Análise de Dados e Evidências para Políticas Públicas Política Baseada em Evidência (EBP) A política baseada em evidência (evidence‑based policy — EBP) é uma abordagem que preconiza a integração sistemática das melhores evidências disponíveis (científicas, administrativas e experienciais) com a discricionariedade dos formuladores e a participação dos cidadãos, visando decisões públicas mais eficazes, transparentes e responsáveis. Sua origem remonta ao movimento da medicina baseada em evidências (Evidence‑Based Medicine), impulsionado por David Sackett e pela Colaboração Cochrane nos anos 1990. No Reino Unido, o governo de Tony Blair abraçou a ideia com o white paper Modernising Government (1999), que defendia que "as decisões de política devem se basear em evidências sólidas" e tornou a melhoria da formulação de políticas um dos cinco compromissos centrais da reforma administrativa britânica. A OCDE difundiu posteriormente o conceito como pilar da boa governança pública, e o movimento "What Works" se consolidou como um dos legados mais duradouros dessa agenda. Três pilares da EBP (segundo a Evidence‑Based Policymaking Collaborative): Evidência rigorosa: dados de pesquisas, avaliações de impacto, revisões sistemáticas, estatísticas oficiais. Expertise e julgamento profissional: conhecimento tácito de gestores, analistas e burocratas de nível de rua. Valores e preferências da sociedade: participação social, equidade, direitos humanos e aceitabilidade política. É importante frisar que EBP não significa tecnocracia. A evidência informa, mas não substitui a política. O ideal é uma evidence‑informed policy (política informada por evidências), que articula fatos, valores e interesses — expressão hoje preferida na literatura justamente para evitar a leitura de que a técnica dispensaria a deliberação democrática. Hierarquia de Evidências A robustez de uma evidência depende do delineamento da pesquisa que a produziu. Séries históricas do Banco Mundial e da Campbell Collaboration organizam os tipos de estudo do mais ao menos robusto: Revisões sistemáticas com meta‑análise de ensaios clínicos randomizados (RCTs). Ensaios controlados randomizados (RCTs) individuais. Estudos quasi‑experimentais (diferenças‑em‑diferenças, regressão descontínua, pareamento por escore de propensão). Estudos observacionais (coorte, caso‑controle, transversais analíticos). Estudos descritivos e séries de casos. Opinião de especialistas e relatos de experiência. Metodologias como o GRADE (Grading of Recommendations Assessment, Development and Evaluation), originárias da área da saúde, vêm sendo adaptadas para graduar a confiança nas evidências também em políticas sociais, considerando não só o desenho do estudo, mas também sua consistência, precisão e aplicabilidade ao contexto de implementação. Nas políticas públicas, frequentemente não é possível realizar RCTs por questões éticas, financeiras ou políticas. Por isso, complementa‑se a hierarquia com a pergunta: "O que funciona, para quem, em que contexto e por quê?" (abordagem realista de Pawson e Tilley), valorizando métodos mistos, estudos de caso e a explicitação dos mecanismos causais subjacentes, e não apenas a mensuração do efeito médio de uma intervenção. Avaliação de Políticas Públicas Avaliar é julgar, com base em critérios explícitos, o mérito, o valor ou a importância de uma intervenção governamental. 3.1 Por momento de realização Avaliação ex ante: antes da implementação. Estima a viabilidade, os custos e os benefícios esperados. Embasa a Análise de Impacto Regulatório (AIR) e a seleção de alternativas. Avaliação in itinere / formativa: durante a execução. Fornece feedback para correções de rumo e aprimoramento contínuo. Avaliação ex post / somativa: após a conclusão. Mede os resultados e impactos alcançados, com foco em efetividade e prestação de contas. 