<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Zinho on Medium]]></title>
        <description><![CDATA[Stories by Zinho on Medium]]></description>
        <link>https://medium.com/@gabrielfferraz?source=rss-7ae1a207060f------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*Vgi9-njNS4ye3a1mNSn9gg.jpeg</url>
            <title>Stories by Zinho on Medium</title>
            <link>https://medium.com/@gabrielfferraz?source=rss-7ae1a207060f------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Wed, 18 Nov 2026 11:36:18 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@gabrielfferraz/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[A probabilidade existe?]]></title>
            <link>https://gabrielfferraz.medium.com/a-probabilidade-existe-a8de32785157?source=rss-7ae1a207060f------2</link>
            <guid isPermaLink="false">https://medium.com/p/a8de32785157</guid>
            <category><![CDATA[probabilidade]]></category>
            <dc:creator><![CDATA[Zinho]]></dc:creator>
            <pubDate>Tue, 28 Jan 2025 17:27:47 GMT</pubDate>
            <atom:updated>2025-01-28T20:27:48.424Z</atom:updated>
            <content:encoded><![CDATA[<p><strong>Provavelmente não — mas é útil agir como se existisse.<br>Por David Spiegelhalter</strong></p><p>O presente texto é uma tradução do ensaio “Why probability probably doesn’t exist (but it is useful to act like it does)” de David Spiegelhalter, publicado originalmente na Nature magazine, [Nature 636, 560–563 (2024)] no dia 16 de Dezembro de 2024.</p><p>Doi: <a href="https://doi.org/10.1038/d41586-024-04096-5">https://doi.org/10.1038/d41586-024-04096-5</a></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*ODHUdqikcSlIxHKS" /><figcaption>Ilustração: Sébastien Thibault</figcaption></figure><p>A vida é incerta. Nenhum de nós sabe o que vai acontecer. Sabemos pouco sobre o que aconteceu no passado ou sobre o que está acontecendo agora fora de nossa experiência imediata. A incerteza foi chamada de “consciência da ignorância” (1) — seja sobre o clima de amanhã, os próximos campeões da Premier League, o clima em 2100 ou a identidade de nossos ancestrais antigos.</p><p>No dia a dia, geralmente expressamos incerteza em palavras, dizendo que um evento “poderia”, “talvez” ou “provavelmente” acontecer (ou tenha acontecido). Mas palavras incertas podem ser traiçoeiras. Em 1961, quando o recém-eleito presidente dos EUA, John F. Kennedy, foi informado sobre um plano patrocinado pela CIA para invadir Cuba comunista, ele solicitou uma avaliação de seus altos comandantes militares. Eles concluíram que a missão tinha 30% de chance de sucesso — ou seja, 70% de chance de fracasso. No relatório que chegou ao presidente, isso foi traduzido como “uma chance razoável”. A invasão da Baía dos Porcos foi adiante e foi um fiasco. Agora existem escalas estabelecidas para converter palavras de incerteza em números aproximados. Qualquer pessoa na comunidade de inteligência do Reino Unido que use o termo “provável”, por exemplo, deve significar uma chance entre 55% e 75% (veja <a href="http://go.nature.com/3vhu5zc">go.nature.com/3vhu5zc</a>).</p><p>Tentar quantificar a chance e a incerteza nos leva ao reino matemático da probabilidade, que hoje é usada com confiança em vários campos. Abra qualquer revista científica, por exemplo, e você encontrará artigos repletos de valores P, intervalos de confiança e possivelmente distribuições posteriores bayesianas, todos dependentes da probabilidade.</p><p>Note que eu digo “sua” probabilidade, não “a” probabilidade. A maioria das pessoas agora hesita em dar uma resposta, antes de relutantemente repetir “50–50”. Mas o evento já aconteceu, e não há mais aleatoriedade — apenas sua ignorância. A situação mudou de uma incerteza “aleatória”, sobre o futuro que não podemos conhecer, para uma incerteza “epistêmica”, sobre o que atualmente não sabemos. A probabilidade numérica é usada para ambas as situações.</p><p>Há outra lição aqui. Mesmo que exista um modelo estatístico para o que deveria acontecer, ele sempre se baseia em suposições subjetivas — no caso de um lançamento de moeda, que há dois resultados igualmente prováveis. Para demonstrar isso ao público, às vezes uso uma moeda de duas caras, mostrando que até sua opinião inicial de “50–50” foi baseada em confiar em mim. Isso pode ser imprudente.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Hbl1KhGWXvZZ8SCH" /></figure><h3><strong>Subjetividade e ciência</strong></h3><p>Meu argumento é que qualquer uso prático da probabilidade envolve julgamentos subjetivos. Isso não significa que eu posso atribuir qualquer número antigo aos meus pensamentos — eu seria considerado um mau avaliador de probabilidades se afirmasse com 99,9% de certeza que posso voar do meu telhado, por exemplo. O mundo objetivo entra em jogo quando as probabilidades e suas suposições subjacentes são testadas contra a realidade (veja ‘Quão ignorante eu sou?’); mas isso não significa que as probabilidades em si sejam objetivas.</p><h3><strong>Intruso do acaso</strong></h3><p>A probabilidade chegou relativamente tarde à matemática. Embora as pessoas tenham apostado com astrágalos (ossos do tornozelo) e dados por milênios, foi só na década de 1650 que os matemáticos franceses Blaise Pascal e Pierre de Fermat começaram a se corresponder e a fazer uma análise rigorosa de eventos “aleatórios”. Como a liberação de uma represa represada, a probabilidade desde então inundou campos tão diversos quanto finanças, astronomia e direito — sem mencionar o jogo.</p><p>Além disso, como enfatizado pelo filósofo Ian Hacking (2), a probabilidade é “bifronte”, como o deus Janus: ela lida tanto com o acaso quanto com a ignorância. Imagine que eu jogue uma moeda e pergunte a você a probabilidade de que ela caia com a cara para cima. Você felizmente diz “50–50”, ou “metade”, ou alguma outra variante. Eu então jogo a moeda, dou uma olhada rápida, mas a cubro e pergunto: qual é a sua probabilidade de que seja cara agora?</p><p>Algumas suposições que as pessoas usam para avaliar probabilidades terão justificativas mais fortes do que outras. Se eu examinar uma moeda cuidadosamente antes de jogá-la, e ela cair em uma superfície dura e quicar de forma caótica, me sentirei mais justificado com meu julgamento de 50–50 do que se algum personagem duvidoso tirar uma moeda e der algumas voltas desinteressadas. Mas essas mesmas restrições se aplicam a qualquer lugar onde as probabilidades são usadas — incluindo em contextos científicos, nos quais podemos estar mais naturalmente convencidos de sua suposta objetividade.</p><p>Aqui está um exemplo de importância científica e pública genuína. Logo após o início da pandemia de COVID-19, os ensaios RECOVERY começaram a testar terapias em pessoas hospitalizadas com a doença no Reino Unido. Em um experimento, mais de 6.000 pessoas foram aleatoriamente alocadas para receber o tratamento padrão dado no hospital em que estavam, ou esse tratamento mais uma dose de dexametasona, um esteroide barato (3). Entre aqueles em ventilação mecânica, o risco diário de mortalidade ajustado por idade foi 29% menor no grupo que recebeu dexametasona em comparação com o grupo que recebeu apenas o tratamento padrão (intervalo de confiança de 95% de 19–49%). O valor P — a probabilidade calculada de observar um risco relativo tão extremo, assumindo uma hipótese nula de nenhuma diferença subjacente no risco — pode ser calculado como 0,0001, ou 0,01%.</p><p>Isso é tudo análise padrão. Mas o nível de confiança preciso e o valor P dependem de mais do que apenas assumir a hipótese nula. Também dependem de todas as suposições no modelo estatístico, como as observações serem independentes: que não há fatores que façam com que pessoas tratadas mais próximas no espaço e no tempo tenham resultados mais semelhantes. Mas há muitos desses fatores, seja o hospital em que as pessoas estão sendo tratadas ou mudanças nos regimes de cuidados. O valor preciso também depende de todos os participantes em cada grupo terem a mesma probabilidade subjacente de sobreviver 28 dias. Isso vai variar por todos os tipos de razões.</p><p>Nenhuma dessas suposições falsas significa necessariamente que a análise é falha. Neste caso, o sinal é tão forte que um modelo que permita, digamos, que o risco subjacente varie entre os participantes fará pouca diferença nas conclusões gerais. Se os resultados fossem mais marginais, no entanto, seria apropriado fazer uma análise extensa da sensibilidade do modelo a suposições alternativas.</p><p>Para exercitar o aforismo muito citado, “todos os modelos estão errados, mas alguns são úteis” (4). A análise da dexametasona foi particularmente útil porque sua conclusão firme mudou a prática clínica e salvou centenas de milhares de vidas. Mas as probabilidades nas quais a conclusão foi baseada não eram “verdadeiras” — elas eram um produto de suposições e julgamentos subjetivos, embora razoáveis.</p><h3><strong>Descendo pela toca do coelho</strong></h3><p>Mas então, esses números seriam nossas estimativas subjetivas, talvez falhas, de alguma probabilidade “verdadeira” subjacente, uma característica objetiva do mundo?</p><p>Vou fazer uma ressalva aqui: não estou falando sobre o mundo quântico. No nível subatômico, a matemática indica que eventos sem causa podem acontecer com probabilidades fixas (embora pelo menos uma interpretação afirme que mesmo essas probabilidades expressam uma relação com outros objetos ou observadores, em vez de serem propriedades intrínsecas dos objetos quânticos) (5). Mas, da mesma forma, parece que isso tem uma influência insignificante sobre os eventos observáveis do cotidiano no mundo macroscópico.</p><p>Também posso evitar os debates centenários sobre se o mundo, em um nível não quântico, é essencialmente determinista, e se temos livre arbítrio para influenciar o curso dos eventos. Seja qual for a resposta, ainda precisaríamos definir o que realmente é uma probabilidade objetiva.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/767/0*wXAfzTe4-L1zGn5l" /><figcaption>A expressão imprecisa de incerteza ajudou a persuadir John F. Kennedy a apoiar uma invasão de Cuba organizada pela CIA. Crédito: Michael Ochs Archives/Getty</figcaption></figure><p>Muitas tentativas foram feitas ao longo dos anos para resolver isso, mas todas parecem ser falhas ou limitadas. Entre elas, está a probabilidade frequentista, uma abordagem que define a proporção teórica de eventos que seriam observados em repetições infinitas de situações essencialmente idênticas — por exemplo, repetir o mesmo ensaio clínico na mesma população e sob as mesmas condições, várias e várias vezes, como no filme <em>Feitiço do Tempo</em>. Isso parece um tanto irrealista. O estatístico britânico Ronald Fisher sugeriu pensar em um conjunto de dados único como uma amostra de uma população infinita hipotética, mas isso soa mais como um experimento mental do que uma realidade objetiva. Há também a ideia quase mística de propensão, que pressupõe uma tendência verdadeira e subjacente para um evento específico ocorrer em um contexto particular, como a probabilidade de eu ter um ataque cardíaco nos próximos dez anos. Isso parece praticamente impossível de verificar.</p><p>Existem alguns cenários limitados, mas bem controlados e repetíveis, de tamanha complexidade que, mesmo sendo essencialmente determinísticos, se encaixam no paradigma frequentista por apresentarem uma distribuição de probabilidade com propriedades previsíveis a longo prazo. Esses incluem dispositivos de randomização padrão, como roletas, cartas embaralhadas, moedas giradas, dados lançados e bolas de loteria, além de geradores de números pseudoaleatórios, que utilizam algoritmos não lineares e caóticos para produzir números que passam em testes de aleatoriedade.</p><p>No mundo natural, podemos incluir os movimentos de grandes coleções de moléculas de gás que, mesmo seguindo a física newtoniana, obedecem às leis da mecânica estatística, e a genética, em que a enorme complexidade da seleção e recombinação cromossômica resulta em taxas de herança estáveis. Nessas circunstâncias limitadas, pode ser razoável assumir uma probabilidade pseudo-objetiva — “a” probabilidade, em vez de “uma” probabilidade (subjetiva).</p><p>No entanto, em todas as outras situações em que probabilidades são usadas — em grandes áreas da ciência, esportes, economia, previsão do tempo, clima, análise de risco, modelos de catástrofe e assim por diante — não faz sentido pensar em nossos julgamentos como estimativas de “probabilidades verdadeiras”. Nesses casos, só podemos tentar expressar nossa incerteza pessoal ou coletiva em termos de probabilidades, com base em nosso conhecimento e julgamento.</p><h3>Questões de julgamento</h3><p>Isso tudo só levanta mais perguntas. Como definir probabilidade subjetiva? E por que as leis da probabilidade seriam razoáveis, se são baseadas em algo que essencialmente inventamos? Esse tema vem sendo discutido na literatura acadêmica há quase um século, sem um consenso universal.</p><p>Uma das primeiras tentativas foi feita em 1926 pelo matemático Frank Ramsey, da Universidade de Cambridge, no Reino Unido. Ele é a pessoa da história que eu mais gostaria de conhecer. Um gênio cujo trabalho em probabilidade, matemática e economia ainda é considerado fundamental. Ramsey trabalhava apenas pela manhã, dedicando o resto do dia à esposa e a um amante, jogando tênis, bebendo e participando de festas animadas, onde ria “como um hipopótamo” (ele era um homem grande, com 108 quilos). Ele morreu em 1930, com apenas 26 anos, provavelmente de leptospirose após nadar no rio Cam, segundo sua biógrafa Cheryl Misak.</p><p>Ramsey mostrou que todas as leis da probabilidade podiam ser derivadas a partir de preferências expressas por apostas específicas. Os resultados têm utilidades atribuídas, e o valor de apostar em algo é resumido por sua utilidade esperada, que é governada por números subjetivos que expressam crenças parciais — ou seja, nossas probabilidades pessoais. Essa interpretação, no entanto, exige uma especificação extra dessas utilidades. Mais recentemente, foi demonstrado que as leis da probabilidade podem ser derivadas simplesmente ao agir de forma a maximizar o desempenho esperado ao usar uma regra de pontuação adequada, como a do quiz “Quão ignorante sou eu?”.</p><p>As tentativas de definir probabilidade costumam ser ambíguas. Por exemplo, no artigo “The Applications of Probability to Cryptography”, de 1941–42, Alan Turing utiliza a definição prática de que “a probabilidade de um evento, com base em certas evidências, é a proporção de casos em que esse evento pode ser esperado, dado essas evidências”. Isso reconhece que probabilidades práticas são baseadas em expectativas — julgamentos humanos. Mas, ao falar de “casos”, Turing se refere a instâncias da mesma observação ou a julgamentos semelhantes?</p><p>A última ideia tem algo em comum com a definição frequentista de probabilidade objetiva, mas substitui a classe de observações similares repetidas por uma classe de julgamentos subjetivos similares repetidos. Nesse ponto de vista, se a probabilidade de chuva é avaliada em 70%, isso a coloca no conjunto de ocasiões em que o meteorologista atribui uma probabilidade de 70%. Espera-se que o evento em si ocorra em 70% dessas ocasiões. Essa é provavelmente minha definição favorita. Mas a ambiguidade da probabilidade é claramente demonstrada pelo fato de que, após quase quatro séculos, muitas pessoas não concordam comigo.</p><h3>Abordagem pragmática</h3><p>Quando eu era estudante nos anos 1970, meu mentor, o estatístico Adrian Smith, estava traduzindo <em>Theory of Probability</em>, do atuário italiano Bruno de Finetti. De Finetti desenvolveu ideias de probabilidade subjetiva na mesma época de Ramsey, mas de forma completamente independente. (Eles eram bem diferentes: enquanto Ramsey era socialista convicto, de Finetti, na juventude, apoiava o fascismo de Mussolini, embora tenha mudado de opinião mais tarde.) O livro começa com a provocadora afirmação: “probabilidade não existe”, uma ideia que influenciou profundamente meu pensamento nos últimos 50 anos.</p><p>Na prática, no entanto, talvez não precisemos decidir se “chances” objetivas realmente existem no mundo cotidiano não quântico. Podemos adotar uma abordagem pragmática. Ironia do destino, o próprio de Finetti apresentou o argumento mais convincente para essa abordagem em seu trabalho de 1931 sobre “permutabilidade” (<em>exchangeability</em>), que resultou em um famoso teorema que leva seu nome (11). Uma sequência de eventos é considerada permutável se nossa probabilidade subjetiva para cada sequência não é afetada pela ordem das observações. De Finetti provou brilhantemente que essa suposição é matematicamente equivalente a agir como se os eventos fossem independentes, cada um com uma “chance” subjacente verdadeira de ocorrer, e que nossa incerteza sobre essa chance desconhecida é expressa por uma distribuição de probabilidade subjetiva e epistêmica. Isso é notável: mostra que, a partir de uma expressão específica, mas puramente subjetiva, de convicções, deveríamos agir como se os eventos fossem conduzidos por chances objetivas.</p><p>É extraordinário que um corpo de trabalho tão importante, que fundamenta toda a ciência estatística e diversas outras atividades científicas e econômicas, tenha surgido de uma ideia tão evasiva. Concluo, então, com meu próprio aforismo: em nosso mundo cotidiano, a probabilidade provavelmente não existe — mas muitas vezes é útil agir como se existisse.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/550/0*sSFENhHq5kVdoAdI" /></figure><p>David Spiegelhalter é professor emérito de estatística na Universidade de Cambridge, no Reino Unido. Ele é autor do livro <em>“A Arte da Incerteza: Como Navegar pelas Chances, Ignorância, Risco e Sorte”</em> (Penguin, 2024).</p><h4><strong>Atualizações e correções</strong></h4><p>Correção 18 de dezembro de 2024: A legenda da imagem nesta história não capturou com precisão as circunstâncias que cercaram a invasão de Cuba.</p><h3><strong>Referências</strong></h3><ol><li>Smithson, M. Ignorance and Uncertainty: Emerging Paradigms (Springer, 1989).</li><li>Hacking, I. The Emergence of Probability (Cambridge Univ. Press, 2006).</li><li>The RECOVERY Collaborative Group N. Engl. J. Med. 384, 693–704 (2021).</li><li>Box, J. E. P. J. Am. Stat. Assoc. 71, 791–799 (1976).</li><li>Rovelli, C. Helgoland: The Strange and Beautiful Story of Quantum Physics (Penguin, 2022).</li><li>Misak, C. Frank Ramsey: A Sheer Excess of Powers (Oxford Univ. Press, 2020).</li><li>Ramsey, F. P. in The Foundations of Mathematics and other Logical Essays 156–198 (Routledge, 1926).</li><li>Lindley, D. V. Int. Stat. Rev. 50, 1–11 (1982).</li><li>Turing, A. M. UK National Archives record HW 25/37 (1941–2).</li><li>de Finetti, B. Theory of Probability (Wiley, 1974).</li><li>de Finetti, B. Atti della R. Accad. Naz. Lincei 4, 251–299 (1931).</li><li>Brier, G. W. Mon. Weather Rev. 78, 1–3 (1950).</li></ol><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a8de32785157" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[“Capitalismo” é um erro]]></title>
            <link>https://gabrielfferraz.medium.com/capitalismo-%C3%A9-um-erro-74c0366c295f?source=rss-7ae1a207060f------2</link>
            <guid isPermaLink="false">https://medium.com/p/74c0366c295f</guid>
            <category><![CDATA[hpe]]></category>
            <category><![CDATA[capitalismo]]></category>
            <category><![CDATA[economia]]></category>
            <category><![CDATA[historia]]></category>
            <category><![CDATA[marxismo]]></category>
            <dc:creator><![CDATA[Zinho]]></dc:creator>
            <pubDate>Tue, 03 Sep 2024 12:41:31 GMT</pubDate>
            <atom:updated>2025-09-01T21:49:53.230Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/800/1*bF6qKfVM8Vswo3M6TIGhQQ.jpeg" /><figcaption>“<a href="https://en.wikipedia.org/wiki/Pyramid_of_Capitalist_System"><strong>A Pirâmide do Sistema Capitalista</strong></a>” é o nome comum de uma caricatura americana de 1911 crítica ao capitalismo, baseada em um folheto russo de cerca de 1901.</figcaption></figure><p>“Capitalismo” é um erro. Isso mesmo, “capitalismo” é um erro. Não estou falando do sistema econômico em si, mas do termo “capitalismo”. Criado para representar o sistema econômico que, a partir do século XIX, se tornou a força dominante no mundo, moldando a história global (Hobsbawm, 2015, p. 62), o termo é, na melhor das hipóteses, vago e, na pior, contraditório. À medida que as instituições econômicas e suas relações políticas e sociais se distanciam do perfil industrial da era vitoriana, o uso dessa palavra torna-se cada vez mais inadequado, especialmente no discurso acadêmico contemporâneo. Influenciado pelo pensamento marxista, o termo sugere que a posse do capital é o elemento central no controle das operações econômicas. No entanto, essa visão simplista ignora o poder que reside nos contratos, na gestão dos recursos e no papel do empreendedor não capitalista. Ao rotular diferentes países como “capitalistas” — mesmo quando suas práticas econômicas e institucionais são profundamente distintas — , acabamos por obscurecer as verdadeiras dinâmicas de poder. Então, faz sentido falar em “capitalismo” no século XXI? Neste texto, apresento argumentos que explicam por que não.</p><p>Antes de prosseguir, uma ressalva: este texto não pretende fazer uma defesa, seja normativa ou positiva, do que chamamos de capitalismo. Não estou aqui para redefinir o conceito ou ajustar seus atributos de acordo com o que considero relevante. Meu objetivo é apenas oferecer uma reflexão lógica baseada nas características geralmente associadas ao sistema capitalista. Mesmo que, ao final, você conclua que o termo “capitalismo” não é o mais adequado, isso não impede que continuemos a usá-lo. O importante é estar consciente do contexto e do “jogo de linguagem” em que o termo é empregado.</p><p>Com isso esclarecido, seguimos. O presente texto é dividido em três partes: na primeira, explico a origem e evolução do termo “capitalismo” e sua associação com o marxismo; na segunda, destrincho a caracterização marxista e esclareço conceitualmente algumas interpretações errôneas de Marx; e, por fim, explico os problemas inerentes ao conceito.</p><h3><strong>Sobre a Origem do “Capitalismo”</strong></h3><p>Hobsbawm (2015, p. 17) apresenta, nas primeiras linhas de seu clássico <em>A Era do Capital</em>: “Por volta de 1860, uma nova palavra entrou no vocabulário econômico e político do mundo: ‘capitalismo’”. Embora muitas vezes associado a Karl Marx, devido à sua obra <em>Das Kapital</em> (Marx, 2015), a história do termo “capitalismo” é mais complexa e multifacetada, exigindo uma exploração detalhada de sua origem e evolução ao longo do tempo. Como ressalta José Guilherme Merquior (2016, p. 15), parafraseando Nietzsche: “apenas seres a-históricos permitem uma definição no verdadeiro sentido da palavra.”</p><p>A primeira evidência confiável do uso do termo “capitalismo” data de 1788, em um panfleto intitulado <em>Le Capitalisme Dévoilé</em>, escrito pelo agrônomo francês François Ébaudy de Fresne (Merrill, 2014, p. 88). Nessa época, como evidência Sonenscher (2024, p. x-xii), tanto a palavra quanto o conceito estavam inicialmente ligados a questões de poder político, financiamento de guerras e dívida pública, refletindo uma preocupação com o papel do capital nas relações estatais. O termo “capitalista”, por sua vez, já existia desde o século XVIII, derivado da palavra francesa <em>capitaliste</em>, que se referia àqueles que emprestavam dinheiro ao governo francês para financiar guerras.</p><p>Apesar do uso esporádico após esse período, o termo “capitalismo” só ganhou destaque significativo em 1849, quando o socialista Louis Blanc o utilizou em uma disputa com Alphonse de Lamartine. Blanc, em seu panfleto <em>Organisation du Travail</em>, destacou a diferença entre “capitalismo” e “capital”, enfatizando que o termo ainda não se referia a um sistema social ou “modo de produção”, mas sim a uma política específica. Essa política envolvia o esforço coordenado de capitalistas e seus aliados para garantir o poder político necessário para promover seus interesses sobre os de outros grupos, como proprietários de terras e trabalhadores (Krocka, 2016; Rosanvallon, 2018).</p><p>Como mostra Merril (2014, p. 87), no decorrer do século XIX, o conceito de capitalismo evoluiu, especialmente à medida que debates sobre propriedade, desigualdade e comércio global se intensificaram. Críticos radicais como Charles Fourier e Robert Owen, além de Karl Marx, não se opunham apenas ao poder dos capitalistas, mas também ao sistema de mercado em si, que viam como uma forma opressiva de organização social. Marx, em particular, criticou o capitalismo num contexto de surgimento de grandes empresas e indústrias, num período em que os estados democráticos ainda eram raros. Sua crítica ao capitalismo, focada na luta de classes e na exploração do proletariado, influenciou profundamente movimentos revolucionários e regimes anticapitalistas, que buscavam suprimir o poder dos capitalistas.</p><p>Antes do conceito moderno de capitalismo se consolidar, o termo “sociedade comercial” era amplamente utilizado para descrever um estágio avançado na evolução das formas de organização social, conforme proposto por Adam Smith (Sonenscher, 2024, p. 3–4). Smith argumentava que uma sociedade comercial se baseia na divisão do trabalho, permitindo que indivíduos se especializassem em determinadas funções e trocassem os excedentes de sua produção. Com o tempo, a dinâmica do mercado passou a depender do capital, gerando uma fusão entre os conceitos de sociedade comercial e capitalismo. Essa fusão foi expressa de maneira contundente nos escritos marxistas, onde o “capitalismo” passou a ser utilizado pelos socialistas para criticar os mercados liberais, refletindo a visão de um sistema que favorecia os capitalistas em detrimento da sociedade.</p><p>Entretanto, como pontua Bottomore (1996, p. 90), mesmo dentro da literatura marxista, o termo em questão parece ter sido utilizado relativamente tarde. Embora Marx empregasse o adjetivo “capitalista” e fizesse referência a “capitalistas”, ele se absteve de empregar “capitalismo” como substantivo, tanto no <em>Manifesto Comunista</em> quanto no volume inicial de <em>O Capital</em>, mesmo que se referisse ao <strong>modo de produção capitalista</strong>. Foi somente em 1877, durante sua correspondência com adeptos russos, que ele incorporou o termo ao analisar a questão da transição da Rússia para o capitalismo (Marx, 1877, p. 386). Essa aparente hesitação em adotar o termo “capitalismo” pode ter sido influenciada por sua conotação comparativamente moderna durante a era de Marx.</p><p>O impacto de Karl Marx e a subsequente consolidação do marxismo como a corrente dominante do movimento socialista foram evidentes na fundação da Primeira Internacional em 1864 e na ascensão da social-democracia. Marx, ao assumir a liderança da Associação Internacional dos Trabalhadores, introduziu conceitos fundamentais como a luta de classes e a organização do proletariado, moldando o pensamento socialista e a crítica ao capitalismo. A rivalidade ideológica dentro da Internacional e o impacto da Comuna de Paris de 1871 contribuíram para a difusão do marxismo, tornando o termo “capitalismo” fortemente associado à crítica marxista e à articulação de uma alternativa socialista (Beer, 2007).</p><p>Assim, o termo “capitalismo” foi moldado mais por seus críticos do que por seus defensores, e sua associação com o pensamento marxista reflete a influência de Marx na definição dos contornos do debate político e econômico da época.</p><h3><strong>Marxista mas não necessariamente Marxiano</strong></h3><p>Como destacado na seção anterior, o termo “capitalismo” evoluiu em um contexto de crítica ao sistema industrial mercantil, que se consolidou globalmente após a Revolução Industrial. Esse termo, amplamente utilizado pelos críticos do mercado, ganhou popularidade especialmente entre teóricos marxistas, o que explica sua associação frequente com essa corrente de pensamento. Um fato que reforça essa ligação é que a palavra “capitalismo” raramente é empregada por escolas de teoria econômica não marxistas (Bottomore, 1996, p. 90). Dada a evolução e o contexto de uso do termo, é importante desassociá-lo das categorias e propriedades a ele tipicamente vinculadas. Para isso, precisamos entender a conceituação marxista e, portanto, retornar às ideias de Marx.</p><p>É crucial destacar a diferença entre as ideias originais de Marx e as interpretações feitas por seus seguidores ou por aqueles que se identificam como marxistas. O movimento intelectual, cultural, político e ideológico associado a Marx certamente não se restringe às suas palavras, nem deveria. No entanto, por várias razões, suas ideias foram muitas vezes apropriadas por aqueles que utilizaram as categorias marxistas de maneira retórica, distorcendo seu espírito e propósito. Tanto é assim que Marx, em resposta ao marxismo francês, afirmou: “<em>Ce qu’il y a de certain c’est que moi, je ne suis pas Marxiste</em>” [“O que é certo é que eu mesmo não sou um marxista.” (Engels, 1967, p. 388)].</p><p>Vale ressaltar que, historicamente, ser considerado socialista (ou anti-capitalista) e, portanto, inevitavelmente associado ao marxismo, carregava uma importante força moral. Essa força é evidenciada no texto “The Moral Aspects of Socialism” de Ball (1896, p. 293–294), que caracteriza o socialismo como uma busca pela igualdade de oportunidades e consideração para todos os trabalhadores, reconhecendo a importância do capital sem confundi-lo com a propriedade. Em vez de reduzir as desigualdades de propriedade, o foco estava em racionalizar as necessidades e melhorar a qualidade do consumo. Ao invés de eliminar a competição, o socialismo a elevava a um nível baseado no caráter e na qualidade social, em vez de adotar um modelo que busca o ganho às custas dos outros. Em contraste, a política individualista degrada o trabalho e sobrecarrega o Estado. O socialismo promove uma seleção social consciente que beneficia aqueles com maior valor social, visando uma organização industrial que mantenha um padrão de vida e valor social, rejeitando o modelo competitivo privado que não consegue sustentar esses padrões.</p><p>É necessário fazer uma outra ressalva: nem todo socialismo, como é utilizado aqui, se refere ao conceito marxista de socialismo. Existem correntes socialistas que adotam ideias marxistas, mas cada conceito é uma forma de vida que se expande além de seu criador. Certos termos possuem diferentes significados, que estão relacionados aos seus usos e apropriações daquela época. Portanto, o uso de um termo em determinado contexto histórico pode não corresponder ao sentido que lhe atribuímos hoje. Para uma discussão metodológica mais detalhada, recomenda-se a leitura de John Pocock, John Dunn e Quentin Skinner, que fazem parte do contextualismo linguístico (Silva, 2010).</p><p>Com isso em mente, é compreensível que muitos tenham se apropriado das ideias de Marx sob a retórica de marxistas, mesmo sendo profundamente anti-marxistas. Essa situação piorou com a consolidação de experiências socialistas reais, como na URSS, que tomou controle da maior parte dos movimentos socialistas internacionais, dado seu prestígio por ter realizado com sucesso a tão desejada revolução. Uma versão vulgarizada e simplificada do marxismo tornou-se cada vez mais comum, seja por parte dos próprios socialistas, seja pelos críticos que desejavam defender o status quo. Esse processo culminou na cristalização de uma visão vulgarizada do marxismo no senso comum, que persiste até os dias de hoje.</p><p>Um exemplo clássico dessa vulgarização do marxismo é a frase: “Se a classe operária tudo produz, a ela tudo pertence”, um conhecido mantra tipicamente bradando por movimentos dito marxistas ou por aqueles de afeições socialistas que querem lacrar contra um direitista qualquer. Só tem um problema: Marx não só nunca disse isso — seu autor é na verdade o socialista Ferdinand Lassalle -, como a Marx se opõe a ela fortemente em a Crítica ao Programa de Gotha (2015). Não irei reproduzir a crítica marxista aqui, pois ela contempla a totalidade do livro de Marx em questão. Mas foquemos ao menos no dito marxista que se deu o trabalho de ter algum conhecimento das teorias de Marx, e não apenas aqueles que repetem mantras e bordões.</p><p>Dado esse contexto, é importante notar que a teoria e a metodologia marxistas estão longe de ser triviais, o que torna natural que tentativas de simplificar e popularizar essas ideias geram muito ruído. Além disso, a influência (infeliz) de Hegel em Marx torna seu texto ainda mais obscuro. Por exemplo, ao perguntar a vários marxistas qual a definição de valor, a resposta mais comum será: “Valor é a quantidade de trabalho socialmente necessária para produzir uma mercadoria.”. É uma resposta que alguém pode facilmente encontrar em manuais e em exposições introdutórias de economia marxista, mesmo sendo errado para marx. Diz Carcanholo (2011, p. 13): “[tal afirmação constitui], na verdade, um desserviço ao conhecimento do pensamento econômico marxista e são o resultado de uma perspectiva ingênua e superficial da teoria.”</p><p>Outro exemplo, é sobre o conceito de capital marxista. Afinal o que é capital em Marx? Novamente, faça esse experimento, pergunte para vários marxistas qual a definição de valor, a resposta mais comum será a seguinte: “Capital é dinheiro que se incrementa, dinheiro que produz mais dinheiro”. Entretanto, como evidência Carcanholo (2011, p. 123): “Com essa resposta, com essa “definição”, algumas pessoas podem ficar satisfeitas, mas a verdade é que o conceito de capital não é tão simples assim.” E que tal o que é mais-valia? A resposta que vai receber é “Mais-valia é a diferença entre o valor produzido pelo trabalho e o valor da força de trabalho pago pelo empresário”. Entretanto, novamente, o conceito não é exatamente isso. (Carcanholo, 2011, p. 131)</p><p>Não me cabe aqui explicar o conceito <em>verdadeiro </em>em Marx (se é que existe um), ou como ele é realmente usado na literatura marxiana, pois para isso basta fazer algo que muitos ditos marxistas não fazem: ler Marx e bons comentadores. Mas posso aventurar-me nas razões que levam a essas confusões conceituais. Além da mera apropriação das ideias, Marx é razoavelmente confuso devido à sua metodologia dialética. Por exemplo, retomemos a “definição”: “capital é dinheiro que se incrementa”. Diz Carcanholo (2011, p. 123): na verdade, o capital é isso e não é, ao mesmo tempo. Dito assim, pode parecer um absurdo, <em>mas isso é a dialética</em> […] De início, digamos que para a dialética materialista, marxista, não existem definições.”