Consolidação de indicadores com dados faltantes
Uma equipe de análise recebeu três fontes para estimar a taxa de desocupação de um município. A fonte A, coletada mensalmente, cobre 92% dos setores e tem erro amostral declarado de 1,8 ponto percentual; a fonte B, anual, cobre 100% dos setores, mas foi coletada há 14 meses e seu erro declarado é de 0,9 ponto. A fonte C é um registro administrativo que cobre apenas trabalhadores com carteira assinada e não estima o setor informal. Os valores brutos são: A = 11,4%; B = 9,1%; C = 6,2%. O prazo de entrega é de dois dias e o cliente exige um único número com uma faixa de incerteza. A equipe precisa decidir qual estimativa publicar e como declarar o método.
1. Qual fonte deve servir de base para a estimativa publicada e por quê? Como as demais fontes devem ser usadas?
Read the worked answer
A base deve ser a fonte A. Ela é a mais recente, cobre quase todo o universo (92% dos setores) e mede diretamente o fenômeno, inclusive o informal. A fonte B tem cobertura total e erro menor, mas está defasada em 14 meses; usar seu valor de 9,1% como número principal ignoraria mudanças no mercado de trabalho no período. A fonte C não pode ser base porque mede apenas o emprego formal: seu 6,2% é uma taxa de um subconjunto, não comparável à desocupação total.
Uso correto das demais: a fonte B serve como referência de tendência e para checar a plausibilidade do nível; se a série histórica mostrar que a desocupação variou pouco, a diferença entre 11,4% e 9,1% precisa ser explicada, não simplesmente ignorada. A fonte C serve como validação de sinal: se o emprego formal cai, a desocupação tende a subir, o que é coerente com A. Nenhuma das duas deve ser combinada por média simples, pois medem populações diferentes e têm vieses distintos.
2. Como declarar a incerteza da estimativa publicada, considerando que o erro amostral declarado não captura todos os riscos?
Read the worked answer
A faixa deve partir do erro amostral da fonte A (±1,8 p.p.), mas ser ampliada para refletir riscos não amostrais: os 8% de setores não cobertos podem ter perfil sistematicamente diferente, e a não resposta tende a concentrar-se em grupos de maior mobilidade. Uma prática defensável é publicar o intervalo amostral (9,6% a 13,2%) e declarar explicitamente que ele é um piso de incerteza, acrescentando uma análise de sensibilidade: recalcular a estimativa atribuindo aos setores faltantes o comportamento observado nos setores de pior cobertura. Se essa sensibilidade deslocar o resultado em mais de um ponto, o intervalo publicado deve incorporar esse deslocamento.
A declaração de método deve informar: fonte primária, período de coleta, cobertura, erro amostral, tratamento dos setores ausentes e o papel das fontes B e C como validação. Não se deve apresentar um único número sem faixa, nem uma faixa que sugira precisão inexistente.
3. O cliente pressiona por um número menor, alegando que a fonte B é oficial e cobre 100%. Como responder tecnicamente?
Read the worked answer
A resposta deve separar cobertura de validade temporal. Cobertura de 100% elimina o viés de setores ausentes, mas não corrige o fato de o dado ter 14 meses; em mercados de trabalho com rotatividade alta, esse intervalo é suficiente para mudar o nível da taxa. Portanto, a fonte B é mais completa e mais precisa, mas menos atual, e essas duas qualidades não são intercambiáveis.
Se o cliente exige um número único, a alternativa tecnicamente honesta é publicar A como estimativa corrente e B como referência de nível anterior, explicitando a diferença e sua possível causa. Reduzir o número para agradar o cliente introduz viés de conveniência e viola a reprodutibilidade: outro analista, com os mesmos dados, não chegaria ao valor encomendado. O critério de decisão deve ser documentado antes da divulgação, não ajustado depois do resultado.