Todo o resto deste pacote é tradução: um código do TSE vira um ISCO,
que vira um ISEI. Nada nessa cadeia se afere contra coisa alguma
fora dela — e um crosswalk internamente consistente
pode estar inteiramente errado.
Esta vinheta faz a única pergunta que importa: as posições que a
medida atribui correspondem a algo observável e independente?
O contraste que é o verdadeiro resultado
No nível da candidatura, a correlação entre ISEI e
patrimônio é de apenas 0,207. No nível da ocupação, é
0,681. Essa diferença não é defeito: é a definição do que o ISEI é.
Convém dizer com precisão o que ela é, porque “explica quase nada da
variância dentro de cada ocupação” fica aquém do fato. O ISEI é
constante dentro da ocupação: ele explica exatamente
zero da variância intraocupacional, por construção, e não haveria como
medir outra coisa. O que se pode medir, e é mais informativo, é quanto
da variância individual do log do patrimônio fica entre
níveis de status — o teto de qualquer função do ISEI:
d <- tse_dispersao_patrimonio
N <- sum(d$n); mu <- sum(d$soma_log) / N
eta2 <- sum(d$n * (d$media_log - mu)^2) / (sum(d$soma_log2) - N * mu^2)
c(eta2 = eta2, r2_linear = r_individual^2)
#> eta2 r2_linear
#> 0.07685978 0.04300105
Sete por cento e meio, contra 4,3% que a relação linear aproveita.
Advogados variam enormemente em patrimônio entre si, e o ISEI não tem
nada a dizer sobre isso — nem deveria.
Uma ressalva sobre o contraste 0,681 × 0,207, para que ele não prove
demais: os dois números diferem em mais coisas que o nível de agregação
— um é sobre a mediana e não é ponderado, o outro é sobre a média do log
e é ponderado por candidatura. A comparação limpa é com a correlação
ecológica na mesma unidade e com o mesmo peso:
stats::cov.wt(cbind(d$isei88, d$media_log), wt = d$n, cor = TRUE)$cor[1, 2]
#> [1] 0.7480057
0.748 contra 0,207: é essa a inflação ecológica, medida sem misturar
outras diferenças.
A consequência é direta: não use ISEI como proxy de
patrimônio individual — nem, por extensão, de renda. Ele
responde “que posição esta ocupação ocupa na estrutura”, não “quanto
esta pessoa tem”.
A anomalia do cuidado
data.frame(
regua = c("ISEI-88", "ISEI-08"),
enfermagem = c(tse_para_isei("113"), round(tse_para_isei08("113"), 1)))
#> regua enfermagem
#> 1 ISEI-88 43.0
#> 2 ISEI-08 68.7
v$pct_superior[v$cod_tse == "113"]
#> [1] 59.6
O ISEI-88 põe a enfermagem abaixo do escriturário,
apesar de quase 60% de ensino superior. Não é a classificação que erra:
a ISCO-88 já situa a enfermagem no grande grupo dos profissionais. É o
escore de 1992 que a subestima, porque mede a conversão de escolaridade
em renda observada entre homens, em dado de 1968 a 1982. A reestimação
do ISEI-08, sobre o ISSP de 2002-2007 e cobrindo os dois sexos, a
promove em mais de vinte pontos.
Isso não é peculiaridade brasileira, mas pesa mais aqui: o país tem
um vale de ocupações femininas de alta escolaridade e baixa remuneração
— enfermagem, docência, assistência social. Para análise de
gênero, prefira a ISCO-08.
# o mesmo recorte de ?tse_para_isei: codigos com mais de 500 candidaturas, onde
# a proporcao de mulheres e estimada com precisao suficiente para dicotomizar
g <- v[v$n > 500, ]
fem <- g$pct_mulher > 50
c(codigos = nrow(g), femininos = sum(fem))
#> codigos femininos
#> 168 28
round(c(feminina = mean(g$isei[fem]), masculina = mean(g$isei[!fem])), 1)
#> feminina masculina
#> 46 49
round(c(feminina = mean(g$pct_superior[fem]),
masculina = mean(g$pct_superior[!fem])), 1)
#> feminina masculina
#> 29.9 24.1
Ocupações majoritariamente femininas têm mais
escolaridade e menos ISEI. São 28 códigos contra 140, e
a diferença de status é de três pontos — pequena em si, e o que a torna
interpretável é a regressão de ?tse_para_isei, que a estima
controlando pela escolaridade: −6,2 pontos de ISEI, com o sinal robusto
a toda especificação que tentamos. O p não é: com
erro-padrão robusto ele vai a 0,14, e sem ponderação a 0,012. É o sinal
que sustenta a advertência, não o nível de significância.
A régua importada carrega esse viés, e declará-lo é parte de usá-la
bem.
