medindo a qualidade das escolas: …...alunos da escola e (ii) ela dependesse apenas de fatores...
TRANSCRIPT
Economia Aplicada, v. 19, n. 3, 2015, pp. 541-574
MEDINDO A QUALIDADE DAS ESCOLAS:EVIDÊNCIAS PARA O BRASIL
Andréa Zaitune Curi *
André Portela de Souza †
Resumo
Neste artigo propomos a criação de um indicador que reflita a quali-dade da escola associada aos fatores escolares e que evite dois problemasencontrados em estudos anteriores: indicadores de proficiência em nívelque refletem mais o background familiar do aluno do que a qualidade daescola; e estimações de valor adicionado muito sensíveis a erros de men-suração. Propomos indicadores que são obtidos através de um modeloestrutural em que se modela a variável latente de qualidade da escola demodo a corrigir o potencial viés dos estudos anteriores. Utilizamos dadosbrasileiros para aplicações desses indicadores e revisitamos a importânciarelativa dos fatores de família, escola e gestão. Os resultados mostram queo ordenamento das escolas pelos indicadores de qualidade difere do orde-namento obtido pelos indicadores com a proficiência em nível e é menosinstável do que o ordenamento obtido a partir dos indicadores de valoradicionado puro.
Palavras-chave: accountability, gestão-escolar,background familiar, ranking,modelo estrutural.
Abstract
In this paper, we propose the creation of an index that reflects thequality of school associated with school factors and avoids two problemsfound in previous studies: indicators of proficiency level that reflect morethe family background of the student than school quality; and estimationsof value added very sensitive to measurement errors. Thus, indicatorsare obtained through a structural model that models the latent variablequality of the school to correct the potential bias of previous studies. Weused Brazilian data for applications of such indicators and we revisitedthe factors of family, school and management. The results show that theranking of schools by quality indicators differs from the ordering obtainedby the indicators with the proficiency level and is less volatile than theordering obtained from the indicators of value added.
Keywords: accountability, school-management, family background, rank-ing, structural model.JEL classification: I20; I28; C33; O54
DOI: http://dx.doi.org/10.1590/1413-8050/ea143472* Doutora em Economia pela Escola de Economia de São Paulo da Fundação Getulio Vargas(EESP/FGV) e Coordenadora de Projetos da GO Associados.† Professor da Escola de Economia de São Paulo da Fundação Getulio Vargas (EESP/FGV) e Coor-denador do C-Micro (FGV).
Recebido em 02 de dezembro de 2014 . Aceito em 20 de maio de 2015.
542 Curi e Souza Economia Aplicada, v.19, n.3
1 Introdução
A busca pelos determinantes da qualidade da educação é um dos grandes es-forços da literatura de economia da educação. Em termos gerais, os determi-nantes são classificados em fatores associados à criança e ao seu ambiente fa-miliar, fatores associados à escola e ao professor, e fatores associados à gestãoe à organização do sistema educacional. Saber a importância relativa de cadaum desses grupos de fatores bem como quais fatores individualmente dentrode cada grupo é mais importante na explicação da qualidade da educação é oobjetivo imediato dessa parte da literatura. O objetivo final é buscar elemen-tos factíveis de serem instrumentos dos formuladores de políticas públicasvoltadas à melhoria da qualidade da educação1.
Esse debate também existe no Brasil. De um modo geral, os resultadosapontam para o fato de que as variáveis relacionadas ao ambiente familiar sãopreponderantes na associação com uma série de resultados de desempenhoeducacional dos alunos como repetência, abandono escolar e proficiência2.
O foco na qualidade tem levado o governo federal, através doMinistério daEducação (MEC), a tentar mensurar a qualidade da educação, desenvolvendométricas e divulgando rankings das instituições de ensino. O objetivo é forne-cer informações sobre a qualidade das instituições para os diferentes agentes,as quais podem auxiliar pais e estudantes na escolha de onde estudar, empre-gadores na contratação de novos funcionários, governos nos seus programasvoltados para a melhoria da qualidade da educação e o próprio MEC no seutrabalho de regulação do setor educacional. Evidências sugerem que os im-pactos da divulgação são relevantes. Os dirigentes das escolas mal colocadasno ranking são questionados pelos pais dos alunos, que exigem explicações eestratégias para melhorar a posição das escolas. A procura pelas escolas maisbem classificadas parece também ser maior (Andrade 2011).
Um dos desafios atuais para a educação no Brasil é melhorar sua qualidade.Para tanto, tem sido analisada a relação entre as características das escolas eo desempenho dos alunos. O desempenho médio por escola, entretanto, nãoé suficiente para uma boa comparação da qualidade das instituições. Todo re-sultado de avaliação de desempenho escolar representa o produto da interaçãode um conjunto de fatores, entre eles os históricos escolar e familiar, os atribu-tos individuais, as oportunidades vivenciadas pelos alunos e a qualidade doensino oferecido na escola atual.
Os resultados do Relatório Coleman de 1996 contrariam a ideia de que aqualidade da escola teria papel fundamental no aprendizado, e definem ascondições das famílias e do meio em que as crianças convivem como sendo osfatores determinantes do desempenho escolar.
Portanto, dados os impactos e a importância dos rankings e as dificuldadesde sua elaboração, é importante examinar com detalhes os diferentes tipos declassificação existentes, suas características e os problemas de cada um deles.
A educação pode ser entendida como um serviço que transforma insumosem produtos, podendo ser representada por uma função de produção, que
1Existe uma imensa literatura sobre estes aspectos. Para uma síntese desse e de outros deba-tes, ver a coletânea organizada por Hanushek (2006), principalmente os capítulos sobre qualidadedos professores (Hanushek & Rivkin 2006) e recursos escolares (Hanushek & Rivkin 2006). Vertambém o debate entre Heckman & Kueger (2005).
2Ver, entre outros, Albernaz et al. (2002), Menezes-Filho (2007), Menezes-Filho & Souza(2008).
Medindo a Qualidade das Escolas 543
mostra a relação existente entre esses insumos e produtos e, adicionalmente,corresponde também ao máximo de produção que pode ser alcançado dadoos insumos utilizados. De forma geral, uma função de produção (f) pode sercaracterizada pelo modelo descrito na seguinte equação:
Yit = f(B(t)i ,P
(t)i ,S
(t)i , Ii
)(1)
Em que: (i) Yit é o produto (pode ser o resultado do aluno em um testede proficiência, que mensura a sua habilidade cognitiva) na sua versão escalar(ou uma matriz na versão com múltiplos produtos) relacionado ao estudante
i no tempo t; (ii) B(t)i é um vetor das características do background familiar do
estudante i acumulado no tempo t; (iii) P(t)i é o vetor de influências dos pares
acumulados no tempo t; (iv) S(t)i é o vetor de insumos controlados diretamente
pela escola do estudante i acumulado no tempo t; e (v) Ii é o vetor de habilida-des inatas do estudante i3. Em geral, assume-se que mais insumos acarretammaior produção, porém a taxas cada vez menores.
Uma versão alternativa, ao invés do valor do produto num determinadoponto no tempo, foca a análise no valor adicionado, que corresponde à varia-ção no produto de um período para outro. Supondo que a equação acima valepara diferentes pontos no tempo, um tempo t e um anterior t∗, é possível levarem consideração a mudança do nível do produto entre os períodos e escrevera seguinte especificação:
Yit −Yit∗ = f ∗(B(t−t∗)i ,P
(t−t∗)i ,S
(t−t∗)i , Ii
)(2)
Medidas de proficiência ou de valores adicionados são utilizadas em mui-tas situações para se ordenar as escolas por suas qualidades educacionais.Qualquer tentativa de construir um indicador baseado no ranking das esco-las enfrenta dois desafios. O primeiro, reflete o fato de que os alunos não sãodesignados aleatoriamente para as escolas, assim algumas instituições podemter um melhor desempenho porque nelas se inscrevem as melhores crianças,e não porque elas são inerentemente mais produtivas.
O segundo desafio surge do fato de que as médias das escolas nos testesde proficiência fornecem medidas distorcidas do desempenho dos alunos. Fa-tores transitórios podem determinar que as escolas que obtiveram boas notasem um ano, no próximo ano podem apresentar resultados relativos piores,mesmo se sua produtividade permanecer constante. Nesse caso, o ordana-mento irá mostrar volatilidade substancial e poderá facilmente enganar ospais e os tomadores de decisão política.
Buscando uma forma de criar uma medida de padrão de desempenho re-lativo das escolas chilenas, Mizala et al. (2007) utilizaram informações indivi-duais sobre os resultados em testes de proficiência e as características dos alu-nos entre os anos de 1997 a 2004. Os resultados sugerem que há um grandetradeoff nessa medida pela qual os ordenamentos são gerados: (i) é muito se-melhante ao ordenamento baseados puramente em status socioeconômico, e(ii) existe grande volatilidade de ano para ano. Concluíram então, que, pelomenos no Chile, produzir um ordenamento significativo de escolas capaz de
3Essa versão da função de produção é extraída de Hanushek (1979) e sinaliza que valorespassados dos insumos, através do acumulado no tempo, afetam a produção, possivelmente comimpactos menores com o passar do tempo.
544 Curi e Souza Economia Aplicada, v.19, n.3
informar aos pais e aos formuladores de políticas pode ser mais difícil do queé comumente assumido. A dificuldade está no fato de que é impossível iden-tificar com credibilidade qual componente de desempenho de cada escola édevido a seu próprio valor adicionado, e quais os componentes são devidoao background de seus alunos ou a fatores transitórios não relacionados à suaprodutividade real.
Ladd & Walsh (2002) também questionam o uso de medidas de valor adi-cionado para classificar as escolas e sua eficácia em melhorar os resultadosdos alunos, podendo causar distorções no sistema educacional. A partir dedados de escolas dos estados americanos da Carolina do Norte e do Sul — quecalculam e divulgam as medidas de valor adicionado de desempenho escolara fim de manter a responsabilidade das escolas sobre sua qualidade — os au-tores avaliam a abordagem de valor adicionado como medida de desempenhoescolar. Eles indicam que erros de medida tornam o ranking baseado no valoradicionado bastante volátil.
Numa análise da educação superior, Yunker (2005) discute a eficácia doconceito de valor adicionado para avaliar os cursos de contabilidade. Parauma amostra de 548 faculdades e universidades americanas, foram estima-dos valores adicionados (diferenças entre a taxa de aprovação observada (nãoajustada) e a taxa de aprovação prevista). O autor conclui que um ranking dasinstituições realizado pela taxa de aprovação ajustada seria muito semelhantea um ranking pela taxa de aprovação não ajustada. Além disso, quando se levaem consideração os intervalos de confiança dos rankings, é possível fazer umacomparação somente entre um pequeno número de instituições.
Em síntese, um sistema de accountability em educação requer a criação demedidas de desempenho das escolas que sirvam de variáveis para a elaboraçãode metas a serem atingidas, como também de indicadores de aferição do graude sucesso na obtenção das metas de desempenho. Para esse sistema ter resul-tados satisfatórios se requer que o indicador reflita a qualidade da escola. Emgeral, utilizam-se medidas de desempenho dos alunos ou em nível ou em va-lor adicionado. O problema é que a utilização de indicadores de proficiênciaem nível pode refletir mais o background familiar do aluno do que a qualidadeda escola. Por sua vez, as estimações de valor adicionado podem ser muitosensíveis a erros de medida.
Neste artigo propomos a criação de um indicador geral que reflita a quali-dade da escola associada aos fatores escolares e que evitem os dois problemasanteriores. Esse indicador é obtido através de um modelo estrutural em quese modela a variável latente de qualidade da escola de modo a corrigir o po-tencial viés de estudos anteriores. Ilustramos com dados para o Brasil a clas-sificação das escolas em termos da qualidade educacional oferecida aos seusalunos com base no nosso indicador proposto. Construímos dois indicado-res de qualidade da escola considerando qual seria o valor da variável latentese: (i) ela fosse inteiramente relacionada ao perfil socioeconômico médio dosalunos da escola e (ii) ela dependesse apenas de fatores associados à gestãoescolar. Em seguida, comparamos os ordenamentos obtidos a partir dessasvariáveis latentes estimadas com a classificação das escolas pelo desempenhomédio de seus alunos nos exames de proficiência. Dessa forma, conseguimosidentificar qual a informação que a posição relativa das escolas, em função dodesempenho médio de seus alunos, representa.
Nossa proposta metodológica visa eliminar as diferenças entre as escolasexistentes em função do background familiar de seus alunos e manter as di-
Medindo a Qualidade das Escolas 545
ferenças entre elas que ocorrem em função de suas características de quali-dade/gestão, evitando a criação de um ranking espúrio. Assim, propomos umindicador de qualidade de modo a estabelecer um ordenamento das escolasde acordo com uma variável latente correlacionada com as características degestão.
Além de dialogar com a literatura de indicadores de qualidade de esco-las, o presente artigo se relaciona diretamente com outras questões da litera-tura de economia de educação. Uma delas é sobre os determinantes da qua-lidade da educação. Existe um longo debate sobre as importâncias relativasdos papeis das famílias e das escolas no aprendizado dos alunos. Em geral,argumenta-se que a família tem um papel primordial no aprendizado dos alu-nos mas que a escola pode também adicionar conhecimento e aprendizagemnesse processo. Hanushek et al. (2005) identificaram um considerável efeitoda escola sobre o desempenho dos alunos no Texas, sendo a qualidade do pro-fessor importante para o aprendizado. No Brasil, por sua vez, a maioria dosestudos enfatizam o maior impacto do background familiar no desempenhodos alunos em relação à escola embora a escola também tenha algum impactopositivo sobre aprendizado 4. Embora não seja o objetivo direto do artigo, ametodologia proposta é capaz de estimar as importâncias relativas de gruposde fatores determinantes ao aprendizado.
Uma outra literatura relacionada é sobre sistemas de accountability. Pro-ver boa educação pública descentralizadamente é um desafio para qualquersistema educacional. O aprendizado médio dos alunos pode ser muito sensí-vel ao desenho particular de um sistema. Existem evidências internacionaisde que sistemas em que há maior possibilidade de escolhas de escolas porparte dos pais e onde há uma maior competição entre as escolas pode levar amaior aprendizado por parte dos alunos (e.g., Cullen et al. (2006), Hastings& Weinstein (2007), Hanushek & Raymond (2004), Hanushek et al. (2005)).Ademais, esses sistemas podem funcionar melhor se houver uma ampla trans-parência das informações para pais e gestores sobre a qualidade das escolas5.Ao propor um indicador de qualidade de escolas que reflita o papel da boagestão escolar, esta informação pode ser importante para pais e gestores emsuas tomadas de decisões.
Por fim, este artigo também contribui para o debate de políticas educaci-onais no país. As três principais inovações inseridas no Plano de Desenvol-vimento da Educação (PDE) criado em 2007 pelo Ministério da Educação6,foram: (i) a incorporação dos objetivos de accountability; (ii) a criação de umindicador sintético da qualidade da educação básica, que considera tanto odesempenho dos estudantes em exames padronizados quanto a progressãodesses alunos no sistema; e (iii) a definição de metas tanto para o país quantopara cada sistema e escola em particular (Fernandes 2007, Fernandes & Gre-maud 2009)). Com os dados disponíveis no Brasil, o nosso indicador propostopode ser utilizado por qualquer rede de ensino brasileira.
