Métodos Quantitativos, Big Data e Análise de Dados para Políticas Introdução A formulação, o monitoramento e a avaliação de políticas públicas exigem cada vez mais o uso de métodos quantitativos robustos e o tratamento de grandes volumes de dados. A disseminação de sistemas de informação governamentais, a ampliação do acesso a microdados e o avanço de técnicas computacionais tornaram possível extrair evidências que antes eram inacessíveis. Esta aula apresenta os principais conceitos e ferramentas da amostragem, da estatística descritiva e inferencial, da análise exploratória de dados, dos modelos multivariados, das tecnologias de Big Data, do aprendizado de máquina e da governança de dados aplicados ao setor público. Amostragem e Escalas de Mensuração Antes de qualquer análise estatística, é preciso definir como os dados foram coletados e que tipo de variável está sendo medida — pontos frequentemente cobrados em provas. 2.1. Tipos de amostragem Amostragem probabilística (cada elemento da população tem probabilidade conhecida e diferente de zero de ser selecionado): - Aleatória simples: sorteio direto dos elementos. - Sistemática: seleção a intervalos regulares (ex.: a cada 10º registro de uma lista). - Estratificada: a população é dividida em estratos homogêneos (ex.: regiões, faixas de renda) e a amostra é sorteada dentro de cada estrato, o que reduz a variância das estimativas. - Por conglomerados (clusters): sorteiam-se grupos inteiros (ex.: escolas, municípios) e todos os elementos do grupo sorteado entram na amostra — útil quando não há um cadastro completo da população. Amostragem não probabilística: por conveniência, por julgamento (intencional) ou por cotas. Não permite generalização estatística rigorosa para a população, mas é usada em estudos exploratórios ou quando não há cadastro populacional disponível. 2.2. Escalas de mensuração Nominal: categorias sem ordem (ex.: sexo, UF, tipo de escola). Ordinal: categorias com ordem, mas sem distância fixa entre elas (ex.: nível socioeconômico baixo/médio/alto). Intervalar: possui distância fixa entre valores, mas o zero é arbitrário (ex.: temperatura em Celsius). Razão: possui zero absoluto, permitindo razões entre valores (ex.: renda, idade, número de matrículas). O tipo de escala determina quais medidas estatísticas e quais testes são aplicáveis a cada variável. Emprego da Estatística Descritiva e Inferencial A estatística é dividida em dois grandes ramos: a descritiva, que organiza, resume e apresenta os dados de forma compreensível; e a inferencial, que generaliza conclusões da amostra para a população com base na teoria da probabilidade. 3.1. Estatística Descritiva A estatística descritiva utiliza medidas de tendência central e medidas de dispersão para resumir um conjunto de dados. Média ( x̄ ): soma de todos os valores dividida pelo número de observações. É sensível a valores extremos (outliers). Mediana: valor central da série ordenada. Resistente a outliers, sendo preferível quando a distribuição é assimétrica. Moda: valor que ocorre com maior frequência. É a única medida de tendência central aplicável a variáveis qualitativas nominais. As medidas de dispersão indicam o grau de variabilidade dos dados: Amplitude: diferença entre o valor máximo e o mínimo. Variância (σ² ou s²): média dos desvios quadráticos em relação à média. Desvio-padrão (σ ou s): raiz quadrada da variância; expressa a dispersão na mesma unidade dos dados. Coeficiente de variação (CV): relação entre o desvio-padrão e a média ( CV = σ/μ × 100% ), permitindo comparar conjuntos com unidades ou escalas distintas. Quartis e intervalo interquartil (IQR): dividem a distribuição em quatro partes iguais (Q1, Q2, mediana, Q3). O IQR (Q3 – Q1) é uma medida robusta de dispersão. Assimetria (skewness) e curtose: a assimetria indica se a distribuição é simétrica ou tem cauda mais longa para um dos lados; a curtose indica o grau de achatamento ou concentração da distribuição em torno da média, em comparação com a curva normal. Boxplot – gráfico que resume a distribuição por meio da mediana, dos quartis e da identificação de outliers. Correlação: o coeficiente de correlação de Pearson (r) mede a força e a direção da relação linear entre duas variáveis contínuas, variando de -1 a +1. É essencial ter em mente que correlação não implica causalidade: duas variáveis podem estar correlacionadas por coincidência, por influência de uma terceira variável (fator de confusão) ou por causalidade reversa — um dos erros mais cobrados em provas de metodologia aplicada a políticas públicas. 