Avaliação do perfil socioeconômico da população de baixa renda do Brasil: uma crítica às classificações correntes

Assessment of the socioeconomic profile of Brazil's low-income population: a criticism of current classifications

Resumo

Os contrastes e as desigualdades de renda e oportunidades da população brasileira que compõe a base da pirâmide socioeconômica tornam relevante o aprofundamento de estudos sobre os limites da pobreza para uma melhor gestão urbana. Neste artigo, utilizam-se dados do Cadastro Único e informações coletadas em pesquisa de campo para verificar se as definições dos principais programas sociais acolhem a população pobre em sua totalidade. Por meio de análise de correlação, proposições são testadas utilizando algumas variáveis de interesse para a definição de pobreza e a renda. Os resultados mostram que, mesmo usando uma linha de extrema pobreza unidimensional (renda), os parâmetros adotados pelas políticas públicas vigentes não alcançam toda a base da pirâmide. A literatura e as análises dos resultados sugerem a importância de revisar a metodologia de classificação socioeconômica, sobretudo das famílias de baixa renda que estão na linha da pobreza. As proposições indicaram que os programas sociais se correlacionam negativamente à renda, enquanto o trabalho formal, a escolaridade e a infraestrutura apresentam correlação positiva com a renda. Os resultados podem orientar o planejamento urbano através de políticas públicas que promovam a equidade entre aqueles que mais dependem dos programas sociais.

Palavras-chave:
Base da Pirâmide; CadÚnico; Linhas de Pobreza

Abstract

The contrasts and inequalities of income and opportunities of the Brazilian population that make up the bottom of the socioeconomic pyramid make it relevant to deepen studies on the limits of poverty for better urban management. In this article, data from the Cadastro Único and information collected in field research are used to verify whether the definitions of the main social programs embrace the poor population in its entirety. Through correlation analysis, propositions are tested using some variables of interest to define poverty and income. Even using a one-dimensional extreme poverty line (income), it was possible to discuss that the parameters adopted by current public policies do not reach the entire base of the pyramid. The literature and the analysis of the results suggest the importance of reviewing the methodology of socioeconomic classification, especially for low-income families that are on the poverty line. The propositions indicated that social programs are negatively correlated with income, while formal work, education and infrastructure are positively correlated with income. The results can guide urban planning through public policies that promote equity among those most dependent on social programs.

Keywords:
Bottom of Pyramid; CadÚnico; Poverty Lines

Introdução

A classificação de pobreza, sobretudo no Brasil, abarca critérios subjetivos e defasados, tendo sido pouco explorados na literatura até o momento. Ou seja, ao não existir no Brasil uma normatização, uma linha de corte ou metodologia oficial para cálculo da pobreza, as políticas públicas utilizam critérios diferentes e muitas vezes incoerentes entre si (Soares, 2009), o que pode permitir a propagação da desigualdade social.

Essa suspeita anuncia a seguinte questão: qual o perfil socioeconômico da população de baixa renda do Brasil? Esta pergunta simples aborda um aspecto complexo a partir da existência de diversas abordagens para mensurar a pobreza, seja através de linhas absolutas, relativas e subjetivas, índices multidimensionais de necessidades básicas não atendidas, combinação entre linhas de pobreza e indicadores de privações (Falcão & Costa, 2014).

Por isso, o argumento central deste trabalho é a necessidade de problematizar a classificação da população de baixa renda, partindo da premissa de que existem subcategorias de pobreza, e do fato de que a condição de uma família em um assentamento irregular não é igual a de uma família residente em um bairro de baixa renda (Silva et al., 2020). A partir dessa reflexão, a contribuição desta pesquisa envolve explorar e reconhecer as diferenciações de linhas de pobreza a partir da análise de dados do Cadastro Único para Programas Sociais do Governo Federal (CadÚnico), banco de dados que armazena diversas características socioeconômicas das famílias brasileiras de baixa renda.

O trabalho de Soares (2009) mostra a importância de compreender o contexto da população de baixa renda e apresenta metodologias para estabelecer linhas de pobreza mais assertivas, mas não valida se as abordagens propostas são apropriadas e se de fato contemplam a população pobre. Por sua vez, Rocha (1988) delimita as populações pobres e indigentes do Brasil com base no método calórico médio per capita, afirmando que as insuficiências teóricas para parametrizar as necessidades não-nutricionais levam a que se utilizem, direta ou indiretamente, critérios relativos à satisfação das necessidades nutricionais para distinguir as linhas de pobreza em determinada população. Já Silva et al. (2020) utilizam o Índice de Pobreza Multidimensional (IPM) aplicados aos dados da Pesquisa Nacional por Amostra de Domicílios (PNAD) englobando três dimensões: saúde, educação e padrão de vida para definições das linhas de pobreza.

Diferentemente dos trabalhos acima descritos, esta pesquisa tem por objetivo compreender, a partir dos dados do CadÚnico (e de como ocorre a classificação da pobreza no Brasil), se os limites de renda estabelecidos estão alinhados com os principais programas sociais e com as políticas públicas vigentes para alcance de toda a população da população de baixa renda que compõe a base da pirâmide socioeconômica (Bottom of the Piramid - BoP) (Prahalad & Hart, 2002).

O CadÚnico provê informações completas sobre cada uma das famílias registradas, geralmente atualizadas a cada dois anos, sendo de acordo com Falcão & Costa (2014) a única fonte de informações que, além de armazenar dados e localizar os brasileiros mais pobres, permite ao poder público fazer diversas análises para agir e diminuir a pobreza. De acordo com Sposati (2021) o potencial do CadÚnico está na possibilidade do acompanhamento contínuo de informes coletivos, o que permite, por exemplo, a definição de parâmetros e linhas de corte para inclusão em programas sociais. É interessante notar que, Carvalho et al. (2019) utilizaram dados agregados do Censo conjuntamente com o cálculo do Índice de Moran Global, com propósito semelhante ao do CadÚnico, ou seja, a fim de compreender as diferenciações sociais nos agrupamentos de favelas em termos de concentração de equipamentos e serviços. Por sua vez, alguns municípios se baseiam no Índice de Gestão Descentralizada (IGD) para as definições de parâmetros e para o empenho das verbas sociais. O IGD é um índice de qualidade da gestão que combina integridade, qualidade e atualização das informações locais constantes do CadÚnico e informações sobre os cumprimentos das condicionalidades das áreas de Educação e Saúde (Brasil, 2008).

Já nesta pesquisa, a partir dos dados do CadÚnico foram calculados os coeficientes de Correlação de Pearson utilizando variáveis relevantes para definição de tendências de perfis daqueles que compõe a BoP, tais como a renda, a escolaridade, a existência de trabalho formal, a infraestrutura e o acesso à benefícios sociais. Também se fundamentou no estudo de caso da comunidade do Jardim Bonança, localizada na cidade de Osasco, escolhida por representar a população BoP.

Este artigo é composto por quatro seções, além desta introdução. A segunda seção apresenta uma revisão teórica abordando as especificidades da pobreza e as formas utilizadas para medi-la. A terceira seção descreve o método adotado, a fonte de dados e a região objeto do estudo de campo. A análise dos resultados e discussões compõem a quarta seção, por fim, a seção de conclusão.

