Vous êtes sur la page 1sur 29

UNIVERSIDADE FEDERAL DE JUIZ DE FORA

INSTITUTO DE CIÊNCIAS HUMANAS

Bacharelado em Ciências Sociais

Metodologia da Pesquisa Sociológica

Análise de variáveis utilizando o programa Stata

Por:

Adrielle Luchi Coutinho Bove


Rafael Siqueira Machado
Waldney de Souza Rodrigues Costa

Professor:

Dr. José Alcides Figueiredo Santos

Juiz de Fora

Dezembro / 2014
1

1) Gerar três resultados com uma variável específica (por meio de tabela, estatística
e/ou gráfico) e comentar/analisar a distribuição desta variável considerando: valores
típicos (média, mediana, ou valores modais na distribuição das frequências em
tabelas); valores fora do centro (percentis, para o caso de variáveis contínuas);
dispersão e/ou assimetria dos dados (desvio padrão, relação média/mediana,
diagrama de caixa).

1.1) Curso mais elevado que frequentou anteriormente


- Esta categoria refere-se às pessoas que não frequentavam durante a pesquisa a escola,
creche, Universidade e etc, mas já frequentaram no passado.

Descrição da Variável:
01 Elementar (primário)
02 Médio 1º ciclo (ginasial, etc.)
03 Médio 2º ciclo (científico, clássico, etc.)
04 Regular do ensino fundamental ou do 1º grau
05 Regular do ensino médio ou do 2º grau
Educação de jovens e adultos ou supletivo do
06
ensino fundamental ou do 1º grau
Curso mais elevado que frequentou Educação de jovens e adultos ou supletivo de
75 2 V6007 7a 07
anteriormente ensino médio ou do 2º grau
08 Superior - graduação
09 Mestrado ou doutorado
10 Alfabetização de jovens e adultos
11 Creche
12 Classe de alfabetização - CA
13 Maternal, jardim de infância etc.
Não aplicável

Tabelas de frequência:
Comando: tab v6007 [fw = v4729] (V6007 = Curso mais elevado que frequentou
anteriormente)
2

v6007 Freq. Percent Cum.

1 20,955,376 18.39 18.39


2 4,181,098 3.67 22.06
3 2,962,541 2.60 24.66
4 34,439,817 30.22 54.89
5 33,105,947 29.05 83.94
6 1,124,144 0.99 84.93
7 1,428,564 1.25 86.18
8 12,941,359 11.36 97.54
9 617,149 0.54 98.08
10 994,270 0.87 98.95
11 299,849 0.26 99.21
12 697,031 0.61 99.83
13 197,743 0.17 100.00

Total 113,944,888 100.00

Comando: tab v6007 [fw = v4729], sort

v6007 Freq. Percent Cum.

4 34,439,817 30.22 30.22


5 33,105,947 29.05 59.28
1 20,955,376 18.39 77.67
8 12,941,359 11.36 89.03
2 4,181,098 3.67 92.70
3 2,962,541 2.60 95.30
7 1,428,564 1.25 96.55
6 1,124,144 0.99 97.54
10 994,270 0.87 98.41
12 697,031 0.61 99.02
9 617,149 0.54 99.56
11 299,849 0.26 99.83
13 197,743 0.17 100.00

Total 113,944,888 100.00

Análise:
Segundo as tabelas, considerando “Curso mais elevado que frequentou
anteriormente” (refere-se a pessoas que não frequentavam mais a escola, mas já
frequentaram), pode-se destacar que 30,22%, possuem como curso mais elevado o Ensino
Fundamental Regular. Este é o grau de escolaridade mais elevado mais frequente na
3

população brasileira que no momento da pesquisa, não estudava. Em seguida, 29,05% da


população teve como grau mais elevado o Ensino Médio Regular. É possível apontar a
partir destas duas variáveis que 59,28% da população brasileira tiveram como curso mais
elevado uma modalidade de ensino regular, fundamental ou médio. Isso mostra a força da
modalidade de escolarização regular na população brasileira, pois quase 60% alcançou
como nível máximo uma forma de escolarização fundamental ou média na modalidade
regular. Também há de se evidenciar que o os Ensinos Fundamental e Médio regulares não
evidenciam a taxa total de pessoas com Ensino Fundamental e/ou Médio completo, pois há
outras modalidades como o curso Médio 1º ciclo (3,67%), Médio 2° Ciclo (2,60%),
Educação de Jovens e Adultos do Ensino Fundamental (0,99%) e Médio (1,25%) e outros
que podem compor a estatística. Cabe apontar também as pessoas que alcançaram como
nível mais elevado o Ensino Superior (11,36%) ou Mestrado/Doutorado (0,54%), que
juntas, somam 11,9% da população brasileira. A partir deste apontamento, nota-se que
quase 12% da população brasileira alcançou como nível mais elevado o Ensino Superior
ou além, o que evidencia que seu acesso ainda bastante restritivo à população brasileira de
forma geral, sendo talvez mais direcionada a um público mais específico. .Por fim, através
destas tabelas é possível reconhecer que, de forma geral, a possibilidade de se completar o
Ensino Fundamental e Médio é relativamente grande, percebendo-se que grande parcela da
população alcança algum destes níveis. Porém, o acesso ao Ensino Superior e além é bem
mais restrito, com uma porcentagem de pessoas bem menor.

1.2) Consumo de tabaco

Pesquisa feita com pessoas de 15 anos ou mais selecionadas.

Descrição da Variável:
1 Diariamente
Atualmente, fuma algum 3 Menos que diariamente
788 1 V2701 1
produto do tabaco 5 Não fuma
Não aplicável

Tabelas de frequência:
Comando: tabulate v2701 [fw = v4729] (V2701 = Atualmente, fuma algum produto do
tabaco)
4

v2701 Freq. Percent Cum.

1 3,033,184 15.65 15.65


3 421,655 2.18 17.83
5 15,923,659 82.17 100.00

Total 19,378,498 100.00

Análise:
Segundo as tabelas acima, é possível notar com base na pesquisa com 19.378.498
pessoas (pesquisa feita com pessoas de 15 anos ou mais selecionadas), que boa parte não
fuma (82,17%). Porém 15,65%, ou 3.033.184 de pessoas afirmam consumir diariamente
tabaco. A partir da concepção de que o tabaco (presente principalmente em produtos como
o cigarro) se torna prejudicial à saúde, quando, em geral, se faz presente junto a outros
produtos tóxicos, pode-se afirmar que 15,65%, somadas aos 2,18% de pessoas que usam
tabaco menos que diariamente (somados, 17,83%) estão expostos a diversos riscos de
saúde decorrentes desta substância. Pode-se considerar que mesmo mais de 80% das
pessoas não utilizem tabaco, há um número considerável de pessoas expostas aos mais
diversos riscos. Vale apontar que a pesquisa foi realizada com pessoas com 15 anos ou
mais selecionadas, isso explica o número total de 19.378.498 de pessoas.