Além dessa introdução, esse artigo é composto por mais cinco seções. Nasegunda seção apresentamos o indicador geral de qualidade da educação pro-posto. Ainda, exemplificamos uma forma de aplicação deste indicador com
4Ver Menezes-Filho (2007), Menezes-Filho & Souza (2008), Gremaud et al. (2007), Felício &Fernandes (2005), Albernaz et al. (2002).
5Ver, por exemplo, Figlio & Rouse (2006), Rouse et al. (2007).6Mais detalhes em Haddad (2008).
546 Curi e Souza Economia Aplicada, v.19, n.3
dados brasileiros. Na terceira seção descrevemos os dados utilizados. Na se-ção quatro fazemos uma análise descritiva das informações e na seção seguinteapresentamos os resultados econométricos obtidos. A última seção apresentaas considerações finais.
2 Indicador de qualidade da escola
Inicialmente, consideramos que o desempenho escolar dos alunos em suasmúltiplas dimensões (aprovação, proficiência, etc.) depende de fatores associ-ados às famílias, às escolas e às interações dos alunos e famílias com as escolas.Supondo que esses fatores se relacionem linear e aditivamente com os resul-tados de desempenho dos alunos, essas relações podem ser representadas deacordo com o seguinte sistema de equações:
Y ksjt =
t+L∑
h=t−l
αksh Ajh +
t+L∑
h=t−l
βksh Ejh +γkst θj + εjt , l , L (3)
Em que, Y ksjt é o desempenho médio dos alunos na dimensão k (matéria),
na série s, na escola j , no ano corrente t; Ajh é o vetor de características ob-serváveis médias dos alunos e de suas famílias na escola j no ano h; Ejh é ovetor de características observáveis da escola j no ano h; θj é a qualidade da
escola ou a qualidade do matching escola/aluno; αksh , βksh e γks
t são os vetoresde coeficientes e εjt é o erro aleatório tal que εjt ∼N (0,σ2
ε ). O ano h pode estarl períodos à trás (lags) e L períodos à frente (leads) em relação ao ano correntet. Isso quer dizer que, as características observadas médias dos alunos e as ca-racterísticas observadas da escola no ano t e em anos anteriores e posterioresafetam diretamente os resultados de desempenho médio dos alunos no ano t.
Nesse modelo proposto, o vetor A de características observáveis médiasdos alunos e de suas famílias na escola representa a influência do backgroundfamiliar no desempenho médio dos alunos incluindo o efeito dos alunos nosdesempenhos dos seus colegas, o chamado peer effect. O vetor E inclui osinsumos escolares que estão sob controle dos gestores e são observados peloeconometrista.
Por fim, na nossa metodologia proposta, θj é uma variável latente não ob-servada de qualidade da escola que sintetiza os esforços e as produtividadesnão observáveis de professores e gestores, bem como as preferências das famí-lias e as habilidades não observadas dos alunos associadas às interações coma escola que determinam o desempenho dos alunos. As características obser-vadas médias dos alunos e as características observadas da escola em todos osanos estão correlacionadas com a qualidade latente da escola (ou do matchingescola/aluno). Como proposto por Chamberlain (1982), podemos representarθj pelas variáveis futuras e passadas (leads and lags) de Ajf e Ejt e por umerro aleatório como na equação a baixo:
θj =t+D∑
f =t−d
λAkf Ajf +
t+D∑
f =t−d
λEkf Ejf +υj (4)
em que, νj é o erro aleatório tal que νj ∼ N(0,σ2ν ) e λAk
f e λEkf são os vetores
dos coeficientes de correlações parciais das características médias com a quali-dade latente da escola na matéria k. O ano f (igual à h) pode ter d defasagens
Medindo a Qualidade das Escolas 547
(lags) e D períodos futuros (leads) em relação ao ano corrente t, mas apresentaas seguintes restrições: os números de defasagens e de períodos futuros queafetam θj devem ser maiores que os números de leads e de lags que determi-
nam Y ksjt (f = h > l e D > L). Neste estudo, estamos interessados nos efeitos de
Ejf .O sistema representado pelas equações (3) e (4) é um sistema de equações
estruturais que pode ser estimado pelo método dos momentos generalizados(GMM). Dependendo das especificações e das restrições impostas aos coefici-entes, pode-se estimar consistentemente (sob as hipóteses das condições deregularidades dos erros serem satisfeitas) o sistema sobre-identificado de talmodo que se obtenha: (i) o efeito direto das características das escolas, ou seja,o vetor de coeficientes βksh ; e (ii) a qualidade esperada de cada escola j atravésdos λf ’s estimados.
Por qualidade da escola entende-se a contribuição da escola em si parao aprendizado dos seus alunos. Todo o esforço de estimação da qualidadeda escola reside em isolar do desempenho médio dos alunos a parte advindada qualidade dos alunos e a parte associada ao erro de medida. O modeloproposto é flexível o bastante para permitir variações na construção de indi-cadores de qualidade de escola em função das hipóteses que um analista ouformulador de políticas públicas considera ser qualidade da escola ou quedeseja adotar para alcançar determinados objetivos de políticas públicas. Omodelo permite construir os seguintes tipos de indicadores (e variações entreeles):
q1tj = βkst Etj +γkst θj
q2j = θj
q3j =t+D∑
f =t−d
λEkf Ejf
(5)
O primeiro tipo de indicador q1tj atribui à qualidade da escola tanto o im-
pacto direto do vetor dos insumos escolares βkst Etj sobre a proficiência doaluno quanto o impacto total da variável latente θj . Nesse caso, a contribui-
ção do aluno é atribuída ao componente αksh Ajh. Esse é um indicador abran-
gente que associa à qualidade da escola tanto o efeito médio direto de uminsumo, e.g. computador, sobre a proficiência do aluno, quanto à qualidadedo matching entre escola e aluno. O segundo tipo de indicador q2j é um poucomais restritivo. Ele associa à qualidade da escola o valor do variável latenteθj apenas. Os efeitos diretos dos insumos sobre a proficiência são considera-dos atributos dos insumos em si e não particularmente da escola e, por isso,podem ser desconsiderados. Por outro lado, a qualidade do matching entreescola e aluno que está potencialmente capturada na variável latente ainda éatribuída à escola. Por fim, o terceiro tipo de indicador q3j é o mais restritivode todos. Ele atribui à qualidade da escola apenas aquela parte das caracterís-ticas observadas das escolas associadas à variável latente. Nesse caso, ficamfora da qualidade da escola os efeitos diretos das características dos alunos(αks
h Ajh), os efeitos diretos das características das escolas (βksh Ejh), o efeito in-
direto dos alunos via variável latente (λAkf Ajf ) e o erro aleatório da variável
548 Curi e Souza Economia Aplicada, v.19, n.3
latente υj . Esse é um indicador interessante quando se desejar criar gestorescolar desconsiderando o efeito direto do insumo sobre a proficiência. Esseserá o indicador a ser ilustrado abaixo.
2.1 Aplicação do indicador de qualidade da escola proposto
Nesta seção apresentamos uma aplicação do indicador efeito escola proposto.Dada a natureza dos dados em painel de escolas que dispomos, supomos que:
(i) As características observadas médias dos alunos e as características ob-servadas da escola no ano t afetam diretamente os resultados de desem-penho médio dos alunos no ano t, mas não afetam diretamente os resul-tados do desempenho médio dos alunos no ano z, em que z , t; e
(ii) As características observadas médias dos alunos e as características ob-servadas da escola em todos os anos estão correlacionadas com a quali-dade latente da escola (ou do matching escola/aluno).
A ideia nesse caso é capturar os efeitos indiretos. Controlando pela gestãoatual, as decisões passadas só afetam o desempenho dos alunos via θ. Esseefeito não é direto e representa um indicador de gestão da escola. Da mesmaforma, as decisões futuras apresentam um indicativo da gestão atual da escolade forma indireta.
Assim, não considerando nem os períodos passados nem os períodos fu-turos das características médias dos alunos e da característica da escola nadeterminação do desempenho médio dos alunos [l = L = 0⇒ h = t], podemosreescrever a equação (3) da seguinte forma:
Y ksjt = αks
t Ajt + βkst Ejt +γkst θj + εjt (6)
Com relação à variável latente não observada de qualidade da escola, θj ,consideramos que essa é correlacionada com as características observadas mé-dias dos alunos e com as características observadas da escola em três períodos:f = 3 ⇒ 0 ≤ d ≤ 2 e 0 ≤ D ≤ 2. Portanto, reescrevemos a equação (4) daseguinte forma:
θj =3∑
f =1
λAkf Ajf +
3∑
f =1
λEkf Ejf +υj (7)
Suponha ainda, que Y ksjt é o vetor de proficiências médias de uma determi-
nada série em português (YPjt ) e em matemática (YM
jt ) da escola j no ano t. Setivermos três anos de informações e impomos que os α’s e β’s são iguais notempo, mas diferentes por matéria, teremos o seguinte sistema de sete equa-ções estruturais:
Medindo a Qualidade das Escolas 549
YPj1 = αPAj1 + βPEj1 +γP
1 θj + εPj1
YPj2 = αPAj2 + βPEj2 +γP
2 θj + εPj2
YPj3 = αPAj3 + βPEj3 +γP
3 θj + εPj3
YMj1 = αMAj1 + βMEj1 +γM
1 θj + εMj1
YMj2 = αMAj2 + βMEj2 +γM
2 θj + εMj2
YMj3 = αMAj3 + βMEj3 +γM
3 θj + εMj3
θj =3∑
f =1
λAkf Ajf +
3∑
f =1
λEkf Ejf +υj
(8)
Na forma reduzida, este sistema corresponde às seguintes seis equações(em que, normaliza-se γP
1 = 1):
YPj1 = (αP +λAP1 )Aj1 +λAP2 Aj2 +λAP3 Aj3 + (βP +λEP1 )Ej1 +λEP2 Ej2
+λEP3 Ej3 + υj + εPj1
YPj2 = γP
2 λAP1 Aj1 + (αP +γP
2 λAP2 )Aj2 +γP
2 λAP3 Aj3 +γP
2 λEP1 Ej1
+ (βP +γP2 λ
EP2 )Ej2 +γP
2 λEP3 Ej3 +γP
2 υj + εPj2
YPj3 = γP
3 λAP1 Aj1 +γP
3 λAP2 Aj2 + (αP +γP
3 λAP3 )Aj3 +γP
3 λEP1 Ej1
+γP3 λ
EP2 Ej2 + (αP +γP
3 λEP3 )Ej3 +γP
3 υj + εPj3
YMj1 = (αM +γM
1 λAM1 )Aj1 +γM1 λAM2 Aj2 +γM
1 λAM3 Aj3 + (βM +γM1 λEM1 )Ej1
+γM1 λEM2 Ej2 +γM
1 λEM3 Ej3 +γM1 υj + εMj1
YMj2 = γM
2 λAM1 Aj1 + (αM +γM2 λAM2 )Aj2 +γM
2 λAM3 Aj3 +γM2 λEM1 Ej1
+ (βM +γM2 λEM2 )Ej2 +γM
2 λEM3 Ej3 +γM2 υj + εMj2
YMj3 = γM
3 λAM1 Aj1 +γM3 λAM2 Aj2 + (αM +γM
3 λAM3 )Aj3 +γM3 λEM1 Ej1
+γM3 λEM2 Ej2 + (αM +γM
3 λEM3 )Ej3 +γM3 υj + εMj3
(9)
O modelo na forma reduzida não restrita é:
Yj =Π
[AjEj
]+ ej , (10)
em que, Π é a matriz dos coeficientes e ej é o vetor de erros. O modelo (10) implica nasseguintes restrições não lineares:
Π =
∣∣∣∣∣∣∣∣∣∣∣∣∣∣
αP +λAP1 λAP2 λAP3 βP +λEP1 λEP2 λEP3γP2 λ
AP1 αP +γP
2 λAP2 γP
2 λAP3 γP
2 λEP1 βP +γP
2 λEP2 γP
2 λEP3
αM +γM1 λAM1 γM
1 λAM2 γM1 λAM3 βM +γM
1 λEM1 γM1 λEM2 γM
1 λEM3γM2 λAM1 αM +γM
2 λAM2 γM2 λAM3 γM
2 λEM1 βM +γM2 λEM2 γM
2 λEM3γM3 λAM1 γM
3 λAM2 αM +γM3 λAM3 γM
3 λEM1 γM3 λEM2 αM +γM
3 λEM3
∣∣∣∣∣∣∣∣∣∣∣∣∣∣(11)
Estimação
Pode-se estimar os parâmetros α’s, β’s, γ ’s e λ’s, e testar as restrições por GMM. A estimação érealizada através dos seguintes passos:
550 Curi e Souza Economia Aplicada, v.19, n.3
(i) Estimamos o sistema de equações (9) por um SUR de modo a obter uma estimativa doscoeficientes da forma reduzida (π̂jl , j = 1, . . . , J e l = 1, . . . ,L), bem como para a matriz devariância e covariância dos coeficiente da forma reduzida;
(ii) Definimos as condições de momento mjl = π̂jl − f (βsαs ,λs), sendo m o vetor coluna que
contém todos os (6 x 6) coeficientes mjl .m =
m11m12:mjl:mJL−1mJL
;
(iii) Utilizamos um estimador de distância mínima para obter as estimativas de δ = (βsαs ,γseλs). O estimador é:
minδ
(K−G(δ))′ V −1 (K−G(δ)) . (12)
Onde V é a matriz de variância e covariância dos parâmetros estimados da forma reduzida (9):V = Var[m] = Var[π̂]. A Var[π̂] pode ser obtida do SUR na etapa (i).
Note que o sistema é sobre-identificado. Finalmente, comprova-se a validade do modelotestando as restrições de sobre-identificação. O teste é um omnibus test no qual a sua rejeiçãonão implica uma alternativa específica, pois o teste é contra uma forma reduzida não restrita. Oteste de hipótese nula, de que o efeito não observado da qualidade está correlacionado com ascaracterísticas observáveis médias, equivale ao teste λ = 0 (Chamberlain 1982, Abowd & Card1989). Chamberlain (1982) mostra que sob as hipóteses de correta especificação, a função valororiunda deste problema de minimização tem distribuição χ2 com graus de liberdade igual àdiferença da dimensão de e do rank da matriz de jacobianos ∂G
∂δ. As variâncias dos estimadores
dos coeficientes estruturais são obtidas pelo método delta.
