Trabalho Final
Cristiane Viana Barbosa
17/03/2021
UNIVERSIDADE FEDERAL FLUMINENSE
ESCOLA DE ENGENHARIA
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA CIVIL
Trabalho Final de Estatística
ANÁLISE DA INFLUÊNCIA DA OPERAÇÃO LAVA JATO
NAS 50 MAIORES EMPRESAS DE CONSTRUÇÃO CIVIL NO BRASIL
Aluna: Cristiane Viana Barbosa
Disciplina: Estatística aplicada à engenharia
Docente: Steven RosS
Matrícula: M015.220.001
cristianeviana@id.uff.br
Niterói
2021 Relatório final
1. Introdução
O setor da construção civil é um setor que impacta diretamente na economia brasileira, o Brasil está sofrendo durante muitos anos com a corrupção devido a falta de impunidade, a falta de regulamentação e pela fragilidade das regras elaborados por um sistema político para obter benefícios próprios, tais como lucros ilegais, propinas e rede de influências.
Devido a globalização, o comercio exterior e a velocidade das informações difundidas pela internet houve uma necessidade de regulamentação, detecção e repressão dessa corrupção no país. Houve uma pressão para que os governos trabalhassem com transparência e comprometimento ético.
Em primeiro de agosto de 2013 foi criado a primeira lei federal de número 12.846 chamada de Lei anticorrupção onde ficou regulamentado o programa de integridade (Compliance), definindo as responsabilidades e as multas. Foi criado, ainda, o Decreto de número 8.420 em 18/03/2015 que regulamenta a Lei anticorrupção acima para existência e funcionamento de programa de integridade.
Em março de 2014 foi iniciada em Curitiba a Operação Lava Jato que se expande até os dias de hoje com a prisão e a responsabilidade de vários políticos, funcionários públicos da alta administração. Atualmente a operação Lava Jato tem desdobramentos no Rio de Janeiro, Distrito Federal, São Paulo e outros estados, e, ainda, pelo menos 12 países iniciaram suas próprias investigações.
2. Objetivo
O objetivo do estudo desenvolvido foi demonstar atraves da comparação dos resultados das empresas de construção no ano de 2013 com o ano de 2018 e apresentar o impacto desses resultados atraves dos gráficos corplot, de dispersão, balloomplot, boxplot, matriz de correlação e teste de hipóteses.
3. Metodologia
Nas tabelas a seguir estão contidas as bases de dados que foram utilizadas:
Banco de dados do ranking das 50 maiores empresas de construção civil do ano de 2013, com a receita bruta e o patrimonio líquido atualizado pelo INCC (índice nacional da construção civil) ate o ano de 2018, PIB utilizado foi do ano de 2010 divulgado pelo IBGE.
library(readxl)
dados2013 <- read_excel("C:/Users/Cristiane/Desktop/Estatistica aplicada a engenharia I/Atividade final/dados2013.xlsx",
sheet = "2013")
library(kableExtra)
kable(dados2013, row.names = FALSE)%>%
kable_styling( full_width = T,bootstrap_options = c("striped", "hover", "condensed", "responsive"),
position = "center", fixed_thead = T) %>%
scroll_box(width = "900px", height = "600px")| EMPRESAS | ESTADO | REGIÃO | INVESTIGADAS | CODIGO | PIB | RECEITA BRUTA | RECEITA BRUTA ATUALIZADA | PATRIMONIO LIQUIDO | PATRIMONIO LIQUIDO ATUALIZADO | CONTRATOS PUBLICOS | CONTRATOS PRIVADOS | EMPREGADOS | EMPREGADOS GRADUADOS | VARIACAO DE POSICAO |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Norberto Odebrecht | RJ | Sudeste | Sim | 1 | 504221370 | 9741527 | 12858776.7 | 5889793 | 7774503.201 | 31 | 42 | 139115 | 5806 | 0 |
| Camargo Correa | SP | Sudeste | Sim | 1 | 1408903866 | 5041473 | 6654724.2 | 2275675 | 3003881.897 | 55 | 45 | 25152 | 1016 | 0 |
| Andrade Gutierrez | MG | Sudeste | Sim | 1 | 403551318 | 4599534 | 6071366.5 | 2734495 | 3609522.462 | 67 | 33 | 13594 | 2159 | 0 |
| Queiroz Galvao | RJ | Sudeste | Sim | 1 | 504221370 | 3932664 | 5191100.7 | 1772661 | 2339905.429 | 58 | 42 | 16430 | 1339 | 0 |
| OAS | SP | Sudeste | Sim | 1 | 1408903866 | 3925432 | 5181554.5 | 1156205 | 1526185.975 | 30 | 70 | 66504 | 2384 | 0 |
| Galvao Engenharia | SP | Sudeste | Sim | 1 | 1408903866 | 3136254 | 4139842.7 | 946016 | 1248737.336 | 61 | 23 | 8248 | 894 | 2 |
| MRV Engenharia | MG | Sudeste | Sim | 1 | 403551318 | 2574903 | 3398861.7 | 3801633 | 5018140.353 | NA | NA | 10656 | 1592 | 0 |
| Construcap | SP | Sudeste | Sim | 1 | 1408903866 | 1984103 | 2619008.0 | 365777 | 482824.177 | 22 | 78 | 9291 | 895 | 3 |
| A.R.G | MG | Sudeste | Sim | 1 | 403551318 | 1852067 | 2444721.0 | 334489 | 441524.142 | 3 | 97 | 4755 | 293 | 4 |
| Egesa | MG | Sudeste | Não | 0 | 403551318 | 1522856 | 2010163.8 | 245525 | 324092.018 | 87 | 13 | 3531 | 320 | 9 |
| Racional Engenharia | SP | Sudeste | Sim | 1 | 1408903866 | 1408154 | 1858757.6 | 55612 | 73407.618 | NA | 100 | 1059 | 411 | 10 |
| Direcional Engenharia | MG | Sudeste | Sim | 1 | 403551318 | 1398198 | 1845615.8 | 1421358 | 1876186.875 | NA | 33 | 14500 | 1 | 2 |
| Mendes Junior | SP | Sudeste | Sim | 1 | 1408903866 | 1334555 | 1761607.3 | 451312 | 595730.035 | 91 | 9 | 6441 | 477 | 1 |
| Gafisa | SP | Sudeste | Não | 0 | 1408903866 | 1324761 | 1748679.2 | 2692 | 3553.429 | 30 | 20 | 1006 | 708 | 5 |
| Via Engenharia | DF | Centro-Oeste | Sim | 1 | 171235534 | 1321090 | 1743833.5 | 416791 | 550162.453 | 41 | 24 | 3052 | 258 | 12 |
| Carioca Engenharia | RJ | Sudeste | Sim | 1 | 504221370 | 1243317 | 1641173.5 | 435551 | 574925.578 | 60 | 40 | 3000 | 450 | 4 |
| Wtorre Engenharia | SP | Sudeste | Sim | 1 | 1408903866 | 1128660 | 1489826.7 | 91752 | 121112.273 | NA | 100 | 2158 | 400 | 1 |
| Construtora Barbosa Mello | MG | Sudeste | Sim | 1 | 403551318 | 1073058 | 1416432.3 | 325641 | 429844.817 | 13 | 87 | 6511 | 293 | 8 |
| Serveng Civilsan | SP | Sudeste | Não | 0 | 1408903866 | 1015241 | 1340114.1 | 3128080 | 4129053.088 | 33 | 33 | 3259 | 300 | 9 |
| Techint Engenharia e Construcao | SP | Sudeste | Sim | 1 | 1408903866 | 895636 | 1182235.9 | 649690 | 857588.201 | 68 | 32 | 5500 | 494 | 5 |
| Moura Dubeux Engenharia | PE | Nordeste | Sim | 1 | 117340092 | 880021 | 1161624.2 | 468929 | 618984.404 | 0 | 0 | 5600 | 600 | n/a |
| Eztec | SP | Sudeste | Sim | 1 | 1408903866 | 876548 | 1157039.9 | 1676491 | 2212961.414 | NA | NA | 341 | 320 | 1 |
| Fidens | MG | Sudeste | Não | 0 | 403551318 | 840947 | 1110046.7 | 360326 | 475628.879 | 98 | 2 | 7410 | 512 | 8 |
| Método Engenharia | SP | Sudeste | Sim | 1 | 1408903866 | 777000 | 1025636.9 | 111246 | 146844.275 | NA | 100 | 504 | 404 | 6 |
| Hochtief do Brasil | SP | Sudeste | Sim | 1 | 1408903866 | 763489 | 1007802.4 | 43049 | 56824.508 | NA | 100 | 1345 | 230 | 4 |
| Brookfield Incorporacoes | RJ | Sudeste | Não | 0 | 504221370 | 737793 | 973883.8 | 2854 | 3767.269 | NA | NA | 5307 | NA | 11 |
| Paranasa | MG | Sudeste | Não | 0 | 403551318 | 642898 | 848622.8 | 115748 | 152786.897 | NA | 100 | 5622 | 190 | 7 |
| C.R. Almeida | PR | Sul | Sim | 1 | 255926608 | 582173 | 768466.0 | 676063 | 892400.456 | 88 | 12 | 2546 | 110 | 8 |
| Integral Engenharia | MG | Sudeste | Não | 0 | 403551318 | 577789 | 762679.2 | 110287 | 145578.399 | 17 | 83 | NA | NA | 6 |
| Toniolo, Busnello | RS | Sul | Não | 0 | 277657666 | 537180 | 709075.5 | 193538 | 255469.386 | 12 | 87 | 2375 | 174 | 2 |
| Construtora Aterpa M. Martins | MG | Sudeste | Não | 0 | 403551318 | 507899 | 670424.6 | 210541 | 277913.278 | 85 | 15 | 2926 | 293 | 17 |
| Pernambuco Construtora | PE | Nordeste | Não | 0 | 117340092 | 503143 | 664146.7 | 178482 | 235595.526 | 5 | 9 | 1902 | 230 | 23 |
| Leao Engenharia | SP | Sudeste | Não | 0 | 1408903866 | 481084 | 635029.0 | 112875 | 148994.549 | 20 | 80 | 2104 | 160 | 0 |
| U&M Mineração e Construção | RJ | Sudeste | Não | 0 | 504221370 | 465731 | 614763.1 | 159551 | 210606.682 | NA | 100 | 1245 | 147 | 3 |
| Encalso Construcoes | SP | Sudeste | Sim | 1 | 1408903866 | 463888 | 612330.3 | 820176 | 1082629.039 | 85 | 15 | 2700 | 500 | n/a |
| Mascarenhas Barbosa Roscoe | MG | Sudeste | Não | 0 | 403551318 | 458088 | 604674.3 | 114252 | 150812.183 | 3 | 97 | 3976 | 122 | 8 |
| Plaenge | PR | Sul | Não | 0 | 255926608 | 446093 | 588841.0 | 189411 | 250021.762 | NA | NA | 1471 | 272 | 9 |
| J Malucelli Construtora | PR | Sul | Não | 0 | 255926608 | 434031 | 572919.2 | 422075 | 557137.312 | 75 | 25 | 2626 | NA | 15 |
| Constran | SP | Sudeste | Sim | 1 | 1408903866 | 428465 | 565572.1 | 827536 | 1092344.210 | 100 | NA | 858 | 193 | 9 |
| Construtora Triunfo | PR | Sul | Não | 0 | 255926608 | 399851 | 527801.7 | 514622 | 679298.982 | 29 | 71 | 3209 | 100 | n/a |
| Jofege | SP | Sudeste | Não | 0 | 1408903866 | 387977 | 512128.1 | 115359 | 152273.419 | 81 | 19 | 1640 | 80 | 4 |
| Construtora Marquise | CE | Nordeste | Não | 0 | 90131724 | 384675 | 507769.5 | 485666 | 641077.177 | 91 | 4 | 2503 | 209 | 0 |
| Cesbe | PR | Sul | Não | 0 | 255926608 | 378946 | 500207.2 | 150008 | 198009.960 | 6 | 94 | 2470 | 120 | 6 |
| EMSA | GO | Centro-Oeste | Não | 0 | 123926301 | 368783 | 486792.1 | 599815 | 791753.401 | 98 | 2 | 1977 | 101 | 6 |
| Calcada Empreendimentos | RJ | Sudeste | Não | 0 | 504221370 | 360822 | 476283.6 | 250478 | 330629.958 | NA | 100 | 611 | 134 | n/a |
| Toda | SP | Sudeste | Não | 0 | 1408903866 | 355471 | 469220.3 | 4020 | 5306.384 | NA | 100 | 473 | 95 | 5 |
| Matec Engenharia | SP | Sudeste | Não | 0 | 1408903866 | 351501 | 463979.9 | 5138 | 6782.139 | NA | 100 | 325 | 105 | n/a |
| S. A. Paulista | SP | Sudeste | Não | 0 | 1408903866 | 323656 | 427224.6 | 438240 | 578475.047 | 85 | 15 | 925 | 65 | 5 |
| Emparsanco | SP | Sudeste | Não | 0 | 1408903866 | 303231 | 400263.7 | 210612 | 278006.998 | 95 | 5 | 800 | 100 | n/a |
| Emccamp Residencial | MG | Sudeste | Não | 0 | 403551318 | 287751 | 379830.2 | 166270 | 219475.735 | 70 | NA | 1100 | 60 | 19 |
Banco de dados do ranking das 50 maiores empresas de construção civil do ano de 2018, PIB utilizado foi do ano de 2018 divulgado pelo IBGE.