1.3) Idade

Tabelas de frequência:
Análise da variável idade (v8005):

Comando: tabulate v8005 [fw = v4729]


5

Como foi obtida uma quantidade muito grande de resultados, optou-se por criar uma
variável alternativa que agrupasse os resultados em faixas etárias, facilitando a
visualização dos dados:

Comando: recode v8005


(0/17=10)(18/29=18)(30/39=30)(40/49=40)(50/59=50)(60/69=60)(70/79=70)(80/120=80)
(999=.a), generate(idadegrupo)

(356867 differences between v8005 and idadegrupo)


6

Comando: tabulate idadegrupo [fw = v4729]


RECODE of
v8005 Freq. Percent Cum.

10 57,528,051 30.12 30.12


18 39,717,237 20.80 50.92
30 28,249,120 14.79 65.71
40 25,524,977 13.36 79.07
50 18,818,401 9.85 88.92
60 11,726,877 6.14 95.06
70 6,581,669 3.45 98.51
80 2,846,730 1.49 100.00

Total 190,993,062 100.00

Média, mediana, percentis:

Comando: tabstat v8005 [fweight = v4729], stat (mean p50 p10 p90 cv iqr r)

variable mean p50 p10 p90 cv iqr

v8005 31.67224 29 6 61 .6496095 31

variable range

v8005 108

Comando: mean v8005 [pw=pesoind]


Mean estimation Number of obs = 393629

Mean Std. Err. [95% Conf. Interval]

v8005 31.67224 .0363842 31.60093 31.74355

Análise

Segundo as tabelas, ao considerar a variável “idade” (v8005), utilizando


artificialmente o recurso da distribuição em grupos para facilitar a visualização, destaca-se
a faixa infanto-juvenil, já que 30,12% dos pesquisados possuem as idades entre 0 e 17
anos. Esta é a maior porcentagem. A menor fica para as idades acima dos 80 anos, apenas
1,49%. Logo abaixo da faixa infanto-juvenil está a faixa jovem com 20,8% da população
7

com idades entre 18 e 29 anos e, em seguida, duas faixas estão quase empatadas. São
pessoas de meia idade; com 28.249.120 (14,79%) entre 30 e 39 anos e 25.524.977
(13,36%) entre 40 e 49 anos. Como se pode perceber, há uma ligeira vantagem para o
grupo entre 30 e 39. Destaca-se que há um gradiente indicando um declínio no contingente
de pessoas na medida em que a idade aumenta. O maior contingente é o infanto-juvenil (de
0 a 17 anos) e o número vai se reduzindo conforme a idade aumenta.
Outro apontamento a fazer é que a média (31,67224) e a mediana (29) estão
próximas, o que mostra uma distribuição onde o valor do meio está próximo do valor
médio. Estando a mediana próxima da idade de 29 anos podemos dizer que a população
brasileira está razoavelmente dividida entre dois grupos. Um de crianças, adolescentes e
jovens, até os 29 anos aproximadamente, e outro composto por idosos e adultos acima
dessa idade. O p10 mostra o número 6, significando que entre os 10% de baixo na
categoria idade possuem cerca de 6 anos. No p90, ou seja, os 10% de idade mais avançada,
concentra-se em 61 anos de idade. Por fim, como o desvio padrão é de 0,0363842, ou seja,
próximo à zero, podemos dizer que há maior concentração de idades próximo à média.

2) Gerar três resultados ou estatísticas da relação entre duas variáveis e


comentar/analisar se existe uma relação entre elas e qual a direção e a força dessa
associação.

2.1) Sexo x Classe de trabalho


Comando: tab tipbrasil v0302 [fw = v4729] , col nofreq
v0302
Tip Brasil 2 4 Total

capitalista 0.69 0.31 0.53


pequ_empr 4.49 2.12 3.45
aut_ativos 6.87 3.73 5.50
aut_agrícola 6.39 1.24 4.14
aut_especial 0.98 0.91 0.95
gerente 2.69 2.19 2.47
especialista 2.94 4.55 3.64
qualificado 5.35 8.11 6.56
supervisor 1.55 0.85 1.24
trabalhador 35.24 27.26 31.76
elementar 13.25 5.28 9.77
aut_precario 8.80 8.98 8.88
domestico 0.77 14.60 6.81
subsistencia 2.82 5.87 4.15
excedente 7.18 13.99 10.15

Total 100.00 100.00 100.00


8

OBS: A tabela abaixo sobre média de remuneração possui apenas fins explicativos,
para demonstrar que há remunerações diversas conforme a classe de trabalho. A
tabela não foi utilizada para análise no trabalho, mas apenas como auxílio, pois a
mesma já foi usada em sala de aula.
Mean estimation Number of obs = 197871

capitalista: tipbrasil = capitalista


pequ_empr: tipbrasil = pequ_empr
aut_ativos: tipbrasil = aut_ativos
aut_agrícola: tipbrasil = aut_agrícola
aut_especial: tipbrasil = aut_especial
gerente: tipbrasil = gerente
especialista: tipbrasil = especialista
qualificado: tipbrasil = qualificado
supervisor: tipbrasil = supervisor
trabalhador: tipbrasil = trabalhador
elementar: tipbrasil = elementar
aut_precario: tipbrasil = aut_precario
domestico: tipbrasil = domestico
subsistencia: tipbrasil = subsistencia
excedente: tipbrasil = excedente

Over Mean Std. Err. [99% Conf. Interval]

rendtf
capitalista 6909.493 329.8442 6059.863 7759.124
pequ_empr 2644.688 43.80179 2531.861 2757.515
aut_ativos 1329.563 18.9125 1280.847 1378.278
aut_agrícola 663.5501 10.95356 635.3353 691.7649
aut_especial 4246.629 113.3909 3954.551 4538.708
gerente 2652.433 45.11327 2536.227 2768.638
especialista 3329.229 44.34231 3215.009 3443.448
qualificado 1406.046 19.75637 1355.156 1456.935
supervisor 1642.641 33.04623 1557.519 1727.763
trabalhador 808.682 2.934599 801.1229 816.2411
elementar 484.9608 2.406666 478.7615 491.16
aut_precario 662.4255 6.284475 646.2376 678.6134
domestico 422.8624 2.905968 415.3771 430.3478
subsistencia 228.1947 4.483816 216.6451 239.7444
excedente 70.48647 2.610345 63.7626 77.21034

