DETERMINANTES SÓCIO-ECONÔMICOS DA FERTILIDADE NO BRASIL [email protected]...

Porto Alegre, 26 a 30 de julho de 2009,

Sociedade Brasileira de Economia, Administração e Sociologia Rural

1

DETERMINANTES SÓCIO-ECONÔMICOS DA FERTILIDADE NO BR ASIL [email protected]

Apresentação Oral-Desenvolvimento Rural, Territorial e regional

ANDERSON MOREIRA ARISTIDES DOS SANTOS1; EDLER ANGELINO DE SOUSA2; CÉSAR AUGUSTO OVIEDO TEJADA3; PAULO DE ANDRADE JACINTO4.

1,2,3.UNIVERSIDADE FEDERAL DE ALAGOAS, MACEIO - AL - BRASIL; 4.PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL, PORTO

ALEGRE - RS - BRASIL.

Determinantes sócio-econômicos da fertilidade no Brasil

Grupo de Pesquisa: Desenvolvimento rural, territorial e regional.

Resumo A compreensão dos determinantes da fertilidade pode ser usada como orientação na formulação de políticas sócio-econômicas que têm como objetivo amenizar os níveis de pobreza e promover o crescimento econômico. Nos últimos 65 anos, a taxa de fecundidade no Brasil baixou de 6,2 para 2,02 no ano 2005. Diante disso pode-se perguntar: é a redução da taxa de fecundidade no Brasil um resultado consciente e deliberado de uma ação proposital? Em caso afirmativo, quais as implicações e soluções para os resultados encontrados? Assim, o presente trabalho tem como objetivo apresentar uma análise econômica dos determinantes da fertilidade individual no Brasil, a partir do uso de micro-dados a nível municipal do PNUD/IPEA aplicando um modelo de Regressão Quantílica para verificar os principais determinantes sócio-econômicos da fertilidade. Os principais achados são que aumentos na renda domiciliar per capita e na urbanização contribuem para a redução da taxa de fecundidade total. Palavras-chave: fertilidade, desenvolvimento econômico, regressão quantílica. Abstract Understanding the determinants of fertility can be used as guidance in the formulation of socio-economic policies that are designed to minimize the levels of poverty and promote economic growth. In the last 65 years, the fertility rate in Brazil fell from 6.2 to 2.02 in 2005. In this you can ask: is the reduction in fertility in Brazil a result of a conscious and deliberate purposeful action? If so, what are the implications and solutions for the results? Thus, this paper aims to present an economic analysis of individual determinants of fertility in Brazil, from the use of micro-data at the municipal level of the PNUD / IPEA applying a quantile regression model to verify the key socio-economic determinants of fertility. The main findings are that increases in income per capita and urbanization contribute to the reduction in total fertility.



2

Key Words: fertility, economic development, quantile regression.

1. INTRODUÇÃO

O crescimento populacional é claramente um assunto importante no desenvolvimento econômico de longo prazo de um país ou no mundo com um todo. Fica evidente que o desenho efetivo e eficiente de políticas que visem diminuir os níveis de pobreza e desigualdade passa pelo conhecimento dos determinantes da fertilidade.

A teoria econômica da fertilidade assume que os pais têm o número de filhos que desejam e que essa decisão é uma escolha racional. Esta escolha estaria condicionada à maximização da satisfação dos pais. Diante disso, como a economia pode contribuir para o entendimento da fertilidade em comparação com a demografia ou a sociologia? Quais são os fatores que influenciam o tamanho de uma família?

Segundo Becker (1960) a demanda por crianças é uma demanda dos pais por um fluxo de serviços que as crianças produzem para eles ao longo do tempo. Este fluxo de serviços pode ser grande ou pequeno, dependendo da qualidade destas crianças. Os pais reduzem o tamanho de sua prole para dar maior atenção na qualidade de seus filhos. Por isso há um trade-off entre a quantidade e qualidade das crianças. Essa qualidade refere-se às características das crianças que entram na função utilidade (satisfação) dos pais e que tem sido mensurada empiricamente pela educação, rendimento ou saúde.

Geralmente as famílias rurais têm mais filhos que as famílias urbanas. Isto pode ser explicado porque o custo de se ter uma criança adicional no meio rural é menor que no meio urbano. As sociedades agrícolas tradicionais investem menos em suas crianças e estas últimas podem gerar um fluxo de renda mais cedo se comparadas às crianças das zonas urbanas, ajudando nas tarefas agrícolas.

No Brasil, a taxa de fecundidade nos últimos 65 anos apresentou uma queda significativa. Em 1940 essa taxa correspondia a 6,2, enquanto em 2005 ela atingiu 2,2, perfazendo uma queda de 64,52%. Uma das razões que tem levado a essa queda, de acordo com a literatura sobre o tema, é a crescente participação da mulher no mercado de trabalho. Estudos como os de Pazello e Fernandes (2004) apontaram a existência de um impacto negativo da maternidade sobre a força de trabalho feminina no mercado de trabalho.

Um modo de estudar o comportamento do crescimento populacional é entendendo os determinantes da taxa de fertilidade. A compreensão destes determinantes poderia então ser usada como orientação na formulação de políticas sócio-econômicas que têm como objetivo amenizar a pobreza. Assim, o presente trabalho tem como objetivo apresentar uma análise econômica dos determinantes da fertilidade individual no Brasil, a partir do uso de micro-dados a nível municipal do PNUD/IPEA aplicando um modelo de regressão Quantílica para verificar os principais determinantes socioeconômicos da fertilidade. Para tanto, além dessa introdução, este trabalho está dividido em mais 4 partes. A segunda seção



3

faz uma descrição da teoria econômica da fertilidade. Na terceira seção apresentam-se o modelo econométrico e a metodologia utilizada na estimação dos determinantes sócio-econômicos da fertilidade. Na quarta é realizada uma análise descritiva dos dados e a análise de regressão e por fim, na quinta seção são expostas as considerações finais.