library(readxl)
dados2018 <- read_excel("C:/Users/Cristiane/Desktop/Estatistica aplicada a engenharia I/Atividade final/dados2018.xlsx",
sheet = "2018")
kable(dados2018, row.names = FALSE)%>%
kable_styling( full_width = T,bootstrap_options = c("striped", "hover", "condensed", "responsive"),
position = "center", fixed_thead = T) %>%
scroll_box(width = "900px", height = "600px")| POSICAO | EMPRESAS | ESTADO | REGIAO | INVESTIGADAS | CODIGO | PIB | RECEITA BRUTA | PATRIMONIO LIQUIDO | CONTRATOS PUBLICOS | CONTRATOS PRIVADOS | EMPREGADOS | EMPREGADOS GRADUADOS | VARIACAO DE POSICAO |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | Odebrecht | SP | Sudeste | Sim | 1 | 2210561900 | 11087892 | 4843400 | NA | NA | NA | NA | NA |
| 2 | Construtora Queiroz Galvao | RJ | Sudeste | Sim | 1 | 758859000 | 2388016 | 1242499 | 81 | 19 | 4459 | 871 | -1 |
| 3 | MRV Engenharia | MG | Sudeste | Sim | 1 | 614875800 | 2301008 | 5541762 | 0 | 0 | 14694 | 2253 | -1 |
| 4 | Construtora Triunfo | PR | Sul | Nao | 0 | 440029400 | 1284855 | 1205340 | NA | NA | NA | NA | NA |
| 5 | Camargo Correa | SP | Sudeste | Sim | 1 | 2210561900 | 1155635 | 1781743 | NA | NA | NA | NA | NA |
| 6 | Direcional Engenharia | MG | Sudeste | Sim | 1 | 614875800 | 799338 | 1604315 | 28 | 0 | 4637 | 462 | -1 |
| 7 | Toolo, Busnello | RS | Sul | Nao | 0 | 457294000 | 746397 | 157195 | NA | NA | 2715 | 136 | 7 |
| 8 | Empresa Construtora Brasil | MG | Sudeste | Nao | 0 | 614875800 | 733359 | 144676 | NA | NA | NA | NA | 7 |
| 9 | Construcap | SP | Sudeste | Sim | 1 | 2210561900 | 701707 | 759760 | 47 | 53 | 1736 | 212 | 4 |
| 10 | Serveng-Civilsan | SP | Sudeste | Nao | 1 | 2210561900 | 674317 | 615874 | NA | NA | NA | NA | -4 |
| 11 | Racional Engenharia | SP | Sudeste | Sim | 1 | 2210561900 | 663900 | 15088 | 0 | 100 | 415 | 72 | -4 |
| 12 | HTB | SP | Sudeste | Nao | 1 | 2210561900 | 615314 | 93698 | 0 | 100 | 1364 | 308 | -4 |
| 13 | UeM Mineração e Construcao | RJ | Sudeste | Nao | 0 | 758859000 | 573471 | 337075 | 0 | 100 | NA | NA | 10 |
| 14 | Pacaembu Construtora | SP | Sudeste | Nao | 1 | 2210561900 | 567875 | 204042 | 99 | 0 | 505 | 217 | 6 |
| 15 | S.A Paulista | SP | Sudeste | Nao | 1 | 2210561900 | 545622 | 549131 | NA | NA | NA | NA | 1 |
| 16 | Planova | SP | Sudeste | Nao | 1 | 2210561900 | 510096 | 180506 | NA | NA | NA | NA | NA |
| 17 | Gafisa | SP | Sudeste | Nao | 1 | 2210561900 | 495632 | 755557 | NA | NA | NA | NA | -5 |
| 18 | Rio Verde Engenharia e Construcoes | SP | Sudeste | Sim | 1 | 2210561900 | 489611 | 5710 | 0 | 60 | 633 | 234 | -1 |
| 19 | Afonso França Engenharia | SP | Sudeste | Nao | 1 | 2210561900 | 486361 | 48182 | 0 | 100 | 500 | 296 | 6 |
| 20 | EMPA Servicos de Engenharia | MG | Sudeste | Nao | 0 | 614875800 | 485138 | 188485 | 14 | 86 | 531 | 32 | 12 |
| 21 | Construtora JL | PR | Sul | Nao | 0 | 440029400 | 471905 | 375428 | 99 | 0 | 1522 | 135 | 15 |
| 22 | Tiisa | SP | Sudeste | Nao | 1 | 2210561900 | 464858 | 180561 | NA | NA | NA | NA | NA |
| 23 | Terracom Construcoes | SP | Sudeste | Nao | 1 | 2210561900 | 447168 | 293860 | NA | NA | NA | NA | NA |
| 24 | Seta Engenharia | SC | Sul | Nao | 0 | 298227100 | 376598 | 45208 | 0 | 100 | 2041 | 111 | 3 |
| 25 | Acciona Construccion | SP | Sudeste | Nao | 1 | 2210561900 | 374892 | 195752 | NA | NA | NA | NA | NA |
| 26 | Construtora Ferreira Guedes | SP | Sudeste | Nao | 1 | 2210561900 | 369995 | 239897 | 76 | 24 | 1227 | 170 | NA |
| 27 | Via Engenharia | DF | Centro-Oeste | Sim | 1 | 254817200 | 351284 | 602508 | 53 | 5 | 1982 | 237 | 31 |
| 28 | Rossi Residencial | SP | Sudeste | Nao | 1 | 2210561900 | 327201 | NA | NA | NA | NA | NA | NA |
| 29 | LCM | MG | Sudeste | Nao | 0 | 614875800 | 325142 | NA | NA | NA | NA | NA | NA |
| 30 | Constroeste Construtora | SP | Sudeste | Nao | 1 | 2210561900 | 320949 | 233886 | NA | NA | NA | NA | NA |
| 31 | Pelicano Construcoes | ES | Sudeste | Nao | 0 | 137020100 | 303279 | 99798 | 3 | 97 | 924 | 47 | NA |
| 32 | Paulitec Construcoes | SP | Sudeste | Nao | 1 | 2210561900 | 285925 | 64374 | 97 | 3 | 408 | 68 | 7 |
| 33 | TODA | SP | Sudeste | Nao | 1 | 2210561900 | 284134 | 30487 | 0 | 100 | 329 | 98 | 29 |
| 34 | Construtora Marquise | CE | Nordeste | Nao | 0 | 155903800 | 278717 | 512964 | NA | NA | NA | NA | -8 |
| 35 | Construtora Tenda | SP | Sudeste | Nao | 1 | 2210561900 | 277990 | 1158692 | NA | NA | NA | NA | 7 |
| 36 | Matec Engenharia | SP | Sudeste | Nao | 1 | 2210561900 | 268031 | 479658 | 0 | 100 | 280 | 140 | 4 |
| 37 | A.YOSHI Engenharia | PR | Sul | Nao | 0 | 440029400 | 259262 | 370349 | 0 | 14 | 1059 | 105 | -7 |
| 38 | Sa Cavalcante | RJ | Sudeste | Nao | 0 | 758859000 | 245940 | 998527 | NA | NA | NA | NA | 0 |
| 39 | BN Engenharia | SP | Sudeste | Nao | 1 | 2210561900 | 245850 | 16592 | 0 | 100 | 250 | 80 | 18 |
| 40 | Engenharia e Comercio Bandeirantes | SP | Sudeste | Nao | 1 | 2210561900 | 237382 | 208601 | 57 | 25 | 891 | 63 | 9 |
| 41 | Passarelli | SP | Sudeste | Nao | 1 | 2210561900 | 233922 | 219172 | 70 | 25 | 1500 | 200 | -6 |
| 42 | Setep Construções | SC | Sul | Nao | 0 | 298227100 | 233719 | 144398 | NA | NA | NA | NA | -5 |
| 43 | Carioca Engenharia | RJ | Sudeste | Sim | 1 | 758859000 | 232694 | 299812 | 90 | 10 | 300 | 50 | -33 |
| 44 | Engeform Engenharia | SP | Sudeste | Nao | 1 | 2210561900 | 230464 | 356750 | 53 | 47 | 1577 | 233 | 3 |
| 45 | Emccamp Residencial | MG | Sudeste | Nao | 0 | 614875800 | 230404 | 415861 | 98 | 0 | 447 | 116 | -12 |
| 46 | J.Malucelli Construtora de Obras | PR | Sul | Nao | 0 | 440029400 | 222052 | 442069 | NA | NA | NA | NA | -18 |
| 47 | Construtora Fonseca e Mercadante | SP | Sudeste | Nao | 1 | 2210561900 | 219577 | 14422 | 0 | 100 | 150 | 80 | -18 |
| 48 | Cesbe | PR | Sul | Nao | 0 | 440029400 | 209469 | 140425 | 0 | 100 | 350 | 45 | 20 |
| 49 | Dois A Engenharia | RN | Nordeste | Nao | 0 | 66969600 | 207899 | 74190 | 8 | 91 | 756 | 157 | -1 |
| 50 | Construtora Barbosa Mello | MG | Sudeste | Sim | 1 | 614875800 | 196727 | 197547 | 20 | 80 | 585 | 140 | -28 |
Junção do banco de dados do ranking das 50 maiores empresas de construção civil do ano de 2013 e 2018.