Comando: tab tipbrasil v0302, exp chi2


9

Key

frequency
expected frequency

v0302
Tip Brasil 2 4 Total

capitalista 738 258 996


558.2 437.8 996.0

pequ_empr 4,934 1,835 6,769


3,793.5 2,975.5 6,769.0

aut_ativos 7,899 3,331 11,230


6,293.6 4,936.4 11,230.0

aut_agrícola 7,020 1,036 8,056


4,514.8 3,541.2 8,056.0

aut_especial 1,067 764 1,831


1,026.1 804.9 1,831.0

gerente 3,031 1,903 4,934


2,765.2 2,168.8 4,934.0

especialista 3,337 4,058 7,395


4,144.4 3,250.6 7,395.0

qualificado 6,033 7,066 13,099


7,341.1 5,757.9 13,099.0

supervisor 1,728 752 2,480


1,389.9 1,090.1 2,480.0

trabalhador 39,352 23,587 62,939


35,272.9 27,666.1 62,939.0

elementar 14,779 4,426 19,205


10,763.1 8,441.9 19,205.0

aut_precario 10,403 8,388 18,791


10,531.0 8,260.0 18,791.0

domestico 954 13,074 14,028


7,861.7 6,166.3 14,028.0

subsistencia 3,032 5,105 8,137


4,560.2 3,576.8 8,137.0

excedente 8,563 12,946 21,509


12,054.3 9,454.7 21,509.0

Total 112,870 88,529 201,399


112,870.0 88,529.0 201,399.0

Pearson chi2(14) = 2.8e+04 Pr = 0.000

.
10

Análise:
Segundo as tabelas geradas, pode-se destacar que o emprego mais frequente entre
homens e mulheres é a categoria “trabalhador”, que no total representa 31,76% do
emprego total dos dois sexos. Através das tabelas, pode-se perceber que há classes de
trabalho de maior presença masculina (Capitalista, Autônomo Ativo, Gerente, Pequeno
Empresário e etc) e outras de maior presença feminina (Doméstico, Especialista,
Excedente e etc). Ou seja, a distribuição das classes de trabalho se liga em certa medida ao
sexo. Porém, há a necessidade de maiores explicações sobre essas classes de trabalho.
Utilizou-se uma tabela extra sobre os rendimentos médios de cada classe de trabalho (essa
tabela não foi usada nas relações, mas apenas para enriquecer a análise). Assim é possível
destacar, a fim de enriquecer a análise, que em boa parte das classes de trabalho que os
homens possuem maior presença, são classes de trabalho com rendimentos mais altos. A
partir da percepção da tabela que informa o valor médio de rendimentos recebidos por cada
classe de trabalho, percebe-se que entre as 5 classes de trabalho que possuem maior
rendimento médio, 4 delas possuem predominância masculina (Capitalista, Autônomo
Especial, Gerente e Pequeno Empresário) e 1 delas feminina (Especialista), sendo que as
classes de trabalho “Capitalista” e “Autônomo Especial”, onde há predominância
masculina, são as que possuem maiores rendimentos médios. Assim, no que tange ao valor
médio dos rendimentos, pode-se notar que entre as classes de trabalho de rendimentos mais
alto, os homens são mais presentes. Na ponta inversa, entre as 5 classes de trabalho com
remuneração mais baixa, os homens só são maioria em 1 (elementar), ao passo que as
mulheres lideram nas outras 4 (autônomo precário, doméstico, subsistência e excedente),
inclusive nas duas categorias de remuneração médias mais baixa, “subsistência” e
excedente”.
É possível destacar algumas observações no que tange às classes de trabalho: a
classe de trabalho “doméstico” absorve mais de 14% das classes de trabalho femininas, ao
passo que não representa nem 1% das classes de trabalho masculinas, mostrando ser uma
classe de trabalho tipicamente ligada às mulheres. Porém, a categoria “elementar”
representa mais de 13% da classe de trabalho masculina, ao passo que representa pouco
mais de 5% das classes de trabalho femininas. Há também de se destacar a grande presença
da categoria “excedente”, a classe de trabalho de remuneração mais baixa e que representa
10,15% das classes de trabalho em geral.
11

Na tabela de frequência as relações observadas anteriormente se mantém: as classes


de trabalho de maioria masculina (onde muitas vezes está ligada à remuneração mais alta)
possuem uma frequência masculina maior do que se espera, e entre as mulheres se inverte:
tem-se uma presença menor do que a que se espera em classes de trabalho melhor
remuneradas, com exceção da classe de trabalho “especialista”, em que a presença
feminina é maior do que se espera. Entre as classes de trabalho de maior presença
feminina, em geral, a frequência é superior do que se espera (onde várias vezes está ligada
à remuneração mais baixa), com exceção da classe de trabalho “elementar”, e entre os
homens, em geral é o contrário, com exceção da categoria “elementar”. Há então uma
associação entre as variáveis: em certa medida a variável dependente (classe de trabalho)
se associa a independente (sexo) no sentido de que, há certas profissões que possuem uma
associação mais positiva ao sexo masculino e outras que se associam mais ao sexo
feminino. Percebeu-se que as classes de trabalho mais bem remuneradas, em geral, se
associam mais positivamente ao sexo masculino e as classes mais mal remuneradas,
possuem uma associação mais forte ao sexo feminino. Reconhece-se aqui que o sexo
influencia na distribuição das classes de trabalho, e graças a tabela que informa o
rendimento médio de cada classe de trabalho (não sendo relacionada, mas apenas
acrescentando informações extras à análise), percebe-se que a relação entre o sexo
masculino e certas classes de trabalho existe. E essa maior presença masculina se dá em
classes de trabalho de rendimento mais alto. Assim, a associação vai ao sentido de que, há
certas profissões que se associam mais fortemente a homens e outras mais fortemente a
mulheres.
Por fim, vale apontar que há correlação entre classes de trabalho e sexo. Sendo que
há certas classes de trabalho onde há importantes diferenças na presença. Assim, percebe-
se que classe de trabalho é dependente, em certa medida, do sexo (independente), e que a
relação entre Sexo x Classe de trabalho é assimétrica, pois o sexo é a causa que produz
certos efeitos sobre a classe de trabalho.