3.2 Por foco da análise Avaliação de processo: examina a qualidade da implementação — se as atividades foram realizadas conforme o plano, se os recursos foram bem empregados e se houve desvios. Pergunta central: "como a política está sendo executada?". Avaliação de resultado (outcome): verifica se os objetivos imediatos foram atingidos. Ex.: quantos alunos se alfabetizaram, quantos domicílios receberam saneamento. Foco no cumprimento de metas. Avaliação de impacto: isola o efeito líquido atribuível à política, comparando o que ocorreu com o que teria ocorrido na ausência da intervenção (contrafactual). Exige modelagem estatística robusta. Avaliação econômica: compara custos e benefícios (custo‑benefício), custos e resultados não monetizados (custo‑efetividade) ou custos e utilidade (custo‑utilidade, como QALY em saúde). Essa distinção entre produto, resultado e impacto dialoga com a tipologia de indicadores de desempenho usada pelo TCU e pela administração pública federal, conhecida como os "6 Es": no eixo do esforço, economicidade, execução e excelência; no eixo do resultado, eficiência, eficácia e efetividade. Um programa pode ser eficiente (bem executado, com baixo desperdício de recursos) sem ser efetivo (sem gerar a mudança social pretendida) — distinção central para provas que cobram avaliação de políticas públicas. Modelo Lógico e Teoria do Programa Modelo lógico (logic model): representação gráfica da cadeia causal da política: insumos → atividades → produtos → resultados → impactos. Cada elo é acompanhado de indicadores e pressupostos. Facilita o desenho, o monitoramento e a avaliação. Teoria do programa (theory of change): explicitação mais detalhada dos mecanismos pelos quais se espera que as ações gerem os resultados. Responde "por que" e "como" a intervenção funcionará, tornando explícitos os pressupostos causais que, no modelo lógico, muitas vezes ficam implícitos nas setas que ligam cada elo da cadeia. Modelos Clássicos de Avaliação 5.1 Modelo CIPP (Stufflebeam) Daniel Stufflebeam propôs quatro dimensões: Contexto: diagnóstico da situação, identificação de necessidades e oportunidades. Input (insumos): análise dos recursos, estratégias e planos disponíveis. Processo: monitoramento da implementação. Produto: julgamento dos resultados alcançados. O CIPP é amplamente utilizado na avaliação educacional e de programas sociais no Brasil, sobretudo por permitir avaliação formativa (durante o processo) e somativa (ao final) com o mesmo arcabouço conceitual. 5.2 Modelo de Kirkpatrick (avaliação de treinamento) Desenvolvido por Donald Kirkpatrick, organiza a avaliação de capacitações em quatro níveis: Reação: satisfação dos participantes com o treinamento. Aprendizagem: aquisição de conhecimentos, habilidades e atitudes. Comportamento: transferência da aprendizagem para o local de trabalho. Resultados: impacto na organização (produtividade, qualidade, redução de custos). 5.3 Outros modelos Modelo de Tyler: focado na congruência entre objetivos previamente definidos e resultados observados — um dos primeiros modelos sistemáticos de avaliação educacional, ainda hoje referência para avaliação por objetivos. Avaliação responsiva (Stake): coloca os stakeholders no centro, respondendo às suas perguntas e preocupações, em contraposição a modelos centrados apenas em objetivos pré-fixados. Avaliação participativa: envolve atores locais e beneficiários em todas as etapas, fortalecendo o empoderamento e a legitimidade dos resultados. Análise de Impacto Regulatório (AIR) no Brasil A AIR é um processo sistemático de análise baseada em evidências, que busca informar a tomada de decisão sobre a edição de atos normativos, avaliando previamente seus custos, benefícios e efeitos esperados. A AIR foi institucionalizada no Brasil por dois diplomas que operam de forma complementar: Lei nº 13.874/2019 (Lei da Liberdade Econômica), cujo art. 5º, caput, determina que as propostas de edição e de alteração de atos normativos de interesse geral de agentes econômicos ou de usuários dos serviços prestados, editadas por órgão ou entidade da administração pública federal, sejam precedidas da realização de Análise de Impacto Regulatório, que deverá conter informações e dados sobre os possíveis efeitos do ato normativo para verificar a razoabilidade do seu impacto econômico. O parágrafo único do mesmo artigo remete a regulamento a definição da metodologia, dos quesitos mínimos e das hipóteses de obrigatoriedade e de dispensa da AIR. Lei nº 13.848/2019 (Lei Geral das Agências Reguladoras), cujo art. 6º impõe a mesma exigência de AIR especificamente à adoção e às propostas de alteração de atos normativos de interesse geral das agências reguladoras federais. O Decreto nº 10.411/2020 regulamenta, simultaneamente, o art. 5º da Lei nº 13.874/2019 e o art. 6º da Lei nº 13.848/2019, disciplinando a AIR no âmbito do Poder Executivo Federal. Segundo o Decreto, o