2. O QUE A TEORIA ECONÔMICA TEM A DIZER SOBRE A FER TILIDADE As primeiras tentativas de modelar o comportamento dos pais em relação à fertilidade são de Thomas Malthus em 1798. O pensamento malthusiano está baseado na hipótese que existe uma correlação positiva entre renda e a fecundidade. No entanto, mais recentemente os fatos vieram contradizer as conclusões apresentadas por esse modelo. A análise do comportamento da fertilidade essencialmente desapareceu dos modelos econômicos até 1960, quando Gary Becker começou a publicar uma série de trabalhos que reintroduziram a decisão da fecundidade na análise econômica. No modelo de Becker a demanda por crianças é uma demanda dos pais por um fluxo de serviços que as crianças produzem para eles ao longo do tempo. Dessa forma, a utilidade dos pais depende não só da quantidade de crianças, mas também da qualidade dessas crianças, porque se espera que uma qualidade maior das crianças possa trazer mais fluxos de serviços para os pais. E por isso a interação entre a quantidade e qualidade pode explicar porque grandes declínios na fecundidade estão associados com grandes aumentos na educação, saúde e outras medidas de qualidade das crianças. O trabalho de Becker generalizou a estrutura malthusiana salientando que a fecundidade responde não somente a mudanças na renda, mas também a mudanças nos preços relativos de se ter uma criança adicional. Becker assume em seu modelo que cada família tem o controle perfeito tanto sobre o número como o espaçamento dos seus nascimentos. Tais como um bem de consumo durável, as crianças geram utilidade. Por isso, a versão mais simples do modelo de Becker para a fertilidade, na qual gera o efeito renda de Mathus, bem como o efeito preço, supõe que as famílias escolhem entre o número de filhos e a quantidade de bens que consomem. A função utilidade é dada por:

U = U(N,X) (1)

Em que N é o número de filhos na família e X representa todos os outros bens consumidos pela família. N e X são “bens” na função de utilidade das famílias. Dessa forma, nessa versão do modelo de Becker, as famílias preferem ter mais crianças e mais bens de consumo de tal forma que a curva de indiferença entre N e X possui o formato usual, ou seja, convexa. Entretanto, as atividades de consumo da família são restringidas por suas rendas Y, de tal forma que a restrição orçamentária é dada por:

Y = pnN + pxX (2)



4

Em que pn é o preço de um filho adicional (seria como o custo de manutenção de um filho) e px é o preço da cesta de todos os outros bens consumidos. Admite-se que as famílias podem ter a quantidade de crianças ou comprar a quantidade de bens que desejam aos preços dados. Cabe ressaltar que os custos e manutenção de uma criança são significativos, pois além dos pais terem que fornecer as “condições de vida” em termos de roupas, comida, educação entre outras necessidades que podem ser vistas como custos diretos, o preço de uma criança inclui o tempo que os pais dedicam a sua criação e, que no caso da mulher, afeta diretamente a oferta de horas no mercado de trabalho.

A relação explícita entre quantidade e qualidade e seus efeitos na demanda por crianças surgem com a modelagem proposta pelo artigo de Becker e Lewis (1973). Neste modelo, os pais importam-se não somente com o número de crianças, mas com a qualidade destas também. As famílias maximizam a seguinte função utilidade:

U = U(n, q, X) ( 3 )

Onde n é a quantidade de crianças, q é a qualidade e X representa um vetor de outros bens. Cada família enfrentaria a seguinte restrição orçamentária (R):

R = pcqn + pxX ( 4 )

Em que R é a renda, pc representa o custo constante de uma unidade da qualidade da criança e px é o preço dos outros bens, X, e q é a qualidade total de cada criança.

O termo pcqn representa a quantidade total de qualidade gasta em todas as crianças "produzidas" na família. Esta restrição orçamentária é não-linear porque o relacionamento entre a quantidade (n) e a qualidade (q) que entram na função de utilidade é multiplicativa, como é ilustrada conforme a Figura 1.

Com base em (3) e (4) podemos estabelecer o problema de maximização como:

Max U(n, q, X) ( 5 ) s.a. R = pcqn + pxX

As condições de primeira ordem são:

∂U/∂n = UMGn = λpcq= λpx

∂U/∂q = UMGq = λpcn = λpq ( 6 ) ∂U/∂X = UMGx = λpx

Em que λ é a utilidade marginal (UMG) da renda; pq = pcn é o preço sombra da qualidade e pode ser interpretado como o custo de aumentar a qualidade, ao passo que o px = pcq é preço sombra da quantidade e sugere o custo de aumentar a quantidade. Todavia ao aumentar a quantidade, o preço da qualidade aumenta e vice-versa. Por isso crianças com alta qualidade demandam um custo mais elevado por que requer mais tempo e renda. Isto implica que a quantidade e qualidade são determinadas de forma simultânea. Da equação (6) podemos escrever a função de demanda implícita por quantidade de crianças (n) e qualidade (q) como:



5

n = dn(pc , pq , px , B) ( 7 ) q = dq(pc , pq , px , B) ( 8 )

Em que pc, pq, px são os preços sombras e B é a renda sombra. Um aumento na qualidade da criança (q) eleva o preço sombra das crianças e diminui a (n) demanda. Por outro lado, uma queda na qualidade reduz o preço sombra e aumenta a quantidade (n) demandada de crianças.

Figura 1: Decisão da fertilidade das famílias

Uma conseqüência deste modelo é que pais que possuem um nível mais elevado de escolaridade tendem a ter mais acesso a recursos para seus filhos. Por isso, quanto maior o nível de escolaridade dos pais menor será o preço da qualidade da criança (pc), levando a ter uma maior demanda por qualidade. O aumento dessa demanda, por sua vez eleva o custo adicional de mais uma criança e assim, a quantidade demandada de crianças cai.

A Figura 1, acima, mostra como se dá o equilíbrio para uma solução interior do problema de maximização em que na posição denotada por “a” só é possível se n e q não forem substitutos próximos. Caso isso não ocorra, a inclinação da função de utilidade se aproximaria da de restrição orçamentária e o resultado seria uma solução de canto.