Ordenação Prevista das Escolas
O ordenamento das escolas por suas qualidades latentes estimadas pode ser construído a partirdos parâmetros estimados. O indicador é flexível o bastante para permitir ao formulador de po-líticas públicas eleger as variáveis que ele julgar relevantes para estabelecer o ordenamento dasescolas. Por exemplo, pode-se construir o indicador de qualidade a partir de parâmetros estima-dos considerando qual seria o valor dessa variável latente se todas as escolas tivessem o mesmotipo de gestão (ou a escola média brasileira) e o perfil médio dos alunos de cada escola variasse.Dessa forma, obtemos o ordenamento das escolas por suas qualidades estimadas relacionadas aobackground familiar. Nesse caso, o indicador de cada escola j seria dado por:
θ̂backgroundj =
3∑
f =1
λ̂Akf Ajf +3∑
f =1
λ̂Ekf Ejf , (13)
em que, Ejf é o vetor de características médias da gestão escolar. Caso a correlação entre o
ordenamento por desempenho médio dos alunos Yj e ordenamento por θ̂backgroundj for positiva
e muito alta, isto indicaria que de fato as diferenças de desempenho entre as escolas são grande-mente explicadas pelas diferenças de background familiar.
Por outro lado, pode-se também construir o indicador de qualidade da escola considerandoqual seria o valor desta variável latente se ela dependesse apenas de fatores associados à gestãoescolar. Nesse caso, consideramos como se todas as escolas tivessem o mesmo tipo de alunos (ouo aluno médio brasileiro), mas que as variáveis de gestão diferissem entre as escolas. O indicadorde cada escola j seria dado por:
θ̂gestaoj =
3∑
f =1
λ̂Akf Ajf +3∑
f =1
λ̂Ekf Ejf , (14)
em que, Ajf é o vetor de características médias dos alunos brasileiros. Caso a correlação entre o or-
denamento pordesempenho médio dos alunos Yj e ordenamento por θ̂gestaoj for positiva e muito
alta, isto indicaria que de fato as diferenças de desempenho entre as escolas são grandementeexplicadas pelas diferenças de gestão escolar.
Medindo a Qualidade das Escolas 551
3 Dados
Para ilustrar a utilização desse indicador proposto, estimamos (i) a qualidade latente das escolasbrasileiras com relação ao background familiar de seus alunos e (ii) a qualidade latente dessasescolas com relação às suas características de gestão, e comparamos os ordenamentos obtidos apartir dessas variáveis latentes com o ranking utilizando apenas a nota média da escola nas provasde proficiência em português e em matemática.
Os dados utilizados nesse trabalho são os microdados do Sistema Nacional de Avaliação daEducação Básica (SAEB) realizado bianualmente de 1997 a 2005 em todo o Brasil pelo InstitutoNacional de Estudos e Pesquisas Educacionais Anísio Teixeira – INEP, órgão do Ministério daEducação. Com eles construímos os seguintes grupos de variáveis médias por escolas:
(i) Características dos alunos e das famílias;
(ii) Características dos professores;
(iii) Características dos diretores; e
(iv) Características das escolas.
O Sistema Nacional de Avaliação da Educação Básica é a primeira iniciativa brasileira no sen-tido de conhecer mais profundamente o nosso sistema educacional. Como o SAEB não avalia atotalidade dos estudantes do País, a prova foi aplicada a uma amostra que representa o universodas matrículas. As informações obtidas permitem acompanhar a evolução da qualidade da educa-ção ao longo dos anos. Participam da avaliação alunos da 4ªe da 8ªséries do ensino fundamental eda 3ªsérie do ensino médio que fazem provas de língua portuguesa e de matemática. Eles tambémrespondem a um questionário sobre seus hábitos de estudo e suas características socioculturais.Os professores e os diretores participam respondendo a questionários que informam sobre perfile prática docentes, mecanismos de gestão e infraestrutura escolar.
Assim, nesse estudo utilizamos os resultados dos cinco SAEBs realizados entre 1997 e 2005com os alunos da 4ªe da 8ªséries do ensino fundamental e da 3ªsérie do ensino médio. Cons-truímos, para cada série, três painéis balanceados em que seguimos as escolas durante três anosde avaliação: 1997-1999-2001, 1999-2001-2003 e 2001-2003-2005. Consideramos as escolas quetiveram alunos fazendo tanto a prova de português quanto a prova de matemática em três SA-EBs consecutivos. Estimamos modelos para as séries separadamente e por rede de ensino, cujasamostras são compostas pelos três painéis de três anos cada.
As bases de dados se referem a cada uma das três séries da Educação Básica avaliadas peloSAEB. Ainda, dividimos essas quatro bases em duas cada, separando as escolas privadas e asescolas públicas. No total foram construídas nove bases.
Foram estimados dois modelos para cada uma das bases de dados: um controlando pelobackground familiar e outro pelas variáveis de gestão escolar. Totalizando, assim, 18 (dezoito)resultados.
Elaboração: própria.
Figura 1: Bases de Dados
A Tabela 1 indica o número de escolas em cada painel, por série, e a participação das escolasprivadas e das escolas públicas nas amostras.
552 Curi e Souza Economia Aplicada, v.19, n.3
Elaboração: própria.
Figura 2: Estimações
Tabela 1: Número de Escolas
SériesPainel — Anos 4ªsérie EF 8ªsérie EF 3ªsérie EM
1. 1997-1999-2001 110 150 141Escolas privadas 53 55 64Escolas públicas 57 95 77
2. 1999-2001-2003 458 378 283Escolas privadas 206 131 143Escolas públicas 252 247 140
3. 2001-2003-2005 452 313 181Escolas privadas 190 110 93Escolas públicas 262 203 88
Total 1020 841 605Escolas privadas 449 296 300Escolas públicas 571 545 305
Medindo a Qualidade das Escolas 553
Na Tabela 2 expomos as variáveis utilizadas nas estimações em que classificamos as escolasde acordo com as características dos alunos. As variáveis referentes aos alunos (sexo, raça, idade eeducação da mãe) são utilizadas na estimação da variável latente, e consequentemente, para fazero ordenamento das escolas. Ainda, controlamos os modelos pelos seguintes grupos de variáveis:(i) gerais, que considera a rede de ensino (pública ou privada), o Estado em que está localizada aescola (Unidade da Federação), o Painel (1-1997/99/01, 2-1999/01/03, 3-2001/03/05) e a série(4a série ou 8a série do ensino fundamental); (ii) gestão escolar, que aborda questões de infra-estrutura, administrativas e metodológicas; (iii) professor e (iv) diretor, para esses dois gruposconsideramos a experiência, o salário e o nível educacional desses profissionais.
Tabela 2: Variáveis dos modelos com controle pelo background familiar
Variáveis de controle
Geral Gestão Escolar Professor Diretor
Rede Hidráulica Educação EducaçãoUnidade da Federação Iluminação Experiência ExperiênciaPainel Professor participa da Educação Continuada Salário SalárioSérie Professor usa computador
Professor usa jornal ou revistaConselho de EscolaProjeto pedagógico
Ranking por background familiar
Aluno
SexoRaçaEducação da mãeIdade
A Tabela 3 apresenta as variáveis utilizadas nos modelos em que classificamos as escolasde acordo com suas características de gestão. Controlamos os modelos por quatro grupos devariáveis: (i) gerais, que considera a rede de ensino, a Unidade da Federação, o Painel e a série;(ii) aluno, que leva em conta as características do aluno e seu background familiar, como sexo,raça (branco/amarelo e outros), nível educacional da mãe, e se o aluno está na idade certa nasérie; (iii) professor e (iv) diretor, abordando a experiência, o salário e o nível educacional dessesprofissionais. Como variáveis de gestão, utilizadas para classificar as escolas, consideramos (i)infraestrutura escolar, se têm sistemas hidráulico e de iluminação adequados; (ii) metodologia deensino dos professores, uso de computador, jornais ou revistas, e seu aperfeiçoamento profissionalfrequentando programas de educação continuada, e (iii) questões administrativas da escola, comoo desenvolvimento de projeto pedagógico e a existência de conselho de classe.
Tabela 3: Variáveis dos modelos com controle pela gestão escolar
Variáveis de controle
Geral Aluno Professor Diretor
Rede Sexo Educação EducaçãoUnidade da Federação Raça Experiência ExperiênciaPainel Educação da mãe Salário SalárioSérie Idade
Ranking pela gestão escolar
Infraestrutura escolarHidráulicaIluminação
Metodologia professorProfessor participa da Educação ContinuadaProfessor usa computadorProfessor usa jornal ou revista
Administração escolarConselho de EscolaProjeto pedagógico
554 Curi e Souza Economia Aplicada, v.19, n.3
4 Análise descritiva
A amostra desse trabalho é restrita às escolas que participaram três anos consecutivos do SAEB ecujos alunos fizeram as provas de português e de matemática7 .
A Tabela 4 mostra a adoção de medidas de gestão e sua evolução ao longo de três avaliaçõesconsecutivas, pelas escolas da 4ªsérie do ensino fundamental que participam do painel, separa-damente por rede de ensino. As informações sobre as escolas da 8ªsérie do ensino fundamentalestão expostas na Tabela 5. e sobre as escolas da 3ªsérie do ensino médio na Tabela 6.
Primeiramente, para as três séries da Educação Básica avaliadas pelo SAEB, notamos grandediferença entre o percentual de escolas públicas e o percentual de escolas privadas que adotamas medidas de gestão consideradas. A maior diferença ocorre no uso de computadores pelosprofessores, que em alguns casos supera 50 pontos percentuais. Outra prática de ensino dosprofessores, o uso de jornais ou revistas, e as questões de infraestrutura também aparecem empercentual muito maior entre as escolas da rede privadas do que entre as escolas públicas.
Quanto à evolução, observamos aumento na porcentagem de escolas que: fazem projeto pe-dagógico (principalmente nas escolas públicas da 4a série do ensino fundamental), que tem con-selho de classe (principalmente entre as escolas públicas da 4a série do ensino fundamental eda 3a série do ensino médio); e a retração na porcentagem de escolas cujos professores adotamjornal ou revista em detrimento do aumento do uso de computador, destaque para as escolas pri-vadas da 3ªsérie do ensino médio. Entre as escolas públicas, ocorrerammelhorias nos sistemas deiluminação e hidráulico.
Dividimos as escolas em percentis em função do desempenho médio obtido por seus alunosnos exames de proficiência em português e em matemática nos três anos de avaliação. A Figura 3mostra a nota média das escolas da 4ªsérie do ensino fundamental por percentil, separadamentepor rede de ensino.
Os alunos dessa série obtiveram, em média, 187,1 pontos, sendo que a nota média dos alunosdas escolas privadas foi de 215,5 pontos; enquanto que os alunos da rede pública tiveram nota, emmédia, 23,5% menor do que os da rede privada, 164,9 pontos. Destacamos ainda, que o resultadomédio dos alunos do primeiro percentil da rede pública foi 33% maior do que a média dos alunosda rede; por outro lado, o resultado médio dos alunos do último percentil da rede pública foi21% menor do que a média. Comparando os alunos da rede privada, a diferença entre as médiasdos alunos do primeiro percentil e da rede como um todo foi de 25%, já com relação ao últimopercentil, a média desses alunos foi 26% inferior à média da rede.
0
30
60
90
120
150
180
210
240
270
1 5 9
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
Pro
ficiê
ncia
méd
ia
percentil
Média: 187,1
0
30
60
90
120
150
180
210
240
270
1 5 9
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
Pro
ficiê
ncia
méd
ia
percentil
Média: 164,9
0
30
60
90
120
150
180
210
240
270
1 5 9
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
Pro
ficiê
ncia
méd
ia
percentil
Média: 215,5
Fonte: SAEB/INEP.Elaboração: própria.
Figura 3: Desempenho médio dos alunos da 4ªsérie do ensino fundamental,total e por rede
Na Figura 4 expomos a nota média das escolas da 8a série do ensino fundamental por per-centil, separadamente por rede de ensino. Os alunos da rede pública obtiveram, em média, 230,7pontos contra 282,9 pontos dos alunos da rede privada, diferença de 18,5%. A nota média dasérie foi de 249 pontos. Em ambas as redes, a diferença entre a média dos alunos do primeiropercentil e a média da rede ficou em torno de 20%; por outro lado, a diferença entre a média dos
7Para saber se existem características específicas a essas escolas, que as fazem participar trêsanos consecutivos do SAEB, fizemos para cada série dois procedimentos: (i) análise da diferençade médias das variáveis de gestão para as escolas que estão no painel e para as que não estão; e (ii)estimação de modelos probit, em que observamos a probabilidade das escolas estarem no painel,condicional às características de gestão da escola. Para o primeiro exercício, a diferença entreas médias das variáveis de gestão não são significantes, com poucas exceções; para o segundoexercício, as variáveis de gestão, com poucas exceções, não são estatisticamente significantes paraexplicar a participação das escolas no painel. Esses resultados nos leva a conclusão de que aamostra não tem viés de seleção.
