November 16, 2026
Pobreza Multidimensional e Programa Bolsa Família: desafios e perspectivas de inclusão pelas políticas públicas
Kelton Carvalho Andrade; Daniel Alvarez Firmino
DOI: 10.22167/2675-6528-202604160
Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.
Resumo
O conceito de pobreza evoluiu nos séculos XX e XXI, incorporando uma perspectiva mais inclusiva que transcende a renda monetária. O Índice de Pobreza Multidimensional (IPM) emergiu como uma ferramenta complementar para caracterizar a pobreza e orientar programas como o Bolsa Família, visando aprimorar sua eficácia e focalização. O estudo objetivou criar um IPM nacional a partir dos dados da Pesquisa Nacional por Amostra de Domicílios Contínua (PNADC) de 2024, buscando identificar a correlação entre o recebimento do benefício e a pobreza multidimensional, além de detectar populações desassistidas. Utilizou-se a metodologia Alkire-Foster para o cálculo do IPM, decompondo os resultados em grupos de beneficiários e não beneficiários do PBF. Em seguida, aplicou-se um Modelo Linear Generalizado com função logit para analisar as correlações. Os resultados revelaram que 4,84% da população brasileira vivia em pobreza multidimensional, com uma incidência três vezes maior entre os beneficiários do Bolsa Família. Identificaram-se dois perfis de pobreza multidimensional e dois potenciais pontos cegos na cobertura do PBF, incluindo 9,0% dos pobres multidimensionais não beneficiários em extrema pobreza monetária e 25,2% em vulnerabilidade de baixa renda. A condição de ser beneficiário do PBF associou-se a uma chance duas vezes maior de ser classificado como pobre multidimensional. Concluiu-se que o IPM é uma ferramenta valiosa para o desenho de políticas públicas, aumentando a capacidade de focalização e demandando ações para resolver problemas estruturais que perpetuam a pobreza.
Palavras-chave: Alkire-Foster; IPM; Políticas públicas.
1. Introdução
A compreensão da pobreza passou por uma transformação significativa entre os séculos XX e XXI. Inicialmente, a questão era predominantemente abordada sob a ótica da renda monetária mínima, com a solução focada na garantia de uma linha de pobreza absoluta. Contudo, Peter Townsend introduziu em 1979 o conceito de pobreza relativa, demonstrando que as necessidades básicas variam conforme o contexto social do indivíduo (Ferreira, 2016).
Essa evolução abriu caminho para uma perspectiva mais inclusiva, que considera a pobreza como um fenômeno multidimensional. A partir do final do século XX, a pobreza passou a ser pensada não apenas pela renda, mas também por privações em dimensões como escolaridade, saúde, trabalho, acesso a serviços e bens de consumo, e, mais recentemente, acesso à informação por meio da tecnologia (Serra et al., 2023). Conceitualmente, essa abordagem alinha-se aos Direitos Humanos e à perspectiva de Amartya Sen (2018), que entende a pobreza como um impedimento ao desenvolvimento das capacidades básicas do indivíduo. Nesse contexto, Alkire e Foster (2011) desenvolveram o Índice de Pobreza Multidimensional (IPM), uma ferramenta para identificar e quantificar a intensidade da pobreza. O método tem sido crescentemente utilizado pelo Programa das Nações Unidas para o Desenvolvimento (PNUD) como guia para a formulação de planos de desenvolvimento sustentável.
A Iniciativa de Oxford sobre Pobreza e Desenvolvimento Humano (OPHI) realiza anualmente a aplicação do método de Alkire e Foster para gerar o IPM Global, definindo dez indicadores que compõem três dimensões básicas quase universais (Serra et al., 2023). Os criadores do IPM, entretanto, orientam que cada país defina seu próprio IPM para melhor refletir a realidade nacional. Nesse contexto, a abordagem multidimensional tornou-se crucial para o desenvolvimento de planos estratégicos de redução da pobreza. Na América Latina, programas de transferência condicionada de renda surgiram como pioneiros, a exemplo do Progresa no México (1997) e do Bolsa Escola no Brasil (2001). Esses programas visavam combater a pobreza estrutural por meio de transferências de renda e imposição de condicionalidades, especialmente na área da educação.
