1 1. Configuração do Ambiente

Carrega pacotes. O tidyverse é uma coleção de pacotes que inclui o dplyr (para manipulação de dados) e o ggplot2 (para gráficos). O knitr e kableExtra ajudam a formatar tabelas.

# Instale os pacotes se ainda não os tiver
# install.packages("tidyverse")
# install.packages("knitr")
# install.packages("kableExtra")
# install.packages("patchwork")

library(tidyverse)  # Pacote principal para manipulação e gráficos
library(knitr)      # Para formatar tabelas
library(kableExtra) # Funções extras para tabelas
library(patchwork)

2 2. Carga e Preparação dos Dados

dados <- readxl::read_excel("dados_mucuri.xlsx", sheet = "gasto")

# Visualizar os primeiros dados
kable(head(dados), caption = "Amostra dos Dados Carregados") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)
Amostra dos Dados Carregados
ano id_ente nom_munic gasto_aluno_SIOPE gasto_aluno_SICONFI populacao tamanho
2015 3100906 Águas Formosas 4499.187 4535.783 19248 Médio
2015 3104700 Ataléia 3135.075 3924.822 14188 Médio
2015 3113701 Carlos Chagas 2443.781 2291.972 20090 Médio
2015 3126802 Frei Gaspar 2370.562 2482.505 6031 Pequeno
2015 3127057 Fronteira dos Vales 3641.837 2636.991 4765 Pequeno
2015 3132305 Itaipé 2285.553 2498.093 12489 Médio

2.1 2.1. Criando Campos Calculados

Colunas de diferença.

  • diff_abs (Diferença Absoluta): SIOPE - SICONFI
  • diff_perc (Diferença Percentual): A diferença como uma porcentagem do valor do SICONFI.
dados <- dados %>%
  mutate(
    diff_abs = gasto_aluno_SIOPE - gasto_aluno_SICONFI,
    diff_perc = (diff_abs / gasto_aluno_SICONFI) * 100
  )

kable(head(dados), caption = "Amostra dos Dados com Campos Calculados") %>%
  kable_styling(bootstrap_options = "striped", full_width = F)
Amostra dos Dados com Campos Calculados
ano id_ente nom_munic gasto_aluno_SIOPE gasto_aluno_SICONFI populacao tamanho diff_abs diff_perc
2015 3100906 Águas Formosas 4499.187 4535.783 19248 Médio -36.59574 -0.8068229
2015 3104700 Ataléia 3135.075 3924.822 14188 Médio -789.74750 -20.1218662
2015 3113701 Carlos Chagas 2443.781 2291.972 20090 Médio 151.80910 6.6235155
2015 3126802 Frei Gaspar 2370.562 2482.505 6031 Pequeno -111.94281 -4.5092682
2015 3127057 Fronteira dos Vales 3641.837 2636.991 4765 Pequeno 1004.84616 38.1057844
2015 3132305 Itaipé 2285.553 2498.093 12489 Médio -212.53944 -8.5080682

3 3. Análise Descritiva Geral (Período Completo 2015-2023)

Esta seção fornece um resumo de todo o conjunto de dados, antes de quebrá-lo por ano.

# Gasto e diferença
estatisticas_gerais <- dados %>%
  select(gasto_aluno_SIOPE, gasto_aluno_SICONFI, diff_abs, diff_perc) %>%
  summary()

# Sumário
print(estatisticas_gerais)
##  gasto_aluno_SIOPE gasto_aluno_SICONFI    diff_abs          diff_perc      
##  Min.   : 2091     Min.   : 1546       Min.   :-19219.4   Min.   :-57.192  
##  1st Qu.: 5072     1st Qu.: 5334       1st Qu.: -2070.1   1st Qu.:-18.113  
##  Median : 8257     Median : 9505       Median :  -754.2   Median : -8.921  
##  Mean   : 8481     Mean   : 9812       Mean   : -1331.0   Mean   : -6.328  
##  3rd Qu.:10875     3rd Qu.:12408       3rd Qu.:   107.8   3rd Qu.:  1.735  
##  Max.   :18283     Max.   :36201       Max.   :  3276.9   Max.   :211.916
dados %>%
  summarise(
    Fonte = "Geral",
    Media_SIOPE = mean(gasto_aluno_SIOPE, na.rm = TRUE),
    Media_SICONFI = mean(gasto_aluno_SICONFI, na.rm = TRUE),
    Media_Diff_Abs = mean(diff_abs, na.rm = TRUE),
    SD_Diff_Abs = sd(diff_abs, na.rm = TRUE),
    Media_Diff_Perc = mean(diff_perc, na.rm = TRUE),
    SD_Diff_Perc = sd(diff_perc, na.rm = TRUE)
  ) %>%
  kable(caption = "Estatísticas Descritivas Gerais (2015-2023)", digits = 2) %>%
  kable_styling(bootstrap_options = "striped", full_width = T)
Estatísticas Descritivas Gerais (2015-2023)
Fonte Media_SIOPE Media_SICONFI Media_Diff_Abs SD_Diff_Abs Media_Diff_Perc SD_Diff_Perc
Geral 8480.62 9811.64 -1331.02 2872.72 -6.33 27.08