library(readxl)
dados <- read_excel("C:/Users/Cristiane/Desktop/Estatistica aplicada a engenharia I/Atividade final/dados.xlsx",
sheet = "Dados")
kable(dados, row.names = FALSE)%>%
kable_styling( full_width = T,bootstrap_options = c("striped", "hover", "condensed", "responsive"),
position = "center", fixed_thead = T) %>%
scroll_box(width = "900px", height = "600px")| POSICAO | EMPRESAS | ANO | ESTADO | REGIÃO | INVESTIGADAS | CODIGO | PIB | RECEITA BRUTA | PATRIMONIO LIQUIDO | CONTRATOS PUBLICOS | CONTRATOS PRIVADOS | EMPREGADOS | EMPREGADOS GRADUADOS | VARIACAO DE POSICAO |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | Norberto Odebrecht | 2013 | RJ | Sudeste | Sim | 1 | 504221370 | 12858776.7 | 7774503.201 | 31 | 42 | 139115 | 5806 | 0 |
| 2 | Camargo Correa | 2013 | SP | Sudeste | Sim | 1 | 1408903866 | 6654724.2 | 3003881.897 | 55 | 45 | 25152 | 1016 | 0 |
| 3 | Andrade Gutierrez | 2013 | MG | Sudeste | Sim | 1 | 403551318 | 6071366.5 | 3609522.462 | 67 | 33 | 13594 | 2159 | 0 |
| 4 | Queiroz Galvao | 2013 | RJ | Sudeste | Sim | 1 | 504221370 | 5191100.7 | 2339905.429 | 58 | 42 | 16430 | 1339 | 0 |
| 5 | OAS | 2013 | SP | Sudeste | Sim | 1 | 1408903866 | 5181554.5 | 1526185.975 | 30 | 70 | 66504 | 2384 | 0 |
| 6 | Galvao Engenharia | 2013 | SP | Sudeste | Sim | 1 | 1408903866 | 4139842.7 | 1248737.336 | 61 | 23 | 8248 | 894 | 2 |
| 7 | MRV Engenharia | 2013 | MG | Sudeste | Sim | 1 | 403551318 | 3398861.7 | 5018140.353 | NA | NA | 10656 | 1592 | 0 |
| 8 | Construcap | 2013 | SP | Sudeste | Sim | 1 | 1408903866 | 2619008.0 | 482824.177 | 22 | 78 | 9291 | 895 | 3 |
| 9 | A.R.G | 2013 | MG | Sudeste | Sim | 1 | 403551318 | 2444721.0 | 441524.142 | 3 | 97 | 4755 | 293 | 4 |
| 10 | Egesa | 2013 | MG | Sudeste | Não | 0 | 403551318 | 2010163.8 | 324092.018 | 87 | 13 | 3531 | 320 | 9 |
| 11 | Racional Engenharia | 2013 | SP | Sudeste | Sim | 1 | 1408903866 | 1858757.6 | 73407.618 | NA | 100 | 1059 | 411 | 10 |
| 12 | Direcional Engenharia | 2013 | MG | Sudeste | Sim | 1 | 403551318 | 1845615.8 | 1876186.875 | NA | 33 | 14500 | 1 | 2 |
| 13 | Mendes Junior | 2013 | SP | Sudeste | Sim | 1 | 1408903866 | 1761607.3 | 595730.035 | 91 | 9 | 6441 | 477 | 1 |
| 14 | Gafisa | 2013 | SP | Sudeste | Não | 0 | 1408903866 | 1748679.2 | 3553.429 | 30 | 20 | 1006 | 708 | 5 |
| 15 | Via Engenharia | 2013 | DF | Centro-Oeste | Sim | 1 | 171235534 | 1743833.5 | 550162.453 | 41 | 24 | 3052 | 258 | 12 |
| 16 | Carioca Engenharia | 2013 | RJ | Sudeste | Sim | 1 | 504221370 | 1641173.5 | 574925.578 | 60 | 40 | 3000 | 450 | 4 |
| 17 | Wtorre Engenharia | 2013 | SP | Sudeste | Sim | 1 | 1408903866 | 1489826.7 | 121112.273 | NA | 100 | 2158 | 400 | 1 |
| 18 | Construtora Barbosa Mello | 2013 | MG | Sudeste | Sim | 1 | 403551318 | 1416432.3 | 429844.817 | 13 | 87 | 6511 | 293 | 8 |
| 19 | Serveng Civilsan | 2013 | SP | Sudeste | Não | 0 | 1408903866 | 1340114.1 | 4129053.088 | 33 | 33 | 3259 | 300 | 9 |
| 20 | Techint Engenharia e Construcao | 2013 | SP | Sudeste | Sim | 1 | 1408903866 | 1182235.9 | 857588.201 | 68 | 32 | 5500 | 494 | 5 |
| 21 | Moura Dubeux Engenharia | 2013 | PE | Nordeste | Sim | 1 | 117340092 | 1161624.2 | 618984.404 | 0 | 0 | 5600 | 600 | n/a |
| 22 | Eztec | 2013 | SP | Sudeste | Sim | 1 | 1408903866 | 1157039.9 | 2212961.414 | NA | NA | 341 | 320 | 1 |
| 23 | Fidens | 2013 | MG | Sudeste | Não | 0 | 403551318 | 1110046.7 | 475628.879 | 98 | 2 | 7410 | 512 | 8 |
| 24 | Método Engenharia | 2013 | SP | Sudeste | Sim | 1 | 1408903866 | 1025636.9 | 146844.275 | NA | 100 | 504 | 404 | 6 |
| 25 | Hochtief do Brasil | 2013 | SP | Sudeste | Sim | 1 | 1408903866 | 1007802.4 | 56824.508 | NA | 100 | 1345 | 230 | 4 |
| 26 | Brookfield Incorporacoes | 2013 | RJ | Sudeste | Não | 0 | 504221370 | 973883.8 | 3767.269 | NA | NA | 5307 | NA | 11 |
| 27 | Paranasa | 2013 | MG | Sudeste | Não | 0 | 403551318 | 848622.8 | 152786.897 | NA | 100 | 5622 | 190 | 7 |
| 28 | C.R. Almeida | 2013 | PR | Sul | Sim | 1 | 255926608 | 768466.0 | 892400.456 | 88 | 12 | 2546 | 110 | 8 |
| 29 | Integral Engenharia | 2013 | MG | Sudeste | Não | 0 | 403551318 | 762679.2 | 145578.399 | 17 | 83 | NA | NA | 6 |
| 30 | Toniolo, Busnello | 2013 | RS | Sul | Não | 0 | 277657666 | 709075.5 | 255469.386 | 12 | 87 | 2375 | 174 | 2 |
| 31 | Construtora Aterpa M. Martins | 2013 | MG | Sudeste | Não | 0 | 403551318 | 670424.6 | 277913.278 | 85 | 15 | 2926 | 293 | 17 |
| 32 | Pernambuco Construtora | 2013 | PE | Nordeste | Não | 0 | 117340092 | 664146.7 | 235595.526 | 5 | 9 | 1902 | 230 | 23 |
| 33 | Leao Engenharia | 2013 | SP | Sudeste | Não | 0 | 1408903866 | 635029.0 | 148994.549 | 20 | 80 | 2104 | 160 | 0 |
| 34 | U&M Mineração e Construção | 2013 | RJ | Sudeste | Não | 0 | 504221370 | 614763.1 | 210606.682 | NA | 100 | 1245 | 147 | 3 |
| 35 | Encalso Construcoes | 2013 | SP | Sudeste | Sim | 1 | 1408903866 | 612330.3 | 1082629.039 | 85 | 15 | 2700 | 500 | n/a |
| 36 | Mascarenhas Barbosa Roscoe | 2013 | MG | Sudeste | Não | 0 | 403551318 | 604674.3 | 150812.183 | 3 | 97 | 3976 | 122 | 8 |
| 37 | Plaenge | 2013 | PR | Sul | Não | 0 | 255926608 | 588841.0 | 250021.762 | NA | NA | 1471 | 272 | 9 |
| 38 | J Malucelli Construtora | 2013 | PR | Sul | Não | 0 | 255926608 | 572919.2 | 557137.312 | 75 | 25 | 2626 | NA | 15 |
| 39 | Constran | 2013 | SP | Sudeste | Sim | 1 | 1408903866 | 565572.1 | 1092344.210 | 100 | NA | 858 | 193 | 9 |
| 40 | Construtora Triunfo | 2013 | PR | Sul | Não | 0 | 255926608 | 527801.7 | 679298.982 | 29 | 71 | 3209 | 100 | n/a |
| 41 | Jofege | 2013 | SP | Sudeste | Não | 0 | 1408903866 | 512128.1 | 152273.419 | 81 | 19 | 1640 | 80 | 4 |
| 42 | Construtora Marquise | 2013 | CE | Nordeste | Não | 0 | 90131724 | 507769.5 | 641077.177 | 91 | 4 | 2503 | 209 | 0 |
| 43 | Cesbe | 2013 | PR | Sul | Não | 0 | 255926608 | 500207.2 | 198009.960 | 6 | 94 | 2470 | 120 | 6 |
| 44 | EMSA | 2013 | GO | Centro-Oeste | Não | 0 | 123926301 | 486792.1 | 791753.401 | 98 | 2 | 1977 | 101 | 6 |
| 45 | Calcada Empreendimentos | 2013 | RJ | Sudeste | Não | 0 | 504221370 | 476283.6 | 330629.958 | NA | 100 | 611 | 134 | n/a |
| 46 | Toda | 2013 | SP | Sudeste | Não | 0 | 1408903866 | 469220.3 | 5306.384 | NA | 100 | 473 | 95 | 5 |
| 47 | Matec Engenharia | 2013 | SP | Sudeste | Não | 0 | 1408903866 | 463979.9 | 6782.139 | NA | 100 | 325 | 105 | n/a |
| 48 | S. A. Paulista | 2013 | SP | Sudeste | Não | 0 | 1408903866 | 427224.6 | 578475.047 | 85 | 15 | 925 | 65 | 5 |
| 49 | Emparsanco | 2013 | SP | Sudeste | Não | 0 | 1408903866 | 400263.7 | 278006.998 | 95 | 5 | 800 | 100 | n/a |
| 50 | Emccamp Residencial | 2013 | MG | Sudeste | Não | 0 | 403551318 | 379830.2 | 219475.735 | 70 | NA | 1100 | 60 | 19 |
| 1 | Odebrecht | 2018 | SP | Sudeste | Sim | 1 | 2210561900 | 11087892.0 | 4843400.000 | NA | NA | NA | NA | NA |
| 2 | Construtora Queiroz Galvao | 2018 | RJ | Sudeste | Sim | 1 | 758859000 | 2388016.0 | 1242499.000 | 81 | 19 | 4459 | 871 | -1 |
| 3 | MRV Engenharia | 2018 | MG | Sudeste | Sim | 1 | 614875800 | 2301008.0 | 5541762.000 | 0 | 0 | 14694 | 2253 | -1 |
| 4 | Construtora Triunfo | 2018 | PR | Sul | Não | 0 | 440029400 | 1284855.0 | 1205340.000 | NA | NA | NA | NA | NA |
| 5 | Camargo Correa | 2018 | SP | Sudeste | Sim | 1 | 2210561900 | 1155635.0 | 1781743.000 | NA | NA | NA | NA | NA |
| 6 | Direcional Engenharia | 2018 | MG | Sudeste | Sim | 1 | 614875800 | 799338.0 | 1604315.000 | 28 | 0 | 4637 | 462 | -1 |
| 7 | Toolo, Busnello | 2018 | RS | Sul | Não | 0 | 457294000 | 746397.0 | 157195.000 | NA | NA | 2715 | 136 | 7 |
| 8 | Empresa Construtora Brasil | 2018 | MG | Sudeste | Não | 0 | 614875800 | 733359.0 | 144676.000 | NA | NA | NA | NA | 7 |
| 9 | Construcap | 2018 | SP | Sudeste | Sim | 1 | 2210561900 | 701707.0 | 759760.000 | 47 | 53 | 1736 | 212 | 4 |
| 10 | Serveng-Civilsan | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 674317.0 | 615874.000 | NA | NA | NA | NA | -4 |
| 11 | Racional Engenharia | 2018 | SP | Sudeste | Sim | 1 | 2210561900 | 663900.0 | 15088.000 | 0 | 100 | 415 | 72 | -4 |
| 12 | HTB | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 615314.0 | 93698.000 | 0 | 100 | 1364 | 308 | -4 |
| 13 | UeM Mineração e Construcao | 2018 | RJ | Sudeste | Não | 0 | 758859000 | 573471.0 | 337075.000 | 0 | 100 | NA | NA | 10 |
| 14 | Pacaembu Construtora | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 567875.0 | 204042.000 | 99 | 0 | 505 | 217 | 6 |
| 15 | S.A Paulista | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 545622.0 | 549131.000 | NA | NA | NA | NA | 1 |
| 16 | Planova | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 510096.0 | 180506.000 | NA | NA | NA | NA | NA |
| 17 | Gafisa | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 495632.0 | 755557.000 | NA | NA | NA | NA | -5 |
| 18 | Rio Verde Engenharia e Construcoes | 2018 | SP | Sudeste | Sim | 1 | 2210561900 | 489611.0 | 5710.000 | 0 | 60 | 633 | 234 | -1 |
| 19 | Afonso França Engenharia | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 486361.0 | 48182.000 | 0 | 100 | 500 | 296 | 6 |
| 20 | EMPA Servicos de Engenharia | 2018 | MG | Sudeste | Não | 0 | 614875800 | 485138.0 | 188485.000 | 14 | 86 | 531 | 32 | 12 |
| 21 | Construtora JL | 2018 | PR | Sul | Não | 0 | 440029400 | 471905.0 | 375428.000 | 99 | 0 | 1522 | 135 | 15 |
| 22 | Tiisa | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 464858.0 | 180561.000 | NA | NA | NA | NA | NA |
| 23 | Terracom Construcoes | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 447168.0 | 293860.000 | NA | NA | NA | NA | NA |
| 24 | Seta Engenharia | 2018 | SC | Sul | Não | 0 | 298227100 | 376598.0 | 45208.000 | 0 | 100 | 2041 | 111 | 3 |
| 25 | Acciona Construccion | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 374892.0 | 195752.000 | NA | NA | NA | NA | NA |
| 26 | Construtora Ferreira Guedes | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 369995.0 | 239897.000 | 76 | 24 | 1227 | 170 | NA |
| 27 | Via Engenharia | 2018 | DF | Centro-Oeste | Sim | 1 | 254817200 | 351284.0 | 602508.000 | 53 | 5 | 1982 | 237 | 31 |
| 28 | Rossi Residencial | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 327201.0 | NA | NA | NA | NA | NA | NA |
| 29 | LCM | 2018 | MG | Sudeste | Não | 0 | 614875800 | 325142.0 | NA | NA | NA | NA | NA | NA |
| 30 | Constroeste Construtora | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 320949.0 | 233886.000 | NA | NA | NA | NA | NA |
| 31 | Pelicano Construcoes | 2018 | ES | Sudeste | Não | 0 | 137020100 | 303279.0 | 99798.000 | 3 | 97 | 924 | 47 | NA |
| 32 | Paulitec Construcoes | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 285925.0 | 64374.000 | 97 | 3 | 408 | 68 | 7 |
| 33 | TODA | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 284134.0 | 30487.000 | 0 | 100 | 329 | 98 | 29 |
| 34 | Construtora Marquise | 2018 | CE | Nordeste | Não | 0 | 155903800 | 278717.0 | 512964.000 | NA | NA | NA | NA | -8 |
| 35 | Construtora Tenda | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 277990.0 | 1158692.000 | NA | NA | NA | NA | 7 |
| 36 | Matec Engenharia | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 268031.0 | 479658.000 | 0 | 100 | 280 | 140 | 4 |
| 37 | A.YOSHI Engenharia | 2018 | PR | Sul | Não | 0 | 440029400 | 259262.0 | 370349.000 | 0 | 14 | 1059 | 105 | -7 |
| 38 | Sa Cavalcante | 2018 | RJ | Sudeste | Não | 0 | 758859000 | 245940.0 | 998527.000 | NA | NA | NA | NA | 0 |
| 39 | BN Engenharia | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 245850.0 | 16592.000 | 0 | 100 | 250 | 80 | 18 |
| 40 | Engenharia e Comercio Bandeirantes | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 237382.0 | 208601.000 | 57 | 25 | 891 | 63 | 9 |
| 41 | Passarelli | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 233922.0 | 219172.000 | 70 | 25 | 1500 | 200 | -6 |
| 42 | Setep Construções | 2018 | SC | Sul | Não | 0 | 298227100 | 233719.0 | 144398.000 | NA | NA | NA | NA | -5 |
| 43 | Carioca Engenharia | 2018 | RJ | Sudeste | Sim | 1 | 758859000 | 232694.0 | 299812.000 | 90 | 10 | 300 | 50 | -33 |
| 44 | Engeform Engenharia | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 230464.0 | 356750.000 | 53 | 47 | 1577 | 233 | 3 |
| 45 | Emccamp Residencial | 2018 | MG | Sudeste | Não | 0 | 614875800 | 230404.0 | 415861.000 | 98 | 0 | 447 | 116 | -12 |
| 46 | J.Malucelli Construtora de Obras | 2018 | PR | Sul | Não | 0 | 440029400 | 222052.0 | 442069.000 | NA | NA | NA | NA | -18 |
| 47 | Construtora Fonseca e Mercadante | 2018 | SP | Sudeste | Não | 1 | 2210561900 | 219577.0 | 14422.000 | 0 | 100 | 150 | 80 | -18 |
| 48 | Cesbe | 2018 | PR | Sul | Não | 0 | 440029400 | 209469.0 | 140425.000 | 0 | 100 | 350 | 45 | 20 |
| 49 | Dois A Engenharia | 2018 | RN | Nordeste | Não | 0 | 66969600 | 207899.0 | 74190.000 | 8 | 91 | 756 | 157 | -1 |
| 50 | Construtora Barbosa Mello | 2018 | MG | Sudeste | Sim | 1 | 614875800 | 196727.0 | 197547.000 | 20 | 80 | 585 | 140 | -28 |
As variáveis quanlitativas utilizadas foram empresas, estado, região, investigadas e as quantitativas foram PIB, receita bruta, código, patrimônio líquido, Contratos publicos e privados, empregados e empregados graduado.