No Brasil, a preocupação com a pobreza levou à criação e integração de diversos programas, culminando no Programa Bolsa Família (PBF) em 2003. O PBF é um programa de transferência de renda com condicionalidades, único e administrativamente centralizado (Souza et al., 2019), que visa à melhoria da situação das famílias em múltiplas áreas da vida. As condicionalidades do PBF auxiliam na construção de uma estrutura de proteção contra elementos constitutivos da pobreza, como desnutrição, mortalidade infantil, falta de escolaridade, trabalho infantil e ausência de cobertura vacinal. Após dez anos de implementação, o PBF demonstrou resultados positivos, contribuindo para que o Brasil saísse do Mapa da Fome em 2014 e se tornasse referência internacional (Souza e Bruce, 2022).
Apesar dos avanços, a complexidade da pobreza exige ferramentas de medição que capturem sua natureza multifacetada. O presente trabalho se insere nesta discussão e se justifica pela necessidade de propor um índice capaz de medir o grau e a intensidade com que a pobreza afeta o país de maneira mais sensível. Nesse sentido, a pesquisa objetiva explorar a criação de um IPM a partir dos dados da Pesquisa Nacional por Amostra de Domicílios Contínua de 2024, de forma que se possa observar se há correlação entre ser beneficiário do PBF e o resultado final do IPM, assim como a existência de pessoas em situação de necessidade desassistidas pelo Estado.
2. Material e Métodos
A pesquisa caracterizou-se como um estudo de natureza quantitativa e abordagem exploratória, com o objetivo de criar um Índice de Pobreza Multidimensional (IPM) nacional e investigar a correlação entre o recebimento do benefício do Programa Bolsa Família (PBF) e a condição de pobreza multidimensional. Adicionalmente, buscou-se identificar a existência de populações em situação de necessidade que não eram assistidas pelo Estado. O estudo foi realizado a partir da análise de microdados domiciliares.
A unidade de análise empírica consistiu nos domicílios brasileiros, utilizando-se os dados da Pesquisa Nacional por Amostra de Domicílios Contínua (PNADC) de 2024. Optou-se pela utilização dos dados da primeira visita ao domicílio, pois esta etapa da pesquisa inclui informações essenciais sobre ocupação, fontes de renda, escolaridade e condições de habitação, consideradas fundamentais para a construção do Índice de Pobreza Multidimensional. A PNADC é coletada trimestralmente pelo Instituto Brasileiro de Geografia e Estatística (IBGE).
A amostra inicial da primeira visita de 2024 compreendeu 381.815 observações. Procedeu-se à remoção de indivíduos que não eram parte da família, conforme a definição do IBGE, como pensionistas, empregados domésticos e seus parentes. Após essa etapa de filtragem, a amostra final totalizou 381.717 observações. Das 486 variáveis disponíveis, selecionaram-se 55 que continham dados de identificação, características sociodemográficas e as variáveis necessárias para a constituição das dimensões do IPM, permitindo o cruzamento com dados de renda per capita e inscrição no PBF.
Para o tratamento dos dados, observou-se que algumas variáveis apresentavam valores nulos. Contudo, essa ocorrência não resultou em perda significativa na amostra, pois os valores podiam ser inferidos a partir da análise domiciliar ou não eram aplicáveis a determinados indivíduos. Os indicadores de privação foram gerados por contágio, ou seja, se um membro adulto do domicílio sofria de desemprego, os demais membros também pontuavam nesse indicador, refletindo o impacto dessa condição na família.