3.1 3.1. Visualização: Histogramas de Densidade

# Gráfico para a Diferença Absoluta
p1 <- ggplot(dados, aes(x = diff_abs)) +
  geom_density(fill = "steelblue", alpha = 0.7) +
  geom_vline(xintercept = 0, linetype = "dashed", color = "red", linewidth = 1) +
  geom_vline(aes(xintercept = mean(diff_abs)), linetype = "dotted", color = "black", linewidth = 1) +
  labs(title = "Distribuição da Diferença Absoluta (SIOPE - SICONFI)",
       subtitle = "Linha vermelha = 0; Linha preta pontilhada = Média",
       x = "Diferença Absoluta (R$)", y = "Densidade") +
  theme_minimal()

# Gráfico para a Diferença Percentual
p2 <- ggplot(dados, aes(x = diff_perc)) +
  geom_density(fill = "coral", alpha = 0.7) +
  geom_vline(xintercept = 0, linetype = "dashed", color = "red", linewidth = 1) +
  geom_vline(aes(xintercept = mean(diff_perc)), linetype = "dotted", color = "black", linewidth = 1) +
  labs(title = "Distribuição da Diferença % (SIOPE - SICONFI)",
       subtitle = "Linha vermelha = 0; Linha preta pontilhada = Média",
       x = "Diferença Percentual (%)", y = "Densidade") +
  theme_minimal()

p1 + p2

3.2 3.2. Visualização: Boxplots (Resumo Estatístico)

# --- GRÁFICO 1: Boxplot dos Níveis de Gasto ---
dados_long_gasto <- dados %>%
  select(gasto_aluno_SIOPE, gasto_aluno_SICONFI) %>%
  pivot_longer(
    cols = c(gasto_aluno_SIOPE, gasto_aluno_SICONFI),
    names_to = "Fonte",
    values_to = "Gasto_por_Aluno"
  )

b1 <- ggplot(dados_long_gasto, aes(x = Fonte, y = Gasto_por_Aluno, fill = Fonte)) +
  geom_boxplot(alpha = 0.8) +
  scale_fill_manual(values = c("gasto_aluno_SIOPE" = "steelblue", "gasto_aluno_SICONFI" = "coral")) +
  labs(title = "Distribuição dos Gastos por Aluno (SIOPE vs. SICONFI)",
       x = "Fonte de Dados",
       y = "Gasto por Aluno (R$)") +
  theme_light() +
  theme(legend.position = "none")

# --- GRÁFICO 2: Boxplot das Diferenças ---
dados_long_diff <- dados %>%
  select(diff_abs, diff_perc) %>%
  pivot_longer(
    cols = c(diff_abs, diff_perc),
    names_to = "Metrica_Diferenca",
    values_to = "Valor"
  )

b2 <- ggplot(dados_long_diff, aes(x = Metrica_Diferenca, y = Valor, fill = Metrica_Diferenca)) +
  geom_boxplot(alpha = 0.8, show.legend = FALSE) +
  geom_hline(yintercept = 0, linetype = "dashed", color = "red", linewidth = 1) +
  facet_wrap(~ Metrica_Diferenca, scales = "free") + 
  scale_fill_manual(values = c("diff_abs" = "darkgreen", "diff_perc" = "purple")) +
  labs(title = "Distribuição das Diferenças (Absoluta e Percentual)",
       x = "Métrica de Diferença",
       y = "Valor") +
  theme_light()

b1 + b2

3.3 3.3. Visualização: Outras Comparações (ECDF)

ggplot(dados_long_gasto, aes(x = Gasto_por_Aluno, color = Fonte)) +
  stat_ecdf(linewidth = 1.2) + 
  scale_color_manual(values = c("gasto_aluno_SIOPE" = "steelblue", "gasto_aluno_SICONFI" = "coral")) +
  labs(
    title = "Comparação das Distribuições de Gasto (ECDF) - Geral",
    subtitle = "O gráfico mostra a % de observações abaixo de um certo valor de gasto.",
    x = "Gasto por Aluno (R$)",
    y = "Proporção Cumulativa (0 a 1)"
  ) +
  theme_bw() +
  theme(legend.position = "bottom")

4 4. Análise Descritiva por Ano

Esta é a seção central da nova análise. Aqui, quebramos as estatísticas descritivas por ano para ver a evolução.