2.2) Cor x Rede de ensino

A variável “rede de ensino” faz referências às pessoas que, no momento da pesquisa,


estudavam ou em escolas públicas ou em particulares, excluindo as pessoas que não
estavam estudando, mas já estudaram.
12

Descrição da variável
2 Pública
2a Rede de ensino 4 Particular
V6002
Não aplicável

Comando: tab v6002 cor3 [fw = v4729] , col nofreq

cor2
v6002 branco preto pardo Total

2 69.88 84.07 86.54 78.64


4 30.12 15.93 13.46 21.36

Total 100.00 100.00 100.00 100.00

Comando: tab v6002 cor3, exp chi2

Key

frequency
expected frequency

cor2
v6002 branco preto pardo Total

2 35,593 6,143 51,700 93,436


40,340.5 5,800.2 47,295.3 93,436.0

4 16,396 1,332 9,252 26,980


11,648.5 1,674.8 13,656.7 26,980.0

Total 51,989 7,475 60,952 120,416


51,989.0 7,475.0 60,952.0 120,416.0

Pearson chi2(2) = 4.4e+03 Pr = 0.000

Análise:
Segundo a relação das variáveis Cor x Rede de Ensino (A variável “rede de ensino”
faz referências as pessoas que, no momento da pesquisa, estudavam ou em escolas públicas
ou em particulares, excluindo as pessoas que não estavam estudando, mas já estudaram)
13

pode-se perceber que há relações visíveis. De forma geral entre as três cores, há maior
presença na rede de ensino pública, evidenciando a necessidade de uma escola pública.
Entre as pessoas de cor branca 69,88% estudam nas escolas públicas e 30,12% em escolas
particulares. Entre as pessoas de cor preta, 84,07% estudam na escola pública e 15,93% na
particular. Entre as pessoas de cor parda, 86,54% estudam em escola pública e 13,46% em
escola particular. Esta distribuição evidencia que há uma significativa parcela de pessoas
de cor branca em escolas particulares maior que pessoas de cor preta e pessoas de cor
parda. Proporcionalmente a cada cor, há pouco mais de 30% de pessoas de cor branca em
escolas particulares, ao passo que nem 16% de pessoas de cor preta e pessoas de cor parda
estão nessas escolas particulares. Evidencia-se que há predominância de pessoas de cor
branca em escolas particulares. Partindo da premissa que a escola particular envolve um
desembolso de certa quantia financeira, pode-se colocar que esta é uma questão social que
pode envolver distribuição de renda. A tabela de frequência evidencia as análises feitas
acima. Entre as pessoas de cor branca, a frequência do número de alunos que estudam em
escolas públicas é inferior a frequência esperada, ou seja, estudam menos pessoas de cor
branca em escolas públicas do que se espera. Já nas escolas particulares a relação se
inverte: há mais pessoas de cor branca nessas escolas do que se espera. Entre pessoas de
cor preta há também importantes observações: há uma inversão das observações sobre as
pessoas de cor branca, pois encontra-se mais pessoas de cor preta nas escolas públicas do
que se espera e menos pessoas de cor preta em escolas particulares do que se espera. Entre
as pessoas de cor parda a relação existente é a mesma que entre as pessoas de cor preta,
porém com um acréscimo: a frequência encontrada de pessoas de cor parda nas escolas
públicas é significativamente maior do que a esperada (em comparação às frequências
encontradas e esperadas entre pessoas de cor preta e pessoas de cor branca) e a frequência
de pessoas de cor parda em escolas particulares e significativamente menor do que a
esperada. Ou seja, entre as três cores, as pessoas de cor parda são os que possuem maior
discrepância entre o que se encontra e o que se espera encontrar. A força de associação
pode ser vista da seguinte forma: de maneira geral, a cor (variável independente) é
associada à rede de ensino (variável dependente) no sentido de que, rede de ensino
particular se associa mais a cor branca e a rede pública às cores parda e preta.
Por fim, cabe apontar que a rede de ensino se põe como a variável que depende, em
certa medida, da cor (variável independente), como mostrado nas tabelas e análises acima.
14

Assim, Cor x Rede de Ensino consistem de uma relação assimétrica, onde apenas a cor,
como aqui defendido, é uma causa que explica os efeitos analisados sobre a rede de ensino.

2.3) Idade x Saúde não boa

Comando: tab saudnboa idadegrupo [fw = v4729] , col nofreq

RECODE of v8005
saudnaoboa 10 18 30 40 50 60 70 Total

boa 91.13 86.87 79.43 69.81 58.00 49.09 41.14 77.29


não boa 8.87 13.13 20.57 30.19 42.00 50.91 58.86 22.71

Total 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

RECODE of
v8005
saudnaoboa 80 Total

boa 37.14 77.29


não boa 62.86 22.71

Total 100.00 100.00

Comando: mean v8005 [pw = v4729] , over(saudnboa) level(99)


Mean estimation Number of obs = 393629

boa: saudnboa = boa


_subpop_2: saudnboa = não boa

Over Mean Std. Err. [99% Conf. Interval]

v8005
boa 27.65118 .0377451 27.55396 27.74841
_subpop_2 45.35787 .0764232 45.16102 45.55472

Comando: tab saudnboa idadegrupo, exp chi2


15

Key

frequency
expected frequency

RECODE of v8005
saudnaoboa 10 18 30 40 50 60 70 Total

boa 109,546 71,721 46,197 35,994 21,549 11,164 5,188 303,411


93,024.5 64,046.9 45,222.3 40,142.0 29,017.7 17,828.7 9,855.5 303,411.0

não boa 11,139 11,370 12,472 16,084 16,097 11,966 7,598 90,218
27,660.5 19,044.1 13,446.7 11,936.0 8,628.3 5,301.3 2,930.5 90,218.0