Essa extensão do modelo proposta por Becker e Lewis tem sido alvo de inúmeros estudos cujo objetivo é verificar a existência desse trade-off entre quantidade e qualidade. Porém o maior problema se apresenta quando se escolhe a proxy para a qualidade da criança. Por exemplo, no estudo de Ribero (2000) que investigou a interação da quantidade-qualidade na Colômbia, foi usado a escolaridade da criança como proxy para a qualidade. Como esperado, há um relacionamento inverso significativo entre a qualidade de crianças e a escolaridade média da criança. No estudo de Gajigo (2003) se utilizou a vacinação como uma medida do investimento na saúde da criança para explorar o efeito da interação quantidade-qualidade das crianças na Costa do Marfim. Segundo ele os benefícios destas vacinações vão além dos benefícios imediatos da saúde, desde que resultam não somente na prevenção de milhares de mortes, mas livram também, acima de tudo, os recursos valiosos e limitados geralmente dedicados aos cuidados com os doentes. De acordo com o modelo estimado,



6

um investimento mais elevado na saúde da criança (na forma de vacinação) tem um efeito negativo na quantidade de crianças nascidas. Alfonso (2000) estendeu um modelo de micro dados (base de informação é a família) da fecundidade para dados agregados em cross-section para os países latinos americanos e a região do Caribe, para avaliar diferenças estruturais. Duas especificações foram apresentadas, de acordo com a suposição feita sobre a mortalidade infantil de exogeneidade ou endogeneidade, e nenhuma sustentação estatística foi encontrada para tratar a mortalidade infantil, no nível do país, como endógena.

Por fim, Adsera (2005) investigou as diferenças na fertilidade desejada e atual na Espanha. Seus principais achados são que as mulheres que enfrentam altas taxas de desemprego tendem a restringir a fertilidade a baixo do nível “ideal”, e que a estabilidade de um trabalho no setor público minora as dificuldades do balanceamento entre trabalho e família e de alcançar a fertilidade preferida.

Apesar da relevância em se verificar a interação entre qualidade e quantidade, a preocupação do presente trabalho está em verificar quais os determinantes sócio-econômicos da fertilidade. A seguir inicia-se a modelagem da fertilidade, apresentando-se o modelo econométrico como também a metodologia de estimação dos determinantes da fertilidade.

3. MODELANDO A FERTILIDADE 3.1 Modelo econométrico

A literatura empírica sobre a fertilidade considera que o número de crianças ou a fertilidade numa família é modelado como uma função de variáveis econômicas e sociais, como por exemplo, o nível de educação da esposa e a renda da família. Contudo, em alguns trabalhos, observa-se que entre os determinantes básicos do comportamento da fertilidade incluem-se condições sócio-econômicas tais como, a educação, urbanização, fatores culturais como etnia e religião e fatores genéticos. De qualquer forma, esses determinantes influenciam a fertilidade através do seu impacto sobre a demanda por criança e ou, sobre os custos da regulação da fertilidade1.

O modelo estimado será uma equação na forma reduzida e segue a abordagem proposta por Winklemann e Zimmermann (1994), na qual será empregada a estimação de um modelo de regressão quantílica para os determinantes da fertilidade, tendo em vista que o uso de Mínimos quadrados Ordinários (MQO) apresenta estimadores inconsistentes de β e fornecem uma matriz de variância assintoticamente errada.

A teoria econômica da fertilidade assume que os pais têm o número de filhos que desejam e que essa decisão é uma escolha racional. Os pais têm controle total sobre a

1 Com base nos modelos teóricos sobre a transição demográfica, buscam-se quais as variáveis relevantes para a queda da fecundidade no Brasil. Os estudos que discutem as causas deste declínio (Merrick, Berquó 1983; Carvalho, Paiva, Sawyer 1981; Paiva 1985; Faria 1989; Alves 1994; Faria, Potter 1994) mostram que ele é o resultado da interação de um conjunto complexo de transformações de natureza econômica, social e institucional (Sartoris e Souza 2004).



7

fertilidade desejada2. Esta hipótese parece bastante realista, uma vez que mesmo em sociedades atrasadas, com desconhecimento de técnicas anticoncepcionais, é possível aos pais limitarem o tamanho de sua prole através de abstinência sexual ou aborto.

Considerando que a demanda por filho, ao nível da família, é afetada por uma série de fatores sócio-econômicos, tais como a renda da família, experiência sobre a mortalidade infantil e o nível de capital humano da família. A taxa de fertilidade a nível macro pode ser modelada como:

F = Cβ11 + Y β12 + MI β13 + W β14 + CMβ15 + ε (9)

Onde F denota um vetor da taxa de fecundidade total. C é um vetor de 1s (uns); Y representa a renda; MI é um vetor da taxa de mortalidade infantil; W é um vetor com características das mulheres e CM é um vetor com as características dos municípios do Brasil.

No nível das famílias, a renda por adulto pode ter efeitos positivos ou negativos sobre a fertilidade, mas no nível agregado, espera-se que a fertilidade diminua enquanto a renda domiciliar per capita aumente.

Com relação à mortalidade infantil, trata-se de uma variável que merece muita atenção na análise dos determinantes sócio-econômicos da fertilidade. Não é surpresa que na grande maioria dos estudos ela tem sido tratada separadamente. Essa forma de proceder tem levado à diferentes especificações para a equação de fertilidade. Apenas para dar um exemplo, numa delas, ela pode ser considerada uma variável exógena, ao passo que em outras, a especificação mais recomendada é assumi-la como sendo uma variável endógena, i.e. determinada endogenamente no modelo estimado. Nesse caso, por meio de variáveis instrumentais. Independente da forma como ela entra na especificação empregada, exogenamente ou endogenamente, espera-se que a mortalidade infantil venha apresentar uma relação positiva com a fertilidade. Essa relação pode ser explicada em grande parte por um comportamento pós-perda de filhos, no qual leva os pais a desejarem mais filhos, resultando num aumento da fertilidade. É num comportamento segundo o qual os pais visam antecipar, se resguardar, a perda de filhos, em que a escolha deles em relação ao o número de filhos levam em conta um nível de mortalidade infantil esperado.

