Studies of income distribution functions in econophysics using particle swarm optimization

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Santos, Paulo Henrique dos
Orientador(a): Tragtenberg, Marcelo Henrique Romano
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: https://repositorio.ufsc.br/handle/123456789/270024
Resumo: Tese (doutorado) - Universidade Federal de Santa Catarina, Centro de Ciências Físicas e Matemáticas, Programa de Pós-Graduação em Física, Florianópolis, 2025.
id UFSC_8c8db1d7a2bc928d1ee677f879da3e6f
oai_identifier_str oai:repositorio.ufsc.br:123456789/270024
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaSantos, Paulo Henrique dosTragtenberg, Marcelo Henrique Romano2025-11-12T23:32:11Z2025-11-12T23:32:11Z2025394581https://repositorio.ufsc.br/handle/123456789/270024Tese (doutorado) - Universidade Federal de Santa Catarina, Centro de Ciências Físicas e Matemáticas, Programa de Pós-Graduação em Física, Florianópolis, 2025.O estudo apresenta um modelo contínuo de duas classes para a distribuição de renda no Brasil, que combina um regime exponencial de Boltzmann-Gibbs para a população de baixa renda e uma cauda de Pareto para a de alta renda, respectivamente. Utilizando microdados da PNAD anual de 2001 a 2011 e da PNAD Contínua de 2012 a 2019, aplicou-se um algoritmo de otimização por enxame de partículas para estimar três parâmetros principais: a renda de transição entre regimes, a temperatura efetiva da distribuição e o índice de Pareto. O modelo foi ajustado por meio de duas funções de perda, do erro médio quadrático logarítmico e da estimação de máxima verossimilhança ponderada, e validado com simulações de regressão. Os dados foram estratificados por sexo/gênero e cor/raça, permitindo avaliar desigualdades econômicas entre grupos. As análises temporais indicam que o coeficiente de Gini teórico, dependente apenas do índice de Pareto e da proporção de rendas altas, apresenta forte correlação com o Gini empírico, demonstrando que o modelo captura de forma consistente a dinâmica da desigualdade no período analisado. A análise de importância das variáveis, baseada em florestas aleatórias e árvores de inferência condicional, mostra que ocupação e idade são os principais preditores de renda, seguidos por educação, raça e sexo/gênero. Essa hierarquia revela que fatores ligados ao mercado de trabalho e à trajetória profissional explicam grande parte da variação da renda, enquanto características educacionais e demográficas modulam as diferenças entre indivíduos e grupos. Conclui-se que o modelo proposto representa adequadamente a estrutura da renda brasileira e constitui uma ferramenta sólida para estudos comparativos e análises longitudinais sobre desigualdade.Abstract: This study presents a continuous two-class model for income distribution in Brazil, combining an exponential Boltzmann-Gibbs regime for the low-income population and a Pareto tail for the high-income group, respectively. Using microdata from annual PNAD 2001-2011 and continuous PNAD from 2012-2019, a particle swarm optimization algorithm was applied to estimate three key parameters: the crossover income between regimes, the effective temperature of the distribution, and the Pareto index. The model was fitted using two loss functions, the root mean squared logarithmic error and weighted maximum likelihood estimation, and validated through regression simulations. The data were stratified by sex/gender and color/race, allowing the assessment of economic inequalities across groups. Temporal analyses indicate that the theoretical Gini coefficient, dependent only on the Pareto index and the proportion of high-income households, shows a strong correlation with the empirical Gini, demonstrating that the model consistently captures the dynamics of inequality over the analyzed period. The variable importance analysis, based on random forests and conditional inference trees, shows that occupation and age are the main income predictors, followed by education, race, and sex/gender. This hierarchy reveals that labor market and professional trajectory factors explain much of the income variation, while educational and demographic characteristics modulate differences among individuals and groups. It is concluded that the proposed model adequately represents Brazil's income structure and constitutes a robust tool for comparative and longitudinal studies on inequality.108 p.| il., tabs.engFísicaRendaPareto, Método deVariáveis (Matemática)Análise de regressãoGini, Coeficiente deStudies of income distribution functions in econophysics using particle swarm optimizationinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPFSC0480-T.pdfPFSC0480-T.pdfapplication/pdf12841324https://repositorio.ufsc.br/bitstream/123456789/270024/-1/PFSC0480-T.pdfd7cf63affb964e044f53789c6c06f7aaMD5-1123456789/2700242025-11-12 20:32:11.777oai:repositorio.ufsc.br:123456789/270024Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732025-11-12T23:32:11Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Studies of income distribution functions in econophysics using particle swarm optimization
title Studies of income distribution functions in econophysics using particle swarm optimization
spellingShingle Studies of income distribution functions in econophysics using particle swarm optimization
Santos, Paulo Henrique dos
Física
Renda
Pareto, Método de
Variáveis (Matemática)
Análise de regressão
Gini, Coeficiente de
title_short Studies of income distribution functions in econophysics using particle swarm optimization
title_full Studies of income distribution functions in econophysics using particle swarm optimization
title_fullStr Studies of income distribution functions in econophysics using particle swarm optimization
title_full_unstemmed Studies of income distribution functions in econophysics using particle swarm optimization
title_sort Studies of income distribution functions in econophysics using particle swarm optimization
author Santos, Paulo Henrique dos
author_facet Santos, Paulo Henrique dos
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Santos, Paulo Henrique dos
dc.contributor.advisor1.fl_str_mv Tragtenberg, Marcelo Henrique Romano
contributor_str_mv Tragtenberg, Marcelo Henrique Romano
dc.subject.classification.none.fl_str_mv Física
Renda
Pareto, Método de
Variáveis (Matemática)
Análise de regressão
Gini, Coeficiente de
topic Física
Renda
Pareto, Método de
Variáveis (Matemática)
Análise de regressão
Gini, Coeficiente de
description Tese (doutorado) - Universidade Federal de Santa Catarina, Centro de Ciências Físicas e Matemáticas, Programa de Pós-Graduação em Física, Florianópolis, 2025.
publishDate 2025
dc.date.accessioned.fl_str_mv 2025-11-12T23:32:11Z
dc.date.available.fl_str_mv 2025-11-12T23:32:11Z
dc.date.issued.fl_str_mv 2025
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/270024
dc.identifier.other.none.fl_str_mv 394581
identifier_str_mv 394581
url https://repositorio.ufsc.br/handle/123456789/270024
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 108 p.| il., tabs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/270024/-1/PFSC0480-T.pdf
bitstream.checksum.fl_str_mv d7cf63affb964e044f53789c6c06f7aa
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851758849701183488

Registros relacionados