Total 120,685 83,091 58,669 52,078 37,646 23,130 12,786 393,629


120,685.0 83,091.0 58,669.0 52,078.0 37,646.0 23,130.0 12,786.0 393,629.0

RECODE of
v8005
saudnaoboa 80 Total

boa 2,052 303,411


4,273.3 303,411.0

não boa 3,492 90,218


1,270.7 90,218.0

Total 5,544 393,629


5,544.0 393,629.0

Pearson chi2(7) = 5.3e+04 Pr = 0.000

Análise

Segundo as tabelas que cruzam os dados sobre a idade da população com os dados
sobre saúde (efeito) pode-se dizer que a quantidade de anos vividos (causa) parece
influenciar negativamente a saúde. Na medida em que os anos avançam, a proporção de
pessoas que declaram “boa saúde” reduz e a de pessoas de declaram “saúde não boa”
aumenta. Destaque para a diferença entre as crianças e idosos, pois a proporção de pessoas
com “saúde boa” cai para menos da metade entre a primeira e a última faixa etária. Assim,
podemos afirmar que há certa vantagem dos mais jovens sobre os mais velhos em relação à
saúde. Se no início da vida, há predomínio de boa saúde, com 91,13% do total de pessoas
de 0 a 17 anos, no fim da vida, nas idades acima dos 80 anos, predomina a “saúde não
boa”, com 62,86%.
É importante considerar que esse último grupo (acima dos 80 anos) representa uma
parcela muito pequena da população, como foi apontado na análise anterior. Poucas
pessoas chegam a esta idade, quando chegam, as tabelas indicam que a saúde já não está
boa. Mas a saúde começa a ser afetada antes dessa faixa etária. Os dados indicam que a
relação entre idade e saúde caminha na direção em que, quanto maior a idade, menor a
16

quantidade de pessoas que se declaram com “saúde boa”. Inicia-se com uma vantagem
sobre os mais jovens e vai caindo até chegar a um relativo equilíbrio nas idades entre 60 e
69 anos. A partir disso, esta proporção vai invertendo-se, indicando a desvantagem das
pessoas acima dos 70 anos.
A maior parte dos que se declaram com “boa saúde” possui de 0 a 17 anos, porém,
isso pode estar relacionado ao fato de que, também neste grupo se concentrar a maior
parcela da população, o que nos impede de deduzir qualquer relação. Entretanto, ao
observar onde se concentra a parcela da população que mais se declara com “saúde não
boa”, vemos que a relação com a idade parece relevante. O grupo de pessoas com idades
entre 50 e 59 anos concentra 18,22% da população que se declara com “saúde não boa”,
ainda que represente apenas 9,85% da população total, como foi pontuado na primeira
análise. Isso é um indicador de que a idade parece influenciar negativamente a saúde.
A segunda tabela corrobora com esta análise ao apresentar a média de idade entre
os que se declaram com “boa saúde” e os que se declaram com “saúde não boa”. A idade
média do primeiro caso está bem abaixo da média do segundo. Enquanto a idade média dos
que se declaram com “saúde não boa” ultrapassa os 45 anos, a idade média dos que se
declaram com “saúde boa” não chega aos 28. Por fim, observa-se na tabela de frequência
que, até os 39 anos de idade, a frequência de declarações de “saúde boa” é sempre acima
da frequência esperada, invertendo-se a relação a partir dessa idade. É exatamente o
contrário do que acontece com as declarações de “saúde não boa”, em que, até os 39 anos,
a frequência de declarações é sempre menor que a frequência esperada, invertendo-se a
relação a partir dessa idade. Esse é outro indicador da situação desvantajosa dos mais
idosos. Desta forma, percebe-se que em certa medida, a saúde boa ou não-boa é
dependente da idade (independente). Assim, Idade x Saúde não boa consiste de uma
relação assimétrica, na qual a idade é uma causa de efeitos na variável saúde não boa. A
associação entre as variáveis se faz no sentido de que, conforme aumenta a idade, maior a
associação com a variável “saúde não-boa”, e no sentido contrário, conforme se olhe para
as os mais jovens (com menos idade) mais há associação com a variável “saúde boa”.

3) Gerar três resultados ou estatísticas da relação focal entre duas variáveis com o
controle de uma terceira variável e comentar/analisar se esta relação é real
17

(intrínseca) e o que revela ou demonstra este procedimento de controle ou teste da


relação original pela terceira variável.

3.1) Sexo x Classe de Trabalho x Educação Superior (controle) [0=não possui;


1=possui]

A variável “Educação Superior” se refere as pessoas que, no momento da pesquisa, já


tinham completado este nível educacional

Comando: bysort edusupcom: tab tipbrasil v0302 [fw = v4729] , col nofreq
18

-> edusupcom = 0

v0302
Tip Brasil 2 4 Total

capitalista 0.47 0.20 0.35


pequ_empr 4.25 1.92 3.26
aut_ativos 7.03 3.84 5.67
aut_agrícola 6.84 1.39 4.52
aut_especial 0.18 0.09 0.14
gerente 2.03 1.41 1.76
especialista 0.83 1.25 1.01
qualificado 4.78 6.20 5.38
supervisor 1.49 0.71 1.16
trabalhador 37.13 29.18 33.75
elementar 14.24 5.87 10.69
aut_precario 9.39 9.92 9.61
domestico 0.83 16.38 7.44
subsistencia 3.04 6.62 4.56
excedente 7.48 15.03 10.69

Total 100.00 100.00 100.00

-> edusupcom = 1

v0302
Tip Brasil 2 4 Total

capitalista 3.49 1.20 2.24


pequ_empr 7.52 3.70 5.44
aut_ativos 5.03 2.93 3.88
aut_agrícola 0.96 0.17 0.53
aut_especial 11.01 7.25 8.96
gerente 11.06 8.23 9.51
especialista 29.12 29.83 29.51
qualificado 12.54 23.02 18.26
supervisor 2.31 1.95 2.11
trabalhador 10.93 12.57 11.83
elementar 0.88 0.43 0.64
aut_precario 1.69 1.72 1.71
domestico 0.06 0.79 0.46
subsistencia 0.14 0.28 0.22
excedente 3.25 5.93 4.71

Total 100.00 100.00 100.00

Comando: tab3way tipbrasil v0302 edusupcom, colpct nofreq


19

RECODE of edu16ler and v0302


0 1
Tip Brasil 2 4 2 4

capitalista 0.46 0.19 3.21 1.07


pequ_empr 4.17 1.90 7.11 3.48
aut_ativos 7.18 3.89 4.84 2.79
aut_agrícola 6.66 1.31 0.85 0.14
aut_especial 0.18 0.08 10.68 6.91
gerente 2.03 1.40 11.19 8.00
especialista 0.81 1.18 30.38 30.98
qualificado 4.78 6.12 12.59 22.66
supervisor 1.49 0.72 2.14 1.91
trabalhador 36.68 28.51 10.86 12.45
elementar 14.05 5.56 0.84 0.38
aut_precario 9.81 10.44 1.70 1.90
domestico 0.91 16.55 0.05 0.78
subsistencia 2.89 6.49 0.15 0.27
excedente 7.90 15.67 3.42 6.30