3.2. Estatística Inferencial A inferência estatística permite estimar parâmetros populacionais e testar hipóteses a partir de amostras. Seus conceitos centrais são: População: conjunto total de elementos de interesse. Amostra: subconjunto representativo da população. Parâmetro: medida numérica que descreve a população (ex.: μ, σ). Estatística (estimativa): medida calculada a partir da amostra (ex.: x̄, s). Intervalo de confiança (IC): faixa de valores que, com determinado nível de confiança (usualmente 95%), contém o parâmetro populacional. O IC é dado por: $ IC = \bar{x} \pm z \times \frac{s}{\sqrt{n}} $ onde z é o valor crítico da normal padrão (1,96 para 95%) e n é o tamanho da amostra. Teste de hipóteses: procedimento para decidir, com base na amostra, se rejeita ou não a hipótese nula (H₀). O p-valor é a probabilidade de se obter um resultado tão extremo quanto o observado, assumindo que H₀ é verdadeira. Se p < α (nível de significância, geralmente 0,05), rejeita-se H₀. Dois tipos de erro são possíveis: Erro tipo I (falso positivo): rejeitar H₀ verdadeira. Erro tipo II (falso negativo): não rejeitar H₀ falsa. O poder do teste (1 – β) é a probabilidade de rejeitar corretamente H₀ quando ela é falsa. Análise Exploratória de Dados (EDA) A análise exploratória de dados foi proposta por John Tukey (1977), em seu livro Exploratory Data Analysis, como uma abordagem filosófica para investigar dados antes de qualquer modelagem formal, utilizando principalmente métodos visuais e estatísticas resistentes. A EDA não parte de hipóteses prontas; ao contrário, gera hipóteses e revela padrões, anomalias e relacionamentos que orientam as análises posteriores. Principais ferramentas da EDA: Histogramas e diagramas de densidade – para examinar a forma da distribuição. Boxplots – para identificar outliers e comparar distribuições entre grupos. Gráficos de dispersão – para visualizar relações entre duas variáveis contínuas. Gráficos de barras e de setores – para variáveis categóricas. Mapas de calor (heatmaps) – para exibir matrizes de correlação ou dados georreferenciados. No setor público, a EDA é frequentemente empregada na fase de diagnóstico de políticas, permitindo descobrir desigualdades regionais, sazonalidades e grupos de risco que demandam ações específicas. Modelos Multivariados Os modelos multivariados analisam simultaneamente múltiplas variáveis, permitindo controlar fatores de confusão e capturar relações complexas. 5.1. Regressão Linear Múltipla Modela a relação entre uma variável dependente contínua e duas ou mais variáveis independentes. A equação geral é: $ Y = \beta0 + \beta1 X1 + \beta2 X2 + \dots + \betak Xk + \varepsilon $ Onde β₁ é o efeito esperado de X₁ sobre Y, mantendo as demais variáveis constantes. O R² (coeficiente de determinação) indica a proporção da variância de Y explicada pelo modelo, e o R² ajustado corrige esse valor para o número de variáveis incluídas, evitando a ilusão de que adicionar mais preditores sempre melhora o modelo. Um problema comum é a multicolinearidade — quando variáveis independentes são fortemente correlacionadas entre si, dificultando a interpretação isolada de cada coeficiente. Na administração pública, a regressão linear múltipla é usada, por exemplo, para explicar o IDEB dos municípios com base em variáveis como gasto por aluno, proporção de professores com formação superior e nível socioeconômico das famílias. 5.2. Regressão Logística Empregada quando a variável dependente é binária (ex.: evadiu / não evadiu; benefício concedido / negado). O modelo estima a probabilidade de ocorrência do evento: $ P(Y=1|X) = \frac{1}{1 + e^{-(\beta0 + \beta1 X1 + \dots + \betak Xk)}} $ A exponencial dos coeficientes ($e^\beta$) é interpretada em termos de razão de chances (odds ratio), indicando a mudança na chance de ocorrência do evento para cada unidade acrescida na variável independente. Na avaliação de políticas educacionais, por exemplo, a regressão logística pode estimar o efeito de um programa de mentoria sobre a probabilidade de abandono escolar. 5.3. Análise de Cluster Técnica não supervisionada que agrupa observações (municípios, escolas, beneficiários) com base na similaridade de suas características. É muito utilizada para segmentar populações e desenhar intervenções diferenciadas. Exemplo: classificar municípios em perfis de vulnerabilidade social a partir de indicadores de renda, saneamento e escolaridade. 