Classificação da população de baixa renda

O valor referência de US$ 1,9/dia utilizado para classificar a situação de linha de pobreza é uma quantia média do mínimo necessário para as necessidades básicas tomadas como parâmetro os países mais pobres. Para contornar as variações entre países, o Banco Mundial criou mais duas medidas para classificar a pobreza, incorporando os níveis de US$ 3,2/dia e US$ 5,5/dia para capturar a realidade da população que vive tanto em um país típico de renda média-baixa, quanto em um país típico de renda média alta (World Bank, 2020). Considerando que a população mundial em 2017 era de 7,6 bilhões de pessoas (UN-DESA, 2017) somente aqueles que viviam com até US$ 5,5/dia corresponderia a um mercado de mais de 3,3 bilhões de pessoas.

Tamanha população deixa nítida a variabilidade de condições entre países ou mesmo em regiões de um mesmo país e, por essa razão tais valores financeiros tendem a não corresponder ao nível necessário para mitigar a pobreza em todas as suas formas e lugares (Alkire et al., 2021).

De acordo com Soares (2009) cada uma das abordagens de classificação social tem seu viés, que pode ser econômico, demográfico, humanitário, político ou nutricional por exemplo, e consigo carregam um conceito específico de bem-estar. A pobreza corresponde à falta de bem-estar material, e por mais que o conceito de bem-estar material seja contínuo, já que mais dinheiro dá acesso à mais bens materiais, ser pobre é um conceito binário, ou se é pobre ou não. Diante dessa contradição entre conceitos contínuos e binários, estritamente correlacionados, Soares (2009) afirma que estabelecer uma linha de pobreza é uma necessidade para guiar medidas e ações sociais.

Apesar da literatura internacional apresentar propostas interessantes de definições de pobreza como as de Callan & Nolan (1987, Citro & Michael (1995), Ravallion (1998) e Deaton (2004), no contexto brasileiro poucas abordagens são utilizadas para nortear o acesso a políticas públicas, principalmente por esbarrarem no formato, ausência ou frequência da disponibilidade de dados (Trovão & Araújo, 2021; Silva et al., 2020). Vale destacar algumas importantes contribuições metodológicas na definição de pobreza como de: (a) Rocha (1988, 1997, 2000) que se concentram no método calórico; (b) a abordagem de Batista & Mollo (2021), que propõe a construção de um índice de desigualdade multidimensional; (c) e o trabalho de Souza (2015) que estabelece um paralelo entre a Pesquisa de Orçamentos Familiares, Pesquisa Nacional por Amostra de Domicílios e Censo, apresentando a convergência dos resultados sobre a pobreza e desigualdade no Brasil em termos unidimensionais.

O Brasil não normatizou uma linha ou metodologia oficial de pobreza e as políticas públicas utilizam critérios diferentes e muitas vezes incoerentes entre si. Por exemplo, a linha de inclusão no Programa Bolsa Família (PBF) é de R$ 178,00, sendo considerados extremamente pobres aqueles que têm renda mensal de até R$ 89,00 por pessoa (Caixa Econômica Federal, 2021). Já a linha de inclusão no Benefício de Prestação Continuada (BPC) é de um quarto do salário-mínimo vigente, hoje equivalente a R$ 275,00. Isto quer dizer que alguns dos que são considerados pobres para o BPC não o são para o PBF. Como ao longo do tempo ainda existe o efeito inflacionário, nem sempre corrigido pelos governos, tem-se a utilização da referência em linhas absolutas da Lei Orgânica de Assistência Social (LOAS) de 1993. A LOAS tem como referência um quarto do salário-mínimo per capita como parâmetro para a concessão do BPC, enquanto o patamar predominantemente utilizado para inclusão no CadÚnico como o PBF é de até meio salário-mínimo mensal por família.

O CadÚnico existe desde 2001 com o advento do PBF, sendo atualmente gerido pelo Ministério da Cidadania (MC) com o objetivo de identificar e coletar informações sobre as famílias de baixa renda. Desde sua criação, ele representa um importante instrumento de planejamento de políticas públicas (nas esferas Federal, Estadual e Municipal).

A utilização do CadÚnico como fonte de dados é interessante pois resolve o problema de equivalência, que consiste na comparabilidade de grupos familiares diversos com números iguais de pessoas, à medida que traz dados correlacionados entre si tanto das famílias quanto dos indivíduos. Como pessoas vivendo juntas geram ganhos de escala, comparar pelo critério de renda familiar per capita, cinco adultos vivendo sós em cinco famílias unipessoais com renda R$100,00 cada um, e uma família de dois adultos e três crianças, vivendo com uma renda de R$500,00, dificilmente indicará na realidade qualidade de vidas equivalentes (Soares, 2009).

Com os dados do CadÚnico, procurou-se delimitar qual o perfil socioeconômico das famílias brasileiras de baixa renda, e como estas se situam em relação aos marcos classificatórios da pobreza no Brasil. Dessa maneira, busca-se compreender se as classificações utilizadas nos últimos anos em políticas de combate e de mitigação dos efeitos da desigualdade urbana estariam sendo destinadas corretamente para trazer melhorias nas condições de vida dos mais pobres ou reforçando uma desigualdade dentro da BoP.

Materiais e MétodosDados

De acordo com Brasil (2021), o CadÚnico conta com mais de 25 milhões de famílias cadastradas, enquanto o PBF tem cerca e 13 milhões de famílias beneficiárias. Isso ocorre pois, apesar de todas as famílias beneficiárias do PBF estarem no CadÚnico, nem todas as famílias do CadÚnico são beneficiárias do PBF, que abrange outros programas sociais. A base de dados do CadÚnico tem origem e é atualizada pela rede do Sistema Único de Assistência Social (SUAS) nos municípios, a mesma que realiza o trabalho socioassistencial junto às famílias nos Centro de Referência de Assistência Social (CRAS).

A amostra disponibilizada contém microdados que correspondem as respostas dadas por cada um dos responsáveis pelas unidades familiares aos entrevistadores do CadÚnico. A seleção da amostra dos microdados é feita por amostragem probabilística do tipo estratificada, em duas etapas.

Na primeira etapa, é observada a quantidade de famílias cadastradas no CadÚnico por município, criando dois grupos: municípios com 101 a 5 mil famílias cadastradas (que correspondem a 82% do universo de municípios do Brasil); e municípios com 5.001 ou mais famílias cadastradas. Municípios com até 100 famílias cadastradas são retirados do processo de amostragem, respeitando o princípio da prudência na divulgação dos dados.

Em uma segunda etapa, são estabelecidos mais dois níveis de subdivisão: unidade da federação e divisão administrativa (capital, municípios da região metropolitana e demais municípios da UF). Para o grupo de municípios com mais de 5 mil famílias cadastradas, todos os municípios participaram da amostra, sendo selecionadas 20% das famílias registradas do CadÚnico (Brasil, 2021).