Sexo x Educação superior


OBS: a seguinte tabela possui função explicativa, não sendo usada nas relações. Seu
objetivo é demonstrar a porcentagem de homens e mulheres que possuem Educação
Superior completa

. tab edusupcom v0302 [fw = v4729] , col nofreq

RECODE of v0302
edu16ler 2 4 Total

0 95.02 93.87 94.43


1 4.98 6.13 5.57

Total 100.00 100.00 100.00

Análise:
Com base nas tabelas geradas, pode-se perceber certas ligações do Sexo x Classe de
Trabalho sob o controle da variável “Educação Superior” (A variável “Educação Superior”
se refere as pessoas que, no momento da pesquisa, já tinham completado este nível
20

educacional). Antes, vale destacar que segundo a última tabela, apenas 5,57% das pessoas,
em média, possuem Educação Superior, sendo que as mulheres, proporcionalmente,
possuem mais Educação Superior que homens. De forma geral, pode-se perceber que tendo
por controle a Educação Superior, certas classes de trabalho como “Capitalista” e
“Autônomo Especial” possuem maior presença quando se tem Educação Superior
completa, e são classes de trabalho, em geral, mais bem remuneradas. Ao passo que outras
classes de trabalho menos remuneradas, como “doméstico” e “excedente” estão mais
ligadas a não presença de Educação Superior. O caso da classe de trabalho “doméstico” é
importante de se frisar: é uma profissão tão ligada a não presença de Educação Superior,
que entre as mulheres que não possuem este grau de estudo, representa 16,38% das
profissões, ao passo que entre mulheres que possuem o Ensino Superior representa apenas
0,79%.
No que tange a relação em si proposta aqui é possível destacar: em geral, como já
apontado, certas classes de trabalho, como “Capitalista”, “Pequeno Empresário”,
“Especialista” e outros, tendem a estar mais presentes em ambos os sexos quando se há
Educação Superior, ao passo que outras classes de trabalho, como “Excedente”,
“Doméstico”, “Subsistente” e etc tendem a estar mais presentes em ambos os sexos quando
não há Educação Superior. Cabe agora apontar as diferenças de Sexo nas Classes de
Trabalho sob o controle da Educação Superior: nas classes de trabalho onde os homens
possuem, sem o controle, mais presença que as mulheres (Capitalista, Autônomo Especial,
Gerente e Pequeno Empresário) percebe-se que a presença de Educação Superior mantém
ou, em certos casos aumenta (como na classe de trabalho “Capitalista”) a distância entre os
sexos. Ou seja, a presença desta variável controle, enfatiza que a diferença entre sexos em
classes de trabalho se mantém ou até cresce. No caso da categoria “especialista”, uma das
classes de trabalho com mais presença feminina nota-se outra relação: Com ou sem a
presença da Educação Superior, as mulheres estão em maior porcentagem que os homens
nessa classe de trabalho, porém, com a presença de Educação Superior, a diferença entre os
sexos diminui. Ou seja, nessa profissão onde há maior presença feminina, a diferença entre
sexos diminui consideravelmente quando se controla pela variável “Ensino Superior”. Há
certas profissões que a relação chega a se inverter: na classe de trabalho “trabalhador”, que
possui predominância masculina (37,13%) sobre a feminina (29,18%) quando não se há
Ensino Superior. Quando há a presença de Ensino Superior a relação se inverte, pois os
homens (10,93%) se tornam menos frequentes que as mulheres (12,57%). Mas há também
21

outras classes de trabalho diferentes: a classe de trabalho “qualificado” possui maior


presença feminina sobre a masculina, e essa diferença se acentua quando se adiciona o
Ensino Superior. Nas classes de trabalho de remuneração mais baixa, como “autônomo
precário”, “doméstico”, “subsistência”, “elementar” e “excedente” a observação mais clara
a se fazer é que conforme se adicione o Ensino Superior, sua presença entre homens e
mulheres tende a diminuir, mas a diferença entre os sexos não se altera de maneira tão
significativa.
Na tabela tab3way pode-se corroborar as análises até então realizadas. Nela é
possível perceber a taxa de crescimentos de certas classes de trabalho com a variável
controle e perceber a diferença entre os sexos. No exemplo sobre a classe de trabalho
“capitalista” pode-se notar que a taxa de crescimento em geral da classe com base na
presença de Ensino Superior terminou por aumentar um pouco a diferença entre os sexos
na profissão. Assim, de forma geral, nesta tabela pode-se perceber que em algumas classes
de trabalho a diferença entre sexos aumentou, se manteve ou diminuiu sob o controle do
Ensino Superior, porém em todos os casos pode-se notar uma importante diferença de sexo
nas classes de trabalho. Desta forma, pode-se perceber uma relação real entre Sexo x
Classe de Trabalho, haja vista que mesmo utilizando a variável controle “Educação
Superior”, a associação entre as variáveis se manteve em grande medida,e em certos casos,
foi reforçada.
Por fim, cabe apontar algumas observações gerais: segundo as tabelas, o fator sexo
possui forte influência na distribuição das classes de trabalho, e graças a variável controle
“Educação Superior”, a relação pode ser reforçada. Mesmo que haja certas diferenças no
que tange a variável controle, as diferenças nas distribuições de classe de trabalho sofrem
influência do sexo. Ou seja, mesmo que certas classes de trabalho tendem a ser mais
frequentes conforme a presença de Ensino Superior, as diferenças sexuais continuam
existindo. Com ou sem Educação Superior, certas classes de trabalho possuem mais
presença masculina ou feminina. Graças à tabela que demonstra a distribuição de
remuneração média de cada profissão, pode-se destacar que nas profissões de remuneração
mais alta, a presença de homens tende a ser maior que a de mulheres, mesmo sob a
influência da variável controle “Educação Superior”. Ainda mais: pela tabela de Sexo x
Ensino Superior (utilizada a fim de enriquecer a análise e não utilizada nas relações em si,
demonstra que proporcionalmente, há mais mulheres com ensino superior que homens)
pode-se destacar que há maior porcentagem proporcional de mulheres com Ensino
22

Superior do que homens. Desta forma, ainda que mais mulheres alcancem a formação
superior, ainda há maior presença masculina em certas classes de trabalho que, graças a
variável controle, tendem a aumentar sua presença nas classes de trabalho, porém as
diferenças no que tangem ao sexo, se mantém. Nesta relação até então esboçada, pode-se
perceber que há diferenças sexuais nas distribuições de classes de trabalho.
Em resumo, com base nas análises de duas e três variáveis, pode-se notar que há
relação real e significativa entre sexo e classe de trabalho, sendo que nas classes de
trabalho de remuneração mais alta, há mais presença masculina e nas classes de trabalho de
remuneração mais baixa, há mais presença feminina. A variável controle “Educação
Superior” mostra que há certas profissões de maior rendimento que aumentam sua
presença em ambos os sexos conforme há educação superior, porém as diferenças entre
sexos nas classes de trabalho se mantém e até podem ser reforçadas, mesmo que haja,
proporcionalmente, mais mulheres com Ensino Superior.