</p><p>Embora a ausência de definições estritas não seja totalmente precisa, as caracterizações de Marx aos objetos de estudo presentes em suas análises podem ser vistas como definições, mas vão além disso. As categorias sociais (capital, mercadoria, valor, etc.) e sua apresentação categorial, especialmente pelo modo de exposição dialético, não têm um caráter absoluto. Marx desenvolve o entendimento sobre esses conceitos através de diferentes níveis de abstração, de modo que, ao final de “O Capital”, ele já apresenta uma concepção diferente dessas categorias. Portanto, há definições, mas os conceitos estão sujeitos a redefinições, contingentes aos movimentos históricos e às condições materiais inerentes em seus desdobramentos.</p><p>Como explicado por Grespan (2012, p. 12–18), a metodologia de Marx na apresentação do conceito de capital é fundamental para entender sua abordagem, que se distingue do simples desenvolvimento histórico do capital. Para Marx, a apresentação do capital deveria expor o valor e o capital como elementos contraditórios, cujas contradições geram o desenvolvimento das relações econômicas. Essa abordagem se aproxima do conceito hegeliano de exposição, mas Marx busca uma “dialética materialista”, superando os elementos idealistas de Hegel. A apresentação categorial, portanto, não segue uma sequência histórica, mas articula as categorias econômicas dentro da sociedade burguesa moderna, com base em pressupostos históricos e lógicos. Marx distingue seu método de pesquisa e apresentação, onde a pesquisa detalhada do material permite que o movimento real do capital seja apresentado, revelando seu “nexo interno” contraditório. A apresentação deve, então, reproduzir a articulação dos diversos aspectos do conceito de capital, enriquecendo-o progressivamente até alcançar seu conteúdo mais concreto e complexo. As categorias econômicas, em vez de se referirem a coisas em si, expressam funções determinadas pelo capital em diferentes momentos de sua constituição, o que exige uma apresentação que reflete o enriquecimento progressivo dessas funções no movimento totalizante do capital.</p><p>E por sua vez, como Sayers (2013, p. 142) demonstra, existe um método analítico que considera as coisas como sendo o que são, possuindo seu ser puramente em si mesmas e de maneira independente do contexto de suas relações. Essa lógica é rejeitada pela filosofia dialética. A dialética insiste que, para compreender a natureza concreta das coisas, é vital vê-las no contexto de suas interconexões com outras dentro de um todo mais amplo. Para a dialética, as coisas concretas e particulares estão sempre e essencialmente relacionadas, conectadas e interagindo com outras dentro de uma totalidade maior. Esse contexto de relações é interno e essencial à natureza das coisas, não externo e acidental. Como afirma Sayer (2013, p. 142): “A dialética não nega a realidade das distinções, nem a necessidade delas no pensamento. Mas insiste que, na realidade concreta, coisas diferentes e opostas também estão em unidade. Ela rejeita as distinções exclusivas, rígidas, absolutas, ou/ou do pensamento analítico.”</p><p>O método dialético de Marx, como exposto claramente no <a href="https://www.marxists.org/portugues/marx/1873/01/24.htm">Posfácio à Segunda Edição Alemã de “O Capital”</a>, é essencialmente uma ferramenta para entender a dinâmica e as transformações das sociedades ao longo do tempo. Diferente dos economistas clássicos, Marx não busca leis econômicas universais e imutáveis, mas sim leis específicas a cada período histórico. Para ele, o importante é descobrir as leis que regem tanto a forma atual de organização social quanto as que governam a transição de uma forma para outra. Marx vê o movimento social como um processo histórico-natural, independente da vontade e consciência dos indivíduos, e considera que o método dialético deve partir dos fenômenos materiais e não das ideias. Isso significa que a crítica científica não deve comparar fatos com conceitos abstratos, mas sim confrontar diferentes fatos que representam momentos distintos do desenvolvimento social. O método de Marx coloca a realidade material como base da consciência, e seu método dialético reflete essa inversão, partindo da análise detalhada dos fenômenos concretos para revelar as leis do desenvolvimento histórico.</p><p>A partir dessa exposição de Marx, muitos tendem a simplificar erroneamente suas ideias, acreditando que ele defendia que as forças produtivas — e, em alguns casos, a propriedade dos meios de produção — determinavam todos os outros aspectos das instituições econômicas e políticas, como leis e regulamentações que moldam a vida social. Consequentemente, sua teoria histórica seria vista como sugerindo que os fundamentos econômicos impulsionam as dinâmicas sociais e políticas, relegando as instituições a um papel secundário, como reflexos das forças produtivas. Em outras palavras, o método de Marx seria entendido como pressupor um determinismo econômico. No entanto, isso não é verdade, como esclarece Engels (1978, p.760):</p><p>“De acordo com a concepção materialista da história, o elemento determinante final na história é a produção e reprodução da vida real. Mais do que isso, <em>nem eu e nem Marx jamais afirmamos</em>. Assim, se alguém distorce isto afirmando que o fator econômico é o único determinante, ele transforma esta proposição em algo abstrato, sem sentido e em uma frase vazia. As condições econômicas são a infra-estrutura, a base, mas vários outros vetores da superestrutura (formas políticas da luta de classes e seus resultados, a saber, constituições estabelecidas pela classe vitoriosa após a batalha, etc., formas jurídicas e mesmo os reflexos destas lutas nas cabeças dos participantes, como teorias políticas, jurídicas ou filosóficas, concepções religiosas e seus posteriores desenvolvimentos em sistemas de dogmas) também exercitam sua influência no curso das lutas históricas e, em muitos casos, preponderam na determinação de sua forma. Há uma interação entre todos estes vetores entre os quais há um sem número de acidentes (isto é, coisas e eventos de conexão tão remota, ou mesmo impossível, de provar que podemos tomá-los como não-existentes ou negligenciá-los em nossa análise), mas que o movimento econômico se assenta finalmente como necessário. Do contrário, a aplicação da teoria a qualquer período da história que seja selecionado seria mais fácil do que uma simples equação de primeiro grau.”</p><p>É importante também esclarecer um equívoco comum em relação ao termo “materialismo” do método materialista dialético de Marx. Muitas vezes, presume-se que seu materialismo se alinha ao materialismo ontológico ou fisicalismo, isto é, à ideia de que “tudo é matéria” ou “tudo é físico”. No entanto, o materialismo de Marx deve ser compreendido mais como uma orientação metodológica para o pesquisador social. Em vez de sugerir uma postura ontológica rígida, Marx propõe que, na ausência de direções claras para a investigação, o pesquisador deve começar pelo que é mais abstrato e, gradualmente, decompor as categorias até alcançar as partes mais concretas da realidade social.</p><p>Adotando essa perspectiva, percebe-se que não há uma definição rígida e rigorosa do modo de produção capitalista. Contudo, ele é caracterizado por relações sociais específicas, como o trabalho assalariado livre, em que a força de trabalho é comprada e vendida, e os meios de produção são tratados como mercadorias. Nesse sistema, o capital, em suas diversas formas, é o principal meio de produção. O capital pode se manifestar como dinheiro ou crédito, usado para adquirir força de trabalho e materiais, como máquinas físicas para a produção, ou ainda como estoques de bens acabados e trabalho em andamento. Independentemente da forma que o capital assume, o que o caracteriza fundamentalmente é a propriedade privada, concentrada nas mãos de uma classe específica, a dos capitalistas, excluindo o restante da população. Essa concentração é o traço distintivo do sistema capitalista (Bottomore, 1996, p. 90–92).</p><p>O ponto relevante dessa exposição é que há muita complexidade e nuance no pensamento de Marx, que não pode ser descartada levianamente. Embora, pessoalmente, eu não acredite que o método dialético — seja em sua versão marxista, seja em sua versão hegeliana — tenha grande utilidade para a análise e compreensão do mundo, há um espírito nessa abordagem que devemos considerar: levar a sério a complexidade dos eventos em investigação. O mundo é um caleidoscópio de fenômenos multifacetados com inúmeras causas, e o marxista, em sua abordagem, enfrenta essa complexidade ao mover-se da abstração em direção ao real.</p><p>Novamente, embora não negue que há valor nessa abordagem, é extremamente fácil perder-se em meio a tanta complexidade. Norteando a pesquisa por meio de fatores determinantes últimos, encontramos limitações, pois além da vagueza inerente a uma proposição como essa, torna-se difícil identificar os desdobramentos lógicos das teorias, uma vez que permite produzir qualquer narrativa infalseável (dentro de certos limites bem amplos), escapando em uma estratagema ad hoc devido ao obscurantismo dialético.</p><p>Há também a necessidade de idealizar e abstrair, como na construção de tipos ideais, mesmo partindo de proposições sabidamente falsas (Spagnesi, 2023). Por exemplo, como demonstra a pesquisa psicológica experimental de Kon e Lombrozo (2018), quando crianças ou adultos tentam explicar novas observações durante o processo de aprendizado, têm mais chances de identificar padrões que sustentam explicações ideais: explicações que são maximamente simples e abrangentes. As autoras apresentaram um estudo em que os participantes foram desafiados a descobrir uma regra que governava a classificação de itens, onde os itens seguiam duas regras não ideais: uma que classificava corretamente 66% dos casos e outra 83%. Foi descoberto no experimento que, quando não há uma regra ideal a ser descoberta (ou seja, nenhuma regra 100%), os participantes incentivados a explicar foram melhores que os do grupo de controle em descobrir a melhor regra disponível (ou seja, a regra de 83%). Isso apoia a ideia de que buscar explicações ideais pode ser benéfico em um mundo não ideal, pois a busca por uma explicação ideal pode facilitar a descoberta de padrões imperfeitos ao longo do caminho.</p><p>Em virtude disso, seguirei o espírito das categorias de Marx, mas não necessariamente sua palavra <em>ipsis literis</em>. Portanto, deixo claro que não pretendo criticar o conceito marxiano de capitalismo em Marx (seja ele qual for), mas abordar uma versão analiticamente tratável (a meu ver) deste, contendo os elementos marxistas que hoje se tornaram senso comum ao tratarmos deste termo em particular. Talvez isso soe frustrante, uma vez que gastei todo esse tempo falando sobre as nuances do marxismo, mas é fácil apontar o que Marx não disse; o contrário, nem tanto. Que esta seção seja como a <a href="https://en.wikipedia.org/wiki/Wittgenstein%27s_ladder">escada de Wittgenstein</a>. Consequentemente, seguirei a definição do modo de produção capitalista usada pelos <a href="https://plato.stanford.edu/entries/marxism-analytical/">marxistas analíticos</a>, pois ela permite (em minha opinião) um interrogatório sistemático de conceitos marxianos básicos e sua reconstrução em uma estrutura teórica mais coerente. Não entrarei no mérito de discutir se esses mesmos são ou não marxistas (para isso, recomendo Lebowitz, 1988); meu objetivo é apresentar uma definição sem precisar mergulhar em meandros exegéticos e dialéticos que apenas produzem ruído. Para tanto, traduzi o seguinte trecho do texto na Stanford Encyclopedia of Philosophy de Gilabert &amp; O’Neill (2024):</p><blockquote>Na definição clássica marxista (G.A. Cohen 2000a: cap. 3; Fraser 2014: 57–9), o capitalismo envolve certas relações de produção. Estas compreendem formas específicas de controle sobre as forças produtivas — o poder de trabalho que os trabalhadores empregam na produção e os meios de produção, como recursos naturais, ferramentas e espaços, que utilizam para gerar bens e serviços — e certos padrões sociais de interação econômica que tipicamente se correlacionam com esse controle. O capitalismo exibe as seguintes características constitutivas:</blockquote><blockquote><strong><em>i.</em></strong> A maior parte dos meios de produção são de propriedade e controle privado.</blockquote><blockquote><strong><em>ii.</em></strong> As pessoas possuem legalmente seu poder de trabalho. (Aqui, o capitalismo difere da escravidão e do feudalismo, sob os quais alguns indivíduos têm direito de controlar, seja total ou parcialmente, o poder de trabalho de outros).</blockquote><blockquote><strong><em>iii.</em></strong> Os mercados são o principal mecanismo de alocação dos insumos e produtos da produção e determinam como o excedente produtivo das sociedades é utilizado, incluindo se e como é consumido ou investido.</blockquote><blockquote>Uma característica adicional que está tipicamente presente sempre que (i)–(iii) se aplicam é que:</blockquote><blockquote><strong><em>iv.</em></strong> Há uma divisão de classes entre capitalistas e trabalhadores, envolvendo relações específicas (por exemplo, de negociação, conflito ou subordinação) entre essas classes, e moldando o mercado de trabalho, a empresa e o processo político mais amplo.</blockquote><blockquote>A existência do trabalho assalariado é frequentemente vista pelos socialistas como uma condição necessária para que uma sociedade seja considerada capitalista (Schweickart 2002 [2011: 23]). Tipicamente, os trabalhadores (diferentemente dos capitalistas) precisam vender seu poder de trabalho para sobreviver. Eles o vendem para os capitalistas, que (diferentemente dos trabalhadores) controlam os meios de produção. Os capitalistas frequentemente subordinam os trabalhadores no processo produtivo, já que possuem poder de decisão assimétrico sobre o que e como será produzido. Além disso, os capitalistas possuem o produto da produção, vendem-no no mercado e controlam a maior parte do fluxo de investimento dentro da economia. A relação entre capitalistas e trabalhadores pode envolver cooperação, mas também relações de conflito (por exemplo, sobre salários e condições de trabalho). Essa relação de poder mais ou menos antagonística entre capitalistas e trabalhadores se manifesta em várias áreas, tanto na produção em si quanto no processo político mais amplo, pois, tanto nos domínios econômico quanto político, são tomadas decisões sobre quem faz o quê e quem recebe o quê.</blockquote><blockquote>Existem sistemas econômicos possíveis que apresentariam exceções, nos quais (iv) não se aplica mesmo que (i), (ii) e (iii) sejam observados. Exemplos aqui são uma sociedade de produtores independentes de mercadorias ou uma democracia de propriedade (na qual indivíduos ou grupos de trabalhadores possuem empresas). No entanto, há um debate sobre quão viáveis — acessíveis e estáveis — são esses sistemas em um ambiente econômico moderno (O’Neill 2012).</blockquote><blockquote>Outra característica que também é tipicamente vista onde (i)–(iii) se aplicam é a seguinte:</blockquote><blockquote><strong><em>v.</em></strong> A produção é orientada principalmente para a acumulação de capital (ou seja, a produção econômica é orientada principalmente para o lucro, em vez de para a satisfação das necessidades humanas) (G.A. Cohen 2000a; Roemer 2017).</blockquote><p>Com esses elementos em mente, podemos finalmente adentrar na crítica proposta lá em cima.</p><h3><strong>O erro em “capitalismo”</strong></h3><p>Apesar de sua relevância histórica, o termo “capitalismo” tornou-se inadequado para o discurso acadêmico contemporâneo, pois está profundamente imerso em ideologia. Para alguns, “capitalismo” é sinônimo de exploração, desigualdade e busca insaciável por lucro (Cohen, 2009); para outros, representa eficiência, qualidade de vida e harmonia (Brennan, 2014). Essa polarização de significados torna o termo impreciso e insuficiente para capturar a complexidade das realidades econômicas modernas.</p><p>As definições de capitalismo são variadas e todas apresentam problemas. Como mencionado anteriormente, alguns afirmam que o capitalismo é definido por relações de produção específicas, incluindo a propriedade privada dos meios de produção, a posse legal do poder de trabalho pelos trabalhadores, e a alocação de insumos e produtos principalmente através dos mercados. Caracteriza-se pela divisão de classes entre capitalistas, que controlam os meios de produção e investimentos, e trabalhadores, que vendem sua força de trabalho para sobreviver. Essa relação muitas vezes envolve conflito e cooperação, sendo que a produção capitalista tende a ser orientada para a acumulação de capital, em vez de atender às necessidades humanas.</p><p>Autores e paradigmas que focam no modo de produção utilizam o termo capitalismo para denotar uma fase histórica, ao invés de um movimento, como o jacobinismo, ou um sistema de ideias, como o milenarismo. O problema, como aponta Bottomore (1996, p. 90–91), é que “como fase da história, suas linhas de demarcação sempre foram controversas; sua origem tem sido fixada em épocas mais remotas ou mais próximas, conforme as teorias sobre seu aparecimento e, particularmente nos últimos anos, sua periodização também tem sido muito discutida”.</p><p>Além disso, existem problemas conceituais relacionados à própria noção de meios de produção privados, independentemente da questão histórica. Brennan (2014, p. 56) ressalta que não é claro se existe uma distinção profunda entre propriedade produtiva e não produtiva. A guitarra de um músico é uma propriedade produtiva usada para ganhar a vida; já a guitarra de alguém que a usa apenas para lazer seria uma propriedade privada não produtiva. Note que a diferença entre propriedade produtiva e não produtiva reside apenas no uso, ou seja, no uso produtivo da propriedade privada, e não no status legal da titularidade.</p><p>Alguém pode argumentar que não se trata desse tipo de propriedade privada produtiva, pois estão pensando em itens como equipamentos agrícolas ou fábricas de arcos ou fornos industriais. Pensam em grandes indústrias e empresários multimilionários. No entanto, essa visão já assume implícitamente uma perspectiva de um sistema típico do século XIX, uma visão industrial vitoriana ou até mesmo fordista, à la <em>Tempos Moderno</em>. Pensa-se no operário de fábrica e em seu dono distante e opressor, mas isso ignora toda a complexidade do regime contratual, institucional, econômico e legal, tanto dentro quanto fora da própria firma.</p><p>Um exemplo esclarecedor sobre a confusão envolvendo a compreensão do termo é fornecido por Ellerman (2024, p. 3). Nos anos 1950, a Briggs Manufacturing produzia carrocerias para a Studebaker-Packard Inc. em sua fábrica na Conner Avenue, em Detroit. Após o falecimento do fundador da Briggs, todas as suas 12 fábricas nos EUA foram vendidas para a Chrysler. Para evitar conflitos de interesse, a fábrica da Conner Avenue foi alugada para a Packard. Assim, embora a Chrysler, proprietária legal da fábrica, ainda detivesse a corporação e o imóvel, a operação e a gestão da fábrica estavam nas mãos da Studebaker-Packard, que assumiu os direitos de operação e os contratos necessários, como aluguel dos ativos físicos e contratação dos trabalhadores. No entanto, a Studebaker-Packard não possuía os “meios de produção”.</p><p>Este exemplo ilustra que a propriedade legal e o controle efetivo sobre o processo de produção podem estar separados. A ideia de que o organizador da produção é sempre quem recebe a renda residual não reflete a realidade em que o controle operacional pode ser delegado a terceiros, mesmo que a renda residual ainda pertença ao proprietário do capital.</p><p>Há também no extremo oposto, aqueles (geralmente do lado apologista do sistema) que enfatizam instituições econômicas específicas como definidoras do sistema, caracterizando meramente como um sistema de trocas voluntárias. Ou até mesmo o “livre mercado” como um princípio central da definição de capitalismo, como se encontra em <em>Capitalism and Freedom</em> de Milton Friedman (1962) e da concepção de Ayn Rand (1967) em <em>Capitalism: The Unknown Ideal</em>. O problema dessas definições é que esvaziam por completo o termo, uma vez que o torna tão amplo que pode ser aplicado a quase qualquer economia, desde uma tribo de escambo até uma ditadura que permite algum comércio livre. Ao simplificar demais, perdemos a capacidade de distinguir o capitalismo de outros sistemas econômicos.</p><p>Note-se que o termo capitalismo é fortemente influenciado pelas ideias universais do século XIX. Portanto, seja para criticar, como fazem os marxistas e outros, seja para sintetizar processos, como fazem muitos sociólogos do século XIX, o termo acaba tentando explicar mudanças sociais, econômicas e políticas, como as ocorridas na Inglaterra pós-revolução industrial, na Europa como um todo, no Japão e em outros países. Isso resulta em um termo que abrange muita informação, mas ignora as especificidades e permanências históricas, na tentativa de universalizar processos sui generis. O “capitalismo” no Japão difere significativamente do “capitalismo” inglês, europeu e suas vertentes latinas. Assim, o termo torna-se pouco prático, dado que mercadorias e os processos de circulação, as mudanças sociais, entre outros desdobramentos, são complexos.</p><p>Devemos considerar nossos objetivos ao utilizar o termo capitalismo, que visa explicar a sociedade em um dado período histórico, marcado pela implementação de relações de produção, trocas, compra e venda de mercadorias, além de outros elementos, como uma sociedade que não é mais politicamente baseada em sangue, mas que dissemina a propriedade privada e as relações de produção específicas, com a exploração do trabalho assalariado dotado de direitos e liberdades, levando a uma comercialização da sociedade que permite ascensão social. No entanto, devido a essa generalidade, perde-se a complexidade dos mesmos processos e elementos que se desejava destacar. Um termo tão genérico, que foca exclusivamente em aspectos econômicos, como o comércio, como vetor da diversificação das relações sociais, negligencia as alterações sociais e permanências históricas locais, em conjunto com as mudanças nas cosmovisões e valores, que, por sua vez, têm desdobramentos em realidades sociais e político-institucionais extremamente diferentes. Para compreender os processos, relações e períodos associados ao termo capitalismo, parafraseando Scott (2011, p. 27), é necessária uma abordagem analítica mais holística, que incorpore perspectivas da ciência política, sociologia e direito, além de economia.</p><p>Ao considerar essas definições, como argumenta Acemoglu (2017, p. 1–2), percebe-se que são inconsistentes e frequentemente desviam nossa atenção dos verdadeiros problemas econômicos. Por exemplo, ao insistir na propriedade privada como critério definidor, colocamos países tão distintos quanto o Egito sob Mubarak e a Suécia social-democrata sob o mesmo rótulo de “capitalistas”. Essa simplificação obscurece as diferenças cruciais em suas instituições e práticas econômicas, universalizando características específicas de períodos e locais, extrapolando além do que é analiticamente útil.</p><p>Para ilustrar essa “inutilidade”, podemos voltar a caracterização em Marx que é um desdobramento de sua teoria da história. Mas a peça central dessa teoria, o materialismo histórico, repousava em como os aspectos materiais da vida econômica, as forças de produção moldam (em última instância) todos os outros aspectos da vida social, econômica e política, incluindo as relações de produção. Por exemplo, diz Marx em <em>Miséria da Filosofia</em> (Marx, 2017, p. 102) “o moinho movido pelo braço humano nos dá a sociedade com o suserano; o moinho a vapor dá-nos a sociedade com o capitalista industrial”. Como pontuado por Acemoglu (2015, p. 5) aqui “o moinho manual representa as forças de produção, enquanto o feudalismo representa as relações de produção, bem como um conjunto específico de arranjos sociais e políticos. Quando as forças de produção (tecnologia) mudaram, isso desestabiliza as relações de produção e levava a contradições e mudanças sociais e institucionais que eram frequentemente revolucionárias por natureza.” Assim, o capitalismo seria o sistema moldado pelas novas forças de produção geradas por forças revolucionárias burguesas, sucedendo o feudalismo.</p><p>Entretanto, como demonstra Ellerman (2024, p. 1–2), o termo “capitalismo” baseia-se em uma analogia com o feudalismo, onde a posse da terra dava ao senhor feudal controle sobre os trabalhadores e os frutos de seu trabalho. Marx substituiu a terra pelo capital, criando a ideia de que o “capitalismo” é um sistema onde a <em>posse do capital</em> confere ao proprietário o <em>direito</em> de comandar a produção e reter os lucros. Contudo, essa visão apresenta dois problemas: o primeiro é aquele que já comentamos sobre ignorar as especificidades e permanências históricas, e o outro é que tal analogia se baseia no que Ellerman (2024) chama de o <strong>mito fundamental</strong>: o de que os direitos de gestão e os direitos sobre os produtos estão intrinsecamente ligados à propriedade do capital.</p><p>Vamos abordar o primeiro problema: a narrativa histórica marxista nos prende em uma grande narrativa, em que embora os participantes do jogo sejam diferentes, as forças motrizes e os incentivos conduzem <em>em média</em> a padrões observáveis específicos iguais. Por mais que possamos complexificar essa narrativa, ela não deixa de ser isso, uma narrativa. E como tal, ela nos força a olhar agentes específicos e a categorias e conceitos específicos. No caso, as forças de produção e as diversas classes e suas relações de produção emergentes do modo de produção. Diz Marx (1865): ‘A propriedade greco-romana tinha sido substituída pela propriedade feudal, esta pela propriedade burguesa.” Entretanto, essa perspectiva histórica é questionável uma vez que a literatura historiográfica questiona o conceito e existência de feudalismo, o que faz essa transição universal de aspectos feudais para capitalistas quando não plenamente errado, pouco útil.</p><p>As perspectivas sobre feudalismo são diversas, uma vez que vários historiadores vão estudar vários aspectos e recortes diferentes sobre o feudalismo, entretanto a visão geral historiográfica nos provê um entendimento muito mais nuançado que as narrativas deixam a entender. O historiador Guerreau (1980), por exemplo, vai apontar que o feudalismo só existiu no século X como um ordenamento jurídico especial em áreas específicas da França. Já se pegarmos o historiador Ganshof, que vai analisar todos os aspectos das relações de soberania e vassalagem vai colocar o feudalismo como uma continuidade de relações que aconteciam durante as invasões bárbaras e que vão constituindo em algo maior lá por volta do século X até o século XIII, então teremos numa área específicas dentro do sacro império romano germnico que teremos relações de defesa da monarquia por parte de certos nobres que deverão compor esse sistema nobiliárquico visando proteger o território. Duby (1980) explica como a sociedade estamental medieval vai se construir, sendo o feudalismo parte desse processo aqui gerando uma relação entre proteção do território com a questão econômica , pois a proteção só surge decorrente do ganho do mesmo, que faz parte de um ambiente cultural, político, institucional, entre outras coisas.</p><p>Todavia podemos salvaguardar parte da cosmovisão marxiana pela análise de autores como o medievalista de annales Jacques Le Goff (2008) que argumenta que aspectos feudais vão colocar encontrar muito do seu bojo principalmente por uma mistura de relações agrárias, poder e essas relações entre nobres e a monarquia, então vai falar, por exemplo, que encontra-se aspectos feudais antes da revolução russa lá no império russo. Entretanto temos também autores como Marc Bloch (1987) ao analisar a sociedade feudal vai tratar dos aspectos mais jurídicos como também conectando com o concreto do sol, da defesa de um tipo de modelo econômico que garanta a sobrevivência de determinada monarquia europeia, mas colocar essas características num sentido mais universal como se feudalismo fosse uma características que se pudesse encontrar feudalismo em qualquer lugar onde você consegue ter uma grande dimensão do rural e associações nobiliárquicas, por isso alguns comentam de coisas como japão feudal.Isso ilustra a diversidade das interpretações do que seria esse feudalismo.</p><p>Entretanto, a perspectiva mais frutífera na literatura é a de Ganshof, que caracteriza o feudalismo por seus aspectos relacionais, particularmente nas relações econômicas e nas interações entre a monarquia e os nobres. A ruptura entre o modelo da Antiguidade e a sociedade medieval é menos acentuada do que se poderia imaginar, exceto nas relações específicas daquele contexto. Isso nos leva a concluir que o feudalismo existiu de fato na França entre os séculos X e XIII, caracterizado por aspectos jurídicos relacionais entre os nobres e a monarquia.</p><p>Consequentemente, a visão clássica da transição do feudalismo para o capitalismo não só se torna ambígua diante dos problemas conceituais do feudalismo, como também se complica quando examinamos o papel da acumulação primitiva de capital e dos cercamentos como fatores fundamentais para a Revolução Industrial, com suas mudanças econômicas radicais e profundas consequências sociais. Hudson (1992, p. 70) afirma: “Marx viu os cercamentos e o crescimento da agricultura capitalista expulsando os trabalhadores desempregados da terra e impulsionando os recém-proletarizados para a dependência salarial industrial ou para o pauperismo.”</p><p>Contudo, pesquisas recentes demonstram que os cercamentos parlamentares do século XVIII, embora tenham aumentado a desigualdade, tiveram impacto limitado na produtividade agrícola, com ganhos concentrados em regiões específicas como o noroeste da Inglaterra, onde o rendimento do trigo aumentou 45% (Heldring et al. 2022; Pereira, 2024, p. 24). Além disso, a dissolução dos monastérios por Henrique VIII e os cercamentos alteraram o mercado de terras, mas seu efeito na produtividade foi menor do que a posterior adoção de máquinas a vapor e carvão após 1760 (Bouscasse et al., 2024, p. 18). Esses achados questionam a narrativa marxista sobre a centralidade dos cercamentos na industrialização, revelando um processo mais complexo.</p><p>Marx considerou as revoluções burguesas e seus desdobramentos como marcos fundamentais que permitiram a transição do feudalismo para o capitalismo, facilitando a ascensão da burguesia ao estabelecer direitos que consolidaram a propriedade privada e o poder econômico. Segundo Marx, a Revolução Industrial, com a transição da manufatura para a grande indústria, foi crucial para o desenvolvimento do capitalismo moderno. Essa transição, porém, foi violenta, com a burguesia utilizando os cercamentos e o regime de propriedade privada para conduzir transformações econômicas, resultando em ganhos de produtividade. As terras outrora comuns tornaram-se locais de reunião de artesãos sob a direção do capitalista (Marx, 2015, capítulos 12–13 e capítulo 24). No entanto, essa interpretação tradicional tem sido amplamente questionada.</p><p>No entanto, a ideia de que a Revolução Gloriosa de 1688 foi decisiva para o desenvolvimento capitalista tem sido contestada por evidências empíricas robustas (Allen, 2009, p. 4–5). Estudos mostram que o crescimento da produtividade começou por volta de 1600 — quase um século antes da Revolução Gloriosa — com taxas sustentadas de 2% por década entre 1600–1800 (Bouscasse et al., 2024, p. 17–19). Pesquisas sobre bancos e taxas de juros não detectam rupturas estruturais significativas após 1688, indicando que o ambiente de investimento não se transformou substancialmente no período (Allen, 2009, p. 5). Além disso, como destacado por Pereira (2024, p. 17–18), os direitos de propriedade eram igualmente seguros na França e possivelmente na China, questionando a suposta vantagem institucional inglesa. De fato, alguns argumentam que a segurança excessiva da propriedade na França impediu a realização de projetos lucrativos, como a irrigação na Provença, que só foram implementados após a Revolução Francesa centralizar o poder no governo nacional.</p><p>Desde a década de 1920, historiadores como John H. Clapham (1926) argumentaram que as transformações industriais foram mais graduais e localizadas do que se pensava. Esse questionamento foi aprofundado por economistas como Nicholas Crafts (1989), que revisaram indicadores macroeconômicos e concluíram que o crescimento econômico britânico durante a Revolução Industrial foi muito menor do que o sugerido pela narrativa clássica. Entre 1600–1800, os salários reais permaneceram estagnados — fenômeno conhecido como “Pausa de Engels” — não por falhas institucionais, mas devido ao rápido crescimento populacional em um contexto malthusiano (Bouscasse et al., 2024, p. 15–16). De acordo com Crafts, o crescimento foi concentrado em poucas indústrias, como a têxtil e a de ferro, e o crescimento global da produtividade foi bastante limitado. Ademais, a agricultura britânica, conforme evidenciado por Crafts e Jackson (1985), foi incapaz de acompanhar o crescimento populacional, reforçando visões pessimistas como as de Malthus e Ricardo. A Revolução Agrícola, como demonstra Pereira (2024, p. 22–23), foi um processo incremental, com ganhos de produtividade concentrados após 1760 e vinculados à mecanização, não aos cercamentos. Em outras palavras, a agricultura britânica era menos dinâmica do que se imaginava, sendo, na verdade, conservadora e um obstáculo ao progresso econômico.