Relatório dos municípios do Ceará
Andrade L. M.
2023-10-01
Introdução.
Nesse relatório irei analisar o Índice de Desenvolvimento Humano Municipal (IDHM) que é uma medida composta de indicadores de três dimensões do desenvolvimento humano: longevidade, educação e renda, de todos os municípios do estado do Ceará fazendo uma comparação em relação a outros dados dos municípios que foram disponibilizados pelo IBGE. O Ceará fica localizado no nordeste do Brasil e é o 1º lugar no IDH-M do Nordeste e o 12º do Brasil.
Material e Métodos.
Material.
OS dados desse relatório são fornecidos pelo IBGE https://www.ibge.gov.br/cidades-e-estados/ce.html Neles contem Município(MUN), Índice de desenvolvimento humano municipal.(IDHM), Área Territorial - km².(ATK), Escolarização.(ESC), Mortalidade infantil.(MI), PIB per capita(PIB).
Métodos.
Usarei o software R no RStudio para fazer a análise dos dados. Utilizarei o pacote readxl para ler dados de arquivos Excel, e transforma-lo em um data frame usando o método as.data.frame. Agora separarei o MUN e o IDHM dos outros dados para descobrir quais os 10 municípios com o IDHM maior e os 10 menores usando o método order para ordenar o IDHM de forma decrescente e crescente. Em seguida usarei o pacote ggplot2 para fazer um gráfico de barras na horizontal mostrando os dez municípios com melhor e pior IDHM.em seguida também com o ggplot2 eu fiz gráficos do tipo Cleveland Dot Plot para visualizar os dados.
Aplicação.
Leitura e tratamento dos Dados.
library(readxl)
dadosCeara <- "dados_ceara1.xlsx"
# ler o arquivo em excel
Dados <- read_excel(path = dadosCeara, sheet = 1)
# transforma em um data frame
dados <- as.data.frame(Dados)# selecionei apenas a coluna que contem os municipios e o IDHM
mun_idhm <- dados[, c("MUN", "IDHM", "ATK", "ESC", "MI", "PIB")]
# ordena o dataframe pela coluna 'IDHM' em ordem decrescente
mun_idhmD <- mun_idhm[order(mun_idhm$IDHM, decreasing = TRUE), ]
# seleciona as 10 primeiras linhas
dez_maiores <- mun_idhmD[1:10, ]
# mostra as 10 primeiras linhas
print(dez_maiores)## MUN IDHM ATK ESC MI PIB
## 59 Fortaleza 0.754 312.353 96.1 12.02 24253.93
## 167 Sobral 0.714 2068.474 97.9 10.62 21343.10
## 51 Crato 0.713 1138.150 97.8 10.00 12922.73
## 56 Eusébio 0.701 78.818 98.3 9.17 58604.18
## 99 Juazeiro do Norte 0.694 258.788 97.3 13.56 17354.57
## 104 Maracanaú 0.686 105.071 97.4 9.43 43116.46
## 23 Barbalha 0.683 608.158 98.3 6.26 19552.45
## 44 Caucaia 0.682 1223.246 96.3 12.88 19873.31
## 102 Limoeiro do Norte 0.682 744.525 98.0 8.21 20414.96
## 77 Iguatu 0.677 992.208 96.8 10.45 17001.56# ordena o dataframe pela coluna 'IDHM' em ordem crescente
mun_idhmC <- mun_idhm[order(mun_idhm$IDHM), ]
# seleciona as 10 primeiras linha
dez_menores <- mun_idhmC[1:10, ]