relatório de AIR deve conter, entre outros elementos: identificação do problema regulatório e de suas causas; identificação dos agentes ou grupos afetados; identificação da base legal que ampara a atuação do órgão; definição dos objetivos pretendidos; descrição das alternativas possíveis (incluindo a opção de não agir e, sempre que viável, soluções não normativas); exposição dos impactos esperados de cada alternativa, inclusive custos regulatórios; consideração das contribuições recebidas em processos de participação social; mapeamento de experiência internacional pertinente; identificação dos riscos associados a cada alternativa; comparação fundamentada entre as alternativas; e estratégia de implementação, monitoramento e fiscalização da alternativa escolhida. A AIR pode ser dispensada em hipóteses como urgência, ato normativo de baixo impacto, ou mera atualização/revogação de norma obsoleta — mas, mesmo nesses casos, o órgão deve apresentar nota técnica ou documento equivalente que fundamente a proposta, o que preserva o dever de motivação da decisão regulatória. Após a edição do ato, o próprio Decreto nº 10.411/2020 prevê a possibilidade de Avaliação de Resultado Regulatório (ARR) — uma verificação, a posteriori, sobre se os efeitos projetados na AIR de fato se confirmaram na prática, fechando o ciclo ex ante / ex post também no campo regulatório. Do ponto de vista doutrinário, discute-se a proximidade estrutural entre a metodologia da AIR e o exame de proporcionalidade em sentido amplo (adequação, necessidade e proporcionalidade em sentido estrito): ambos exigem que o formulador da norma torne explícitos os fins perseguidos, compare alternativas menos gravosas e demonstre, com dados, que o meio escolhido é o mais razoável. Por isso, a ausência de fundamentação técnica adequada em um ato normativo que restrinja direitos ou afete a livre concorrência tende a ser vista, pela doutrina de direito administrativo, como fragilidade ao dever de motivação e ao devido processo legal substantivo — ainda que não exista, até o momento, precedente consolidado do STF equiparando a mera ausência de AIR, por si só, a uma inconstitucionalidade autônoma. Trata-se de um debate em desenvolvimento, e não de tese jurisprudencial pacificada, distinção importante para fins de prova. Métodos de Avaliação de Impacto 7.1 Experimentais Ensaio controlado randomizado (RCT): considerado padrão‑ouro para inferência causal. A aleatorização entre grupo tratado e grupo controle elimina, em expectativa, o viés de seleção, isolando o efeito da intervenção. Ex.: sorteio de famílias elegíveis para receber transferência de renda condicionada, comparando-as com famílias não sorteadas. Limitações: custo, questões éticas (negar um benefício a um grupo de controle) e validade externa (o resultado obtido em um contexto piloto pode não se generalizar). 7.2 Quasi‑experimentais Diferenças‑em‑diferenças (DiD): compara a evolução de um grupo tratado e um grupo controle antes e depois da intervenção, controlando tendências temporais comuns a ambos os grupos. Pressuposto central: as "tendências paralelas" — na ausência do tratamento, os dois grupos teriam evoluído de forma semelhante. Regressão descontínua (RDD): explora limites de elegibilidade (ex.: municípios com menos de determinado número de habitantes recebem um programa, e os que estão logo acima do corte não), comparando unidades muito próximas ao ponto de corte, que tendem a ser similares em tudo, exceto no recebimento do programa. Variáveis instrumentais (IV): utiliza uma variável correlacionada com a participação no programa, mas que não afeta diretamente o resultado a não ser por meio dessa participação, para corrigir problemas de endogeneidade (quando a própria participação no programa é influenciada por fatores não observados que também afetam o resultado). Pareamento por escore de propensão (PSM — Propensity Score Matching): emparelha cada unidade tratada com uma ou mais unidades de controle com características observáveis similares (probabilidade semelhante de ter recebido o tratamento), reduzindo o viés de seleção em dados observacionais. Controle sintético: constrói um "contrafactual artificial" combinando dados ponderados de várias unidades não tratadas que, juntas, reproduzem a trajetória da unidade tratada antes da intervenção. Muito usado em avaliações de impactos macrorregionais ou