A metodologia para a geração do Índice de Pobreza Multidimensional seguiu os passos propostos por Alkire et al. (2015). Primeiramente, definiram-se indicadores relevantes que pudessem sinalizar efeitos ou causas estruturais de uma vida precária, com base na literatura, experiências e bom senso (Fahel et al., 2014). Em seguida, estabeleceu-se a linha de corte ou privação para cada indicador, determinando se uma pessoa tinha a necessidade satisfeita ou não.
Posteriormente, criou-se um escore de privação binário para cada indicador, onde o valor 1 indicava privação e 0 indicava não privação. Atribuiu-se pesos a cada parâmetro, seguindo o modelo do IPM Global para evitar ponderações arbitrárias: pesos iguais foram distribuídos a cada dimensão, e, dentro de cada dimensão, pesos iguais foram atribuídos a cada indicador. Este procedimento garantiu uma distribuição equitativa da importância de cada componente do índice.
O cálculo do escore de privação geral para cada indivíduo foi realizado somando-se as privações ponderadas pelo seu respectivo peso. A linha de corte para classificar uma pessoa como pobre multidimensional foi definida em 33,33% do escore de privação total. Adicionalmente, considerou-se a faixa entre 25% e 33,33% para identificar a população em situação de vulnerabilidade, ou seja, próxima da pobreza multidimensional.
O IPM foi composto por quatro dimensões: Trabalho, Padrão de Vida, Educação e Tecnologias da Informação e Comunicação (TICs), baseando-se na estrutura do IPM Global, do IPM lançado pelo Núcleo de Inteligência Social (NIS, 2020) e em parte da proposta de Serra et al. (2023). A dimensão Saúde, com indicadores como nutrição e mortalidade infantil, não foi incluída devido à ausência de dados suficientes no questionário da PNADC.
Na dimensão Trabalho, incluíram-se os indicadores de Informalidade e Desocupação, adaptando-se este último para abranger os desalentados. A Informalidade também foi ajustada para incluir pessoas com trabalho formal, mas subocupadas por horas insuficientes. A dimensão Padrão de Vida abrangeu Material do Domicílio, Acesso à Água, Saneamento Básico, Energia, Geladeira e Segurança da Posse. A dimensão Educação considerou Frequência Escolar, Atraso Escolar e Maior Formação. Por fim, a dimensão TICs foi composta por Acesso à Internet e Equipamentos.
Para o cálculo do IPM, utilizou-se a equação (1) para o escore de privação de uma pessoa (ci), onde pj indica privação no indicador j e wj é o peso do indicador j. Em seguida, calculou-se o Headcount Ratio (H), ou Incidência da Pobreza, conforme a equação (2), que representa a proporção de pessoas classificadas como pobres (q) em relação à população total (N). A Intensidade da Pobreza (A) foi calculada pela equação (3), indicando a quantidade média de privações sofridas pelos pobres. Finalmente, a Pobreza Multidimensional Ajustada (Mo) foi obtida pelo produto de H e A, conforme a equação (4). As variáveis q e N foram ponderadas pela variável V1032 da PNADC para estimativas populacionais.
Para investigar a correlação entre o recebimento do Bolsa Família e a classificação como pobre multidimensional, aplicou-se um Modelo Linear Generalizado com função logit. A escolha desse modelo baseou-se na natureza binária da variável de classificação (ser ou não ser pobre multidimensional) e na sua distribuição não normal (Fávero e Belfiore, 2025). A análise foi realizada utilizando a biblioteca statsmodels do Python, e os logaritmos da razão de chances (log-odds) foram convertidos por exponenciação para a razão de chances.
A construção do IPM envolveu reflexões sobre a realidade nacional e os dados disponíveis. A PNADC, como fonte de dados, impôs algumas restrições, como a ausência de perguntas sobre nutrição, mortalidade infantil ou trabalho infantil no questionário básico, o que limitou a precisão do IPM para certas dimensões. Além disso, o desenho da pesquisa exclui parte da população sem residência particular fixa (IBGE, 2014).