A proxy utilizada para caracterizar as mulheres é adolescentes com filhos. O Atlas do Desenvolvimento Humano não trás informações sobre o nível de instrução das mulheres, taxa de participação no mercado de trabalho ou a expectativa de vida das mulheres, que mediria o investimento em capital humano. A utilização desta variável se deve ao aumento expressivo da gravidez precoce nos últimos anos. Segundo dados do Atlas, a gravidez entre jovens de 15 a 17 anos de idade passou de 5,82% para 8,45% entre 1991 e 2000. Este aumento se materializa num aumento de risco da saúde das mães e das crianças, além de trazer incertezas sobre o futuro sócio-econômico destas famílias. Para as características dos municípios a proxy escolhida é população urbana, como uma maneira de se medir o impacto da urbanização sobre a fertilidade. As crianças que

2 Sartoris e Souza (2004) explicam que para a grande maioria dos pais, a criança é fonte de “renda” psicológica e, em muitos casos, mesmo de renda monetária. Desta forma, pode ser tratada, do ponto de vista da Teoria Econômica, como um bem de produção.



8

moram na zona rural podem ajudar nas tarefas agrícolas e isto reduz seu custo e aumenta a quantidade demandada por crianças. Inversamente, as crianças que vivem nas cidades demoram mais para gerar fluxos de bens e serviços aumentando seu custo e reduzindo a demanda por crianças.

3.2 METODOLOGIA DE ESTIMAÇÃO

A escolha das variáveis a serem incluídas no modelo econométrico para estimar os determinantes sócio-econômicos da fertilidade é feita à luz da teoria econômica da fertilidade. Entretanto, vale salientar que a estimação da equação (9) para municípios por MQO pode gerar problemas que podem ser sanados com a utilização de regressões quantílicas. Por exemplo, Bernard e Durlauf (1996) mostram que o método de MQO estima um mesmo coeficiente para todas as economias, o que certamente é uma hipótese pouco verossímil de ocorrer e que limita muito as análises que podem ser feitas. Já a utilização de regressão quantílica ao invés de apresentar apenas um parâmetro estimado, uma média condicional, apresenta um grupo de parâmetros a serem estimados em cada quantil, refletindo um comportamento diferente em cada parte da distribuição condicional. Esta variabilidade dos parâmetros gera um número maior de informações para serem analisadas, o que, de certa forma, enriquece a análise. No modelo a ser estimado, representado pela equação (9), é possível a estimação dos diferentes impactos das variáveis explicativas para cada quantil da distribuição condicional.

A regressão quantílica também apresenta a solução para outro problema destacado pelos autores, a falácia de Galton3. Pois, diferentemente do método de MQO a regressão quantílica não representa a média da distribuição das observações, pois, permite estimar os parâmetros em um intervalo contínuo entre zero e um. Além disso, a regressão quantílica permite lidar melhor com observações discrepantes e problemas de heterocedastidade, problemas estes comuns no caso de trabalhos com dados municipais. A presença de observações discrepantes pode invalidar a suposição clássica de normalidade dos resíduos e a presença de heterocedasticidade pode implicar em uma matriz de covariâncias sem a diagonal principal constante. Nestes casos, as estimações por MQO podem ser muito ineficientes. A regressão quantílica, por sua vez, é conhecida pela sua baixa sensibilidade a presença de observações discrepantes e pela robustez de suas estimativas, mesmo quando a distribuição em pouco se assemelha com uma distribuição normal.

Além disso, não há a necessidade da suposição de os erros distribuírem-se normalmente com média zero e variância constante (homocedasticidade) como no MQO.

O modelo estimado nesta monografia segue um modelo de regressão linear com dados cross-section do tipo:

3 Galton avaliou a altura dos pais contra a altura dos filhos. O resultado de sua investigação é que filhos de pais altos tendem a ser altos, mas menores que seus pais, e que filhos de pais baixos tendem a ser também baixos, mas maiores que seus pais e, desta forma, a altura da população tenderia a convergir para a média. A falácia ocorre porque a seleção de observações tomando seus extremos levaria naturalmente a essa tendência.



9

iii xy εβ += ', para i=1,...,n e τ [0,1] (6)

onde yi é a variável dependente, 'ix é uma matriz nxk de variáveis covariadas, β é o vetor

kx1 de parâmetros a serem estimados, ε é o erro com uma distribuição que não necessariamente é conhecida e τ é o coeficiente do τ-ésimo quantil condicional de y dado x. Assim, a estimação do vetor de parâmetros pela regressão quantílica no intervalo 0<τ<1 podem ser obtidos fazendo a minimização da seguinte função:

{ } ( ){ }[ ]∑∑ <∈≥∈ℜ∈−−+−

βββ βτβτiiii

K xyii iixyii ii xyxy::

1min . (7) Esta função objetivo4 é a soma ponderada dos desvios absolutos, que pode ser

interpretada como uma função de penalidade linear assimétrica. Os parâmetros estimados neste problema de minimização são consistentes e assintóticamente normais sob hipóteses adicionais de regularidade (Buchinsky, 1998). A interpretação dos parâmetros estimados em cada quantil pode ser feita da seguinte maneira: representam o impacto marginal no τ-ésimo quantil condicional devido a uma mudança no i-ésimo elemento de x. Neste trabalho, será estimada a equação (9), com a utilização desta metodologia. Nas próximas seções apresentam-se os dados utilizados, os resultados obtidos e suas interpretações.

4. ANÁLISE DOS RESULTADOS

4.1 ANÁLISE DESCRITIVA A análise a ser realizada a seguir explora a base de dados construída a partir das

informações do Atlas de Desenvolvimento Humano disponibilizada pelo IPEA/PNUD. Essas informações estão em nível de municípios para os anos de 1991 e 2000, o que permite uma análise desagregada em dois pontos no tempo dando uma idéia da evolução da fertilidade e dos seus determinantes sócio-econômicos.

A tabela 1 contém informações sobre a taxa de fecundidade total para o Brasil e grandes regiões. Pela tabela percebe-se que nos últimos anos o Brasil vem apresentando quedas na taxa de fecundidade, visto que de acordo com os dados a taxa de fecundidade no período apresentou-se com taxas decrescentes de 6,2 em 1940 para 2,02 em 2005. E ainda de acordo com esses dados, observa-se no período um declínio nas taxas de fecundidade total, com maior intensidade nas regiões Norte e Nordeste, que entraram mais tardiamente no processo de transição demográfica, uma vez que de acordo com os dados do IBGE (1991), apenas na região Norte as mulheres têm em média mais de três filhos ao final do seu período reprodutivo.