</p><p>Outro aspecto central na discussão é o papel dos cercamentos <em>(enclosures)</em>. Tradicionalmente vistos como essenciais para os ganhos de eficiência na agricultura e, por extensão, para a transição ao capitalismo, os cercamentos foram reinterpretados como um processo menos decisivo do que se pensava. Isso questiona a centralidade desse fenômeno na transição do feudalismo para o capitalismo. Os cercamentos, que transformaram terras comunais em propriedades privadas, ocorreram gradualmente ao longo de séculos, começando no período medieval e se intensificando a partir do século XVII. A evolução dos cercamentos mostra que, por volta de 1700, 70% das terras inglesas já estavam cercadas ou nunca haviam sido campos abertos e comunais (Pereira, 2024, p. 23). Ou seja, os cercamentos ocorreram desde a época medieval e foram importantes antes da Revolução Industrial. Como destacam Bouscasse et al. (2024, p. 18), a redução da importância da terra na produção após 1760 — com a adoção de máquinas a vapor e carvão — superou em muito os ganhos marginais trazidos pelos cercamentos.</p><p>Entretanto, os cercamentos parlamentares foram mais importantes após 1750, no entanto, como mostra Hodgson (1992, p.73–75) a natureza específica do cercamento parlamentar e seu momento histórico exigem uma avaliação cuidadosa de seu impacto. Após 1750, quase todas as áreas aráveis de campos abertos restantes foram cercadas, resultando na abolição das regras e regulamentações comunitárias que governavam as práticas agrícolas, em favor da gestão individualizada por fazendeiros ou proprietários. Os direitos de propriedade foram formalizados pelo parlamento, levando ao declínio dramático das terras e dos usos comuns.</p><p>Estudos recentes confirmam que, embora tenham aumentado a desigualdade, os cercamentos parlamentares elevaram o rendimento do trigo em 45% em algumas regiões (Heldring et al., 2022; Pereira, 2024, p. 25). A perda de terras comuns também eliminou diversas atividades agrícolas que eram importantes fontes de renda familiar, particularmente para mulheres e jovens, criando assim uma força de trabalho subempregada que foi absorvida pela nascente indústria. Nesse contexto, como argumentam Bouscasse et al. (2024, p. 39–42), a força populacional malthusiana permaneceu fraca (com meia-vida de mais de 100 anos para choques demográficos), permitindo longos períodos de crescimento antes da industrialização. Por essas razões, o cercamento parlamentar voltou a ser considerado um fator relevante no processo de industrialização, então parte da análise marxiana pode ser aproveitada quando propriamente contextualizada.</p><p>Com isso em mente, é importante observar que os dados sobre cercamentos e crescimento da produção desafiam duas interpretações tradicionais: a de que os cercamentos foram pré-requisitos para os ganhos de eficiência e produtividade da agricultura inglesa e a hipótese de que o sistema comunal, como um bem comum — ou seja, um bem rival e não-excluível — gerava incentivos para o uso não eficiente e predatório. Portanto, em vez de serem vistos como fatores determinantes e violentos de transformação, os cercamentos e a tal <em>acumulação primitiva</em> de capital devem ser reinterpretados como parte de um processo mais gradual e multifacetado, que envolveu diversas dinâmicas econômicas e sociais. Como demonstram Pereira (2024, p. 45) e Bouscasse et al. (2024), a transição foi marcada por uma mudança estrutural — a queda da importância da terra na produção — mais do que por ganhos abruptos de produtividade. As evidências indicam que, embora importantes, esses fatores não explicam sozinhos a complexa transição que culminou na Revolução Industrial.</p><p>Agora, olhemos para o segundo problema, ou o <strong>mito fundamental</strong> que baseia a análise histórica marxiana, mesmo se concedermos que Marx acertou nos fatos — espero ter mostrado decisivamente que não foi exatamente o caso — mesmo assim sua categorização do <em>modo de produção capitalista</em> ainda sim está errado, pois sua analogia está infundada. Diz Marx (2015, p. 506):</p><p>“O capitalista não é capitalista por ser diretor da indústria; ao contrário, ele se torna chefe da indústria por ser capitalista. O comando supremo na indústria torna-se atributo do capital do mesmo modo como, no feudalismo, o comando supremo na guerra e no tribunal era atributo da propriedade fundiária.”</p><p>Esse mito, amplamente aceito tanto por defensores quanto por críticos do capitalismo, é na verdade uma simplificação incorreta da realidade. Em um mercado onde o capital pode ser alugado, o controle sobre o processo produtivo e os direitos sobre os produtos não pertencem necessariamente ao proprietário do capital, mas a quem aluga e gerencia esses recursos. Isso revela que a verdadeira fonte de autoridade na produção não é a posse do capital em si, mas sim os contratos que definem essas relações.</p><p>David Ellerman oferece uma distinção crucial entre os termos “corporação” e “firma”, que muitas vezes são usados de forma intercambiável, mas possuem significados diferentes. A corporação se refere à estrutura legal, a entidade jurídica criada por leis que permite à empresa existir, contratar funcionários e conduzir negócios. É o “corpo” legal que pode ter donos, mas não é a organização em si. Já a firma é o grupo de pessoas que realmente gerencia e opera o negócio no dia a dia. São os trabalhadores e gestores que realizam o trabalho dentro da corporação, efetivamente exercendo o controle e tomando as decisões operacionais.</p><p>Como o próprio Ellerman (2024, p. 2–3) mesmo coloca:</p><blockquote>Quando o “capital” em questão é a propriedade de uma corporação (em vez da propriedade direta de ativos de capital, como edifícios e máquinas), então a determinação de mercado do detentor desses direitos de gestão e produto leva a uma distinção cuidadosa entre a própria corporação e o que tem sido chamado de “firma”. A firma nessa distinção é tipicamente uma corporação mais seu conjunto de contratos de mercado (quem contrata ou aluga o quê ou quem). Essa distinção é importante porque:</blockquote><blockquote>• a corporação é uma criatura de <em>propriedade</em> — então ela tem donos, mas,</blockquote><blockquote>• a firma é uma criatura de <em>contrato</em> — e o comportamento contratual das contrapartes de mercado da corporação não é possuído.</blockquote><p>Para ilustrar essa diferença, imagine que você possui uma loja de brigadeiros. Você faz os brigadeiros, contrata pessoas para ajudar, aluga uma cozinha, compra os ingredientes e vende essas delícias. A loja é sua, certo? Agora, suponha que você decide alugar a cozinha para outra pessoa, mas continua sendo o dono da loja. Quem terá o direito de mandar na cozinha e decidir o que sai de lá? O novo inquilino, claro. Mesmo que você ainda seja o dono da loja, é ele quem comanda a cozinha enquanto durar o aluguel. Se trocarmos a cozinha por “capital” e a loja por uma “empresa”, a ideia de Ellerman é que, mesmo sendo dono do capital (a loja), você não manda em tudo o que acontece na empresa (a cozinha) só por ter esse título. Quem realmente comanda é quem está “alugando” ou gerenciando a operação naquele momento. Portanto, o termo “capitalismo” é enganoso porque sugere que quem tem o capital controla tudo, quando, na verdade, quem está no comando de verdade é quem faz os contratos e gerencia o dia a dia.</p><p>Mesmo quando olhamos para a governança corporativa, a distinção de Ellerman (2024, p. 4–6) é relevante, pois quando se diferencia a corporação convencional, cujos direitos de propriedade pertencem aos acionistas, da firma determinada contratualmente — normalmente uma corporação mais o padrão contratual de contratação de insumos, realização da produção e venda dos produtos — fica claro que a corporação em si é propriedade, mas as relações contratuais extras que transformam a corporação em uma firma operacional não são.</p><p>No entanto, o mito central de Marx, aplicado à corporação, atribui todos os lucros futuros das relações contratuais futuras presumidas à corporação, como se fossem parte dos direitos de propriedade. Mas os lucros futuros descontados dessas relações contratuais presumidas, ou seja, o goodwill, não é um ativo que pode ser considerado como propriedade no balanço patrimonial da corporação.</p><p>Mesmo o “goodwill adquirido”, ou seja, a compra de ativos de capital por um valor acima de seu valor contábil, na expectativa de lucros futuros, é listado como um ativo no balanço patrimonial — como se a compra de lucros futuros, que não pertencem ao vendedor, pudesse transformá-los em um ativo do comprador. Isso lembra a velha piada do caipira que vai a Nova York e compra a Ponte do Brooklyn, presumivelmente listando-a como um ativo em seu balanço. Mas há alguns teóricos da contabilidade mais críticos que apontam que “comprar” algo que não é de propriedade do “vendedor” não o transforma em um ativo do comprador. O valor atribuído ao “goodwill adquirido” representa um desembolso de recursos existentes, ou da emissão de ações para realizar a combinação de negócios, na expectativa de lucros futuros. Esse gasto deve ser registrado como uma redução do patrimônio líquido dos acionistas. O débito no patrimônio líquido seria então compensado se e quando as relações contratuais futuras projetadas e os lucros resultantes que a empresa “espera obter” forem realmente realizados e registrados no patrimônio.</p><p>Em suma, espero que tenha ficado evidente que o termo “capitalismo” distorce a realidade ao sugerir que a posse do capital é o fator determinante no controle das operações econômicas, quando, na verdade, esse controle é uma questão de acordos contratuais. A perpetuação desse mito não apenas confunde nossa compreensão do sistema econômico, mas também reforça uma visão equivocada sobre o papel do capital na sociedade. É necessário, portanto, repensar o uso do termo “capitalismo” e adotar uma linguagem que reflita com mais precisão as dinâmicas reais do mercado.</p><p>Apesar de criticar a universalização do termo “capitalismo”, alguém pode argumentar que o presente texto também acaba cometendo generalizações, como ao afirmar que o termo é “inadequado” para o discurso acadêmico contemporâneo. Pois essa afirmação, por exemplo, ignora a diversidade de usos e interpretações do termo em diferentes contextos acadêmicos. No entanto, devo reiterar que não estou aqui para redefinir o conceito ou para ajustar seus atributos de acordo com o que considero relevante. Meu objetivo é apenas oferecer uma reflexão lógica baseada nas características geralmente associadas ao sistema capitalista. Mesmo que, ao final, você conclua que o termo “capitalismo” não é o mais adequado, isso não impede que continuemos a usá-lo. O importante é estar consciente do contexto e do “jogo de linguagem” em que o termo é empregado.</p><p>Segundo, o fato de um termo ser amplamente utilizado não é, por si só, evidência de sua adequação. A persistência do uso pode refletir uma inércia acadêmica ou a falta de terminologias alternativas que capturem com mais precisão as realidades econômicas atuais. Além disso, o foco da crítica são as falhas presente na perspectiva economicista vagamente marxista, que carrega consigo concepções históricas ultrapassadas e se baseia em simplificações de relações contratuais mais complexas. Ademais, esse foco econômico faz com que o “capitalismo” seja apartado da dinâmica política, o que é um erro uma vez que há características políticas que constringem institucionalmente as mesmas relações mercantis que o termo busca elucidar, assim tirar de foco esse aspecto político-social maior é limitador para as próprias dinâmicas que se almeja entender.</p><p>Certamente podemos seguir uma defesa à la Makowski &amp; Ostroy (2001, p. 479) que dizem “qualquer coisa que tenha sido tão importante e tenha sobrevivido por tanto tempo é valiosa demais para ser deixada de lado.” E de fato existem aqueles que operacionalizam o termo de maneiras diferentes para contextos específicos, por exemplo de Bruce Scott redefinindo capitalismo como “um sistema indireto de governança para relações econômicas” (Scott, 2011, p. 27). A isso não tenho problema algum, desde que o indivíduo saiba bem o que está usando e como está usando, então tão pouco tem o que reclamar. Mas não é disso que comentei e o uso do termo capitalismo como é usado nos contextos especificados no texto não deixam de ser inadequados.</p><p>Colocando em outras palavras, digamos que queríamos nos referenciar ao presente sistema político econômico e social, digamos que acreditamos que existam elementos, processos e relações que são invariantes ao local e tempo dados certas condicionalidades, ou seja, faz sentido então, como em toda pesquisa científica, produzir modelos idealizados. (Reutlinger et al., 2018) Assim, abstrair do ruído da realidade multifacetada para focar nos mecanismos causais que julgamos ser relevantes para um dado estudo, sendo relevante essa idealização mesmo que não exista um correspondente exato na realidade, produzindo apenas um tipo ideal. (Potochnik, 2020; Spagnesi, 2023)</p><p>Tendo em vista disso não há problema em referenciar esse sistema político, econômico e social com as dadas características explicativas com um termo para simplificar a comunicação, e.g. “capitalismo”, ou seja, o termo serve como uma descrição definida à la <a href="https://plato.stanford.edu/entries/descriptions/#RusTheDes">Russell</a> (1905). Meu problema é justamente nessas mesmas descrições definidas que usualmente atribuímos quando academicamente se fala em “capitalismo”. Espero ter mostrado que elas carregam interpretações e concepções errôneas sobre os mecanismos e processos causais relevantes quando visa referenciar aquele que almeja, por isso digo que é um erro.</p><p>O verdadeiro foco deveria estar nas instituições econômicas e políticas que moldam as sociedades assim como as relações sociais e as interações entre elas. Devemos ter uma visão holística, contemplando inúmeras abordagens e visões, atentos tanto às permanências quanto às rupturas. Muitas vezes, países com sistemas políticos e econômicos diferentes compartilham características similares de instituições extrativas que favorecem uma elite em detrimento do restante da sociedade. Assim, o capitalismo mexicano pode ter mais em comum com o comunismo da Coreia do Norte do que com a Suíça. Portanto, em vez de continuar utilizando o termo “capitalismo”, é mais útil concentrar-se nas instituições políticas e econômicas que realmente definem o sucesso ou fracasso de uma sociedade.</p><h3><strong>Conclusão</strong></h3><p>Em conclusão, o termo “capitalismo” apresenta uma série de desafios conceituais que o tornam inadequado para capturar a complexidade das realidades econômicas modernas. Sua definição é permeada por ideologias conflitantes e historicamente enraizadas, o que contribui para uma polarização que limita sua utilidade analítica. Ao tentar universalizar processos específicos de determinados períodos e locais, o termo frequentemente obscurece as nuances e especificidades das diferentes formas de organização econômica ao longo da história. Assim, para compreender as relações econômicas e sociais associadas ao que chamamos de “capitalismo”, é fundamental adotar uma abordagem analítica mais holística e interdisciplinar, que vá além dos rótulos e incorpore múltiplas perspectivas, incluindo ciência política, sociologia e direito. Isso permite uma análise mais precisa e útil das diversas realidades econômicas ao redor do mundo.</p><h3><strong>Referências</strong></h3><p>ACEMOGLU, Daron. Capitalism. In: FREY, B. S.; ISELIN, D. (Eds.). Economic Ideas You Should Forget. [s.l.] <em>Springer International Publishing, </em>2017. p. 1–3.</p><p>ACEMOGLU, Daron; ROBINSON, James A. The rise and decline of general laws of capitalism. Journal of economic perspectives, v. 29, n. 1, p. 3–28, 2015.</p><p>ALLEN, Robert C. <em>The British industrial revolution in global perspective</em>. Cambridge University Press, 2009.</p><p>BALL, Sidney. The moral aspects of socialism. <em>International Journal of Ethics</em>, v. 6, n. 3, p. 290–322, 1896.</p><p>BEER, Max. <em>História do socialismo e das lutas sociais</em>. Expressão Popular, 2007.</p><p>BERG, Maxine; HUDSON, Pat. Rehabilitating the industrial revolution 1. <em>The Economic History Review</em>, v. 45, n. 1, p. 24–50, 1992.</p><p>BLOCH, Marc; BENJAMINZ, Leopold. <em>A Sociedade Feuda</em>l. 2. ed. Lisboa: Edições 70, 1987.</p><p>BOTTOMORE, Tom. <em>Dicionário do pensamento marxista</em>. Editora Schwarcz-Companhia das Letras, 1988.</p><p>BOUSCASSE, Paul; NAKAMURA, Emi; STEINSSON, Jón. When did growth begin? New estimates of productivity growth in England from 1250 to 1870. <em>The Quarterly Journal of Economics</em>, p. qjae046, 2024.</p><p>BRENNAN, Jason. <em>Why not capitalism?</em>. Routledge, 2014.</p><p>CARCANHOLO, Reinaldo. <em>Capital: essência e aparência </em>v1. São Paulo: Expressão Popular, 2011.</p><p>CLAPHAM, John Harold. <em>An economic history of modern Britain</em>. The University Press, 1926.</p><p>COHEN, Gerry A. <em>Why Not Socialism?</em>. Princeton: Princeton University Press, 2009.</p><p>CRAFTS, Nicholas. The industrial revolution: economic growth in Britain, 1700–1860. N<em>ew directions in economic and social history</em>, p. 64–75, 1989</p><p>DUBY, Georges. <em>The three orders: feudal society imagined</em>. University of Chicago Press, 1980.</p><p>ELLERMAN, David. Is “capitalism” a misnomer?: on Marx’s “capitalism” and knight’s “civilization”. The European Journal of the History of Economic Thought, p. 1–13, 2024.</p><p>ENGELS, Friedrich. Carta a Eduard Bernstein. In: MARX, Karl; ENGELS, Friedrich. Werke: Band 35. Berlin: Dietz Verlag, p. 386–390, 1967.</p><p>ENGELS, F. Letters on Historical Materialism. To Joseph Bloch. [1890]. pp. 760–765. in TUCKER, Robert C. (org.) <em>The Marx-Engels reader. 2</em>. ed. New York: W. W. Norton &amp; Company, 1978.</p><p>FRIEDMAN, Milton. <em>Capitalism and Freedom</em>. Chicago: University of Chicago Press,1962.</p><p>GANSHOF, F. L. As relações entre a vassalidade e o feudo. In: <em>Que é o Feudalismo?</em>, p. 198–222.</p><p>GILABERT, Pablo; O’NEILL, Martin. “Socialism”, The Stanford Encyclopedia of Philosophy (Fall 2024 Edition), Edward N. Zalta &amp; Uri Nodelman (eds.), forthcoming URL = &lt;<a href="https://plato.stanford.edu/entries/socialism/">https://plato.stanford.edu/entries/socialism/</a>&gt;.</p><p>GRESPAN, Jorge Luis. <em>O negativo do capital: o conceito de crise na crítica de Marx à economia política</em>. São Paulo: Expressão popular. 2012.</p><p>GUERREAU, Alain. O Feudalismo no século XX. In: <em>O Feudalismo. Um horizonte teórico</em>, p. 89–129, 1980.</p><p>HELDRING, Leander; ROBINSON, James A.; VOLLMER, Sebastian. The economic effects of the English Parliamentary enclosures. <em>National Bureau of Economic Research,</em> 2022.</p><p>HOBSBAWM, Eric. <em>A era do capital: 1848–1875.</em> Editora Paz e Terra, 2015.</p><p>HUDSON, Pat. <em>The Industrial Revolution.</em> London: Edward Arnold, 1992.</p><p>JACKSON, Robert Vincent. Growth and deceleration in English agriculture, 1660–1790. <em>Economic History Review</em>, p. 333–351, 1985.</p><p>KOCKA, Jürgen; VAN DER LINDEN, Marcel (Ed.). <em>Capitalism: The reemergence of a historical concept.</em> Bloomsbury Publishing, 2016.</p><p>KON, Elizabeth; LOMBROZO, Tania. Seeking ideal explanations in a non-ideal world. In: <em>Proceedings of the Annual Meeting of the Cognitive Science Society</em>. 2018.</p><p>LEBOWITZ, Michael A. Is” Analytical Marxism” Marxism?. <em>Science &amp; Society</em>, p. 191–214, 1988.</p><p>LE GOFF, Jacques. <em>Uma longa idade média</em>. Rio de Janeiro: Civilização Brasileira, 2008.</p><p>MAKOWSKI, Louis; OSTROY, Joseph M. Perfect Competition and the Creativity of the Market. <em>Journal of economic literature</em>, v. 39, n. 2, p. 479–535, 2001.</p><p>MANTOUX, Paul. <em>The industrial revolution in the eighteenth century: An outline of the beginnings of the modern factory system in England</em>. Routledge, 2013.</p><p>MARX, Karl. Carta a J. B. Von Schweitzer. <em>Sozial-Demokrat</em>, Londres, 24 jan. 1865.</p><p>MARX, Karl. Entwürfe einer Antwort auf den Brief von V. I. Sassulitsch. In <em>Werke</em>, edited by Karl Marx and Friedrich Engels, Band 19, 384–406. Berlin: Dietz Verlag, 1962.</p><p>MARX, Karl. <em>O Capital-Livro 1: Crítica da economia política. Livro 1: O processo de produção do capital.</em> Boitempo Editorial, 2015.</p><p>MARX, Karl. <em>Crítica do programa de Gotha</em>. Boitempo Editorial, 2015.</p><p>MARX, Karl. <em>Miséria da filosofia</em>. Boitempo Editorial, 2017.</p><p>MARX, Karl. <em>Para a crítica da economia política</em>. Boitempo Editorial, 2024.</p><p>MARX, Karl; ENGELS, Friedrich. <em>A Ideologia Alemã: crítica da mais recente filosofia alemã em seus representantes, Feuerbach, Bruno Bauer e Stirner, e do socialismo alemão em seus diferentes profetas</em>. Boitempo Editorial, 2007.</p><p>MARX, Karl; ENGELS, Friedrich; LÊNIN, Vladímir I. <em>Manifesto Comunista/Teses de abril</em>. Boitempo Editorial, 2017.</p><p>MERRILL, Michael. How capitalism got its name. <em>Dissent</em>, v. 61, n. 4, p. 87–92, 2014.</p><p>MERQUIOR, José Guilherme. <em>O liberalismo — antigo e moderno</em>. É Realizações Editora Livraria e Distribuidora LTDA, 2016.</p><p>PEREIRA, Thales Zamberlan. O debate sobre as causas da Revolução Industrial. <em>História Econômica &amp; História de Empresas</em>, v. 27, n. 1, p. 7–56, 2024.</p><p>POTOCHNIK, Angela. Idealization and many aims. <em>Philosophy of science</em>, v. 87, n. 5, p. 933–943, 2020.</p><p>RAND, Ayn. <em>Capitalism: The unknown ideal</em>. Penguin, 1986.</p><p>REUTLINGER, Alexander; HANGLEITER, Dominik; HARTMANN, Stephan. Understanding (with) toy models. <em>The British Journal for the Philosophy of Science</em>, 2018.</p><p>ROSANVALLON, Pierre. <em>Notre histoire intellectuelle et politique 1968–2018</em>. Paris: Seuil, 2018. p. 340–349.</p><p>RUSSELL, Bertrand. On denoting. <em>Mind</em>, v. 14, n. 56, p. 479–493, 1905.</p><p>SAYERS, Sean. Marxism And The Dialectical Method: A critique of GA Cohen. In: <em>Socialism, Feminism and Philosophy. Routledge</em>, 2013. p. 140–169</p><p>SCOTT, Bruce R. <em>Capitalism: its origins and evolution as a system of governance</em>. Springer Science &amp; Business Media, 2011.</p><p>SILBERNER, Edmond et al. <em>Le mot capitalisme</em>. Annales d’histoire sociale (1939–1941), v. 2, n. 2, p. 133–134, 1940.</p><p>SILVA, Ricardo. O contextualismo linguístico na história do pensamento político: Quentin Skinner e o debate metodológico contemporâneo. <em>Dados</em>, v. 53, p. 299–335, 2010.</p><p>SONENSCHER, Michael. <em>Capitalism: The story behind the word</em>. Princeton University Press, 2024.</p><p>SPAGNESI, Lorenzo. Regulative idealization: A Kantian approach to idealized models. <em>Studies in History and Philosophy of Science</em>, v. 99, p. 1–9, 2023.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=74c0366c295f" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Viés de colisão]]></title>
            <link>https://gabrielfferraz.medium.com/vi%C3%A9s-de-colis%C3%A3o-37456e8f8ef8?source=rss-7ae1a207060f------2</link>
            <guid isPermaLink="false">https://medium.com/p/37456e8f8ef8</guid>
            <category><![CDATA[causal-inference]]></category>
            <category><![CDATA[statistics]]></category>
            <category><![CDATA[collider]]></category>
            <category><![CDATA[causality]]></category>
            <category><![CDATA[collider-bias]]></category>
            <dc:creator><![CDATA[Zinho]]></dc:creator>
            <pubDate>Thu, 15 Aug 2024 01:43:34 GMT</pubDate>
            <atom:updated>2024-08-15T05:10:49.180Z</atom:updated>
            <content:encoded><![CDATA[<blockquote>“Dar sentido ao mundo e construir explicações coerentes e transparentes sobre ele, quase invariavelmente, depende de nossa capacidade de aprender e raciocinar com relações de causa e efeito” — Correa &amp; Bareinboim (2020, p. 10093)</blockquote><p>A inferência causal é uma área recente filha da estatística, da ciência dos dados e da filosofia, dedicada a entender e quantificar os efeitos das variáveis em um sistema complexo. Ao contrário da simples correlação, que apenas revela associações entre variáveis, a inferência causal busca responder as questões causais que são de fato interessantes para o cientista, ou seja, responder a pergunta do porquê.</p><p>Uma das ferramentas mais poderosas para a inferência causal é a abordagem dos Modelos Causais Estruturais (SCM), que utiliza gráficos causais para representar e analisar a estrutura causal do modelo em questão. Esses gráficos, geralmente conhecidos como diagramas causais ou DAGs (Directed Acyclic Graphs), ajudam a visualizar e formalizar as relações entre variáveis de forma clara e intuitiva. Tais modelos gráficos são utilizados pois servem como uma linguagem matemática para integrar informações estatísticas e de domínio específico. Em particular, permitem uma estrutura não paramétrica e fundamentada para a inferência causal, na qual os diagramas causais podem ser consultados para determinar se as suposições disponíveis são suficientes para identificar efeitos causais a partir de dados não experimentais. Se as suposições forem adequadas, os diagramas podem ser usados para gerar expressões matemáticas que descrevem os efeitos causais em termos de distribuições observadas. Caso contrário, os diagramas podem indicar a necessidade de observações adicionais ou experimentos auxiliares, a fim de obter as inferências desejadas. (Pearl, 1995)</p><p>Nesta abordagem SCM, cada variável é representada como um nó em um gráfico, e as relações causais entre elas são mostradas como setas direcionadas, representando simbolicamente a noção intuitiva do fluxo direcionado da causa até o efeito. Essa representação gráfica não apenas facilita a compreensão das relações causais, mas também permite o uso de técnicas matemáticas para identificar e estimar os efeitos causais. A partir desses gráficos, é possível aplicar o teorema de identificação causal, que define quais variáveis devem ser controladas para estimar com precisão o efeito de uma variável sobre outra.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*dzV-tcNJdYMV74V_" /><figcaption>Exemplo de DAG ilustrando a infinidade de variáveis ​​causalmente ligadas ao clima. Estas podem representar violações de restrições de exclusão. Os tamanhos dos nós e amarrações são proporcionais às aparências na literatura. Cores: clima (verde), variável instrumental (laranja) e resultado (roxo) [ Imagem retirada e texto adaptado de Mellon (2024, p. 9)]</figcaption></figure><p>Entretanto, é primeiro necessário explicar adequadamente as possíveis estruturas causais que um DAG permite ter. Esses caminhos são importantes porque determinam como se dá a relação entre as variáveis associadas.</p><p>- <strong>Bifurcação</strong> (<strong>Fork</strong>): Quando temos um caminho como X ← Z → Y, X e Y estão associados através de Z. Ou seja, se a informação flui de Z para X e de Z para Y, X e Y estão relacionados. Esse tipo de caminho é conhecido como uma causa comum. Por exemplo, considere o aumento do uso de shorts durante o verão (X) e o aumento do preço dos sorvetes (Y). Esses eventos acontecem ao mesmo tempo, mas não é uso do short que causa o aumento de preços. Ambos são causados por uma variável omitida, que é a chegada do verão e do sol (Z). Portanto, o aumento no preço dos sorvetes e o uso de shorts estão relacionados apenas porque ambos são influenciados pela mesma causa subjacente, que é o calor do verão.</p><p>- <strong>Cadeias </strong>(<strong>Chains</strong>): No caminho X → Z → Y, X e Y estão associados através de Z. Se a informação flui de X para Z e de Z para Y, então X e Y estão causalmente conectados, porém apenas através de uma variável mediadora e não de maneira direta. Por exemplo, pense na relação entre o estudo, a nota final e a aprovação. Se você estuda (X), isso pode melhorar sua nota (Z), e uma boa nota pode levar à aprovação (Y). Então sua aprovação não é causada diretamente pelos seus estudos, mas um efeito de suas notas que por sua vez são causalmente afetadas pelo estudo.</p><p>- <strong>Colisores</strong> (<strong>Colliders</strong>): Considere um caminho X → Z ← Y. Aqui, X e Y afetam Z, mas não se relacionam diretamente entre si. No entanto, se condicionarmos em Z (o colisor), X e Y podem se tornar associados, porque agora há um caminho de informação passando por Z…</p><p>E é geralmente aqui que se perde muitos alunos. É fácil entender uma cadeia, afinal ela envolve mediação apenas, assim como é fácil entender bifurcações, pois não falta na internet exemplos de eventos concomitantes sem relação causal pela qual se repete <em>ad nauseam</em> que <a href="https://economiamainstream.com.br/artigo/correlacao-nao-e-causalidade-mas-por-que/">correlação não implica causalidade</a>. Para entender colisores e o viés associado ao condicionamento do seu estimador a esse tipo de variável, confira a tradução (com algumas alterações) da seção sobre colisores do segundo capítulo de Pearl et al. (2016):</p><h3><strong>Causal Inference in Statistics: A Primer</strong></h3><p>[…]</p><p>Até agora vimos duas configurações simples de arestas e nós que podem ocorrer em um caminho entre duas variáveis: cadeias [chains] e bifurcações [forks]. Há uma terceira configuração da qual falamos separadamente, porque traz consigo considerações e desafios únicos. A terceira configuração contém um nó colisor e ocorre quando um nó recebe arestas de dois outros nós. O modelo causal gráfico mais simples contendo um colisor é ilustrado na Figura 2.3, representando um efeito comum, Z, de duas causas X e Y.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/776/0*F7kuuQMU3ADCVamu" /><figcaption><strong>Figura 2.3 </strong>— Um colisor simples</figcaption></figure><p>Como é o caso de todo modelo causal gráfico, todos os SCMs que têm a Figura 2.3 como grafo compartilham um conjunto de dependências e independências que podemos determinar apenas a partir do modelo gráfico. No caso do modelo da Figura 2.3, assumindo a independência de U_X, U_Y e U_Z, essas independências são as seguintes:</p><ol><li><strong>X e Z são dependentes. </strong>Para algum x, z, P(X = x|Z = z) ≠ P(X = x)</li><li><strong>Y e Z são dependentes. </strong>Para algum y, z, P(Y = y|Z = z) ≠ P(Y = y)</li><li><strong>X e Y are independentes</strong>. Para todo x, y, P(X = x|Y = y) = P(X = x)</li><li><strong>X e Y são condicionalmente dependentes em Z</strong>. Para todo x, y, z, P(X = x|Y = y, Z = z) ≠ P(X = x|Z = z)</li></ol><p>Lembre-se de que uma seta de uma variável para outra indica que a primeira variável causa a segunda — e, mais importante, que o valor da primeira variável faz parte da função que determina o valor da segunda. Portanto, a segunda variável depende da primeira para o seu valor; há alguns casos em que alterar o valor da primeira variável altera o valor da segunda. Isso significa que quando examinamos essas variáveis ​​no conjunto de dados, a probabilidade de uma variável assumir um determinado valor mudará, visto que conhecemos o valor da outra variável. Portanto, em qualquer modelo causal, independentemente das funções específicas, duas variáveis ​​conectadas por uma aresta são dependentes. Por esse raciocínio, podemos ver que na Figura 2.3 X e Z são dependentes, e Y e Z são dependentes.</p><p>O ponto 3 é evidente; nem X nem Y são descendentes ou ancestrais um do outro, nem dependem para seu valor da mesma variável. Eles respondem apenas a U_X e U_Y, que são considerados independentes, portanto não existe nenhum mecanismo causal pelo qual variações no valor de X devam ser associadas a variações no valor de Y. Essa independência também reflete nossa compreensão de como a causalidade opera no tempo ; eventos que são independentes no presente não se tornam dependentes apenas porque podem ter efeitos comuns no futuro.</p><p>Por que, então, o ponto 4 se sustenta? Por que duas variáveis independentes subitamente se tornariam dependentes ao condicionarmos o efeito comum delas? Para responder a essa pergunta, voltamos à definição de condicionamento como filtragem pelo valor da variável condicionante. Quando condicionamos em Z, limitamos nossas comparações a casos em que Z assume o mesmo valor. Mas lembre-se que Z depende, para seu valor, de X e Y. Então, ao comparar casos onde Z, por exemplo, assume um determinado valor, qualquer mudança no valor de X deve ser compensada por uma mudança no valor de Y — caso contrário, o valor de Z também mudaria.</p><p>O raciocínio por trás dessa característica de colisores — de que condicionar em um nó de colisão gera uma dependência entre os pais do nó — pode ser difícil de entender a princípio. Na situação mais básica onde Z = X + Y, e X e Y são variáveis independentes, temos a seguinte lógica: Se eu lhe disser que X = 3, você não aprende nada sobre o valor potencial de Y, porque os dois números são independentes. Por outro lado, se eu começar lhe dizendo que Z = 10, então, ao lhe dizer que X = 3, isso imediatamente indica que Y deve ser 7. Assim, X e Y se tornam dependentes, dado que Z = 10.</p><p>Esse fenômeno pode ser ainda mais esclarecido por meio de um exemplo da vida real. Por exemplo, suponha que uma certa faculdade conceda bolsas de estudo para dois tipos de estudantes: aqueles com talentos musicais incomuns e aqueles com médias acadêmicas extraordinárias. Normalmente, talento musical e desempenho escolar são características independentes, então, na população em geral, encontrar uma pessoa com talento musical não nos diz nada sobre suas notas. No entanto, descobrir que uma pessoa possui uma bolsa de estudos muda as coisas; saber que essa pessoa não tem talento musical nos diz imediatamente que ela provavelmente tem uma média acadêmica alta. Assim, duas variáveis que são marginalmente independentes se tornam dependentes ao aprender o valor de uma terceira variável (bolsa de estudos), que é um efeito comum das duas primeiras.</p><p>Vamos examinar um exemplo numérico. Considere um lançamento simultâneo (independente) de duas moedas justas e um sino que toca sempre que pelo menos uma das moedas dá cara. Vamos denotar os resultados das duas moedas como X e Y, respectivamente, e deixar Z representar o estado do sino, com Z = 1 representando que tocou e Z = 0 representando silêncio. Esse mecanismo pode ser representado como um colisor, como na Figura 2.3, na qual os resultados das duas moedas são os nós pais, e o estado do sino é o nó de colisão.