library(readxl)
dicio <- read_excel("C:/Users/Cristiane/Desktop/Estatistica aplicada a engenharia I/Atividade final/dicio.xlsx",
sheet = "Dicionario")
DT::datatable(dicio, rownames = FALSE, colnames = FALSE)Todo o processo de elaboração do trabalho foi feito no programa de estatística RStudio, em seguida foi utilizado o RMarkdown para realizar uma publicação em HTML. Segue abaixo a preparação das variáveis e as bibliotecas:
options(digits=2)
options(scipen = 999)
library(corrplot)## corrplot 0.84 loadedlibrary(dplyr)##
## Attaching package: 'dplyr'## The following object is masked from 'package:kableExtra':
##
## group_rows## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(readxl)
library(ggplot2)
library(forcats)
library(ggpubr)
library(tidyr)
library(psych)##
## Attaching package: 'psych'## The following objects are masked from 'package:ggplot2':
##
## %+%, alphalibrary(ggthemes)
library(knitr)Após a preparação dos dados foram elaborados estatisticas, gráficos corplot, diagrama de dispersão, balloomplot, boxplot, matriz de correlação e teste de hipóteses com suas interpretações.
4. Resultados e Discussões
Antes do ínicio da operação lava jato no ano de 2013, 24 empresas dentre as 50 maiores empresas de construção civil foram investigadas nesta operação, conforme tabela abaixo:
summary(dados2013)## EMPRESAS ESTADO REGIÃO INVESTIGADAS
## Length:50 Length:50 Length:50 Length:50
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## CODIGO PIB RECEITA BRUTA RECEITA BRUTA ATUALIZADA
## Min. :0.00 Min. : 90131724 Min. : 287751 Min. : 379830
## 1st Qu.:0.00 1st Qu.: 403551318 1st Qu.: 437046 1st Qu.: 576900
## Median :0.00 Median : 504221370 Median : 750641 Median : 990843
## Mean :0.48 Mean : 792643793 Mean :1315208 Mean : 1736069
## 3rd Qu.:1.00 3rd Qu.:1408903866 3rd Qu.:1332106 3rd Qu.: 1758375
## Max. :1.00 Max. :1408903866 Max. :9741527 Max. :12858777
##
## PATRIMONIO LIQUIDO PATRIMONIO LIQUIDO ATUALIZADO CONTRATOS PUBLICOS
## Min. : 2692 Min. : 3553 Min. : 0
## 1st Qu.: 124313 1st Qu.: 164093 1st Qu.: 22
## Median : 347408 Median : 458577 Median : 59
## Mean : 724688 Mean : 956585 Mean : 53
## 3rd Qu.: 669470 3rd Qu.: 883697 3rd Qu.: 85
## Max. :5889793 Max. :7774503 Max. :100
## NA's :14
## CONTRATOS PRIVADOS EMPREGADOS EMPREGADOS GRADUADOS VARIACAO DE POSICAO
## Min. : 0 Min. : 325 Min. : 1 Length:50
## 1st Qu.: 15 1st Qu.: 1345 1st Qu.: 128 Class :character
## Median : 41 Median : 2700 Median : 293 Mode :character
## Mean : 51 Mean : 8381 Mean : 556
## 3rd Qu.: 95 3rd Qu.: 5622 3rd Qu.: 497
## Max. :100 Max. :139115 Max. :5806
## NA's :6 NA's :1 NA's :3table(dados2013$EMPRESAS, dados2013$INVESTIGADAS)##
## Não Sim
## A.R.G 0 1
## Andrade Gutierrez 0 1
## Brookfield Incorporacoes 1 0
## C.R. Almeida 0 1
## Calcada Empreendimentos 1 0
## Camargo Correa 0 1
## Carioca Engenharia 0 1
## Cesbe 1 0
## Constran 0 1
## Construcap 0 1
## Construtora Aterpa M. Martins 1 0
## Construtora Barbosa Mello 0 1
## Construtora Marquise 1 0
## Construtora Triunfo 1 0
## Direcional Engenharia 0 1
## Egesa 1 0
## Emccamp Residencial 1 0
## Emparsanco 1 0
## EMSA 1 0
## Encalso Construcoes 0 1
## Eztec 0 1
## Fidens 1 0
## Gafisa 1 0
## Galvao Engenharia 0 1
## Hochtief do Brasil 0 1
## Integral Engenharia 1 0
## J Malucelli Construtora 1 0
## Jofege 1 0
## Leao Engenharia 1 0
## Mascarenhas Barbosa Roscoe 1 0
## Matec Engenharia 1 0
## Mendes Junior 0 1
## Método Engenharia 0 1
## Moura Dubeux Engenharia 0 1
## MRV Engenharia 0 1
## Norberto Odebrecht 0 1
## OAS 0 1
## Paranasa 1 0
## Pernambuco Construtora 1 0
## Plaenge 1 0
## Queiroz Galvao 0 1
## Racional Engenharia 0 1
## S. A. Paulista 1 0
## Serveng Civilsan 1 0
## Techint Engenharia e Construcao 0 1
## Toda 1 0
## Toniolo, Busnello 1 0
## U&M Mineração e Construção 1 0
## Via Engenharia 0 1
## Wtorre Engenharia 0 1dados2013 %>%
count(INVESTIGADAS, EMPRESAS) %>%
count(INVESTIGADAS) %>%
kable()| INVESTIGADAS | n |
|---|---|
| Não | 26 |
| Sim | 24 |
Fazendo uma comparação com o ano de 2018 constam da lista das 50 maiores empresas de construção civil apenas 11 empresas investigadas, ou seja, 13 empresas não constam mais da relação do ranking das 50 maiores empresas de construção civil do Brasil
summary(dados2018)## POSICAO EMPRESAS ESTADO REGIAO
## Min. : 1 Length:50 Length:50 Length:50
## 1st Qu.:13 Class :character Class :character Class :character
## Median :26 Mode :character Mode :character Mode :character
## Mean :26
## 3rd Qu.:38
## Max. :50
##
## INVESTIGADAS CODIGO PIB RECEITA BRUTA
## Length:50 Min. :0.00 Min. : 66969600 Min. : 196727
## Class :character 1st Qu.:0.00 1st Qu.: 614875800 1st Qu.: 249270
## Mode :character Median :1.00 Median :2210561900 Median : 372444
## Mean :0.66 Mean :1417866876 Mean : 720779
## 3rd Qu.:1.00 3rd Qu.:2210561900 3rd Qu.: 572072
## Max. :1.00 Max. :2210561900 Max. :11087892
##
## PATRIMONIO LIQUIDO CONTRATOS PUBLICOS CONTRATOS PRIVADOS EMPREGADOS
## Min. : 5710 Min. : 0 Min. : 0 Min. : 150
## 1st Qu.: 143405 1st Qu.: 0 1st Qu.: 11 1st Qu.: 423
## Median : 236892 Median :11 Median : 56 Median : 824
## Mean : 597621 Mean :33 Mean : 55 Mean : 1626
## 3rd Qu.: 562475 3rd Qu.:67 3rd Qu.:100 3rd Qu.: 1563
## Max. :5541762 Max. :99 Max. :100 Max. :14694
## NA's :2 NA's :20 NA's :20 NA's :20
## EMPREGADOS GRADUADOS VARIACAO DE POSICAO
## Min. : 32 Min. :-33
## 1st Qu.: 80 1st Qu.: -5
## Median : 138 Median : 0
## Mean : 246 Mean : 1
## 3rd Qu.: 229 3rd Qu.: 7
## Max. :2253 Max. : 31
## NA's :20 NA's :12table(dados2018$EMPRESAS, dados2018$INVESTIGADAS)##
## Nao Sim
## A.YOSHI Engenharia 1 0
## Acciona Construccion 1 0
## Afonso França Engenharia 1 0
## BN Engenharia 1 0
## Camargo Correa 0 1
## Carioca Engenharia 0 1
## Cesbe 1 0
## Constroeste Construtora 1 0
## Construcap 0 1
## Construtora Barbosa Mello 0 1
## Construtora Ferreira Guedes 1 0
## Construtora Fonseca e Mercadante 1 0
## Construtora JL 1 0
## Construtora Marquise 1 0
## Construtora Queiroz Galvao 0 1
## Construtora Tenda 1 0
## Construtora Triunfo 1 0
## Direcional Engenharia 0 1
## Dois A Engenharia 1 0
## Emccamp Residencial 1 0
## EMPA Servicos de Engenharia 1 0
## Empresa Construtora Brasil 1 0
## Engeform Engenharia 1 0
## Engenharia e Comercio Bandeirantes 1 0
## Gafisa 1 0
## HTB 1 0
## J.Malucelli Construtora de Obras 1 0
## LCM 1 0
## Matec Engenharia 1 0
## MRV Engenharia 0 1
## Odebrecht 0 1
## Pacaembu Construtora 1 0
## Passarelli 1 0
## Paulitec Construcoes 1 0
## Pelicano Construcoes 1 0
## Planova 1 0
## Racional Engenharia 0 1
## Rio Verde Engenharia e Construcoes 0 1
## Rossi Residencial 1 0
## S.A Paulista 1 0
## Sa Cavalcante 1 0
## Serveng-Civilsan 1 0
## Seta Engenharia 1 0
## Setep Construções 1 0
## Terracom Construcoes 1 0
## Tiisa 1 0
## TODA 1 0
## Toolo, Busnello 1 0
## UeM Mineração e Construcao 1 0
## Via Engenharia 0 1dados2018 %>%
count(INVESTIGADAS, EMPRESAS) %>%
count(INVESTIGADAS) %>%
kable()| INVESTIGADAS | n |
|---|---|
| Nao | 39 |
| Sim | 11 |
4.1 Barplot
Foram analisadas duas variavéis qualitativas (Investigadas e Estado), conforme apresentado abaixo:
tabela <- table(dados2013$INVESTIGADAS,dados2013$ESTADO)
barplot(tabela,
beside=TRUE,
col=c("#e63c3c", "#3ce6d5"),
main = "Gráfico I - Ranking das 50 maiores empresas de 2013 por estado",
ylim = c(0,30),ylab="Qdte de empresas", xlab = "Empresas investigadas ou não investigadas", legend.text = TRUE)
Está sendo demonstrado no gráfico I as empresas que estão ou não sendo investigadas por estado antes do ínicio da Operação Lava Jato.