A quantidade de indicadores que compõem uma dimensão pode influenciar a estimativa da pobreza. A definição dos pesos dos indicadores e as compensações entre eles foram consideradas, e optou-se por uma distribuição igual de pesos para evitar a introdução de um viés de escolha maior, dada a complexidade do tema (Decancq e Lugo, 2009).
3. Resultados e Discussão
A aplicação da metodologia Alkire-Foster aos microdados da Pesquisa Nacional por Amostra de Domicílios Contínua de 2024 permitiu uma caracterização detalhada da pobreza no Brasil, transcendendo a análise meramente monetária. Os resultados revelaram que 4,84% da população brasileira, o que corresponde a 10.247.792 indivíduos, vivia em situação de pobreza multidimensional. Esta parcela representa o núcleo mais vulnerável da sociedade, com acesso comprometido a uma vida digna em diversas dimensões. A intensidade média de privações para este grupo foi de 39,05%, resultando em um Índice de Pobreza Multidimensional ajustado de 0,019. Esses achados estão em consonância com as médias observadas pela OPHI para a América Latina e Caribe, que reportou incidência de 5,8%, intensidade de 42,9% e IPM ajustado de 0,025, indicando que o Brasil, apesar dos desafios, apresenta uma posição comparativamente melhor.
Ao decompor a população, observou-se uma distinção significativa entre beneficiários e não beneficiários do Programa Bolsa Família (PBF). A incidência de pobreza multidimensional entre os beneficiários do PBF foi de 10,48%, abrangendo 5.210.319 pessoas, enquanto entre os não beneficiários foi de 3,11%, totalizando 5.037.473 indivíduos. Isso demonstra que a incidência relativa da pobreza multidimensional é três vezes maior no grupo que recebe o auxílio. Contudo, em termos absolutos, o número de pobres multidimensionais sem o benefício é quase equivalente ao dos beneficiários. A intensidade das privações foi similar em ambos os grupos, com 39,70% para beneficiários e 38,39% para não beneficiários, sugerindo uma qualidade de vida igualmente precária para ambos os contingentes de pobres multidimensionais.
Perfil da Pobreza Multidimensional no Brasil
A análise da contribuição relativa de cada dimensão para o IPM nacional revelou que Trabalho (28,2%), Educação (26,8%) e Tecnologias da Informação e Comunicação (TICs) (28,9%) possuem pesos semelhantes, indicando que a pobreza multidimensional no país é impulsionada por privações em múltiplos eixos. A dimensão Padrão de Vida contribuiu com 16,1%. Para os beneficiários do PBF, a dimensão TICs apresentou uma contribuição reduzida (20,4%), o que, por sua vez, elevou a importância das dimensões Trabalho (32,3%) e Educação (28,8%), que juntas responderam por 61,1% do IPM desse grupo. Esse perfil sugere que, para os beneficiários, as privações estão mais concentradas em aspectos laborais e educacionais.
Em contraste, para os pobres multidimensionais que não recebem o auxílio, a dimensão TICs teve um peso significativamente maior (38,0%) em seu IPM, delineando um perfil de pobreza mais associado à exclusão digital. As dimensões Trabalho (23,8%), Educação (24,7%) e Padrão de Vida (13,5%) também foram relevantes para este grupo. A desagregação dos indicadores de privação mostrou que a ausência de Ensino Médio completo se destaca como o maior problema para ambos os grupos, com 8,8% na média nacional, 8,6% para beneficiários e 4,2% para não beneficiários. Essa privação educacional é um fator crítico que perpetua a desigualdade social e econômica, conforme apontado por Kliksberg (2000).