5.4. Análise Fatorial Reduz a dimensionalidade de um grande número de variáveis correlacionadas a um número menor de fatores latentes. Cada fator representa uma dimensão subjacente não observada diretamente. Um exemplo consolidado no setor público brasileiro é o Indicador de Nível Socioeconômico (Inse), calculado pelo INEP a partir dos questionários do Saeb, que combina escolaridade dos pais e posse de bens e serviços da família em um único construto socioeconômico, usado inclusive na ponderação de recursos do Fundeb. Big Data 6.1. Conceito e os 5 Vs Big Data refere-se a conjuntos de dados massivos, gerados em alta velocidade e em formatos variados, que exigem ferramentas e métodos específicos para armazenamento, processamento e análise. As cinco propriedades fundamentais (os 5 Vs) são: Volume – enormes quantidades de dados (terabytes, petabytes). Velocidade – geração e transmissão em tempo real ou quase real. Variedade – dados estruturados (bases relacionais), semiestruturados (JSON, XML) e não estruturados (textos, imagens, vídeos). Veracidade – qualidade, confiabilidade e consistência dos dados. Valor – utilidade para a tomada de decisão, que justifica o esforço de processamento. 6.2. Data Warehouse e Data Lake Dois modelos de armazenamento se complementam na infraestrutura de dados governamentais: Data Warehouse: armazena dados estruturados, já tratados e organizados em esquemas predefinidos, otimizado para consultas analíticas e relatórios gerenciais. Data Lake: armazena dados brutos, em qualquer formato (estruturado, semiestruturado ou não estruturado), sem exigir um esquema prévio — permitindo maior flexibilidade para análises exploratórias e de ciência de dados, ao custo de exigir mais governança para evitar que se torne um "pântano de dados" (data swamp). 6.3. Ferramentas e Plataformas Business Intelligence (BI): Power BI, Tableau e Qlik Sense são as ferramentas mais utilizadas para construir dashboards interativos, permitindo que gestores públicos acompanhem indicadores em tempo real. Diversos órgãos federais disponibilizam painéis públicos em Power BI — como os painéis de dados abertos da CGU e o Painel Educacional do INEP — para dar transparência a indicadores de gestão. Linguagens de análise: R e Python são os padrões na comunidade científica e governamental para limpeza, análise e modelagem de dados. Pacotes como pandas, tidyverse, scikit-learn e statsmodels são amplamente empregados. Bancos de dados e big data: PostgreSQL (com extensão PostGIS), MongoDB, Spark e Hadoop são utilizados para armazenar e processar grandes volumes. 6.4. Aprendizado de Máquina (Machine Learning) O aprendizado de máquina é um subcampo da inteligência artificial que desenvolve algoritmos capazes de aprender padrões a partir de dados. Sua aplicação em políticas públicas tem crescido, abrangendo desde a previsão de demanda por serviços até a identificação de fraudes. Aprendizado supervisionado: utiliza dados rotulados para treinar modelos preditivos. Exemplos: regressão linear, regressão logística, árvores de decisão, random forest, gradient boosting. Aprendizado não supervisionado: trabalha com dados não rotulados para encontrar estruturas ocultas. Exemplos: análise de cluster (k-means, hierárquico), análise de componentes principais (PCA). Aprendizado por reforço: o modelo aprende por tentativa e erro, maximizando uma recompensa. Aplicação incipiente no setor público: otimização de políticas de precificação dinâmica e de roteirização de serviços. Avaliação de modelos preditivos: para modelos de classificação, a matriz de confusão organiza os acertos e erros do modelo em verdadeiros positivos, falsos positivos, verdadeiros negativos e falsos negativos, a partir da qual se calculam: Acurácia: proporção total de acertos. Precisão: proporção de previsões positivas que estavam corretas. Revocação (recall/sensibilidade): proporção de casos positivos reais corretamente identificados. F1-score: média harmônica entre precisão e recall, útil quando há desbalanceamento entre classes. Curva ROC e AUC: avaliam o desempenho do modelo em diferentes limiares de decisão. Um risco central em modelos preditivos é o overfitting (sobreajuste), quando o modelo se ajusta excessivamente aos dados de treino e perde capacidade de generalização; a validação cruzada (cross-validation), que particiona os dados em múltiplos subconjuntos de treino e teste, é a técnica padrão para detectar e mitigar esse problema. Na administração pública brasileira, técnicas de machine learning têm sido aplicadas para: Previsão de receitas tributárias municipais. Detecção de sobrepreço em compras governamentais. Análise de risco de evasão escolar e de abandono de programas sociais. Classificação automatizada de demandas de ouvidoria e análise de sentimentos. 