Ao todo, como listadas na Tabela 1, são disponibilizadas 30 variáveis referentes a famílias e 34 variáveis referentes a pessoas:

Tabela 1
- Variáveis do CadÚnico

Famílias
Código Município	Valor da renda média (per capita)
Data do cadastramento	Características do local
Data da última alteração	Espécie do domicílio
Família é beneficiária do PBF	Quantidade de cômodos
Família indígena	Quantidade de cômodos servindo como dormitório
Família quilombola	Material predominante no piso
Nome do EAS/MS	Material predominante nas paredes externas
Código do EAS/MS	Água encanada
Nome do CRAS/CREAS	Forma de abastecimento de água
Código do CRAS/CREAS	Existência de banheiro
Grupos tradicionais e específicos	Forma de escoamento sanitário
Identificador da família para pareamento	Forma de coleta do lixo
Estratos de grandes grupos de municípios	Tipo de iluminação
Subdivisão pela UF e divisão administrativa	Calçamento
Data da última atualização dos dados sensíveis à manutenção do cadastro	Peso calculado da família
Quantidade de pessoas utilizada no cálculo da renda per capita familiar
Pessoas
Código Município	Sexo
Relação de parentesco com o Responsável pela UF	Idade
Local de nascimento	Pessoa trabalhou na semana passada?
Pessoa registrada em cartório	Pessoa afastada na semana passada?
Identificador da pessoa para pareamento	É atividade extrativista?
Estrato de grandes grupos de municípios	Função principal
Cor ou raça	Valor de remuneração
Quantidade de meses trabalhados nos últimos 12 meses	Peso calculado da pessoa
Pessoa sabe ler e escrever?	Pessoa tem deficiência?
Pessoa frequenta escola?	Valor de remuneração bruta
Escola localizada no município?	Valor recebido de doação
Curso que a pessoa frequenta	Valor recebido de aposentadoria
Ano e série que a pessoa frequenta	Valor recebido de seguro-desemprego
Curso mais elevado que a pessoa frequentou	Valor recebido de pensão-alimentícia
Último ano e última série frequentados pela pessoa	Valor recebido de outras fontes
A pessoa concluiu o curso?	Pessoa com trabalho remunerado em algum período nos último 12 meses

• Fonte: Dicionário da base desidentificada do CadÚnico Brasil (2021).

Para avaliar a renda dos indivíduos utilizou-se a variável “Valor de remuneração bruta” que corresponde a remuneração bruta recebida nos últimos 12 meses. Já para mensurar a infraestrutura disponível, escolaridade e dependência de programas sociais fez-se uso das variáveis: “Quantidade de cômodos do domicílio”, “Curso mais elevado que a pessoa frequentou” e “Família é beneficiária do PBF” respectivamente.

Através de dados do CadÚnico algumas destas variáveis por si só já traduzem o perfil da pobreza no Brasil, porém, para melhor fundamentar tais percepções, foram levantadas proposições entre a renda e algumas variáveis, com intuito de indicar tendências de perfis daqueles que compõe a BoP. Foi feito um recorte da região atendida pelo CRAS Jardim Bonança onde existem várias áreas de favelas e assentamentos, características da população BoP, e onde foram conduzidas as entrevistas de campo.

Objeto de Estudo

O município de Osasco está localizado na Região Metropolitana de São Paulo. Em 2010, os 666.740 habitantes de Osasco residiam em 201.894 domicílios, em sua maioria com acesso aos serviços urbanos de água (99,12%), esgoto (83,76%) e coleta de lixo (99,29%). Do total de domicílios, 21.505 deles apresentavam condições precárias de infraestrutura urbana, com carência de serviços públicos, o que corresponde a 10,7% das moradias do município (IBGE, 2010).

A maior parte das famílias de Osasco tinha rendimentos de meio a três salários-mínimos (66,27%). Já a proporção de famílias com renda acima de três salários-mínimos era de 13,13% domicílios, enquanto aqueles que ganham menos de meio salário-mínimo correspondiam a 20,6% da população. Dentre os mais pobres, 12,58% ganhavam entre um quarto e meio salário-mínimo, 2,93% menos de um quarto de salário e 5,09% não apresentavam rendimentos.

Ao analisar a renda média das famílias, levantou-se duas proposições. A primeira procura compreender se a renda proveniente dos programas sociais, aqui sintetizados pelo PBF, reflete na renda total das famílias da BoP, isto é, se a renda da população da BoP apurada pelo CadÚnico é relacionada ao recebimento dos programas sociais (${\mathrm{P}}_1)$. E a segunda, como forma de complementar a questão da origem da renda, avalia se o trabalho formal tem correlação positiva com a renda da população da BoP (${\mathrm{P}}_2)$. Já ao relacionar a dimensão da educação e a renda das famílias que compõem a BoP, a proposição ${(\mathrm{P}}_3)$ discute se a renda da população da BoP tem correlação positiva com a escolaridade.

Nesse trabalho foram feitas visitas às comunidades, ao CRAS, bem como realizadas entrevistas pessoalmente e de forma remota a líderes comunitários e demais cidadãos da região do Jardim Bonança, na zona norte de Osasco. A região foco da pesquisa de campo (Figura 1) é atendida pelo CRAS Maria Margarida Alves que está integrado ao Centro Educacional Unificado (CEU) Santa Rita.

Figura 1
- Áreas de abrangência dos CRAS e bairros de Osasco. Fonte: SEPLAG/PMO(2019) a partir dos microdados do CENSO-IBGE (2010).

Além do CRAS Santa Rita, objeto deste estudo, Osasco conta com outros 8 centros responsáveis por toda extensão do município como mostra a Tabela 2:

Tabela 2
- Distribuição dos domicílios por área de abrangência dos CRAS

CRAS	Domicílios Atendidos	Domicílios Atendidos (Até ½ salário per capita)	% de domicílios da BoP
Santa Rita (Objeto de Estudo)	13.937	4.877	35,0%
Rochdale	30.022	5.201	17,3%
Padroeira	18.867	4.006	21,2%
Munhoz Jr.	18.661	3.889	20,8%
Primeiro de Maio	15.128	3.646	24,1%
KM 18	41.972	3.178	7,6%
Santo Antônio	31.257	2.854	9,1%
Piratininga	15.115	2.703	17,9%
Veloso	16.935	2.516	14,9%
Total Geral	201.894	32.870	16,3%

• Fonte: SEPLAG/PMO (2019) a partir dos microdados do CENSO-IBGE (2010).

Como pode ser notado na Tabela 2, a região do estudo de campo (em negrito) apresenta o maior percentual de famílias da BoP. Esta região tem localização periférica em relação ao centro da cidade (extremo norte), presença de mais áreas não construídas e consequentemente marcada por ocupações irregulares, chamadas de áreas livres, caracterizadas pela ausência ou precariedade da infraestrutura viária, saneamento básico e acesso à água encanada e energia (Figura 2).

Figura 2
- Ocupação Esperança em Osasco/SP - ao fundo da figura à direita vê-se São Paulo. Fonte: Autores (2021).