Medindo a Qualidade das Escolas 555
Tabe
la4:
Percen
tual
deescolasda4ªsériedpen
sinofundam
entalq
uead
otaram
med
idas
degestão
,total
epor
rede
4ªsériedoen
sinofundam
ental
Total
Escolas
públicas
Escolas
priva
das
Variáveis
Ano
Não
Sim
p-valor
Não
Sim
p-valor
Não
Sim
p-valor
Con
selhodeclasse
Ano1
0,70
90,78
60,00
000,68
00,69
60,22
190,76
20,90
00,00
00Ano2
0,74
60,80
10,00
000,71
40,73
40,17
110,80
30,88
60,00
00Ano3
0,79
20,83
40,00
000,77
50,77
90,70
710,82
40,90
30,00
00
Projeto
Pedag
ógico
Ano1
0,88
70,90
10,03
600,87
50,86
30,22
080,91
10,94
90,00
00Ano2
0,90
10,92
40,00
050,88
40,89
70,21
840,93
10,95
90,00
00Ano3
0,91
60,93
30,00
210,90
40,90
60,78
170,93
80,96
80,00
00
Professor
usa
jornal
ourevista
Ano1
0,88
30,88
10,71
030,87
30,83
00,00
000,90
10,94
50,00
00Ano2
0,87
30,90
70,00
000,86
00,86
30,72
350,89
90,96
20,00
00Ano3
0,76
20,72
30,00
010,75
50,62
10,00
000,77
60,85
30,00
00
Professor
usa
computador
Ano1
0,30
90,35
80,00
000,25
50,13
40,00
000,41
00,64
10,00
00Ano2
0,26
50,37
50,00
000,19
00,13
70,00
000,40
30,67
80,00
00Ano3
0,38
90,49
20,00
000,33
50,36
10,03
220,48
70,65
90,00
00
Professor
participadaEdu
caçãoCon
tinu
ada
Ano1
0,78
20,86
40,00
000,77
90,84
00,00
000,78
70,89
50,00
00Ano2
0,85
60,88
20,00
020,85
70,87
10,13
920,85
20,89
70,00
01Ano3
0,86
10,85
40,30
580,86
30,85
10,12
250,85
60,85
80,79
88
Hidráulica
Ano1
0,80
90,89
60,00
000,78
50,82
30,00
110,85
40,98
90,00
00Ano2
0,87
80,90
60,00
020,85
10,83
50,17
010,92
60,99
70,00
00Ano3
0,90
10,90
00,77
700,88
60,82
90,00
000,93
00,99
00,00
00
Iluminação
Ano1
0,78
10,86
30,00
000,76
50,80
20,00
190,81
20,94
10,00
00Ano2
0,84
50,88
50,00
000,82
80,83
40,60
140,87
50,95
10,00
00Ano3
0,86
80,91
10,00
000,85
60,86
60,32
940,89
10,96
80,00
00
556 Curi e Souza Economia Aplicada, v.19, n.3
Tabe
la5:
Percen
tual
deescolasda8ªsériedoen
sinofundam
entalq
uead
otaram
med
idas
degestão
,total
epor
rede
8ªsériedoen
sinofundam
ental
Total
Escolas
públicas
Escolas
priva
das
Variáveis
Ano
Não
Sim
p-valor
Não
Sim
p-valor
Não
Sim
p-valor
Con
selhodeclasse
Ano1
0,81
60,82
30,42
250,79
80,77
00,02
410,84
70,92
00,00
00Ano2
0,84
00,84
40,67
940,82
10,79
70,06
630,87
30,93
00,00
00Ano3
0,86
40,84
70,03
110,85
20,81
10,00
010,88
60,91
40,00
80
Projeto
Pedag
ógico
Ano1
0,90
20,89
20,18
740,88
90,85
30,00
030,92
20,96
40,00
00Ano2
0,90
60,89
80,27
260,89
00,86
20,00
940,93
40,96
40,00
03Ano3
0,91
90,92
10,74
040,90
70,88
90,05
510,93
90,97
90,00
00
Professor
usa
jornal
ourevista
Ano1
0,73
70,74
60,19
090,72
10,70
80,17
660,76
50,81
70,00
00Ano2
0,75
60,75
80,80
300,73
50,72
30,24
610,79
30,82
30,01
14Ano3
0,67
20,65
30,04
930,65
10,58
30,00
000,70
80,78
40,00
00
Professor
usa
computador
Ano1
0,35
10,35
60,65
320,29
90,22
00,00
000,44
20,60
60,00
00Ano2
0,31
60,35
80,00
010,24
30,19
60,00
000,44
00,65
50,00
00Ano3
0,41
00,46
70,00
000,36
30,36
30,94
990,49
00,65
70,00
00
Professor
participadaEdu
caçãoCon
tinu
ada
Ano1
0,71
00,77
00,00
000,70
30,76
00,00
000,72
20,78
90,00
00Ano2
0,80
80,83
40,00
020,80
20,82
90,00
240,81
90,84
40,03
21Ano3
0,81
50,84
10,00
000,81
20,82
90,03
340,82
00,86
40,00
00
Hidráulica
Ano1
0,84
20,87
30,00
010,81
90,81
20,57
520,88
20,98
60,00
00Ano2
0,89
60,88
50,17
780,87
10,83
00,00
060,94
00,98
60,00
00Ano3
0,90
60,90
40,76
170,88
90,85
70,00
110,93
60,99
10,00
00
Iluminação
Ano1
0,82
10,84
10,02
200,80
20,78
40,12
250,85
20,94
60,00
00Ano2
0,88
10,87
90,78
350,86
30,84
80,19
330,91
20,93
60,02
51Ano3
0,89
20,91
50,00
190,87
80,88
90,31
690,91
50,96
50,00
00
Medindo a Qualidade das Escolas 557
Tabe
la6:
Percen
tual
das
escolasda3ªsériedoen
sinoméd
ioqu
ead
otaram
med
idas
degestão
,total
epor
rede
3ªsériedoen
sinoméd
ioTo
tal
Escolas
públicas
Escolas
priva
das
Variáveis
Ano
Não
Sim
p-valor
Não
Sim
p-valor
Não
Sim
p-valor
Con
selhodeclasse
Ano1
0,82
90,83
20,77
170,81
30,73
60,00
000,84
80,93
00,00
00Ano2
0,85
90,87
40,16
190,84
00,80
20,02
090,87
90,94
80,00
00Ano3
0,87
90,88
70,33
070,86
60,83
40,01
760,89
30,94
20,00
00
Projeto
Pedag
ógico
Ano1
0,90
50,90
80,73
940,89
00,85
90,02
290,92
20,95
70,00
01Ano2
0,91
10,91
60,59
470,89
10,86
30,05
010,93
30,96
90,00
01Ano3
0,92
70,92
70,97
410,91
40,86
70,00
010,94
10,98
70,00
00
Professor
usa
jornal
ourevista
Ano1
0,69
40,70
80,10
550,67
60,62
20,00
000,71
40,79
60,00
00Ano2
0,71
30,71
60,80
880,69
00,63
00,00
000,74
00,80
30,00
00Ano3
0,67
70,68
00,77
200,65
60,57
10,00
000,70
00,79
10,00
00
Professor
usa
computador
Ano1
0,36
80,40
10,00
180,32
30,25
90,00
000,41
80,54
60,00
00Ano2
0,35
70,40
30,00
010,29
30,21
20,00
000,42
70,59
80,00
00Ano3
0,44
60,49
10,00
000,40
30,36
10,00
440,49
40,62
40,00
00
Professor
participadaEdu
caçãoCon
tinu
ada
Ano1
0,66
20,68
90,00
620,65
20,65
40,92
270,67
30,72
40,00
02Ano2
0,76
50,79
10,00
360,75
10,75
90,54
130,78
00,82
30,00
05Ano3
0,78
60,78
40,73
430,77
70,76
70,34
750,79
70,80
10,68
40
Hidráulica
Ano1
0,86
70,89
80,00
070,83
30,81
10,17
490,90
40,98
60,00
00Ano2
0,89
60,90
30,48
720,85
70,81
60,01
720,93
90,99
10,00
00Ano3
0,90
90,88
70,00
280,88
70,78
20,00
000,93
40,99
30,00
00
Iluminação
Ano1
0,83
80,89
60,00
000,81
20,81
80,73
540,86
70,97
60,00
00Ano2
0,89
10,91
80,00
490,86
50,87
20,69
040,91
90,96
50,00
00Ano3
0,91
00,90
40,45
780,89
30,84
90,00
090,92
80,96
00,00
02
558 Curi e Souza Economia Aplicada, v.19, n.3
alunos do último percentil e a média da rede foi maior entre as escolas privadas, 24,5% contra17% na rede pública.
0
50
100
150
200
250
300
350
1 5 9
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
Pro
ficiê
ncia
méd
ia
percentil
Média: 249,0
0
50
100
150
200
250
300
350
1 5 9
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
Pro
ficiê
ncia
méd
ia
percentil
Média: 230,7
0
50
100
150
200
250
300
350
1 5 9
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
Pro
ficiê
ncia
méd
ia
percentil
Média: 282,9
Fonte: SAEB/INEP.Elaboração: própria.
Figura 4: Desempenho médio dos alunos da 8ªsérie do ensino fundamental,total e por rede
Na Figura 5 está a nota média das escolas da 3ªsérie do ensino médio por percentil, separa-damente por rede de ensino. Os alunos dessa série tiveram nota média de 288,4 pontos. A notamédia dos alunos da rede privada foi 19,7% maior do que a média dos alunos da rede pública(320,2 e 257 pontos, respectivamente). A diferença entre a média dos alunos do último percentile a média da rede foi maior na rede privada, 23% contra 15,5% na rede pública; por outro lado, adiferença entre a média dos alunos do primeiro percentil e a média da rede pública foi de 24,1%,enquanto na rede privada tal diferença foi inferior a 20%.
0
50
100
150
200
250
300
350
400
1 5 9
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
Pro
ficiê
ncia
méd
ia
percentil
Média: 288,4
0
50
100
150
200
250
300
350
400
1 5 9
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
Pro
ficiê
ncia
méd
ia
percentil
Média: 257,0
0
50
100
150
200
250
300
350
400
1 5 9
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
Pro
ficiê
ncia
méd
ia
percentil
Média: 320,2
Fonte: SAEB/INEP.Elaboração: própria.
Figura 5: Desempenho médio dos alunos da 3ªsérie do ensino médio, total epor rede
A Tabela 7 destaca as diferenças entre os dois primeiros e os dois últimos percentis por sériee por rede de ensino. Entre os alunos da 4ª série do ensino fundamental as diferenças são maioresdo que entre os alunos das outras duas séries em todos os casos. As escolas do primeiro percentilobtiveram, em média, o dobro da nota das escolas do último percentil, respectivamente 256,5pontos (valor 42% maior do que a média da série) e 132,3 pontos (valor 30% menor do que amédia da série). A diferença de média do segundo e do penúltimo percentil é de 84%, e entre osdois últimos percentis é de 3,7%. Analisando as redes separadamente, as diferenças entre as notasmédias são menores: de quase 70% entre o primeiro e o último percentil, em torno de 60% entreo primeiro e o penúltimo percentil e de cerca de 55% entre o segundo e o penúltimo percentil.
Considerando os alunos da 8ªsérie do ensino fundamental, a diferença entre a nota médiadas escolas do 1ºe do 100ºpercentil é de 70%, e para a 3ªsérie do ensino médio essa diferença é de73%. Esses valores caem para 47% quando consideramos apenas as escolas públicas e ficam entre55% e 60% quando analisamos as escolas privadas. Ainda, para ambas as séries, a diferença damédia entre o segundo e o último percentil fica em torno de 65%, reduzindo para 42% quandoobservamos a rede pública e 52% para a rede privada. Cenário semelhante ocorre na comparaçãoentre o primeiro e o penúltimo percentil dessas séries.
A Figura 6 destaca as características médias dos alunos dos percentis por série e por rede deensino. Considerando os alunos da 4ªsérie do ensino fundamental, notamos que mais de 60%daqueles dos dois últimos percentis têm mãe que completou, no máximo, o ensino fundamental,enquanto apenas 3% dos alunos do 1º percentil e 7% dos alunos do 2ºpercentil têmmãe com baixonível educacional. Por outro lado, menos de 5% dos alunos dos dois últimos percentis têm mãecom educação superior, enquanto 69% e 54% dos alunos do 1ºe do 2ºpercentis, respectivamente,têm mãe com educação superior. Analisando as redes separadamente, enquanto 60% dos alunosdo último percentil da rede pública têm mãe que completou, no máximo, o ensino fundamental,
Medindo a Qualidade das Escolas 559
Tabela 7: Diferença do desempenho médio por percentil por série e por rede
Profic médiaSérie 4ªsérie EF 8ªsérie EF 3ªsérie EM∆ Percentil Total Pública Privada Total Pública Privada Total Pública Privada
∆ 99ºpercentil/100ºpercentil 3,7% 3,4% 6,3% 2,8% 3,0% 7,5% 4,0% 2,0% 1,2%∆ 2ºpercentil/99ºpercentil 84,0% 55,3% 56,4% 60,0% 38,7% 41,4% 62,3% 39,0% 51,0%∆ 1ºpercentil/99ºpercentil 93,5% 62,7% 58,9% 64,6% 42,5% 48,6% 66,5% 43,9% 53,1%∆ 2ºpercentil/100ºpercentil 90,8% 60,5% 66,2% 64,5% 42,8% 52,0% 68,7% 41,8% 52,9%∆ 1ºpercentil/100ºpercentil 100,8% 68,2% 68,8% 69,3% 46,8% 59,7% 73,1% 46,8% 54,9%
esse percentual é de 44% entre os alunos da rede privada. Por outro lado, no primeiro percentilquase 30% dos alunos da rede pública têmmãe com nível educacional baixo contra 2% dos alunosrede privada. Ainda, em torno de 70% dos alunos dos dois primeiros percentis da rede privadatêm mãe com educação superior, percentual que entre os alunos das escolas públicas é inferior a20%.
Com relação à idade e à raça, as diferenças também são consideráveis entre os percentis.Cerca de 60% dos jovens dos dois últimos percentis estão na idade certa, enquanto para o per-centil mais alto atinge à totalidade. No 99ºe no 100ºpercentis, 28% e 36% dos alunos, respectiva-mente, são brancos ou amarelos, e nos dois primeiros percentis essa porcentagem é de quase 70%.Percentuais semelhantes para essas variáveis nos quatro percentis destacados são observados naanálise individual das redes.
Na 8ªsérie do ensino fundamental e na 3ªsérie do ensino médio quase 80% dos alunos dosdois últimos percentis têm mãe que completou, no máximo, o ensino fundamental, enquantomenos de 5% dos alunos dos dois primeiros percentis têm mãe com baixo nível educacional. Poroutro lado, menos de 3% dos alunos dos dois últimos percentis têm mãe com educação superior,enquanto quase 70% dos alunos do 1ºe do 2ºpercentis têm mãe com nível superior. Notamosainda, que cerca de 98% dos alunos dessas séries dos dois primeiros percentis estão na idadecerta, enquanto no 99ºe no 100ºpercentis, 31% e 41%, respectivamente, dos alunos da 8ªsériedo ensino fundamental e 32% e 22%, respectivamente, dos alunos da 3ªsérie do ensino médioestão na idade certa. Ainda, para as duas séries quase 30% dos alunos dos dois últimos percentissão brancos ou amarelos, enquanto no 1ºe no 2ºpercentis mais de 75% dos alunos são dessa raça,exceção no 2ºpercentis da 3ªsérie do ensino médio com 56% de alunos brancos ou amarelos.
Assim como nas escolas da 4ªsérie do ensino fundamental, para essas duas séries existemdiferenças na composição média dos estudantes entre as escolas públicas e as escolas privadas,principalmente com relação à educação da mãe. Em ambas as redes, os primeiros percentis sãocaracterizados por alunos com mãe de nível educacional mais elevado, enquanto os alunos dospercentis inferiores têm mãe que não completou sequer o ensino fundamental. Porém, na redepública, pouco mais de 40% dos alunos dos dois primeiros percentis têm mãe com educação até oensino fundamental, percentual que na rede privada é de apenas 5%; da mesma forma, mãe comeducação superior é característica de 60% dos alunos dos primeiros percentis da rede privada,mas de menos de 20% dos alunos da rede pública.
Para as duas séries, ocorrem diferenças entre as redes quando observamos o percentual dejovens na idade certa. Na 3ªsérie do ensino médio, por exemplo, enquanto cerca de 40% dosalunos dos dois últimos percentis da rede privada estão na idade certa, esse percentual é inferiora 25% na rede pública. Nos dois primeiros percentis também ocorrem diferenças: na rede privadaquase a totalidade está na idade certa, enquanto que na rede pública 76% e 87% dos alunos do1ºe 2ºpercentis, respectivamente, estão na idade certa. Para a 8ªsérie do ensino fundamental aquase totalidade dos alunos dos primeiros percentis da rede privada está na idade certa, o queocorre com pouco mais de 85% dos alunos desses percentis da rede pública.
Notamos, para as três séries da Educação Básica analisadas e em ambas as redes de ensino, aexistência de uma forte relação entre as características dos alunos e de sua família e a nota médiada escola que frequentam. Os primeiros percentis de notas são caracterizados por apresentaremmaior percentual de estudantes na idade certa, de raça branca ou amarela e cuja mãe tem níveleducacional superior; por outro lado, a maioria dos alunos dos percentis inferiores está atrasadana série, não é de raça branca ou amarela e tem mãe que não completou sequer o ensino funda-mental. Isso indica que um ordenamento das escolas pela nota média nas provas de proficiênciapode ser muito semelhante a um ordenamento pelas características socioeconômicas médias dosalunos.
