Aplicação de dados em painel para tratar informações de mortalidade infantil

• Ano de defesa: 2019
• Autor(a) principal: Fernandes, Maizza Micaelle Carlos Euclides
• Orientador(a): Nascimento, João Agnaldo do , Vianna, Rodrigo Pinheiro de Toledo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal da Paraíba
• Programa de Pós-Graduação: Programa de Pós-Graduação em Modelos de Decisão e Saúde
• Departamento: Ciências Exatas e da Saúde
• País: Brasil
• Palavras-chave em Português: Taxa de mortalidade infantil; Dados em painel; Modelos pooled; Efeito fixo e efeito aleatório; Child mortality rate; Panel data; Pooled models; Fixed effect and random effect
• Área do conhecimento CNPq: CNPQ::CIENCIAS DA SAUDE::SAUDE COLETIVA
• Link de acesso: https://repositorio.ufpb.br/jspui/handle/123456789/15319

Este trabalho objetiva determinar uma relação linear ou não linear entre a Taxa de Mortalidade Infantil (TMI) e um conjunto de variáveis socioeconômicas e de cobertura observadas por unidade federativas do Brasil no período de 2005 a 2010 utilizando o modelo de dados em painel (Panel Data) linear e não linear considerando os efeitos fixo e aleatório. Os resultados mostram que o modelo mais adequado é o de efeito fixo com transformação logarítmica nas variáveis dependente e independentes. A variável dependente foi a TMI e as independentes: taxa de analfabetismo, PIB per capita, proporção pessoas com baixa renda, percentual da população servida por rede de abastecimento de água e a proporção da população servida por coleta de lixo. Os modelos não lineares Binomial Negativa não apresentaram convergência satisfatória na estimação dos parâmetros para nenhum modelo. O modelo não linear de Poisson apresentou convergência apenas nos modelos Pooled OLS (Mínimos Quadrados Ordinários) e Randon (Modelo de Efeito Aleatório). A conclusão obtida é que as variáveis independentes que causam impacto significativo na TMI são taxa de analfabetismo, PIB per capita e proporção de pessoas com baixa renda. Utilizou-se o software R para realizar esta análise de dados com os pacotes plm e pglm.