O processo de formação das áreas livres é sempre bem semelhante: A partir da observação de terrenos desocupados, usualmente localizados nas periferias, sem uso econômico, ou apenas para fins de especulação, as lideranças comunitárias programam a ocupação em grupo, em um primeiro momento construído em sua totalidade por materiais provisórios como madeiras, lonas e sem infraestruturas básicas como iluminação pública, fornecimento de água e luz, tratamento sanitário ou coleta de lixo. Essa estratégia visa evitar gastos desnecessários dos já parcos recursos quando ocorre a reintegração de posse dos terrenos ocupados (informação verbal, 6 de julho de 2021).

Algumas famílias residentes nestas ocupações constroem casas de alvenaria, porém grande parte das famílias seguem vivendo em condições precárias de habitação, com barracos construídos com o que se consegue recolher das ruas e em áreas reconhecidamente de risco (como encostas de morros) (COT-CRAS, 2012). Por conta do número elevado de famílias em condições precárias de infraestrutura, a última proposição (${\mathrm{P}}_4$) a ser avaliada é se a renda da população da BoP tem correlação positiva com a infraestrutura disponível à população, utilizando por simplificação a quantidade de cômodos do domicílio como um indicativo da infraestrutura.

Também é possível descrever a partir da quantidade de atendimentos realizados no CRAS, bem como entrevistas realizadas durante as visitas, o grande número de famílias que não têm assegurada sua segurança alimentar, sendo dependentes dos subsídios de assistência social como PBF, vale gás e retirada de cestas básicas, constituindo uma validação adicional às proposições que verificam a correlação entre a renda da população da BoP e os auxílios sociais.

Método

Para analisar as proposições P₁, P₂, P₃ e P₄, ou seja, as correlações entre a renda e as demais variáveis (trabalho formal, subsídios de programas sociais, infraestrutura do domicílio, dentre outras) primeiramente foram definidos filtros na base do CadÚnico para descartar informações inconsistentes ou não pertinentes. São eles:

• • São consideradas apenas famílias do CadÚnico cuja atualização seja mais recente que 01/07/2016 (60 meses anteriores à data de extração do CadÚnico). As famílias com cadastros desatualizados há mais tempo figuram, para fins de estatísticas, como inativas.

• • Para apurar a ocupação dos membros da família, foi considerada a informação declarada para aqueles com 16 anos ou mais. Todas as pessoas abaixo disso foram consideradas não ocupadas. Este corte etário justifica-se pelo alto número de não preenchimento da variável ocupação para as crianças, ainda que elas estejam ocupadas.

• • Para garantir o recorte da região de Osasco foram filtrados os 9 CRAS que atendem a cidade. Como não existe uma exclusividade no atendimento por CRAS, as famílias costumam procurar aquele que presta melhor atendimento, e por isso incluímos todos do município.

A partir da base já filtrada para entender se há algum tipo de relação entre a renda, infraestrutura disponível à população da BoP, trabalho formal ou recebimento de benefícios sociais, a pesquisa utilizou a verificação do coeficiente de correlação de Pearson (r) para entender se há ou não uma aproximação dos dados obtidos. Figueiredo & Silva (2009, p. 26) estimam que “[...] o coeficiente de correlação de Pearson e suas derivações são escolhidos em 95% dos casos para descrever o padrão de relacionamento entre variáveis”.

O coeficiente de correlação Pearson (r) varia de -1 a 1, indicando a direção positiva ou negativa do relacionamento, sugerindo a força da relação entre as variáveis. Uma correlação perfeita (-1 ou 1) indica que o score de uma variável pode ser determinado exatamente ao se saber o score da outra. No outro oposto, uma correlação de valor zero indica que não há relação linear entre as variáveis (Aldrich, 1995; Haig, 2007; Kozak, 2009). Todavia, como valores extremos (0 ou 1) dificilmente são encontrados na prática é importante discutir como interpretar a magnitude dos coeficientes. Para Cohen (1988), valores entre 0,10 e 0,29 podem ser considerados fracos; scores entre 0,30 e 0,49 podem ser considerados como médios; e valores entre 0,50 e 1 podem ser interpretados como fortes. Dancey e Reidy (2006) apontam para uma classificação ligeiramente diferente: r = 0,10 até 0,30 (fraco); r = 0,40 até 0,60 (moderado); r = 0,70 até 1 (forte).

Para testar se há uma correlação, por exemplo, entre a renda e o trabalho formal, foram utilizadas duas variáveis: X representando a renda bruta (incluindo benefícios como PBF, aposentadoria, pensões e doações) nos últimos 12 meses; Y, representando um marcador da pessoa com trabalho remunerado em algum período nos último 12 meses. A Equação (1) indica o cálculo do coeficiente de correlação de Pearson.

$r=\mathrm{}\frac{1}{n-1}\sum _i\left(\frac{x_i-\stackrel{-}{x}}{s_x}\right)\left(\frac{\left(y_i-\stackrel{-}{y}\right)}{s_y}\right)$ (1)

Resultados

Os dados nacionais de renda extraídos do CadÚnico, quando comparados com os limites internacionais propostos pelo Banco Mundial, deixam claro a importância de subclassificar a BoP. Os dados mostram que ainda existe parte da população de baixa renda (12,6%) fora das faixas internacionais propostas (Tabela 3). Por outro lado, a grande maioria da população (87,4%) se situa até o limite de renda de US$ 5,5/dia.

Tabela 3
- Comparação dos limites de renda internacionais com os dados nacionais de renda do CadÚnico

Limite Internacional	Distribuição da População - Brasil
Até US$ 1,9/dia	66,3%
Entre US$ 1,9 e US$ 3,2/dia	13,6%
Entre US$ 3,2 e US$ 5,5/dia	7,5%
Acima de US$ 5,5/dia	12,6%

• Fonte: Autores. Foram utilizados valores cambiais (PTAX) do dia 30/09/2021.

Ao se analisar o contexto da cidade de Osasco e da região atendida pelo CRAS Santa Rita (Tabela 4), verificou-se números semelhantes ao do contexto nacional, com a maior parte da população abaixo da linha de pobreza, sobrevivendo com até US$ 1,9/dia (53,7% e 57,1%).

Tabela 4
- Comparação dos limites de renda internacionais com os dados de renda do CadÚnico em Osaco

Limite Internacional	Distribuição da População - Osasco	Distribuição da População - Jd. Bonança
Até US$ 1,9/dia	53,7%	57,1%
Entre US$ 1,9 e US$ 3,2/dia	15,7%	21,4%
Entre US$ 3,2 e US$ 5,5/dia	10,2%	7,1%
Acima de US$ 5,5/dia	20,4%	14,3%

• Fonte: Autores. Foram utilizados valores cambiais (PTAX) do dia 30/09/2021.