A Figura 7 mostra a relação entre as variáveis de gestão e a proficiência escolar para cadauma das séries, total e por rede de ensino. Consideramos a proficiência média de português e de
560 Curi e Souza Economia Aplicada, v.19, n.3
0%
20%
40%
60%
80%
100%
Idade
cert
a
Bra
nca
/Am
arel
a
Mas
culin
o
Idad
e ce
rta
Bra
nca
/Am
arel
a
Mas
culin
o
Idad
e ce
rta
Bra
nca
/Am
arel
a
Mas
culin
o
Total Pública Privada
1o percentil 2o percentil 99o percentil 100o percentil
0%
10%
20%
30%
40%
50%
60%
70%
80%
Até
8 E
F
EM
Sup./
Pós
grad
Não
sab
e
Até
8 E
F
EM
Sup./
Pós
grad
Não
sab
e
Até
8 E
F
EM
Sup./
Pós
grad
Não
sab
e
Total Pública Privada
1o percentil 2o percentil 99o percentil 100o percentil
0%
20%
40%
60%
80%
100%
Idad
e ce
rta
Bra
nca
/Am
arel
a
Mas
culin
o
Idad
e ce
rta
Bra
nca
/Am
arel
a
Mas
culin
o
Idad
ece
rta
Bra
nca
/Am
arel
a
Mas
culin
o
Total Pública Privada
1o percentil 2o percentil 99o percentil 100o percentil
0%
10%
20%
30%
40%
50%
60%
70%
80%
Até
8 E
F
EM
Sup./
Pós
grad
Não
sab
e
Até
8 E
F
EM
Sup./
Pós
grad
Não
sab
e
Até
8 E
F
EM
Sup./
Pós
grad
Não
sab
e
Total Pública Privada
1o percentil 2o percentil 99o percentil 100o percentil
0%
20%
40%
60%
80%
100%
Idad
e ce
rta
Bra
nca
/Am
arel
a
Mas
culin
o
Idad
e ce
rta
Bra
nca
/Am
arel
a
Mas
culin
o
Idad
e ce
rta
Bra
nca
/Am
arel
a
Mas
culin
o
Total Pública Privada
1o percentil 2o percentil 99o percentil 100o percentil
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
Até
8 E
F
EM
Sup./
Pós
grad
Não
sab
e
Até
8 E
F
EM
Sup./
Pós
grad
Não
sab
e
Até
8 E
F
EM
Sup./
Pós
grad
Não
sab
e
Total Pública Privada
1o percentil 2o percentil 99o percentil 100o percentil
Fonte: SAEB/INEP.Elaboração: própria.
Figura 6: Características dos alunos das escolas dos primeiros e dos últimospercentis de nota, total e por rede
matemática nos anos em que foi realizado o SAEB.
Os dados indicam que os alunos das escolas que realizam conselho de classe tiveram desem-penho médio mais de 10% superior aos alunos das escolas que não tem. Isso foi verificado nastrês séries analisadas, sendo mais forte para a 4ªsérie do ensino fundamental, cuja diferença foide quase 14%. O projeto pedagógico também aparece como fator importante para o bom desem-penho dos alunos nos testes de proficiência. Considerando as escolas da 3ªsérie do ensino médio,aquelas que fizeram um projeto pedagógico tiveram nota média 13% superior àquelas que nãofizeram. Entre as escolas da 4ªe 8ªséries do ensino fundamental essa diferença é de 11,3% e 10%,respectivamente. Por fim, as escolas com uma infraestrutura adequada, com bons sistemas hi-dráulico e de iluminação, apresentaram notas melhores, em média, que aquelas com instalaçõesinadequadas. Para a 4ª série do ensino fundamental, as escolas com sistema hidráulico adequadotiveram notas, em média, 16,5% superior e o bom sistema de iluminação resultou em nota mé-dia 14% maior. A questão de infraestrutura pareceu mais relevante na rede privada do que napública.
Com relação ao material utilizado pelos professores, destacamos três casos (i) nenhum pro-fessor da série/matéria usa o material, (ii) 50% dos professores usam tal recurso, e (iii) todos osprofessores adotam o material. Os dados indicam que o uso de computador, jornal ou revistapelos professores têm, em geral, relação positiva crescente com a nota dos alunos. Algumas exce-ções na rede privada indicam que o desempenho médio dos alunos nos casos em que ocorre o usopela metade ou pela totalidade dos professores é semelhante.
Medindo a Qualidade das Escolas 561
110
130
150
170
190
210
230
Não
Sim
Não
Sim
Não
Sim
Não
Sim
Não
Sim
Não
Sim
Não
Sim
Não
Sim
Não
Sim
Não
Sim
Não
Sim
Não
Sim
Total Públ. Priv. Total Públ. Priv. Total Públ. Priv. Total Públ. Priv.
Conselho de classe Projeto pedagógico Hidráulica Iluminação
Pro
ficiê
ncia
méd
ia
110
130
150
170
190
210
230
Não 50% Sim Não 50% Sim Não 50% Sim Não 50% Sim Não 50% Sim Não 50% Sim
Total Pública Privada Total Pública Privada
Computador Jornal e Revista
Pro
ficiê
ncia
méd
ia
180
210
240
270
300
Pro
ficiê
ncia
méd
ia
180
210
240
270
300
Pro
ficiê
ncia
méd
ia
Fonte: SAEB/INEP.Elaboração: própria.
Figura 7: Relação entre as variáveis de gestão e a proficiência escolar, total epor rede
5 Resultados Econométricos
8
Estimamos o sistema de equações (9) para cada uma das três séries, total e por rede de ensino,em que a nota média da escola em português e em matemática é função das variáveis que repre-sentam as características médias dos alunos, professores e diretores, e das variáveis de gestão, queindicam a infraestrutura escolar e a forma de ensino.
A partir dos parâmetros estimados, ordenamos as escolas por suas qualidades latentes, sejaesta correlacionada com o background familiar seja correlacionada com a gestão escolar. Em para-lelo, classificamos as escolas pela proficiência média de seus alunos em exames de português e dematemática nos três anos de cada painel:
prof icj =
3∑f =1
prof icmatj +
3∑f =1
prof icportj
6(15)
Assim, comparamos as ordenações pelas variáveis latentes e aquela obtida considerando ape-nas a nota de proficiência média das escolas. A ideia é verificar que tipo de informação a classifi-cação das escolas pela nota passa aos gestores de políticas educacionais e aos pais: se da produti-vidade escolar ou da característica média dos alunos da escola.
8O software econométrico SAS foi usado para rodar as regressões deste trabalho.
562 Curi e Souza Economia Aplicada, v.19, n.3
5.1 Variável latente de background familiar
Na Tabela 8, na Tabela 9 e na Tabela 10. expomos os coeficientes da variável latente correlacio-nada com o background familiar dos modelos estimados para a 4ªe a 8ªséries do ensino fundamen-tal e para a 3ªsérie do ensino médio, respectivamente.
A partir desses coeficientes, construímos o seguinte indicador de qualidade da escola: θ̂backgroundj =
3∑f =1
λ̂Akf Ajf , em que Ajf representa as características médias dos alunos da escola j em função das
quatro variáveis que selecionamos (vide Tabela 2) no ano f . Esse indicador representa a impor-tância do background familiar no aprendizado do aluno.
Na Figura 8, na Figura 9 e na Figura 10 comparamos os ordenamentos obtidos das duasformas, pela variável latente correlacionada com as características do aluno e pela proficiênciamédia, para a 4ªe a 8ªséries do ensino fundamental e para a 3ªsérie do ensino médio, respectiva-mente.
Possíveis alterações na posição relativa das escolas indicam se as diferenças de desempe-nho médio entre elas ocorrem em função das características socioeconômicas médias dos alunos(quando as posições no ranking não alteram) ou em função de outras características, como a gestãoescolar (quando ocorrem mudanças de posição no ranking).
As comparações mostram que para todas as três séries da Educação Básica, considerandoa amostra total e por rede de ensino, a classificação das escolas pela variável latente estimadaa partir das características médias de background familiar de seus alunos é muito semelhante àclassificação feita pelo desempenho médio dos alunos da escola nos exames de proficiência.
Os gráficos apresentam linha de tendência com inclinação positiva, próxima a 45 graus, eque cruza o eixo vertical perto da origem, e baixa dispersão dos pontos. Considerando a amostratoda e a de escolas públicas, a relação entre as ordenações é mais forte para a 3ªsérie do ensinomédio (linha de tendência com coeficiente para x próximo a 1 e para a constante próximo a 0),seguida pela 8ªsérie do ensino fundamental. Entre as escolas privadas essas posições se invertem.Comparando os resultados entre as redes, a semelhança dos rankings é maior para a amostra deescolas privadas.
y = 0,8851x + 58,678R = 0, 7833
0
170
340
510
680
850
1020
0 170 340 510 680 850 1020
ran
kin
g p
rofi
c
ranking θj - background familiar
y = 0,7568x + 54,71R = 0, 5728
0
50
100
150
200
250
300
350
400
450
0 50 100 150 200 250 300 350 400 450
ran
kin
g p
rofi
c
ranking θj - background familiar
y = 0,6251x + 107,22R = 0, 3908
0
143
286
429
572
0 143 286 429 572
ran
kin
g p
rofi
c
ranking θj - background familiar
Elaboração: própria.
Figura 8: Ranking proficiência versus ranking background familiar 4ªsérie doensino fundamental
y = 0,8821x + 49,642R = 0, 7781
0
211
422
633
844
0 211 422 633 844
ran
kin
g p
rofi
c
ranking θj - background familiar
y = 0,7802x + 32,647R = 0, 6086
0
74
148
222
296
0 74 148 222 296
ran
kin
g p
rofi
c
ranking θj - background familiar
y = 0,6798x + 87,415R = 0, 4621
0
109
218
327
436
545
0 109 218 327 436 545
ran
kin
g p
rofi
c
ranking θj - background familiar
Elaboração: própria.
Figura 9: Ranking proficiência versus ranking background familiar 8ªsérie doensino fundamental
Medindo a Qualidade das Escolas 563Ta
bela
8:Mod
eloestimad
oparaa4ªsériedoen
sinofundam
ental,totale
por
rede
Backg
roundfamiliar
4ªsériedoEnsinoFu
ndam
ental
Total
Escolas
priva
das
Escolas
públicas
Parâmetro
Variável
Coeficien
teteste-t
Coeficien
teteste-t
Coeficien
teteste-t
LAMBDAANO
1MATEMÁTIC
A
Sexo
Mascu
lino
−0,05
14−0,04
9−0,47
44−0,14
5−5,83
15−1,99
1Raça:
Branco
ouAmarelo
8,30
147,63
33,32
201,16
58,50
963,44
9Edu
caçãodaMãe:E
nsinoMéd
io4,50
652,62
14,92
500,99
86,35
001,40
4Edu
caçãodaMãe:S
uperior/
Pós-grad
uação
20,750
012
,517
18,391
34,17
520
,322
33,19
9Edu
caçãodaMãe:N
ãosabe
3,39
482,59
42,20
600,52
28,65
152,98
2Idad
eCerta
4,15
533,25
44,00
410,68
13,57
291,48
7
LAMBDAANO
2MATEMÁTIC
A
Sexo
Mascu
lino
−2,63
73−1,87
1−6,43
69−1,65
6−3,47
60−1,05
2Raça:
Branco
ouAmarelo
8,96
957,64
74,30
161,24
18,15
563,12
5Edu
caçãodaMãe:E
nsinoMéd
io8,05
063,96
86,50
531,13
511
,122
82,18
2Edu
caçãodaMãe:S
uperior/
Pós-grad
uação
12,706
76,13
210
,205
22,00
620
,944
63,23
7Edu
caçãodaMãe:N
ãosabe
0,54
670,36
66,70
881,28
63,08
760,89
2Idad
eCerta
−0,27
42−0,19
06,31
070,64
12,04
730,72
7
LAMBDAANO
3MATEMÁTIC
A
Sexo
Mascu
lino
−2,92
55−2,04
7-4,865
9-1,304
-2,443
4-0,748
Raça:
Branco
ouAmarelo
6,00
064,90
74,06
231,21
53,08
031,08
7Edu
caçãodaMãe:E
nsinoMéd
io2,99
331,40
24,29
900,74
47,21
831,38
8Edu
caçãodaMãe:S
uperior/
Pós-grad
uação
15,587
66,71
016
,293
13,06
314
,341
72,23
5Edu
caçãodaMãe:N
ãosabe
0,49
410,29
07,20
151,28
5−4,34
73−1,27
1Idad
eCerta
−1,37
39−0,88
01,74
990,23
12,02
040,67
2
LAMBDAANO
1PORTUGUÊS
Sexo
Mascu
lino
−3,10
87−2,55
6−4,71
12−1,68
30,45
400,16
1Raça:
Branco
ouAmarelo
1,61
921,55
70,25
220,09
44,61
631,85
5Edu
caçãodaMãe:E
nsinoMéd
io5,99
633,73
84,43
760,99
69,70
302,05
3Edu
caçãodaMãe:S
uperior/
Pós-grad
uação
16,995
310
,904
13,827
93,47
711
,300
41,85
0Edu
caçãodaMãe:N
ãosabe
3,79
922,88
82,12
640,55
78,56
682,75
7Idad
eCerta
5,06
164,69
13,11
570,54
53,73
091,57
2
LAMBDAANO
2PORTUGUÊS
Sexo
Mascu
lino
1,41
731,01
3−4,34
75−1,28
55,20
281,51
6Raça:
Branco
ouAmarelo
4,16
053,53
4−0,66
33−0,21
51,90
550,67
1Edu
caçãodaMãe:E
nsinoMéd
io9,29
424,59
710
,685
12,07
915
,555
33,07
9Edu
caçãodaMãe:S
uperior/
Pós-grad
uação
13,918
57,08
516
,802
33,57
514
,428
22,20
0Edu
caçãodaMãe:N
ãosabe
3,45
222,27
58,17
121,71
6−0,29
16−0,08
3Idad
eCerta
−2,48
56−1,70
3−6,65
11−0,95
6−2,56
64−0,85
5
LAMBDAANO
3PORTUGUÊS
Sexo
Mascu
lino
−1,02
55−0,69
1−5,49
33−1,46
74,55
801,29
8Raça:
Branco
ouAmarelo
6,06
364,62
86,30
101,88
610
,569
53,61
0Edu
caçãodaMãe:E
nsinoMéd
io15
,147
07,19
24,05
520,68
322
,497
04,11
0Edu
caçãodaMãe:S
uperior/
Pós-grad
uação
22,095
310
,857
15,942
23,11
820
,990
03,08
9Edu
caçãodaMãe:N
ãosabe
5,26
433,25
87,41
571,38
0−0,54
59−0,15
7Idad
eCerta
1,25
880,67
3−16
,035
8−1,73
55,57
931,89
6
564 Curi e Souza Economia Aplicada, v.19, n.3Ta
bela
9:Mod
eloestimad
oparaa8ªsériedoen
sinofundam
ental,totale
por
rede
Backg
roundfamiliar
8ªsériedoEnsinoFu
ndam
ental
Total
Escolas
priva
das
Escolas
públicas
Parâmetro
Variável
Coeficien
teteste-t
Coeficien
teteste-t
Coeficien
teteste-t
LAMBDAANO
1MATEMÁTIC
A
Sexo
Mascu
lino
7,19
373,49
52,52
760,52
45,29
202,00
8Raça:
Branco
ouAmarelo
6,44
473,07
713
,506
32,53
24,37
331,77
8Edu
caçãodaMãe:E
nsinoMéd
io8,94
213,39
62,78
340,46
86,25
951,70
5Edu
caçãodaMãe:S
uperior/
Pós-grad
uação
11,448
43,15
23,53
520,60
612
,077
41,95
5Edu
caçãodaMãe:N
ãosabe
−8,74
59−2,79
1−14
,512
5−1,72
8−7,41
68−1,79
7Idad
eCerta
1,08
390,50
812
,203
01,77
10,96
710,48
6
LAMBDAANO
2MATEMÁTIC
A
Sexo
Mascu
lino
6,61
662,31
70,38
300,06
510
,835
53,53
7Raça:
Branco
ouAmarelo
8,29
592,97
67,04
011,17
67,50
962,56
6Edu
caçãodaMãe:E
nsinoMéd
io6,53
032,07
91,97
980,26
86,86
551,79
8Edu
caçãodaMãe:S
uperior/
Pós-grad
uação
20,182
25,17
121
,791
23,40
016
,624
62,63
0Edu
caçãodaMãe:N
ãosabe
−14
,170
7−2,94
1−7,74
65−0,64
4−9,80
78−1,90
1Idad
eCerta
−1,43
65−0,40
9−4,18
27−0,45
1−3,16
75−1,39
4
LAMBDAANO
3MATEMÁTIC
A
Sexo
Mascu
lino
7,12
892,23
914
,690
12,41
05,79
131,65
7Raça:
Branco
ouAmarelo
13,282
34,89
56,84
881,10
912
,882
93,97
7Edu
caçãodaMãe:E
nsinoMéd
io5,48
671,65
513
,987
41,96
85,74
551,43
0Edu
caçãodaMãe:S
uperior/
Pós-grad
uação
24,108
25,50
119
,806
02,59
417
,580
72,55
3Edu
caçãodaMãe:N
ãosabe
−15
,762
1−3,11
313
,258
11,08
1−13
,379
1−2,55
2Idad
eCerta
2,70
780,72
327
,294
62,91
70,51
060,21
4
LAMBDAANO
1PORTUGUÊS
Sexo
Mascu
lino
2,57
551,31
68,47
011,69
30,76
860,26
7Raça:
Branco
ouAmarelo
−0,68
59−0,30
80,75
870,17
91,99
710,80
6Edu
caçãodaMãe:E
nsinoMéd
io8,49
233,46
06,10
201,09
94,95
881,40
6Edu
caçãodaMãe:S
uperior/
Pós-grad
uação
11,628
43,70
98,31
221,36
113
,728
32,42
1Edu
caçãodaMãe:N
ãosabe
−3,79
78−1,01
01,28
500,13
5−0,13
63−0,03
2Idad
eCerta
−2,52
49−1,05
6−4,73
43−0,74
7−1,87
59−0,91
0
LAMBDAANO
2PORTUGUÊS
Sexo
Mascu
lino
−5,75
50−1,90
9−8,07
10−1,30
6−6,06
70−1,76
1Raça:
Branco
ouAmarelo
2,83
981,11
31,00
810,19
46,34
032,09
3Edu
caçãodaMãe:E
nsinoMéd
io4,67
221,39
616
,482
91,98
56,60
851,52
8Edu
caçãodaMãe:S
uperior/
Pós-grad
uação
14,427
73,79
521
,843
82,58
912
,711
41,91
4Edu
caçãodaMãe:N
ãosabe
−13
,867
8−3,48
712
,625
01,05
8−13
,256
8−2,61
4Idad
eCerta
1,87
710,65
412
,762
01,45
42,72
641,08
0
LAMBDAANO
3PORTUGUÊS
Sexo
Mascu
lino
−9,75
74−2,66
8−3,58
68−0,58
0−2,31
75−0,60
8Raça:
Branco
ouAmarelo
8,43
033,06
82,34
990,43
314
,742
54,36
1Edu
caçãodaMãe:E
nsinoMéd
io−0,79
65−0,25
5−1,17
17−0,13
5−5,79
51−1,37
7Edu
caçãodaMãe:S
uperior/
Pós-grad
uação
8,76
391,79
56,19
510,74
210
,370
61,35
6Edu
caçãodaMãe:N
ãosabe
−18
,156
7−4,15
0−4,90
38−0,38
0−15
,084
1−2,64
0Idad
eCerta
6,13
771,93
94,11
070,41
43,83
201,49
3
Medindo a Qualidade das Escolas 565
Destacamos que o primeiro gráfico apresentado na Figura 10, considerando as escolas da3a série do ensino médio de ambas as redes de ensino, indica uma relação quase exata entre oordenamento das escolas pela variável latente relacionada às características média dos alunos ede sua família e o ordenamento a partir dos resultados médios nos exames de proficiência emportuguês e em matemática.
y = 0,9263x + 22,324R = 0, 8581
0
121
242
363
484
605
0 121 242 363 484 605
ran
kin
g p
rofi
c
ranking θj - background familiar
y = 0,7657x + 35,267R = 0, 5862
0
50
100
150
200
250
300
0 50 100 150 200 250 300ra
nkin
g p
rofi
c
ranking θj - background familiar
y = 0,6871x + 47,869R = 0, 4721
0
61
122
183
244
305
0 61 122 183 244 305
ran
kin
g p
rofi
c
ranking θj - background familiar
Elaboração: própria.
Figura 10: Ranking proficiência versus ranking background familiar – 3ªsériedo ensino médio
5.2 Variável latente de gestão escolar
Na Tabela 11, na Tabela 12 e na Tabela 13 expomos os coeficientes da variável latente correlacio-nada com a gestão escolar dos modelos estimados para a 4ªe a 8ªséries do ensino fundamental epara a 3ªsérie do ensino médio, respectivamente.
A partir desses coeficientes, construímos o seguinte indicador de qualidade da escola: θ̂gestaoj =
3∑f =1
λ̂Ekf Ejf , em que Ejf representa as características de gestão da escola j com base nas sete variá-
veis selecionadas (vide Tabela 3) no ano f . Esse indicador representa a consequência do esforçoda escola sobre o aprendizado do aluno.
Na Figura 11, na Figura 12 e na Figura 13 comparamos os ordenamentos obtidos das duasformas, pela variável latente correlacionada com as características de gestão escolar e pela notamédia, para a 4ªe a 8ªséries do ensino fundamental e para a 3ªsérie do ensino médio, respectiva-mente.
Possíveis alterações na posição relativa das escolas indicam se as diferenças de desempenhomédio entre elas ocorrem por eficiência da escola (quando as posições no ranking não alteram)ou em função de outras características, como a composição socioeconômica média dos alunos daescola (quando ocorrem mudanças de posição no ranking).
A comparação dos ordenamentos apresentada na Figura 11 para as escolas da 4ªsérie doensino fundamental mostra que existe uma relação positiva entre os rankings obtidos a partir davariável latente correlacionada com as características de gestão escolar e a partir da nota médiados alunos nos exames de proficiência. Porém, notamos que a linha de tendência tem baixainclinação e cruza o eixo vertical longe do ponto de origem. Ainda, ocorre uma grande dispersãodos pontos no gráfico. Esses fatores indicam que, apesar de positiva, essa relação é fraca.
Analisando as redes de ensino separadamente, temos que a relação entre os rankings é po-sitiva para ambas, porém entre as escolas públicas, destacamos que a linha de tendência apesarde positivamente inclinada é quase horizontal e que a dispersão dos pontos no gráfico é muitogrande. Entre as escolas privadas a inclinação é um pouco maior, mais ainda assim baixa, e adispersão dos pontos é alta, principalmente nas primeiras posições.
Na Figura 12 apresentamos os exercícios realizados para as escolas com alunos da 8ªsérie doensino fundamental. Os três gráficos apresentam grande dispersão dos pontos e linha de tendên-cia quase horizontal. Porém, quando consideramos a amostra toda e apenas as escolas públicasessa linha indica uma relação positiva entre os rankings. Por outro lado, quando consideramos aamostra de escolas privadas a relação é negativa.
Os resultados indicam que a posição relativa das escolas do ensino fundamental obtida apartir do desempenho médio de seus alunos se deve, em pequena parte, aos esforços da própriaescola. A influência da gestão escolar é ainda menor para as escolas da 8ªsérie do ensino funda-mental, chegando a apresentar relação negativa entre o ordenamento pelo desempenho médiodos alunos e o ordenamento pela variável latente correlacionada com as características de gestãopara a amostra de escolas privadas.
566 Curi e Souza Economia Aplicada, v.19, n.3Ta
bela
10:Mod
eloestimad
oparaa3ªsériedoen
sinoméd
io,total
epor
rede
Backg
roundfamiliar
EnsinoMéd
ioTo
tal
Escolas
priva
das
Escolas
públicas
Parâmetro
Variável
Coeficien
teteste-t
Coeficien
teteste-t
Coeficien
teteste-t
LAMBDAANO
1MATEMÁTIC
A
Sexo
Mascu
lino
2,53
640,84
2−2,93
20−0,52
85,47
421,58
2Raça:
Branco
ouAmarelo
5,09
311,51
9−13
,518
9−1,90
76,81
371,95
8Edu
caçãodaMãe:E
nsinoMéd
io8,99
902,24
324
,987
13,45
3−1,23
96−0,23
7Edu
caçãodaMãe:S
uperior/
Pós-grad
uação
0,70
380,15
411
,916
31,59
7−19
,485
9−2,29
0Edu
caçãodaMãe:N
ãosabe
10,377
91,34
621
,435
91,18
812
,468
61,52
6Idad
eCerta
11,096
03,49
94,33
910,58
910
,728
43,26
4
LAMBDAANO
2MATEMÁTIC
A
Sexo
Mascu
lino
−0,70
61−0,19
10,47
780,07
5−10
,485
3−2,37
3Raça:
Branco
ouAmarelo
3,53
130,94
612
,869
71,86
911
,647
92,68
4Edu
caçãodaMãe:E
nsinoMéd
io7,68
481,62
910
,182
11,21
36,20
171,06
0Edu
caçãodaMãe:S
uperior/
Pós-grad
uação
13,569
32,47
78,06
450,92
89,14
870,86
5Edu
caçãodaMãe:N
ãosabe
−3,09
28−0,31
4−3,43
18−0,13
3−2,02
01−0,20
1Idad
eCerta
15,021
84,54
826
,860
73,52
33,61
291,05
3
LAMBDAANO
3MATEMÁTIC
A
Sexo
Mascu
lino
−5,58
68−1,28
6−9,47
61−1,29
6−13
,228
3−2,37
9Raça:
Branco
ouAmarelo
0,80
270,18
79,13
291,21
012
,863
82,42
2Edu
caçãodaMãe:E
nsinoMéd
io12
,598
52,38
618
,846
61,92
07,22
171,04
2Edu
caçãodaMãe:S
uperior/
Pós-grad
uação
47,927
78,00
147
,351
94,78
337
,742
63,40
3Edu
caçãodaMãe:N
ãosabe
9,93
060,76
442
,424
21,46
213
,853
81,06
7Idad
eCerta
2,96
820,79
032
,195
03,80
32,08
200,51
9
LAMBDAANO
1PORTUGUÊS
Sexo
Mascu
lino
−2,55
12−0,97
8−9,54
90−2,23
83,45
660,91
5Raça:
Branco
ouAmarelo
−1,95
25−0,69
7−3,38
65−0,73
0−2,19
38−0,53
3Edu
caçãodaMãe:E
nsinoMéd
io4,95
871,51
44,91
630,90
80,99
380,19
6Edu
caçãodaMãe:S
uperior/
Pós-grad
uação
6,48
941,62
6−0,13
62−0,02
4−0,63
48−0,06
9Edu
caçãodaMãe:N
ãosabe
8,57
191,03
728
,648
81,86
4−3,46
47−0,31
5Idad
eCerta
2,86
601,05
69,98
681,56
4−0,43
75−0,13
1
LAMBDAANO
2PORTUGUÊS
Sexo
Mascu
lino
−6,41
75−2,11
8−11
,697
6−2,33
2−0,90
91−0,21
0Raça:
Branco
ouAmarelo
4,58
001,33
40,82
400,14
25,22
161,03
9Edu
caçãodaMãe:E
nsinoMéd
io9,01
032,20
419
,513
82,66
92,04
120,32
9Edu
caçãodaMãe:S
uperior/
Pós-grad
uação
19,095
04,04
320
,706
72,89
74,49
150,41
0Edu
caçãodaMãe:N
ãosabe
−35
,768
9−3,39
2−69
,160
6−2,89
1−15
,882
2−1,23
3Idad
eCerta
4,49
701,56
81,63
810,28
31,86
110,51
6
LAMBDAANO
3PORTUGUÊS
Sexo
Mascu
lino
0,62
240,16
911
,380
72,05
7−12
,939
4−2,15
2Raça:
Branco
ouAmarelo
12,445
83,27
018
,211
63,03
516
,002
32,86
4Edu
caçãodaMãe:E
nsinoMéd
io5,97
431,33
814
,079
11,98
6−0,69
63−0,09
7Edu
caçãodaMãe:S
uperior/
Pós-grad
uação
9,16
441,75
515
,935
02,23
57,95
340,63
5Edu
caçãodaMãe:N
ãosabe
−35
,360
6−2,81
351
,506
71,80
2−34
,142
9−2,19
4Idad
eCerta
−0,28
99−0,09
43,09
220,47
6−0,48
41−0,11
8
Medindo a Qualidade das Escolas 567
Por fim, na Figura 13 estão as comparações para as escolas da 3ªsérie do ensino médio. Nessecaso a relação entre os rankings é negativa tanto para a amostra toda quanto para a amostra queconsidera apenas as escolas públicas. Para as escolas privadas, apesar da relação positivas, estaé muito fraca, apresentando linha de tendência quase horizontal. Ainda, para as três amostras,notamos uma grande dispersão dos pontos no gráfico. Isso indica que o ordenamento das escolaspela nota média de seus alunos do ensino médio é bastante diferente do ordenamento delas obtidopela variável latente correlacionada com suas características de gestão.
De acordo com nossos resultados, a posição relativa das escolas obtida a partir do desempe-nho médio dos alunos não reflete os esforços da própria escola na melhoria do aprendizado, masreflete outras características que não a gestão escolar.
y = 0,3556x + 328,96R = 0, 1265
0
170
340
510
680
850
1020
0 170 340 510 680 850 1020
ran
kin
g p
rofi
c
ranking θj - gestão escolar
y = 0,3867x + 137,99R = 0, 1495
0
50
100
150
200
250
300
350
400
450
0 50 100 150 200 250 300 350 400 450
ran
kin
g p
rofi
c
ranking θj - gestão escolar
y = 0,1234x + 250,72R = 0, 0152
0
143
286
429
572
0 143 286 429 572
ran
kin
g p
rofi
c
ranking θj - gestão escolar
Elaboração: própria.