de política única (ex.: efeito de uma mudança regulatória em um único estado). Análise Custo‑Benefício e Custo‑Efetividade Análise custo‑benefício (ACB): converte custos e benefícios em unidades monetárias, permitindo compará-los diretamente. Utiliza indicadores como o Valor Presente Líquido (VPL) — soma dos fluxos de caixa futuros trazidos a valor presente, descontados os custos iniciais — e a Taxa Interna de Retorno (TIR) — taxa de desconto que zera o VPL. Por converter tudo em moeda, permite comparar políticas de setores distintos (ex.: um programa de saneamento versus um de segurança pública). Análise custo‑efetividade (ACE): relaciona custos a uma unidade de resultado não monetizada (ex.: custo por ano de vida salvo, custo por aluno alfabetizado). Muito comum em saúde e educação, onde monetizar o benefício final seria eticamente problemático ou tecnicamente inviável. Análise custo‑utilidade: variante da ACE que utiliza medidas de utilidade, como o QALY (Quality-Adjusted Life Year — anos de vida ajustados pela qualidade), permitindo comparar intervenções de saúde muito diferentes entre si (ex.: um tratamento que prolonga a vida com um que melhora sua qualidade). Retorno social do investimento (SROI — Social Return on Investment): metodologia participativa que busca monetizar também benefícios sociais e ambientais dificilmente capturados pela contabilidade tradicional (capital social, bem-estar, redução de estigma), indo além do retorno financeiro estrito. Muito utilizada no terceiro setor e em projetos de desenvolvimento social. Big Data e Ciência de Dados no Setor Público O governo brasileiro acumula volumes imensos de dados administrativos (CadÚnico, CAGED, SIAFI, SIAPE, DataSUS, Censo Escolar, Nota Fiscal Eletrônica). A ciência de dados permite ir além da análise descritiva: Analítica descritiva: o que aconteceu? (dashboards, relatórios). Analítica diagnóstica: por que aconteceu? (mineração de dados, correlações). Analítica preditiva: o que pode acontecer? (modelos de machine learning para prever evasão escolar, focos de criminalidade, surtos de doenças). Analítica prescritiva: o que devemos fazer? (otimização de rotas, alocação de recursos). Aplicações concretas de IA no controle e na Justiça brasileiros: TCU: o robô Alice (Análise de Licitações e Editais), concebido originalmente pela então Controladoria-Geral da União/Ministério da Transparência e posteriormente cedido e aprimorado pelo TCU, realiza mineração de texto em editais, atas de pregão e contratações publicadas no Comprasnet e no Diário Oficial da União para sinalizar, de forma preventiva, indícios de irregularidade (sobrepreço, direcionamento, cláusulas restritivas). Ele integra uma família mais ampla de robôs do Tribunal — como Sofia, Mônica, Ágata, Adele, Marina, Carina e o assistente virtual Zello —, cada um voltado a uma etapa distinta do controle externo (análise textual, monitoramento de aquisições, análise de risco, disputas em pregões eletrônicos, entre outras). STF: o robô Victor, desenvolvido em parceria com a Universidade de Brasília desde 2017, apoia a triagem de recursos extraordinários, convertendo peças em texto pesquisável e identificando sua vinculação a temas de repercussão geral já reconhecidos pela Corte. Mais recentemente, o Tribunal ampliou seu uso de IA com a RAFA (classificação de processos sob a ótica de direitos humanos e dos Objetivos de Desenvolvimento Sustentável) e a VitórIA (agrupamento automático de processos que tratam do mesmo assunto). Painéis de Monitoramento do PPA e sistemas de alerta precoce da CGU, que cruzam bases de dados para identificar riscos de fraude e desvio de finalidade em transferências de recursos federais. A Lei Geral de Proteção de Dados (LGPD) e a Lei nº 14.129/2021 (Lei do Governo Digital) impõem salvaguardas para o uso ético, a segurança e a transparência dos algoritmos no setor público, exigindo, entre outros pontos, que decisões administrativas automatizadas sejam passíveis de revisão humana quando afetarem direitos dos administrados. Marcos Brasileiros de Dados e Evidências Lei de Acesso à Informação — LAI (Lei nº 12.527/2011): garante a transparência ativa e passiva, tornando os dados governamentais acessíveis a pesquisadores e cidadãos — pré-condição prática para qualquer política pública baseada em evidências. Lei de Responsabilidade Fiscal — LRF (LC nº 101/2000): exige a