A régua estimada no Brasil, contra o mesmo critério
Até aqui a medida testada foi importada.
tse_para_isei_br() traz a régua estimada na PNAD Contínua,
pelo mesmo procedimento de 1992, e ela pode ser submetida ao mesmo
critério.
v$isei08 <- tse_para_isei08(v$cod_tse)
v$isei_br <- tse_para_isei_br(v$cod_tse)
ok <- stats::complete.cases(
v[, c("isei", "isei08", "isei_br", "pct_superior", "mediana_patrimonio")])
w <- v[ok, ]
r <- function(x, y, m = "pearson") round(stats::cor(x, y, method = m), 3)
data.frame(
regua = c("ISEI-88", "ISEI-08", "ISEI-BR"),
escolaridade = sapply(w[c("isei", "isei08", "isei_br")], r, w$pct_superior),
patrimonio = sapply(w[c("isei", "isei08", "isei_br")], r,
log(w$mediana_patrimonio)),
patrimonio_rho = sapply(w[c("isei", "isei08", "isei_br")], r,
log(w$mediana_patrimonio), m = "spearman"),
row.names = NULL)
#> regua escolaridade patrimonio patrimonio_rho
#> 1 ISEI-88 0.775 0.681 0.695
#> 2 ISEI-08 0.782 0.676 0.708
#> 3 ISEI-BR 0.741 0.716 0.768
São 165 ocupações, as mesmas nas três linhas.
O resultado precisa ser lido com cuidado, porque as duas colunas não
têm o mesmo estatuto. A escolaridade entra na
construção do ISEI-BR, então correlação alta ali não provaria nada. O
patrimônio não entra em régua nenhuma, e é o único critério genuinamente
externo desta tabela.
É justamente no patrimônio que a régua brasileira vai melhor, e na
escolaridade que ela vai um pouco pior. Isso não é acidente. O ângulo
estimado dá mais peso à renda do que à escolaridade, e no Brasil renda
ocupacional e escolaridade ocupacional descolam mais do que descolam nos
países onde a régua importada foi calibrada. A régua importada ordena os
candidatos pela escolaridade das suas ocupações; a brasileira os ordena
pelo que essas ocupações pagam aqui.
d <- w[order(-abs(w$isei_br - w$isei08)), ]
plot(w$isei08, w$isei_br, pch = 19, col = "#00000055",
xlab = "ISEI-08 (importado)", ylab = "ISEI-BR (PNAD Contínua)",
xlim = c(10, 90), ylim = c(10, 90))
# a diagonal marca a igualdade de ESCORE, nao a de posicao: as duas escalas
# tem dispersoes diferentes, e a leitura correta vem logo abaixo
abline(0, 1, col = "#C0392B", lty = 2)
text(d$isei08[1:6], d$isei_br[1:6], substr(d$rotulo[1:6], 1, 22),
pos = 4, cex = 0.65, col = "#1B4F72", xpd = NA)
A diagonal vermelha do gráfico é tentadora e engana. As duas escalas
não têm a mesma dispersão: o ISEI-BR sai de um min–max sobre as células
de estimação, e o seu desvio padrão nestas ocupações é bem menor que o
do ISEI-08.
c(isei08 = sd(w$isei08), isei_br = sd(w$isei_br))
#> isei08 isei_br
#> 21.35294 14.49087
Numa escala mais estreita, o topo cai e a base sobe por construção. A
conta que mostra o tamanho do problema é esta:
z <- function(x) (x - mean(x)) / sd(x)
r <- cor(w$isei_br, w$isei08)
c(bruta = cor(w$isei_br - w$isei08, w$isei08),
padronizada = cor(z(w$isei_br) - z(w$isei08), w$isei08),
forcada_por_r = -sqrt((1 - r) / 2))
#> bruta padronizada forcada_por_r
#> -0.8425687 -0.1731228 -0.1731228
A diferença bruta correlaciona-se a cerca de −0,84
com o próprio ISEI-08 — ler nela uma relocação substantiva é ler, em boa
parte, de onde a ocupação partiu. Padronizar remove esse artefato, e é
sobre a diferença padronizada que a leitura tem de ser feita.
Repare, porém, na terceira linha, porque ela impede uma leitura
errada da segunda. A correlação padronizada não some —
nem poderia. Para dois vetores padronizados com correlação
r, vale a identidade
cor(z1 - z2, z2) = -sqrt((1 - r) / 2)
e com r = 0.94 ela dá exatamente o valor observado — não
aproximadamente: até a última casa que o computador guarda. Não é uma
medida: é aritmética, e é sempre negativa — regressão à média. Seria
errado, portanto, ler o -0.173 residual como “o tanto de artefato que
sobrou”, ou esperar que ele fosse zero caso a diferença fosse puramente
substantiva. Com escalas iguais e esta correlação, ele seria esse número
de qualquer jeito.