3.2) Cor x Rede de ensino x Região [controle]

Comando: bysort regiao: tab v6002 cor3 [fw = v4729] , col nofreq
23

-> regiao = Norte

cor2
v6002 branco preto pardo Total

2 75.62 84.70 89.27 86.05


4 24.38 15.30 10.73 13.95

Total 100.00 100.00 100.00 100.00

-> regiao = Centro-Oeste

cor2
v6002 branco preto pardo Total

2 65.48 84.08 82.12 75.21


4 34.52 15.92 17.88 24.79

Total 100.00 100.00 100.00 100.00

-> regiao = Nordeste

cor2
v6002 branco preto pardo Total

2 72.54 82.94 85.92 81.80


4 27.46 17.06 14.08 18.20

Total 100.00 100.00 100.00 100.00

-> regiao = Sudeste

cor2
v6002 branco preto pardo Total

2 66.55 84.57 86.34 75.19


4 33.45 15.43 13.66 24.81

Total 100.00 100.00 100.00 100.00

-> regiao = Sul

cor2
v6002 branco preto pardo Total

2 74.50 85.97 91.78 78.00


4 25.50 14.03 8.22 22.00

Total 100.00 100.00 100.00 100.00


24

Comando: tab3way cor3 v6002 regiao, colpct nofreq


Table entries are column percentages
Missing categories ignored

macroregiao and v6002


Norte Centro-O Nordeste Sudeste Sul
cor2 2 4 2 4 2 4 2 4 2 4

branco 20.49 39.99 36.67 57.77 25.66 44.07 47.14 73.18 75.17 91.52
preto 4.29 4.94 5.84 3.62 7.69 6.98 8.20 4.49 4.00 2.36
pardo 75.22 55.08 57.49 38.61 66.66 48.95 44.66 22.33 20.82 6.12

Análise:
Ao analisar a distribuição de cor nas redes de ensino particular e pública percebeu-
se maior presença de pessoas de cor branca nas escolas particulares e de pessoas de cor
parda e pessoas de cor preta nas escolas públicas. Cabe agora utilizar a variável “região”
como controle a fim de perceber se as observações permanecem as mesmas em cada região
brasileira. Em todas as 5 regiões há predominância do número de pessoas que estudam nas
escolas públicas sobre os que estudam nas escolas particulares. No Norte, as percepções
são as mesmas da relação sem discriminação por região, ou seja, nas escolas particulares
há maior presença de pessoas de cor branca do que pessoas de cor preta e pessoas de cor
parda proporcionalmente a cada cor. Na tabela sobre macro-região vale destacar outra
observação: mesmo que proporcionalmente a cada cor, exista maior número de pessoas de
cor branca em escolas particulares do que as outras cores, numa porcentagem absoluta,
percebe-se que 55,08% das escolas particulares e 75,22% das escolas públicas são
ocupadas por pessoas de cor parda. Percebe-se então que na região Norte, há grande
presença de pessoas de cor parda, e menor de pessoas de cor branca e pessoas de cor preta.
Há também outro fator importante de se destacar: nesta região Norte, segundo a tabela
macro-região a porcentagem de pessoas de cor preta em escolas particulares chega a
superar em pequena medida a porcentagem de pessoas de cor preta em escolas públicas. O
que não implica em dizer que há um número maior de pessoas de cor preta em escolas
particulares. A região Norte é a região com maior presença de pessoas nas escolas públicas
(86,05%). Na região Centro Oeste a relação se mantém em certa medida.
Proporcionalmente a cada cor, as pessoas de cor branca são as mais presentes nas escolas
particulares e mais, é a região onde proporcionalmente há maior número de pessoas por
25

uma cor que estudam em escola particular (34,52% de brancos que estudam em escola
particular). Porém, em todas outras regiões, as pessoas de cor preta possuem presença nas
escolas particulares superiores aos pessoas de cor parda, menos na Centro-Oeste, onde a
porcentagem proporcional de pessoas de cor parda nas escolas particulares supera o de
pessoas de cor preta. Na tabela macro-região pode-se perceber que o número de pessoas de
cor parda em escolas públicas supera as outras cores, porém nas escolas particulares, o
número de pessoas de cor branca supera as outras cores, representando mais de 57% da
presença.
Na região Nordeste, a presença da escola pública chega a 81,80% (junto a região
Norte, são as únicas duas regiões que superam os 80% de pessoas que frequentam a escola
pública). A presença de pessoas de cor branca nas escolas particulares, tal como nas outras
regiões, superar proporcionalmente às outras cores. A região Nordeste é a região que,
proporcionalmente possui maior porcentagem de pessoas de cor preta em escolas
particulares (17,06%). Ou seja, mesmo a região onde há proporcionalmente mais pessoas
de cor preta em escolas particulares, a porcentagem não alcança 20%. Na tabela macro-
região pode-se perceber forte presença de pessoas de cor parda, já que tanto na escola
pública quanto na particular, esta cor é predominante, em porcentagens gerais. Na região
Sudeste, novamente, percebe-se maior presença da escola pública. Esta região, de forma
geral, é a que possui o maior número de pessoas que estudam em escola particular
(24,81%). Assim, de forma geral, como na relação feita sem a variável controle “região”, o
número proporcional de pessoas de cor branca supera o de pessoas de cor preta e as
pessoas de cor preta supera o de pessoas de cor parda no que tange a presença em escola
particular. Na tabela macro-região percebe-se que a presença forte de pessoas de cor
branca dá predominância tanto em escolas públicas quanto em particulares, sendo que em
escolas particulares supera 75%. Na região Sul destaca-se que, igualmente em outras
regiões, o número de pessoas de cor branca em escola particular supera o de outras cores.
Esta região é a região com menor porcentagem de pessoas de cor parda que estudam em
escola particular (8,22%). Na tabela macro-região, o número de pessoas de cor branca
supera as outras cores tanto em escolas públicas quanto em particulares, sendo que nesta
última, a presença de pessoas de cor branca supera 90% da ocupação. Pode-se perceber
então que, há uma relação real entre Cor x Rede de Ensino, pois através da variável
controle região, destaca-se vários pontos que corroboram as observações. Mesmo essa
relação se mantendo, em geral, em todas as regiões (mesmo reconhecendo certas
26