demonstração de impacto orçamentário‑financeiro e a avaliação de riscos fiscais para a criação de despesas e renúncias de receita, estimulando o uso de projeções e evidências no planejamento orçamentário. Decreto nº 9.203/2017: institui a política de governança da administração pública federal direta, autárquica e fundacional. Entre os seis princípios da governança pública (art. 3º) está a melhoria regulatória; já a tomada de decisão baseada em evidências figura como uma das diretrizes de governança (art. 4º, inciso VIII: "manter processo decisório orientado pelas evidências"). É uma distinção fina, mas cobrada em prova: nem todo elemento do Decreto é "princípio" — vários são "diretrizes" e "mecanismos" (liderança, estratégia e controle). Decreto nº 10.411/2020: regulamenta a AIR de que tratam o art. 5º da Lei nº 13.874/2019 e o art. 6º da Lei nº 13.848/2019. Conselho de Monitoramento e Avaliação de Políticas Públicas (CMAP): instância consultiva interministerial, atualmente disciplinada pelo Decreto nº 11.558/2023 (que substituiu o Decreto nº 9.834/2019), coordenada pelo Ministério do Planejamento e Orçamento. O CMAP funciona como instância superior a dois comitês técnicos: o Comitê de Monitoramento e Avaliação dos Subsídios da União (CMAS), voltado à avaliação de benefícios financeiros, creditícios e tributários, e o Comitê de Monitoramento e Avaliação de Gastos Diretos (CMAG), voltado à avaliação de políticas financiadas por gastos diretos da União. Ambos podem instituir grupos técnicos temporários para apoiar suas avaliações. Limites e Críticas à EBP Política não é um laboratório: decisões públicas são tomadas sob pressão temporal, com conflitos de valores e interesses. A janela de oportunidade de Kingdon (convergência entre os fluxos de problemas, soluções e política) nem sempre espera a conclusão de uma pesquisa robusta — a decisão de agir pode depender mais do momento político do que da maturidade da evidência disponível. Incrementalismo de Lindblom: Charles Lindblom argumentou que, na prática, os gestores públicos raramente partem de uma análise racional-compreensiva de todas as alternativas possíveis; em vez disso, tomam decisões por comparações sucessivas limitadas, ajustando marginalmente políticas já existentes ("a ciência de 'ir levando'"). Essa é uma crítica direta ao ideal mais racionalista de EBP, que pressupõe maior capacidade de planejamento do que o processo político real costuma permitir. Risco de tecnocracia: a pretensão de que a evidência dita a decisão pode despolitizar debates legítimos e marginalizar a participação social. A abordagem evidence‑informed é mais realista que a evidence‑based estrita. Assimetria de capacidade: órgãos com menor capacidade analítica podem ficar à margem, enquanto grandes ministérios e agências acumulam núcleos de avaliação e produzem evidência de melhor qualidade sobre suas próprias políticas. Wicked problems: problemas públicos complexos (desigualdade, violência) não têm solução técnica única; a evidência é útil, mas insuficiente sem negociação política e construção de consensos. Considerações éticas: a aplicação de desenhos experimentais a políticas de proteção social pode gerar questionamentos sobre a negação de benefícios a grupos de controle, exigindo desenhos alternativos (como listas de espera aleatorizadas) que conciliem rigor metodológico e proteção dos beneficiários. Para a prova EBP: política baseada em evidência integra evidência + expertise + valores sociais; termo mais realista é evidence-informed policy. Hierarquia de evidências: RCT no topo dos desenhos experimentais; realismo de Pawson e Tilley pergunta "o que funciona, para quem, em que contexto". Avaliação por momento: ex ante, in itinere, ex post. Avaliação por foco: processo, resultado, impacto, econômica — e os "6 Es" (eficiência/eficácia/efetividade x economicidade/execução/excelência). AIR: art. 5º da Lei 13.874/2019 (administração em geral) + art. 6º da Lei 13.848/2019 (agências reguladoras), ambos regulamentados pelo Decreto 10.411/2020; ARR é a avaliação ex post da AIR. Avaliação de impacto: RCT (padrão‑ouro), DiD (tendências paralelas), RDD (ponto de corte), PSM, variáveis instrumentais, controle sintético. Custo‑benefício (VPL, TIR) × custo‑efetividade (custo por unidade de resultado) × custo-utilidade (QALY) × SROI. Marcos: LAI (12.527/11), LRF (LC 101/00), Decreto 9.203/17 (melhoria regulatória = princípio; decisão baseada em evidências = diretriz), Decreto 10.411/20, CMAP (Decreto 11.558/2023, com CMAS e CMAG). IA no controle e na Justiça: Alice (TCU/CGU), Victor, RAFA e VitórIA (STF). Limites da EBP: wicked problems, janela de Kingdon, incrementalismo de Lindblom, risco de tecnocracia. Exercícios: A análise de dados e evidências para políticas públicas, conhecida como política baseada em evidência (EBP), integra quais elementos fundamentais na tomada de decisão pública? Qual das seguintes etapas é uma fase da Avaliação de Políticas Públicas no momento ex post? A Análise de Impacto Regulatório (AIR) no Brasil é regulada por qual das seguintes legislações? Qual modelo de avaliação é conhecido por sua abordagem focada no contexto, insumos, processos e produtos? Na análise de impacto, qual método é considerado o padrão-ouro para a avaliação de causalidade? O que define a Análise de Custo-Benefício em comparação à Análise de Custo-Efetividade? No âmbito da governança da administração pública federal direta, autárquica e fundacional, a melhoria regulatória é expressamente classificada pelo Decreto nº 9.203/2017 como um de seus princípios, ao passo que a tomada de decisão orientada pelas evidências figura formalmente como uma diretriz de governança. De acordo com o Decreto nº 10.411/2020, nas hipóteses em que a Análise de Impacto Regulatório (AIR) for dispensada em razão de urgência ou de ato normativo de baixo impacto, o órgão regulador fica desobrigado de apresentar qualquer documentação técnica que fundamente a proposta, operando-se a dispensa tácita do dever de motivação do ato. O método quasi-experimental de diferenças-em-diferenças (DiD) fundamenta sua validade para estimação de impacto causal no pressuposto das tendências paralelas, segundo o qual, na ausência da intervenção ou tratamento, a trajetória temporal do grupo de tratamento teria evoluído de forma idêntica ou equivalente à trajetória observada no grupo de controle. Enquanto o modelo lógico apresenta uma representação gráfica da cadeia causal da política pública explicitando a sequência insumos, atividades, produtos, resultados e impactos, a teoria do programa (theory of change) detalha os mecanismos causais e pressupostos subjacentes que justificam o porquê e o como se espera que as ações levem aos resultados pretendidos. O sistema de inteligência artificial denominado Alice foi desenvolvido no âmbito do Supremo Tribunal Federal para realizar a triagem de recursos extraordinários e o agrupamento automático de processos vinculados a temas de repercussão geral, enquanto o robô Victor atua exclusivamente no Tribunal de Contas da União na mineração de editas e atas de pregão eletrônico. Sob a regência do Decreto nº 11.558/2023, o Conselho de Monitoramento e Avaliação de Políticas Públicas (CMAP) atua como instância consultiva interministerial estruturada com dois comitês técnicos específicos: o Comitê de Monitoramento e Avaliação dos Subsídios da União (CMAS) e o Comitê de Monitoramento e Avaliação de Gastos Diretos (CMAG). A análise custo-efetividade (ACE) caracteriza-se por converter tanto os custos operacionais quanto os benefícios e impactos finais das intervenções públicas em unidades monetárias estritas, permitindo mensurar e comparar o Valor Presente Líquido (VPL) e a Taxa Interna de Retorno (TIR) entre políticas públicas de setores completamente distintos. No modelo de avaliação de treinamento de Donald Kirkpatrick, a verificação da aquisição de novos conhecimentos, habilidades e atitudes pelos participantes corresponde ao primeiro nível de avaliação, denominado nível de Reação, ao passo que a satisfação com o instrutor e infraestrutura compõe o nível de Aprendizagem. O modelo incremental de Charles Lindblom contrapõe-se ao ideal racional-compreensivo da formulação de políticas públicas baseada em evidências, sustentando que os tomadores de decisão atuam por meio de comparações sucessivas limitadas e ajustes marginais em políticas preexistentes. Em uma avaliação de programa social em que o critério de elegibilidade é a renda familiar per capita de até R\$ 500,00, a utilização do desenho de Regressão Descontínua (RDD) exige a comparação de famílias de extrema pobreza com famílias de altíssima renda, pois o método necessita de extrema variância entre os grupos para estimar o efeito causal no ponto de corte.