Outras privações relevantes para os beneficiários do PBF incluíram alta informalidade ou subocupação (8,6%), saneamento básico e água inadequados (7,5% e 4,2%, respectivamente), atraso escolar (4,4%) e falta de acesso à internet (5,1%). Com exceção dos indicadores de tecnologia, as taxas de privação para os beneficiários foram aproximadamente o dobro em comparação com o conjunto de todos os pobres multidimensionais. A alta incidência de problemas de saneamento e água, por exemplo, não afeta apenas a saúde, mas também a economia e o desempenho educacional, conforme destacado pelo Instituto Trata Brasil (2022), reforçando a interconexão das dimensões da pobreza.
O acesso à internet e às tecnologias de informação e comunicação (TICs) emergiu como um fator crucial de desigualdade social, influenciando a capacidade de desenvolvimento e inserção social, como discutido por Kliksberg (2000) e Gigler (2015). Embora a média nacional de privações por indicador seja influenciada pelo grupo de não beneficiários, que é mais numeroso e heterogêneo, a intensidade de privações entre os pobres multidimensionais não beneficiários é comparável à dos beneficiários do PBF. Isso sublinha a necessidade de uma análise complementar do IPM com a renda monetária para uma compreensão mais aprofundada do perfil de pobreza desse subgrupo.
Pontos Cegos no Bolsa Família
A análise dos pontos cegos na cobertura do Bolsa Família revelou que, entre os pobres multidimensionais que não recebem o auxílio, 9,0% (equivalente a 456 mil brasileiros) encontram-se em situação de extrema pobreza monetária, com renda per capita igual ou inferior a R$ 218,00. Este grupo representa um ponto cego crítico, pois, apesar de suas privações monetárias e não monetárias serem equivalentes às dos beneficiários, eles não estão sendo assistidos. As possíveis causas incluem desatualização cadastral, descumprimento de condicionalidades, ou a ausência de Cadastro de Pessoas Físicas (CPF), um requisito prioritário para identificação, como apontado por Matos e Assunção (2021) em estudos sobre o Auxílio Emergencial.
Adicionalmente, 25,2% dos pobres multidimensionais não beneficiários (cerca de 1,3 milhão de pessoas) foram identificados na faixa de vulnerabilidade de baixa renda, com renda per capita entre R$ 219,00 e R$ 706,00. Embora monetariamente em condição ligeiramente melhor que os extremamente pobres, seu padrão de vida e a intensidade das privações multidimensionais são bastante semelhantes aos dos beneficiários do PBF. Este grupo, embora não elegível para entrada no programa, ainda demonstra vulnerabilidade significativa, o que a própria regra de proteção do PBF reconhece, demandando outras formas de inclusão social e políticas que abordem suas privações estruturais.
A maior parte dos pobres multidimensionais sem auxílio, 65,7% (3,3 milhões de pessoas), superou a pobreza monetária, com renda per capita acima de R$ 706,00, mas ainda enfrenta privações estruturais. Para este grupo, a transferência de renda por si só pode não ser a solução mais eficaz, mas as condicionalidades do PBF, como a frequência escolar, podem ter um impacto positivo na superação de problemas estruturais, conforme Cireno et al. (2013). A persistência dessas privações estruturais, mesmo com renda mais elevada, sugere a necessidade de intervenções estatais multifacetadas, que vão além do suporte monetário direto para promover o desenvolvimento de capacidades e a inclusão social.
PBF e Pobreza Multidimensional: Correlações
A aplicação de um Modelo Linear Generalizado com função logit para analisar a correlação entre ser beneficiário do PBF e a classificação como pobre multidimensional revelou que ser beneficiário do programa está associado a uma chance duas vezes maior de ser classificado como pobre multidimensional. Este achado sugere uma focalização eficaz do PBF, que consegue alcançar uma parcela significativa da população que enfrenta privações multidimensionais. A análise utilizou como referência um perfil base de chefe de família da região Sudeste, não beneficiário do PBF, de cor branca, mulher, residente em zona rural e sem Ensino Médio completo.