Analisando as faixas de renda da BoP brasileira registrada no CadÚnico com os limites de renda para recebimento dos benefícios de BPC e PBF verifica-se que uma parcela da população (19,4%), localizada à direita da reta pontilhada que limita o PBF, é classificada como pobre, mas não se enquadra nos critérios mínimos para recebimento de nenhum dos dois benefícios, o que pode reforçar uma desigualdade dentro da BoP, conforme mostra a Figura 3. Por mais que essa parcela tenha um rendimento superior àqueles que recebem benefícios sociais, a limitação de orçamento talvez seja a principal questão de toda a discussão, pois como indica a pesquisa IBGE (2020), 92,7% da despesa total das famílias é gasta exclusivamente nas chamadas despesas correntes, isto é, despesas de consumo com alimentação, habitação, vestuário, transporte, higiene e cuidados pessoais, assistência à saúde, educação, recreação e cultura. Dentro das despesas de consumo destaca-se que apenas quatro categorias respondem por mais de 80% dos custos (36,6% com habitação, 18,1% com transporte, 17,5% com alimentação e 8% com saúde). Isto é, há indícios de que a população de baixa renda destina a maior parte de seus rendimentos para itens e serviços básicos, restando pouco para outros gastos.

Figura 3
- Distribuição da população brasileira do CadÚnico por faixas de renda. Fonte: Autores (2021).

Já ao analisar os dados filtrados da cidade de Osasco, destacando as famílias atendidas pelos CRAS do município (Figura 4), nota-se em relação a renda, uma menor fatia da população com ganhos inferiores a R$ 100,00 (39,8% frente a 54,5% no contexto nacional) e uma parcela significativa (13,9%) de pessoas recebendo entre R$ 1.000,00 e R$ 1.100,00, valor correspondente ao salário-mínimo vigente. Pela Figura 4 nota-se três modas, a primeira englobando aqueles que estão em extrema pobreza e recebem até R$ 100,00, uma segunda que inclui a população que recebe entre R$ 300,00 e R$ 500,00, o que coincide com os limites de renda dos principais programas sociais, e por fim uma terceira moda na faixa de renda acima de R$ 500,00, cuja mediana está centrada na faixa de R$ 1.000,00, que equivale ao grupo de empregados que provavelmente recebem o salário-mínimo.

Figura 4
- Distribuição da população do CadÚnico em Osasco por faixas de renda. Fonte: Autores (2021).

Ao comparar a renda dos indivíduos cadastrados no CadÚnico com os limites para se enquadrar como beneficiários do BPC ou PBF, verifica-se que 19,4% da população no contexto nacional e 29,6% da população de Osasco não poderia ser beneficiário dos programas sociais em questão, permanecendo em um limbo entre os extremamente pobres e que recebem algum tipo de auxílio, e aqueles que já estão fora da BoP.

Para a discussão das proposições ${\mathrm{P}}_1$, ${\mathrm{P}}_2$, ${\mathrm{P}}_3$ e ${\mathrm{P}}_4$ foi calculada a correlação entre as variáveis em questão e a renda por meio do coeficiente de Pearson, utilizando os dados nacionais, conforme exibido na Tabela 5.

Tabela 5
- Estimativa dos parâmetros r que associam a correlação das variáveis - Contexto Nacional

Atributo	Variável	Proposição	Coeficiente de Pearson (r)
Renda Bruta	Beneficiário de Programa Social	$P_1$	-0,659*
	Infraestrutura	$P_2$	0,134*
	Trabalho Formal	$P_3$	0,474*
	Escolaridade	$P_4$	0,187*

• Fonte: Autores (2021). Nota: * Indica nível de confiança de 5%.

Observa-se na Tabela 5 que apenas um dos parâmetros estimados (Beneficiário de Programa Social - $P_1$) apresenta correlação negativa com a renda familiar per capita. Ou seja, dentre aqueles que recebem algum benefício social existe a correlação de possuírem uma menor renda, o que faz sentido sob a ótica das políticas sociais, de suportar aqueles que mais necessitam. A infraestrutura representada pela quantidade de cômodos, a atuação no mercado formal de trabalho e a escolaridade se mostraram positivamente correlacionados com a renda.

A proposição $P_2$ que correlaciona a infraestrutura disponível com a renda média da população foi tema de trabalhos prévios, tais como Agénor (2009) e Hooper et al. (2021). Já a relação entre a presença no mercado formal de trabalho e uma maior renda média da população ($P_3$) também foi estudos anteriores, tais como o realizado por Bivar (1993) e Barros & Mendonça (1997), corroborando as indicações desta pesquisa. Por fim, o efeito entre o nível de escolaridade e uma melhor remuneração dos trabalhadores ($P_4$) foi objeto de alguns pesquisadores, por exemplo, Barros et al. (1993), Balassiano et al. (2005) e Salvato et al. (2010).

Deste modo, limitou-se a análise estatística dos dados locais por meio do Coeficiente de Pearson por se entender que os estudos prévios já estudaram e validaram tais relações, mantendo o foco à discussão da abrangência dos programas sociais brasileiros no critério de limite de renda.

Já no contexto de Osasco, os dados revelaram que os coeficientes de Pearson relacionados ao recebimento de algum benefício social e ao trabalho formal são mais próximos de -1 e 1, sugerindo uma força da relação entre as variáveis e a renda apurada.

A distribuição de renda da população, com uma moda cuja mediana está centrada na faixa de R$ 1.000,00 (Figura 4), e os coeficientes de Pearson mais elevados (-0,673 e 0,689) exibidos na Tabela 6 indicam que aqueles que possuem menor receita tendem a fazer parte do grupo que recebe algum tipo de benefício, enquanto aqueles que possuem algum trabalho formal tendem a ter uma maior renda, aumentando o contingente da faixa de renda próxima ao salário-mínimo. No entanto, as entrevistas realizadas em campo mostram o desconhecimento dos programas sociais e a falta de documentação adequada para efetuar o cadastro no CadÚnico. Tais problemas levam a crer que existem famílias com a renda abaixo da linha de pobreza fora do CadÚnico. Uma das líderes locais afirmou:

Tabela 6
- Estimativa dos parâmetros r que associam a correlação das variáveis - Osasco

Atributo	Variável	Proposição	Coeficiente de Pearson (r)
Renda Bruta	Beneficiário de Programa Social	$P_1$	-0,673*
	Infraestrutura	$P_2$	0,120
	Trabalho Formal	$P_3$	0,689*
	Escolaridade	$P_4$	0,322

• Fonte: Autores (2021). Nota: * Indica nível de confiança de 5%

Eu vejo a necessidade de ter um acompanhamento com várias famílias daqui que não sabem o que é NIS e não vão atrás, e são tão carentes quanto aquelas já cadastradas. Se pudesse fazer uma força tarefa, para regularizar a questão do NIS das famílias que às vezes não conseguem, ou não podem sair daqui para regularizar seus documentos como o NIS, cadastro do Bolsa Família. São pontos que eles não vão atrás para regularizar, por falta de condição ou por falta de informação. (informação verbal, 3 de agosto de 2021).

Discussão dos resultados

Apesar de recente e ainda escassa a produção de estudos que analisam o CadÚnico como fonte primária de dados, uma vez que inicialmente sua função se limitava ao suporte na seleção de beneficiários do PBF, ao longo dos mais de 10 anos de sua utilização, o CadÚnico passou a servir e interagir com dezenas de programas federais e com um número ainda desconhecido de programas estaduais e municipais, assumindo o papel de instrumento de integração de políticas públicas (Direito et al., 2016, 2018).