4.1 4.1. Tabela por Ano

analise_ano <- dados %>%
  group_by(ano) %>%
  summarise(
    N_Obs = n(),
    Media_SIOPE = mean(gasto_aluno_SIOPE, na.rm = TRUE),
    Media_SICONFI = mean(gasto_aluno_SICONFI, na.rm = TRUE),
    Media_Diff_Abs = mean(diff_abs, na.rm = TRUE),
    SD_Diff_Abs = sd(diff_abs, na.rm = TRUE),
    Media_Diff_Perc = mean(diff_perc, na.rm = TRUE)
  ) %>%
  arrange(ano)

kable(analise_ano, 
      caption = "Análise da Diferença Média por Ano", 
      digits = 2) %>%
  kable_styling(bootstrap_options = "striped", full_width = F)
Análise da Diferença Média por Ano
ano N_Obs Media_SIOPE Media_SICONFI Media_Diff_Abs SD_Diff_Abs Media_Diff_Perc
2015 13 2913.04 2818.62 94.42 478.54 4.24
2016 13 4985.97 6067.43 -1081.46 1082.20 -15.75
2017 13 10984.25 13339.02 -2354.77 3138.34 -15.06
2018 13 8715.43 10994.65 -2279.22 2637.93 -19.15
2019 13 9158.59 10074.80 -916.21 1561.67 -6.87
2020 13 9191.33 8627.27 564.06 1334.11 7.48
2021 13 4687.60 4220.40 467.20 1029.83 21.61
2022 13 10415.79 12882.38 -2466.59 3369.77 -15.72
2023 13 15273.57 19280.21 -4006.64 4880.67 -17.73

4.2 4.2. Gráfico: Boxplot por Ano (Diferença Absoluta)

Isto mostra como a distribuição da diferença absoluta mudou ano a ano (visualização da tabela summary()).

ggplot(dados, aes(x = factor(ano), y = diff_abs, fill = factor(ano))) +
  geom_boxplot(show.legend = FALSE) +
  geom_hline(yintercept = 0, linetype = "dashed", color = "red") + 
  labs(
    title = "Distribuição da Diferença Absoluta (SIOPE - SICONFI) por Ano",
    subtitle = "Agrupado por Ano (2015-2023)",
    x = "Ano",
    y = "Diferença Absoluta (R$)"
  ) +
  theme_light()

4.3 4.3. Gráfico: Violino por Ano (Diferença Percentual)

Isto mostra como a forma da distribuição da diferença percentual mudou ano a ano.

ggplot(dados, aes(x = factor(ano), y = diff_perc, fill = factor(ano))) +
  geom_violin(trim = FALSE, show.legend = FALSE) +
  geom_boxplot(width = 0.1, fill = "white", show.legend = FALSE) + 
  geom_hline(yintercept = 0, linetype = "dashed", color = "red") +
  labs(
    title = "Distribuição da Diferença Percentual (SIOPE - SICONFI) por Ano",
    subtitle = "Agrupado por Ano (2015-2023)",
    x = "Ano",
    y = "Diferença Percentual (%)"
  ) +
  theme_light()

4.4 4.4. Gráfico: ECDF por Ano

Este é um gráfico poderoso que mostra como a relação entre as distribuições SIOPE e SICONFI mudou a cada ano.