diferenças), a cor branca está mais associada proporcionalmente à escola particular que a
cor parda e preta, mesmo em regiões em que a cor branca não é maioria em porcentagem
absoluta (que se refere a porcentagem total de alunos da rede pública e privada) na rede
particular. Ou seja, até em regiões onde os pardos ou pretos são maioria em escolas
públicas e privadas (em porcentagem total), os brancos são proporcionalmente mais
frequentes nas escolas particulares, mesmo que sejam um número total menor
Assim, em resumo, pode-se perceber que apesar de algumas diferenças, as
diferenças entre Cor x Rede de Ensino percebidas evidenciam uma relação real, que se
mantém em todas as regiões brasileiras, sendo tratada como variável controle. Isso destaca
que, apesar de haver diferenças sobre o número absoluto de cada cor nas regiões,
proporcionalmente, em todas as regiões há predominância de brancos na rede particular e
predomínio da rede pública em todas as regiões em números absolutos. Evidencia-se então
que brancos possuem mais acesso ao ensino particular, mas de forma geral, o ensino
público é o que possui maior número de alunos.

3.3) Idade x Saúde não boa x Sexo (controle)

Comando: bysort v0302: tab saudnboa idadegrupo [fw = v4729] , col nofreq

-> v0302 = 2

RECODE of v8005
saudnaoboa 10 18 30 40 50 60 70 Total

boa 91.15 88.88 81.97 72.69 60.57 50.31 40.49 79.46


não boa 8.85 11.12 18.03 27.31 39.43 49.69 59.51 20.54

Total 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

RECODE of
v8005
saudnaoboa 80 Total

boa 34.82 79.46


não boa 65.18 20.54

Total 100.00 100.00


27

-> v0302 = 4

RECODE of v8005
saudnaoboa 10 18 30 40 50 60 70 Total

boa 91.10 84.87 77.07 67.19 55.75 48.09 41.64 75.24


não boa 8.90 15.13 22.93 32.81 44.25 51.91 58.36 24.76

Total 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00

RECODE of
v8005
saudnaoboa 80 Total

boa 38.57 75.24


não boa 61.43 24.76

Total 100.00 100.00

Comando: tab3way idadegrupo saudnboa v0302, colpct nofreq


Table entries are column percentages
Missing categories ignored

v0302 and saudnaoboa


RECODE of 2 4
v8005 boa não boa boa não boa

10 36.86 14.31 35.35 10.82


18 24.03 12.00 23.25 13.08
30 15.04 13.15 15.41 14.35
40 11.78 17.52 11.94 18.07
50 6.94 17.84 7.27 17.85
60 3.41 13.33 3.95 13.21
70 1.46 8.39 1.96 8.45
80 0.48 3.48 0.87 4.17

Análise

Uma forma de avaliar a consistência da relação entre idade e saúde que foi
constatada no tópico anterior é inserir e controlar uma terceira variável. Inseriu-se na
análise a variável “sexo” para testar se ela interfere na análise anterior. Segundo as tabelas,
analisando a relação entre idade e saúde, usando como variável de controle o sexo, pode-se
apontar que, proporcionalmente, embora os valores variem comparando masculino e
feminino, a relação se mantém. Tanto entre os “homens”, quanto entre as “mulheres”,
observa-se que há uma proporção maior de pessoas que se declaram com “saúde boa” entre
os de menor idade e que esta proporção vai caindo na medida em que se aumenta a idade,
ou seja, há um indicador de que pessoas mais jovens estão em situação de saúde melhor do
que as mais idosas.
Uma mirada sobre o percentual total de informações sobre saúde em cada uma da
duas categorias (saúde boa e saúde não boa), distribuído por faixa etária revela e separados
por sexo, revela que não há muita diferença entre “homens” e “mulheres” nas proporções.
28

Os valores são muito semelhantes. Nos dois sexos, até a idade de 39 anos, a quantidade de
pessoas que se declaram com “saúde boa” é sempre superior à quantidade de pessoas que
se declaram com “saúde não boa”. Ao passar dos 40, independente de serem “homens” ou
“mulheres”, a situação se inverte: a quantidade de pessoas que se declaram com “saúde não
boa” supera a quantidade de pessoas que se declaram com “saúde não boa”. Uma pequena
diferença entre os sexos aparece quando atentamos aos maiores contingentes de pessoas
que se declaram com “saúde não boa”. Enquanto o dos “homens” situa-se na faixa entre 50
e 59 anos, o das “mulheres” situa-se entre 40 e 49 anos. Em todo caso, a maior parte das
pessoas que se declaram com “saúde não boa” possui de 40 a 59 anos. Assim, mesmo
havendo pequenas diferenças entre os sexos, a variável controle demonstra a relação real
entre Idade x Saúde não boa, visto que esta não demonstra que há grandes disparidades
referentes a sexo, corroborando as análises feitas.
Em suma, através do recorte realizado, embora seja preciso levar em conta
pequenas diferenças entre “homens” e “mulheres”, de maneira geral, a relação entre idade
e saúde se mantém como uma relação real. Em todo caso há mais pessoas de idade menor
se declarando com “saúde boa” do que pessoas de idade avançada e mais pessoas com
idade avançada se declarando com “saúde não boa” do que pessoas de idade menor. Isso
indica uma vantagem dos mais jovens sobre os mais velhos em relação à qualidade da
saúde e sugere a necessidade de intervenções voltadas especialmente para brasileiros e
brasileiras que estão acima dos 40 anos. Desta forma, cabe colocar que através da variável
controle “sexo”, a relação entre Idade x Saúde observada anteriormente é corroborada, ou
seja, controlando-se pela variável “sexo” nota-se que não há grandes discrepâncias entre os
sexos na associação entre saúde boa e saúde não-boa, sendo então mais ligada à variável
“Idade”.