Nesta função, o CadÚnico pode gerar diversos efeitos no processo de implementação de políticas públicas, como redução do custo de implementação, ofertas mais adequadas, abrangentes e acessíveis para os cidadãos (Barca & Chichir, 2014; Direito et al., 2016). Este fato é corroborado por uma assistente social: “A partir do CadÚnico os Governos locais estabelecem políticas públicas, como o Programa Bolsa Trabalho (Governo de São Paulo) e Programa Recomeçar (Prefeitura de Osasco)” (informação verbal, 25 de maio de 2022).

Os números da análise realizada a partir do CadÚnico mostram que parcela relevante da população que compõe a BoP, ainda que pobre, não é amparada por nenhum tipo de benefício ou programa social. Ou seja, existe um vácuo entre os mais pobres e que recebem algum tipo de benefício social daqueles que já estão fora da BoP (19,4% da população no contexto nacional e 29,6% da população de Osasco não poderia ser beneficiário dos programas sociais PBF e BPC, existindo uma lacuna entre aqueles que são extremamente pobres e recebem algum tipo de auxilio, dos demais que já estão fora da BoP). Essa população que se situa no topo da base da pirâmide social, embora possua uma renda maior, não necessariamente pode ser considerada mais rica, haja visto que os gastos básicos de uma família da BoP comprometem a maior parte da renda. Em sua pesquisa, Sposati (2021) complementa que apesar do registro no CadÚnico ser exigido na maioria dos programas sociais, este não garante o acesso à atenção pública. Assim, o CadÚnico se torna uma fonte de informação sobre as demandas represadas, isto é, o número territorializado de cadastrados, mas não atendidos. “Tem famílias aqui no assentamento que não sabem dos seus direitos e são muito carentes. A gente que tenta prover informação e até alimento para elas. E têm famílias com idosos, filhos doentes (com comorbidades) que ainda não estão atendidas”, informou um dos líderes (informação verbal, 25 de maio de 2022).

Corroborando a visão desta lacuna no assistencialismo público, o trabalho de Paiva et al. (2020) avaliou 56 cenários para potencializar o uso do Programa Bolsa Família e do CadÚnico como resposta às consequências econômicas da pandemia da COVID-19, recomendando além de zerar a fila de espera do programa, conceder um benefício extraordinário e reajustar benefícios e linha de elegibilidade do programa.

Em relação às classificações correntes de pobreza, as proposições testadas dão indícios de que a situação socioeconômica da população mais pobre, mensurada unicamente pela renda, está mais relacionada ao recebimento de benefícios sociais e ao trabalho formal. Entretanto, revela-se que existem uma série de variáveis dependentes do planejamento dos equipamentos de infraestrutura pública, tais como a escolaridade, e que podem estar correlacionadas com a renda, e logo com a situação econômica da população BoP. Em razão da complexidade das dimensões que definem a pobreza, autores como Dedecca et al. (2013), Salahuddin & Zaman (2012), Lugo (2005), Trovão (2015), Batista & Mollo (2021) e Silva et al. (2020) tem sugerido abordar o caráter multidimensional da desigualdade, tanto de forma desagregada, atributo por atributo, quanto de forma agregada, construindo um único índice a partir dos vários atributos, o que possibilitaria informar adequadamente as políticas públicas.

Conclusões

Esta pesquisa avaliou como as definições das linhas de pobreza no Brasil de fato alcançam a população de baixa renda, comparando dados obtidos do CadÚnico e impressões coletadas na pesquisa de campo com a abrangência de programas sociais e políticas públicas tais como o PBF e BPC. Além disso, foram avaliadas por meio do Coeficiente de Correlação de Pearson as relações entre renda e variáveis de interesse que indicam de forma genérica os critérios de definição do perfil da população que compõe a BoP.

Diferentemente dos trabalhos de Rocha (1988) e Silva et al., (2020) que analisaram as abordagens calórica e pelo IPM para determinação das linhas de pobreza, esta pesquisa, por meio de análises dos dados do CadÚnico, focou no critério de renda das famílias da BoP comparando-o com as linhas oficiais de pobreza definidas pelos principais programas sociais brasileiros. Tais análises podem ser relevantes para os decisores direcionarem políticas públicas mais eficientes para a implementação de programas sociais locais e regionais. De fato, à luz dos principais programas sociais brasileiros, verifica-se uma deficiência nos critérios de elegibilidade pela renda, não só negligenciando parte da população de baixa renda, mas também gerando assimetrias nos pagamentos para famílias numerosas em relação aos pequenos núcleos familiares. Além disto, dada que as condições de vida se alteram a partir da localidade, o trabalho de Sposati (2021) reforça a ideia de se utilizar o CadÚnico para estabelecer programas sociais ajustando-os em relação às diferentes regiões brasileiras e em consonância com o planejamento urbano.

Portanto, os resultados obtidos indicam que existe uma lacuna no assistencialismo à população de baixa renda, apresentando uma parcela relevante da BoP que embora tenha uma renda inferior ao salário-mínimo não atende os requisitos de renda suficientes para pleitear algum tipo de auxílio.

A proposição ${(P}_1)$ indicou que quanto maior a renda, menor o número de famílias assistidas por benefícios sociais, o que faz sentido desde que existam políticas públicas atuantes àqueles que necessitam. Nesse sentido, Falcão & Costa (2014, pg 24) resumem bem a preocupação que deve ser tomada para que as políticas públicas sejam eficientes: “[...]Se a instabilidade da renda faz as famílias transitarem entre as situações de extrema pobreza e pobreza (ou baixa renda), excluir uma família pobre de uma ação hoje pode significar ter uma família extremamente pobre sem cobertura amanhã”. É importante mencionar que trabalhos como o de Marinho et al. (2011) não apontam uma relação entre programas sociais e redução da pobreza, já autores como Denes et al. (2018) são mais ponderados, descrevendo que o BPF e BPC tem sua função validada, porém gerando diferentes resultados conforme o programa social, servindo as vezes apenas para o alívio imediato da pobreza extrema, e não para mitigação da pobreza.

Já as proposições ${(P}_2)$, ${(P}_3)$ e ${(P}_4)$ apresentaram resultados com correlações positivas do Coeficiente de Pearson, indo de encontro às associações estudadas em publicações prévias tais como Barros et al. (1993), Barros & Mendonça (1997), Balassiano et al. (2005), Agénor (2009), Salvato et al. (2010), Lucena et al. (2021) e Hooper et al. (2021). Tais resultados ressaltam, no caso de Osasco onde 10,7% das moradias contam com condições precárias de infraestrutura urbana, a importância dos gestores públicos atuarem multidisciplinarmente no planejamento urbano, priorizando investimentos na educação, infraestrutura e geração de empregos, além de adotarem medidas imediatas de transferência de renda por meio dos programas sociais.

Por fim, esta pesquisa conclui que as classificações de pobreza existentes no Brasil são necessárias, por mais que desatualizadas e baseadas em critérios distintos, mas, devem seguir sendo revistas e discutidas, a fim de que as diferentes classes da BoP recebam tratamentos adequados para seu desenvolvimento, conforme sintetizado no trecho:

[...] Embora pobreza não se limite à insuficiência de renda, o uso de linhas de pobreza em países de economia monetizada e de nível de renda média como o Brasil faz sentido para estabelecer um crivo básico entre pobres e não-pobres, que poderão ser classificados posteriormente em relação a outras características (Rocha, 2010, pg.2).

