.48) (0.55) (0.52) (2.96)** (1.07) tv -0.004 0.010 0.055 0.123 0.055

(0.37) (0.60) (1.02) (1.27) (0.53) internet 0.092 0.050 0.021 0.036 0.072

(2.66)** (2.87)** (1.05) (1.65) (2.82)** Observações 16339 11663 2543 1325 943

Fonte: PNAD (2003). Cálculos do autor. Valor absoluto da estatística z em parênteses. * significante a 5%; ** significante a 1%.

Tabela 6A: Resultados dos efeitos marginais no modelo probit para a amostra de 25 a 65 anos de idade desagregada por grupos de estudo.

menos de

1 ano 1 a 3 anos 4 a 7 anos 8 a 10 anos

11 a 14 anos

15 ou mais

cor 0,03 0.016 0.009 0.022 0.035 0.006 (1.92) (0.99) (0.73) (1.43) (3.76)** (0.40)

age -0.010 -0.009 -0.010 -0.009 -0.007 -0.006 (17.37)** (14.59)** (18.64)** (11.33)** (14.14)** (8.71)**

sex -0.050 -0.039 -0.074 -0.073 -0.037 -0.012 (3.27)** (2.46)* (6.33)** (4.64)** (3.98)** (0.80)

urbano -0.057 -0.042 -0.018 0.017 0.019 0.044 (4.15)** (2.68)** (1.23) (0.58) (0.86) (0.77)

lnrendprinc 0.033 0.038 0.045 0.048 0.048 0.036 (4.33)** (4.53)** (6.48)** (5.07)** (8.03)** (3.89)**

radio -0.006 0.010 0.023 0.037 0.024 0.020 (0.38) (0.56) (1.52) (1.70) (1.49) (0.59)

tv -0.020 -0.004 0.042 0.000 0.006 -0.023 (1.31) (0.21) (2.31)* (0.00) (0.23) (0.28)

internet 0.192 0.030 0.098 0.039 0.031 0.034 (1.77) (0.36) (2.21)* (1.05) (2.26)* (2.22)*

Observações 6191 4912 7681 3908 7784 2337 Fonte: PNAD (2003). Cálculos do autor. Valor absoluto da estatística z em parênteses. * significante a 5%; ** significante a 1%.

80

Tabela 7A: Resultados dos efeitos marginais no modelo probit para a amostra de 25 a 65 anos de idade desagregada por grupos de idade.

25 a 34

anos 35 a 44

anos 45 a 54

anos 55 ou mais

escolaridade 0.005 0.007 0.009 0.006 (4.82)** (5.41)** (5.40)** (2.43)*

cor 0.011 0.032 0.027 0.023 (1.45) (3.30)** (1.99)* (1.14)

age -0.007 -0.009 -0.011 -0.002 (5.35)** (5.70)** (5.15)** (0.60)

sex -0.040 -0.049 -0.066 -0.041 (5.16)** (5.03)** (4.95)** (2.00)*

urbano -0.030 -0.030 -0.050 -0.030 (2.98)** (2.40)* (2.97)** (1.34)

lnrendprinc 0.040 0.045 0.051 0.046 (8.52)** (7.86)** (6.94)** (4.75)**

radio 0.022 -0.006 0.035 0.008 (2.29)* (0.44) (1.90) (0.33)

tv 0.001 -0.008 -0.033 0.010 (0.05) (0.53) (1.65) (0.38)

internet 0.060 0.071 0.066 0.148 (3.66)** (3.74)** (2.82)** (3.57)**

Observações 12294 10500 6718 3301 Fonte: PNAD (2003). Cálculos do autor. Valor absoluto da estatística z em parênteses. * significante a 5%; ** significante a 1%.

81

Tabela 8A: Resultados da estimação do modelo probit ordenado para a amostra de 25 a

65 anos de idade.

Total Mulheres Homens escolaridade -0,017 -0,017 -0,017

(9,79)** (6,32)** (7,53)** cor -0,062 -0,069 -0,056

(4,54)** (3,16)** (3,21)** age 0,023 0,022 0,023

(36,14)** (21,04)** (29,25)** sex 0,128

(9,43)** urbano 0,126 0,142 0,118

(7,01)** (4,28)** (5,42)** lnrendprinc -0,14 -0,15 -0,134

(17,38)** (12,03)** (12,64)** radio -0,061 -0,04 -0,074

(3,45)** -1,34 (3,32)** tv 0,014 0,011 0,016

-0,67 -0,28 -0,64 internet -0,19 -0,247 -0,135

(7,63)** (6,92)** (3,88)** cut1 -0,894 -0,108 -0,860

-18,60 -1,42 -14,15 cut2 0,684 0,497 0,720

14,23 6,58 11,85 cut3 2,009 1,878 2,006

40,18 23,98 31,62 cut4 2,814 2,598 2,886

50,36 30,54 39,24 Observações 32813 12572 20241

Fonte: PNAD (2003). Cálculos do autor. Valor absoluto da estatística z em parênteses. * significante a 5%; ** significante a 1%.

Tabela 9A: Resultados da estimação do primeiro estágio (equação da educação) para o

modelo probit endógeno.

coeficientes erro-padrão robusto estatítisca t

dirigentes 3,84 0,098 (39,01)** sex 1,501 0,048 (31,25)** cor 1,605 0,051 (31,52)** age -0,089 0,002 (46,98)**

urbano 3,768 0,048 (78,90)** Constante 6,496 0,094 (69,02)**

Observações 33.947 Fonte: PNAD (2003). Cálculos do autor. * significante a 5%; ** significante a 1%.

82

Tabela 10A: Resultados da estimação do modelo probit com regressores endógenos. observações 33.947Wald chi2(9) 3090,6Prob > chi2 0,000

coeficiente erro-padrão robusto P>|Z|

escolaridade 0,103 0,056 0,067 sex -0,324 0,115 (0,005)** cor 0,001 0,052 0,982 age -0,017 0,006 (0,007)**

urbano -0,237 0,098 (0,016)* lnrendprinc -0,034 0,118 0,773

radio -0,006 0,039 0,878 tv -0,111 0,064 0,085

internet -0,014 0,187 0,942 lnsigma 1,232 0,003 0,000 athrho -0,292 -1,360 0,173 sigma 3,428

rho -0,284 Instrumented: escolaridade

Instruments: sex cor age lnrendprinc radio tv urbano internet dirigentes

Wald test of exogeneity (/athrho = 0): chi2(1) = 1.86 Prob > chi2 = 0.1730 Fonte: PNAD (2003). Cálculos do autor. * significante a 5%; ** significante a 1%.