Os resultados do modelo também identificaram fatores de risco e proteção significativos. Morar nas regiões Norte e Nordeste aumentou a chance de pobreza multidimensional em 2,36 e 1,48 vezes, respectivamente, em comparação com a região Sudeste. Indivíduos indígenas e pretos apresentaram chances 1,53 e 1,43 vezes maiores de serem pobres multidimensionais, enquanto pardos tiveram 1,25 vezes mais chances, em relação à cor branca. Ser homem também foi associado a uma chance 1,20 vezes maior. Esses dados refletem as históricas desigualdades regionais e raciais do país, que persistem como determinantes da pobreza multidimensional.
Em contrapartida, fatores como ter Ensino Médio completo e residir em área urbana atuaram como importantes fatores de proteção, reduzindo as chances de pobreza multidimensional em 93% e 66%, respectivamente. O aumento de um ponto percentual na renda per capita foi associado a uma redução de 18% na chance de ser multidimensionalmente pobre. A idade também demonstrou um comportamento parabólico, atuando como fator de proteção até os 45 anos, quando o responsável pela família atinge o pico de sua carreira profissional, mas aumentando o risco de pobreza com o envelhecimento. A eficácia do Ensino Médio completo na redução da pobreza é explicada pela melhoria das oportunidades de trabalho e salário, enquanto a infraestrutura urbana facilita o acesso a serviços básicos.
A correlação positiva entre ser beneficiário do PBF e a pobreza multidimensional não deve ser interpretada como um indicativo de que o programa perpetua a pobreza, mas sim como um reflexo da sua capacidade de focalização. A literatura, incluindo Oliveira e Soares (2013) e Hecksher (2025), aponta que os indícios de que programas de transferência de renda estimulam a permanência na pobreza são inconclusivos, havendo estudos que indicam o aumento da participação no mercado de trabalho. Portanto, a associação observada é um reflexo estatístico da interseção entre a pobreza monetária e as privações multidimensionais que o programa visa mitigar.
É fundamental reconhecer as limitações inerentes à construção do IPM e à base de dados utilizada. A PNADc, por exemplo, não permite o acompanhamento longitudinal das famílias, o que dificulta a avaliação de impactos de longo prazo do PBF. Além disso, a ausência de indicadores cruciais como nutrição, mortalidade infantil e trabalho infantil no questionário básico da PNADc pode subestimar a gravidade da pobreza em certas dimensões. A escolha de pesos iguais para as dimensões e indicadores, embora justificada pela falta de expertise para uma ponderação mais robusta, é reconhecida como uma decisão que pode influenciar os resultados, conforme Decancq e Lugo (2009).
Outra limitação importante é que o desenho da PNADc exclui a população sem residência particular fixa, uma parcela significativa dos pobres. A quantidade de indicadores por dimensão também pode influenciar a percepção da pobreza, como no caso da dimensão Padrão de Vida, que, com seis indicadores, pulveriza mais as privações em comparação com dimensões com menos indicadores. Para uma análise mais aprofundada do impacto do Bolsa Família e a identificação de nuances nos pontos cegos, seria ideal a utilização de bases de dados mais detalhadas, como o CadÚnico, que permitiriam um acompanhamento longitudinal das famílias e uma investigação mais rica.
Em síntese, os resultados da pesquisa demonstram a utilidade do Índice de Pobreza Multidimensional na identificação e caracterização da pobreza para além da renda, revelando que 4,84% da população brasileira vive em privação multidimensional, com maior incidência e intensidade entre os beneficiários do Bolsa Família. A análise permitiu delinear perfis de pobreza distintos e identificar pontos cegos cruciais na cobertura do PBF, especialmente entre aqueles em extrema pobreza monetária ou vulnerabilidade de baixa renda que não recebem o auxílio. A correlação positiva entre o benefício e a pobreza multidimensional reforça a focalização do programa, mas também aponta para a necessidade de políticas públicas complementares e intervenções estruturais para abordar as múltiplas faces da pobreza que persistem no país.