6.5. Pré-processamento e Tratamento de Dados Antes de qualquer análise, os dados brutos devem passar por etapas de preparação: Limpeza: tratamento de valores ausentes (remoção, imputação), correção de erros de digitação, padronização de formatos. Integração: combinação de diferentes bases de dados por meio de chaves comuns (CPF, CNPJ, código INEP, código IBGE). O Cadastro Único e o Censo Escolar são exemplos de bases frequentemente integradas. Transformação: normalização (escalonamento dos dados para uma faixa comum), criação de variáveis derivadas (ex.: taxa de evasão = evadidos / matriculados) e codificação de variáveis categóricas. Redução: seleção das variáveis mais relevantes para o problema (feature selection). 6.6. Governança de dados no setor público O uso intensivo de Big Data pela administração pública exige mecanismos de governança que assegurem qualidade, segurança e uso responsável dos dados: O Decreto nº 10.046/2019 instituiu regras de compartilhamento de dados no âmbito da administração pública federal e criou o Cadastro Base do Cidadão e o Comitê Central de Governança de Dados (CCGD). A LGPD (Lei nº 13.709/2018) estabelece princípios como necessidade, finalidade e minimização no tratamento de dados pessoais, exigindo anonimização ou pseudonimização sempre que possível ao integrar bases governamentais para fins estatísticos. A ética algorítmica é um tema crescente na agenda de políticas públicas baseadas em dados: modelos preditivos treinados com dados históricos podem reproduzir ou amplificar desigualdades e vieses (ex.: viés racial ou regional em sistemas de concessão de benefícios), o que exige auditoria e explicabilidade dos algoritmos usados na tomada de decisão pública. Aplicações em Políticas Públicas 7.1. Fontes de dados abertos no Brasil O governo brasileiro disponibiliza uma ampla gama de bases de dados públicas, entre as quais se destacam: dados.gov.br: portal central de dados abertos do governo federal. INEP (Censo Escolar, SAEB, ENEM, IDEB): microdados para análise da educação básica e superior. DataSUS: informações sobre saúde, mortalidade, morbidade e assistência. Cadastro Único (CadÚnico): base de famílias de baixa renda, utilizada para seleção de beneficiários de programas sociais. Portal da Transparência (CGU): dados orçamentários, licitações, contratos e repasses. RAIS e CAGED (Ministério do Trabalho): informações sobre o mercado de trabalho formal. 7.2. Uso de Big Data e machine learning em políticas educacionais Learning analytics: análise de logs de plataformas de educação a distância para identificar alunos em risco de evasão e oferecer intervenções precoces. Modelagem preditiva de desempenho: utilização de dados longitudinais do Censo Escolar para estimar a proficiência futura de escolas e redes de ensino. Otimização de transportes escolares: algoritmos de roteirização para reduzir custos e tempo de deslocamento. 7.3. Uso em políticas culturais Análise de participação cultural: cruzamento dos dados da PNAD Contínua — que capta as características das pessoas ocupadas no setor cultural e é a base do Sistema de Informações e Indicadores Culturais (SIIC), do IBGE — com dados de equipamentos culturais do SNIIC (Sistema Nacional de Informações e Indicadores Culturais, do Ministério da Cultura), permitindo identificar perfis de acesso e desigualdades regionais. Mineração de editais públicos: análise textual de editais da Lei Rouanet e da Lei Paulo Gustavo para identificar padrões de fomento e concentração geográfica. Redes de colaboração: análise de cocitação de projetos culturais para mapear ecossistemas criativos. Exemplo Integrado – Avaliação do Programa de Mentoria Cenário: a Secretaria de Educação de um estado quer saber se um programa de mentoria entre pares reduziu a evasão escolar no ensino médio. Etapas: Coleta e preparação: obtêm-se microdados do Censo Escolar (matrículas, aprovações, transferências) e do Cadastro de Programas da secretaria (alunos participantes da mentoria). Análise exploratória: boxplots das taxas de evasão antes/depois; mapas de calor por região; histogramas das variáveis de controle (renda familiar, proficiência anterior). Modelagem: ajusta-se uma regressão logística (evasão = 0/1) com variáveis independentes: participação no programa, sexo, raça, nível socioeconômico e nota anterior em português. Resultados: odds ratio da mentoria = 0,72 (IC95%: 0,65–0,81), indicando redução de 28% na chance de evasão, após controle pelas demais variáveis. Validação: aplica-se validação cruzada para checar a estabilidade do modelo em subamostras diferentes, evitando conclusões baseadas em sobreajuste. Comunicação: dashboard em Power BI disponibilizado para gestores, com filtros por região, tipo de escola e perfil do aluno. Quadro-resumo para a prova | Tópico | Conteúdo essencial | |------------|-------------------------| | Amostragem | Probabilística (simples, sistemática, estratificada, conglomerados) vs. não probabilística (conveniência, julgamento, cotas). | | Escalas de mensuração | Nominal, ordinal, intervalar, razão. | | Estatística descritiva | Média, mediana, moda; variância, desvio-padrão, CV; boxplot; assimetria e curtose. | | Correlação | Coeficiente de Pearson (-1 a +1); correlação não implica causalidade. | | Estatística inferencial | Intervalo de confiança, teste de hipóteses, p-valor, erros tipo I e II, poder do teste. | | Análise exploratória (Tukey, 1977) | Abordagem visual e interativa; geração de hipóteses antes da modelagem. | | Regressão linear múltipla | Variável dependente contínua; R² e R² ajustado; cuidado com multicolinearidade. | | Regressão logística | Variável dependente binária; interpretação por odds ratio ($e^\beta$). | | Análise de cluster | Agrupamento não supervisionado; útil para segmentar populações. | | Análise fatorial | Redução de dimensionalidade; construção de indicadores (ex.: Inse/INEP). | | Big Data – 5 Vs | Volume, Velocidade, Variedade, Veracidade, Valor. | | Data Warehouse vs. Data Lake | Dados estruturados/esquematizados vs. dados brutos em qualquer formato. | | Ferramentas | Power BI, Tableau (BI); R, Python (análise); Spark, Hadoop (big data). | | Machine learning | Supervisionado vs. não supervisionado vs. por reforço; matriz de confusão, acurácia, precisão, recall, F1, AUC-ROC; overfitting e validação cruzada. | | Governança de dados | Decreto 10.046/2019, Cadastro Base do Cidadão, LGPD, ética algorítmica. | | Bases de dados públicas | dados.gov.br, INEP (Censo Escolar, SAEB, ENEM), DataSUS, CadÚnico, Portal da Transparência, RAIS, CAGED, SIIC/SNIIC. | Observação final: A integração entre métodos quantitativos, Big Data e ciência de dados transformou a capacidade de análise do setor público. O servidor que domina esses instrumentos – desde a amostragem e a estatística descritiva básica até algoritmos de machine learning e a governança responsável dos dados – está apto a produzir evidências mais robustas, a desenhar políticas mais eficientes e a prestar contas à sociedade com transparência e rigor. Exercícios: Qual das opções a seguir descreve corretamente o conceito de estatística descritiva? O que é considerado um dos principais objetivos da análise exploratória de dados (AED), segundo John Tukey? No contexto de testes de hipóteses, o que significa um p-valor menor que 0,05? Qual dos métodos abaixo é mais indicado para avaliar o impacto causal de uma política pública? Qual dos seguintes não é um dos '5 Vs' do Big Data? Qual das seguintes opções descreve corretamente a regressão linear múltipla? Complete a frase: O _____ expressa a dispersão dos dados em termos percentuais relativos à média, permitindo a comparação direta da variabilidade entre conjuntos de dados que possuem diferentes unidades de medida ou escalas distintas. Complete a frase: O erro do tipo _____ ocorre quando o analista de políticas públicas decide rejeitar a hipótese nula ($H_0$) mesmo sendo ela matematicamente verdadeira na população. Complete a frase: A análise exploratória de dados, concebida originalmente por _____, prioriza métodos visuais e estatísticas resistentes para examinar os dados em profundidade antes da formulação de qualquer modelagem formal estatística. Complete a frase: O fenômeno da _____ ocorre em modelos de regressão linear múltipla quando duas ou mais variáveis independentes apresentam uma forte correlação linear mútua, gerando séria instabilidade e inflando os erros padrão dos coeficientes estimados. Complete a frase: Na modelagem matemática de regressão logística, a exponencial dos coeficientes estimados ($e^\beta$) é devidamente interpretada em termos de _____ do evento sob análise para cada unidade acrescida na variável independente. Complete a