</p><p>Se soubermos que a Moeda 1 deu cara, isso não nos diz nada sobre o resultado da Moeda 2, devido à independência delas. Mas suponha que ouvimos o sino tocar e depois descobrimos que a Moeda 1 deu coroa. Agora sabemos que a Moeda 2 deve ter dado cara. Da mesma forma, se assumirmos que ouvimos o sino tocar, a probabilidade de que a Moeda 1</p><blockquote>P(X = “Cara”|Y = “Cara”) = P(X = “Coroa”|Y = “Coroa”) = 1/2</blockquote><p>Ou seja, X e Y são independentes. Agora, vamos condicionar Z = 1 e Z = 0 (a campainha toca e não toca). Os subconjuntos de dados resultantes são mostrados na Tabela 2.2. Calculando as probabilidades nessas tabelas, obtemos</p><blockquote>P(X = “Cara”|Z = 1) = 1/3 + 1/3 = 2/3</blockquote><p>Se filtrarmos ainda mais a subtabela Z = 1 para examinar apenas os casos em que Y = “Cara”, obteremos</p><blockquote>P(X = “Cara”|Y = “Cara”, Z = 1) = ½</blockquote><p>Vemos que, dado Z = 1, a probabilidade de X = “Cara” muda de 2 3 para 1 2 ao saber que Y = “Cara”. Então, claramente, X e Y são dependentes dado Z = 1. Uma dependência mais pronunciada ocorre, é claro, quando o sino não toca (Z = 0), porque então sabemos que ambas as moedas devem ter dado coroa.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*mRZWvJnuW7TKD7AT" /><figcaption><strong>Tabela 2.1</strong> Distribuição de probabilidade para dois lançamentos de uma moeda justa, com X representando o lançamento um, Y representando o lançamento dois e Z representando um sino que toca se qualquer lançamento resultar em cara</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/918/0*sHuELBtbl5Bvh5gq" /><figcaption><strong>Tabela 2.2 </strong>Distribuições de probabilidade condicional para a distribuição na Tabela 2.2. (Superior: Distribuição condicional a Z = 1. Inferior: Distribuição condicional a Z = 0)</figcaption></figure><p>Outro exemplo da atuação de colisores — que pode ajudar a esclarecer a dificuldade que tais configurações podem apresentar para estatísticos — é o Problema de Monty Hall, que encontramos pela primeira vez na Seção 1.3. No cerne, o Problema de Monty Hall reflete a presença de um colisor. Sua escolha inicial de porta é um nó pai; a porta atrás da qual o carro está escondido é o outro nó pai; e a porta que Monty abre para revelar uma cabra é o nó de colisão, sendo causalmente afetado pelas outras duas variáveis. A causalidade aqui é clara: Se você escolher a Porta A e se houver uma cabra atrás dessa porta, Monty será obrigado a abrir a porta restante que tem uma cabra atrás.</p><p>Sua escolha inicial e a localização do carro são independentes; é por isso que você inicialmente tem 1/3 de chance de escolher a porta com o carro atrás. No entanto, assim como com as duas moedas independentes, ao condicionarmos na escolha de porta de Monty, sua escolha inicial e a localização dos prêmios tornam-se dependentes. Embora o carro possa estar atrás da Porta B em apenas 1/3 dos casos, ele estará atrás da Porta B em 2/3 dos casos em que você escolher a Porta A e Monty abrir a Porta C.</p><p>Assim como condicionar em um colisor torna variáveis previamente independentes dependentes, também ocorre o mesmo ao condicionar em qualquer descendente de um colisor. Para entender por que isso é verdade, voltemos ao nosso exemplo das duas moedas independentes e o sino. Suponha que não ouvimos o sino diretamente, mas, em vez disso, confiamos em uma testemunha que é um pouco imprecisa; sempre que o sino não toca, há 50% de chance de nossa testemunha relatar falsamente que ele tocou. Denotando por W o relatório da testemunha, a estrutura causal é mostrada na Figura 2.4, e as probabilidades para todas as combinações de X, Y e W são mostradas na Tabela 2.3.</p><p>O leitor pode facilmente verificar que, com base nesta tabela, temos</p><blockquote>P(X = “Cara”|Y = “Cara”) = P(X = “Cara”) = 1/2</blockquote><p>e</p><blockquote>P(X = “Cara”|W = 1)=(0.25 + 0.25) ou ÷ (0.25 + 0.25 + 0.25 + 0.125) = 0.5/0.85</blockquote><p>e</p><blockquote>P(X = “Cara”|Y = “Cara”, W = 1) = 0.25 ou ÷ (0.25 + 0.25) = 0.5 &lt; 0.5/0.85</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/820/0*CdcSy3Jcjiig5YO-" /><figcaption><strong>Figura 2.4</strong> Um colisor simples, Z, com um filho, W, representando o cenário da Tabela 2.3, com X representando um lançamento de moeda, Y representando o segundo lançamento de moeda, Z representando um sino que toca se qualquer um dos lançamentos resultar em cara, e W representando uma testemunha não confiável que relata se o sino tocou ou não.</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/960/0*EsozEsSriy0XCV77" /><figcaption><strong>Tabela 2.3 </strong>Distribuição de probabilidade para dois lançamentos de uma moeda justa e um sino que toca se qualquer um dos lançamentos resultar em cara, com X representando o primeiro lançamento, Y representando o segundo lançamento, e W representando uma testemunha que, com uma confiabilidade variável, informa se o sino tocou ou não.</figcaption></figure><p>Assim, X e Y são independentes antes de ler o relatório da testemunha, mas se tornam dependentes depois disso.</p><p>Essas considerações nos levam a seguinte regra:</p><p><strong>Regra (Independência Condicional em Colisores)</strong>: Se uma variável Z é o nó de colisão entre duas variáveis X e Y, e existe apenas um caminho entre X e Y, então X e Y são incondicionalmente independentes, mas tornam-se dependentes ao condicionarmos em Z ou em qualquer descendente de Z.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*kbkhiYwQ9eH7BqHm" /><figcaption><strong>Figura 2.5 </strong>Um gráfico direcionado para demonstrar independência condicional (os termos de erro não são mostrados explicitamente)</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*nRQkuH1XV0dwZ9aC" /><figcaption><strong>Figura 2.6 </strong>Um gráfico direcionado em que P é um descendente de um colisor</figcaption></figure><p><strong>Observação</strong> Estudantes curiosos podem se perguntar por que as dependências associadas ao condicionamento em um colisor são tão surpreendentes para a maioria das pessoas — como, por exemplo, no caso do Problema de Monty Hall. A razão é que os seres humanos tendem a associar dependência com causação. Consequentemente, eles assumem (erroneamente) que a dependência estatística entre duas variáveis só pode existir se houver um mecanismo causal que gere essa dependência; ou seja, uma das variáveis causa a outra ou uma terceira variável causa ambas. No caso de um colisor, eles ficam surpresos ao descobrir uma dependência criada de uma terceira forma, violando assim a suposição de “não há correlação sem causação.”</p><h3><strong>Viés de Seleção e Viés de Estratificação por Colisores</strong></h3><p>Quando estudamos a relação entre variáveis, especialmente em contextos causais, precisamos tomar cuidado com os vieses que podem distorcer nossas conclusões. Vimos com a tradução de Pearl et al. (2016) um caso bem particular e pouco intuitivo de viés que ocorre quando se condiciona em um colisor, também chamado de <strong>viés de estratificação por colisores</strong>. Entretanto, quem é familiar com o modelo de <a href="https://youtu.be/ovtluD22Kao">resultados potenciais</a> em inferência causal, vai lembrar da seguinte fórmula</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*cjs4gZwa_tePvRuY" /><figcaption>Decomposição da diferença simples observada de resultados (SDO) no efeito médio de tratamente e o vieses.</figcaption></figure><p>E com um pouco de manipulação algébrica advindo da identidade de que <em>ATE = πATU + (1 — π)ATT</em>, chegamos é viés de heterogeneidade (<strong>VH</strong>) implica em viés de seleção, mas a recíproca não necessariamente é verdadeira</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*uNhSTqVY6kY7McOi" /></figure><p>Ou seja</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*zSLsWbyXEN4y9lhl" /></figure><p>Portanto, somos levados a crer nessa abordagem que o único problema possível em um design de pesquisa é sofrer do viés de seleção. Então seria o viés de colisão só mais um nome interessante, mas fundamentalmente desnecessário, para viés de seleção? Aqui as coisas complicam e para entrar em detalhes é preciso ir para literatura epidemiológica (Lu et al., 2023; Banack et al., 2024).</p><p>O viés de seleção ocorre quando há uma mudança na amostra que está sendo estudada. Para entender esse conceito, é importante definir as diferentes populações envolvidas:</p><ol><li><strong>População-alvo</strong>: É o grupo de pessoas sobre o qual queremos fazer inferências (ou seja, tirar conclusões) com base no estudo.</li><li><strong>Amostra do estudo </strong>(ou <strong>população do estudo</strong>): Esse é o grupo completo que foi incluído no estudo. Essa amostra é usada para fazer inferências sobre a população-alvo. No entanto, ela pode ou não representar fielmente a população-alvo.</li><li><strong>Amostra analítica</strong>: É a parte observada da amostra do estudo, que realmente é usada na análise.</li></ol><p>Essas três populações estão interligadas, como mostrado na figura abaixo. Vale destacar que, se não houver confusão (ou seja, fatores que distorçam a relação entre as variáveis) e nenhum viés de medição, a associação observada entre a exposição (como um fator de risco) e o resultado (como uma doença) na amostra analítica geralmente é usada como uma estimativa do efeito.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*qP9mSqzjPQfx5kMk" /><figcaption>Relações entre população-alvo, amostra do estudo e amostra analítica. Observe que, além do viés de seleção, as ameaças à validade interna também incluem vieses de confusão e de medição. (Figura traduzida de Lu et al. 2023)</figcaption></figure><p>De forma mais simples, imagine que você quer saber algo sobre todos os alunos de uma escola (população-alvo), mas você só consegue estudar uma turma específica (amostra do estudo). Dentro dessa turma, pode ser que só alguns alunos realmente respondam a um questionário (amostra analítica). Se não houver fatores que atrapalhem, o que você descobrir com essa amostra analítica pode ser usado para estimar o que aconteceria em toda a escola.</p><p>Definimos a <strong>validade interna </strong>como a situação em que o efeito estimado a partir da amostra analítica é igual ao verdadeiro efeito causal na amostra do estudo. Por outro lado, a <strong>validade externa</strong> é quando o verdadeiro efeito causal na amostra do estudo é igual ao verdadeiro efeito causal na população-alvo. Com base nessas definições, a validade externa pode ser comprometida se a distribuição dos modificadores do efeito (fatores que alteram a relação entre a exposição e o resultado) for diferente entre a amostra do estudo e a população-alvo.2 Vale ressaltar que, aqui, estamos focando na população-alvo da qual a amostra do estudo foi selecionada, e, por isso, a questão da generalização é relevante.</p><p>Simplificando, a validade interna acontece quando o que você descobriu com sua amostra de análise realmente reflete a verdade para toda a amostra do estudo. Já a validade externa ocorre quando o que você descobriu para a amostra do estudo também é verdadeiro para toda a população que você deseja estudar. A validade externa pode estar em risco se as características que alteram o efeito que você está medindo forem diferentes entre a amostra do estudo e a população-alvo. Por isso, é importante considerar como os resultados do estudo podem ser generalizados para toda a população que você quer entender.</p><p>A relação entre o viés de estratificação por colisores e o viés de seleção pode causar muita confusão. O viés de estratificação por colisores é um tipo específico de viés de seleção, mas o viés de seleção também pode ocorrer mesmo sem a presença de um colisor. Para tornar essa discussão mais clara, definimos a “população de referência” como aquela que existe antes de qualquer processo de seleção, em oposição à “amostra selecionada”. Assim, ao escolher uma amostra de estudo a partir da população-alvo, a população de referência é a própria população-alvo. Quando escolhemos a amostra analítica a partir da amostra de estudo, a população de referência passa a ser a amostra de estudo.</p><p>De forma geral, propomos que o viés de seleção seja qualquer desvio do efeito causal verdadeiro na população de referência, causado pela seleção de uma amostra dessa população. Em outras palavras, o viés de seleção é a diferença entre o efeito causal verdadeiro na população de referência e a estimativa do efeito na amostra selecionada.</p><p>O viés de seleção pode ser dividido em dois tipos principais:</p><ol><li><strong>Viés de Seleção Tipo 1</strong>: Ocorre quando se restringe um ou mais níveis de um colisor (ou de seu descendente). Isso leva a uma diferença entre o efeito causal verdadeiro na amostra selecionada e a estimativa do efeito nessa mesma amostra.</li><li><strong>Viés de Seleção Tipo 2</strong>: Surge quando se restringe um ou mais níveis de um modificador de medida de efeito. Nesse caso, a diferença é entre o efeito causal verdadeiro na população de referência e o efeito causal verdadeiro na amostra selecionada.</li></ol><p>De modo geral, o viés de seleção refere-se a diferenças sistemáticas entre a verdadeira quantidade de interesse na população-alvo (como a distribuição de doenças ou o efeito causal) e a amostra, devido aos processos de seleção que definem quem será incluído na amostra analítica.</p><p>O <strong>viés de estratificação por colisores</strong> ocorre quando condicionamos a análise a um colisor, seja por ajuste, restrição ou estratificação. Por exemplo, se um estudo inclui apenas indivíduos de um único estrato de um colisor, como no caso de censura (se “censurado” = não), isso é um tipo de viés de seleção conhecido como “viés de restrição por colisor” (Lu et al., 2022). Nesse caso, as estimativas de efeito não refletem relações causais para nenhuma população.</p><p>Para ilustrar, imagine um estudo observacional que tenta estimar os efeitos do tabagismo no câncer de pulmão, recrutando apenas pessoas com mais de 100 anos. Como o tabagismo reduz a expectativa de vida, selecionar apenas centenários poderia induzir viés de estratificação por colisores, caso haja causas comuns não medidas ou não controladas que influenciam tanto a sobrevivência até os 100 anos quanto o desenvolvimento de câncer de pulmão. Se o estudo sugerir que fumar protege contra o câncer de pulmão entre centenários, essa associação é espúria e não significa que fumar é benéfico para essa faixa etária.</p><p>Por definição, uma causa comum deve ocorrer antes da exposição e do desfecho. Contudo, um fator de confusão pode ser medido após a exposição se estiver em um caminho causal que conecta a causa comum ao desfecho, ou após ambos, exposição e desfecho, se for descendente da causa comum. Já um efeito comum deve ocorrer depois da exposição e do desfecho, e o viés de seleção surge ao condicionar a análise a esse efeito comum. Nos casos de viés de colisão, o colisor é o próprio desfecho, ao invés de uma variável no caminho causal que poderia introduzir viés na associação entre exposição e desfecho.</p><h3><strong>Exemplos — Teoria e Prática</strong></h3><p>Vamos agora nos preocupar apenas com exemplos, pois não sei vocês é assim que eu aprendo. Se ainda não ficou claro, Pearl &amp; McKanzie (2018, p.113) oferece uma ilustração do viés de colisão usando três características de atores de Hollywood: Talento, Celebridade e Beleza. A ideia é que tanto talento quanto beleza contribuem para o sucesso de um ator, mas esses dois atributos são completamente independentes na população geral.</p><p>Agora, vamos imaginar que estamos olhando apenas para atores famosos, ou seja, aqueles para os quais a variável Celebridade = 1. Neste grupo, observaríamos uma correlação negativa entre talento e beleza: se descobrimos que uma celebridade não é muito atraente, nossa tendência é acreditar que essa pessoa deve ser muito talentosa para ter alcançado o sucesso.</p><p>Vamos simplificar: suponha que, para ser uma celebridade, não é necessário ter tanto talento quanto beleza; basta um desses atributos. Se o Celebridade A é um ator excepcionalmente talentoso, isso “explica” seu sucesso, e ele não precisa ser mais bonito que a média. Por outro lado, se o Celebridade B é um ator péssimo, a única explicação para o sucesso dele seria a boa aparência. Assim, dado que alguém é uma celebridade, talento e beleza se tornam inversamente relacionados — mesmo que, na população geral, não exista tal relação.</p><p>Mesmo em um cenário mais realista, onde o sucesso é uma combinação complexa de beleza e talento, esse efeito de “explicação compensatória” ainda estaria presente. Ou seja, a observação de uma celebridade pode nos levar a inferir uma correlação entre talento e beleza que, na verdade, não existe na população geral.</p><p>Mas existe algum caso real de viés de colisão?</p><p>Inúmeros exemplos existem, mas para simplificar, aqui estão dois casos traduzidos do excelente artigo de Cinelli et al. (2022):</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/411/0*50YZmD_sGZCdPabk" /></figure><p><strong>O paradoxo do peso ao nascer (Hernández-Díaz et al., 2006) </strong>revela um fenômeno intrigante na epidemiologia. Foi constatado que os recém-nascidos de mães fumantes apresentam um risco maior de mortalidade em comparação com os recém-nascidos de mães não fumantes. No entanto, entre os recém-nascidos com baixo peso ao nascer (LBW), essa relação se inverte. Essa inversão dos efeitos gerou muitas controvérsias na epidemiologia — isso significa que o fumo materno é benéfico para os recém-nascidos com LBW? Uma explicação plausível para tal descoberta pode ser simplesmente o viés de estratificação de colisor, como mostrado no Modelo 16. Aqui, X é o fumo materno, Y é a mortalidade infantil, Z é o peso ao nascer, e U representa fatores de risco não observados (como defeitos congênitos e desnutrição), que também podem afetar o peso ao nascer. Note que estratificar a análise pelo peso ao nascer induziria uma associação espúria entre fumo e mortalidade devido aos fatores de risco concorrentes. Os recém-nascidos com LBW de mães não fumantes precisam ter causas alternativas para seu LBW (como desnutrição), e tais causas também poderiam levar a uma mortalidade mais alta.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1006/0*_9vl6U2AKQghdp6l" /></figure><p><strong>O Enigma Antebellum (Schneider, 2020). </strong>Um enigma interessante na história econômica é o fato de que, durante o século XIX, na Grã-Bretanha e nos Estados Unidos, a altura média dos homens adultos caiu, mesmo com a melhoria das condições econômicas e da nutrição infantil. Uma possível explicação para essa descoberta paradoxal é o viés de seleção nas formas dos Modelos 17 e 18, onde os pesquisadores que usam dados de indivíduos alistados nas forças armadas ou em prisões estão efetivamente condicionando-se a colisores. Para os registros militares, considere o Modelo 18, onde X denota a nutrição infantil, Y a altura adulta, e Z um indicador de se o indivíduo foi alistado no exército. O caminho causal de Y para Z reflete o fato de que homens mais altos podem ter melhores oportunidades no mercado civil, e, portanto, homens mais baixos eram mais propensos a se alistar. Restringir a análise apenas aos alistados é, portanto, equivalente a controlar Z, levando a um viés de seleção. Agora, para os registros de prisão, considere o Modelo 17, onde Z é um indicador de se o indivíduo foi preso. Aqui, pode-se argumentar que tanto a nutrição infantil quanto a altura adulta têm caminhos para cometer um crime através de oportunidades socioeconômicas, resultando novamente em viés de seleção.</p><h3><strong>Conclusão</strong></h3><p>Em conclusão, a inferência causal, apoiada pelos Modelos Causais Estruturais (SCM) e diagramas causais (DAGs), oferece uma abordagem poderosa para entender e quantificar relações causais complexas de maneira clara e estruturada. No entanto, é essencial compreender as nuances dos diferentes caminhos causais, como bifurcações, cadeias e colisores. Em particular, os colisores revelam um viés sutil, onde variáveis aparentemente independentes se tornam dependentes ao condicionar um colisor. Esse fenômeno destaca a importância de considerar cuidadosamente o modelo causal em questão e investigar com base no mesmo as variáveis necessárias para identificar efeito causal, assim evitar vieses de seleção e estratificação. Se estudar mais sobre a abordagem gráfica para o estudo da causalidade recomendo ler este <a href="https://gabrielfferraz.medium.com/dags-uma-introdu%C3%A7%C3%A3o-a-gr%C3%A1ficos-causais-d97efc733161">texto</a> e este <a href="https://youtu.be/8HyNWQnxmY8">vídeo</a>.</p><h3><strong>Referências</strong></h3><p>BANACK, Hailey R. et al. Collider stratification bias I: principles and structure. <em>American journal of epidemiology</em>, v. 193, n. 2, p. 238–240, 2024.</p><p>CINELLI, Carlos; FORNEY, Andrew; PEARL, Judea. A crash course in good and bad controls. <em>Sociological Methods &amp; Research</em>, p. 00491241221099552, 2022.</p><p>CORREA, Juan; BAREINBOIM, Elias. A calculus for stochastic interventions: Causal effect identification and surrogate experiments. In: <em>Proceedings of the AAAI conference on artificial intelligence</em>. 2020. p. 10093–10100.</p><p>LU, Haidong et al. Toward a clearer definition of selection bias when estimating causal effects. <em>Epidemiology</em>, v. 33, n. 5, p. 699–706, 2022.</p><p>MELLON, Jonathan. Rain, rain, go away: 194 potential exclusion‐restriction violations for studies using weather as an instrumental variable. <em>American Journal of Political Science</em>, 2024.</p><p>PEARL, Judea. Causal diagrams for empirical research. <em>Biometrika</em>, v. 82, n. 4, p. 669–688, 1995.</p><p>PEARL, Judea; MACKENZIE, Dana. <em>The Book of Why: The new science of cause and effect</em>. Basic Books, 2018.</p><p>PEARL, Judea; GLYMOUR, Madelyn; JEWELL, Nicholas P. <em>Causal inference in statistics: A primer</em>. John Wiley &amp; Sons, 2016.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=37456e8f8ef8" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Rent-seeking no país do futebol]]></title>
            <link>https://gabrielfferraz.medium.com/rent-seeking-no-pa%C3%ADs-do-futebol-84d5e39ec88e?source=rss-7ae1a207060f------2</link>
            <guid isPermaLink="false">https://medium.com/p/84d5e39ec88e</guid>
            <category><![CDATA[futebol]]></category>
            <category><![CDATA[rent-seeking]]></category>
            <category><![CDATA[economia-política]]></category>
            <category><![CDATA[economia]]></category>
            <category><![CDATA[desigualdade]]></category>
            <dc:creator><![CDATA[Zinho]]></dc:creator>
            <pubDate>Thu, 08 Aug 2024 00:01:47 GMT</pubDate>
            <atom:updated>2024-08-12T00:02:31.692Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*q3IXWWX23n4VZk6nkdwh6A.jpeg" /><figcaption>foto retirado do <a href="https://www.acessepiaui.com.br/ver_coluna2/2572/POBRES-MENINOS-RICOS">texto</a> “Pobres meninos ricos” da revista Piauí</figcaption></figure><p>O Brasil é o país do futebol. E essa paixão vai muito além do mero entretenimento. O futebol influencia o ambiente de trabalho, molda a cultura da classe trabalhadora, impacta as relações raciais, movimenta causas políticas e sociais e auxilia na formação da identidade nacional brasileira (Fontes &amp; de Holanda, 2014). Um país rico em uma cultura pujante.</p><p>Por outro lado, o Brasil é também um país muito pobre. Antes que venha com o papo de que “não é que o país seja pobre, mas desigual”, saiba que ele é extremamente desigual. Desigual e pobre. Pobre em termos monetários, considerando o valor adicionado na produção de bens finais quando dividido por toda a sua população (<a href="https://economiamainstream.com.br/artigo/consideracoes-sobre-o-pib/">PIB</a> per capita). Veja, não estou falando de bem-estar ou outras medidas que capturam o desenvolvimento de uma nação de maneira multidimensional. Para uma análise sobre esses conceitos, recomendo o seguinte <a href="https://economiamainstream.com.br/artigo/sobre-desigualdade-economica-e-desigualdade-de-renda/">texto</a>.</p><p>Para ter uma noção dos dados de acordo com o relatório do IBGE (2024): 5,8% da população brasileira reside abaixo do limiar de pobreza de $2,15 por dia, marcando-o como a segunda proporção mais significativa entre as nações do G20. Pelos dados do <a href="https://www.oecdbetterlifeindex.org/countries/brazil/#:~:text=Brazil%20performs%20well%20in%20a,social%20connections%20and%20life%20satisfaction.">índice Better Life</a> da OCDE, a renda média doméstica disponível líquida ajustada per capita no Brasil é inferior à média da OCDE, de US$ 30.490 por ano. Com relação ao índice de emprego, aproximadamente 57% das pessoas com idades entre 15 e 64 anos no Brasil têm emprego remunerado, abaixo da média de empregos da OCDE de 66%.</p><p>Segundo o <a href="https://wir2022.wid.world/">Relatório sobre as Desigualdades Mundiais</a> do <a href="https://inequalitylab.world/en/">World Inequality Lab</a>, os 10% mais ricos no Brasil ganham quase 59% da renda nacional total, enquanto a metade mais pobre ganha 29 vezes menos do que esses 10% mais ricos. Além disso, os 50% mais pobres possuem menos de 1% da riqueza do país, enquanto o 1% mais rico detém quase a metade da fortuna patrimonial brasileira. Entre os mais de 100 países analisados no relatório, o Brasil é um dos mais desiguais. Ou seja, desigual e pobre.</p><p>E uma das infelizes tragédias da nossa pobreza e desigualdade é justamente sermos o país do futebol… Pera aí, mas como assim? Você deve estar se perguntando, pois no presente texto vou falar da economia da má alocação de recursos produtivos conhecida simplesmente como rent-seeking.</p><h3><strong>Sobre rent-seeking e a economia política no país do futebol</strong></h3><p>Voltemos aos dados. Consta no site do <a href="https://www.worldbank.org/en/country/brazil">Banco Mundial</a> o seguinte: “O Índice de Capital Humano (HCI) do país mostra que crianças brasileiras nascidas hoje terão, como adultos, apenas 55% da produtividade que teriam se tivessem pleno acesso a oportunidades de saúde e educação de qualidade. Considerando o desemprego adulto, sua produtividade cai para 33%, o que implica que 67% do talento do Brasil é perdido para a sociedade.”</p><p>Mas é fato que o Brasil é um gigante continental, sendo o quinto maior país do mundo em termos de área e população. Lar da maior floresta tropical do planeta, com inúmeros recursos hídricos abundantes, terras agrícolas férteis e uma rica diversidade de minerais, metais e outros recursos naturais valiosos.</p><p>Então, sim, o Brasil é rico em recursos naturais. Geralmente é desse fato que as pessoas costumam afirmar a riqueza do Brasil. Esses recursos colocam o país em uma posição privilegiada para aproveitar novas oportunidades de crescimento (World Bank Group, 2024). Entretanto, ser rico em recursos pode ser tanto um privilégio (Engerman &amp; Sokoloff, 2002) quanto uma maldição (Robinson &amp; Torvik, 2011). E quando olhamos para o Brasil, por exemplo, ao remontar à alocação original de terras durante os tempos coloniais e, mais recentemente, à distribuição de oportunidades econômicas e acesso a serviços sociais básicos, desigualdades profundas e persistentes têm caracterizado o caminho de desenvolvimento do Brasil (World Bank Group, 2024).</p><p>De acordo com Robinson &amp; Torvik (2011), a forma como as economias reagem a choques ou novas oportunidades econômicas depende da robustez das instituições. Essas oportunidades podem vir de recursos naturais, inovações tecnológicas e mais. Em contextos com instituições fortes, as novas oportunidades tendem a trazer benefícios. Já onde as instituições são fracas, os efeitos podem ser prejudiciais. Nesse cenário, é interessante explorar a abordagem da <a href="https://economiamainstream.com.br/artigo/public-choice-microeconomia-aplicada-a-politica/">Public Choice</a> ou Escolha Pública na economia política.</p><p>A escola de escolha pública ampliou o escopo dos modelos de escolha racional da economia aplicados ao cenário político e, além disso, introduziu a ideia de que o interesse próprio motiva todo comportamento humano, não apenas o de políticos e burocratas, mas também de indivíduos, grupos e empresas que buscam favores do governo. Deste modo, o economista não só fala de falhas de mercado, mas também de <a href="https://economiamainstream.com.br/artigo/o-que-sao-falhas-de-governo/">falhas de governo</a>. E é neste contexto de economia política que os alunos de Economia ou Ciência Política aprendem sobre <em>rent seeking.</em></p><p>Ao realizarmos uma breve pesquisa no Google, encontramos as seguintes concepções incompletas:</p><ul><li>Rent-seeking é o nome utilizado nas ciências política e econômica para falar sobre a influência de agentes privados em decisões de políticas públicas.</li><li>O termo “Rent Seeking” refere-se a atividades econômicas e comportamentos que buscam obter ganhos para o setor privado por meio da manipulação de políticas governamentais e regulamentações, ao invés de criar atividades produtivas ou inovadoras.</li><li>Rent-seeking é uma prática bastante conhecida no Brasil. Ela ocorre quando uma pessoa ou organização usa o seu poder econômico para obter vantagens do governo.</li></ul><p>Entre outras… O problema dessas formulações é que elas limitam o conceito ao cenário em que foi originalmente proposto. Isso estreita desnecessariamente o conceito, impedindo a exploração de suas implicações lógicas. Por exemplo, muitos estudantes de economia aprendem o conceito de <a href="https://economiamainstream.com.br/artigo/o-que-sao-as-vantagens-comparativas/">vantagens comparativas</a> para explicar os fluxos de comércio entre países, pois essa lei afirma que o comércio entre dois países é sempre benéfico, mesmo que um deles produza todos os bens de forma mais eficiente. No entanto, como mostra Peñaloza (2021), essa lei se aplica a qualquer situação de comércio econômico, seja entre dois indivíduos, seja entre duas nações.</p><p>Comecemos do básico: O que é “<em>rent</em>”? Uma tradução literal seria aluguel. Mas é disso que os economistas estão falando?</p><p>Segundo Alchian (1991, p. 591): “Rent (renda) é o pagamento pelo uso de um recurso, seja ele terra, trabalho, equipamentos, ideias ou até mesmo dinheiro. Normalmente, a renda para o trabalho é chamada de “salário”; o pagamento por terra e equipamentos é frequentemente chamado de “aluguel”; o pagamento pelo uso de uma ideia é chamado de “royalty”; e o pagamento pelo uso de dinheiro é chamado de “juros”. Na teoria econômica, o pagamento por um recurso cujo valor disponível não é sensível ao tamanho do pagamento recebido por seu uso é denominado “renda econômica” ou “quasi-renda”, dependendo de se a insensibilidade ao preço é permanente ou temporária.</p><p>Naturalmente, agentes racionais vão querer maximizar suas remunerações o máximo possível. Por exemplo, quem não quer ganhar um salário alto e trabalhar o mínimo possível? Rendas, que funcionam como favores ou presentes, atraem esses atores devido à sua natureza contestável. Assim, o tempo e os recursos gastos disputando essas rendas acabam desviados da produção social efetiva. Esse desperdício, resultante da competição por rendas, é o que chamamos de “<strong>rent-seeking</strong>” (Hillman, 2013).</p><p>Para esse conceito, estamos pensando em renda (<em>rent</em>) econômica, ou seja, <em>rent</em> é a remuneração maior que um fator de produção comanda acima do custo (marginal de) oportunidade. Portanto, <strong><em>rent seeking </em></strong>é um dispêndio de recursos reais na economia para aferir <em>rent</em>. Em outras palavras, a competição por renda (econômica) é o desperdício de recursos da sociedade, segundo seus custos de oportunidade, para agentes maximizarem seus <em>rents.</em></p><p>Note, nada nessa definição nos limita ao contexto político da busca pelo lucro ou ganho a partir do uso do governo. Basta que haja uma má alocação de recursos produtivos decorrente de uma competição por rendas. Tal qual no caso de vantagens comparativas, o conceito de rent-seeking é uma ferramenta teórica muito poderosa e muito mais ampla do que é dado crédito. Um exemplo ilustrativo é justamente o caso do futebol no Brasil.</p><p>Como já mencionado, o Brasil é um país pobre e, portanto, com grandes desafios econômicos. De acordo com o relatório do Banco Mundial (2016), o Brasil é uma das nações historicamente mais desiguais do mundo e ainda enfrenta esse problema. Além disso, o Brasil enfrenta problemas estruturais, como um sistema tributário complicado, um ambiente de negócios que não estimula o empreendedorismo, investimentos insuficientes em infraestrutura e uma integração limitada nos mercados globais. Para melhorar, o Brasil precisa mudar de um modelo baseado na dependência de commodities e acumulação de fatores para um modelo que valorize a produtividade, ofereça educação de qualidade e desenvolva uma infraestrutura moderna.</p><p>As causas desses problemas estruturais na Economia do Brasil decorrem da persistência de <a href="https://economiamainstream.com.br/artigo/o-reverso-da-fortuna/">instituições políticas extrativistas</a>. Essas instituições, que se beneficiam da extração de recursos e riqueza de uma parte da sociedade em favor de outra, geralmente os mais poderosos, moldaram historicamente a distribuição de terras e recursos no Brasil. A continuidade dessas práticas gerou profundas desigualdades e impediu reformas estruturais essenciais, limitando o acesso equitativo a oportunidades e afetando negativamente o crescimento econômico e a eficiência institucional do país (Engerman &amp; Sokoloff, 2002; Naritomi et al., 2007; Naritomi et al., 2012).</p><p>E aqui entra o futebol! Decorrente das nossas instituições ruins e da persistência de desigualdades, o jovem de baixa renda se vê em um cenário em que lhe é ofertada uma escola pública de baixa qualidade e cheia de problemas, e as possibilidades de mobilidade social via trabalho formal são limitadas. Se esse jovem tiver algum talento em futebol, então vale mais alocar recursos produtivos que poderiam ser destinados ao acréscimo do estoque de capital humano para quem sabe virar um profissional e ter a chance de melhorar de vida.</p><p>Ser o país do futebol desvela, por trás dessa linda e genuína tradição cultural, instituições ruins e um histórico de desigualdade persistente que reforça essas instituições. O que desencadeia um comportamento de rent seeking dos mais pobres se agarrando a qualquer possibilidade de sair da situação atual. Tal superinvestimento, mesmo que racional do ponto de vista de indivíduos auto-interessados, culmina em uma tragédia agregada.