tabela1 <- table(dados2018$INVESTIGADAS,dados2018$ESTADO)
barplot(tabela1,
beside=TRUE,
col=c("#e63c3c", "#3ce6d5"),
main = "Gráfico II - Ranking das 50 maiores empresas de 2018 por estado",
ylim = c(0,30),ylab="Qdte de empresas", xlab = "Empresas investigadas ou não investigadas", legend.text = TRUE)
Está sendo demonstrado no gráfico II as empresas que estão ou não sendo investigadas por estado após o ínicio da Operação Lava Jato.
tabela2 <- table(dados$INVESTIGADAS,dados$ANO)
barplot(tabela2,
beside=TRUE,
col=c("#e63c3c", "#3ce6d5"),
main = "Gráfico III - Comparativo do ranking das 50 maiores empresas",
ylim = c(0,50),ylab="Qdte de empresas", xlab = "Empresas investigadas ou não investigadas", legend.text = TRUE)
No gráfico III está sendo demonstrado a comparação entre os anos de 2013 e 2018 das empresas investigadas ou pela Operação Lava jato.
4.2 Boxplot
Foram análisadas duas váriaveis, uma quantitativa (receita bruta) e outra qualitativa (investigadas), e apresentamos o grafico IV um boxplot para visualização da relação entre as variáveis identificadas acima.
Ano de 2013 e 2018 receita bruta versus empresas investigadas:
boxplot(`RECEITA BRUTA ATUALIZADA` ~ INVESTIGADAS,data=dados2013,col=c("red","#faa005","#1bc704","#0f8efc","yellow"), xlab = "Empresas Investigadas", ylab = "Receita Bruta", main ="Gráfico IV - Receita Bruta - 2013")
boxplot(`RECEITA BRUTA`~INVESTIGADAS,data=dados2018,col=c("red","#faa005","#1bc704","#0f8efc","yellow"), xlab = "Empresas Investigadas", ylab = "Receita Bruta", main ="Gráfico V - Receita Bruta - 2018")
#### Podemos observar a presença de outliers (dados que se diferenciam drasticamente dos outros) tanto nas empresas investigas e não investigadas e que as empresas investigadas possuem uma maior receita bruta tanto nos ano de 2013 como o de 2018.
Ano de 2013 e 2018 receita bruta versus Estados:
boxplot(`RECEITA BRUTA ATUALIZADA` ~ ESTADO,data=dados2013,col=c("red","#faa005","#1bc704","#0f8efc","yellow", "blue", "white"), xlab = "Estados", ylab = "Receita Bruta", main ="Gráfico VI - Receita Bruta por Estado - 2013")
boxplot(`RECEITA BRUTA`~ESTADO,data=dados2018,col=c("red","#faa005","#1bc704","#0f8efc","yellow", "blue", "white"), xlab = "Estados", ylab = "Receita Bruta", main ="Gráfico VII - Receita Bruta por Estado - 2018")
Podemos observar no ano de 2013 a presença de 3 outliers em SP, 1 outlier no RJ, 1 outlier em MG e 1 outlier no PR e que fica evidenciado uma maior Receita Bruta nos Estados RJ, MG e SP. Fazendo uma comparação com o ano de 2018 constam a presença de 2 outliers em SP, 1 outlier em MG e 1 outlier no PR e pode ser observado que a Receita Bruta após o inicio da Operação Lava jato diminiu consideravelmente,
4.3 Diagrama de dispersão
plot(dados2013$`RECEITA BRUTA ATUALIZADA`, dados2013$`PATRIMONIO LIQUIDO ATUALIZADO`, pch=19, col = "#452a73",
xlab = "Receita bruta",
ylab = "Patrimônio líquido",
main = "Diagrama I - Diagrama de dispersão ano de 2013")
abline(lsfit(dados2013$`RECEITA BRUTA ATUALIZADA`, dados2013$`PATRIMONIO LIQUIDO ATUALIZADO`),col="red")
cor(dados2013$`RECEITA BRUTA ATUALIZADA`,dados2013$`PATRIMONIO LIQUIDO ATUALIZADO`)## [1] 0.81Foi observado que a concentração da Receita bruta e do patrimonio liquido na maioria das empresas de construção civil está entre a faixa até 2.000.000, sendo que poucas emoresas fogem dessa faixa.
plot(dados2018$`RECEITA BRUTA`, dados2018$`PATRIMONIO LIQUIDO`, pch=19, col = "#0a6e35",
xlab = "Receita bruta",
ylab = "Patrimônio líquido",
main = "Diagrama II - Diagrama de dispersão ano de 2018")
abline(lsfit(dados2018$`RECEITA BRUTA`, dados2018$`PATRIMONIO LIQUIDO`),col="#f7e011")## Warning in lsfit(dados2018$`RECEITA BRUTA`, dados2018$`PATRIMONIO LIQUIDO`): 2
## missing values deleted
cor(dados2018$`RECEITA BRUTA`, dados2018$`PATRIMONIO LIQUIDO`)## [1] NAJá no ano de 2018 foi observado que a concentração da Receita bruta e do patrimonio liquido na maioria das empresas de construção civil está entre a faixa até 1.000.000, sendo que poucas emoresas fogem dessa faixa. Demonstrando mais uma vez que a reduação do Patrimonio líquido e da Receita bruta.
4.4 Matriz de Correlação
Foi analisado a matriz de correlação dos ano de 2013 e 2018 conforme abaixo:
dados2013$PIB<-as.numeric(sub(",", ".", dados2013$PIB))
variaveis_quanti<-c("RECEITA BRUTA ATUALIZADA","PATRIMONIO LIQUIDO ATUALIZADO","PIB")
dados2013[,variaveis_quanti]## # A tibble: 50 x 3
## `RECEITA BRUTA ATUALIZADA` `PATRIMONIO LIQUIDO ATUALIZADO` PIB
## <dbl> <dbl> <dbl>
## 1 12858777. 7774503. 504221370
## 2 6654724. 3003882. 1408903866
## 3 6071366. 3609522. 403551318
## 4 5191101. 2339905. 504221370
## 5 5181555. 1526186. 1408903866
## 6 4139843. 1248737. 1408903866
## 7 3398862. 5018140. 403551318
## 8 2619008. 482824. 1408903866
## 9 2444721. 441524. 403551318
## 10 2010164. 324092. 403551318
## # ... with 40 more rowscor(dados2013[,variaveis_quanti])## RECEITA BRUTA ATUALIZADA
## RECEITA BRUTA ATUALIZADA 1.000
## PATRIMONIO LIQUIDO ATUALIZADO 0.805
## PIB 0.036
## PATRIMONIO LIQUIDO ATUALIZADO PIB
## RECEITA BRUTA ATUALIZADA 0.81 0.036
## PATRIMONIO LIQUIDO ATUALIZADO 1.00 -0.020
## PIB -0.02 1.000correlacao_dados2013<-cor(dados2013[,variaveis_quanti])
correlacao_dados2013## RECEITA BRUTA ATUALIZADA
## RECEITA BRUTA ATUALIZADA 1.000
## PATRIMONIO LIQUIDO ATUALIZADO 0.805
## PIB 0.036
## PATRIMONIO LIQUIDO ATUALIZADO PIB
## RECEITA BRUTA ATUALIZADA 0.81 0.036
## PATRIMONIO LIQUIDO ATUALIZADO 1.00 -0.020
## PIB -0.02 1.000corrplot(correlacao_dados2013,method = "circle")
#### Entre as variáveis património líquido e receita bruta a correlação é fortemente positiva de 0,81, entre a PIB e receita bruta tem uma correlação fraca de 0,03 e também é fraca a correlação entre o PIB e o patrimonio líquido de 0,02
dados2018$PIB<-as.numeric(sub(",", ".", dados2018$PIB))
variaveis_quanti1<-c("RECEITA BRUTA","PATRIMONIO LIQUIDO","PIB")
dados2018[,variaveis_quanti1]## # A tibble: 50 x 3
## `RECEITA BRUTA` `PATRIMONIO LIQUIDO` PIB
## <dbl> <dbl> <dbl>
## 1 11087892 4843400 2210561900
## 2 2388016 1242499 758859000
## 3 2301008 5541762 614875800
## 4 1284855 1205340 440029400
## 5 1155635 1781743 2210561900
## 6 799338 1604315 614875800
## 7 746397 157195 457294000
## 8 733359 144676 614875800
## 9 701707 759760 2210561900
## 10 674317 615874 2210561900
## # ... with 40 more rowscor(dados2018[,variaveis_quanti1])## RECEITA BRUTA PATRIMONIO LIQUIDO PIB
## RECEITA BRUTA 1.000 NA 0.094
## PATRIMONIO LIQUIDO NA 1 NA
## PIB 0.094 NA 1.000correlacao_dados2018<-cor(dados2018[,variaveis_quanti1])
correlacao_dados2018## RECEITA BRUTA PATRIMONIO LIQUIDO PIB
## RECEITA BRUTA 1.000 NA 0.094
## PATRIMONIO LIQUIDO NA 1 NA
## PIB 0.094 NA 1.000par(mfrow=c(1,1))
corrplot(correlacao_dados2018,method = "number")
Entre as variáveis PIB e receita bruta tem uma correlação fraca de 0,09, a correlação que envolvem o Patrimonio líquido não teve como ser analisada uma vez que duas empresas não prestaram informações.
4.5 balloonplot
tabela3<-table(dados$ANO, dados$INVESTIGADAS)
tabela4<-table(dados$ANO, dados$INVESTIGADAS)
tabela4<-data.frame(tabela3)
ggballoonplot(tabela4, fill = "value")+
ggtitle(" Gráfico VIII - Das empresas investigadas em 2013 e 2018")
Pode-se verificar que a frequencia das empresas não investigadas no ano de 2018 é maior.