Limitações e Sugestões de Trabalhos Futuros

A amostra analisada corresponde a cerca de 20% de toda a base do CadÚnico, e por mais que a amostra seja significativa, ao ser gerida diretamente pela equipe dos CRAS, alguns registros estão incompletos ou desatualizados. Esta limitação fica mais sensível quando se avalia apenas o contexto de famílias atendidas pelos CRAS de Osasco, uma vez que o número de registros é inferior.

As comparações entre a renda apurada pela base do CadÚnico e os limites para enquadramento aos benefícios de programas sociais como o PBF e BPC consideram apenas o valor numérico, cabendo destacar que para ter direito aos auxílios existem vários outro pré-requisitos.

Os cálculos do coeficiente de correlação de Pearson utilizaram, aos pares, algumas variáveis elencadas para representar critérios de definição das linhas de pobreza como renda, emprego formal e infraestrutura, mas sem a pretensão de que descreva, todas as dimensões e pesos que classificam a pobreza como ela é.

Como trabalho futuro sugere-se a verificação dos níveis de pobreza comparando não só a renda, mas também os gastos das famílias, que poderiam ser obtidos por meio PNAD ou formulário de pesquisa. Ao incorporar dados da PNAD Contínua, base completa do CadÚnico, e informações do Censo, poderia ser realizada uma análise por séries temporais, potencialmente obtendo informações importantes e resultados mais assertivos para guiar a revisão das políticas públicas, sobretudo no cenário político atual de eleições e de discussão, do agora chamado “Auxílio Brasil”.

Agradecimentos

Esta pesquisa teve apoio da Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP), processo nº 202202338-8 e do Conselho Nacional de Desenvolvimento Científico e Tecnológico, processo nº 313687/2019-6. Gostaríamos de agradecer todo o suporte prestado pela equipe do CRAS Maria Margarida Alves, em particular à Silvana Maria Sardi.

• Como citar: Silva, J. V. S., Vieira, J. G. V., & Yoshizaki, H. T. Y. (2023). Avaliação do perfil socioeconômico da população de baixa renda do Brasil: uma crítica às classificações correntes. urbe. Revista Brasileira de Gestão Urbana, v. 15, e20210370. https://doi.org/10.1590/2175-3369.015.e20210370

• Declaração de disponibilidade de dados

  O conjunto de dados que dá suporte aos resultados deste artigo está disponível no SciELO DATA e pode ser acessado em https://doi.org/10.48331/scielodata.PROLSK