</p><p>De fato, o futebol movimenta muito dinheiro. Para ter uma noção dos dados, de acordo com as conclusões do relatório “Impacto do Futebol Brasileiro”, divulgado pela EY Brasil utilizando dados de 2018, a indústria do futebol no país responde por 0,72% do PIB brasileiro (Confederação Brasileira de Futebol [CBF], 2019). O relatório também revela que o futebol brasileiro contribuiu com R$ 52,9 bilhões para a economia em 2018, levando à criação de aproximadamente 156 mil empregos (CBF, 2019; Nakamura &amp; Cerqueira, 2019).</p><p>Entretanto, como analisado por Araujo e Borghi (2024): “No entanto, um fator implícito no mundo do futebol é que apenas uma minoria consegue conquistar uma vida de luxo através dessa profissão […] 23.238 jogadores de futebol ganhavam até R$ 1.000,00 mensais em seus clubes, o que equivalia a 82,40% dos atletas cadastrados. Além disso, 96,08% ganhavam até 5 mil reais. Para efeito de comparação, no ano de 2016, o salário mínimo era de R$ 880,00, valor semelhante ao que a maioria dos jogadores do país ganhava mensalmente.”</p><p>Em suma, o futebol, embora seja uma paixão nacional e uma parte crucial da cultura brasileira, também reflete as profundas desigualdades e problemas estruturais do país. O Brasil é rico em recursos naturais, mas pobre e desigual em termos econômicos, o que se reflete na má alocação de recursos produtivos. O fenômeno do rent-seeking, onde indivíduos buscam maximizar seus ganhos através de favores em vez de gerar riqueza, agrava esses problemas decorrentes da má alocação de recursos produtivos proveniente desse tipo de comportamento. No contexto do futebol, jovens de baixa renda investem suas esperanças e recursos nesse esporte como uma possível saída da pobreza, resultando em uma tragédia coletiva onde poucos alcançam sucesso financeiro. A análise demonstra que, apesar da enorme movimentação econômica gerada pelo futebol, ele não resolve as questões de desigualdade e pode, na verdade, perpetuar o ciclo de pobreza e má alocação de recursos no Brasil.</p><h3><strong>Referências</strong></h3><p>ALCHIAN, Armen A. Rent. In: <em>The world of economics.</em> London: Palgrave Macmillan UK, 1991. p. 591–597.</p><p>ARAUJO, Mayhan; BORGHI, André. In: Clube, N. E. (2024, January 23). Adolescentes e jovens de baixa renda veem o futebol como uma esperança de ascensão social. Mídia NINJA, 21 jan. 2024. Disponível em: <a href="https://midianinja.org/adolescentes-e-jovens-de-baixa-renda-veem-o-futebol-como-uma-esperanca-de-ascensao-social/">https://midianinja.org/adolescentes-e-jovens-de-baixa-renda-veem-o-futebol-como-uma-esperanca-de-ascensao-social/</a>. Acesso em: 05 ago. 2024.</p><p>BANCO MUNDIAL. <em>Retaking the path to inclusion, growth and sustainability</em>. Brasília, 2016.</p><p>CONFEDERAÇÃO BRASILEIRA DE FUTEBOL. Relatório impacto do futebol brasileiro. 2019. Disponível em: <a href="https://doi.org/10.5281/zenodo.4587228">https://doi.org/10.5281/zenodo.4587228</a>. Acesso em: 5 ago. 2024.</p><p>ENGERMAN, Stanley L.; SOKOLOFF, Kenneth L. Factor endowments, inequality, and paths of development among new world economics. <em>National Bureau of Economic Research</em>, 2002.</p><p>FONTES, Paulo Roberto Ribeiro; DE HOLLANDA, Bernardo Borges Buarque (Ed.). <em>The country of football: Politics, culture &amp; the beautiful game in Brazil</em>. Hurst &amp; Company, 2014.</p><p>HILLMAN, Arye L. Rent seeking. In: <em>The Elgar Companion to Public Choice</em>, Second Edition. Edward Elgar Publishing, 2013. p. 307–330.</p><p>IBGE. <em>Criando sinergias entre a Agenda 2030 para o desenvolvimento sustentável e o G20: caderno desigualdades: primeiras análises.</em> Rio de Janeiro: IBGE, 2024. 23 p. : il. color. Disponível em: <a href="https://biblioteca.ibge.gov.br/index.php/biblioteca-catalogo?view=detalhes&amp;id=2102080">https://biblioteca.ibge.gov.br/index.php/biblioteca-catalogo?view=detalhes&amp;id=2102080</a>. Acesso em: 07 ago. 2024.</p><p>NAKAMURA, Wilson Toshiro; CERQUEIRA, Sérgio de Albuquerque. The New Era of Brazilian Football and Clubs Managed as a Business. <em>Revista de Administração Contemporânea</em>, v. 25, n. 4, p. e-210055, 2021.</p><p>NARITOMI, Joana; SOARES, Rodrigo R.; ASSUNCAO, Juliano. Rent seeking and the unveiling of ‘de facto’ institutions: development and colonial heritage within Brazil. <em>National Bureau of Economic Research</em>, 2007.</p><p>NARITOMI, Joana; SOARES, Rodrigo R.; ASSUNÇÃO, Juliano J. Institutional development and colonial heritage within Brazil. <em>The journal of economic history</em>, v. 72, n. 2, p. 393–422, 2012.</p><p>PEÑALOZA, Rodrigo A. S. <em>Microeconomia em doses: lei das vantagens comparativas.</em> Medium, 20 abr. 2021. Disponível em: <a href="https://milesmithrae.medium.com/microeconomia-em-doses-lei-das-vantagens-comparativas-rodrigo-pe%C3%B1aloza-20-4-2021-475b05dfe6bc">https://milesmithrae.medium.com/microeconomia-em-doses-lei-das-vantagens-comparativas-rodrigo-pe%C3%B1aloza-20-4-2021-475b05dfe6bc</a>. Acesso em: 05 ago. 2024.</p><p>ROBINSON, James A.; TORVIK, Ragnar. Institutional comparative statics. <em>National Bureau of Economic Research</em>, 2011.</p><p>WORLD BANK GROUP. The World Bank in Brazil. Disponível em: <a href="https://www.worldbank.org/en/country/brazil/overview#1">https://www.worldbank.org/en/country/brazil/overview#1</a>. Acesso em: 5 ago. 2024.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=84d5e39ec88e" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Sobre teste de hipóteses]]></title>
            <link>https://gabrielfferraz.medium.com/sobre-teste-de-hip%C3%B3teses-1593a94849cb?source=rss-7ae1a207060f------2</link>
            <guid isPermaLink="false">https://medium.com/p/1593a94849cb</guid>
            <category><![CDATA[econometria]]></category>
            <category><![CDATA[inferência-estatística]]></category>
            <category><![CDATA[valor-p]]></category>
            <category><![CDATA[significância-estatística]]></category>
            <category><![CDATA[teste-de-hipótese]]></category>
            <dc:creator><![CDATA[Zinho]]></dc:creator>
            <pubDate>Thu, 18 Jul 2024 20:30:41 GMT</pubDate>
            <atom:updated>2024-07-30T15:40:48.577Z</atom:updated>
            <content:encoded><![CDATA[<p>Vamos imaginar um aluno de economia finalmente enfrentando a temida matéria de econometria. Como muitos, ele vem com algumas dificuldades de matemática do ensino médio, não aprendeu bem as matérias de cálculo e deu um jeito de passar nas disciplinas de estatística e inferência. Mas aí chega a econometria e todas essas lacunas do passado aparecem de forma bem clara. E nada causa mais confusão, seja entre economistas ou qualquer pessoa que lida com trabalhos estatísticos, do que entender corretamente os resultados dos testes de hipóteses dos parâmetros estimados. Neste texto, queremos esclarecer de uma vez por todas o <strong>teste de hipóteses</strong> (frequentista) e o que é <strong>significância estatística</strong> e o <strong>p-valor</strong>.</p><h3><strong>Uma problemática e o problema</strong></h3><p>Vamos imaginar que um aluno precisa fazer um trabalho sobre como a educação influencia os salários. Essa questão não é só importante para teoria econômica, mas também crucial para criar políticas públicas que funcionem. Nos anos 1960, economistas como Gary Becker e Jacob Mincer popularizaram a ideia de que mais educação aumenta a produtividade dos trabalhadores e, consequentemente, seus salários (Becker, 1964; Mincer, 1958). Se isso for verdade, investir em educação pode não só melhorar a produtividade, mas também reduzir a pobreza e impulsionar o crescimento econômico. Entender essa ligação é fundamental para decidir onde investir recursos em programas educacionais, promovendo justiça social e garantindo que mais pessoas tenham acesso a melhores oportunidades. A econometria, que é a aplicação de métodos estatísticos na economia, avançou muito para medir essa relação com precisão, controlando fatores externos e refinando as estimativas ao longo do tempo.</p><p>Utilizaremos esse exemplo como um guia para as discussões ao longo do texto. Com isso consideramos que nosso aluno tem em mãos uma base de dados coletados de uma população bem definida utilizando métodos de amostragem que reduzem o viés de seleção, como amostragem aleatória estratificada. No caso, essa técnica divide a população em subgrupos semelhantes, chamados estratos, e depois são escolhidas amostras aleatórias de cada estrato. Isso só para evitarmos discussões sobre a representatividade dos resultados da pesquisa.</p><p>Vamos a título de simplificação considerar um modelo de regressão linear simples, ou seja, o modelo econométrico utilizado consiste na seguinte especificação:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/896/0*DmGrZApOcgflTeWN" /></figure><p>Em que a variável <em>lsalarios </em>é o logaritmo da renda semanal e <em>educ </em>é nível de escolaridade. Utilizamos o logaritmo do salário para tornar a análise mais precisa, robusta e compreensível. Isso porque a transformação logarítmica lineariza o crescimento exponencial dos salários, reduz a heterocedasticidade (variância desigual dos erros), diminui a assimetria da distribuição dos salários (que geralmente é inclinada à direita), captura os efeitos marginais decrescentes e facilita comparações entre diferentes grupos.</p><p>Uma vez que o modelo está especificado e temos uma base de dados, o próximo passo do nosso aluno foi utilizar a linguagem de programação R para estimar os parâmetros do modelo. O seguinte código foi usado:</p><blockquote><em>setwd(‘D:/’) #especificar o diretório do trabalho</em></blockquote><blockquote><em>df &lt;- read_dta(‘data.dta’) #ler os dados</em></blockquote><blockquote><em>lm(lsalarios ~ educ, data = df) #modelo econométrico</em></blockquote><p>Para apresentar os resultados em seu relatório, ele utilizou o pacote stargazer, que gerou uma tabela resumida do modelo estimado com o código acima.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/918/0*VBWy8tyd9Y_EGthv" /><figcaption>Tabela 1: Tabela da regressão estimada</figcaption></figure><p>Ou seja, podemos representar os valores estimados, junto com os erros padrões e o coeficiente de determinação, da seguinte maneira:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*bAQnUVivV9vp5Arn" /></figure><p>Após a estimação, o aluno prosseguiu com sua tarefa do trabalho de Econometria, que consistia na interpretação do coeficiente estimado. Nosso aluno, para não ter dificuldade tinha uma colinha sobre como interpretar a depender da forma funcional do modelo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Jcq3tz6Pov8OIMnS" /><figcaption>Figura 1: Sumário das interpretações do modelo de regressão linear</figcaption></figure><p>Uma vez que seu modelo era do tipo log-nível, sabia que deveria interpretar o coeficiente estimado do parâmetro de interesse como uma mudança percentual. Não lembrava exatamente <a href="https://stats.stackexchange.com/questions/244199/why-is-it-that-natural-log-changes-are-percentage-changes-what-is-about-logs-th">o motivo</a>, algo sobre uma série de Taylor, mas não prestou muita atenção nos detalhes e recorreu a esse infeliz estratagema que foi o de decorar. Assim, nosso aluno descreveu a interpretação dos coeficientes estimados da seguinte maneira:</p><p>A análise sugere que o logaritmo dos salários é influenciado pela educação. O coeficiente estimado para a variável educacional é 0.108. Isso significa que, mantendo todas as outras coisas iguais, um aumento de um ano no nível de educação está relacionado, em média, a um aumento de cerca de 10,8% no logaritmo dos salários.</p><p>Depois de entender como o modelo funciona, o aluno foi pedido para verificar se os coeficientes que calculou eram estatisticamente importantes. Para isso é necessário o conhecer o procedimento de teste de hipótese. Para que o modelo de regressão funcione corretamente, ele deve ser linear, bem especificado e possuir um termo de erro aditivo que, além de ter média condicional zero e variância constante, não se correlaciona nem com as variáveis explicativas nem entre suas próprias observações, e as variáveis explicativas não devem ser perfeitamente lineares entre si, ou seja, sob as 6 hipóteses do Modelo Linear Clássico (CLM) pode ser demonstrado que os estimadores de Mínimos Quadrados Ordinários (OLS) são os estimadores não viesados de variância mínima, o que significa que os OLS têm a menor variância entre os estimadores não viesados.</p><p>Uma forma sucinta de resumir as suposições populacionais do CLM é</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/854/0*Rp0YpBq0PxweDWB_" /></figure><p>Assim, condicionalmente a variável explicativa, a variável resposta tem uma distribuição normal com uma média linear na variável independente e uma variância constante. Em termos de gráfico, a representação dessa hipótese seria o seguinte:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*PxS8NTby5QyLz-CO" /><figcaption>Figura 2: Distribuição normal da variável resposta condicionado às variáveis explicativas</figcaption></figure><p>Ademais, a normalidade do termo de erro se traduz em distribuições amostrais normais dos estimadores de Mínimos Quadrados Ordinários condicional a variável independente:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*hNNUQ4M_JNbOgEjx" /></figure><p>Para uma compreensão completa dos testes de hipóteses, deve-se lembrar que os betas são características desconhecidas da população e nunca os conheceremos com certeza. No entanto, podemos formular hipóteses sobre o valor do coeficiente de interesse e depois usar inferência estatística para testar a nossa hipótese. Para fazer o teste de hipóteses vamos precisar estimar a variância dos beta-chapéus (os estimativas do parâmetro verdadeiro), que por sua vez demandam estimação da distribuição amostral dos erros. Os estimadores de OLS seguirão uma distribuição amostral <em>t</em> para valores padronizados de beta chapéu (o coeficiente estimado) usando o erro padrão:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/498/0*CEZCediUoFawAHjl" /></figure><p>Ou seja, de acordo com as hipóteses do modelo linear clássico, especialmente a suposição de que os erros são distribuídos normalmente, pode-se usar o teorema que conecta os coeficientes estimados, divididos pelo erro padrão, com uma distribuição t. Essa distribuição tem n — k — 1 graus de liberdade. Com base no resultado, podemos realizar um teste de hipótese para verificar se há evidências significativas para as seguintes hipóteses: H0: β = 0 contra H1: β ≠ 0.</p><p>Aqui o aluno já se perdeu no linguajar estatística, se é que lembra, algo sobre valor crítico, sobre falso positivo, graus de liberdade e demais termos mesmo ainda sendo obscuros. Mas, nosso astuto aluno decorou o teste de hipótese como um simples algoritmo para o teste bicaudal uma vez definido a hipótese nula:</p><ol><li>Construa a estatística-t,</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/406/0*HyGyI5CIfMA_BKt0" /></figure><p>2. Defina o nível de significância α, sendo os mais comuns 10%, 5% e 1%.</p><p>3. Obtenha a tabela de distribuição-t o valor crítico <strong>c</strong> correspondente a α e <em>n — k </em>— 1 graus de liberdade.</p><p>4. <strong>Rejeitar </strong>H0 se</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/266/0*YsUNJoz1yGOO2kkT" /></figure><p>Caso contrário falhamos em rejeitar H0.</p><p>Podemos reduzir o procedimento a Figura 3, em que se nossa estatística t estiver na área de rejeição então rejeitamos a hipótese nula ao nível de significância α. Portanto, o coeficiente é significante estatisticamente aos níveis definidos.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*GFB78LerInguIoq6" /><figcaption>Figura 3: Teste de Hipótese bicaudal</figcaption></figure><p>Portanto, deu início ao seu algoritmo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/630/0*QDtzfm8Affmae2VK" /></figure><p>O aluno sabia que o nível de significância padrão era de 5%. Ele também sabia que podia flexibilizar esse nível para 10% ou torná-lo mais rígido em 1%, tudo para argumentar sobre a significância estatística do estimador. Embora ele não soubesse exatamente o porquê desses valores específicos, seguiu em frente e foi olhar a <a href="https://pt.wikipedia.org/wiki/Distribui%C3%A7%C3%A3o_t_de_Student">distribuição de T-Student</a>. Abaixo estão alguns valores selecionados com diferentes graus de liberdade (<em>df</em>) para as regiões críticas, tanto para uma cauda quanto para duas caudas (unicaudal ou bicaudal):</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/489/0*p-HMDbQVdY2xo2xJ" /><figcaption>Figura 4: Valores selecionados da distribuição T de Student</figcaption></figure><p>No caso do modelo do aluno, com <em>n</em> (total de observações) igual a 29.501 e apenas um parâmetro (afinal, estamos lidando com uma regressão simples), então os graus de liberdade correspondem a <em>n — k </em>— 1<em> </em>= 29.501–1–1 = 29.499. Com isso bastou o aluno olhar para a linha dos valores críticos selecionados para um teste bicaudal e graus de liberdade (<em>df</em>) iguais a 29.499</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/232/0*hSToGCPBerh-KVS9" /><figcaption>Figura 5: Valores críticos para os nível de significâncias comuns em amostras grandes</figcaption></figure><p>Note que quando os graus de liberdade são maiores que 120, utilizamos valores críticos padrão para o teste t que estão presentes na figura 5. Assim, pode-se adotar a regra de bolso de que, se a amostra é grande e o valor do teste t é pelo menos maior que 2, então o resultado é estatisticamente significativo a nível de 5%.</p><p>Com todas as peças na mesa, faltava apenas realizar o teste com a última etapa do algoritmo decorado:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/784/0*TNYLhrfCwfbsS18P" /></figure><p>E mecanicamente, como o aluno tinha decorado, soube dizer que como o teste t do estimador de <em>educ</em> é maior que o valor crítico à nível de 1%, então ele é significativo a todos os níveis comuns, ou seja, a 10% e 5%, além de 1%.</p><p>As intuições sobre o teste e o procedimento não eram perfeitamente claras para o aluno. A situação ficava ainda mais confusa com a terminologia estatística que ele encontrava pelo caminho, pois havia lacunas no seu entendimento sobre o assunto. No entanto, ele conseguiu calcular a significância do coeficiente estimado, o que era suficiente para os seus interesses. Assim, o contexto e o verdadeiro significado da significância estatística eram deixados de lado, restando apenas uma vaga ideia de que esse procedimento serve para garantir que as conclusões da análise estatística sejam confiáveis e robustas.</p><p>No final de sua análise, o aluno escreveu em seu relatório:</p><blockquote>A boa notícia é que o coeficiente se mostrou estatisticamente significativo. Isso quer dizer que a probabilidade da hipótese nula estar correta é inferior a 1%. Portanto, rejeitamos aquela hipótese.</blockquote><p>Confiante, ele seguiu para a próxima questão sem perceber que o que acabara de escrever estava totalmente <strong>errado</strong>. A triste realidade é que esse erro não é cometido apenas por estudantes de econometria, mas também por profissionais formados por instituições renomadas, que trabalham na área de dados ou até mesmo em pesquisas médicas. Essas interpretações erradas não ficam restritas à torre de marfim dos acadêmicos, mas têm implicações práticas reais, afetando vidas. Um exemplo claro disso foi durante a pandemia, nas discussões sobre tratamentos alternativos.</p><p>Mas qual foi o erro do nosso aluno? Para entender isso, precisamos voltar ao mundo da teoria para deixar o erro bem claro. Não se preocupe, vamos mergulhar na estatística, mas de um jeito que todos possam entender, sem tornar os termos acadêmicos assustadores ou obscuros.</p><h3><strong>Um leve desvio sobre fundamentos de probabilidade e a história da estatística</strong></h3><p>Antes de mergulharmos nos testes de hipóteses, precisamos garantir uma base sólida, mesmo que mínima, em inferência estatística. E para entender isso, é essencial ter uma noção básica de probabilidade. Então, vamos começar do começo: o que é probabilidade? De verdade, o que significa afirmar que algum evento tem uma probabilidade de tantos porcento de ocorrer? Bem, parece que as pessoas que tiveram contato com a matéria de estatística e probabilidade provavelmente diriam que tem algo a ver com chance, com a propensão de algo acontecer, com a frequência de eventos ou até mesmo com crenças. Mas como isso funciona na prática? O que realmente queremos dizer quando falamos de probabilidade?</p><p>Suponha que uma fonte confiável informe o seguinte:</p><blockquote>Há 30% de chance de chover amanhã.</blockquote><p>Mas o que isso significa?</p><p>Pode parecer uma pergunta trivial para alguns ou extremamente complicada para outros, mas vamos simplificar. Não se preocupe com análises rigorosas agora, vamos chegar lá em breve. Por enquanto, vamos ficar com uma noção intuitiva que todos nós temos. Dito isso, imagine que um aluno mais informado poderia dizer o seguinte: a probabilidade de um evento é como a chance desse evento acontecer em relação a todas as outras coisas que poderiam acontecer.</p><p>De uma maneira um pouco mais formal, podemos dizer que a probabilidade de um evento é o número de vezes que o evento de interesse pode acontecer dividido pelo número total de possíveis resultados desse experimento. Para nós, um experimento é qualquer processo ou ação que leva a um ou mais resultados e que pode ser repetido nas mesmas condições. Então, por exemplo, no caso do experimento de jogar uma moeda, temos dois resultados possíveis: cara ou coroa. O conjunto de todos os possíveis resultados de um experimento é o que chamamos de <strong>espaço amostral</strong> e denotamos por <em>S</em>. Portanto, no exemplo da moeda, temos que</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/502/0*2AvqWAMD3fjeMYpy" /></figure><p>Qualquer subconjunto <em>E</em> desse espaço amostral é chamado de <strong>evento</strong>. Basicamente, qualquer resultado (de particular interesse) desse espaço é conhecido como evento. Novamente com o exemplo da moeda, o evento cair cara e o evento cair coroa são respectivamente os seguintes subconjuntos:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/490/0*zsVX0Aq5x5DFZJqT" /></figure><p>Portanto, em um espaço equiprovável a probabilidade de cair cara ao jogar uma moeda pode ser escrita da seguinte maneira:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/698/1*Cx7VXcVzF1sWmv_ZhNFgOg.jpeg" /><figcaption>Vale destacar quepara afirmar que existam probabilidades em algum cenário, sempre há suposições envolvidas.</figcaption></figure><p>Okay, faz sentido. Mas voltemos à pergunta inicial: “há 30% de chance de chover amanhã.” O que isso quer dizer, intuitivamente, com base na definição que demos? Talvez algo como: dado o que esperamos para as condições climáticas futuras, se simularmos o dia de amanhã dez vezes, em apenas três desses cenários chove?</p><p>Mas isso seria como dizer que se jogássemos uma moeda dez vezes, em cinco delas daria cara. Tente fazer esse experimento por conta própria. Será que deu exatamente cinco caras? Tenho quase certeza que não, até porque a probabilidade de obter cinco caras em dez lançamentos é aproximadamente metade da chance de obter cara em um único lançamento!</p><p>O que quero mostrar é que essa não é a maneira mais útil de pensar quando perguntamos o que é probabilidade. Basicamente, estamos perguntando o que torna as afirmações de probabilidade verdadeiras ou falsas. Afinal, o que é essa tal de probabilidade? Descrever a probabilidade como a chance de um evento acontecer em relação a todas as outras coisas que poderiam acontecer, como a razão entre um subconjunto do espaço amostral e o conjunto total, ou até mesmo como uma medida com massa total unitária, não nos ajuda muito. Isso só descreve a probabilidade pelas suas propriedades formais específicas e não nos informa o que ela realmente é ou como interpretá-la.</p><p>De fato, essas descrições matemáticas tornam o termo operacional sem precisar ficarmos discutindo intermináveis reflexões filosóficas sobre os <a href="https://plato.stanford.edu/Entries/statistics/">fundamentos da probabilidade</a>. Podemos simplesmente utilizar algo como a <em>axiomatização de Kolmogorov</em> para nos referirmos a esse objeto que chamamos de probabilidade, deixando a interpretação em segundo plano. De maneira mais estrita, quando falamos de uma ‘interpretação’ de uma teoria formal, estamos dando significados aos seus símbolos ou termos básicos, com o objetivo de tornar seus axiomas e teoremas afirmações verdadeiras sobre algo. E é justamente a interpretação do que é probabilidade que queremos. (Hajek, 2023)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/758/0*tZQ7r0Z1s3OH-RyQ" /><figcaption>Figura 6: Entrada sobre os axiomas de Kolmogorov (i.e., axiomas de probabilidade) do livro <a href="https://statproofbook.github.io/D/prob-ax.html">The Book of Statistical Proofs</a></figcaption></figure><p>Novamente: “Há 30% de chance de chover amanhã.” Vamos usar nossa intuição aqui. Então, deixe-me fazer outra pergunta: com base nessa previsão de uma fonte confiável, se você estivesse planejando passar o dia no parque, você levaria um guarda-chuva? E se a fonte afirmasse que há 80% de chance de chover, você levaria?</p><p>Acho que a maioria das pessoas responderia ‘não’ para a primeira pergunta e ‘sim’ para a última. Intuitivamente, quando falamos de afirmações probabilísticas, parece que estamos expressando nossas crenças sobre o mundo, ou melhor, quantificando essas crenças. Quando não sabemos tudo sobre as causas por trás de um evento, a probabilidade se torna uma forma de representar nossas incertezas com base no que sabemos.</p><p>A interpretação intuitiva da probabilidade como medida do grau de crença de alguém é conhecida como probabilidade bayesiana. O termo “bayesiano” vem de Thomas Bayes (1702–1761), um matemático que provou um caso especial do que hoje é chamado de teorema de Bayes em um artigo intitulado “An essay towards solving a problem in the doctrine of chances” (Bayes, 1763).</p><p>O teorema de Bayes é representado pela seguinte fórmula considerando o caso discreto:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*3FD5H15ggWF8BZMQ" /><figcaption>Teorema de Bayes</figcaption></figure><p>A importância desse teorema está em nos fornecer uma ferramenta matemática que ajuda a atualizar a probabilidade de uma hipótese com base em novas evidências. Vamos decompor a fórmula e entender cada termo. Primeiro, temos P(H|E), a probabilidade da hipótese H ser verdadeira dado que a evidência E foi observada. Isso é conhecido como “<em>probabilidade posterior</em>”, pois é a probabilidade após considerarmos a nova evidência.</p><p>O próximo termo é P(E|H), que representa a probabilidade da evidência E ser observada se a hipótese H for verdadeira. Isso é chamado de “<em>verossimilhança</em>” e indica a probabilidade de vermos a evidência E supondo que a hipótese H esteja correta. Depois, temos P(H), a probabilidade da hipótese H ser verdadeira antes de qualquer evidência ser observada. Este é o “priori” ou “<em>probabilidade a priori</em>”, refletindo nossas crenças iniciais sobre a hipótese antes de levarmos em conta a nova evidência. Por fim, P(E) é a probabilidade da evidência E ser observada, independentemente da hipótese. Isso é chamado de “<em>probabilidade marginal</em>” ou “evidência”. Ela serve como um fator de normalização, garantindo que a probabilidade posterior seja válida.</p><p>Em resumo, o Teorema de Bayes nos permite ajustar nossas crenças sobre uma hipótese à medida que novas evidências surgem, combinando a verossimilhança dessas evidências, a probabilidade a priori da hipótese e a probabilidade da própria evidência. Esta é uma ferramenta poderosa para a tomada de decisões e a inferência estatística, especialmente ao lidar com incertezas.</p><p>É importante diferenciar o Teorema de Bayes da Inferência Bayesiana e da interpretação subjetiva de probabilidade. O Teorema de Bayes é simplesmente um teorema, válido independentemente da interpretação que adotamos para a probabilidade (Segue um <a href="https://www.youtube.com/watch?v=_eVzh3tCNeQ">video</a> sobre o assunto). Já a Inferência Bayesiana utiliza a interpretação subjetiva, na qual a probabilidade representa a incerteza com base em nosso conhecimento do mundo. À medida que adquirimos novas informações, faz sentido que essa probabilidade (condicionada às evidências) também mude. O Teorema de Bayes facilita essa atualização, explicando a conexão entre as duas abordagens.</p><p>Mais tarde, Pierre-Simon Laplace (1749–1827) generalizou esse teorema para várias aplicações, incluindo mecânica celeste e estatísticas médicas. Inicialmente, as inferências bayesianas eram conhecidas como “probabilidade inversa”, pois inferiam dos resultados observados para parâmetros desconhecidos com base em informações prévias.</p><p>O desafio da abordagem bayesiana era lidar com cálculos complicados, especialmente antes da era dos computadores. Com o surgimento de métodos mais simples e viáveis analíticamente após os anos 1920, muitos começaram a duvidar das informações prévias usadas pela abordagem bayesiana. Por causa disso, ela foi amplamente substituída por métodos mais populares nos dias de hoje, como a estatística <strong>frequentista</strong>. Aqui, em vez de interpretar a probabilidade como uma crença, ela passa a ser vista como uma idealização da frequência a longo prazo em uma sequência longa de repetições sob condições constantes (Lehmann, 1993, p. 204).</p><p>Ou seja, o que significa dizer que há uma chance de 50% de cair cara em um lançamento de moeda segundo a interpretação frequentista? Significa que se eu fizesse um experimento em que jogamos uma moeda infinitas vezes e em cada um desses lançamentos sob as mesmas condições, então a probabilidade de cair cara é a frequência de vezes que de se cair cara para o total de lançamentos no limite.</p><p>E 30% de chover? Digamos que tenhamos um modelo meteorológico com as condições esperadas do dia de amanhã, então quando realizamos infinitas simulações no modelo, no limite, a frequência de vezes em que chove é exatamente 30%.</p><p>De maneira mais formal (Ross, 2010, p.26): Suponha que um experimento, cujo espaço amostral é <em>S</em>, seja realizado repetidamente exatamente nas mesmas condições. Para cada evento <em>E</em> do espaço amostral <em>S</em>, definimos <em>n(E)</em> como o número de vezes nas <em>n</em> repetições do experimento que o evento <em>E</em> ocorre. Então <em>P(E)</em>, a probabilidade do evento <em>E</em>, é definida como</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/550/0*Wc3LBjDJg7RULqTJ" /></figure><p>A ideia principal por trás do <strong>frequentismo </strong>é que a estatística pode ser vista como uma espécie de probabilidade frequente. Esse conceito foi desenvolvido principalmente por Ronald Fisher (1890–1962) e pela equipe de Jerzy Neyman (1894–1981) e Egon Pearson (1895–1980).</p><p>Historicamente, Fisher introduziu o teste de significância e o p-valor em 1925 em seu livro “Statistical Methods for Research Workers” (Fisher, 1925), focando em como avaliar se há evidências suficientes contra uma hipótese nula. Neyman e Pearson, nos anos 1930, desenvolveram um teste de hipóteses mais formal, introduzindo conceitos como erros tipo I e II, além do poder do teste. Ambos os métodos são cruciais para aplicar estatísticas de forma correta em pesquisas e na tomada de decisões.</p><p>Ronald Fisher desenvolveu a ‘inferência de randomização’, um método estatístico que não depende de parâmetros específicos. Ele argumentou que, ao testar se um tratamento é eficaz ou não, a aleatorização na distribuição dos tratamentos é essencial. Segundo Fisher, sob a hipótese nula de que o tratamento não tem efeito, qualquer diferença média observada deve-se apenas ao acaso, supondo que não há diferenças entre os grupos além da aleatoriedade. Fisher propôs que ao analisar todas as combinações possíveis de tratamentos e controles em um experimento e calcular a distribuição exata do efeito médio sob essa hipótese nula, podemos determinar a probabilidade de obter uma estimativa tão grande quanto a observada, caso o tratamento seja verdadeiramente ineficaz — esse é o famoso p-valor. Isso destaca não só a importância da randomização para equilibrar as características entre os grupos, mas também para uma correta avaliação do erro e da significância estatística, independentemente do tamanho da amostra.</p><p>Para ilustrar, imagine um agricultor que quer saber se um novo fertilizante pode aumentar a produção de milho. Ele divide sua plantação em dois grupos: um recebe o fertilizante e o outro serve como controle, sem fertilizante, escolhidos aleatoriamente. Após a colheita, ele compara os rendimentos dos dois grupos. Aqui entra o teste de significância de Fisher: ele calcula o p-valor, que mostra o quão significativa é a diferença de produção entre os grupos. Se o p-valor for menor que um p-valor pré-determinado, geralmente 5%, o agricultor conclui que o fertilizante teve um efeito significativo na produção de milho. É como se ele estivesse avaliando se a diferença observada é tão grande que dificilmente poderia ser explicada apenas por acaso.</p><p>É importante notar que a escolha do valor fixo de 5% é arbitrária. Em seu livro “The Design of Experiments” de 1935, Fisher escreveu: “É comum e prático para os experimentadores adotarem o 5% como um padrão de significância. Isso significa que eles estão prontos para descartar resultados que não atendem a esse critério, eliminando as flutuações aleatórias que podem surgir nos resultados experimentais” (Fisher, 1935, p.13). Mas o estatístico nos alerta: ao aceitar essa convenção de considerar um evento significativo se ocorrer por acaso apenas uma vez em cada 20 tentativas, reconhecemos que nenhum experimento isolado, por mais impressionante que seja, pode provar definitivamente um fenômeno natural. Como destacado por Fisher, para demonstrar um fenômeno de maneira conclusiva, é necessário conduzir experimentos que consistentemente produzem resultados estatisticamente significativos (Fisher, 1935, p. 14). Ou seja, não faz sentido falar da significância de um único teste, mas sim de determinar a significância pela frequência de eventos propostos em amostras repetidas da mesma população em experimentos repetidos sob as mesmas condições (Fisher, 1955, p. 71).