4. Conclusão
O presente estudo objetivou explorar a criação de um Índice de Pobreza Multidimensional (IPM) nacional a partir dos dados da Pesquisa Nacional por Amostra de Domicílios Contínua de 2024, buscando identificar a correlação entre o recebimento do benefício do Programa Bolsa Família (PBF) e a pobreza multidimensional, além de detectar populações desassistidas. Verificou-se que 4,84% da população brasileira vivia em situação de pobreza multidimensional, com uma incidência três vezes maior entre os beneficiários do PBF em comparação com os não beneficiários, embora a intensidade das privações fosse similar para ambos os grupos. Identificaram-se dois perfis distintos de pobreza multidimensional: para os beneficiários, as privações concentravam-se predominantemente nas dimensões Trabalho e Educação, enquanto para os não beneficiários, a exclusão digital, medida pela dimensão Tecnologias da Informação e Comunicação (TICs), apresentou um peso significativamente maior. A ausência de Ensino Médio completo destacou-se como a maior privação para ambos os grupos. Adicionalmente, foram detectados pontos cegos na cobertura do PBF, incluindo 9,0% dos pobres multidimensionais não beneficiários em extrema pobreza monetária e 25,2% em vulnerabilidade de baixa renda. A análise de correlação indicou que ser beneficiário do PBF associou-se a uma chance duas vezes maior de ser classificado como pobre multidimensional, o que reflete a capacidade de focalização do programa.
A principal contribuição deste estudo reside na proposição de um IPM nacional como ferramenta valiosa para o desenho e aprimoramento de políticas públicas, aumentando a capacidade de focalização e permitindo a identificação de perfis de pobreza e pontos de desassistência que transcendem a análise monetária. Os achados sugerem a necessidade de intervenções estatais multifacetadas que complementem a transferência de renda, abordando problemas estruturais como a garantia de emprego formal, a promoção da educação básica e a integração tecnológica. Reconhece-se, contudo, que as limitações da base de dados da PNADc, como a impossibilidade de acompanhamento longitudinal e a ausência de indicadores cruciais como nutrição e trabalho infantil, podem ter influenciado a profundidade da análise. A escolha de pesos iguais para as dimensões e indicadores, embora justificada, é também uma limitação que pode influenciar os resultados. Sugere-se para estudos futuros a utilização de bases de dados mais detalhadas, como o CadÚnico, para permitir o acompanhamento longitudinal das famílias e uma investigação mais aprofundada das correlações e dos pontos cegos identificados, além de explorar diferentes ponderações para as dimensões do IPM.
Referências Bibliográficas
Alkire, S.; Foster, E. F.; Santos, M. E.; Roche, J. M.; Ballon, P. 2015. Counting Approaches: Definitions, Origins, and Implementations. p. (123-144). In: Alkire, S.; Foster, E. F.; Seth, S.; Santos, M. E.; Roche, J. M.; Ballon, P. Multidimensional Poverty Measurement and Analysis. Oxford University Press, Oxford, Oxfordshire, United Kingdom.
Alkire, S.; Foster, J. 2011. Counting and multidimensional poverty measurement. Journal of Public Economics 95(7-8): 476-487.
Cireno, F.; Silva, J.; Proença, R. F. 2013. Condicionalidade, Desempenho, e Percurso Escolar de Beneficiários do Programa Bolsa Família. p. (297-304). In: Instituto de Pesquisa Econômica Aplicada [Ipea]. Programa Bolsa Família: uma década de inclusão e cidadania. 1ed. Ipea, Brasília, Distrito Federal, Brasil.
Decancq, K.; Lugo, A. 2009. Setting Weights in Multidimensional Indices of Well-being and Deprivation. Disponível em: <https://ophi.org.uk/sites/default/files/OPHI-wp18.pdf>. Acesso em: 09 abril 2026.