Referências

• Aldrich, J. (1995). Correlations genuine and spurious in Pearson and Yule. Statistical science, 364-376.
• Alkire, S., Kanagaratnam, U., & Suppa, N. (2021). The global multidimensional poverty index (MPI) 2021.
• Agénor, P. R. (2009). Infrastructure investment and maintenance expenditure: Optimal allocation rules in a growing economy. Journal of Public Economic Theory, 11(2), 233-250.
• Balassiano, M., Seabra, A. A. D., & Lemos, A. H. (2005). Escolaridade, salários e empregabilidade: tem razão a teoria do capital humano? Revista de Administração Contemporânea, 9, 31-52.
• Barca, V., & Chirchir, R. (2014). Single registries and integrated MISs: De-mystifying data and information management concepts. Canberra: Department of Foreign Affairs and Trade.
• Barros, R. P. D., Mendonça, R. S. P. D., & Shope, J. A. (1993). Regional disparities in education within Brazil: the role of quality of education. Brasília, DF: IPEA.
• Barros, R. P. D., & Mendonça, R. S. P. D. (1997). O impacto do crescimento econômico e de reduções no grau de desigualdade sobre a pobreza. Brasília, DF: IPEA.
• Batista, H. R., & Mollo, M. D. L. R. (2021). Multidimensional inequality: discussing the development of an index. Revista de Economia Contemporânea, 25.
• Bivar, W. S. B. (1993). Aspectos da estrutura do desemprego no Brasil: composição por sexo e duração. Brasília, DF: BNDES.
• Brasil (1993). Lei nº 8.742, de 7 de dezembro de 1993. Dispõe sobre a organização da Assistência Social e dá outras providências. Diário Oficial da União, 18769-18769.
• Brasil (2008). Ministério do Desenvolvimento Social e Combate à Fome. O índice de gestão descentralizada: mobilização dos gestores municipais do estado de Santa Catarina. Recuperado em 05 de ago., de http://sst.sc.gov.br/dias/bolsa_familia/mobil.gestores.cons.Bc/Apresentacao_Gestao_Compartilhada_SC_2006-06-01.ppt
  » http://sst.sc.gov.br/dias/bolsa_familia/mobil.gestores.cons.Bc/Apresentacao_Gestao_Compartilhada_SC_2006-06-01.ppt
• Brasil (2021). Ministério da Cidadania. Cadastro Único para Programas Sociais do Governo Federal. Recuperado em 10 de maio, de https://aplicacoes.mds.gov.br/sagi/portal/index.php?grupo=212
  » https://aplicacoes.mds.gov.br/sagi/portal/index.php?grupo=212
• Callan, T., & Nolan, B. (1987). Concepts of poverty and the poverty line. ESRI Working Paper, 2.
• Carvalho, C., Fridman, F., & Strauch, J. (2019). Desigualdade, escala e políticas públicas: uma análise espacial dos equipamentos públicos nas favelas cariocas. urbe. Revista Brasileira de Gestão Urbana, 11.
• Caixa Econômica Federal (2021). Programa Social Bolsa família. Recuperado em 15 de maio, de https://www.caixa.gov.br/programas-sociais/bolsa-familia/Paginas/default.aspx
  » https://www.caixa.gov.br/programas-sociais/bolsa-familia/Paginas/default.aspx
• Citro, C. F., & Michael, R. T. (1995). Measuring Poverty: A New. Washington D.C.: National Academy Press.
• Cohen, J. (1988). Statistical power for the behavioural sciences. Hilsdale. NY: Lawrence Erlbaum.
• COT-CRAS (2012). Caderno de Orientações Técnicas para o Centro de Referência de Assistência Social. Recuperado em 15 de maio, de http://mds.gov.br/webarquivos/publicacao/assistencia_social/Cadernos/orientacoes_Cras.pdf
  » http://mds.gov.br/webarquivos/publicacao/assistencia_social/Cadernos/orientacoes_Cras.pdf
• Dancey, C. P., & Reidy, J. (2006). Análise de correlação: or de Pearson. Estatística sem Matemática para a Psicologia: usando SPSS para Windows, 178-218.
• Deaton, A. (2004). Measuring poverty Research Program in Development Studies. Nova Jérsei: Princeton University.
• Dedecca, C. S., Trovão, C. J. B. M., & de Souza, L. F. (2013). Una evaluación de la pobreza en Brasil, en un enfoque multidimensional. Revista Sociedad y Equidad, (5).
• Denes, G., Komatsu, B. K., & Menezes-Filho, N. (2018). Uma avaliação dos impactos macroeconômicos e sociais de programas de transferência de renda nos municípios brasileiros. Revista Brasileira de Economia, 72, 292-312.
• Direito, D., Koga, N., Lício, E., & Chaves, J. (2016). O Cadastro Único como instrumento de articulação de políticas sociais. Brasília: One Pager.
• Direito, D., Koga, N., Lício, E., & Chaves, J. (2018). As possibilidades e os limites do Cadastro Único como mecanismo de coordenação federativa e de intersetorialidade de políticas públicas. Em Implementação de políticas públicas: questões sistêmicas, federativas e intersetoriais. Brasília, DF: Enap.
• Falcão, T., & Costa, P. D. (2014). A linha de extrema pobreza e o público-alvo do Plano Brasil Sem Miséria. Em Campello T, Falcão T, & Costa PV (Organizadores). O Brasil sem miséria. (pp. 67-94). Brasília (DF): Ministério do Desenvolvimento Social e Combate à Fome.
• Figueiredo Filho, D. B., & Silva Júnior, J. A. (2009). Desvendando os Mistérios do Coeficiente de Correlação de Pearson (r). Revista Política Hoje, 18(1), 115-146.
• Instituto Brasileiro de Geografia e Estatística (IBGE). (2010). Censo demográfico. Recuperado em 15 jul., de https://censo2010.ibge.gov.br
  » https://censo2010.ibge.gov.br
• Instituto Brasileiro de Geografia e Estatística (IBGE). (2020). Pesquisa de orçamentos familiares: 2017-2018. Em Perfil das despesas no Brasil: indicadores selecionados de alimentação, transporte, lazer e inclusão financeira. Rio de Janeiro: IBGE, 2021. Recuperado em 26 jul., de https://biblioteca.ibge.gov.br/visualizacao/livros/liv101844.pdf
  » https://biblioteca.ibge.gov.br/visualizacao/livros/liv101844.pdf
• Haig, B. D. (2007). Spurious correlation, Encyclopedia of Measurement and Statistics. Thousand Oaks: Sage.
• Hooper, E., Peters, S., & Pintus, P. A. (2021). The impact of infrastructure investments on income inequality: Evidence from US states. Economics of Transition and Institutional Change, 29(2), 227-256.
• Kozak, M. (2009). What is strong correlation? Teaching Statistics, 31(3), 85-86.
• Lucena, R. D. de F., Costa, R. F. R. da, Lima, F. S. de, & Castelar, L. I. de M. (2021). Analisando a condição de pobreza: uma aplicação da decomposição em modo empírico. Economia Aplicada, 25(4), 493-520. https://doi.org/10.11606/1980-5330/ea159822
  » https://doi.org/10.11606/1980-5330/ea159822
• Lugo, M. A. (2005). Comparing multidimensional indices of inequality: methods and application. Em Society for the Study of Economic Inequality Working Paper Series. ECINEQ WP 14. Palma de Mallorca.
• Marinho, E., Linhares, F., & Campelo, G. (2011). Os programas de transferência de renda do governo impactam a pobreza no Brasil? Revista Brasileira de Economia, 65, 267-288.
• Paiva, L. H., Souza, P. H., Bartholo, L., & Soares, S. (2020). Evitando a pandemia da pobreza: possibilidades para o programa Bolsa Família e para o Cadastro Único em resposta à COVID-19. Revista de Administração Pública, 54, 1097-1110.
• Prahalad, C. K. (2002). The fortune at the bottom of the pyramid. Strategy+ business, 26.
• Prefeitura Municipal de Osasco. Secretaria de Planejamento e Gestão. SEPLAG/PMO. (2019). Osasco em Números. Osasco. Recuperado em 26 jul., de http://www.participa.osasco.sp.gov.br/Upload/publicacao/osasco-em-numeros-assistencia.pdf
  » http://www.participa.osasco.sp.gov.br/Upload/publicacao/osasco-em-numeros-assistencia.pdf
• Ravallion, M. (1998). Poverty lines in theory and practice (v. 133). World Bank Publications.
• Rocha, S. (1988). Estabelecimento e comparação de linhas de pobreza para o Brasil. Rio de Janeiro: IPEA (Texto para Discussão, n.153).
• Rocha, S. (1997). Do consumo observado à linha de pobreza. Pesquisa e planejamento econômico, 27(2), 313-352.
• Rocha, S. (2010). Pobreza no Brasil. Crescimento, renda e pobreza. Como ficam os pobres? Estudos e Pesquisas, Rio de Janeiro: INAE.
• Rocha, S. (2000). Estimação de linhas de indigência e de pobreza: opções metodológicas no Brasil. (pp. 685-718). Rio de Janeiro: IPEA.
• Salahuddin, T., & Zaman, A. (2012). Multidimensional Poverty Measurement in Pakistan: Time Series Trends and Breakdown. The Pakistan Development Review, 51(4), 493-504 Recuperado em 26 jul., de http://www.jstor.org/stable/23734781
  » http://www.jstor.org/stable/23734781
• Salvato, M. A., Ferreira, P. C. G., & Duarte, A. J. M. A. (2010). O impacto da escolaridade sobre a distribuição de renda. Estudos Econômicos, 40(4), 753-79.
• Silva, J. J. D., Bruno, M. A. P., Silva, D. B., & Nascimento, D. (2020). Pobreza multidimensional no Brasil: uma análise do período 2004-2015. Brazilian Journal of Political Economy, 40, 138-160.
• Soares, S. S. D. (2009). Metodologias para estabelecer a linha de pobreza: objetivas, subjetivas, relativas e multidimensionais. Rio de Janeiro: IPEA, Texto para Discussão, n. 1381.
• Souza, P. H. G. F. D. (2015). Income distribution according to Brazilian household surveys: harmonization and comparison of Census, PNAD and POF data. Revista Brasileira de Estudos de População, 32, 165-188.
• Sposati, A. O. (2021). Cadastro Único: identity, means of testing, citizenship rights. Serviço Social & Sociedade, 183-203.
• Trovão, C. (2015). Desigualdade multidimensional: uma abordagem keynesiana para o seu enfrentamento Tese (Doutorado em Economia). Instituto de Economia, Universidade Estadual de Campinas, Campinas).
• Trovão, C. J. B. M., & de Araújo, J. B. (2021). Desigualdade multidimensional, insuficiência socioeconômica e concentração de renda no Brasil a partir de um olhar macrorregional. Desenvolvimento em Debate, 9(1), 121-157.
• United Nations. Department of Economic and Social Affairs, Population Division (2017). World Population Prospects: The 2017 Revision, Key Findings and Advance Tables.
• World Bank (2020). Poverty and Shared Prosperity 2020: Reversals of Fortune, World Bank, Washington-DC.

Editado por

Editor responsável: Paulo Nascimento Neto

Datas de Publicação

• Publicação nesta coleção
  14 Abr 2023
• Data do Fascículo
  2023

Histórico

• Recebido
  22 Out 2021
• Aceito
  15 Nov 2022