</p><p>Então, voltando ao nosso exemplo inicial: o aluno de economia calcula os coeficientes de interesse em uma regressão linear e se pergunta se o efeito estimado é estatisticamente significativo. Mas espera aí, como isso faz sentido quando usamos o teste de significância à la Fisher, que se baseia na frequência de experimentos repetidos, mas aqui temos apenas um teste em uma única amostra?</p><p>É aí que entram Neyman e Pearson: O teste de hipóteses de Neyman-Pearson foca em duas coisas: o quão precisas são as medições e quão confiáveis são as conclusões tiradas. Em vez de só olhar a chance de um resultado específico sob a hipótese nula (como no teste de Fisher), Neyman e Pearson propuseram um jeito mais cuidadoso.</p><p>Eles sugeriram que definíssemos duas hipóteses: a nula, que é a posição inicial (tipo “o tratamento não faz diferença”), e a alternativa (tipo “o tratamento tem um efeito específico”). O teste avalia então o quão improvável seria conseguir os resultados observados se a hipótese nula fosse verdadeira, levando em conta não só o resultado de agora, mas também o quão provável seriam resultados parecidos em situações parecidas. Em outras palavras, estamos imaginando uma população hipotética de amostras que poderiam ter sido geradas repetindo esse experimento várias vezes.</p><p>Isso quer dizer que, usando o teste de Neyman-Pearson, a gente não olha só para um resultado em uma única amostra, mas sim em como resultados parecidos se comportariam se a gente repetisse o experimento várias vezes. Esse jeito ajuda a garantir que as conclusões que a gente tira sejam firmes e confiáveis, mesmo quando a gente só tem dados de uma amostra.</p><p>Lehmann (1993, p. 1243) aponta que Fisher não explicou por que escolheu essas estatísticas de teste em vez de outras. Neyman e Pearson, por outro lado, foram além após seus primeiros trabalhos em 1928 (Neyman &amp; Pearson, 1928) e responderam em 1933 (Neyman &amp; Pearson, 1933). Sua abordagem envolveu não apenas a hipótese nula, mas também uma série de alternativas possíveis e as probabilidades de dois tipos de erro: rejeição falsa (Erro I) e aceitação falsa (Erro II).</p><p>Para Neyman-Pearson, o “melhor” teste minimiza o Erro II (aceitação falsa) sob um limite para o Erro I (rejeição falsa), que é o nível de significância do teste. A consideração central é especificar não apenas a hipótese nula H, mas também as alternativas contra as quais ela será testada. Definindo essas alternativas, podemos então entender o erro do tipo II (aceitação falsa) e o poder do teste, ou seja, a probabilidade de rejeitar a hipótese nula quando existe uma alternativa verdadeira. Essa ideia é crucial para avaliar a chance de detectar um efeito (ou seja, uma diferença em relação à hipótese nula) quando ele existe, determinando o tamanho da amostra necessário para aumentar essa chance a um nível aceitável, e para escolher o teste apropriado.</p><p>Os testes de Fisher e Neyman-Pearson são como amigos que se complementam: o teste de Fisher é perfeito para começar a explorar, procurando evidências contra a hipótese nula sem ter uma alternativa específica em mente. Já Neyman-Pearson é o cara dos estudos confirmatórios, quando temos hipóteses específicas para testar. Fisher é flexível e intuitivo, ideal para investigações iniciais, enquanto Neyman-Pearson oferece um framework rigoroso para decisões em estudos mais formais. O p-valor de Fisher nos dá uma medida contínua de evidência, enquanto Neyman-Pearson foca no poder do teste, garantindo boas chances de detectar efeitos reais.</p><p>Apesar das brigas entre Fisher, Neyman e Pearson sobre a validade de seus métodos (e.g., Fisher, 1955; Pearson, 1955) — que alguns consideraram destrutivas para a estatística (Lehmann, 1992, p. 1242) — , essas discussões deixaram claro que, na prática, suas teorias se complementam mais do que se contradizem. Lehmann argumenta que, apesar das diferenças filosóficas, podemos adotar uma abordagem unificada que combine o melhor dos dois mundos. Essa fusão é conhecida simplesmente como <strong>Teste de Hipótese Frequentista</strong>, encontrado em manuais padrões de inferência estatística como o de Casella &amp; Berger (2024), que recomendamos fortemente para um tratamento rigoroso e robusto sobre inferência.</p><p>Para não perder de vista a problemática queremos atacar, voltemos ao texto redigido do aluno respondendo sobre a significância do estimador elaborado para seu trabalho de econometria:</p><blockquote>A boa notícia é que o coeficiente se mostrou estatisticamente significativo. Isso quer dizer que a probabilidade da hipótese nula estar correta é inferior a 1%. Portanto, rejeitamos aquela hipótese.</blockquote><p>No paradigma frequentista, quando falamos que um coeficiente de regressão é significativo ao nível de 1%, estamos dizendo que, se a coeficiente for na verdade zero, a probabilidade de obter um resultado tão extremo quanto o observado (ou mais extremo) é menor que 1%. Isto é representado pelo p-valor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/918/1*iGHRWxCoQIW-yHVyXPcXKw.jpeg" /></figure><p>Mas isso não nos diz diretamente nada sobre a probabilidade da hipótese de efeito nulo ser verdadeira ou falsa. Apenas nos informa sobre a raridade dos dados sob a essa hipótese. Estamos apenas tratando dos dados e condicionando a certas hipóteses, sendo que a probabilidade dessas fica obscura neste abordagem.</p><p>Então quando olhamos para o real interesse do aluno temos de mudar para o paradigma bayesiano, na qual fazemos afirmações justamente sobre probabilidade da hipótese do efeito ser nulo ser verdadeira dados os dados observados. Usamos o Teorema de Bayes para atualizar nossas crenças.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3uusnUDnMP6H07g9MuF2mw.jpeg" /></figure><p>Onde, P(Efeito nulo | Dados) é a probabilidade posterior da hipótese de efeito nulo, ou seja, o quanto nossa crença sobre o efeito ser nulo muda consideramos o que vimos nos dados. P(Dados | Efeito nulo) é a verossimilhança, a mesma usada no paradigma frequentista. Enquanto, P(Efeito nulo) é a probabilidade a priori da hipótese de efeito nula ser verdadeira antes de observarmos os dados, e P(Dados) é a probabilidade marginal dos dados, que é uma normalização e pode ser calculada como:</p><p>P(Dados) = P(Dados | Efeito nulo) * P(Efeito nulo) + P( Dados| Efeito não nulo) *[1 — P(Efeito nulo)]</p><p>Ou seja, a interpretação do aluno está errada porque o p-valor, no paradigma frequentista, não mede a probabilidade da hipótese de efeito nulo ser verdadeira, mas sim a probabilidade de observar os dados ou algo mais extremo se a hipótese nula for verdadeira. O frequentismo trata os parâmetros como constantes fixas, e não como variáveis aleatórias às quais se possa atribuir probabilidades. Assim, não é correto afirmar que há menos de 1% de chance de a hipótese nula estar correta com base no p-valor.</p><p>Então como fazer sentido do que a abordagem frequentista nos oferece se não é aquilo que gostaríamos de dizer? Agora sim podemos adentrar no teste de hipóteses! Com esse contexto histórico em mente e esclarecendo a origem de certos termos e conceitos, podemos seguir para uma explicação intuitiva e didática de como esse teste funciona na prática.</p><h3><strong>Introdução ao Teste de Hipóteses…</strong></h3><p>Nesta seção vamos explicar o teste de hipóteses frequentista com base num único exemplo de experimento, que nós copiamos descaradamente de um <a href="https://youtu.be/XTcP4oo4JI4?si=riT657UhlUIbAi2v">vídeo</a> do canal Primer. Aqui faremos sentido dos conceitos como poder do teste, hipótese nula e hipótese alternativa, erro de Tipo I e erro de Tipo II, assim como o p-valor.</p><p>Suponha que um grupo de indivíduos resolve brincar de jogar moedas. O jogo é simples: cada indivíduo traz sua própria moeda e revezam entre si após jogar. Quando a moeda cai <strong>cara</strong>, o indivíduo que a jogou fica feliz (ou ganha um ponto) e fica triste (não ganha nada) quando caí <strong>coroa</strong>. Entretanto há um rumor entre os participantes que alguns dos jogadores estão usando moedas viciadas que caem cara mais da metade das vezes. Como isso não é justo, então queremos pegar esses trapaceiros.</p><p>Suponha que temos 6 indivíduos que lançam a moeda 5 vezes. Nossos resultados foram o seguinte: o primeiro indivíduo conseguiu 0 caras e 5 coroas, o segundo obteve 1 cara e 4 coroas, o terceiro 2 caras e 3 coroas, o quarto 3 caras e 2 coroas, o quinto 4 caras e uma coroa, e por fim, o quinto indivíduo teve 5 cara e 0 coroas. A partir dessa amostra, quem podemos acusar de mentiroso?</p><p>Vamos pensar seriamente sobre o problema, porque queremos descobrir a verdade. Mas a verdade é uma trapaceira que não se revela diretamente. É como tentar pegar um gato negro escorregadio em uma sala escura!Por isso, precisamos de uma investigação precisa e meticulosa. No mundo da estatística, temos apenas amostras, não os valores verdadeiros dos parâmetros. Podemos apenas fazer inferências com base nas amostras que temos em mãos. Em outras palavras, na nossa investigação científica, temos apenas dados e precisamos trabalhar com eles da melhor maneira possível para tentar alcançar a realidade.</p><p>Intuitivamente, sabemos que se temos trapaceiros com moedas viciadas, é de se esperar que esse pessoal tenha muitas caras. Por outro lado, mesmo que haja uma variação probabilística de caras e coroas entre os honestos (assim como entre os trapaceiros, mas de forma diferente), sabemos também que se não aparecer nenhuma cara, é bem mais provável que essa pessoa seja honesta do que mentirosa. Em resumo, os extremos nos dão confiança! No nosso exemplo, obter 5 caras e 0 coroas é altamente suspeito, enquanto obter 5 coroas e 0 caras não é.</p><p>Então, com base nisso podemos acusar o indivíduo seis como mentiroso?</p><p>Certamente, há uma alta probabilidade de ele ser mentiroso. Todavia, obviamente, o diabo mora nos detalhes, pois a probabilidade de, após cinco lançamentos, conseguir cinco caras sendo honesto não é zero — nunca é. No caso de uma moeda não viciada, a probabilidade é de 50% para cada lado, então essa variável segue uma distribuição binomial. Ou seja, espera-se que, nesse experimento, as realizações sigam em média as probabilidades da distribuição binomial.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*7aUzoTDwdIR8_gzr" /><figcaption>Figura 7: Distribuição binomial de probabilidade 50% para 5 lançamentos e a probabilidade resultante de 0 a 5 sucessos</figcaption></figure><p>Portanto, embora a gente não saiba exatamente a probabilidade de ele ser mentiroso (mas que parece alta, né?), também existe uma probabilidade de 3,125% de ele ser honesto. Ou seja, se criarmos uma regra onde, a cada 5 lançamentos, se o indivíduo obtiver 5 caras seguidas ele será acusado de mentiroso, acabaremos acusando erroneamente 3,125% dos indivíduos honestos na nossa amostra (conforme ela aumenta). Isso é satisfatório?</p><p>Talvez seja, talvez não. Tudo depende da nossa regra e o que queremos dela. A regra que usaremos é batizada na literatura de <strong>Teste de Hipóteses Frequentista</strong> e do nosso teste queremos apenas três coisas:</p><ol><li>Se o indivíduo têm uma moeda justa, queremos minimizar a chance de acusá-lo;</li><li>Se o indivíduo têm uma moeda viciada, queremos maximizar a chance de acusá-lo;</li><li>Queremos um teste que use o menor número de tentativas possíveis (para testar pro maior número de indivíduos).</li></ol><p>Pense como se estivéssemos investigando um assassinato. Nunca vamos saber a verdade absoluta, mas deve haver um conjunto de evidências que nos permita acusar alguém, mesmo quando existe a possibilidade de o acusado ser inocente. Queremos, na nossa investigação, uma alta chance de pegar o assassino, uma baixa chance de acusar uma pessoa inocente e conduzir a investigação no menor tempo possível. Afinal, não queremos deixar assassinos à solta enquanto a investigação segue, certo?</p><p>Então, vamos falar do nosso teste para o primeiro objetivo: reduzir as chances de acusar alguém honesto injustamente. Aqui, precisamos decidir que porcentagem é aceitável, ou seja, quantas pessoas honestas estamos dispostas a acusar de mentirosas, sob a hipótese de que são honestas. O padrão é geralmente 5%, mas podemos ser menos conservadores e escolher 10%, ou ser mais rigorosos e optar por 1%.</p><p>Essas porcentagens te lembram de algo?</p><p>Isso mesmo, são os níveis de significância que usamos para determinar os valores críticos! Simplificando, eles nos ajudam a definir uma zona crítica. Voltando ao exemplo, essa zona crítica seria como o número de vezes que a moeda caiu cara, a partir do qual decidimos acusar alguém de trapaceiro, mesmo que seja honesto. A lógica fica mais clara se pensarmos em um caso de assassinato: imagine alguém visto com sangue no corpo, próximo à cena do crime, conhecendo a vítima e com motivo para querê-la morta, além de várias testemunhas que o viram fugindo do local na hora do crime. É possível que essa pessoa seja inocente e que todas as evidências tenham uma explicação lógica que aponte para outra direção? Sim, mas chega um momento em que precisamos tomar uma decisão, mesmo que haja o risco de estarmos errados.</p><p>Lembre que não temos acesso à verdade, aos parâmetros, apenas aos dados (a amostra). Então queremos minimizar nossa possibilidade de erro ao mesmo tempo que maximizamos a possibilidade de acerto.</p><p>Okay, delimitamos para nosso primeiro objetivo um critério de acusar menos de 5% dos jogadores honestos, ou seja, menos que um em 20 jogadores com moedas justas.</p><p>Podemos colocar esse critério por meio de um teste que acusa todo jogador que conseguiu 5 caras consecutivas em 5 lançamentos de moeda. Como dito anterior, a probabilidade de um jogador honesto de ser acusado é de exatamente 3.125%, que é menor que nosso valor estipulado de 5%</p><p>Suponha que temos uma amostra de 1000 indivíduos, em que metade é trapaceiro e metade é honesto. Com nosso teste qual será a frequência de acusados injustamente? E qual a fração de trapaceiros você acha que iremos pegar? Para responder, podemos dividir nossa amostra em quatro categorias que representamos na figura 8.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*PZckbDOe4o__gNat" /><figcaption>Figura 8: Resultado do Teste e a Verdade.</figcaption></figure><p>Quando nosso teste dá <strong>positivo</strong>, não encontramos motivo para descartar a suspeita — ou seja, não temos evidências suficientes para dizer que o acusado é honesto. Isso pode parecer estranho à primeira vista, já que estamos procurando os trapaceiros e estamos vendo se o comportamento deles parece honesto. Se não temos provas de que o acusado é honesto, então o estamos acusando, certo? Mas acusar não é o mesmo que provar que ele é trapaceiro. Na verdade, a falta de evidência não é evidência da ausência. Todavia, precisamos fazer uma acusação, e é por isso que dizemos que não conseguimos rejeitar a hipótese nula, em vez de aceitá-la.</p><p>Por outro lado, se o teste não encontrar evidências suficientes para acusar o jogador de ser trapaceiro, então o consideramos honesto — nosso teste dá <strong>negativo</strong>. Resumindo, um resultado positivo ou “não significativo” indica que não temos provas para descartar a ideia inicial. Um resultado negativo ou “significativo” indica que encontramos evidências para descartá-la.</p><p>Teremos testes positivos e negativos, porém o teste nem sempre vai ser compatível com a realidade, pois estamos propensos a cometer vários erros. Aqui cabe entrar no jargão estatístico, mas esperamos clarear esses conceitos com a discussão desse exemplo: Quando acusamos um indivíduo honesto de honesto, então esse resultado é um <strong>negativo verdadeiro</strong>. Lembrando que o objetivo do teste é encontrar trapaceiros, é acusar e não achar pessoas honestas. Agora, se acusarmos um indivíduo honesto de trapaceiro, então temos um <strong>falso negativo </strong>(Erro Tipo II). Analogamente, quando acusamos um indivíduo trapaceiro de trapaceiro, então esse resultado é um <strong>positivo verdadeiro</strong>, enquanto se acusarmos um indivíduo trapaceiro de honesto, temos um <strong>falso positivo</strong> (Erro Tipo I).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*svuaJ4iF9An62hTd" /><figcaption>Figura 9: Resultado do teste, sua relação com a verdade e a nomenclatura associada</figcaption></figure><p>Pensando nessa nomenclatura, podemos reformular nosso primeiro objetivo assim: para evitar acusar injustamente um jogador honesto, estamos dispostos a acusar menos de 5% dos jogadores honestos. Em outras palavras, estabelecemos um limite de 5% para os falsos positivos, ou seja, estabelecemos uma taxa de <strong>falso positivo</strong> que é menor que 5%. Mas aqui está o pulo do gato: estamos falando apenas dos jogadores <em>honestos</em>. Alguns serão acusados corretamente de honestos (<strong>negativo verdadeiro</strong>), enquanto outros serão injustamente acusados de trapaceiros (<strong>falso positivo</strong>).</p><p>Mas é quantas pessoas acusamos verdadeiramente de trapaceiras? Para resolver esse problema temos agora que lidar com o segundo critério de nosso teste de hipóteses de maximizar a chance de acusar um indivíduo com uma moeda viciada. Em outras palavras, queremos acusar o maior número de trapaceiros possíveis. Para tornar isso possível precisamos tornar nosso critério mais objetivo: precisamos definir a menor fração de trapaceiros que estamos dispostos a acusar.</p><p>De forma análoga ao primeiro critério, podemos chamar esse objetivo de taxa mínima de <strong>positivos verdadeiros</strong>. Aqui, estamos focando nos jogadores mentirosos. Alguns serão corretamente identificados como trapaceiros (<strong>positivo verdadeiro</strong>), enquanto outros serão injustamente considerados honestos (<strong>falso negativo</strong>). Queremos determinar qual a menor quantidade aceitável de trapaceiros que passam despercebidos, sabendo que sempre haverá alguns que escapam. Isso é semelhante ao teste de dengue, onde alguém com a doença pode receber o resultado de que não está doente. Nosso objetivo é que o teste funcione corretamente para o maior número possível de pessoas com a doença na população.</p><p>Em estatística chamamos essa taxa mínima do critério 2 de <strong>Poder do Teste</strong>, que é justamente a capacidade de um teste estatístico em detectar um efeito ou uma diferença estatisticamente significativa, caso ela exista na população. No nosso caso, a capacidade do teste de detectar trapaceiros, quando o jogador de fato possui uma moeda viciada. O poder do teste padrão adotado na literatura é de 80%, novamente um valor arbitrário mas que pode ser ajustado para ser mais flexível ou mais rigoroso conforme necessário.</p><p>Mas como base no nosso teste que acusa todo jogador que conseguiu 5 caras consecutivas em 5 lançamentos de moeda, para calcular o que esperamos que seja a taxa de positivo verdadeiro, precisamos calcular a probabilidade de um jogador com uma moeda viciada conseguir essa sequência. O problema é que não conhecemos essa distribuição, já que não sabemos com que frequência uma moeda viciada mostra cara. Como não temos como saber essa informação, teremos que fazer uma suposição.</p><p>Aqui podemos adotar a hipótese que uma moeda viciada cai cara 75% das vezes. Chamamos essa hipótese de <strong>Tamanho do Efeito</strong>, se refere à magnitude ou intensidade do efeito observado em um estudo ou análise estatística. No nosso caso, é o efeito de usar uma moeda viciada. Note é a terceira vez que escolhemos um número arbitrário. Mas infelizmente algumas coisas são incertas e outras dependem de nossas decisões.</p><p>Mas felizmente que temos a probabilidade cair cara dado que a moeda é viciada, podemos calcular qual a chance de cair 5 caras consecutivas, que é aproximadamente 24% (≈ 0.755). Para termos de completude podemos olhar para toda distribuição de 0 até 5 sucessos, uma vez que a moeda segue uma distribuição binomial de probabilidade 75%</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*NWJU78LxUR-12pGs" /><figcaption>Figura 10: Distribuição binomial de probabilidade 75% para 5 lançamentos e a probabilidade resultante de 0 a 5 sucessos</figcaption></figure><p>Note que a maior chance de pegar um mentiroso é quando você consegue 4 caras em 5 lançamentos, independente da ordem. Isso nos permite acusar aproximadamente 40% dos trapaceiros. Porém, se decidirmos usar essa regra de acusar quem conseguir 4 caras em 5 lançamentos, também acabaremos acusando falsamente jogadores honestos em cerca de 15,625% das vezes. Ou seja, ao tentar atingir nosso objetivo 2, que é maximizar a chance de acusar um trapaceiro quando ele é realmente trapaceiro, acabamos nos afastando do objetivo 1, que é minimizar a chance de acusar um inocente.</p><p>Como resolver esse dilema? Temos de montar um teste melhor. No teste escolhemos de maneira provisória uma sequência consecutiva de 5 caras. Porém como vimos, isto é um tanto extremo, pois requer que dê 100% das tentativas na sequência sejam caras. Isso torna um <strong>falso positivo</strong> pouco provável, mas torna um <strong>positivo verdadeiro</strong> pouco provável também. Então temos que permitir um caras e coroas na sequência de nosso teste.</p><p>Note pela figura 10 como a distribuição da moeda viciada é assimétrica para a esquerda, enquanto a distribuição da moeda justa é simétrica (exemplo de assimetria e simetria na Figura 11)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*msInOgZoQY1p53g5" /><figcaption>Figura 11: Distribuições assimétricas e simétrica</figcaption></figure><p>Ademais, utilizando o teorema central do limite sabemos que conforme o número de amostras aumenta a distribuição binomial converge em distribuição para uma normal.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/966/0*SyS69qS2BRUC5Px9" /><figcaption>Figura 12: Aproximação da binomial por uma normal</figcaption></figure><p>Note também que conforme aumenta a amostra e a depender da probabilidade da distribuição binomial, o valor médio muda. Note na figura 13 que com o aumento de n a distribuição assimétrica à direita (probabilidade menor que 50%) resulta em uma média a esquerda da distribuição simétrica (probabilidade maior que 50%) e por sua vez, a distribuição assimétrica à esquerda (probabilidade maior que 50%) resulta em uma média a direita da distribuição simétrica</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*4E1HLcfdjaAur-wK" /><figcaption>Figura 13: Assimetria e simetria da aproximação da binomial</figcaption></figure><p>Consegue adivinhar qual será nosso próximo passo?</p><p>Lembre do nosso dilema que ao tentar atingir nosso objetivo 2, que é maximizar a chance de acusar um trapaceiro quando ele é realmente trapaceiro, acabamos nos afastando do objetivo 1, que é minimizar a chance de acusar um inocente. Precisamos agora aumentar a amostra de modo que nossa regra de parada consiga pegar pelo menos 80% dos trapaceiros e acuse menos de 5% dos honestos! A figura 14 serve de ilustração:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*sbDAyHtvOawU50ku" /><figcaption>Figura 14: Nosso objetivos no teste de hipótese</figcaption></figure><p>Nosso teste busca acusar mais de 80% dos trapaceiros, quando o jogador de fato possui uma moeda viciada ao mesmo tempo que busca acusar menos de 5% dos jogadores honestos. Em outras palavras, queremos minimizar ambos os tipos de erros. Para satisfazer nosso terceiro critério de um teste que use o menor número de tentativas possíveis, precisamos então alcançar o menor número de caras que alcança os dois critérios acima. No nosso exemplo o número de lançamentos tem que ser 23, sendo que acusamos o jogador de trapaceiro. Neste teste de acusar 16 ou mais caras em 23 lançamentos vai nos prover 4.3% de<strong> falsos positivos </strong>(portanto menor que o 5% mínimo estabelecido) e aproximadamente 80.4% de <strong>positivos verdadeiros</strong> (portanto maior que os 80% mínimo estabelecido).</p><p>Algumas pessoas adoram usar analogias ao método falseacionista de Karl Popper para explicar o teste de hipóteses. Mas, como alerta o matemático <a href="https://www.facebook.com/share/p/He5DnKVGVwgrD3ou/?mibextid=xfxF2i">Daniel V. Tausk</a>, é preciso ter cuidado! A versão ultra-simplificada costuma ser assim: imagine que, partindo da hipótese H0, podemos deduzir que uma certa observação X é impossível. Se, sob a hipótese nula, X não pode acontecer e em um experimento observamos X, logicamente concluímos que H0 é falsa.</p><p>Até aqui, tudo bem, mas na prática usamos probabilidades. Então, em vez de “X é impossível sob H0”, a analogia estatística nos diz que “X é muito improvável sob H0”. Parece razoável pensar que, se X é muito improvável sob H0 e ainda assim o observamos, podemos rejeitar H0 com “grande confiança”. Mas, surpresa! Esse raciocínio é furado. Na verdade, para rejeitar H0 em favor de H1, não basta que o evento seja improvável sob H0; ele também precisa ser razoavelmente comum sob H1. Por isso, desenhamos o teste com as propriedades que construímos, como pode-se ver na figura 15.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/572/0*_hWejPDWwjgQ4nmg" /><figcaption>Figura 15: Teste de Hipóteses e os dois erros</figcaption></figure><p>Okay, mas digamos que um indivíduo consegue 17 caras em 23 lançamentos. Pelo nosso teste devemos acusar esse jogador de trapaceiro, muito embora nosso teste vai funcionar pensando frequências, ou seja, em repetições do experimento para diferentes amostras. O que falar dessa realização em específico? Como dar confiança a ela? Aqui vale discutir um outro termo estatístico, o tão temido e não entendido p-valor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*TcbwupFgbR03GMjV" /><figcaption>Figura 16: P-valor: é a probabilidade de se obter uma estatística de teste igual ou mais extrema que aquela observada em uma amostra, sob a hipótese nula.</figcaption></figure><p>Vamos supor que esse jogador é honesto, i.e., possui uma moeda justa, então a probabilidade dele conseguir 17 ou mais caras em 23 lançamentos é o que chamamos de <strong>p-valor</strong>, que no nosso caso vai ser de 1.7%. De maneira mais formal: p-valor é a probabilidade de observarmos um resultado tão extremo quanto o observado, ou mais extremo, sob a hipótese nula.</p><p>Para deixar mais claro, vamos abrir essa definição usando nosso exemplo. Para o caso dos indivíduos jogando moedas nosso teste quer acusar os trapaceiros, neste caso para cada indivíduo que vamos testar duas hipóteses estão em confronto: a hipótese nula (H0) que nos diz que o indivíduo é honesto, enquanto a hipótese alternativa (H1) que nos diz o indivíduo é trapaceiro. Pelo teste especificado temos uma regra de parada, ou seja, a partir de quantas caras passamos a acusar alguém de trapaceiro, então o p-valor é a probabilidade do jogador honesto obter os resultados as quais a partir deles vai ser acusado pelo teste.</p><p>Muitos conceitos foram apresentados, então, para garantir que tudo está claro e que entendemos o básico do básico, vamos mudar de exemplo. Imagine uma trama de mistério envolvendo um assassinato suspeito. Na nossa história, a parte da estatística que envolve a estimação seria a investigação de um detetive. O detetive coleta evidências e encontra um suspeito. Obviamente, não há como saber com certeza se o suspeito é o assassino, mas podemos ter um certo grau de confiança em nossa acusação com base nas evidências coletadas. Nosso modelo estatístico é a história que juntamos com os fatos que nos levaram a incriminar esse indivíduo em particular. Esse indivíduo é nossa estimativa, que possui uma incerteza com base nas evidências, uma vez que não sabemos a verdade. Há sempre a possibilidade de ele não ser o criminoso!</p><p>O teste de hipóteses é o julgamento que vai avaliar se o réu é culpado ou não. Assim como em um cenário legal, assumimos que o acusado é inocente até que se prove o contrário, ou seja, até que sejam providas evidências que demonstrem além de uma dúvida razoável que ele é culpado. O uso do linguajar jurídico não é à toa; note: além de uma dúvida razoável!</p><p>É exatamente o que fazemos no teste de hipóteses quando afirmamos que o coeficiente estimado é estatisticamente significativo. O réu é acusado de culpado uma vez que apresentamos provas suficientes que mostram que não é razoável supor que ele é inocente. Pode ser que ele seja, afinal, não podemos nunca provar o contrário com absoluta certeza. Entretanto, as provas apresentadas são aquelas que são altamente prováveis de serem esperadas assumindo que o acusado é, de fato, o assassino, e ao mesmo tempo são altamente improváveis de serem esperadas em alguém inocente. Não é uma dúvida razoável continuar especulando sua inocência, uma vez que uma decisão tem que ser tomada.</p><p>Todo esse procedimento apresentado em nossa trama é justamente o teste de hipótese! A significância estatística do coeficiente estimado é simplesmente uma afirmação sobre a probabilidade de que o efeito observado tenha ocorrido por sorte. Ou seja, tal qual no julgamento tomamos que o coeficiente é não é culpado, ou seja, que tem efeito nulo. E se apresentamos provas para além de uma dúvida razoável, o coeficiente é culpado. Falamos em culpado (<em>guilty</em>) e não culpado (<em>not guilty</em>), uma vez que não sabemos se ele de fato é inocente, assim como no contexto estatístico falamos em rejeitar a H0 e falhar em rejeitar H0.</p><p>Tendo entendido todo esse básico de inferência estatística e de teste de hipótese frequentista, podemos adentrar no papo de significância utilizando o exemplo inicial do artigo de um modelo econométrico.</p><h3><strong>… e a Econometria</strong></h3><p>Para entender como funciona a inferência em uma regressão linear de maneira simples e intuitiva, consideremos o exemplo de estimar o impacto da educação no logaritmo dos salários semanais. A ideia da regressão é assim: acreditamos que parte da variação da nossa variável dependente<em> y </em>é explicada pela variação de uma variável independente <em>x</em>. Obviamente a variação de <em>x</em> não explica toda a variação de y, pois seria equivalente dizer que <em>x </em>é a única coisa que causa <em>y</em>, algo muito pouco provável na realidade. Então parte do nosso modelo é explicado endogenamente pelas variáveis de nossa escolha (ou seja, por <em>x</em>) e o resto a gente joga para o erro <em>u</em>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/722/0*QZrPkTkf4VrcZFlx" /></figure><p>Em outras palavras, a parte <strong>endógena</strong> do nosso modelo corresponde àquilo que queremos explicar/entender, e.g., quanto da variação dos salários é resultado da variação dos anos de estudos do indivíduo. Já a parte exógeno é aquilo que optamos por não modelar e portanto, toda a variação de <em>y</em> que não é resultado da variação de <em>x</em>. Note, para isso funcionar essa variação do erro (i.e., a variação de <em>y</em> causada por variação de fatores que não são <em>x</em>) não pode estar relacionada com <em>x</em>. Parece óbvio, mas toda a econometria depende dessa hipótese ou é sobre arranjar jeitos cada vez mais engenhosos de fazer essa hipótese valer.</p><p>Uma vez tendo nosso modelo especificado (i.e., definimos a forma e as variáveis da nossa regressão), agora se torna um trabalho de inferência estatística. Queremos estimar os parâmetros β0 e β1. Mas essas são variáveis populacionais, i.e., são parâmetros da realidade que o pesquisador não tem acesso direto. Então, cabe pegarmos uma amostra e estimá-los, tomando certas hipóteses a modo de garantir que estamos <em>em média </em>pegando o valor verdadeiro, para qualquer amostra que usarmos.</p><p>A lógica do processo que usamos na regressão linear é a seguinte: queremos encontrar a melhor reta que se ajusta aos dados. Mas, qual reta escolher? Qual é o critério para decidir qual é a melhor? Bem, qualquer que seja a reta que escolhemos, temos que ficar atentos ao fato de que nossa estimativa sempre vai ter um erro. Afinal, nem tudo pode ser explicado por <em>x</em>, como discutimos antes.</p><p>Então, se estamos capturando o efeito verdadeiro, a diferença entre o valor real da variável dependente (<em>y</em>) e o valor previsto para qualquer valor da nossa variável independente (<em>x</em>) representará a variação de <em>y</em> explicada pelos demais fatores que consideramos exógenos. Representando assim o erro verdadeiro, ou seja, o erro também é um parâmetro que representa a variação na variável dependente que não é causada pela variável independente.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/396/0*0JLUX6Bq7WsjiQoe" /><figcaption>Figura 17: Erros associado a estimação</figcaption></figure><p>O que queremos do nosso estimador é que esse erro seja o menor possível, ou seja,</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/772/0*LY6pw454iDwSLuV2" /></figure><p>Aqui cabe uma nota sobre notação: Quando colocamos o chapéu estamos denotando que essa é a estimativa do parâmetro populacional, i.e., <strong>X̂ </strong>é a estimativa do parâmetro estrutural <strong>X</strong>. No nosso problema queremos estimar os betas, consequentemente ao final do nosso processo teremos:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/880/0*3ct1pVmmLc9d4TCH" /></figure><p>Vamos utilizar o método dos Mínimos Quadrados Ordinários (OLS), consiste em minimizar os erros ao quadrado. Tal método é o padrão na literatura por uma série de motivos que não vem ao caso, mas o mais relevante é sua simplicidade analítica. As contas ficam mais fáceis e a gente lida só com valores positivos, embora existam outros métodos de estimação como o método dos momentos e o método de máxima verossimilhança.</p><p>Aqui vem o pulo do gato, lembremos da seção anterior: estávamos considerando um jogo de lançar moedas, sabíamos também que algum dos jogadores era trapaceiro pois traziam consigo uma moeda viciada, então o nosso trabalho no teste de hipóteses era acusar o maior número de mentirosos sujeito à condição de mitigar as falsas acusações no menor tempo possível. É um exemplo didático e jocoso, mas como transpor isso para a econometria com suas tantas contas e modelos?