# Precisamos do 'dados_long' que foi criado na Seção 3.2
dados_long_completo <- dados %>%
  pivot_longer(
    cols = c(gasto_aluno_SIOPE, gasto_aluno_SICONFI),
    names_to = "Fonte",
    values_to = "Gasto_por_Aluno"
  )

ggplot(dados_long_completo, aes(x = Gasto_por_Aluno, color = Fonte)) +
  stat_ecdf(linewidth = 1) + 
  facet_wrap(~ ano, ncol = 3) +
  scale_color_manual(values = c("gasto_aluno_SIOPE" = "steelblue", "gasto_aluno_SICONFI" = "coral")) +
  labs(
    title = "Evolução da Comparação das Distribuições de Gasto (ECDF) por Ano",
    subtitle = "Observe como a distância entre as curvas azul (SIOPE) e vermelha (SICONFI) muda ao longo dos anos.",
    x = "Gasto por Aluno (R$)",
    y = "Proporção Cumulativa (0 a 1)"
  ) +
  theme_bw() +
  theme(legend.position = "bottom",
        strip.text = element_text(face = "bold"))

5 5. Análise por Município e Ano

Esta seção cumpre sua nova solicitação de ver o “gráfico de gap por município para cada ano”.

5.1 5.1. Gráfico: “Gap” por Município, Facetado por Ano (Dumbbell Plot)

Este gráfico mostra o gasto de SIOPE vs. SICONFI para todos os 13 municípios, com um painel separado para cada ano.

ggplot(dados, aes(y = fct_reorder(nom_munic, gasto_aluno_SIOPE, .fun = mean), 
                   x = gasto_aluno_SICONFI, xend = gasto_aluno_SIOPE)) +
  geom_segment(aes(yend = fct_reorder(nom_munic, gasto_aluno_SIOPE, .fun = mean)), 
               color = "grey", linewidth = 1, alpha = 0.7) + 
  geom_point(aes(color = "SICONFI"), size = 2.5, alpha = 0.8) +
  geom_point(aes(x = gasto_aluno_SIOPE, color = "SIOPE"), size = 2.5, alpha = 0.8) +
  # Agrupa por ano em 3 colunas
  facet_wrap(~ ano, ncol = 3) +
  scale_color_manual(values = c("SIOPE" = "steelblue", "SICONFI" = "coral")) +
  labs(
    title = "Gap Anual do Gasto por Aluno (SIOPE vs. SICONFI)",
    subtitle = "Comparação lado a lado para cada município, por ano.",
    x = "Gasto por Aluno (R$)",
    y = "Município",
    color = "Fonte de Dados"
  ) +
  theme_bw() +
  theme(legend.position = "bottom",
        # Texto do eixo Y menor para caber nos 13 municípios por painel
        axis.text.y = element_text(size = 7),
        strip.text = element_text(face = "bold"))

6 6. Análise por Município (Série Temporal)

Esta seção foi mantida conforme sua solicitação. Ela mostra a mesma informação da seção anterior, mas com o eixo X sendo o tempo (útil para ver a tendência de cada município).

6.1 6.1. Gráfico: Séries Temporais (Nível de Gasto)

ggplot(dados_long_completo, aes(x = ano, y = Gasto_por_Aluno, color = Fonte, group = Fonte)) +
  geom_line(linewidth = 1) +
  geom_point() +
  geom_smooth(method = "lm", linetype = "dotted", se = FALSE, linewidth = 0.8) +
  facet_wrap(~ nom_munic, scales = "free_y", ncol = 4) +
  labs(
    title = "Comparação Gasto por Aluno (SIOPE vs. SICONFI) por Município",
    subtitle = "Período: 2015-2023",
    x = "Ano",
    y = "Gasto por Aluno (R$)",
    color = "Fonte de Dados"
  ) +
  scale_x_continuous(breaks = seq(2015, 2023, by = 2)) +
  theme_bw() + # Tema limpo
  theme(
    legend.position = "bottom",
    strip.text = element_text(size = 8, face = "bold"), 
    axis.text.x = element_text(angle = 45, hjust = 1)
  )

6.2 6.2. Gráfico: Séries Temporais (Diferença Percentual)

O gráfico abaixo foca em plotar a diff_perc ao longo do tempo.

ggplot(dados, aes(x = ano, y = diff_perc)) +
  geom_line(color = "darkgreen", linewidth = 1) +
  geom_point(color = "darkgreen") +
  geom_hline(yintercept = 0, linetype = "dashed", color = "red") +
  facet_wrap(~ nom_munic, ncol = 4) +
  labs(
    title = "Evolução da Diferença Percentual (SIOPE - SICONFI) / SICONFI",
    subtitle = "Período: 2015-2023. Linha vermelha = 0% de diferença.",
    x = "Ano",
    y = "Diferença Percentual (%)"
  ) +
  scale_x_continuous(breaks = seq(2015, 2023, by = 2)) +
  theme_bw() +
  theme(
    strip.text = element_text(size = 8, face = "bold"),
    axis.text.x = element_text(angle = 45, hjust = 1)
  )