O que a padronização resolve é o artefato de escala,
que era grande. O que ela não pode fazer é produzir uma medida ortogonal
ao ponto de partida — e é por isso que a leitura abaixo vem acompanhada
de uma conferência.
w$d <- z(w$isei_br) - z(w$isei08)
sobem <- head(w[order(-w$d), c("rotulo", "isei08", "isei_br")], 6)
descem <- head(w[order(w$d), c("rotulo", "isei08", "isei_br")], 6)
rbind(sobem, descem)
#> rotulo isei08 isei_br
#> 36 BOMBEIRO CIVIL 51.50 69.1
#> 101 POLICIAL CIVIL 51.50 69.1
#> 102 POLICIAL MILITAR 51.50 69.1
#> 122 BOMBEIRO MILITAR 51.50 69.1
#> 140 DIRETOR DE EMPRESAS 70.34 80.7
#> 9 MÉDICO 88.70 87.7
#> 88 ESCULTOR E PINTOR 61.82 44.2
#> 89 ARTISTA PLÁSTICO E ASSEMELHADOS 61.82 44.2
#> 214 SACERDOTE OU MEMBRO DE ORDEM OU SEITA RELIGIOSA 71.55 54.8
#> 51 CANTOR E COMPOSITOR 64.44 50.1
#> 52 MÚSICO 64.44 50.1
#> 104 PROFESSOR E INSTRUTOR DE FORMACAO PROFISSIONAL 72.30 57.9
As que mais sobem são as de segurança pública: policial civil e
militar, bombeiro. São trabalhos que a régua importada põe no meio da
tabela e que no Brasil pagam acima do que o escore internacional sugere.
Ao lado deles aparecem o diretor de empresas e o médico — e é justamente
isso que a comparação bruta escondia, porque ocupações de topo não têm
para onde subir numa escala comprimida.
As que mais descem são as profissões artísticas, o clero e o ensino
de arte: escultor, artista plástico, sacerdote, cantor, músico,
professor de formação profissional. Veterinário e farmacêutico vêm logo
atrás, em sétimo e oitavo. Credencial alta, remuneração modesta. É a
mesma anomalia do cuidado vista pelo outro lado: a régua importada mede
sobretudo credencial, e no Brasil credencial e remuneração andam mais
separadas do que ela supõe.
A conferência prometida acima. O resíduo de uma regressão do ISEI-BR
sobre o ISEI-08 é ortogonal ao ponto de partida por
construção — não por sorte —, e por isso é o critério que não
pode ser acusado de artefato:
w$resid <- residuals(lm(isei_br ~ isei08, data = w))
c(sobem_iguais = identical(head(w$rotulo[order(-w$d)], 6),
head(w$rotulo[order(-w$resid)], 6)),
descem_mesmas = setequal(head(w$rotulo[order(w$d)], 6),
head(w$rotulo[order(w$resid)], 6)))
#> sobem_iguais descem_mesmas
#> TRUE TRUE
As seis que sobem são as mesmas, na mesma ordem; as seis que descem
são as mesmas, com o clero trocando de posição dentro do grupo. A
leitura substantiva não depende de qual dos dois critérios se use, e é
isso — não a correlação residual — que autoriza lê-la.
O que esta vinheta não prova
O critério continua sendo o patrimônio de
candidatos, que não são a população. Isso não mudou. A
régua brasileira foi estimada na população e validada em candidatos, o
que é melhor do que estimar e validar nos mesmos candidatos, mas não é o
mesmo que validá-la na população.
Quatro coisas seguem em aberto, e convém dizê-las com a mesma clareza
com que esta vinheta dizia, antes, que a régua não era brasileira.
A primeira é que a mediação não é completa. O procedimento de 1992
supõe que a ocupação carrega todo o efeito da escolaridade sobre a
renda, e no Brasil ela carrega 58.4%. O resto é escolaridade que paga
dentro da mesma ocupação. A régua registra esse número em vez de
escondê-lo, mas registrá-lo não o resolve.
A segunda é que a régua é de um ano só, 2025, em valores nominais.
Ela não forma série, e uma análise que atravesse décadas não pode usá-la
como se formasse.
A terceira é que 242 das 590 linhas foram apuradas num grupo mais
grosso que a própria ocupação, por falta de amostra. A coluna
nivel diz quais, e quem depende de uma ocupação específica
deve conferi-la antes.
A quarta é que a correlação no nível da candidatura, em
tse_dispersao_patrimonio, existe só para o ISEI-88, porque
a tabela de somatórios é indexada por faixas daquela régua. Refazê-la
para a brasileira é trabalho de outra rodada.