Fahel, M. C. X.; Leite, G. P.; Teles, L. R. 2014. Pobreza Multidimensional no estado de Minas Gerais: uma mensuração para além da renda. Revista Brasileira de Monitoramento e Avaliação 8(8): 50-69.
Ferreira, E. L. 2016. Como Definir Pobreza? A Síntese da Trajetória de um Conceito. Revista Eletrônica de Economia da Universidade Estadual de Goiás [UEG] 12(2): 268-284.
Fávero, L. P.; Belfiore, P. 2025. Manual de Análise de Dados: Estatística e Machine Learning com Excel, SPSS, Stata, R e Python. 2ed. LTC, Rio de Janeiro, RJ, Brasil.
Gigler, B.-S. 2015. Development as Freedom in a Digital Age: Experiences of the Rural Poor in Bolivia. World Bank Group, Washington, DC, United States.
Hecksher, M. 2025. Observações sobre Emprego, Bolsa Família e Metas Nacionais. Radar: tecnologia, produção e comércio exterior 78: 41-46.
Instituto Brasileiro de Geografia e Estatística [IBGE]. 2014. Pesquisa Nacional por Amostra de Domicílios Contínua: Notas metodológicas. IBGE, Rio de Janeiro, RJ, Brasil.
Instituto Trata Brasil [ITB]. 2022. Benefícios Econômicos e Sociais da Expansão do Saneamento no Brasil. Disponível em: <https://tratabrasil.org.br/wp-content/uploads/2022/11/Beneficios-economicos-do-saneamento-no-Brasil.pdf>. Acesso em: 08 abril 2026.
Kliksberg, B. 2000. Dez Falácias sobre os Problemas Sociais da América Latina. Revista Paranaense de Desenvolvimento 98: 3-26.
Matos, S. C. dos S.; Assunção, A. A. 2021. Os Invisíveis (Vulneráveis) Revelados pela Pandemia Covid-19: O Cadastro do Auxílio Emergencial e a Denegação aos Direitos Sociais. Garantidos pela Constituição Federal de 1988. Revista de Direito: trabalho, sociedade e cidadania 11(11): 29-43.
Núcleo de Inteligência Social [NIS]. 2020. Índice de Pobreza Multidimensional. Disponível em: <https://nis.org.br/pdf/ipm-nis-relatorio-final-2020.pdf>. Acesso em: 27 jan. 2026.
Oliveira, L. F. B. de; Soares, S. S. D. 2013. “Efeito Preguiça” em Programas de Transferência de Renda?. p. (341-358). In: Instituto de Pesquisa Econômica Aplicada [Ipea]. Programa Bolsa Família: uma década de inclusão e cidadania. Ipea, Brasília, DF, Brasil.
Sen, A. 2018. Desenvolvimento como Liberdade. Companhia de Bolso, São Paulo, SP, Brasil.
Serra, A. S.; Maia, A. G.; Yalonetzky, G. 2023. Mensuração da pobreza no Brasil: Uma abordagem multidimensional. Ministério do Desenvolvimento e Assistência Social, Família e Combate à Fome [MDS], Brasília, DF, Brasil.
Souza, P. H. G. F. de; Bruce, R. 2022. Uma avaliação final da focalização e da efetividade contra a pobreza do Programa Bolsa Família, em perspectiva comparada. Disponível em: <https://repositorio.ipea.gov.br/server/api/core/bitstreams/8ea97734-9d2c-4331-b0ae-5b5d08b0d5f5/content>. Acesso em: 23 out. 2025.
Souza, P. H. G. F. de; Osorio, R. F.; Paiva, L. H.; Soares, S. 2019. Os Efeitos do Programa Bolsa Família sobre a Pobreza e a Desigualdade: Um Balanço dos Primeiros Quinze Anos. Disponível em: <https://repositorio.ipea.gov.br/server/api/core/bitstreams/a31df396-e94c-4a2e-83e1-3e8881e21797/content>. Acesso em: 09 abril 2026.
Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq
Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy