puc - sp · puc - sp . variÁveis sÓcio-econÔmicas . e taxa de suicÍdios no brasil. ... (2006)...

PUC - SP

VARIÁVEIS SÓCIO-ECONÔMICAS E TAXA DE SUICÍDIOS NO BRASIL

MICHEL WIAZOWSKI ROCHA

RUTHELLE MARIA DE CARVALHO SOUSA MESTRANDO EM ADMINISTRAÇÃO

MÉTODOS QUANTITATIVOS PROF. DR. ARNOLDO HOYOS

SÃO PAULO 2010

1. INTRODUÇÃO Este trabalho final, visa investigar e buscar responder se existem variáveis sócio-econômicas que podem explicar a taxa de suicídios. Construindo hipóteses explicativas a fim de caracterizar o problema para o caso Brasileiro. Para a pesquisa tem-se alguns problemas, como: caracterização do suicídio, o outro as motivações reais do suicida e seu estado mental (OMS, 2002). Como nosso trabalho foca no aspecto econômico como um dos frutos do indivíduo na prática do suicídio. O primeiro modelo econômico conhecido do suicídio é o de Hamermesh e Soss (1974), e é assim descrito por Shikida (2006):O modelo de decisão individual de Hamermesh e Soss(1974) afirma que o comportamento suicida não pode em hipótese alguma ser atribuído apenas a fatores econômicos. Porém, utilizando o processo de tomada de decisão econômica uma parcela das variações nas taxas de suicídio pode ser explicada usando teoria econômica.De acordo com o modelo, as pessoas na média preferem viver e não gostariam de se matar. O modelo supõe que o indivíduo se mata quando o valor da vida dele for menor ou igual o seu desgosto pela vida. A renda confere valor à vida, o que implica que maiores taxas de renda aumentam a vontade de viver. Um importante fator observado estatisticamente é que as taxas de suicídio aumentam à medida que observamos faixas etárias mais elevadas, a despeito disso, o modelo afirma que o desejo de viver diminui com a idade já que ele possui menos consumo para aproveitar a vida, e Shikida (2006) complementa: O artigo encontrou evidências de que o arrefecimento das atividades econômicas em 1945 produziu um aumento proporcional nas taxas de suicídio. Em outras palavras, existiria uma relação negativa entre a renda e o suicídio. Constatou-se também que a taxa é menor para grupos de renda mais altos. Outro resultado encontrado foi à maior sensibilidade de pessoas mais velhas à variação do desemprego se comparado com os jovens. Resumindo, o suicídio diminui com o aumento da renda tanto na cross-section quanto na série temporal, para todos os grupos com exceção dos mais jovens. (Shikida, 2006) A partir desses questionamentos, um modelo econômico sobre suicídio terá que conceber o fato como escolha (decorrente de uma análise) ou fenômeno resultante de uma interação de variáveis. Ao analisar a relação entre as variações nas taxas de desemprego e de suicídio, os autores encontraram fortes evidências de que homens são sensíveis às variações no mercado de trabalho, ao passo que as mulheres são menos sensíveis a variável emprego. O estudo também encontrou indícios de, entre os homens, perdas pessoais como a esposa ou ciclo de amigos exerce influencia sobe as taxas de suicídio. O estudo encontro indícios de associação entre baixos níveis educacionais e desemprego com transtornos mentais (transtornos afetivos e de ansiedade em homens e mulheres) e suicídio. O estudo alerta que as interações econômicas desempenham um fator significativo em transtornos de ansiedade, abuso de substâncias e depressão. Segundo os autores variáveis econômicas per se influenciam as taxas de suicídio e influenciam a prevalência de distúrbios mentais, que por sua vez são estão fortemente associadas com taxas de suicídio. Utilizando o pensamento de Durkheim (1897), poderíamos definir o emprego como indicador de coesão social, e o indivíduo, desprovido desse meio de interação social e de ganho, deslocado de parte da vida social, se coloca em uma situação de risco para a própria vida.

2. ENTENDENDO OS DADOS Todos os dados do presente estudo foram coletados eletronicamente, via internet por meio do DATASUS (http://www.datasus.gov.br), o portal de informações sobre saúde do Ministério Da Saúde. Os dados populacionais foram também obtidos do referido portal que por sua vez, foram obtidos a partir de Censos do IBGE. Variáveis: Por gênero; Por Estados com maior incidência; Renda Per Capita dos Estados com maior incidência Por faixa etária; Por raça/ cor de pele por ano; PIB estadual

3. TABELA DE DADOS 3.1 Por gênero

ANO MASCULINO FEMININO IGNORADO TOTAL

1997 5496 1423 4 6923 1998 5525 1457 7 6989 1999 5300 1230 0 6530 2000 5398 1382 0 6780 2001 6177 1560 1 7738 2002 6028 1694 4 7726 2003 6256 1604 1 7861 2004 6311 1706 0 8017

Esses dados persistentes ao longo dos anos, e as observações semelhantes em outros países, mostram que a população masculina tem um acentuado risco ao suicídio. As relações brutas entre óbitos masculinos e óbitos femininos têm aumentado ao longo dos últimos anos.

3.2 Por Estados com maior incidência

ANO RS SC PR MS RO GO

1997 4,21 5,27 4,02 3,57 5,67 3,25 1998 4,08 4,18 3,93 2,73 2,25 3,6 1999 4,36 5,33 4,95 3,14 3,13 3,57 2000 4,38 5,55 3,65 3,33 4,85 3,95 2001 4,91 4,94 4,35 3,31 3,47 3,66 2002 4,46 4,33 3,71 3,2 1,44 4,15 2003 4,39 4,7 4,7 2,74 3,82 4,56 2004 4,56 4,15 3,35 3,17 3,85 2,8 2005 5,23 4,41 3,65 2,66 3,92 3,67

Fonte: Datasus

3.3 Renda Per Capita dos Estados

ANO RS - per capita

SC - per capita

PR - per capita

MS - per capita

RO - per capita

GO - per capita

1997 6991 6210 5707 4656 3200 3385

1998 7052 6224 6063 4964 3452 3609

1999 7467 6745 6513 5309 3694 3639

2000 8341 7902 6882 5697 4065 4316

2001 9070 8816 7230 6850 5329 5864

2002 9862 9920 8420 8245 5886 7132

2003 11741 11764 10935 10347 6594 7936

2004 12850 13403 13079 13444 7208 8718

2005 13298 14542 12344 13365 8394 8992

Fonte IBGE A amostra acima foi escolhida com os estados brasileiros com as maiores taxas de suicídio. A relação entre óbitos masculinos e femininos aumentou no Rio Grande Do Sul e Roraima. Nos outros estados tendeu a estabilidade e sempre próximo do número de quatro óbitos masculinos para cada óbito feminino.

3.4 Por faixa etária

Faixa etária 2000 2001 2002 2003 2004 2005

1 a 4 anos 0 0 1 0 3 2 4 a 9 anos 1 4 2 6 4 2 10 a 14 anos 83 107 107 99 103 104 15 a 19 anos 525 705 646 658 640 624 20 a 29 anos 1617 1834 1869 1955 1946 1973 30 a 39 anos 1458 1581 1658 1623 1712 1791 40 a 49 anos 1245 1448 1442 1462 1459 1637 50 a 59 anos 832 957 931 982 992 1119 60 a 69 anos 539 587 549 588 600 689 70 a 79 anos 337 337 353 315 385 398 80 a 89 anos 124 149 142 148 150 188 Idade ignorada 19 29 26 25 23 23 TOTAL 6780 7738 7726 7861 8017 8550

Em números absolutos, a faixa etária de maior incidência é dos 20 a 29 anos de idade, seguida da faixa compreendida entre os 30 e 39 anos. Mostrando a importância do suicídio na população economicamente ativa.

3.5 Por raça/ cor de pele por ano

Ano do óbito

Branca Preta Amarela Parda Indígena Ignorado Total

2000 4034 361 43 1726 50 566 6780 2001 4562 404 43 2136 46 547 7738 2002 4475 393 36 2192 64 566 7726 2003 4447 439 41 2359 66 509 7861 2004 4524 407 35 2457 68 526 8017 2005 4661 456 39 2785 80 529 8550

Pessoas de pele Branca correspondem a mais de 50% dos suicídios em números absolutos. Em segundo lugar vêm as pessoas de pele parda. Existe uma indicação de que a intensidade de habitantes de cor de pele branca possa estar relacionada com maiores taxas de suicídio. Porém, o curto período da amostra apenas nos indica de forma superficial uma suposta variável. 4. ANÁLISE DE DADOS Nesta etapa do nosso trabalho, procuramos avaliar sobre 2 variáveis: Estados com maior incidência e Renda Per Capita destes mesmo Estados. 4.1 Distribuição Geral por Estado versus Per Capita

12000100008000

5,2

4,8

4,4

4,015000100005000

5,6

5,2

4,8

4,4

4,01200090006000

5,0

4,5

4,0

3,5

1200080004000

3,6

3,4

3,2

3,0

2,8

800060004000

6

5

4

3

2

800060004000

4,5

4,0

3,5

3,0

RS*RS - per capita SC*SC - per capita PR*PR - per capita

MS*MS - per capita RO*RO - per capita GO*GO - per capita

Scatterplot of RS vs RS - per cap; SC vs SC - per cap; PR vs PR - per

A distribuição por Estado nos mostra a evolução de cada. Podemos notar que o Rio Grande do Sul começou em queda e no final de 12000 houve um aumento considerável na incidência, Santa Catarina inicia a pesquisa em alta e vai diminuindo incidência com

o passar do tempo, Paraná houve um pico entre 9000 e 12000, como posterior queda, no Mato Grosso do Sul começa em alta, com posterior queda de 8000 a 12000 e com aumento, Roraima começa em alta, com pico de diminuição por pouco tempo e volta a subir progressivamente, já Goiás começa em 1995 com queda, aumento considerável entre 6000 a 8000 com posterior queda. É nítido na análise que o Estado que apresenta a maior incidência de suicídio em comparação a Renda Per capita e o tempo é o Estado do Rio Grande do Sul. 4.2 Histograma

Freq

uenc

y

5,25,04,84,64,44,24,03,8

4

3

2

1

0

6,05,65,24,84,44,03, 6

2,0

1,5

1,0

0,5

0,0

5,24,84,44,03,63,22, 8

2,0

1,5

1,0

0,5

0,0

3,8

3,6

3,4

3,2

3,0

2,8

2,6

2,4

3

2

1

0654321

3

2

1

0

4,8

4,4

4,0

3,6

3,2

2,8

4

3

2

1

0

RS SC PR

MS RO GO

RS

4,762StDev 0,5316N 9

PRMean 4,034StDev 0,5317

Mean

N 9

MSMean 3,094StDev 0,3151N 9

RO

4,509

Mean 3,6StDev 1,264N 9

GOMean 3,69StDev

StDev

0,5057N 9

0,3557N 9

SCMean

Histogram of RS; SC; PR; MS; RO; GONormal

Freq

uenc

y

1400

0

1200

0

1000

08 00

06 00

04 00

0

3

2

1

0

1500

0

1 2000

9 000

6 000

3000

3

2

1

0

1 4000

1200

0

1 0000

8 000

6000

4 000

2000

3

2

1

0

1500

0

1200

09 00

060

0 030

000

3

2

1

0

8 000

6 000

4 0 0020

00

2,0

1,5

1,0

0,5

0,0

1 0000

8 000

6000

4 0 002 00

0

3

2

1

0

R S - pe r capita S C - per capita P R - pe r capita

M S - pe r capita R O - per capita G O - per capita

RS - p er cap ita

9503S tDev 3125N 9

P R - p er cap itaM ean 8575S tDev 2818

M ean

N 9

M S - per cap itaM ean 8097S tDev 3503N 9

RO - per cap ita

9630

M ean 5314S tDev 1843N 9

G O - per cap itaM ean 5955S tDev

S tDev

2300N 9

2465N 9

SC - p er cap itaM ean

Histogram of RS - per cap; S C - per cap; PR - per cap; ...Normal

Nos 2 histogramas geral por Estados e por Per Capita, há distribuições normais, mas ao observarmos os Estados Roraima apresenta em sua curva maior pico, apesar do

histograma no período de seu pico permanecer estável, sem outlier, já os demais ao longo de sua distribuição possui alguns pontos de outlier. 4.3 Sumários 4.3.1 Por Estado

5,25,04,84,64,44,24,0

Median

Mean

4,84,74,64,54,44,34,2

A nderson-Darling Normality Test

V ariance 0,1265Skewness 1,16725Kurtosis 1,10339N 9

Minimum 4,0800

A -Squared

1st Q uartile 4,2850Median 4,39003rd Q uartile 4,7350Maximum 5,2300

95% C onfidence Interv al for Mean

4,2355

0,50

4,7823

95% C onfidence Interv al for Median

4,2442 4,8302

95% C onfidence Interv al for StDev

0,2402 0,6814

P-V alue 0,152

Mean 4,5089StDev 0,3557

9 5% Confidence Intervals

Summary for RS

No Estado do Rio Grande do Sul há intervalo de 4,2 a 4,8 há aumento de sua curva com posterior queda, apresentação de outlier no ponto de 4,8 e posterior queda.

5,65,24,84,4

Median

Mean

5,45,25,04,84,64,44,2


V ariance 0,2826Skewness 0,27485Kurtosis -1,67989N 9

Minimum 4,1500

A -Squared



4,3536

0,35

5,1709


4,2142 5,3163


0,3591 1,0185

P-V alue 0,386

Mean 4,7622StDev 0,5316


Summary for SC

No caso de Santa Catarina, mesmo com um outlier entre 4,4 e 4,8, seus histogramas permanecem homogêneos.

4,84,44,03,6

Median

Mean

4,754,504,254,003,753,50



Minimum 3,3500

A -Squared



3,6258

0,33

4,4431


3,6500 4,6202


0,3591 1,0185

P-V alue 0,423

Mean 4,0344StDev 0,5317


Summary for PR

No caso do Paraná, distribuição começa heterogêneo, com surgimento de outliers em 2 pontos e posterior homogeneidade dos seus histogramas.

3,63,43,23,02,82,6

Median

Mean

3,33,23,13,02,92,82,7


V ariance 0,0993Skewness -0,21885Kurtosis -1,15824N 9

Minimum 2,6600

A -Squared



2,8522

0,44

3,3366


2,7323 3,3254


0,2128 0,6036

P-V alue 0,216

Mean 3,0944StDev 0,3151


Summary for MS

Já Mato Grosso do Sul, mesmo apresentando outlier no ponto 3,0, seus histogramas apresentaram queda após o ponto 3,2.

654321

Median

Mean

4,54,03,53,02,5


V ariance 1,5983Skewness -0,140155Kurtosis 0,247206N 9

Minimum 1,4400

A -Squared



2,6282

0,23

4,5718


2,4506 4,6380


0,8539 2,4220

P-V alue 0,736

Mean 3,6000StDev 1,2642


Summary for RO

Em Roraima no pico de sua curva apresenta heterogeneidade e quando em queda seus histogramas começa a fica homogêneos.

4,44,03,63,22,8

Median

Mean

4,24,03,83,63,43,2


V ariance 0,2557Skewness -0,023902Kurtosis 0,702834N 9

Minimum 2,8000

A -Squared



3,3013

0,25

4,0787


3,3229 4,1044


0,3416 0,9687

P-V alue 0,660

Mean 3,6900StDev 0,5057


Summary for GO

Em Goiás também em seu pico da curva, há aumento na distribuição e com o passar dos anos e diminuição da curva há queda na distribuição. 4.3.2 Estado por Renda Per Capita

13000120001100010000900080007000

Median

Mean

13000120001100010000900080007000



Minimum 6991,0

A -Squared



7735,7

0,39

11524,7


7146,6 12597,3


1664,8 4721,7

P-V alue 0,304

Mean 9630,2StDev 2464,7


Summary for RS - per capita

No Rio Grande do Sul, com o passar o tempo tem período de estabilidade com apresentação inclusive de outlier, mas no final de sua curva há surgimento de aumento em seu histograma.

15000135001200010500900075006000

Median

Mean

14000120001000080006000



Minimum 6210,0

A -Squared



7100,8

0,34

11905,0


6342,7 13029,5


2110,8 5986,8

P-V alue 0,417

Mean 9502,9StDev 3125,0


Summary for SC - per capita

120001000080006000

Median

Mean

1200011000100009000800070006000



Minimum 5707,0

A -Squared



6408,4

0,56

10741,2


6165,6 12022,9


1903,7 5399,4

P-V alue 0,105

Mean 8574,8StDev 2818,4


Summary for PR - per capita

Se visualizarmos caso de Santa Catarina e Paraná, as mesmas apresentam certa semelhança, com o passar do tempo há estabilidade na distribuição. No caso do Paraná já surgimento de 2 espaçamentos.

120001000080006000

Median

Mean

1200010000800060004000



Minimum 4656,0

A -Squared



5404,8

0,55

10790,1


5042,6 12677,2


2366,2 6711,0

P-V alue 0,110

Mean 8097,4StDev 3503,0


Summary for MS - per capita

Em Mato Grosso do Sul, mesmo com outlier começa e finaliza com alta na distribuição, mas durante todo o desenvolvimento da curva há estabilidade.

800070006000500040003000

Median

Mean

70006000500040003000



Minimum 3200,0

A -Squared



3897,2

0,29

6729,9


3507,2 7068,1


1244,6 3529,9

P-V alue 0,530

Mean 5313,6StDev 1842,5


Summary for RO - per capita

Em Roraima a distribuição permanece boa parte no decorrer do tempo em alta, quando há pico em sua curva há diminuição na distribuição, quando começa a diminuir sua curva há aumento do histograma e posterior queda.

9000800070006000500040003000

Median

Mean

9000800070006000500040003000



Minimum 3385,0

A -Squared



4186,3

0,47

7722,8


3615,8 8539,8


1553,8 4407,0

P-V alue 0,184

Mean 5954,6StDev 2300,4


Summary for GO - per capita

Goiás curva normal, mas com períodos de estabilidade, outlier e finaliza com alta na distribuição. 4.4 ANÁLISE DE TENDÊNCIA 4.4.1 Por Estado

Index

RS

987654321

5,2

5,0

4,8

4,6

4,4

4,2

4,0

Accuracy MeasuresMAPE 4,13168MAD 0,19180MSD 0,05313

VariableActualFits

Trend Analysis Plot for RSLinear Trend Model

Yt = 4,03722 + 0,0943333*t

Trend Analysis for RS Data RS

Length 9 NMissing 0 Fitted Trend Equation Yt = 4,03722 + 0,0943333*t Accuracy Measures MAPE 4,13168 MAD 0,19180 MSD 0,05313

Index

SC

987654321

5,6

5,4

5,2

5,0

4,8

4,6

4,4

4,2

4,0


VariableActualFits

Trend Analysis Plot for SCLinear Trend Model

Yt = 5,26306 - 0,100167*t

Trend Analysis for SC Data SC Length 9 NMissing 0 Fitted Trend Equation Yt = 5,26306 - 0,100167*t Accuracy Measures MAPE 7,24993 MAD 0,33922 MSD 0,18433

Index

PR

987654321

5,00

4,75

4,50

4,25

4,00

3,75

3,50


VariableActualFits

Trend Analysis Plot for PRLinear Trend Model

Yt = 4,33944 - 0,061*t

Trend Analysis for PR Data PR Length 9 NMissing 0 Fitted Trend Equation Yt = 4,33944 - 0,061*t Accuracy Measures MAPE 10,2118 MAD 0,4215 MSD 0,2264

Index

MS

987654321

3,6

3,4

3,2

3,0

2,8

2,6


VariableActualFits

Trend Analysis Plot for MSLinear Trend Model

Yt = 3,36528 - 0,0541667*t

Trend Analysis for MS Data MS Length 9 NMissing 0 Fitted Trend Equation Yt = 3,36528 - 0,0541667*t Accuracy Measures MAPE 7,79808 MAD 0,23414 MSD 0,06869

Index

RO

987654321

6

5

4

3

2

1


VariableActualFits

Trend Analysis Plot for ROLinear Trend Model

Yt = 3,9525 - 0,0705*t

Trend Analysis for RO Data RO Length 9 NMissing 0 Fitted Trend Equation Yt = 3,9525 - 0,0705*t Accuracy Measures MAPE 36,7133 MAD 0,9760 MSD 1,3876

Index

GO

987654321

4,5

4,0

3,5

3,0


VariableActualFits

Trend Analysis Plot for GOLinear Trend Model

Yt = 3,56833 + 0,0243333*t

Trend Analysis for GO Data GO Length 9 NMissing 0 Fitted Trend Equation Yt = 3,56833 + 0,0243333*t Accuracy Measures MAPE 9,68129 MAD 0,34252 MSD 0,22334 QUADRO DE RESUMO DE ANÁLISE

RS SC PR MS RO GO

MAPE 4,13168 7,24993 10,2118 7,79808 36,7133 9,68129 MAD 0,19180 0,33922 0,4215 0,23414 0,9760 0,34252 MSD 0,05313 0,18433 0,2264 0,06869 1,3876 0,22334

O modelo de tendência com menor ruído para esta análise é também o modelo do

Estado de Roraima, que apresenta margem de erro maior, mas com os demais dados em

comparação aos demais menores.Podemos notar analisando cada análise de tendências

que os Estados do Rio Grande do Sul, Roraima e Goiás, as duas mesmo apresentando

quedas consideráveis e pequenos aumento, ao longo da análise finalizam a avaliação

com aumento, os demais Estados ao longo do tempo mesmo com alguns pontos de

picos, finalizam análise com queda. Podemos concluir que há uma queda considerável

de incidência de suicídios com o passar do tempo.

4.4.2 Por Renda Per Capita por Estado

Index

RS

- pe

r ca

pita

987654321

14000

13000

12000

11000

10000

9000

8000

7000

6000

Accuracy MeasuresMAPE 5MAD 450MSD 258278

VariableActualFits

Trend Analysis Plot for RS - per capitaLinear Trend Model

Yt = 5239,31 + 878,183*t

Trend Analysis for RS - per capita Data RS - per capita Length 9 NMissing 0 Fitted Trend Equation Yt = 5239,31 + 878,183*t Accuracy Measures MAPE 5 MAD 450 MSD 258278

Index

SC -

per

cap

ita

987654321

15000

12500

10000

7500

5000


VariableActualFits

Trend Analysis Plot for SC - per capitaLinear Trend Model

Yt = 3926,14 + 1115,35*t

Trend Analysis for SC - per capita Data SC - per capita Length 9 NMissing 0 Fitted Trend Equation Yt = 3926,14 + 1115,35*t Accuracy Measures MAPE 6 MAD 533 MSD 387180

Index

PR -

per

cap

ita

987654321

13000

12000

11000

10000

9000

8000

7000

6000

5000

4000


VariableActualFits

Trend Analysis Plot for PR - per capitaLinear Trend Model

Yt = 3743,28 + 966,3*t

Trend Analysis for PR - per capita Data PR - per capita Length 9 NMissing 0 Fitted Trend Equation Yt = 3743,28 + 966,3*t Accuracy Measures MAPE 9 MAD 759 MSD 835950

Index

MS

- pe

r ca

pita

987654321

14000

12000

10000

8000

6000

4000

2000


VariableActualFits

Trend Analysis Plot for MS - per capitaLinear Trend Model

Yt = 2022,44 + 1215*t

Trend Analysis for MS - per capita Data MS - per capita Length 9 NMissing 0 Fitted Trend Equation Yt = 2022,44 + 1215*t Accuracy Measures MAPE 13 MAD 898 MSD 1066362

Index

RO

- p

er c

apit

a

987654321

9000

8000

7000

6000

5000

4000

3000

2000


VariableActualFits

Trend Analysis Plot for RO - per capitaLinear Trend Model

Yt = 2008,14 + 661,083*t

Trend Analysis for RO - per capita Data RO - per capita Length 9 NMissing 0 Fitted Trend Equation Yt = 2008,14 + 661,083*t Accuracy Measures MAPE 6 MAD 245 MSD 104224

Index

GO -

per

cap

ita

987654321

10000

9000

8000

7000

6000

5000

4000

3000

2000


VariableActualFits

Trend Analysis Plot for GO - per capitaLinear Trend Model

Yt = 1857,47 + 819,417*t

Trend Analysis for GO - per capita Data GO - per capita Length 9 NMissing 0 Fitted Trend Equation Yt = 1857,47 + 819,417*t Accuracy Measures MAPE 9 MAD 406 MSD 227520

RS SC PR MS RO GO

MAPE 5 6 9 13 6 9 MAD 450 533 759 898 245 406 MSD 258278 387180 835950 1066362 104224 227520

O modelo de tendência com menor ruído para esta análise é também o modelo do

Estado de Roraima, já Mato Grosso do Sul é o que apresenta margem de erro maior,

mas com os demais dados em comparação aos demais menores.Podemos notar

analisando cada análise de tendências que os Estados do Rio Grande do Sul,Santa

Catarina e Roraima , ao longo da avaliação apresentaram momentos de quedas as duas

mesmo apresentando quedas consideráveis e pequenos aumento, ao longo da análise

finalizam a avaliação com aumento, os demais Estados ao longo do tempo mesmo com

alguns pontos de picos, finalizam análise com queda. Podemos concluir que há uma

queda considerável de incidência de suicídios com o passar do tempo.

4.5 COMPONENTES PRINCIPAIS

4.5.1 Por Estado

Principal Component Analysis: RS; SC; PR; MS; RO; GO Eigenanalysis of the Correlation Matrix Eigenvalue 2,1843 1,6649 1,0089 0,5278 0,5019 0,1122 Proportion 0,364 0,277 0,168 0,088 0,084 0,019 Cumulative 0,364 0,642 0,810 0,898 0,981 1,000 Variable PC1 PC2 PC3 PC4 PC5 PC6 RS 0,198 0,239 -0,850 -0,060 0,421 -0,025 SC -0,589 -0,283 -0,201 0,110 0,089 0,716 PR -0,129 -0,650 -0,083 -0,664 0,148 -0,303 MS -0,550 0,176 0,219 0,242 0,609 -0,434 RO -0,513 0,181 -0,378 -0,002 -0,648 -0,377 GO 0,176 -0,614 -0,198 0,697 -0,050 -0,254

First Component

Seco

nd C

ompo

nent

210-1-2-3

3

2

1

0

-1

-2

Score Plot of RS; ...; GO

First Component

Seco

nd C

ompo

nent

0,20,10,0-0,1-0,2-0,3-0,4-0,5-0,6

0,2

0,1

0,0

-0,1

-0,2

-0,3

-0,4

-0,5

-0,6

-0,7

GO

ROMS

PR

SC

RS

Loading Plot of RS; ...; GO

Component Number

Eige

nval

ue

654321

2,0

1,5

1,0

0,5

0,0

Scree Plot of RS; ...; GO

O Eigenvalue é de 2,1843 o alto grau de confiabilidade do primeiro componente. A Proportion de 0,364 mostra que o primeiro componente representa 36% do indicador. No primeiro componente a variável que tem mais representatividade é a RS com 0,198.

4.5.2 Por Renda Per Capita Principal Component Analysis: RS - per cap; SC - per cap; PR - per cap; MS - pe Eigenanalysis of the Correlation Matrix Eigenvalue 5,8908 0,0787 0,0205 0,0080 0,0018 0,0002 Proportion 0,982 0,013 0,003 0,001 0,000 0,000 Cumulative 0,982 0,995 0,998 1,000 1,000 1,000 Variable PC1 PC2 PC3 PC4 PC5 PC6 RS - per capita -0,411 0,040 0,062 -0,613 0,035 0,669 SC - per capita -0,411 -0,051 0,407 -0,294 -0,546 -0,527 PR - per capita -0,405 0,615 -0,251 -0,103 0,486 -0,383 MS - per capita -0,409 0,372 0,105 0,668 -0,343 0,346 RO - per capita -0,407 -0,512 0,427 0,275 0,559 -0,036 GO - per capita -0,406 -0,465 -0,758 0,074 -0,183 -0,074

First Component

Seco

nd C

ompo

nent

3210-1-2-3-4

0,50

0,25

0,00

-0,25

-0,50

Score Plot of RS - per capita; ...; GO - per capita

First Component

Seco

nd C

ompo

nent

0,0-0,1-0,2-0,3-0,4

0,75

0,50

0,25

0,00

-0,25

-0,50GO - per capitaRO - per capita

MS - per capita

PR - per capita

SC - per capita

RS - per capita

Loading Plot of RS - per capita; ...; GO - per capita

Component Number

Eige

nval

ue

654321

6

5

4

3

2

1

0

Scree Plot of RS - per capita; ...; GO - per capita

O Eigenvalue é de 5,8998 o alto grau de confiabilidade do primeiro componente. A Proportion de 0,982 mostra que o primeiro componente representa 98% do indicador. No primeiro componente a variável que tem mais representatividade é a RS e SC com -0,411.Nos mostra certo equilíbrio. 4.6 ANOVA E BOXPLOT

Dat

a

GOROMSPRSCRS

6

5

4

3

2

1

Boxplot of RS; SC; PR; MS; RO; GO

Dat

a

GO - per capitaRO - per capitaMS - per capitaPR - per capitaSC - per capitaRS - per capita

16000

14000

12000

10000

8000

6000

4000

2000

Boxplot of RS - per cap; SC - per cap; PR - per cap; MS - per cap; ...

Podemos notar que não nenhuma similaridade entre os Estados, no qual notamos que apresentar maior representatividade o Rio Grande do Sul em comparação da Renda Per Capita. Sendo que Roraima apresenta nível mais baixo.

4.7 DISTRIBUIÇÃO DE AMOSTRA Correlations: RS; SC; PR; MS; RO; GO; RS - per cap; SC - per cap; ... RS SC PR MS SC -0,181 0,641 PR -0,189 0,433 0,625 0,244 MS -0,233 0,587 -0,078 0,546 0,097 0,842 RO 0,039 0,593 -0,054 0,406 0,921 0,093 0,891 0,278 GO -0,030 0,121 0,392 -0,350 0,939 0,757 0,297 0,357 RS - per cap 0,671 -0,542 -0,347 -0,469 0,048 0,132 0,360 0,203 SC - per cap 0,706 -0,541 -0,374 -0,466 0,034 0,132 0,321 0,206 PR - per cap 0,573 -0,576 -0,356 -0,476 0,107 0,105 0,347 0,195 MS - per cap 0,641 -0,601 -0,395 -0,467 0,063 0,087 0,293 0,205 RO - per cap 0,758 -0,569 -0,330 -0,491 0,018 0,110 0,386 0,180 GO - per cap 0,662 -0,609 -0,343 -0,443 0,052 0,082 0,366 0,233 RO GO RS - per cap SC - per cap GO -0,281 0,465 RS - per cap -0,023 0,034 0,954 0,931 SC - per cap -0,026 0,021 0,998 0,947 0,957 0,000 PR - per cap -0,012 -0,067 0,985 0,977 0,976 0,864 0,000 0,000 MS - per cap -0,035 -0,091 0,989 0,988 0,930 0,815 0,000 0,000 RO - per cap -0,116 0,080 0,983 0,989 0,767 0,838 0,000 0,000 GO - per cap -0,152 0,101 0,981 0,979 0,696 0,796 0,000 0,000 PR - per cap MS - per cap RO - per cap MS - per cap 0,993 0,000 RO - per cap 0,945 0,967

0,000 0,000 GO - per cap 0,951 0,963 0,985 0,000 0,000 0,000 Cell Contents: Pearson correlation P-Value

Dat

a

GOROMSPRSCRS

6

5

4

3

2

1

Individual Value Plot of RS; SC; PR; MS; RO; GO

Dat

a

GO - per capitaRO - per capitaMS - per capitaPR - per capitaSC - per capitaRS - per capita

16000

14000

12000

10000

8000

6000

4000

2000

Individual Value Plot of RS - per cap; SC - per cap; PR - per cap; ...

De acordo com as duas análises tanto por Estado e Per Capita o que apresenta nível mais baixo é Roraima e seguido de Goiás. Sendo que o Rio Grande de Sul apresenta similaridade nos 2 demonstrativo Individual Value Plot. 4.8 DENDOGRAMA

Variables

Sim

ilari

ty

GOPRMSROSCRS

51,95

67,96

83,98

100,00

Dendrogram with Single Linkage and Correlation Coefficient Distance

Variables

Sim

ilari

ty

GO - per capitaMS - per capitaPR - per capitaRO - per capitaSC - per capitaRS - per capita

99,24

99,49

99,75

100,00

Dendrogram with Single Linkage and Correlation Coefficient Distance

Podemos notar que os Estados com consideráveis índices são Rio Grande do Sul, Roraima e Goiás que apresentam variáveis adequadas para análises. Já Santa Catarina, Paraná e Mato Grosso do Sul, possuem similaridade na análise.

CONSIDERAÇÕES FINAIS Este trabalho de conclusão da disciplina, nos põe em questão a importância da utilização de software e análise de dados para desenvolvimento das pesquisas. Fazendo-nos pensar e fazer avaliações que põe em xeque a não somente uma primeira análise e sim, seguidas comprovações do que está sendo pesquisado. Como aconteceu com este trabalho e seus dados, que os componentes dos Indicadores que apresenta certa estabilidade e confiabilidade por não apresentar grandes alterações foram os Estados de Santa Catarina, Paraná e Mato Grosso do Sul, já nas demais variáveis apresentam oscilações, sendo assim considerados com maiores incidências de suicídio sobre a influência da Renda Per Capita são Rio Grande do Sul, Roraima e Goiás. Ainda assim podemos verificar que quanto maior o PIB maior a o número percentual de suicídios, o que nos leva a concluir que as pessoas com renda ou a classe social mais elevada são as que cometem maior numero de suicídios. Ao longo do nosso trabalho buscamos sempre comprovar que a Renda Per Capita, possui grande influência na incidência de suicídios. E para isso utilizamos as variáveis de Estados e Renda para tal comprovação, sendo os demais desnecessários para comprovação. Figura abaixo nos mostra a Renda de cada Estado, por cores e valores.

Mapa de estados do Brasil segundo o PIB per capita. Alta renda ██ + R$ 18.000 ██ + R$ 16.000 ██ + R$ 14.000

Média renda ██ + R$ 12.000 ██ + R$ 10.000 ██ + R$ 8.000

Baixa renda ██ + R$ 6.000 ██ + R$ 4.000 ██ + R$ 2.000

http://pt.wikipedia.org/wiki/Ficheiro:Brazilian_States_by_GDP_per_capita_2007.svg�

http://pt.wikipedia.org/wiki/Ficheiro:Brazilian_States_by_GDP_per_capita_2007.svg�

puc - sp · puc - sp . variÁveis sÓcio-econÔmicas . e taxa de suicÍdios no brasil. ... (2006)...

Documents