4.6 Mapas
library(geobr)## Loading required namespace: sflibrary(sf)## Linking to GEOS 3.9.0, GDAL 3.2.1, PROJ 7.2.1estado <- read_state(code_state="all", year=2010)## Using year 2010## Loading data for the whole country##
|
| | 0%
|
|=== | 4%
|
|===== | 7%
|
|======== | 11%
|
|========== | 15%
|
|============= | 19%
|
|================ | 22%
|
|================== | 26%
|
|===================== | 30%
|
|======================= | 33%
|
|========================== | 37%
|
|============================= | 41%
|
|=============================== | 44%
|
|================================== | 48%
|
|==================================== | 52%
|
|======================================= | 56%
|
|========================================= | 59%
|
|============================================ | 63%
|
|=============================================== | 67%
|
|================================================= | 70%
|
|==================================================== | 74%
|
|====================================================== | 78%
|
|========================================================= | 81%
|
|============================================================ | 85%
|
|============================================================== | 89%
|
|================================================================= | 93%
|
|=================================================================== | 96%
|
|======================================================================| 100%regiao <- read_region(year=2010)## Using year 2010##
|
| | 0%
|
|======================================================================| 100%
##
Downloading: 770 B
Downloading: 770 B
Downloading: 1.8 kB
Downloading: 1.8 kB
Downloading: 2 kB
Downloading: 2 kB
Downloading: 2.1 kB
Downloading: 2.1 kB
Downloading: 3.8 kB
Downloading: 3.8 kB
Downloading: 3.8 kB
Downloading: 3.8 kB
Downloading: 12 kB
Downloading: 12 kB
Downloading: 20 kB
Downloading: 20 kB
Downloading: 20 kB
Downloading: 20 kB
Downloading: 28 kB
Downloading: 28 kB
Downloading: 36 kB
Downloading: 36 kB
Downloading: 36 kB
Downloading: 36 kB
Downloading: 44 kB
Downloading: 44 kB
Downloading: 44 kB
Downloading: 44 kB
Downloading: 52 kB
Downloading: 52 kB
Downloading: 52 kB
Downloading: 52 kB
Downloading: 60 kB
Downloading: 60 kB
Downloading: 60 kB
Downloading: 60 kB
Downloading: 69 kB
Downloading: 69 kB
Downloading: 69 kB
Downloading: 69 kB
Downloading: 77 kB
Downloading: 77 kB
Downloading: 77 kB
Downloading: 77 kB
Downloading: 93 kB
Downloading: 93 kB
Downloading: 93 kB
Downloading: 93 kB
Downloading: 93 kB
Downloading: 93 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 100 kB
Downloading: 110 kB
Downloading: 110 kB
Downloading: 110 kB
Downloading: 110 kB
Downloading: 110 kB
Downloading: 110 kB
Downloading: 120 kB
Downloading: 120 kB
Downloading: 120 kB
Downloading: 120 kB
Downloading: 130 kB
Downloading: 130 kB
Downloading: 130 kB
Downloading: 130 kB
Downloading: 140 kB
Downloading: 140 kB
Downloading: 150 kB
Downloading: 150 kB
Downloading: 150 kB
Downloading: 150 kB
Downloading: 160 kB
Downloading: 160 kB
Downloading: 160 kB
Downloading: 160 kB
Downloading: 170 kB
Downloading: 170 kB
Downloading: 170 kB
Downloading: 170 kB
Downloading: 170 kB
Downloading: 170 kB
Downloading: 170 kB
Downloading: 170 kB
Downloading: 180 kB
Downloading: 180 kB
Downloading: 180 kB
Downloading: 180 kB
Downloading: 180 kB
Downloading: 180 kB
Downloading: 180 kB
Downloading: 180 kB
Downloading: 180 kB
Downloading: 180 kB
Downloading: 180 kB
Downloading: 180 kB
Downloading: 190 kB
Downloading: 190 kB
Downloading: 190 kB
Downloading: 190 kB
Downloading: 200 kB
Downloading: 200 kB
Downloading: 200 kB
Downloading: 200 kB
Downloading: 200 kB
Downloading: 200 kB
Downloading: 200 kB
Downloading: 200 kB
Downloading: 210 kB
Downloading: 210 kB
Downloading: 220 kB
Downloading: 220 kB
Downloading: 220 kB
Downloading: 220 kB
Downloading: 220 kB
Downloading: 220 kB
Downloading: 230 kB
Downloading: 230 kB
Downloading: 230 kB
Downloading: 230 kB
Downloading: 240 kB
Downloading: 240 kB
Downloading: 240 kB
Downloading: 240 kB
Downloading: 240 kB
Downloading: 240 kB
Downloading: 250 kB
Downloading: 250 kB
Downloading: 250 kB
Downloading: 250 kB
Downloading: 260 kB
Downloading: 260 kB
Downloading: 260 kB
Downloading: 260 kB
Downloading: 280 kB
Downloading: 280 kB
Downloading: 280 kB
Downloading: 280 kB
Downloading: 280 kB
Downloading: 280 kB
Downloading: 300 kB
Downloading: 300 kB
Downloading: 300 kB
Downloading: 300 kB
Downloading: 300 kB
Downloading: 300 kB
Downloading: 310 kB
Downloading: 310 kB
Downloading: 310 kB
Downloading: 310 kB
Downloading: 330 kB
Downloading: 330 kB
Downloading: 330 kB
Downloading: 330 kB
Downloading: 330 kB
Downloading: 330 kB
Downloading: 330 kB
Downloading: 330 kB
Downloading: 340 kB
Downloading: 340 kB
Downloading: 340 kB
Downloading: 340 kB
Downloading: 340 kB
Downloading: 340 kB
Downloading: 350 kB
Downloading: 350 kB
Downloading: 350 kB
Downloading: 350 kB
Downloading: 350 kB
Downloading: 350 kB
Downloading: 360 kB
Downloading: 360 kB
Downloading: 360 kB
Downloading: 360 kB
Downloading: 360 kB
Downloading: 360 kB
Downloading: 370 kB
Downloading: 370 kB
Downloading: 380 kB
Downloading: 380 kB
Downloading: 380 kB
Downloading: 380 kB
Downloading: 390 kB
Downloading: 390 kB
Downloading: 390 kB
Downloading: 390 kB
Downloading: 390 kB
Downloading: 390 kB
Downloading: 410 kB
Downloading: 410 kB
Downloading: 410 kB
Downloading: 410 kB
Downloading: 410 kB
Downloading: 410 kB
Downloading: 420 kB
Downloading: 420 kB
Downloading: 420 kB
Downloading: 420 kB
Downloading: 420 kB
Downloading: 420 kB
Downloading: 440 kB
Downloading: 440 kB
Downloading: 440 kB
Downloading: 440 kB
Downloading: 450 kB
Downloading: 450 kB
Downloading: 460 kB
Downloading: 460 kB
Downloading: 460 kB
Downloading: 460 kB
Downloading: 470 kB
Downloading: 470 kB
Downloading: 470 kB
Downloading: 470 kB
Downloading: 470 kB
Downloading: 470 kB
Downloading: 480 kB
Downloading: 480 kB
Downloading: 480 kB
Downloading: 480 kB
Downloading: 490 kB
Downloading: 490 kB
Downloading: 490 kB
Downloading: 490 kB
Downloading: 510 kB
Downloading: 510 kB
Downloading: 510 kB
Downloading: 510 kB
Downloading: 510 kB
Downloading: 510 kB
Downloading: 520 kB
Downloading: 520 kB
Downloading: 530 kB
Downloading: 530 kB
Downloading: 530 kB
Downloading: 530 kB
Downloading: 540 kB
Downloading: 540 kB
Downloading: 550 kB
Downloading: 550 kB
Downloading: 550 kB
Downloading: 550 kB
Downloading: 550 kB
Downloading: 550 kB
Downloading: 550 kB
Downloading: 550 kB
Downloading: 560 kB
Downloading: 560 kB
Downloading: 560 kB
Downloading: 560 kB
Downloading: 570 kB
Downloading: 570 kB
Downloading: 570 kB
Downloading: 570 kB
Downloading: 590 kB
Downloading: 590 kB
Downloading: 590 kB
Downloading: 590 kB
Downloading: 590 kB
Downloading: 590 kB
Downloading: 590 kB
Downloading: 590 kB
Downloading: 590 kB
Downloading: 590 kB
Downloading: 600 kB
Downloading: 600 kB
Downloading: 620 kB
Downloading: 620 kB
Downloading: 630 kB
Downloading: 630 kB
Downloading: 630 kB
Downloading: 630 kB
Downloading: 640 kB
Downloading: 640 kB
Downloading: 640 kB
Downloading: 640 kB
Downloading: 640 kB
Downloading: 640 kB
Downloading: 640 kB
Downloading: 640 kB
Downloading: 640 kB
Downloading: 640 kB
Downloading: 650 kB
Downloading: 650 kB
Downloading: 650 kB
Downloading: 650 kB
Downloading: 660 kB
Downloading: 660 kB
Downloading: 660 kB
Downloading: 660 kB
Downloading: 670 kB
Downloading: 670 kB
Downloading: 670 kB
Downloading: 670 kB
Downloading: 680 kB
Downloading: 680 kB
Downloading: 680 kB
Downloading: 680 kB
Downloading: 680 kB
Downloading: 680 kB
Downloading: 680 kB
Downloading: 680 kB
Downloading: 690 kB
Downloading: 690 kB
Downloading: 700 kB
Downloading: 700 kB
Downloading: 700 kB
Downloading: 700 kB
Downloading: 710 kB
Downloading: 710 kB
Downloading: 720 kB
Downloading: 720 kB
Downloading: 720 kB
Downloading: 720 kB
Downloading: 720 kB
Downloading: 720 kB
Downloading: 720 kB
Downloading: 720 kB
Downloading: 730 kB
Downloading: 730 kB
Downloading: 730 kB
Downloading: 730 kB
Downloading: 740 kB
Downloading: 740 kB
Downloading: 740 kB
Downloading: 740 kB
Downloading: 740 kB
Downloading: 740 kB
Downloading: 740 kB
Downloading: 740 kB
Downloading: 750 kB
Downloading: 750 kB
Downloading: 750 kB
Downloading: 750 kB
Downloading: 760 kB
Downloading: 760 kB
Downloading: 760 kB
Downloading: 760 kB
Downloading: 760 kB
Downloading: 760 kB
Downloading: 770 kB
Downloading: 770 kB
Downloading: 770 kB
Downloading: 770 kB
Downloading: 770 kB
Downloading: 770 kB
Downloading: 780 kB
Downloading: 780 kB
Downloading: 780 kB
Downloading: 780 kBlibrary(ggplot2)
ggplot() +
geom_sf(data=regiao, fill=c("#388f59","red","yellow","green","orange"), color= "BLACK", size=.15, show.legend = TRUE) +
geom_sf_text(data=regiao,aes(label = name_region), size = 3, color="black")+
labs(subtitle="Mapa I - Regiões do Brasil", size= 10) +
theme_minimal()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
library(ggspatial)
library(ggimage)##
## Attaching package: 'ggimage'## The following object is masked from 'package:ggpubr':
##
## theme_transparentestados <- read_state(code_state="all", year=2010)## Using year 2010## Loading data for the whole country##
|
| | 0%
|
|=== | 4%
|
|===== | 7%
|
|======== | 11%
|
|========== | 15%
|
|============= | 19%
|
|================ | 22%
|
|================== | 26%
|
|===================== | 30%
|
|======================= | 33%
|
|========================== | 37%
|
|============================= | 41%
|
|=============================== | 44%
|
|================================== | 48%
|
|==================================== | 52%
|
|======================================= | 56%
|
|========================================= | 59%
|
|============================================ | 63%
|
|=============================================== | 67%
|
|================================================= | 70%
|
|==================================================== | 74%
|
|====================================================== | 78%
|
|========================================================= | 81%
|
|============================================================ | 85%
|
|============================================================== | 89%
|
|================================================================= | 93%
|
|=================================================================== | 96%
|
|======================================================================| 100%br <- read_state(code_state="all", year=2010)## Using year 2010## Loading data for the whole country##
|
| | 0%
|
|=== | 4%
|
|===== | 7%
|
|======== | 11%
|
|========== | 15%
|
|============= | 19%
|
|================ | 22%
|
|================== | 26%
|
|===================== | 30%
|
|======================= | 33%
|
|========================== | 37%
|
|============================= | 41%
|
|=============================== | 44%
|
|================================== | 48%
|
|==================================== | 52%
|
|======================================= | 56%
|
|========================================= | 59%
|
|============================================ | 63%
|
|=============================================== | 67%
|
|================================================= | 70%
|
|==================================================== | 74%
|
|====================================================== | 78%
|
|========================================================= | 81%
|
|============================================================ | 85%
|
|============================================================== | 89%
|
|================================================================= | 93%
|
|=================================================================== | 96%
|
|======================================================================| 100%dados2013 <- read_excel("C:/Users/Cristiane/Desktop/Estatistica aplicada a engenharia I/Atividade final/dados2013.xlsx",
sheet = "2013") %>% rename(abbrev_state=ESTADO)
dados2013$abbrev_state <-as.factor(dados2013$abbrev_state)
full_join(br,dados2013,by="abbrev_state")## Simple feature collection with 68 features and 19 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: -74 ymin: -34 xmax: -29 ymax: 5.3