</p><p>É simples, pense que temos um modelo da realidade. Tomamos que a educação afeta os salários, e que portanto, pessoas com mais anos de educação vão ter um salário maior justamente porque estudaram mais. Obviamente educação não é o único fator que afeta os salários, mas meramente educação é um desses fatores e queremos justamente estimar o <em>quanto</em> afeta. Então partindo disso iremos estimar os parâmetros do nosso modelo — que acreditamos ser a especificação correta — a partir de uma amostra.</p><p>A ideia é que acreditamos que a variação nos salários pode ser, em parte, explicada pela variação nos anos de estudo e se nossas suposições estiverem corretas (assumindo também que não há problemas na nossa base de dados com relação à coleta), então conseguimos estimar com credibilidade o valor verdadeiro, i.e., com base na nossa amostra nos aproximamos do valor populacional. No entanto, sabemos que anos de estudo não são a única coisa que afeta os salários, assim como independente da veracidade do nosso modelo enquanto houver qualquer variação das variáveis de escolha, então o coeficiente vai estimar <em>algum </em>valor.</p><p>Então educação afeta salários, outras coisas vão poluir nossa amostra, mas talvez essa amostra seja tal que produza algum ruído ou até mesmo a amostra seja tal que a variação das variáveis seja tal que puxe o coeficiente para zero, como consequência de uma variável não observada. Mas então como saber que educação afeta os salários? Acreditamos no nosso modelo, mas queremos confirmação empírica. O coeficiente sempre vai nos dar um resultado e único (desde que seja satisfeito a hipótese de posto completo), porém como saber se o que estimamos com esta amostra em particular é o valor verdadeiro (ou uma aproximação dele)?</p><p>Note o paralelo com o exemplo das moedas, lá tínhamos um rumor de que alguns estavam usando uma moeda viciada. Não sabemos de fato se estão realmente trapaceando, se são uns, alguns ou nenhuns, por isso fomos investigar. Aqui, temos um coeficiente estimado, mas não sabemos se ele é honesto ou é apenas um resultado de algum ruído, sendo na verdade um efeito nulo.</p><p>Entra nosso processo de teste de hipóteses! Queremos garantir que nossa estimação está correta.</p><p>Para isso é preciso lembrar que β1 é um <strong>parâmetro </strong>e portanto é um valor em específico, consequentemente não tem variância, i.e. Var(β1) = 0, uma vez que é uma constante. Entretanto, o coeficiente estimado é um <strong>estimador</strong>, que busca aproximar-se do parâmetro verdadeiro com base em uma amostra. Portanto, mudando a amostra e reestimando o coeficiente, teremos estimativas diferentes do coeficiente de interesse. Lembrando que nosso coeficiente foi estimado com base numa minimização dos erros, ou seja, a relação do erro com o coeficiente vai influenciar a nossa estimação. Basta lembrar da seguinte fórmula:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/962/0*0bmIxWiL8lTYa9zQ" /></figure><p>O que esperamos é que a correlação entre o erro e a variável independente seja zero, ou seja, os outros fatores que não estamos considerando na regressão não influenciam a variável explicativa. Com a formula mais a direita do beta chapéu conseguimos estimar a variância de coeficiente de interesse:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*nKedNpoeW7HEVzT3" /></figure><p>A partir dessa formula é possível calcular a incerteza do estimador, pois a variância do nosso estimador depende diretamente da variância do erro. A partir dessa incerteza usaremos ela para normalizar nosso estimador e fazer nosso teste, para ver se temos evidências de que estamos pegando o efeito verdadeiro e não um ruído qualquer de uma amostra em particular. Essa normalização serve justamente para podermos comparar estimadores.</p><p>Mas como calcular essa incerteza, sendo que a distribuição do erro é desconhecida?</p><p>É aí que entra o conceito de erro padrão, então definições serão necessárias. Vamos seguir Wooldridge (2023b, p.2) fazendo uma distinção entre o desvio padrão de um estimador e a estimativa, ou estimador, desse desvio padrão. Dentro de uma estrutura frequentista, o desvio padrão de um estimador é comumente conhecido como “desvio padrão da amostra” (quando definido corretamente) e permanece como a medida predominante de dispersão na distribuição amostral de um estimador. Um estimador que possua um segundo momento finito terá um desvio padrão bem definido. Em certos casos, é possível derivar esse desvio padrão como uma expressão fechada envolvendo os parâmetros da população e o tamanho da amostra. É essa estimação que chamaremos de erro padrão.</p><p>Para ilustrar, usando o exemplo de Wooldridge (2023b, p.1–2) imagine que estamos tirando amostras independentes e identicamente distribuídas de uma população. Suponha que X seja uma variável aleatória representando essa população, de forma que possui segundo momento finito, média (populacional) igual a μ, e com desvio padrão populacional igual a σ. Lembrando que desvio padrão é a raiz quadrada da variância de X.</p><p>Dado um número <em>n</em> de amostras aleatórias independentes identicamente distribuídas, o estimador mais comum de μ é a média amostral</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/498/0*ZGvHnUk8uMNX1zIw" /></figure><p>Como é bem conhecido, X̄ é um estimador imparcial de μ, ou seja, o valor estimado em média acerta o valor verdadeiro quando repetimos essa estimação para diferentes amostras.</p><p>A fórmula para o desvio padrão da média amostral é</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/468/0*pmhWdqVbXoVCXqo8" /></figure><p>O erro padrão é uma estimativa do desvio padrão da média amostral. Novamente, um número <em>n</em> de amostras aleatórias independentes identicamente distribuídas, a variância amostral é geralmente definida como:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/906/0*bIrAC244cWTwA73F" /></figure><p>Esse é o estimador mais comumente usado para a variância populacional, porque é imparcial e consistente quando a amostra tende ao infinito.. Dado a variância amostral, o erro padrão pode ser definido como:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/466/0*lMOAALpRXbKRbsfu" /></figure><p>onde <em>S</em> é a raiz quadrada positiva da variância amostral. Do ponto de vista frequentista, onde se estudam as distribuições de X e da variância amostral em diferentes amostras da população, SE(X̄) é uma variável aleatória — um estimador. Como <em>S</em> é obtido de uma amostra, faz sentido chamá-lo de “desvio padrão amostral”, assim como X̄ é a média amostral.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*UtexfCIjsQLRSJ7n" /><figcaption>Tabela 2: Terminologia para medidas de propagação.</figcaption></figure><p>No contexto da análise de regressão múltipla, podemos definir o erro padrão do coeficiente estimado (beta chapéu) como “uma estimativa do desvio padrão na distribuição amostral do coeficiente estimado (beta chapéu)” (Wooldridge, 2023a, p. 809). Esse erro padrão nos mostra o quanto esperamos que nosso beta chapéu possa variar se repetirmos o experimento muitas vezes com diferentes amostras.</p><p>Como a variância do erro é desconhecida, e o desvio padrão depende de um parâmetro que não conhecemos, usamos a variância amostral do erro para calcular o erro padrão. Esse valor é útil para testar se o coeficiente estimado é significativamente diferente de zero (ou de outro valor específico). Dividindo o beta chapéu pelo seu erro padrão, normalizamos os resultados, ajustando-os pela variabilidade esperada dos dados.</p><p>Neste contexto usaremos o conceito de Neyman de imaginar uma população hipotética de amostras que poderiam ter sido observadas se repetíssemos a coleta de dados inúmeras vezes. Cada amostra hipotética representaria um conjunto diferente de pontos de dados, permitindo calcular várias linhas de regressão possíveis. A distribuição dessas linhas de regressão nos oferece uma visão da variabilidade dos coeficientes estimados (como inclinação e intercepto) que poderíamos esperar em amostras semelhantes. Utilizando essa população hipotética, podemos realizar testes de hipóteses para determinar se os coeficientes da regressão são estatisticamente significativos, o que ajuda a validar nossas conclusões sobre o relacionamento entre as variáveis na população real com base nos dados de nossa única amostra observada.</p><p>A fórmula do erro padrão do nosso coeficiente é a seguinte,</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*sDIdHYJkiownPtGo" /></figure><p>Reiterando, por estarmos lidando com uma variância estimada (com base em uma estimação da distribuição da variância do erro), então quando calculamos o desvio padrão da variância do beta chapéu estimado, justamente chamamos de <strong>erro padrão</strong> e não desvio padrão dado que a variância do erro foi estimada. Caso a variância do erro fosse conhecida, aí chamariamos de desvio padrão. Para entender mais sobre o erro padrão e métodos de estimação do mesmo, recomendamos Wooldridge (2023b)</p><p>Tendo em vista isso, segundo as suposições do modelo, os coeficientes estimados seguem uma distribuição normal, enquanto o erro padrão segue uma distribuição <a href="https://pt.m.wikipedia.org/w/index.php?title=Qui-quadrado&amp;diffonly=true">Qui-quadrado</a>. Assim, a razão entre o coeficiente estimado e seu erro padrão segue uma distribuição <a href="https://pt.m.wikipedia.org/wiki/Distribui%C3%A7%C3%A3o_t_de_Student">t de Student</a>. Essa razão é conhecida como estatística t, indicando o quão distante nosso coeficiente estimado está da hipótese nula (geralmente zero, indicando nenhuma relação entre as variáveis).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Kak8AzZrj8v6iG8g" /><figcaption>Figura 18: Comparando a distribuição dos coeficientes estimados sob a hipótese nula com erros padrões diferentes</figcaption></figure><p>Um coeficiente ter um erro padrão pequeno significa que as estimativas do coeficiente são bastante precisas. Em outras palavras, se repetíssemos a amostra ou o experimento várias vezes, os valores estimados para esse coeficiente não iriam variar muito. Isso sugere que o coeficiente é bem determinado pelos dados, indicando uma relação consistente e confiável entre a variável independente e a variável dependente.</p><p>Note que pela Figura 18 temos dois modelos em que o coeficiente estimado é o mesmo, embora tenham erros padrões diferentes. Sendo que o erro padrão de B é maior que o erro padrão de A, segue se que os valores estimados de A são mais consistentes que o de B, logo sob a hipótese nula, a probabilidade de encontrar valores um resultado tão (ou mais) extremo quanto o observado no modelo A é menor que no modelo B.</p><p>Se repetirmos o experimento várias vezes com amostras diferentes, e a probabilidade de obter um resultado tão extremo quanto o observado, assumindo que a hipótese nula é verdadeira, for menor que o valor pré-definido para a taxa de falsos positivos (normalmente 5%), então concluímos que o coeficiente estimado é estatisticamente significante. Isso significa que o coeficiente está na zona de rejeição, levando à rejeição da hipótese nula.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*QgJ6WzzALJCDBj8C" /><figcaption>Figura 19: Comparando a significância dos estimadores</figcaption></figure><p>Em outras palavras, se o efeito verdadeiro for nulo, a chance de observarmos um coeficiente diferente de zero puramente por acaso seria menor do que a taxa de falsos positivos que consideramos aceitável. Portanto, ao repetir o experimento com diferentes amostras da mesma população, o coeficiente estimado geralmente indicaria um efeito nulo, dentro da margem de erro tipo I que estamos dispostos a aceitar.</p><p>Note que este procedimento é exatamente o que está representado na figura 19. Primeiramente, definimos nossos valores críticos com uma probabilidade de 5%. O coeficiente estimado A tem um p-valor menor que seu valor crítico, enquanto o oposto ocorre para B. Por isso, buscamos sempre o menor erro padrão possível para nosso coeficiente, sendo que a única maneira de alcançar isso sem alterar o modelo é aumentando o tamanho da amostra (Figura 20).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*aaKBl_okN2oLMz_n" /><figcaption>Figura 20: Distribuição de T Student conforme a amostra aumenta.</figcaption></figure><p>Então a lógica do processo em linhas gerais: quero investigar se o efeito que eu calculei não é trapaceiro, ou seja, na verdade é um resultado mecânico da estimação produto de um ruído na amostra. Nisso farei meu teste de hipótese padrão em que quero minimizar a chance de acusar o meu coeficiente de trapaceiro (i.e., ter efeito nulo) quando na verdade possui sim efeito, assim maximizar a chance de acusá-lo de trapaceiro quando o efeito é de fato nulo. Terei de fixar valores para uma taxa mínima de falso positivo (valor crítico) e de taxa mínima de positivos verdadeiros (poder do teste).</p><p>Se eu repetir esse experimento para diferentes amostras no limite alcanço os meus objetivos com confiança. Entretanto para diferentes amostras, terei diferentes erros, portanto a variância do nosso estimador será diferente. Para poder compará-los é preciso estimar a variância do erro para a amostra, uma vez que a sua distribuição verdadeira é desconhecida. Tendo o erro padrão estimado, normalizamos o coeficiente a ele e testamos sua significância. Avaliando se o p-valor é menor que um valor fixo de 5% de significância estipulado.</p><p>Uma vez tendo tudo isso em mente, podemos retornar à problemática que iniciou este texto: Vamos imaginar que um aluno precisa fazer um trabalho sobre como a educação influencia os salários. Depois de estimar e interpretar os coeficientes de seu modelo, o aluno foi pedido para verificar se os coeficientes que calculou eram estatisticamente significativos. Após realizar o algoritmo de teste de hipótese que aprendeu, interpretou erroneamente o resultado, como ilustramos . O que o aluno deveria ter escrito para estar correto é o seguinte:</p><blockquote>A boa notícia é que o coeficiente demonstrou ser estatisticamente significativo. Isso implica que se repetirmos a estimação para diferentes amostras retiradas da mesma população hipotética, a probabilidade de observarmos um resultado tão extremo quanto o observado, ou mais extremo, sob a hipótese nula é inferior a 1%. Portanto, rejeitamos a hipótese nula.</blockquote><p>Uma vez explicado como corretamente interpretar o p-valor e o que está por trás de significância estatística vamos adentrar em entendimentos errados porém comuns de p-valor que se perpetuam em diversas áreas. Para garantir o bom entendimento, na próxima seção traduzimos (com algumas alterações didáticas) o artigo de Goodman (2009) “A dirty dozen: twelve p-value misconceptions”.</p><h3><strong>Concepções errôneas sobre o p-valor</strong></h3><h4><strong>1) Se P = 0,05, a hipótese nula tem apenas 5% de chance de ser verdadeira.</strong></h4><p>Este é, sem dúvida, um dos equívocos mais difundidos e prejudiciais sobre o p-valor. Ele perpetua a ideia falsa de que os dados sozinhos podem nos dizer quão provavelmente estamos certos ou errados em nossas conclusões. A maneira mais simples de ver que isso é falso é notar que o p-valor é calculado sob a suposição de que a hipótese nula é verdadeira. Portanto, não pode simultaneamente ser uma probabilidade de que a hipótese nula seja falsa. Suponhamos que joguemos uma moeda quatro vezes e observemos quatro caras, P bilateral = 0,125. Isso não significa que a probabilidade da moeda ser justa seja apenas 12,5%. A única maneira de calcular essa probabilidade é pelo teorema de Bayes.</p><h4><strong>2) Uma diferença não significativa (por exemplo, P ≥ 0,05) significa que não há diferença entre os grupos.</strong></h4><p>Uma diferença não significativa simplesmente significa que um efeito nulo é estatisticamente possível com base nos resultados observados, dentro da faixa de efeitos incluída no intervalo de confiança. Isso não significa que o efeito nulo seja o mais provável. O efeito mais suportado pelos dados de um determinado experimento é sempre o efeito observado, independentemente da sua significância estatística.</p><h4><strong>3) Um resultado estatisticamente significativo é cientificamente importante.</strong></h4><p>Muitas vezes, isso não é verdadeiro. Em primeiro lugar, a diferença pode ser tão pequena que não tem importância científica. O p-valor não indica o tamanho do efeito, que é melhor representado pela estimativa do efeito e pelo intervalo de confiança. Além disso, o próprio resultado estudado pode não ser relevante cientificamente. Por exemplo, às vezes estamos interessados em saber como uma nova forma de medir se compara com uma anterior, mas essa mudança não necessariamente significa uma melhoria real na compreensão do fenômeno estudado.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*tQC3lDRfY9xO2UZm" /><figcaption>Figura 21</figcaption></figure><h4><strong>4) Estudos com P-valores em lados opostos de 0,05 são conflitantes.</strong></h4><p>Estudos podem ter graus diferentes de significância mesmo quando os resultados do benefício do tratamento são os mesmos, apenas mudando a precisão da estimativa, geralmente através do tamanho da amostra (Figura 21A). Estudos só entram em conflito estatístico quando a diferença entre seus resultados é improvável de ter ocorrido por acaso, indicado quando seus intervalos de confiança mostram pouco ou nenhuma sobreposição, formalmente avaliados com um teste de heterogeneidade.</p><h4><strong>5) Estudos com o mesmo P-valor fornecem a mesma evidência contra a hipótese nula.</strong></h4><p>Efeitos observados dramaticamente diferentes podem ter o mesmo p-valor. A Figura 21B mostra os resultados de dois estudos: um com um efeito de tratamento de 3% (intervalo de confiança [IC], 0% a 6%), e outro com um efeito de 19% (IC, 0% a 38%). Ambos têm um p-valor de 0,05, mas significam coisas diferentes.</p><p>Se considerássemos que um benefício de 10% era necessário para compensar os efeitos adversos dessa terapia, poderíamos adotá-la com base no estudo que mostrou um grande efeito, enquanto rejeitaríamos fortemente essa terapia com base no estudo que mostrou um efeito menor, que não atinge o benefício de 10%. É claro que é possível ter o mesmo p-valor mesmo quando o IC inferior não está próximo de zero.</p><p>Essa aparente incongruência ocorre porque o p-valor define “evidência” em relação a apenas uma hipótese — a nula. Não há noção de evidência positiva — se dados com um p-valor de 0,05 são evidência contra a nula, o que eles são evidência a favor? Neste exemplo, a maior evidência de benefício é de 3% em um estudo e de 19% no outro. Se quantificássemos a evidência de forma relativa e perguntássemos qual experimento forneceu maior evidência para um efeito de 10% ou mais (versus a nula), descobriríamos que a evidência foi muito maior no estudo que mostrou um benefício de 19%.</p><h4><strong>6) P = 0,05 significa que observamos dados que ocorreriam apenas 5% das vezes sob a hipótese nula.</strong></h4><p>Na verdade, o p-valor representa a probabilidade dos dados observados, mais dados ainda mais extremos, sob a hipótese nula. Fisher, um dos pioneiros em estatística, explicou que incluía resultados mais raros como uma aproximação, mas isso pode causar problemas na interpretação.</p><p>Em uma pesquisa com residentes médicos, quatro respostas foram oferecidas para interpretar um p-valor &lt; 0,05, e a resposta correta foi identificada como “a probabilidade é maior que 1 em 20 de que uma diferença tão grande poderia ocorrer apenas por acaso”. No entanto, a interpretação correta deveria incluir a possibilidade de diferenças ainda maiores. A definição de p-valor envolve dificuldades operacionais, já que considera dados não observados e depende do experimento imaginado. Isso pode levar a diferentes p-valores para experimentos semelhantes, dependendo das condições de repetição e das regras aplicadas, como regras de parada ou múltiplas comparações.</p><h4><strong>7) P = 0,05 e P ≤ 0,05 significam a mesma coisa.</strong></h4><p>Essa confusão mostra o quanto é difícil explicar ou entender os p-valores. Há uma grande diferença entre os resultados em termos de peso das evidências, mas como o mesmo número (5%) está associado a cada um, essa diferença é literalmente impossível de comunicar. Ela só pode ser calculada e vista claramente usando uma métrica de evidência Bayesiana.</p><h4><strong>8) Os p-valores são corretamente escritos como desigualdades (por exemplo, “P ≤ 0,02” quando P = 0,015).</strong></h4><p>Expressar todos os p-valores como desigualdades é um equívoco que surge da combinação de testes de hipótese e p-valores. Em um teste de hipótese, define-se um limite de “rejeição”, geralmente P ≤ 0,05, indicando uma taxa de erro do tipo I de 5%. Nesse caso, só importa se a diferença observada caiu na região de rejeição ou não, por exemplo, P ≤ 0,05 ou P &gt; 0,05. Mas, para avaliar a evidência contra a hipótese nula, precisamos do p-valor exato, seja ele 0,50, 0,06, 0,04 ou 0,00001.</p><p>O p-valor exato deve sempre ser reportado para transmitir a força da evidência corretamente. Usar desigualdades faz sentido apenas para indicar se a hipótese nula deve ser rejeitada com um limite pré-estabelecido, como 0,05. Relatar “P &lt; 0,01” quando o p-valor observado é 0,008 e o limite era 0,05 está errado. Algumas revistas científicas exigem que p-valores muito pequenos (ex: &lt; 0,001) sejam reportados como desigualdades por estilo, mas isso só é problemático em situações com muitos testes estatísticos, onde distinguir entre p-valores pequenos e extremamente pequenos é crucial para conclusões adequadas.</p><h4><strong>9) P = 0,05 significa que, se você rejeitar a hipótese nula, a probabilidade de um erro do tipo I é de apenas 5%.</strong></h4><p>Estamos entrando em um terreno complicado. Dizer que P &lt; 0,05 significa que a chance de cometer um erro do tipo I (falso positivo) é de 5% é equivocado. Um erro do tipo I ocorre quando achamos uma diferença que não existe. Então, dizer que há 5% de chance de rejeição falsa é o mesmo que dizer que há 5% de chance da hipótese nula ser verdadeira, o que é um equívoco comum.</p><p>Para entender melhor, imagine que estamos testando algo que sabemos que funciona, como a insulina para diabetes. Se rejeitarmos a hipótese nula, a chance de estar errada é zero, porque sabemos que a insulina funciona. Já se estivermos testando algo inútil, como pulseiras de cobre para diabetes, todas as rejeições seriam erradas, não importa o p-valor. Ou seja, a chance de uma rejeição estar certa ou errada depende de mais coisas além do p-valor, como nossa certeza anterior sobre a eficácia do tratamento, chamada de “probabilidade a priori”.</p><h4><strong>10) Com um limite de significância de P = 0,05, a chance de um erro do tipo I será de 5%.</strong></h4><p>Aqui, estamos considerando a chance de um erro do tipo I antes de realizar o experimento, não após a rejeição, diferentemente do Mito #9. A probabilidade de um erro do tipo I depende da probabilidade inicial de que a hipótese nula seja verdadeira. Se a hipótese nula for verdadeira, a chance de uma rejeição falsa é realmente de 5%. Se soubermos que a hipótese nula é falsa, não há chance de um erro do tipo I. Quando não temos certeza, a chance de um falso positivo está entre zero e 5%.</p><p>Esse ponto assume que não há problemas com múltiplas comparações ou com o design do estudo. No entanto, há áreas em que é comum abordar literalmente milhares de hipóteses implícitas em uma única análise, como ao comparar a expressão de 5.000 genes entre grupos de indivíduos. Se definirmos “erro do tipo I” como a probabilidade de qualquer um dos milhares de preditores possíveis ser falsamente considerado “real”, então o p-valor para um preditor específico tem pouca relação com o erro do tipo I relacionado ao experimento como um todo. Aqui, o problema não está apenas no p-valor em si, mas na desconexão entre o p-valor calculado para um preditor e uma hipótese que abrange muitos preditores possíveis. Outra maneira de ver isso é que a busca entre milhares de preditores implica em uma probabilidade inicial muito baixa para cada um deles, tornando a probabilidade posterior para uma comparação individual extremamente baixa, mesmo com um p-valor baixo. Assim, mesmo um p-valor bastante baixo ainda traz consigo uma alta probabilidade de rejeição falsa.</p><h4><strong>11) Você deve usar um p-valor unilateral quando não se importa com um resultado em uma direção, ou uma diferença nessa direção é impossível.</strong></h4><p>Este é um assunto surpreendentemente sutil e complexo, discutido tecnicamente em detalhes, havendo razões plausíveis para discordância. No entanto, usar um p-valor unilateral aumenta artificialmente a força aparente da evidência para um resultado, com base em considerações que não estão nos dados. Assim, o uso do p-valor unilateral significa que ele incorporará as atitudes, crenças ou preferências do experimentador na avaliação da força da evidência. Se estamos interessados no p-valor como medida da força da evidência, isso não faz sentido. Se estamos preocupados com as probabilidades de cometer erros do tipo I ou tipo II, então considerações sobre regiões de rejeição unilaterais ou bilaterais podem fazer sentido, mas não há necessidade de usar p-valores nesse contexto.</p><h4><strong>12) Uma conclusão científica ou política de tratamento deve ser baseada no fato de o p-valor ser significativo ou não.</strong></h4><p>Este equívoco abrange todos os outros. É como dizer que a magnitude do efeito não importa, que apenas a evidência relevante para uma conclusão científica está no experimento em questão, e que tanto as crenças quanto às ações derivam diretamente dos resultados estatísticos. A evidência de um estudo específico precisa ser combinada com a de trabalhos anteriores para gerar uma conclusão. Em alguns casos, uma conclusão cientificamente defensável pode ser que a hipótese nula ainda seja provavelmente verdadeira mesmo após um resultado significativo; em outros casos, um p-valor não significativo ainda pode levar à conclusão de que um efeito existe.</p><p>Essas interpretações equivocadas sobre p-valor, significância estatística e sobre teste de hipóteses no geral não simplesmente afetam economistas, mas também outros cientistas, assim como médicos e até mesmo estatísticos. Muito desses equívocos surgem pelo fato de que quando as pessoas querem fazer inferências sobre hipóteses e valores de parâmetros, geralmente estão interessadas em saber a probabilidade de suas hipóteses serem verdadeiras ou a probabilidade de um parâmetro estar dentro de um certo intervalo. No entanto, a abordagem frequentista não permite afirmar isso diretamente, pois trata o parâmetro como uma constante fixa, tornando sem sentido atribuir-lhe probabilidades. Por exemplo, dizer que um parâmetro é maior que zero não é um evento que pode ser medido, portanto, não faz sentido falar em probabilidade nesse contexto.</p><p>Assim, as ferramentas da estatística frequentista focam principalmente na probabilidade das observações dadas as hipóteses ou parâmetros. Por exemplo, um intervalo de confiança indica a probabilidade de um experimento produzir um certo intervalo de resultados, enquanto a significância estatística se relaciona à probabilidade de observar valores extremos ou mais extremos, dado que a hipótese nula é verdadeira.</p><p>Na inferência frequentista, as probabilidades estão sempre relacionadas aos resultados observados dos experimentos, nunca diretamente às hipóteses do modelo. Por outro lado, a inferência bayesiana parece mais intuitiva para o público leigo, pois lida diretamente com a probabilidade das hipóteses, levando a interpretações mais claras. Então para alinhar a interpretação resultante do formalismo do modelo com a nossa interpretação intuitiva de probabilidade usaremos o conceito de <strong>Fator de Bayes</strong>, partindo da abordagem da estatística bayesiana.</p><h3><strong>Alinhando a interpretação com a intuição</strong></h3><p>Para poder falar do parâmetro como uma variável aleatória teremos de abandonarmos a abordagem frequentista, e aceitar o formalismo adotado por abordagens bayesianas. Para justificar ações, devemos incorporar a seriedade dos erros decorrentes das ações juntamente com a chance de que as conclusões estejam erradas. Nossas ações refletem crenças e pra isso devemos adotar uma interpretação subjetiva da probabilidade, que por sorte é aquela interpretação intuitiva que temos.</p><p>Em vista disso, os equívocos apresentados na seção passada não esgotam a gama de declarações incorretas sobre medidas estatísticas, inferência ou mesmo o p-valor, mas a maioria das não listadas deriva dos 12 descritos acima. Talvez seja útil entender como medir o verdadeiro significado evidencial e olhar para o p-valor sob essa perspectiva. Existe apenas um cálculo para inferência quantitativa — o teorema de Bayes — explicado mais detalhadamente em outros lugares e em outros artigos neste assunto. O teorema de Bayes pode ser descrito em palavras da seguinte maneira:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*g85b9hXaD9k1CPZz" /></figure><p>ou, usando termos mais técnicos:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/816/0*hc7NWOPYc8c2L_KZ" /></figure><p>onde <em>Odds</em> é a probabilidade/(1 — probabilidade), H0 é a hipótese nula e H1 é a hipótese alternativa. É esclarecedor que o p-valor não apareça em lugar algum nesta equação. Em vez disso, temos algo chamado <strong>Fator de Bayes</strong> (também chamado de razão de verossimilhança em alguns contextos). Ele mede o quão fortemente os dados observados são previstos por duas hipóteses concorrentes e é uma medida de evidência que tem a maioria das propriedades que normalmente erroneamente atribuímos ao p-valor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*2yKrDS25srl-azFn" /><figcaption>Tabela 3: Propriedades evidências do Fator de Bayes vs P-valor</figcaption></figure><p>A Tabela 3 resume as propriedades desejáveis de uma medida evidencial e contrasta a razão da verossimilhança com o p-valor. O ponto principal aqui é que nossa intuição sobre o que constitui uma boa medida de evidência está correta; o que é problemático é que o p-valor possui poucas delas. Leitores interessados são encaminhados a tratamentos mais abrangentes deste contraste, que mostram, entre outras coisas, que o p-valor superestima grandemente a evidência contra a hipótese nula.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*k-wc6T38MWzn9AjD" /><figcaption>Tabela 4: Correspondência entre P-valor, Menor Fator de Bayes e Probabilidade posteriori de uma hipótese de <em>odds </em>par</figcaption></figure><p>A Tabela 4 mostra como os p-valores podem ser comparados aos fatores de Bayes mais fortes que podem ser reunidos para aquele grau de desvio da hipótese nula. O que esta tabela mostra é que (1) os p-valores superestimam a evidência contra a hipótese nula e (2) a chance de que a rejeição da hipótese nula esteja errada é muito maior do que geralmente se aprecia, mesmo quando a probabilidade anterior é de 50%.Uma das muitas razões pelas quais os p-valores persistem é que fazem parte do vocabulário da pesquisa; independentemente do que signifiquem ou não, a comunidade científica sente que entende as regras quanto ao seu uso e, coletivamente, não está suficientemente familiarizada com metodologias ou métricas alternativas. Para o aluno interessado que quiser saber mais sobre estatística bayesiana recomendamos Paulino et al.(2003), Berger (2013) e Gelman et al. (2013). Para aqueles interessados especificamente em métodos bayesianos aplicados a econometria recomendamos Koop (2003), Chan et al. (2019) e Bauwens (2000).</p><p>Entretanto, apesar da sugestão bayesiana, há uma ressalva importante a ser feita (dito pelo professor em estatística pelo IME — USP, <a href="https://x.com/agpatriota/status/1816878653973635433">Alexandre Patriota</a>): Não existe e nem existirá um método estatístico (seja ele frequentista/clássico, bayesiano, verossimilhancista, etc.) que produza resultados realmente confiáveis sem um estudo aprofundado de verificação. Para termos uma ciência de qualidade, é necessário focar mais na qualidade e menos na quantidade de estudos. Não é sustentável nem confiável para a ciência quando acadêmicos realizam análises de maneira superficial, apenas apertando botões e copiando e colando valores para publicar artigos sem realizar as devidas verificações. Para uma análise crítica sobre como mesmo um teste de hipóteses que encontra um efeito significativo pode ser enganosa, recomendo a seguinte <a href="https://x.com/agpatriota/status/1816863137296957763">thread </a>do professor.</p><h3><strong>Conclusão</strong></h3><p>No texto, discutimos o desafio que estudantes e profissionais enfrentam ao lidar com testes de hipóteses em estudos estatísticos. É crucial entender direito o que diabos é significância estatística e esse tal de p-valor. O autor destaca as confusões e bobagens que frequentemente acontecem na interpretação do p-valor, e como isso se relaciona com o que consideramos como evidência estatística. Além disso, a gente explora as diferenças entre as abordagens frequentista e bayesiana na hora de tirar conclusões das estatísticas.</p><p>Em resumo, a inferência em uma regressão linear envolve estimar um coeficiente (beta chapéu) que representa a relação entre variáveis, considerando a incerteza associada (erro padrão). Dividir o coeficiente estimado pelo erro padrão nos ajuda a determinar a significância estatística dessa relação, indicando se podemos confiar nos resultados obtidos com a amostra disponível.</p><p>Apesar de ser um texto meio didático e informal, não substitui um estudo aprofundado de inferência estatística e econometria. Por isso, recomendamos dar uma olhada no livro do Wooldridge (2023a) para quem quer se aprofundar mais nesse tema. E se você busca mais críticas sobre o uso e abuso de significância estatística na economia, recomendamos Ziliak e McCloskey (2011).</p><p>Espero que tenham gostado da leitura! Até a próxima!</p><h3><strong>Referência</strong></h3><p>BAUWENS, Luc; LUBRANO, Michel; RICHARD Jean-Francois. <em>Bayesian inference in dynamic econometric models</em>. OuP Oxford, 2000.</p><p>BAYES, Thomas. “An essay towards solving a problem in the doctrine of chances.” <em>Biometrika </em>45, no. 3–4 (1958 [1763]): 296–315.</p><p>BECKER, Gary S. Human capital: A theoretical and empirical analysis, with special reference to education. University of Chicago press, 1964.</p><p>BERGER, James O. <em>Statistical decision theory and Bayesian analysis</em>. Springer Science &amp; Business Media, 2013.</p><p>CASELLA, George; BERGER, Roger. <em>Statistical inference</em>. CRC Press, 2024.</p><p>CHAN, Joshua; KOOP; Gary; POIRIER, Dale J.; TOBIAS, Justin L. <em>Bayesian econometric methods</em>. Vol. 7. Cambridge University Press, 2019.</p><p>FISHER, Ronald. A. <em>Statistical methods for research workers</em> (10th ed., 1946). Oliver and Boyd: Edinburgh, 1925.</p><p>FISHER, Ronald. A. <em>The Design of Experiments </em>(4th ed., 1947). Edinburgh: Oliver and Boyd, 1935</p><p>FISHER, Ronald. A. “Statistical methods and scientific induction.” <em>Journal of the Royal Statistical Society Series B: Statistical Methodology</em> 17, no. 1 (1955): 69–78.</p><p>GELMAN, Andrew; CARLIN, John B.; STERN, Hal S.; DUNSON, David B.; VEHTARI, Aki; RUBIN, Donald B. <em>Bayesian Data Analysis</em>. 3rd ed. New York: Chapman and Hall/CRC, 2013.</p><p>GOODMAN, Steven. “A dirty dozen: twelve p-value misconceptions.” <em>In Seminars in hematology</em>, vol. 45, no. 3, pp. 135–140. WB Saunders, 2008.</p><p>HAJEK, Alan. Interpretations of Probability. In: ZALTA, Edward N.; NODELMAN, Uri (Ed.). The Stanford Encyclopedia of Philosophy. Winter 2023 Edition. Disponível em:<a href="https://plato.stanford.edu/archives/win2023/entries/probability-interpret/"> https://plato.stanford.edu/archives/win2023/entries/probability-interpret/</a>. Acesso em: [28/06/24].</p><p>KOOP, Gary. <em>Bayesian econometrics</em>. England, 2003.</p><p>LEHMANN, Erich L. “The Fisher, Neyman-Pearson theories of testing hypotheses: one theory or two?.” <em>Journal of the American Statistical Association </em>88, no. 424 (1993): 1242–1249.</p><p>MINCER, Jacob. “Investment in human capital and personal income distribution.” Journal of political economy 66, no. 4 (1958): 281–302.</p><p>NEYMAN, Jerzy; PEARSON, Egon .S. “On the use and interpretation of certain test criteria for purposes of statistical inference,”. <em>Biometrika</em>, 20A (1928): 175–240, 263–294.</p><p>NEYMAN, Jerzy; PEARSON, Egon .S. “On the problem of the most efficient tests of statistical hypotheses”. <em>Philosophical Transactions of the Royal Society of London</em>, 29 (1933): 289–337.</p><p>PEARSON, Egon S. “Statistical concepts in the relation to reality.” Journal of the Royal Statistical Society. Series B (Methodological) (1955): 204–207.</p><p>ROSS, Sheldon M. <em>A First Course in Probability</em>. 8th ed. Upper Saddle River, NJ: Pearson Education International, 2010.</p><p>PAULINO, Carlos Daniel; TURKMAN, M. Antónia Amaral; MURTEIRA, Bento José Ferreira. <em>Estatística bayesiana</em>. Lisboa: Fundação Calouste Gulbenkian, 2003.</p><p>WOOLDRIDGE, Jeffrey M. Introdução à econometria: uma abordagem moderna. Cengage Learning, 2023a.</p><p>WOOLDRIDGE, Jeffrey M. What is a standard error?(And how should we compute it?). <em>Journal of Econometrics</em>, v. 237, n. 2, p. 105517, 2023b.</p><p>ZILIAK, Stephen T.; McCLOSKEY, Deirdre N.. “The cult of statistical significance.” Ann Arbor, MI: University of Michigan Press 326 (2011).</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=1593a94849cb" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[50 anos do 11 de Setembro]]></title>