Figura 11: Ranking proficiência versus ranking gestão escolar – 4ªsérie do en-sino fundamental
y = 0,1167x + 371,88R = 0, 0136
0
211
422
633
844
0 211 422 633 844
ran
kin
g p
rofi
c
ranking θj - gestão escolar
y = -0,02x + 151,46R = 0, 0004
0
74
148
222
296
0 74 148 222 296
ran
kin
g p
rofi
c
ranking θj - gestão escolar
y = 0,1103x + 242,9R = 0, 0122
0
109
218
327
436
545
0 109 218 327 436 545
ran
kin
g p
rofi
c
ranking θj - gestão escolar
Elaboração: própria.
Figura 12: Ranking proficiência versus ranking gestão escolar – 8ªsérie do en-sino fundamental
y = -0,1282x + 341,85R = 0, 0164
0
121
242
363
484
605
0 121 242 363 484 605
ran
kin
g p
rofi
c
ranking θj - gestão escolar
y = 0,0417x + 144,22R = 0, 0017
0
50
100
150
200
250
300
0 50 100 150 200 250 300
ran
kin
g p
rofi
c
ranking θj - gestão escolar
y = -0,041x + 159,28R = 0, 0017
0
61
122
183
244
305
0 61 122 183 244 305
ran
kin
g p
rofi
c
ranking θj - gestão escolar
Elaboração: própria.
Figura 13: Ranking proficiência versus ranking gestão escolar – 3ªsérie do en-sino médio
568 Curi e Souza Economia Aplicada, v.19, n.3
Tabe
la11
:Mod
eloestimad
oparaa4ªsériedoen
sinofundam
ental,totalepor
rede
Gestãoescolar
4ªsériedoEnsinoFu
ndam
ental
Total
Escolas
priva
das
Escolas
públicas
Parâmetro
Variável
Coeficien
teteste-t
Coeficien
teteste-t
Coeficien
teteste-t
LAMBDAANO
1MATEMÁTIC
A
Con
selhodeClasse
2,83
503,50
92,09
170,83
00,44
230,33
1Projeto
ped
agóg
ico
0,00
840,00
94,61
941,39
4−1,04
05−0,68
8Professor
participadaEdu
caçãoCon
tinu
ada
3,22
884,35
57,87
323,09
20,48
050,30
8Professor
usa
computador
−0,26
19−0,33
80,69
980,37
80,68
340,38
4Professor
usa
jornal
ourevista
−1,59
93−1,88
7−1,54
88−0,49
5−1,41
59−0,94
5Hidráulica
1,71
641,86
41,54
010,21
01,89
311,39
0Iluminação
1,56
252,01
13,56
711,15
71,57
101,18
9
LAMBDAANO
2MATEMÁTIC
A
Con
selhodeClasse
0,94
921,15
94,73
411,83
3−0,36
39−0,25
4Projeto
ped
agóg
ico
2,61
792,84
07,35
941,88
50,51
730,30
9Professor
participadaEdu
caçãoCon
tinu
ada
−2,98
68−3,77
90,59
310,25
00,48
870,29
3Professor
usa
computador
1,29
411,81
41,54
140,85
6−0,44
44−0,27
0Professor
usa
jornal
ourevista
−1,47
50−1,81
22,46
410,71
5−3,06
66−1,93
9Hidráulica
−0,75
25−0,76
54,70
020,28
1−0,36
98−0,27
5Iluminação
0,74
770,98
13,21
020,92
80,07
420,05
4
LAMBDAANO
3MATEMÁTIC
A
Con
selhodeClasse
−3,47
27−4,39
2−2,99
62−1,09
3−2,23
64−1,52
2Projeto
ped
agóg
ico
−0,32
52−0,29
31,09
870,26
3−2,25
32−1,27
0Professor
participadaEdu
caçãoCon
tinu
ada
1,15
961,49
20,55
070,25
9−0,75
75−0,46
3Professor
usa
computador
−1,90
72−3,16
8−3,36
99−2,05
20,33
170,23
8Professor
usa
jornal
ourevista
3,02
413,85
12,39
391,03
01,75
091,17
0Hidráulica
2,48
562,94
6−13
,192
5−1,45
81,12
480,82
4Iluminação
0,31
470,28
95,74
761,31
31,89
201,23
9
LAMBDAANO
1PORTUGUÊS
Con
selhodeClasse
4,32
885,31
43,40
851,46
81,73
921,30
8Projeto
ped
agóg
ico
−1,87
70−2,29
9−5,85
35−1,94
2−0,04
56−0,03
1Professor
participadaEdu
caçãoCon
tinu
ada
1,37
571,76
90,79
540,33
81,75
031,11
5Professor
usa
computador
−1,12
19−1,53
1−1,28
01−0,74
62,21
691,16
0Professor
usa
jornal
ourevista
−2,44
07−2,77
7−2,86
18−0,86
8−2,62
53−1,75
6Hidráulica
4,94
365,77
8−4,14
34−0,55
84,98
413,73
9Iluminação
1,16
501,56
71,63
630,57
8−0,06
81−0,05
2
LAMBDAANO
2PORTUGUÊS
Con
selhodeClasse
0,16
640,21
5−1,09
35−0,46
22,84
881,96
8Projeto
ped
agóg
ico
0,80
310,81
8−0,71
23−0,20
0−1,15
85−0,68
3Professor
participadaEdu
caçãoCon
tinu
ada
0,63
230,90
70,43
050,18
71,66
741,03
7Professor
usa
computador
2,03
932,83
04,10
792,42
12,01
661,16
4Professor
usa
jornal
ourevista
−1,90
21−2,35
5−3,88
90−1,06
3−1,27
39−0,79
7Hidráulica
−0,18
82−0,19
0−9,68
07−0,63
31,23
260,89
4Iluminação
0,54
000,70
01,02
280,33
00,88
300,63
6
LAMBDAANO
3PORTUGUÊS
Con
selhodeClasse
−2,57
08−2,68
9−0,63
37−0,24
3−4,33
34−2,92
5Projeto
ped
agóg
ico
−0,36
55−0,33
6−9,16
43−2,26
2−1,20
83−0,67
1Professor
participadaEdu
caçãoCon
tinu
ada
0,43
690,63
50,07
620,03
70,05
070,03
1Professor
usa
computador
−2,36
26−3,64
60,19
800,11
2−4,00
15−2,65
7Professor
usa
jornal
ourevista
0,96
971,40
94,65
662,05
6−0,04
56−0,03
0Hidráulica
2,22
122,52
4−4,37
30−0,49
82,01
771,48
4Iluminação
0,56
360,57
52,31
770,55
81,25
010,81
1
Medindo a Qualidade das Escolas 569
Tabe
la12
:Mod
eloestimad
oparaa8ªsériedoen
sinofundam
ental,totalepor
rede
Gestãoescolar
8ªsériedoEnsinoFu
ndam
ental
Total
Escolas
priva
das
Escolas
públicas
Parâmetro
Variável
Coeficien
teteste-t
Coeficien
teteste-t
Coeficien
teteste-t
LAMBDAANO
1MATEMÁTIC
A
Con
selhodeClasse
−0,25
72−0,18
3−3,87
79−1,03
80,99
520,75
9Projeto
ped
agóg
ico
2,72
722,29
32,97
630,65
00,98
060,73
9Professor
participadaEdu
caçãoCon
tinu
ada
2,74
762,38
60,95
130,41
02,05
761,67
4Professor
usa
computador
−1,21
16−1,20
0−1,88
90−0,87
51,66
961,17
3Professor
usa
jornal
ourevista
−0,12
81−0,15
41,40
820,67
6−2,51
87−2,52
2Hidráulica
0,14
080,12
531
,956
64,25
8−0,18
22−0,16
1Iluminação
−0,97
97−0,93
5−4,57
13−1,18
21,74
121,60
6
LAMBDAANO
2MATEMÁTIC
A
Con
selhodeClasse
−0,06
06−0,04
31,08
850,26
10,58
700,40
9Projeto
ped
agóg
ico
−1,01
95−0,67
4−2,21
74−0,45
0−2,28
11−1,60
7Professor
participadaEdu
caçãoCon
tinu
ada
−11
,861
4−2,66
6−2,78
00−1,03
32,10
611,57
9Professor
usa
computador
2,14
482,17
0−3,59
33−1,71
63,46
332,62
1Professor
usa
jornal
ourevista
1,44
011,56
11,26
740,54
4−0,27
46−0,26
5Hidráulica
2,26
901,72
30,92
470,10
01,12
620,94
4Iluminação
0,28
500,23
21,38
220,36
30,38
920,30
1
LAMBDAANO
3MATEMÁTIC
A
Con
selhodeClasse
−0,81
83−0,69
2−9,58
34−2,67
7−0,82
00−0,55
8Projeto
ped
agóg
ico
1,81
430,90
36,89
111,06
9−2,78
96−1,80
7Professor
participadaEdu
caçãoCon
tinu
ada
−13
,879
6−2,83
1−4,16
42−1,71
4−1,44
38−1,11
3Professor
usa
computador
−0,68
08−0,76
42,28
631,12
6−1,00
46−0,86
2Professor
usa
jornal
ourevista
0,23
080,27
3−0,05
43−0,02
7−2,01
23−1,99
6Hidráulica
−1,00
74−0,65
111
,383
71,00
41,49
341,11
3Iluminação
2,36
971,97
02,06
280,42
91,89
401,32
8
LAMBDAANO
1PORTUGUÊS
Con
selhodeClasse
1,19
930,98
0−8,23
39−2,10
91,64
531,20
9Projeto
ped
agóg
ico
1,50
580,97
02,14
820,47
4−1,30
82−0,93
7Professor
participadaEdu
caçãoCon
tinu
ada
9,76
941,94
31,83
610,76
72,10
121,63
0Professor
usa
computador
1,78
831,47
35,26
222,26
4−0,55
41−0,38
3Professor
usa
jornal
ourevista
−0,28
65−0,21
52,34
370,70
2−1,07
48−0,79
2Hidráulica
0,97
350,81
011
,129
81,43
9−0,93
29−0,78
6Iluminação
0,69
870,61
5−0,98
29−0,25
60,47
690,41
7
LAMBDAANO
2PORTUGUÊS
Con
selhodeClasse
1,34
660,97
27,07
551,69
50,06
290,04
1Projeto
ped
agóg
ico
−0,93
40−0,67
9−4,74
51−0,95
60,30
400,20
3Professor
participadaEdu
caçãoCon
tinu
ada
−14
,921
6−2,87
9−0,26
08−0,10
31,61
721,13
2Professor
usa
computador
2,49
272,09
40,53
820,23
01,14
870,82
7Professor
usa
jornal
ourevista
−0,13
53−0,11
0−2,13
35−0,58
3−3,05
20−2,15
9Hidráulica
−1,87
58−1,39
08,45
051,01
40,72
310,55
6Iluminação
0,02
550,02
10,89
310,24
3−0,67
64−0,49
2
LAMBDAANO
3PORTUGUÊS
Con
selhodeClasse
0,14
520,10
2−8,09
43−2,24
8−1,01
71−0,64
5Projeto
ped
agóg
ico
1,82
721,14
0−1,89
80−0,31
1−0,28
30−0,17
4Professor
participadaEdu
caçãoCon
tinu
ada
−7,62
21−1,23
1−3,02
15−1,00
3−1,57
90−1,07
7Professor
usa
computador
−2,87
19−2,68
1−3,06
59−1,16
5−0,98
29−0,65
1Professor
usa
jornal
ourevista
−0,72
41−0,62
20,34
660,10
9−0,48
91−0,36
5Hidráulica
2,15
901,26
33,66
100,30
8−1,43
77−0,97
7Iluminação
1,59
641,18
56,45
491,34
72,76
171,80
4
570 Curi e Souza Economia Aplicada, v.19, n.3
Tabe
la13
:Mod
eloestimad
oparaa3ªsériedoen
sinoméd
io,total
epor
rede
Gestãoescolar
EnsinoMéd
ioTo
tal
Escolas
priva
das
Escolas
públicas
Parâmetro
Variável
Coeficien
teteste-t
Coeficien
teteste-t
Coeficien
teteste-t
LAMBDAANO
1MATEMÁTIC
A
Con
selhodeClasse
−1,25
69−0,61
20,61
460,12
61,07
470,52
1Projeto
ped
agóg
ico
−4,44
57−2,02
3−11
,794
4−2,05
8−2,96
99−1,41
8Professor
participadaEdu
caçãoCon
tinu
ada
3,28
262,13
95,43
371,99
61,63
290,92
4Professor
usa
computador
−1,57
88−0,94
0−5,06
63−1,87
53,73
321,61
0Professor
usa
jornal
ourevista
−1,18
98−0,80
00,03
790,01
40,51
020,30
4Hidráulica
1,10
420,53
73,90
810,36
21,05
970,60
8Iluminação
−0,88
75−0,42
3−4,63
73−0,70
3−1,57
99−0,83
4
LAMBDAANO
2MATEMÁTIC
A
Con
selhodeClasse
0,05
380,02
212
,383
01,91
4−2,81
41−1,18
3Projeto
ped
agóg
ico
−2,89
64−1,18
5−10
,510
6−1,63
31,49
750,65
3Professor
participadaEdu
caçãoCon
tinu
ada
1,09
980,67
2−1,65
30−0,55
11,68
900,89
5Professor
usa
computador
0,63
160,39
8−1,39
91−0,51
44,51
432,30
8Professor
usa
jornal
ourevista
1,48
631,02
00,39
830,15
71,87
681,05
6Hidráulica
2,48
161,16
1−8,40
13−0,63
01,15
380,61
3Iluminação
−4,43
88−2,01
36,49
921,04
7−4,20
86−2,03
3
LAMBDAANO
3MATEMÁTIC
A
Con
selhodeClasse
−3,69
70−1,60
3−7,64
45−1,51
0−3,31
78−1,37
1Projeto
ped
agóg
ico
−10
,033
1−3,74
3−14
,673
9−1,24
7−4,51
55−1,89
2Professor
participadaEdu
caçãoCon
tinu
ada
−1,40
27−0,89
0−3,03
67−1,17
0−1,03
26−0,52
0Professor
usa
computador
2,54
041,78
77,48
142,98
1−0,44
93−0,25
2Professor
usa
jornal
ourevista
1,42
331,00
4−0,82
94−0,31
72,01
081,20
3Hidráulica
0,07
140,03
5−49
,131
3−3,20
40,42
240,23
4Iluminação
−2,96
32−1,35
8−5,62
60−0,98
2−1,53
79−0,73
8
LAMBDAANO
1PORTUGUÊS
Con
selhodeClasse
0,38
360,22
8−2,97
05−0,74
61,95
940,96
7Projeto
ped
agóg
ico
−2,69
16−1,47
8−1,86
54−0,44
2−4,10
34−1,94
9Professor
participadaEdu
caçãoCon
tinu
ada
−1,52
73−1,19
5−2,18
69−0,98
80,44
790,26
4Professor
usa
computador
−3,12
11−2,35
8−3,84
74−1,94
62,65
161,17
4Professor
usa
jornal
ourevista
0,95
520,58
20,81
960,20
92,40
671,29
0Hidráulica
1,23
930,73
116
,716
81,98
71,03
720,61
7Iluminação
0,71
320,41
91,72
830,34
51,16
620,63
1
LAMBDAANO
2PORTUGUÊS
Con
selhodeClasse
1,08
070,53
80,53
420,10
7−0,51
21−0,21
4Projeto
ped
agóg
ico
−2,69
27−1,26
8−2,40
23−0,46
4−0,43
76−0,16
9Professor
participadaEdu
caçãoCon
tinu
ada
1,33
440,92
80,55
200,20
81,82
150,91
2Professor
usa
computador
−0,46
79−0,37
2−0,01
26−0,00
7−0,45
15−0,22
2Professor
usa
jornal
ourevista
−0,28
08−0,17
50,87
640,24
8−1,30
87−0,65
0Hidráulica
4,09
882,32
6−1,92
39−0,19
53,08
811,66
4Iluminação
2,99
201,59
12,34
520,45
91,16
490,53
7
LAMBDAANO
3PORTUGUÊS
Con
selhodeClasse
−0,68
73−0,34
9−3,44
43−0,80
7−3,45
47−1,38
5Projeto
ped
agóg
ico
−1,79
46−0,74
1−5,16
84−0,63
6−1,30
60−0,47
1Professor
participadaEdu
caçãoCon
tinu
ada
0,66
160,45
63,08
921,30
50,96
160,45
9Professor
usa
computador
0,21
560,15
01,61
180,70
70,09
000,03
9Professor
usa
jornal
ourevista
0,73
570,48
60,23
610,07
11,57
680,85
2Hidráulica
−0,91
14−0,52
7−25
,911
0−2,17
2−0,08
93−0,04
9Iluminação
0,66
590,36
3−0,94
80−0,19
60,76
740,35
7
Medindo a Qualidade das Escolas 571
5.3 Variável latente de background familiar versus variável latente de gestão escolar
Nessa seção comparamos a relação entre os rankings das escolas obtidos pela variável latente debackground familiar e pela proficiência média das escolas com a relação entre os rankings das es-colas obtidos pela variável latente de gestão escolar e pelo desempenho médio dos alunos dasescolas nas provas de português e matemática para as três séries da Educação Básica separada-mente, total e por rede de ensino.