## Geodetic CRS: SIRGAS 2000
## First 10 features:
## code_state abbrev_state name_state code_region name_region
## 1 11 RO Rondônia 1 Norte
## 2 12 AC Acre 1 Norte
## 3 13 AM Amazonas 1 Norte
## 4 14 RR Roraima 1 Norte
## 5 15 PA Pará 1 Norte
## 6 16 AP Amapá 1 Norte
## 7 17 TO Tocantins 1 Norte
## 8 21 MA Maranhão 2 Nordeste
## 9 22 PI Piauí 2 Nordeste
## 10 23 CE Ceará 2 Nordeste
## EMPRESAS REGIÃO INVESTIGADAS CODIGO PIB RECEITA BRUTA
## 1 <NA> <NA> <NA> NA NA NA
## 2 <NA> <NA> <NA> NA NA NA
## 3 <NA> <NA> <NA> NA NA NA
## 4 <NA> <NA> <NA> NA NA NA
## 5 <NA> <NA> <NA> NA NA NA
## 6 <NA> <NA> <NA> NA NA NA
## 7 <NA> <NA> <NA> NA NA NA
## 8 <NA> <NA> <NA> NA NA NA
## 9 <NA> <NA> <NA> NA NA NA
## 10 Construtora Marquise Nordeste Não 0 90131724 384675
## RECEITA BRUTA ATUALIZADA PATRIMONIO LIQUIDO PATRIMONIO LIQUIDO ATUALIZADO
## 1 NA NA NA
## 2 NA NA NA
## 3 NA NA NA
## 4 NA NA NA
## 5 NA NA NA
## 6 NA NA NA
## 7 NA NA NA
## 8 NA NA NA
## 9 NA NA NA
## 10 507769 485666 641077
## CONTRATOS PUBLICOS CONTRATOS PRIVADOS EMPREGADOS EMPREGADOS GRADUADOS
## 1 NA NA NA NA
## 2 NA NA NA NA
## 3 NA NA NA NA
## 4 NA NA NA NA
## 5 NA NA NA NA
## 6 NA NA NA NA
## 7 NA NA NA NA
## 8 NA NA NA NA
## 9 NA NA NA NA
## 10 91 4 2503 209
## VARIACAO DE POSICAO geom
## 1 <NA> MULTIPOLYGON (((-63 -8, -63...
## 2 <NA> MULTIPOLYGON (((-73 -7.3, -...
## 3 <NA> MULTIPOLYGON (((-67 2, -67 ...
## 4 <NA> MULTIPOLYGON (((-60 5.3, -6...
## 5 <NA> MULTIPOLYGON (((-55 2.6, -5...
## 6 <NA> MULTIPOLYGON (((-51 4, -51 ...
## 7 <NA> MULTIPOLYGON (((-48 -5.2, -...
## 8 <NA> MULTIPOLYGON (((-46 -1, -46...
## 9 <NA> MULTIPOLYGON (((-42 -2.8, -...
## 10 0 MULTIPOLYGON (((-41 -4.5, -...unidos <- full_join(br,dados2013,by="abbrev_state")
ggplot(unidos)+
geom_sf(aes(fill=REGIÃO))+
scale_fill_manual(values = c("orange","red","yellow","green","blue","purple"))+
labs(title = "Mapa do Brasil II - 2013",
subtitle = "Sede das construtoras",
fill="Regiões",
x=NULL,
y=NULL)+
geom_sf_text(data=br,aes(label = abbrev_state), size=2, color= "black")+
theme_bw()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
dados2018 <- read_excel("C:/Users/Cristiane/Desktop/Estatistica aplicada a engenharia I/Atividade final/dados2018.xlsx",
sheet = "2018") %>% rename(abbrev_state=ESTADO)
dados2018$abbrev_state <-as.factor(dados2018$abbrev_state)
full_join(br,dados2018,by="abbrev_state")## Simple feature collection with 67 features and 18 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: -74 ymin: -34 xmax: -29 ymax: 5.3
## Geodetic CRS: SIRGAS 2000
## First 10 features:
## code_state abbrev_state name_state code_region name_region POSICAO
## 1 11 RO Rondônia 1 Norte NA
## 2 12 AC Acre 1 Norte NA
## 3 13 AM Amazonas 1 Norte NA
## 4 14 RR Roraima 1 Norte NA
## 5 15 PA Pará 1 Norte NA
## 6 16 AP Amapá 1 Norte NA
## 7 17 TO Tocantins 1 Norte NA
## 8 21 MA Maranhão 2 Nordeste NA
## 9 22 PI Piauí 2 Nordeste NA
## 10 23 CE Ceará 2 Nordeste 34
## EMPRESAS REGIAO INVESTIGADAS CODIGO PIB RECEITA BRUTA
## 1 <NA> <NA> <NA> NA NA NA
## 2 <NA> <NA> <NA> NA NA NA
## 3 <NA> <NA> <NA> NA NA NA
## 4 <NA> <NA> <NA> NA NA NA
## 5 <NA> <NA> <NA> NA NA NA
## 6 <NA> <NA> <NA> NA NA NA
## 7 <NA> <NA> <NA> NA NA NA
## 8 <NA> <NA> <NA> NA NA NA
## 9 <NA> <NA> <NA> NA NA NA
## 10 Construtora Marquise Nordeste Nao 0 155903800 278717
## PATRIMONIO LIQUIDO CONTRATOS PUBLICOS CONTRATOS PRIVADOS EMPREGADOS
## 1 NA NA NA NA
## 2 NA NA NA NA
## 3 NA NA NA NA
## 4 NA NA NA NA
## 5 NA NA NA NA
## 6 NA NA NA NA
## 7 NA NA NA NA
## 8 NA NA NA NA
## 9 NA NA NA NA
## 10 512964 NA NA NA
## EMPREGADOS GRADUADOS VARIACAO DE POSICAO geom
## 1 NA NA MULTIPOLYGON (((-63 -8, -63...
## 2 NA NA MULTIPOLYGON (((-73 -7.3, -...
## 3 NA NA MULTIPOLYGON (((-67 2, -67 ...
## 4 NA NA MULTIPOLYGON (((-60 5.3, -6...
## 5 NA NA MULTIPOLYGON (((-55 2.6, -5...
## 6 NA NA MULTIPOLYGON (((-51 4, -51 ...
## 7 NA NA MULTIPOLYGON (((-48 -5.2, -...
## 8 NA NA MULTIPOLYGON (((-46 -1, -46...
## 9 NA NA MULTIPOLYGON (((-42 -2.8, -...
## 10 NA -8 MULTIPOLYGON (((-41 -4.5, -...unidos1 <- full_join(br,dados2018,by="abbrev_state")
ggplot(unidos1)+
geom_sf(aes(fill=REGIAO))+
scale_fill_manual(values = c("orange","red","yellow","green","blue","purple"))+
labs(title = "Mapa do Brasil III - 2018",
subtitle = "Sedes das construtoras",
fill="Regiões",
x=NULL,
y=NULL)+
geom_sf_text(data=br,aes(label = abbrev_state), size=2, color= "black")+
theme_bw()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
Pode ser observado que as maiores construtoras estão predominantemente localizadas nas regiões Sul e Sudeste.
unidos$LEGENDA1 <- cut(unidos$PIB,breaks =c(90000000,300000000,500000000,Inf),
labels = c("91000000 a 300000000","301000000 a 500000000","Mais de 500000000"))
ggplot(unidos)+
geom_sf(aes(fill=LEGENDA1))+
scale_fill_manual(values = c("orange","red","yellow","green","blue","purple"))+
labs(title = "Mapa IV - PIB dos estado",
subtitle = "Sede das Construtoras - 2013",
fill="PIB em bilhões de reais",
x=NULL,
y=NULL)+
geom_sf_text(data=br,aes(label = abbrev_state), size=2, color= "black")+
theme_bw()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
unidos1$LEGENDA1 <- cut(unidos1$PIB,breaks =c(90000000,300000000,500000000,Inf),
labels = c("91000000 a 300000000","301000000 a 500000000","Mais de 500000000"))
ggplot(unidos1)+
geom_sf(aes(fill=LEGENDA1))+
scale_fill_manual(values = c("orange","red","yellow","green","blue","purple"))+
labs(title = "Mapa V - PIB dos estado",
subtitle = "Sede das Construtoras - 2018",
fill="PIB em bilhões de reais",
x=NULL,
y=NULL)+
geom_sf_text(data=br,aes(label = abbrev_state), size=2, color= "black")+
theme_bw()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
unidos$LEGENDA2 <- cut(unidos$`RECEITA BRUTA`,breaks =c(281500,510500,1100500,5100500,Inf),
labels = c("281600 a 510500","510600 a 1100500","1100501 a 5100500","5100501 a 9800600"))
ggplot(unidos)+
geom_sf(aes(fill=LEGENDA2))+
scale_fill_manual(values = c("orange","red","yellow","green","blue","purple"))+
labs(title = "Mapa VI - Faturamento bruto das construtoras",
subtitle = "Receita bruta - 2013",
fill="Receita em milhões/bilhões",
x=NULL,
y=NULL)+
geom_sf_text(data=br,aes(label = abbrev_state), size=2, color= "black")+
theme_bw()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
unidos1$LEGENDA2 <- cut(unidos1$`RECEITA BRUTA`,breaks =c(281500,510500,1100500,5100500,Inf),
labels = c("281600 a 510500","510600 a 1100500","1100501 a 5100500","5100501 a 9800600"))
ggplot(unidos1)+
geom_sf(aes(fill=LEGENDA2))+
scale_fill_manual(values = c("orange","red","yellow","green","blue","purple"))+
labs(title = "Mapa VII - Faturamento bruto das construtoras",
subtitle = "Receita bruta - 2018",
fill="Receita em milhões/bilhões",
x=NULL,
y=NULL)+
geom_sf_text(data=br,aes(label = abbrev_state), size=2, color= "black")+
theme_bw()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
unidos$LEGENDA3 <- cut(unidos$`CONTRATOS PUBLICOS`,breaks =c(0,25,50,80,Inf),
labels = c("1 a 25","26 a 50","51 a 80","81 a 110"))
ggplot(unidos)+
geom_sf(aes(fill=LEGENDA3))+
scale_fill_manual(values = c("orange","red","yellow","green","blue","purple"))+
labs(title = "Mapra VIII - Quantidade de contratos públicos",
subtitle = "Contratos Públicos em 2013",
fill="Número de contratos",
x=NULL,
y=NULL)+
geom_sf_text(data=br,aes(label = abbrev_state), size=2, color= "black")+
theme_bw()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
unidos1$LEGENDA3 <- cut(unidos1$`CONTRATOS PUBLICOS`,breaks =c(0,25,50,80,Inf),
labels = c("1 a 25","26 a 50","51 a 80","81 a 110"))
ggplot(unidos1)+
geom_sf(aes(fill=LEGENDA3))+
scale_fill_manual(values = c("orange","red","yellow","green","blue","purple"))+
labs(title = "Mapra IX - Quantidade de contratos públicos",
subtitle = "Contratos Públicos em 2018",
fill="Número de contratos",
x=NULL,
y=NULL)+
geom_sf_text(data=br,aes(label = abbrev_state), size=2, color= "black")+
theme_bw()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
unidos$LEGENDA4 <- cut(unidos$`CONTRATOS PRIVADOS`,breaks =c(0,25,50,80,Inf),
labels = c("1 a 25","26 a 50","51 a 80","81 a 110"))
ggplot(unidos)+
geom_sf(aes(fill=LEGENDA4))+
scale_fill_manual(values = c("orange","red","yellow","green","blue","purple"))+
labs(title = "Mapa X - Quantidade de contratos privados",
subtitle = "Contratos Privados - 2013",
fill="Número de contratos",
x=NULL,
y=NULL)+
geom_sf_text(data=br,aes(label = abbrev_state), size=2, color= "black")+
theme_bw()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
unidos1$LEGENDA4 <- cut(unidos1$`CONTRATOS PRIVADOS`,breaks =c(0,25,50,80,Inf),
labels = c("1 a 25","26 a 50","51 a 80","81 a 110"))
ggplot(unidos1)+
geom_sf(aes(fill=LEGENDA4))+
scale_fill_manual(values = c("orange","red","yellow","green","blue","purple"))+
labs(title = "Mapa XI - Quantidade de contratos privados",
subtitle = "Contratos Privados - 2018",
fill="Número de contratos",
x=NULL,
y=NULL)+
geom_sf_text(data=br,aes(label = abbrev_state), size=2, color= "black")+
theme_bw()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
dados2013$EMPREGADOS<-as.numeric(sub(",", ".", dados2013$EMPREGADOS))
unidos$EMPREGADOS<-as.numeric(sub(",", ".", unidos$EMPREGADOS))
unidos$LEGENDA5 <- cut(unidos$EMPREGADOS,breaks =c(350,3000,10000,20000,70000,Inf),
labels = c("299 a 350","351 a 3000","3001 a 20000","20001 a 70000","70001 a 140000" ))
ggplot(unidos)+
geom_sf(aes(fill=LEGENDA5))+
scale_fill_manual(values = c("orange","red","yellow","green","blue","purple"))+
labs(title = "Mapa XII - Quantidade de empregados das Construtoras",
subtitle = "Empregados - 2013",
fill="Número de empregados",
x=NULL,
y=NULL)+
geom_sf_text(data=br,aes(label = abbrev_state), size=2, color= "black")+