frase: Um _____ armazena volumes massivos de dados públicos em seu formato estritamente bruto e heterogêneo, sem exigir a imposição de esquemas ou modelagens relacionais predefinidas no momento de sua ingestão. Complete a frase: O problema do _____ se manifesta quando um algoritmo de aprendizado de máquina se ajusta perfeitamente às idiossincrasias e ruídos da base de treinamento, perdendo sua capacidade adaptativa de generalização em dados inéditos. Complete a frase: Uma variável cuja mensuração ocorre na escala _____ possui uma distância fixa e constante entre seus valores numéricos, mas apresenta um zero arbitrário, o que impossibilita estabelecer razões diretas entre as medidas. No teste de hipóteses estatísticas aplicadas à avaliação de políticas públicas, o erro do tipo II ocorre quando a hipótese nula é falsa, mas os dados amostrais não fornecem evidências suficientes para rejeitá-la, sendo o poder do teste a probabilidade complementar de cometer esse equívoco ( - \beta$). Na modelagem de regressão linear múltipla utilizada para analisar os determinantes do IDEB, a inclusão de novas variáveis independentes ao modelo sempre incrementa o valor do Coeficiente de Determinação Ajustado ($R^2$ ajustado), justificando a inclusão exaustiva de preditores para maximizar a variância explicada. Na regressão logística voltada à análise de probabilidade de conclusão de políticas públicas, o coeficiente $\beta_k$ associado a um preditor não indica diretamente a alteração na probabilidade do evento ocorrer, mas sim a variação no logaritmo da chance (log-odds), exigindo a exponenciação do coeficiente ($e^{\beta_k}$) para se obter a razão de chances (odds ratio). O Decreto nº 10.046/2019, que dispõe sobre o compartilhamento de dados no âmbito da administração pública federal, instituiu o Cadastro Base do Cidadão e estabeleceu o Comitê Central de Governança de Dados com o objetivo de viabilizar a simplificação da oferta de serviços públicos, observados os princípios de segurança e proteção de dados pessoais. O coeficiente de correlação de Pearson ($r$), por variar estritamente no intervalo entre $-1$ e $+1$, é uma medida robusta capaz de identificar e quantificar com precisão qualquer tipo de relação de dependência funcional entre duas variáveis quantitativas contínuas, incluindo relações estritamente quadráticas ou exponenciais. No contexto de aprendizado de máquina supervisionado aplicado à detecção de sobrepreço em compras públicas, o fenômeno do overfitting ocorre quando o algoritmo memoriza os ruídos dos dados de treinamento, apresentando alta acurácia interna, mas falhando em generalizar suas previsões para novos conjuntos de dados, sendo a validação cruzada uma técnica adequada para diagnosticar esse problema. Um Data Lake caracteriza-se pelo armazenamento de dados estruturados e tratados, organizados rigidamente sob esquemas relacionais predefinidos (schema-on-write) para garantir relatórios de Business Intelligence eficientes, diferenciando-se do Data Warehouse, que armazena dados brutos e não estruturados sem qualquer tratamento prévio. De acordo com a abordagem metodológica da Análise Exploratória de Dados (EDA) formulada por John Tukey, a investigação inicial deve ser estritamente pautada na validação de hipóteses estatísticas pré-estabelecidas e na aplicação imediata de modelos multivariados formais, rejeitando abordagens puramente visuais que induzam a vieses cognitivos. A Análise Fatorial é uma técnica estatística multivariada voltada à redução da dimensionalidade dos dados, sendo empregada pelo INEP para a construção do Indicador de Nível Socioeconômico (Inse) ao condensar múltiplas variáveis manifestas e correlacionadas em construtos sintéticos passíveis de comparação. As escalas de mensuração intervalar e de razão diferenciam-se essencialmente pelo fato de que a escala intervalar possui um zero absoluto que indica a ausência total do atributo mensurado, permitindo inferir relações de proporcionalidade direta, como ocorre no cálculo da renda familiar ou do número de matrículas escolares. Complete a frase: A amostragem _____ é caracterizada pela seleção de grupos inteiros de elementos populacionais, sendo altamente recomendada quando não se dispõe de um cadastro completo de todos os indivíduos da população. Complete a frase: O Decreto Federal nº 10.046/2019 regulamenta o compartilhamento de dados governamentais e instituiu o _____, com o escopo de unificar as informações básicas de identificação civil dos cidadãos.