4 A equação (7) também pode ser expressa como: ∑=

−n

iixy

n 1

))((1

min βθρ em queρ é uma

função check definida por:

<−≥

0,)1(

0,)(

zz

zz

θθ

θρ , cujas soluções k-dimensionais foram definidas por

Koenker e Basset (1978) como quantis de regressão, denotados por β(θ).



10

Embora essas baixas taxas de fecundidade venham sendo resultado, entre outras coisas, do aumento da oferta da mão-de-obra feminina no mercado de trabalho e da relação negativa entre transição demográfica e produto, outras causas têm sido analisadas como forma de dar uma maior sustentação a esses argumentos5.

Tabela 1 - Taxas de Fecundidade Total para o Brasil e Grandes Regiões.

1940 1950 1960 1970 1980 1991 2000 2005* Norte 7,2 8 8,6 8,2 6,4 4,2 3,2 2,45

Nordeste 7,2 7,5 7,4 7,5 6,2 3,7 2,6 2,24

Sudeste 5,7 5,5 6,3 4,6 3,5 2,4 2,1 1,86

Sul 5,7 5,7 5,9 5,4 3,6 2,5 2,2 1,77

Centro-oeste 6,4 6,9 6,7 6,4 4,5 2,7 2,2 2,00

Brasil 6,2 6,2 6,3 5,8 4,4 2,9 2,3 2,02

Fonte: IBGE, Censos Demográficos. * IBGE, publicação Projeto UNFPA.

Em relação à distribuição da fecundidade segundo a escolaridade das mulheres,

enquanto entre as mulheres sem instrução ou com menos de um ano de estudo, a taxa de fecundidade era de 4,1 filhos por mulher, entre as que tinham 11 anos ou mais de estudo, a taxa ficou abaixo de 1,5 filho por mulher no ano 2000, conforme pode ser visto na tabela 2.

Tabela 2 – Taxa de fecundidade total segundo as classes de anos de estudo das mulheres. Brasil e Grandes Regiões, 1991/2000.

5 A maioria dos pesquisadores considera que a crescente urbanização e industrialização no País, o ingresso maciço da mulher no mercado de trabalho, juntamente com o aumento no nível de escolaridade feminina, com as transformações nas formas de organização da produção e o acesso aos novos métodos contraceptivos, são os principais determinantes da redução da fecundidade.



11

Fonte: Censo Demográfico 1991/2000. IBGE. Na tabela 3 têm-se informações do comportamento do padrão etário da fecundidade

para grupos de idade de mulheres no período fértil (entre 15 e 49 anos). Nos últimos 15 anos, a idade média da fecundidade para as brasileiras diminui de 26,78 em 1991 para 25,11 no ano 2005. Um dado interessante é que se mantidos os padrões reprodutivos observados, a fecundidade feminina tenderá para uma estrutura por idade cada vez mais concentrada nas idades jovens.

Juntado as informações das tabelas 2 e 3 conclui-se que a média de idade da fecundidade se torna mais tardia com o aumento da escolaridade, apesar de o Brasil ainda ter um padrão etário da fecundidade predominantemente jovem.

Tabela 3 – Taxas específicas de fecundidade para o Brasil. “Grupos de Idade das mulheres” 1991 1995 2000 2005

15 a 19 0,0881 0,0887 0,0893 0,0829 20 a 24 0,1628 0,1555 0,1399 0,1292 25 a 29 0,1428 0,1339 0,1173 0,099 30 a 34 0,0953 0,0885 0,077 0,0565 35 a 39 0,057 0,0509 0,0417 0,0275 40 a 44 0,0264 0,0218 0,0139 0,0085 45 a 49 0,0063 0,0049 0,0022 0,0012

Idade Média da Fecundidade 26,78 26,47 25,88 25,11 Taxa de Fecundidade Total 2,89 2,72 2,41 2,02

Fonte: IBGE/DPE/Coordenação de População e Indicadores Sociais. Projeto UNFPA/BRASIL (BRA/02/P02)

No Gráfico 1 observa-se que a fecundidade é crescente entre os 15 e 24 anos de

idade, quando a partir de então começa a declinar. Segundo estudos do IBGE, há uma tendência de aumento da fecundidade para a faixa etária de 15 e 19 anos, enquanto que

Anos censitários e classes de anos de estudo das mulheres1991

1 a 3 anos 4 a 7 anos 8 a 10 anos 11 ou mais

Brasil 5,07 4,09 3,02 2,29 1,73Norte 6,63 5,79 4,09 2,77 1,93Nordeste 5,77 4,95 3,46 2,26 1,81Sudeste 3,84 3,36 2,74 2,19 1,62Sul 3,87 3,45 2,79 2,34 1,80Centro-Oeste 4,03 3,61 2,91 2,44 1,99

2000

1 a 3 anos 4 a 7 anos 8 a 10 anos 11 ou mais

Brasil 4,12 3,62 2,97 2,22 1,48Norte 5,45 4,59 3,67 2,42 1,78Nordeste 4,32 3,81 3,00 1,92 1,50Sudeste 3,44 3,22 2,86 2,21 1,44Sul 3,62 3,43 2,86 2,28 1,46Centro-Oeste 3,58 3,16 2,83 2,27 1,53

Grandes Regioes Sem instrução e

menos de 1 ano

Sem instrução e menos de 1 ano



12

para todas as outras faixas etárias a tendência é de redução. Esse processo ocasiona a redução da idade média da fecundidade.

Gráfico 1 - Padrão Etário da Fecundidade

0

0,02

0,04

0,06

0,08

0,1

0,12

0,14

0,16

0,18

15 a 19 20 a 24 25 a 29 30 a 34 35 a 39 40 a 44 45 a 49

Grupos de idade

Fre

quên

cia

rela

tiva

1991 1995 2000 2005

Fonte: IBGE/DPE/Coordenação de População e Indicadores Sociais. Projeto UNFPA/BRASIL (BRA/02/P02). Cálculos do autor.

O cálculo do coeficiente de correlação permite ter uma boa idéia do grau de relação existente entre duas variáveis. O que pode ser aproveitado para analisar a relação da fertilidade com outras variáveis socioeconômicas. Dessa forma, as Tabelas 4 e 5 apresentam o coeficiente de correlação calculado para as variáveis que serão objeto de estudo deste trabalho na seqüência na análise de regressão.

Em síntese, os sinais são os esperados. Como pode ser observado, o coeficiente de correlação da renda (ln_y) versus fertilidade (fec), tem sinal negativo e a magnitude é considerável para ambos os anos. A experiência da mortalidade (mort_1) afeta positivamente a fecundidade, uma vez que com uma taxa de mortalidade maior, torna-se mais difícil para as famílias “produzir” a quantidade de filhos adultos desejados e então se eleva a fecundidade. Sabemos que uma população mais educada pode controlar com maior eficácia suas decisões sobre a fecundidade, pois terão mais informações sobre métodos contraceptivos, por exemplo. Utilizando as informações das tabelas 4 e 5, vê-se uma relação inversa entre anos médios de estudo para pessoas de 25 anos ou mais (escolar) e taxa de fecundidade total, ou seja, espera-se que aumentos nos anos médios de estudo tragam reduções nas taxas de fecundidade.

Tabela 4 – Correlações entre variáveis selecionadas para o ano 1991

fec mort_1 mulheres escolar p1 ln_y urb dbae

fec 1

mort_1 0.6941 1

mulheres 0.2405 0.1169 1

escolar -0.7295 -0.7458 -0.0682 1



13

p1 0.6746 0.7308 -0.0420 -0.7697 1

ln_y -0.7019 -0.7772 0.0249 0.8866 -0.8942 1

urb -0.4340 -0.3522 0.1353 0.6336 -0.5765 0.6238 1

dbae -0.7680 -0.7366 -0.1452 0.8496 -0.8233 0.8493 0.6166 1

Fonte: Atlas do Desenvolvimento Humano no Brasil. Cálculos do autor.

Tabela 5 – Correlações entre variáveis selecionadas para o ano 2000. fec mort_1 mulheres escolar p1 ln_y urb dbae

fec 1

mort_1 0.5743 1

mulheres 0.4290 0.2612 1

escolar -0.6206 -0.7447 -0.2109 1

p1 0.6631 0.7481 0.2826 -0.7165 1

ln_y -0.6662 -0.8239 -0.2348 0.9015 -0.8371 1

urb -0.3894 -0.3597 0.0347 0.6522 -0.4616 0.5556 1

dbae -0.7122 -0.7716 -0.3664 0.8101 -0.8496 0.8707 0.5639 1

Fonte: Atlas do Desenvolvimento Humano no Brasil. Cálculos do autor.

4.2 ANÁLISE DE REGRESSÃO QUANTÍLICA Apesar de nos dá uma boa idéia da relação existente entre variáveis, o coeficiente

de correlação não informa a magnitude do impacto sobre a variável de interesse, neste caso a fecundidade. Isto é feito através da análise de regressão. Assim, as Tabela 6 e 7

apresentam as estimativas para osβ̂ da equação estimada para os determinantes sócio-econômicos da fertilidade para o Brasil para os quantis de regressão quantílica e para o MQO. Em geral, como pode ser visto, os coeficientes estimados para ambos os anos, 1991 e 2000, apresentam os sinais esperados e são todos estatisticamente significativos a 1%, indicando que todas as variáveis selecionadas têm poder explicativo sobre a fertilidade.

Os resultados dão sustentação empírica à teoria, evidenciando a teoria econômica como um contribuinte importante para o entendimento da redução da fertilidade. O aumento da renda e o crescimento das cidades em relação ao meio rural contribuíram para a redução da fertilidade.

Tabela 6: resultado das estimações para as covariadas da taxa de fertilidade 1991

MQO RQ .10 RQ .25 RQ .50 RQ .75 RQ .90

mort_1 0.017 0.015 0.017 0.020 0.022 0.019

(23.38)** (23.71)** (21.45)** (19.67)** (18.06)** (14.77)**

ln_y -0.803 -0.454 -0.550 -0.628 -0.729 -1.018

(22.37)** (11.50)** (9.91)** (16.77)** (16.85)** (16.59)**



14

Urb -0.527 -0.223 -0.314 -0.435 -0.627 -0.765

(9.71)** (4.99)** (4.26)** (8.79)** (13.25)** (6.98)**

Mulheres 0.072 0.037 0.045 0.054 0.071 0.110

(25.71)** (10.60)** (12.55)** (17.59)** (23.90)** (11.10)**

Constant 6.467 4.159 4.814 5.440 6.312 8.211

(35.86)** (20.20)** (18.61)** (26.92)** (27.68)** (28.37)** N.

observações 5505 5505 5505 5505 5505 5505

R2 0.60

Fonte: Elaboração própria. Valor absoluto das estatísticas t em parênteses. * significante a 5%; ** significante a 1%.

Ao invés de ficar descrevendo os números nas tabelas com os coeficientes

estimados, para facilitar a compreensão da análise dos resultados, daqui em diante a análise será feita com base em gráficos. Trata-se de um procedimento padrão quando se emprega a regressão quantílica. Normalmente os seus resultados são confrontados com aqueles obtidos por meio do MQO. Por isso, nos gráficos a seguir são descritos os valores estimados nos quantis selecionados no intervalo [0,1] e seus respectivos intervalos de confiança, bem como os resultados obtidos por MQO.

Tabela 7: resultado das estimações para as covariadas da taxa de fertilidade 2000

MQO RQ .10 RQ .25 RQ .50 RQ .75 RQ .90

mort_1 0.002 0.005 0.005 0.004 0.004 0.005

(2.87)** (9.95)** (6.15)** (4.47)** (4.21)** (3.06)**

ln_y -0.637 -0.253 -0.345 -0.503 -0.680 -0.858

(26.29)** (11.04)** (16.29)** (21.71)** (28.28)** (27.41)**

Urb -0.342 -0.245 -0.332 -0.331 -0.358 -0.370

(9.28)** (8.09)** (14.84)** (8.23)** (9.22)** (5.18)**

Mulheres 0.050 0.022 0.034 0.044 0.051 0.057

(31.16)** (10.68)** (17.26)** (19.71)** (21.36)** (16.20)**

Constant 5.740 3.375 3.978 4.977 6.150 7.315

(43.26)** (28.13)** (31.70)** (38.63)** (44.84)** (39.47)**

N. observações

5506 5506 5506 5506 5506 5506

R2 0.53

Fonte: Elaboração própria. Valor absoluto das estatísticas t em parênteses. * significante a 5%; ** significante a 1%.

O Gráfico 2 mostra o impacto da renda sobre a taxa de fertilidade em 1991. Nesse

período todos os coeficientes estimados para todos os quantis apresentam o sinal esperado e são estatisticamente significativos. O gráfico indica que quanto maiores os quantis da



15

renda maiores serão os impactos na redução da fertilidade. As mesmas conclusões podem ser tiradas para o ano 2000, a partir do gráfico 3.

Gráfico 2: β estimado para a renda: 1991

-1,40

-1,20

-1,00

-0,80

-0,60

-0,40

-0,20

0,00

0,05

0,10

0,15

0,20

0,25

0,30

0,35

0,40

0,45

0,50

0,55

0,60

0,65

0,70

0,75

0,80

0,85

0,90

0,95

ols_ln_y ols_ln_y_cihi ols_ln_y_cilo

ln_y ln_y_cihi ln_y_cilo

Fonte: Elaboração própria.

Gráfico 3: β estimado para a renda: 2000

-1,20

-1,00

-0,80

-0,60

-0,40

-0,20

0,00

0,05

0,10

0,15

0,20

0,25

0,30

0,35

0,40

0,45

0,50

0,55

0,60

0,65

0,70

0,75

0,80

0,85

0,90

0,95

ln_y ln_y_cihi ln_y_cilo

ols_ln_y ols_ln_y_cihi ols_ln_y_cilo


Nos gráficos 4 e 5 são apresentados os impactos da população urbana sobre a taxa de fecundidade para os anos de 1991 e 2000, respectivamente. Mais uma vez, todos os coeficientes estimados para todos os quantis apresentam o sinal esperado e são estatisticamente significativos. Porém, observa-se que para o ano 2000 os coeficientes estimados nos quantis apresentam uma maior variabilidade se comparados ao ano 1991.



16

Gráfico 4: β estimado para a população urbana: 1991

-1,40

-1,20

-1,00

-0,80

-0,60

-0,40

-0,20

0,000,

05

0,10

0,15

0,20

0,25

0,30

0,35

0,40

0,45

0,50

0,55

0,60

0,65

0,70

0,75

0,80

0,85

0,90

0,95

urb urb_cihi urb_cilo

ols_urb ols_urb_cihi ols_urb_cilo


Gráfico 5: β estimado para a população urbana: 2000

-0,60

-0,50

-0,40

-0,30

-0,20

-0,10

0,00

0,05

0,10

0,15

0,20

0,25

0,30

0,35

0,40

0,45

0,50

0,55

0,60

0,65

0,70

0,75

0,80

0,85

0,90

0,95

urb urb_cihi urb_cilo

ols_urb ols_urb_cihi ols_urb_cilo


Gráfico 6: β estimado para a mortalidade: 1991



17

0,00

0,01

0,01

0,02

0,02

0,03

0,03

0,05

0,10

0,15

0,20

0,25

0,30

0,35

0,40

0,45

0,50

0,55

0,60

0,65

0,70

0,75

0,80

0,85

0,90

0,95

mort_1 mort_1_cihi mort_1_cilo

ols_mort_1 ols_mort_1_cihi ols_mort_1_cilo


Nos gráficos 6 e 7 são apresentados os impactos da taxa de mortalidade infantil sobre a taxa de fecundidade para os anos de 1991 e 2000. Teoricamente, espera-se que quanto maior for a mortalidade infantil, maior será a taxa de fertilidade. Nota-se no gráfico 6 que é a média que aumenta os quantis, i.e. quanto maior a taxa de mortalidade infantil, maiores serão as taxas de fertilidade. Para o ano de 2000, esse comportamento não é tão visível, porém percebe-se que há uma certa estabilidade nos parâmetros para os quantis mais elevados. Contudo, valores obtidos para os quantis diferem dos obtidos para o MQO, mostrando que maiores taxas de mortalidade infantil, podem estar levando a maior taxa de fertilidade, independentemente se o comportamento seja pré ou pós-perda do filho.

Gráfico 7: β estimado para a mortalidade: 2000

0,00

0,00

0,00

0,00

0,00

0,01

0,01

0,01

0,01

0,05

0,10

0,15

0,20

0,25

0,30

0,35

0,40

0,45

0,50

0,55

0,60

0,65

0,70

0,75

0,80

0,85

0,90

0,95

mort_1 mort_1_cihi mort_1_cilo

ols_mort_1 ols_mort_1_cihi ols_mort_1_cilo




18

E por fim, os gráficos 8 e 9 apresentam os impactos da variável adolescentes com

filhos sobre a fertilidade para os anos de 1991 e 2000, respectivamente. Os sinais dos coeficientes são os esperados e se mostram significativos. Interessante observar que para os maiores quantis maiores serão os impactos dessa variável sobre a fertilidade.

Gráfico 8: β estimado para a proporção de mulheres entre 15 e 17 anos com filhos: 1991

0,00

0,02

0,04

0,06

0,08

0,10

0,12

0,14

0,16

0,18

0,05

0,10

0,15

0,20

0,25

0,30

0,35

0,40

0,45

0,50

0,55

0,60

0,65

0,70

0,75

0,80

0,85

0,90

0,95

mulheres mulheres_cihi mulheres_cilo

ols_mulheres ols_mulheres_cihi ols_mulheres_cilo

Fonte: Elaboração própria. É interessante observar que boa parte das estimativas obtidas por meio do método

de regressão quantílica está fora do intervalo de confiança obtido para o MQO. Isto indica que realmente o método de regressão quantílica permite uma análise mais acurada dos dados em relação aos Mínimos Quadrados Ordinários.

Gráfico 9: β estimado para a proporção de mulheres entre 15 e 17 anos com filhos: 2000



19

0,00

0,01

0,02

0,03

0,04

0,05

0,06

0,07

0,08

0,05

0,10

0,15

0,20

0,25

0,30

0,35

0,40

0,45

0,50

0,55

0,60

0,65

0,70

0,75

0,80

0,85

0,90

0,95

mulheres mulheres_cihi mulheres_cilo

ols_mulheres ols_mulheres_cihi ols_mulheres_cilo


5. CONSIDERAÇÕES FINAIS

Este trabalho teve como intuito apresentar uma análise dos determinantes sócio-econômicos da fertilidade no Brasil a partir do uso de micro-dados a nível municipal do PNUD/IPEA para os anos de 1991 e 2000 com o uso de modelos de regressão quantílica.

Segundo dados do IBGE, a taxa de fecundidade total no Brasil caiu de 6,2 filhos por mulher em 1940 para 2,02 em 2005. Diante disso pergunta-se: quais os determinantes desta redução tão significativa na fecundidade? Esta redução ocorreu de forma homogênea em todo o país?

A distribuição da fecundidade difere muito em relação à escolaridade das mulheres. Enquanto que entre as mulheres sem instrução ou com menos de um ano de estudo, a taxa de fecundidade era de 4,1 filhos por mulher, entre as que tinham 11 anos ou mais de estudo, a taxa ficou abaixo de 1,5 filho por mulher no ano 2000.

O Brasil possui um padrão etário de fecundidade predominantemente jovem. A idade média da fecundidade vem diminuindo nos últimos anos atingindo 25,11 anos em 2000. A fecundidade é crescente entre os 15 e 24 anos de idade, quando a partir de então começa a declinar. A gravidez na adolescência pode impedir ou mesmo retirar as mulheres do mercado de trabalho e cessar completamente o investimento continuado em educação. Esta situação leva a um círculo vicioso de pobreza.

Dado que a compreensão dos determinantes da fertilidade pode ser usada como orientação na formulação de políticas sócio-econômicas, este trabalho serve de instrumento para as políticas que têm como objetivo amenizar os níveis de pobreza e promover o crescimento econômico. Salientado, como de praxe, que os resultados aqui encontrados não se constituem numa verdade absoluta. Sugere-se a formulação de outros modelos com o intuito de verificar a consistência dos resultados aqui apresentados.

Os coeficientes estimados apresentam os sinais esperados e são todos estatisticamente significativos a 1%, indicando que as variáveis selecionadas têm poder



20

explicativo sobre a fertilidade. Os resultados dão sustentação empírica à teoria, evidenciando a teoria econômica como um contribuinte importante para o entendimento da redução da fertilidade. O aumento da renda e o crescimento das cidades em relação ao meio rural contribuíram para a redução da fertilidade.

A redução da fertilidade também pode ser atribuída em parte à diminuição da mortalidade, mostrando um comportamento regulador dos pais com respeito a sua fecundidade, uma vez que dado uma menor taxa de mortalidade é necessário se ter menos filhos para se “produzir” um adulto.

A redução na fecundidade poderia ter sido mais acentuada se não houvesse uma intensificação nos últimos anos da fecundidade das mulheres mais jovens.

REFERÊNCIAS BIBLIOGRÁFICAS

ADSERA, A. Differences in Desired and Actual Fertility: An Economic Analysis of the Spanish Case. Discussion Paper No. 1584, 2005. ALFONSO, M. Estimating the Determinants of Fertility Using Aggregate Data. An Application to Latin America and Caribbean. Working paper, 2000. BECKER, G. S. An economic analysis of fertility. In Demographic and economic change in developed countries. Princeton University Press. pp 209-240, 1960. BECKER, G. S.; LEWIS, G. On the interaction between quantity and quality of children. The Journal of Political Economy, v. 81, n.2, p. 279-288, 1973. BECKER, G. S. BARRO, R. A reformulation of the economic theory of fertility. Quarterly Journal of Economics, v. 103, p. 1-25, 1988. BERNARD, A., DURLAUF, S. Interpreting tests of the convergence hypothesis. Journal of Econometrics 71, 161–173, 1996. BORJAS, G. Labor supply over time. Labor Economics. 3 ed. New York. MacGraw – Hill, 2004. P. 71-100. BUCHINSKY, M. Recent advances in quatile regression models: a practical guideline of empirical research. The journal of human resources. Vol. 33, nº 1, 1998. pp 88-126. EHRENBERG, Ronald G.; SMITH, Robert S. Oferta da mão-de-obra: produção doméstica, a família e o ciclo de vida. A Moderna Economia do Trabalho: Teoria e Política Pública. 5 ed. São Paulo. Makon Books, 2000. p. 241 - 273. GAJIGO, Ousman. The interaction between health & fertility: evidence from the Ivory Coast. Working paper of the Journal of Health & Population in Developing Countries, 2003.



21

PAZELLO, E. T.; FERNANDES, R. Mulher e maternidade no mercado de trabalho: diferenças de comportamento entre mulheres que tem e mulheres que não têm filhos. In. Anais do XXXII Encontro Nacional de Economia – Anpec . João pessoa. 2004. RIBERO, R. Family structure, fertility and child quality in Columbia. Working paper of the Economic Growth Center Discussion Papers, n. 818, 2000. ROBINSON, W. C.The Economic Theory of Fertility Over Three Decades. Population Studies, v. 51, p. 63-74, 1997. SARTORIS, A.: SOUZA, J. M de. Interações entre Economia e Demografia: As Previsões da teoria e o caso brasileiro. I Congresso da Associação Latino Americana de População, ALAP. Caxambú- MG – Brasil, de 18- 20 de Setembro de 2004. WEIL, David N. Population and economic growth. Economic Growth. 1 ed. Pearson Addison Wesley, 2005. p. 83-123. WINKELMANN, R.; ZIMMERMANN K. F. Count data models for demographic data. Mathematical. Population Studies, v. 4, p. 205-221, 1994.

DETERMINANTES SÓCIO-ECONÔMICOS DA FERTILIDADE NO BRASIL [email protected]...

Documents

Transcript of DETERMINANTES SÓCIO-ECONÔMICOS DA FERTILIDADE NO BRASIL [email protected]...