theme_bw()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
dados2018$EMPREGADOS<-as.numeric(sub(",", ".", dados2018$EMPREGADOS))
unidos1$EMPREGADOS<-as.numeric(sub(",", ".", unidos1$EMPREGADOS))
unidos1$LEGENDA5 <- cut(unidos1$EMPREGADOS,breaks =c(350,3000,10000,20000,70000,Inf),
labels = c("299 a 350","351 a 3000","3001 a 20000","20001 a 70000","70001 a 140000" ))
ggplot(unidos1)+
geom_sf(aes(fill=LEGENDA5))+
scale_fill_manual(values = c("orange","red","yellow","green","blue","purple"))+
labs(title = "Mapa XIII - Quantidade de empregados das Construtoras",
subtitle = "Empregados - 2013",
fill="Número de empregados",
x=NULL,
y=NULL)+
geom_sf_text(data=br,aes(label = abbrev_state), size=2, color= "black")+
theme_bw()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
dados2013$`EMPREGADOS GRADUADOS`<-as.numeric(sub(",", ".", dados2013$`EMPREGADOS GRADUADOS`))
unidos$`EMPREGADOS GRADUADOS`<-as.numeric(sub(",", ".", unidos$`EMPREGADOS GRADUADOS`))
unidos$LEGENDA6 <- cut(unidos$`EMPREGADOS GRADUADOS`,breaks =c(100,250,500,1000,5000,Inf),
labels = c("1 a 100","101 a 250","251 a 500","501 a 1000","1001 a 5000" ))
ggplot(unidos)+
geom_sf(aes(fill=LEGENDA6))+
scale_fill_manual(values = c("orange","red","yellow","green","blue","purple"))+
labs(title = "Mapa XIV - Quantidade de empregados graduados",
subtitle = "Empregados graduados - 2013",
fill="Número de empregados graduados",
x=NULL,
y=NULL)+
geom_sf_text(data=br,aes(label = abbrev_state), size=2, color= "black")+
theme_bw()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
dados2018$`EMPREGADOS GRADUADOS`<-as.numeric(sub(",", ".", dados2018$`EMPREGADOS GRADUADOS`))
unidos1$`EMPREGADOS GRADUADOS`<-as.numeric(sub(",", ".", unidos1$`EMPREGADOS GRADUADOS`))
unidos1$LEGENDA6 <- cut(unidos1$`EMPREGADOS GRADUADOS`,breaks =c(100,250,500,1000,5000,Inf),
labels = c("1 a 100","101 a 250","251 a 500","501 a 1000","1001 a 5000" ))
ggplot(unidos1)+
geom_sf(aes(fill=LEGENDA6))+
scale_fill_manual(values = c("orange","red","yellow","green","blue","purple"))+
labs(title = "Mapa XV - Quantidade de empregados graduados",
subtitle = "Empregados graduados - 2018",
fill="Número de empregados graduados",
x=NULL,
y=NULL)+
geom_sf_text(data=br,aes(label = abbrev_state), size=2, color= "black")+
theme_bw()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
dados2013$CODIGO<-as.numeric(sub(",", ".", dados2013$CODIGO))
unidos$CODIGO<-as.numeric(sub(",", ".", unidos$CODIGO))
unidos$LEGENDA7 <- cut(unidos$CODIGO,breaks =c(0, 1,Inf),
labels = c("Sim", "Não" ))
ggplot(unidos)+
geom_sf(aes(fill=LEGENDA7))+
scale_fill_manual(values = c("orange","red","yellow","green","blue","purple"))+
labs(title = "Mapa XVI - Empresas investigadas",
subtitle = "Empresas investigadas - 2013",
fill="Número de empresas investigadas",
x=NULL,
y=NULL)+
geom_sf_text(data=br,aes(label = abbrev_state), size=2, color= "black")+
theme_bw()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
dados2018$CODIGO<-as.numeric(sub(",", ".", dados2018$CODIGO))
unidos1$CODIGO<-as.numeric(sub(",", ".", unidos1$CODIGO))
unidos1$LEGENDA7 <- cut(unidos1$CODIGO,breaks =c(0, 1,Inf),
labels = c("Não", "Sim" ))
ggplot(unidos1)+
geom_sf(aes(fill=LEGENDA7))+
scale_fill_manual(values = c("orange","red","yellow","green","blue","purple"))+
labs(title = "Mapa XVI - Empresas investigadas",
subtitle = "Empresas investigadas - 2013",
fill="Número de empresas investigadas",
x=NULL,
y=NULL)+
geom_sf_text(data=br,aes(label = abbrev_state), size=2, color= "black")+
theme_bw()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
4.7 Testes de Hipóteses
a) Teste de Shapiro Wilk
Foi executado o teste de Shapiro Wilk para a váriavel quantitativa receita bruta.
Teste de normalidade (Shapiro Wilk)
H0: os dados seguem uma distribuição normal
H1: os dados NÃO seguem uma distribuição normal
alpha = 0.05
shapiro.test(dados2013$`RECEITA BRUTA ATUALIZADA`)##
## Shapiro-Wilk normality test
##
## data: dados2013$`RECEITA BRUTA ATUALIZADA`
## W = 0.6, p-value = 0.0000000002Constatou-se que para a variavel quantitativa receita bruta o P-valor foi menor do que 0,05, logo rejeita-se H0, concluindo que os dados não seguem uma distribuição normal. (Ano de 2013)
shapiro.test(dados2018$`RECEITA BRUTA`)##
## Shapiro-Wilk normality test
##
## data: dados2018$`RECEITA BRUTA`
## W = 0.3, p-value = 0.00000000000004Constatou-se que para a variavel quantitativa receita bruta o P-valor foi menor do que 0,05, logo rejeita-se H0, concluindo que os dados não seguem uma distribuição normal. (Ano de 2018)
Segue abaixo os gráficos demonstrando que não apresentam uma distribuição normal.
modelo <- aov(`RECEITA BRUTA ATUALIZADA`
~INVESTIGADAS, data=dados2013)
residuos <- residuals(modelo)
residuos## 1 2 3 4 5 6 7 8
## 10033864 3829811 3246454 2366188 2356642 1314930 573949 -205905
## 9 10 11 12 13 14 15 16
## -380192 1279181 -966155 -979297 -1063306 1017696 -1081079 -1183739
## 17 18 19 20 21 22 23 24
## -1335086 -1408481 609131 -1642677 -1663289 -1667873 379063 -1799276
## 25 26 27 28 29 30 31 32
## -1817111 242901 117640 -2056447 31696 -21908 -60559 -66836
## 33 34 35 36 37 38 39 40
## -95954 -116220 -2212583 -126309 -142142 -158064 -2259341 -203182
## 41 42 43 44 45 46 47 48
## -218855 -223214 -230776 -244191 -254700 -261763 -267003 -303759
## 49 50
## -330720 -351153shapiro.test(residuos)##
## Shapiro-Wilk normality test
##
## data: residuos
## W = 0.7, p-value = 0.00000001qqnorm(residuos, col = "#1162f7", xlab = "Investigadas",
ylab = "Receita bruta", main = "Gráfico VIII - Receita bruta x Investigadas do ano de 2013")
qqline(residuos, col=2)
pvalor<0.05
Rejeito H0 (os dados NÂO seguem uma distribuição normal)
modelo1 <- aov(`RECEITA BRUTA`
~INVESTIGADAS, data=dados2018)
residuos1 <- residuals(modelo1)
residuos1## 1 2 3 4 5 6 7 8
## 9236273 536397 449389 883030 -695984 -1052281 344572 331534
## 9 10 11 12 13 14 15 16
## -1149912 272492 -1187719 213489 171646 166050 143797 108271
## 17 18 19 20 21 22 23 24
## 93807 -1362008 84536 83313 70080 63033 45343 -25227
## 25 26 27 28 29 30 31 32
## -26933 -31830 -1500335 -74624 -76683 -80876 -98546 -115900
## 33 34 35 36 37 38 39 40
## -117691 -123108 -123835 -133794 -142563 -155885 -155975 -164443
## 41 42 43 44 45 46 47 48
## -167903 -168106 -1618925 -171361 -171421 -179773 -182248 -192356
## 49 50
## -193926 -1654892shapiro.test(residuos1)##
## Shapiro-Wilk normality test
##
## data: residuos1
## W = 0.4, p-value = 0.0000000000008qqnorm(residuos1, col = "#1162f7", xlab = "Investigadas",
ylab = "Receita bruta", main = "Gráfico IX - Receita bruta x Investigadas do ano de 2018")
qqline(residuos1, col=2)
Como o P-valor foi menor do que 0,05 e com isso não apresentaram uma distrbuição normal foi feito o teste de Spearman
b) Teste de correlação spearman
#H0(Hipótese nula): se o valor de rho = 0: não há correlação entre as variáveis. #H1(Hipótese alternativa): se o valor de rho for diferente de zero: há correlação entre as variáveis. #alpha = 0,05
#Se Pvalor ≤ alpha: rejeita-se H0 #Se Pvalor > alpha: não se rejeita H0
cor.test(dados2013$`RECEITA BRUTA ATUALIZADA`,dados2013$CODIGO,method = "spearman")## Warning in cor.test.default(dados2013$`RECEITA BRUTA ATUALIZADA`,
## dados2013$CODIGO, : Cannot compute exact p-value with ties##
## Spearman's rank correlation rho
##
## data: dados2013$`RECEITA BRUTA ATUALIZADA` and dados2013$CODIGO
## S = 6325, p-value = 0.00000002
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
## rho
## 0.7cor.test(dados2018$`RECEITA BRUTA`, dados2018$CODIGO,method = "spearman")## Warning in cor.test.default(dados2018$`RECEITA BRUTA`, dados2018$CODIGO, :
## Cannot compute exact p-value with ties##
## Spearman's rank correlation rho
##
## data: dados2018$`RECEITA BRUTA` and dados2018$CODIGO
## S = 17017, p-value = 0.2
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
## rho
## 0.18Pode-se verificar que o p-valor é menor do que o alpha de 0,05 e que o rho é distante de -1 nos teste de correlação de speraman, logo rejeita-se a hipotese nula (H0) e podemos afirmar que existe correlação entre as duas variáveis.
c) Teste de Kruskal-wallis
Teste se a condição investigadas interfere na Receita bruta
H0: distribuições idênticas.
H1: diferentes distribuições.
kruskal.test(dados2013$`RECEITA BRUTA ATUALIZADA`~dados2013$INVESTIGADAS)##
## Kruskal-Wallis rank sum test
##
## data: dados2013$`RECEITA BRUTA ATUALIZADA` by dados2013$INVESTIGADAS
## Kruskal-Wallis chi-squared = 24, df = 1, p-value = 0.000001kruskal.test(dados2018$`RECEITA BRUTA`~dados2018$INVESTIGADAS)##
## Kruskal-Wallis rank sum test
##
## data: dados2018$`RECEITA BRUTA` by dados2018$INVESTIGADAS
## Kruskal-Wallis chi-squared = 6, df = 1, p-value = 0.01Conforme observado nos dois testes (2013 e 2018) o p-valor é menor do que 0,05, logo rejeita-se H0, ou seja, apresentam distribuições distintas.
d) Teste de comparação multipla de Wilcoxon
####H0: os dois grupos são amostrados de populações com distribuições idênticas. ####H1: os dois grupos são amostrados de populações com distribuições diferentes. #### alpha = 0.05
PMW1 <- pairwise.wilcox.test(dados2013$`RECEITA BRUTA ATUALIZADA`,dados2013$INVESTIGADAS,
p.adjust.method="fdr")
PMW1##
## Pairwise comparisons using Wilcoxon rank sum exact test
##
## data: dados2013$`RECEITA BRUTA ATUALIZADA` and dados2013$INVESTIGADAS
##
## Não
## Sim 0.0000001
##
## P value adjustment method: fdrPMW1 <- pairwise.wilcox.test(dados2018$`RECEITA BRUTA`,dados2018$INVESTIGADAS,
p.adjust.method="fdr")
PMW1##
## Pairwise comparisons using Wilcoxon rank sum exact test
##
## data: dados2018$`RECEITA BRUTA` and dados2018$INVESTIGADAS
##
## Nao
## Sim 0.01
##
## P value adjustment method: fdr