# mostra as 10 primeiras linhas
print(dez_menores)## MUN IDHM ATK ESC MI PIB
## 157 Salitre 0.540 806.253 97.3 14.13 8826.75
## 64 Granja 0.559 2663.174 94.7 6.37 7976.43
## 91 Itatira 0.562 829.626 97.6 9.40 7302.96
## 146 Potengi 0.562 343.264 92.7 17.54 9353.64
## 16 Araripe 0.564 1097.339 96.3 12.01 8762.18
## 181 Uruoca 0.566 697.683 97.7 18.52 13874.25
## 62 General Sampaio 0.568 230.371 96.2 9.26 10022.93
## 5 Aiuaba 0.569 2438.563 97.5 15.08 8642.90
## 63 Graça 0.570 258.942 99.1 22.22 8107.93
## 135 Parambu 0.570 2313.868 96.6 12.11 8334.36Análise dos dados.
library(ggplot2)
#gráfico de Barras Horizontal melhor idhm
ggplot(dez_maiores, aes(x = MUN, y = IDHM, fill = MUN)) +
geom_bar(stat = "identity") +
coord_flip() +
ggtitle("Os dez municípios com o melhor IDHM")
#gráfico de Barras Horizontal pior idhm
ggplot(dez_menores, aes(x = MUN, y = IDHM, fill = MUN)) +
geom_bar(stat = "identity") +
coord_flip() +
ggtitle("Os dez municípios com o pior IDHM")
#summary(dez_maiores) NAO USEI PQ N ACHEI NO Q ME AJUDARIA .-.
#summary(dez_menores)Relação entre Área Territorial - km² e IDHM.
#ATK/IDHM
#graficos Cleveland Dot Plot
ggplot(dez_maiores, aes(x = ATK, y = reorder(MUN, IDHM))) +
geom_point(size = 8, color = "dodgerblue")
ggplot(dez_menores, aes(x = ATK, y = reorder(MUN, IDHM))) +
geom_point(size = 8, color = "red")
Aqui podemos observar que Área Territorial - km² não é algo que influência tanto IDHM. Mas percebesse que a maioria das cidades com maior e menor IDHM tem menos que 1000 km² de área territorial.
Relação entre Escolarização e IDHM.
#ESC/IDHM
#graficos Cleveland Dot Plot
ggplot(dez_maiores, aes(x = ESC, y = reorder(MUN, IDHM))) +
geom_point(size = 8, color = "dodgerblue") 
ggplot(dez_menores, aes(x = ESC, y = reorder(MUN, IDHM))) +
geom_point(size = 8, color = "red") 
O IDHM é claramente influenciado pela escolarização, como podemos ver os dez municípios com o IDHM maior a escolaridade é sempre maior que 96 pontos. Mas o interessante é que os municípios que tem o menor IDHM do Ceará tem uma boa pontuação na escolarização com grande parte deles entre 96 e 98 pontos. O que comprova que o estado do Ceará tem a 5ª posição no IDEB no Brasil, indicador que mede o desempenho da educação básica, com o fato de que quatro municípios cearenses encontram-se entre os dez melhores do país.
Relação entre Mortalidade infantil e IDHM.
#MI/IDHM
#graficos Cleveland Dot Plot
ggplot(dez_maiores, aes(x = MI, y = reorder(MUN, IDHM))) +
geom_point(size = 8, color = "dodgerblue") 
ggplot(dez_menores, aes(x = MI, y = reorder(MUN, IDHM))) +
geom_point(size = 8, color = "red") 
A taxa de mortalidade infantil demostra ser um fator com relevância na questão do IDHM, cidades com IDHM menor tende a ter taxas de MI mais altas.
Relação PIB per capita e IDHM.
#PIB/IDHM
#graficos Cleveland Dot Plot
ggplot(dez_maiores, aes(x = PIB, y = reorder(MUN, IDHM))) +
geom_point(size = 8, color = "dodgerblue") 
ggplot(dez_menores, aes(x = PIB, y = reorder(MUN, IDHM))) +
geom_point(size = 8, color = "red") 
Um dos fatores que mais pesa em um IDHM é o PIB per capita, como podemos ver no estado do Ceará as cidades com maior IDHM tem em média próximo de 20000 a renda per capita.
Conclusão
A minha conclusão é que entre os dados comparados com o IDHM o dado de PIB per capita(PIB) foi o que mais impactou o IDHM dos municípios do Ceará. Sendo esse o principal insight para aumentar o IDHM dos municípios junto com a mortalidade infantil e a escolarização, sendo assim podendo cria políticas públicas nessas áreas para desenvolver o IDHM.