Em todos os casos, notamos que a relação entre a classificação das escolas pelas característicasde gestão escolar e a classificação pelo desempenho médios dos alunos é muito mais fraca do quea relação entre a classificação pelas características socioeconômicas médias dos alunos e a classi-ficação pela nota média dos alunos. A primeira relação apesar de apresentar linha de tendênciacom inclinação positiva, em algumas análises, ela é quase horizontal e, por vezes, essa relaçãoaparece com inclinação negativa, sendo que, em ambos os casos cruzando o eixo vertical longeda origem. Ainda, os pontos que representam tal relação são muito dispersos no gráfico. Ao con-trário, a segunda relação analisada apresenta sempre linha de tendência positivamente inclinada,com ângulo próximo a 45º, que cruzam o eixo perto do ponto de origem (0,0).
A Figura 14 mostra essas relações obtidas considerando as escolas da 4ªsérie do ensino fun-damental. Nesse caso as relações apresentadas são positivas tanto para a amostra toda quantopor rede de ensino. Porém, notamos que a relação entre o ordenamento das escolas pela variá-vel latente de gestão escolar e o ordenamento pelo desempenho médio dos alunos é mais fraca,apresentando inclinação menor da linha de tendência, a qual cruza o eixo vertical mais distanteda origem do que a linha de tendência que representa a relação entre o ordenamento das escolaspela variável latente de background familiar e o ordenamento pela nota média dos alunos.
Na Figura 15 estão os exercícios realizados com as escolas da 8ªsérie do ensino fundamental,e na Figura 16 expomos as comparações a partir da amostra de escolas da 3ªsérie do ensino médio.Para essas séries as diferenças entre as duas relações são muito mais evidentes.
Em três das seis comparações realizadas — amostra de escolas privadas da 8ªsérie do ensinofundamental e amostras total e de escolas públicas da 3ªsérie do ensino médio — temos que arelação entre o ordenamento das escolas pela nota média dos alunos nos exames de proficiênciae o ordenamento pela variável latente de gestão escolar é negativa, ao contrário do que ocorrecom a relação entre o ordenamento das escolas pelo desempenho médio dos alunos e pela variá-vel latente que representa as características socioeconômica média deles. Nos outros três casosenvolvendo essas séries, apesar de ambas as relações serem positivas, o ordenamento das escolaspelas suas características de gestão tem relação muito fraca com o ordenamento pela nota médiade seus alunos, enquanto o ordenamento das escolas pelo background familiar médio dos alunostem relação muito próxima ao ordenamento pela proficiência média.
0
170
340
510
680
850
1020
0 170 340 510 680 850 1020
ran
kin
g p
rofi
c
ranking θj
Backgroundfamiliar
Gestão escolar
0
50
100
150
200
250
300
350
400
450
0 50 100 150 200 250 300 350 400 450
ran
kin
g p
rofi
c
ranking θj
Backgroundfamiliar
Gestão escolar
0
143
286
429
572
0 143 286 429 572
ran
kin
g p
rofi
c
ranking θj
Backgroundfamiliar
Gestão escolar
Elaboração: própria.
Figura 14: Variável latente de background familiar versus variável latente degestão escolar 4ªsérie do ensino fundamental
Nossos exercícios se mostraram robustos, resultados semelhantes foram observados para asnove bases de dados analisadas, isto é, para todas as três séries considerando as amostras comple-tas e separadas por rede de ensino.
De acordo com esses resultados, concluímos que a posição relativa das escolas do ensinobásico, levando em conta apenas o desempenho médio de seus alunos nos exames de proficiência,se deve, em pequena parte, aos esforços da própria escola. Porém, são as qualidades do aluno(característica socioeconômicas) que determinam o posicionamento da escola no ranking pela notamédia.
Podemos dizer então, que classificar as escolas pela proficiência média é similar a classificá-las pelo background familiar médio de seus alunos, porém é bem diferente de classificá-las porboa gestão associada ao desempenho.
572 Curi e Souza Economia Aplicada, v.19, n.3
0
211
422
633
844
0 211 422 633 844
ran
kin
g p
rofi
c
ranking θj
Backgroundfamiliar
Gestão escolar
0
74
148
222
296
0 74 148 222 296
ran
kin
g p
rofi
c
ranking θj
Backgroundfamiliar
Gestão escolar
0
109
218
327
436
545
0 109 218 327 436 545
ran
kin
g p
rofi
c
ranking θj
Backgroundfamiliar
Gestão escolar
Elaboração: própria.
Figura 15: Variável latente de background familiar versus variável latente degestão escolar 8ªsérie do ensino fundamental
0
121
242
363
484
605
0 121 242 363 484 605
ran
kin
g p
rofi
c
ranking θj
Backgroundfamiliar
Gestão escolar
0
50
100
150
200
250
300
0 50 100 150 200 250 300
ran
kin
g p
rofi
c
ranking θj
Backgroundfamiliar
Gestão escolar
0
61
122
183
244
305
0 61 122 183 244 305
ran
kin
g p
rofi
c
ranking θj
Backgroundfamiliar
Gestão escolar
Elaboração: própria.
Figura 16: Variável latente de background familiar versus variável latente degestão escolar 3ªsérie do ensino médio
Assim, como o ordenamento das escolas pelos indicadores de qualidade difere do ordena-mento obtido pelos indicadores tipo IDEB, acreditamos que utilizar o IDEB como indicador paraum sistema de accountability pode premiar muito mais as escolas que selecionam os melhoresalunos do que as escolas que têm os melhores desempenhos, em função do tipo de aluno querecebem.
6 Considerações finais
Um sistema de accountability em educação requer a criação tanto de medidas de desempenho dasescolas que sirvam de variáveis para a elaboração de metas a serem atingidas como também deindicadores de aferição do grau de sucesso na obtenção das metas de desempenho. Um sistema deaccountability estabelece metas por escolas ou redes e sistemas de prêmios e punições em funçãodo grau de sucesso em alcançar as metas pré-estabelecidas pelos formuladores de políticas públi-cas. Os sistemas de prêmios e punições podem ter formas variadas, mas para qualquer sistemater resultados satisfatórios se requer que o indicador reflita a qualidade da escola.
Nesse artigo, propomos um indicador geral de qualidade da escola que depende apenas dascaracterísticas das escolas e não dos alunos. A ideia envolve uma metodologia de ranking em queeliminamos as diferenças entre as escolas existentes em função do background familiar e mante-mos as diferenças entre elas que ocorrem em função de suas características de gestão. A qualidadeda escola é medida pelo valor adicionado do produto, no caso, o desempenho dos alunos em exa-mes de proficiência.
Este indicador é obtido através de ummodelo estrutural em que se constrói a variável latentede qualidade da escola de modo a corrigir o potencial viés de estudos anteriores relacionados: aoserros de medida, que tornam o ranking baseado no valor adicionado bastante volátil; e à utilizaçãode indicadores de proficiência em nível que pode refletir mais o background familiar do aluno doque a qualidade da escola.
Usamos os dados do Sistema Nacional de Avaliação da Educação Básica (SAEB) realizadobianualmente entre 1997 e 2005 pelo INEP/MEC em todo o Brasil para ilustrar a utilização desseindicador proposto. Construímos painéis balanceados de três anos de avaliação cada e estimamosmodelos para cada uma das três séries da Educação Básica avaliadas pelo SAEB, 4ªe 8ªséries doensino fundamental e 3ªsérie do ensino médio, total e por rede de ensino.
Medindo a Qualidade das Escolas 573
A partir dos parâmetros estimados, ordenamos as escolas por suas qualidades latentes, sejaesta correlacionada com o background familiar seja correlacionada com a gestão escolar. Em pa-ralelo, classificamos as escolas em função da proficiência média de seus alunos em exames deportuguês e de matemática. Por fim, comparamos os rankings para identificar qual a informaçãoque a posição relativa das escolas, em função do desempenho médio de seus alunos, representa.
De acordo com os resultados obtidos, o ordenamento das escolas pelo indicador de qualidadedifere do ordenamento obtido pelo desempenho médio dos alunos nos exames de proficiência.Observamos que o ranking pelas qualidades intrínsecas da escola correlacionadas com a gestãoescolar não equivale ao ranking das escolas pela nota média de seus alunos. Por outro lado, a clas-sificação das escolas pela nota é muito próxima à classificação delas a partir de suas qualidadesintrínsecas correlacionadas com as características médias relativas ao background familiar de seusalunos.
Concluímos então, que a classificação das escolas pela proficiência média é similar à classifi-cação delas pelo background familiar médio de seus alunos, porém é bem diferente da classificaçãodas escolas por boa gestão associada ao desempenho.
Isso quer dizer que utilizar indicadores de nível como indicador para um sistema de accoun-tability pode premiar muito mais as escolas que selecionam os melhores alunos do que as escolasque têm os melhores desempenhos em termos de gestão.
Referências Bibliográficas
Abowd, J. M. & Card, D. (1989), ‘On the covariance structure of earnings and hours changes’,Econometrica 57(2), 411–445.
Albernaz, A., Ferreira, F. & Franco, C. (2002), ‘Qualidade e equidade no ensino fundamentalbrasileiro’, Pesquisa e Planejamento Econômico 32(3), 45–59.
Andrade, E. C. (2011), ‘Rankings em educação: tipos, problemas, informações e mudanças: aná-lise dos principais rankings oficiais brasileiros’, Estudos Econômicos 41(2), 323–343.
Chamberlain, G. (1982), ‘Multivariate regression models for panel data’, Journal of Econometrics18.
Cullen, J., Jacob, B. & Levitt, L. (2006), ‘The effect of school choice on participants: Evidencefrom randomized lotteries’, Econometrica 74(5), 1191–1230.
Felício, F. & Fernandes, R. (2005), O Efeito da Qualidade da Escola Sobre o Desempenho Escolar:Uma Avaliação Do ensino fundamental No Estado De São Paulo.
Fernandes, R. (2007), ‘Índice de desenvolvimento da educação básica (ideb)’.
Fernandes, R. & Gremaud, A. P. (2009), ‘Qualidade da educação: avaliação, indicadores e metas’,Capítulo BNDES .
Figlio, D. N. & Rouse, C. (2006), ‘Qualidade e equidade no ensino fundamental brasileiro’, Jour-nal of Public Economics 90(1-2), 239–255.
Gremaud, A. P., Felício, F. & Biondi, R. L. (2007), ‘Indicador de Efeito Escola: uma metodologiapara a identificação dos sucessos escolares a partir dos dados da Prova Brasil’, (27).
Haddad, F. (2008), ‘O Plano de Desenvolvimento da Educação: razões, princípios e programas’,Pesquisa e Planejamento Econômico (30).
Hanushek, E. (1979), ‘Conceptual and empirical issues in the estimation of educational produc-tion functions’, The Journal of Human Resources 14(3).
Hanushek, E. (2006), School Resources, in ‘Handbook of the Economics of Education’, Amster-dam: Elsevier, chapter In Eric A, Hanushek and Finis Welch.
Hanushek, E. A. & Raymond, M. (2004), ‘The effect of school accountability systems on thelevel and distribution of student achievement’, Journal of the European Economic Association 2(2-3), 406–415.
Hanushek, E. & Rivkin, S. G. (2006), Teacher quality, inH. In Eric A & F. Welch, eds, ‘Handbookof the Economics of Education’, Amsterdam: Elsevier.
Hanushek, E., Rivkin, S. G. & Kain, J. F. (2005), ‘Teachers, schools, and academic achievement’,Econometrica 32(3), 417–458.
574 Curi e Souza Economia Aplicada, v.19, n.3
Hastings, J. & Weinstein, J. (2007), ‘Information, school choice and student achievement: Evi-dence from two experiments’, NBER Working Paper (13623).
Heckman, J. & Kueger, A. (2005), ‘Inequality in america, what role for human capital policy?’,Pesquisa e Planejamento Econômico .
Ladd, H. & Walsh, W. (2002), ‘Implementing value-measures of school effectiveness: getting theincentives right’, Economics of Education Review 21, 1–17.
Menezes-Filho, N. (2007), ‘Os determinantes do desempenho escolar no brasil’, Pesquisa e Pla-nejamento Econômico (2).
Menezes-Filho, N. & Souza, A. P. (2008), ‘The quality of education in brazil’, IADB ResearchDepartment Repport .
Mizala, A., Romoguera, P. & Urquiola, M. (2007), ‘Socioeconomic status or noise? Tradeoffs inthe generation of school quality information’, Journal of Development Economics 84, 61–75.
Rouse, C., Hannaway, J., Goldhaber, D. & Figlio, D. (2007), ‘Feeling the Florida heat? How low-performing schools respond to voucher and accountability pressure’, Journal of DevelopmentEconomics (13681).
Yunker, J. (2005), ‘The dubious utility of the value-added concept in higher education: the caseof accounting’, Economics of Education Review 24(3), 355–367.