            <link>https://gabrielfferraz.medium.com/50-anos-de-11-de-setembro-2bfea8782c73?source=rss-7ae1a207060f------2</link>
            <guid isPermaLink="false">https://medium.com/p/2bfea8782c73</guid>
            <category><![CDATA[golpe-militar]]></category>
            <category><![CDATA[política-econômica]]></category>
            <category><![CDATA[11-de-setembro]]></category>
            <category><![CDATA[pinochet]]></category>
            <category><![CDATA[chile]]></category>
            <dc:creator><![CDATA[Zinho]]></dc:creator>
            <pubDate>Mon, 11 Sep 2023 03:01:46 GMT</pubDate>
            <atom:updated>2023-09-11T04:07:45.985Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/480/0*5Db7k5Knlur724DP" /><figcaption><strong>O outro 11 de Setembro.</strong> Consta na Wikipédia: O Golpe de Estado de 11 de Setembro, ocorrido no <a href="https://pt.wikipedia.org/wiki/Chile">Chile</a> em <a href="https://pt.wikipedia.org/wiki/1973">1973</a>, foi um golpe militar que derrubou o regime democrático constitucional do Chile e de seu presidente, <a href="https://pt.wikipedia.org/wiki/Salvador_Allende">Salvador Allende</a>, tendo sido articulado conjuntamente por oficiais <a href="https://pt.wikipedia.org/w/index.php?title=Sedicioso&amp;action=edit&amp;redlink=1">sediciosos</a> da marinha e do exército chileno, com apoio militar e financeiro do governo dos <a href="https://pt.wikipedia.org/wiki/Estados_Unidos">Estados Unidos</a> e da <a href="https://pt.wikipedia.org/wiki/CIA">CIA</a>, bem como de organizações <a href="https://pt.wikipedia.org/wiki/Terrorismo">terroristas</a> chilenas, como a <a href="https://pt.wikipedia.org/wiki/Patria_y_Libertad">Patria y Libertad</a>, de tendências <a href="https://pt.wikipedia.org/wiki/Nacionalismo">nacionalistas</a>-<a href="https://pt.wikipedia.org/wiki/Neofascismo">neofascistas</a>, tendo sido encabeçado pelo general <a href="https://pt.wikipedia.org/wiki/Augusto_Pinochet">Augusto Pinochet</a>, que se proclamou presidente.</figcaption></figure><p>Onze curtas de 11 minutos, 9 segundos e um único frame. Essa é ideia por trás de <strong><em>11 ’09 “1 11 de setembro</em></strong>. Um documentário internacional de 2002 composto por 11 contribuições de diferentes cineastas, cada um de um país diferente. Cada um deu sua própria visão dos eventos nos ataques de 11 de setembro.</p><p>Como disse cada curta, uma contribuição dos mais diversos países. Entretanto, algo de incomodou a edição, quando foi juntar os curtas num todo coeso, pois um desses curtas destoava claramente da proposta pretendida. Ao invés dos ataques ao World Trade Center, o curta representando a Inglaterra — dirigido por Ken Loach — mostrava o golpe no Chile.</p><p>Reza lenda que o editor teria ido reclamar com o Loach, que por sua vez teria retrucado: “Os ataques do World Trace Center foi o 11 de Setembro que fizeram aos americanos, mas esse foi o 11 de setembro que os americanos fizeram ao mundo”.</p><p>Consta nos livros de história que em 1973, o Chile enfrentou uma crise econômica após a queda do governo de Salvador Allende. Queda que ocorreu mediante um golpe de estado com auxilio do governo americano em busca de alinhar politicamente Chile aos interesses americanos. Golpe que ocorreu 11 de Setembro de 1973, há exatos 50 anos atrás.</p><p>A queda de Allende e a implementação da ditadura resultaram em alta inflação, esgotamento das reservas estrangeiras e um PIB per capita comparável ao do Peru, abaixo da Argentina. Posteriormente, sob o governo de Pinochet, economistas de Chicago foram nomeados, levando a um notável aumento no PIB per capita até 1990. A revolução de livre mercado liderada pelos “Chicago Boys” nas décadas de 1970 e 1980 seguiu a experiência mal sucedida de Allende, criou as condições necessárias para o “milagre econômico” chileno que ganhou destaque global nos anos posteriores ao fim da ditadura.</p><p>Só tem um problema com essa história… Ela está errada. É uma daquelas histórias que concordamos em contar uns aos outros, até esquecermos que é mentira.</p><p>Para explicar a verdadeira história por trás dos resultados econômicos chilenos decorrente da ditadura sanguinária de Pinochet, vou me apropriar de um ótimo artigo do economista <a href="https://substack.com/@noahpinion">Noah Smith</a>. Segue a minha tradução de seu texto <a href="https://www.noahpinion.blog/p/pinochets-economic-policy-is-vastly"><strong>Pinochet’s economic policy is vastly overrated</strong></a></p><h3>A política econômica de Pinochet é extremamente superestimada</h3><p>Os chilenos <a href="https://edition.cnn.com/2022/09/04/americas/chile-constitution-vote-intl/index.html">acabaram de rejeitar</a> nas urnas um novo projeto de Constituição. O projeto de Constituição foi apresentado em resposta aos <a href="https://en.wikipedia.org/wiki/2019%E2%80%932022_Chilean_protests">protestos massivos a nível nacional em 2019</a>, que começaram por questões económicas comuns, mas evoluíram para um movimento mais amplo para rejeitar totalmente o legado do ditador Augusto Pinochet, sob cujo governo a actual Constituição foi escrita. em 1980. Presumo que os reformadores começarão a trabalhar num novo projeto.</p><p>Nos EUA, Pinochet é frequentemente um tema de discussão nos debates econômicos. Ele foi um ditador brutal, que <a href="https://en.wikipedia.org/wiki/Human_rights_violations_in_Pinochet%27s_Chile">matou milhares</a> de pessoas e torturou, prendeu e/ou exilou outras dezenas de milhares. É muito compreensível que os chilenos queiram eliminar qualquer parte do seu legado. Mas nos EUA [e no Brasil], é a sua política <em>econômica</em> que continua a ser debatida décadas depois. Alguns libertários acreditam que, apesar da brutalidade do seu regime, ele implementou políticas econômicas que foram extremamente bem sucedidas na elevação dos padrões de vida chilenos.</p><p>Milton Friedman, um importante economista e pensador libertário da época, referiu-se a isto como o “<a href="https://en.wikipedia.org/wiki/Miracle_of_Chile">Milagre do Chile</a>”. Na verdade, Pinochet foi aconselhado por um grupo de economistas chilenos conhecidos como “<a href="https://en.wikipedia.org/wiki/Chicago_Boys">Chicago Boys</a>”, alguns dos quais estudaram com Friedman na Universidade de Chicago. Durante décadas, e até hoje, várias pessoas da direita política acreditam neste milagre. Por exemplo, aqui está o que <a href="https://www.hoover.org/research/how-milton-friedman-saved-chile">Bret Stephens escreveu para o Wall Street Journal em 2010</a>, num artigo intitulado “Como Milton Friedman salvou o Chile”:</p><blockquote>Em 1973, ano em que o governo proto-chavista de Salvador Allende foi derrubado pelo general Augusto Pinochet, o Chile estava numa crise económica. A inflação atingiu o máximo a uma taxa anual de 1.000 por cento, as reservas de moeda estrangeira foram totalmente esgotadas e o PIB per capita era aproximadamente o do Peru e muito inferior ao da Argentina…Pinochet nomeou uma sucessão de rapazes de Chicago para altos cargos econômicos. Em 1990, ano em que cedeu o poder, o PIB per capita tinha aumentado 40 por cento (em dólares de 2005), mesmo com a estagnação do Peru e da Argentina.</blockquote><p>E aqui está Axel Kaiser <a href="https://www.cato.org/cato-journal/fall-2020/fall-chile">escrevendo para o Cato Institute em 2020</a>:</p><blockquote>Após a fracassada experiência marxista do presidente chileno Salvador Allende, uma revolução de mercado livre liderada pelos chamados Chicago Boys nas décadas de 1970 e 1980 criou as condições necessárias para que o país vivesse um “milagre econômico” que captou a atenção mundial. Como disse o economista Prêmio Nobel Gary Becker (1997), o Chile tornou-se “um modelo econômico para todo o mundo subdesenvolvido”.</blockquote><p>Até mesmo Paul Krugman chamou as reformas de Pinochet de “altamente bem-sucedidas”, no <a href="https://www.amazon.com/Return-Depression-Economics-Crisis-2008/dp/0393337804">seu livro de 2008</a>.</p><p>Para muitos, Pinochet foi assim enquadrado num arquétipo familiar — o modernizador autoritário, que reprime o seu povo mas aumenta os seus padrões de vida materiais. Os debates sobre o legado dos modernizadores autoritários, quer sejam de direita ou de esquerda, enquadram-se normalmente num quadro de política versus economia, discutindo se fazer o “omelete” da prosperidade material requer “quebrar alguns ovos” dos direitos humanos.</p><p>Mas quando se trata de Pinochet, sinto que as premissas deste debate são falhas. Porque o legado econômico de Pinochet não é realmente um milagre econômico.</p><h4><strong>O recorde de crescimento de Pinochet</strong></h4><p>Primeiro, vejamos até que ponto a situação econômica dos chilenos realmente melhorou sob Pinochet. Esteve no poder de 1973 a 1990. Durante esse período, os padrões de vida do Chile aumentaram apenas 30% — uma taxa de crescimento anualizada de apenas 1,5%. Isso seria considerado um crescimento lento para um país rico em 2022; para um país pobre da década de 1980, é simplesmente péssimo. Na verdade, ao longo dos anos do governo de Pinochet, os padrões de vida chilenos ficaram aquém dos padrões de vida americanos, embora este tenha sido um período de crescimento invulgarmente lento para os EUA:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*db1P4ZZF3G1TvjQr" /></figure><p>Como país em desenvolvimento, não se deve ficar atrás dos países desenvolvidos; você deveria se atualizar! Supõe-se que os países mais pobres cresçam mais rapidamente do que os ricos. E o Chile de Pinochet ficou atrás dos EUA, embora fosse muito mais pobre em termos absolutos:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*BKsoj-nWeMfnqW2z" /></figure><p>É verdade, como salienta Bret Stephens, que o Chile teve um desempenho melhor do que a Argentina e o Peru durante este período. Mas esses países também eram mal geridos e estavam a ficar cada vez mais pobres. Quando olhamos para o desempenho do crescimento do Chile nos anos Pinochet em relação aos seus pares latino-americanos, vemos que, embora tenha eventualmente saído do grupo com pior desempenho no final dos anos 80, ainda assim estava bastante no meio do grupo:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*ASDp7_v0YUh7yWaP" /></figure><p>Agora, o historial de Pinochet sofre de uma depressão profunda no primeiro ano completo do seu governo. Você pode argumentar que isso não foi culpa dele, mas sim devido à bagunça que ele herdou dos antecessores que derrubou. Mas o pior ano dessa depressão, de longe, foi 1974, por isso é bem possível que Pinochet tenha administrado mal esta transição (mais sobre isto daqui a pouco).</p><p>E é impossível culpar os antecessores de Pinochet pela crise ainda maior de 1982–3, que levou a uma queda de 15% nos padrões de vida chilenos. Para referência, os padrões de vida nos EUA durante a Grande Recessão de 2008–9 caíram cerca de 5%. Assim, uma grande parte do lento crescimento do Chile durante os anos Pinochet pode ser atribuída à calamidade económica do início dos anos 80.</p><p><strong>Atualização</strong>: Amigos, este <a href="https://www.cambridge.org/core/services/aop-cambridge-core/content/view/4DB3D0E252A7B70AC00E1AEC7E3F6A20/S1542427822000542a.pdf/the-influence-of-pinochet-on-the-chilean-miracle.pdf">excelente artigo de 2020 de Edwar Escalante</a> que compara o desempenho do Chile sob Pinochet a um <strong>controle sintético </strong>— ou seja, uma média ponderada de outros países que iniciaram o período com características semelhantes. O resultado:</p><blockquote>[R]elativo ao controle, o rendimento per capita chileno teve um desempenho muito inferior durante, pelo menos, os primeiros quinze anos após o golpe de Pinochet… As evidências sugerem que o notável crescimento econômico do Chile durante o período 1985–1997 não dependeu da autocracia de Pinochet.</blockquote><p>E aqui está o gráfico principal:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/970/0*74kjpeM-v1hOqUHn" /><figcaption>Fonte: <a href="https://www.cambridge.org/core/services/aop-cambridge-core/content/view/4DB3D0E252A7B70AC00E1AEC7E3F6A20/S1542427822000542a.pdf/the-influence-of-pinochet-on-the-chilean-miracle.pdf">Escalante (2020)</a>.</figcaption></figure><p>De qualquer forma, essa é a história macro. E quanto às políticas específicas que levaram a este resultado desanimador?</p><h4><strong>Os grandes erros de Pinochet</strong></h4><p>A lenda de Pinochet na verdade começa com a lenda de <a href="https://en.wikipedia.org/wiki/Salvador_Allende">Salvador Allende</a>, o presidente democraticamente eleito que Pinochet derrubou. Nos EUA, Allende é mais lembrado por tentar criar <a href="https://en.wikipedia.org/wiki/Project_Cybersyn">um sistema informático para gerir a economia</a>, com uma sofisticada sala de controle ao estilo Star Trek (na verdade, a principal utilização do sistema era impedir uma greve de camionistas). Mas, na verdade, Allende geriu mal a economia do Chile, de uma forma muito semelhante à que Hugo Chávez fez na Venezuela. <a href="https://pseudoerasmus.com/2015/05/21/the-invisible-blockade-against-allendes-chile/">Nacionalizou grande parte da indústria do país</a> e incorreu em enormes déficits orçamentais (até 30% do PIB, o dobro do déficit dos EUA em 2020). Tal como o petróleo está para a Venezuela, o cobre estava para o Chile — Allende subsidiava os seus vastos projetos sociais e as ineficientes empresas estatais com lucros do cobre, e quando o preço global do cobre caiu, levou consigo todo o modelo econômico de Allende. Após três anos disto, a economia registava uma inflação que chegava aos 1000%, e as tentativas de Allende de a controlar com <a href="https://www.noahpinion.blog/p/why-price-controls-are-a-bad-tool">controle de preços</a> conduziram previsivelmente a uma escassez generalizada e a uma inflação ainda pior. Os salários caíram, os padrões de vida caíram 10% e, naturalmente, ocorreram greves e protestos massivos. (Alguns esquerdistas, previsivelmente, atribuem a culpa deste desastre econômico aos EUA, mas <a href="https://pseudoerasmus.com/2015/05/21/the-invisible-blockade-against-allendes-chile/">estão errados</a>.)</p><p>Quando Pinochet derrubou Allende no final de 1973 (com um pouco de ajuda da CIA), conseguiu controlar a inflação através de um programa de austeridade brutal. Quando a hiperinflação arranca, é <a href="https://www.nber.org/system/files/working_papers/w1810/w1810.pdf">necessária tanta</a> austeridade fiscal quanto monetária para <a href="https://www.nber.org/papers/w12606">pará-la</a>, e estas são sempre dolorosas. <a href="https://medium.com/@pseudoerasmus/to-explain-myself-on-twitter-my-view-of-chile-is-simply-this-fc44ddd93ce3">Alguns historiadores econômicos acreditam</a> que esta austeridade necessária foi a razão pela qual os padrões de vida caíram para esmagadores 13% em 1974.</p><p>Mas vale a pena notar que tanto a Argentina como <a href="https://en.wikipedia.org/wiki/1985_Israel_Economic_Stabilization_Plan">Israel</a> venceram as suas hiperinflações nos anos 80 e início dos anos 90 sem sofrer grandes quedas nos padrões de vida — na verdade, a hiperinflação em si foi tão terrível para a economia que acabar com ela foi suficiente para gerar uma recuperação, mesmo com os castigos austeridade. Assim, parece provável que o desastre econômico de 1974 tenha sido pelo menos exacerbado por outros fatores. O caos político criado pelo golpe de Pinochet é um possível fator adicional. Outro é o caos do programa inicial de privatização rápida de Pinochet. Em 1974, Pinochet reverteu algumas das nacionalizações de Allende, muitas vezes de uma forma corrupta que <a href="https://www.sciencedirect.com/science/article/abs/pii/S0014498320300504">recompensava os comparsas políticos</a>. Aqui está um cronograma de privatizações de um <a href="https://fagonza4.github.io/privatizations.pdf">artigo de 2020 de Gonzalez et al.</a>, que também contém dados sobre a corrupção envolvida:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/950/0*q6rVELVA2V9O9lqt" /><figcaption>Fonte: Slides de <a href="https://escueladeverano.cepal.org/2018/sites/escver-2018/files/session/files/privatizations_v1_0.pdf">Gonzalez et al. (2020)</a></figcaption></figure><p>A “terapia de choque” não correu bem na Europa Oriental, por isso há razões para suspeitar que o programa semelhante de Pinochet em 1974 causou uma queda temporária semelhante nos padrões de vida.</p><p>Portanto, esse pode ter sido o primeiro grande erro de Pinochet. A segunda foi uma má política macroeconómica e financeira. O blogueiro de economia <a href="https://medium.com/@pseudoerasmus/to-explain-myself-on-twitter-my-view-of-chile-is-simply-this-fc44ddd93ce3">Pseudoerasmus escreve</a>:</p><blockquote>Pinochet também liberalizou a conta de capital, permitindo a entrada de fluxos de capital de “dinheiro quente”, muitos dos quais entraram numa bolha imobiliária no final da década de 1970. Por causa disto, o Chile enfrentou a crise da dívida no início da década de 1980, tal como qualquer outro país latino-americano… A austeridade financeira face à crise da dívida apagou a recuperação económica de 1973–82. Isto foi puramente má gestão e incompetência de Pinochet.</blockquote><p>Enquanto isso, <a href="https://marginalrevolution.com/marginalrevolution/2006/12/how_good_was_pi.html">Tyler Cowen escreve</a>:</p><blockquote>O início e meados da década de 1980 foram um desastre, em grande parte porque os bancos chilenos não eram sólidos e o Chile estava atrelado ao dólar americano em alta. Este foi o maior erro econômico do regime Pinochet. Foi um erro enorme que arruinou a economia chilena durante anos.</blockquote><p>A liberalização da conta de capital de um país em desenvolvimento — ou seja, permitir que estrangeiros invistam uma tonelada de dinheiro no seu país, mas também que o retirem sempre que quiserem — é uma medida notoriamente arriscada. O capital estrangeiro é extremamente inconstante e volátil e, quando se retira repentinamente, um país normalmente mergulha numa clássica <a href="https://noahpinion.substack.com/p/why-sri-lanka-is-having-an-economic">crise de dívida dos mercados emergentes</a>. Na verdade, pode-se ver no gráfico de crescimento acima que muitos países latino-americanos tiveram crises de dívida no início da década de 1980, embora a do Chile tenha sido mais grave. Isto é <a href="https://www.imf.org/external/pubs/ft/history/2001/ch08.pdf">do FMI em 2001</a>:</p><blockquote>Em 1978, o Chile começou a acumular uma grande dívida externa com bancos comerciais estrangeiros…Refletindo a privatização de empresas estatais e um boom especulativo alimentado pela liberalização dos mercados internos, a maior parte desta dívida era devida pelo sector privado…Do final de 1978 até No final de 1981, a dívida externa do sector privado mais do que duplicou, passando de 5,9 mil milhões de dólares para 12,6 mil milhões de dólares…</blockquote><blockquote>[O] déficit da balança corrente aumentou ainda mais, mas as autoridades trataram-no com o que consideraram ser uma negligência benigna…uma parte crescente do financiamento do déficit não foi conduzida “em condições normais de mercado”, devido às estreitas ligações de propriedade e gestão entre bancos e empresas[.]</blockquote><p>Em outras palavras, o regime de Pinochet encorajou os seus comparsas a pedir demasiado dinheiro emprestado e olhou para o outro lado enquanto acumulavam um enorme stock de dívidas incobráveis. Quando ocorreu um choque econômico (quedas dos preços das matérias-primas, como é habitual), o castelo de cartas ruiu e o povo chileno foi deixado a sofrer as consequências. É claro que, como salienta Cowen — e como é tão comum nestas crises dos mercados emergentes — a ligação de Pinochet ao dólar tornou o ajustamento mais abrupto e doloroso do que deveria ser.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/724/0*BmRYwPYw5SeJPteR" /></figure><p>Em outras palavras, a crise do início dos anos 80 — que deixou o Chile mais pobre em 1983 do que quando Pinochet tomou o poder em 1973 — pode ser atribuída diretamente à má gestão macroeconômica e às finanças clientelistas de Pinochet.</p><h4><strong>A transformação estrutural de Pinochet foi desanimadora</strong></h4><p>Além de causar uma ou possivelmente duas depressões econômicas massivas, Pinochet não conseguiu transformar a estrutura da economia do Chile durante os seus anos no poder. Pseudoerasmus escreve:</p><p>Quase todo o crescimento econômico nos anos Pinochet foi simplesmente uma recuperação da recessão, ou seja, a fechando os hiatos de produção que ele próprio criou. Não houve alteração na tendência de crescimento da produção, que é o que esperamos de “milagres” econômicos.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/697/0*U7-EY4YTgTaQtd2w" /></figure><p>Tyler Cowen afirma que Pinochet conseguiu diversificar a economia:</p><blockquote>O Chile passou de tarifas muito elevadas para um comércio virtualmente livre. A economia chilena diversificou-se e tornou-se muito menos dependente do cobre; isso incluiu algumas mudanças para a indústria leve e de alta tecnologia. O regime obtém notas altas neste aspecto, uma vez que poucas nações modernas beneficiaram mais do comércio livre.</blockquote><p>Mas estou claramente desapontado aqui. Normalmente, os milagres econômicos — como o do ditador coreano Park Chung Hee — são acompanhados pela industrialização. Sob Pinochet, porém, assistimos à desindustrialização:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1018/0*Z4hYFz_F0q8651Z0" /><figcaption>Fonte: <a href="https://data.worldbank.org/indicator/NV.IND.MANF.ZS?end=2021&amp;locations=CL&amp;start=1973">Banco Mundial</a>.</figcaption></figure><p>Observe que essa desindustrialização continuou depois que Pinochet deixou o cargo, como discutiremos daqui a pouco.</p><p>Então, se o comércio livre não diversificou a economia do Chile na indústria, em que é que ela se diversificou? Serviços:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/997/0*_st6Qj3odMo9vcOt" /><figcaption>Fonte: <a href="https://data.worldbank.org/indicator/NV.SRV.TOTL.ZS?locations=CL">Banco Mundial</a>.</figcaption></figure><p>Observe-se a diminuição maciça nas indústrias de serviços em 1974; Suspeito que isto se deveu às precipitadas privatizações de Pinochet. Note-se também o enorme aumento nas indústrias de serviços em 1982 — isto deveu-se ao boom imobiliário e bancário, tal como o Pseudoerasmus e o FMI salientaram.</p><p>Esse não é um tipo saudável de diversificação. Na verdade, as rendas minerais em percentagem do PIB recuperaram logo após o boom imobiliário ter terminado:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1009/0*8yEe6lOP9JqZSjIR" /><figcaption>Fonte: <a href="https://data.worldbank.org/indicator/NY.GDP.MINR.RT.ZS?end=1990&amp;locations=CL&amp;start=1973">Banco Mundial</a>.</figcaption></figure><p>Não vejo nenhuma diversificação ou transformação estrutural nesses gráficos.</p><p>Em termos de políticas sociais, <a href="https://marginalrevolution.com/marginalrevolution/2006/12/how_good_was_pi.html">Cowen observa</a> que o sistema de segurança social privatizado de Pinochet “já não é um sistema invejável” e que ele aumentou os gastos com a segurança social, mas de formas que foram “geralmente não-igualitárias [/desiguais]”.</p><p>Assim, além de causar um ou dois enormes desastres econômicos durante o seu mandato, Pinochet incentivou a financeirização e a desindustrialização, e não conseguiu acelerar a taxa de tendência de crescimento do Chile. Este registo é menos mau que o de Allende, mas está longe do que eu chamaria de bom, e certamente não é nada que alguém deva chamar de “milagre” econômico.</p><p><strong>Deve Pinochet receber algum crédito pelo boom depois de sua partida?</strong></p><p>O último argumento a favor de Pinochet é que, embora as suas políticas não tenham acelerado o crescimento enquanto ele estava no poder, abriram caminho para um crescimento rápido depois de ele ter partido. Cowen escreve:</p><p>“Grande parte do desempenho econômico superior do Chile ocorreu depois de Pinochet ter deixado o palco… Mas as raízes deste crescimento brotam dos anos Pinochet. Os sucessores moderados e de esquerda deixaram praticamente todas as suas políticas económicas em vigor e, claro, foram democráticas e eliminaram a tortura.”</p><p>E Pseudoerasmus escreve:</p><p>“As reformas estruturais de Pinochet sobreviveram em grande parte ao seu governo — embora com mais redistribuição sob governos democráticos, políticas industriais mais “leves”, bem como controles da conta de capital, que foram efectivamente implementados por Pinochet depois de 1982. Claramente, o Chile está muito mais próximo do paradigma neoliberal, embora com anomalias, do que o Chile era em 1969 ou em 1973.”</p><p>Stephens e Kaiser também apresentam variantes desse argumento.</p><p>Na verdade, o Chile assistiu a um longo boom econômico depois de Pinochet ter sido afastado do poder em 1990. Começou a crescer mais do que os EUA e os seus pares sul-americanos:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*jCUqE99pIPsCBS6I" /></figure><p>Com exceção do Panamá e de alguns países pequenos, o Chile é hoje <a href="https://en.wikipedia.org/wiki/List_of_Latin_American_and_Caribbean_countries_by_GDP_(PPP)">o país mais rico da América Latina</a>, com um PIB per capita semelhante ao da Bulgária.</p><p>Mas olhando mais além, vemos que o Chile tem desindustrializado consistentemente, com as manufaturas caindo cerca de 18% do PIB quando Pinochet foi derrubado para cerca de 9% hoje. Quando olhamos para o que o Chile exporta, ainda é principalmente cobre, com alguns outros recursos naturais:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/763/0*lttDuch8JS7dX8hV" /><figcaption>Fonte: <a href="https://oec.world/en/profile/country/chl">OEC</a>.</figcaption></figure><p>Esta dependência de um único produto para as receitas de exportação deixa o Chile exposto ao preço do cobre. Na verdade, foi <a href="https://fred.stlouisfed.org/series/PCOPPUSDQ">uma queda no preço global do cobre</a> que fez com que o crescimento econômico do Chile estagnasse em 2013:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*rylczr7laNtT14Ff" /><figcaption>(Suspeito que esta súbita estagnação do que foram duas décadas de crescimento constante <a href="https://www.bloomberg.com/opinion/articles/2019-10-30/chile-protests-stoked-by-unfulfilled-economic-expectations">contribuiu para a agitação</a> em 2019.)</figcaption></figure><p>É possível que os exportadores de matérias-primas enriqueçam — a exemplo da Noruega, Austrália e a Arábia Saudita. Mas estão inerentemente limitados pela relação entre dotações de recursos e população e vulneráveis ​​às oscilações dos preços das matérias-primas. O Chile tem, sem dúvida, gerido bem a sua economia desde 1990, mas uma mina de cobre bem gerida ainda é apenas uma mina de cobre. Ao contrário dos modernizadores autoritários na Ásia, Pinochet nada fez para levar o Chile a um modelo industrial que pudesse impulsioná-lo para as fileiras dos países desenvolvidos.</p><p>Agora, talvez não houvesse nada que Pinochet ou qualquer um dos seus sucessores pudesse fazer sobre isso; as transformações estruturais são realmente difíceis! As vastas e impessoais forças de aglomeração econômica são difíceis de superar, e ninguém mais na América Latina conseguiu tornar-se uma economia baseada na indústria transformadora. Mas, ao mesmo tempo, não há muito de milagroso aqui.</p><p>E o desempenho superior do PIB do Chile também teve um custo: uma elevada desigualdade. Pseudoerasmus aponta isso:</p><p><a href="https://economichistorybar.wordpress.com/2014/09/25/856/">“Uruguai</a>, apesar de ter um PIB per capita mais baixo, tem uma renda média superior à do Chile em todos os quintis da distribuição de renda, exceto no topo. Suspeito que algo semelhante prevaleça para a Argentina”</p><p>Nas últimas décadas, os países latino-americanos reduziram geralmente os <a href="https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2304715">seus níveis altíssimos de desigualdade</a>. Mas a queda da desigualdade no Chile foi <a href="https://www.bloomberg.com/opinion/articles/2017-03-23/capitalism-will-shrink-inequality-in-fact-it-s-happening?sref=R8NfLgwS">mais modesta do que a maioria</a>:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/557/0*XQHUtQ4U1nlfmtjx" /></figure><p>Assim, mesmo que atribuamos a Pinochet o desempenho dos seus sucessores (e, claro, isso é um grande “se”), o resultado é decente, mas não o que eu chamaria de milagroso.</p><p>Portanto, para resumir, a história habitual de Pinochet — de que ele foi um brutal modernizador autoritário cujas políticas de livre mercado produziram um milagre econômico — simplesmente não se sustenta. Ele foi suficientemente brutal, mas as suas políticas econômicas não foram muito transformacionais. Ele deteve a queda para a hiperinflação sob Allende, o que é um crédito seu. Mas o seu próprio governo produziu repetidos desastres econômicos e não conseguiu transformar a economia ou acelerar a tendência de crescimento.</p><p>Portanto, os libertários deveriam simplesmente parar de usar Pinochet como exemplo de como as políticas de livre mercado produzem magia econômica. A ironia aqui é que existe um exemplo muito melhor disponível. Houve um ditador na história recente que massacrou milhares do seu próprio povo, mas que liberalizou a economia do seu país, privatizando empresas estatais, abandonando o <a href="https://www.noahpinion.blog/p/why-price-controls-are-a-bad-tool">controle de preços</a> e abrindo ao comércio, e cujo país <em>de fato</em> experimentou um boom econômico milagroso e sustentado como um resultado. Caramba, ele até recebeu conselhos econômicos de Milton Friedman.</p><p>Seu nome era <a href="https://www.cato.org/sites/cato.org/files/serials/files/policy-report/2017/9/cpr-v39n5-1.pdf">Deng Xiaoping</a>.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=2bfea8782c73" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[José Scheinkman, o economista brasileiro.]]></title>
            <link>https://gabrielfferraz.medium.com/jos%C3%A9-scheinkman-o-economista-brasileiro-7cfd0ca64306?source=rss-7ae1a207060f------2</link>
            <guid isPermaLink="false">https://medium.com/p/7cfd0ca64306</guid>
            <category><![CDATA[macroeconomia]]></category>
            <category><![CDATA[brasil]]></category>
            <category><![CDATA[finanças]]></category>
            <category><![CDATA[microeconomia]]></category>
            <category><![CDATA[economia]]></category>
            <dc:creator><![CDATA[Zinho]]></dc:creator>
            <pubDate>Tue, 05 Sep 2023 12:09:22 GMT</pubDate>
            <atom:updated>2023-09-05T12:13:41.621Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/678/1*h5NCBu16esIOID9H76aZUQ.jpeg" /><figcaption>Consta na entrada da wikipedia: José Alexandre Scheinkman (11 de janeiro de 1948) é um economista brasileiro e americano. Atualmente, Scheinkman é Professor Charles e Lynn Zhang de Economia na Universidade de Columbia e também Professor Emérito de Economia Theodore A. Wells &#39;29 na Universidade de Princeton. Ele passou grande parte de sua carreira na Universidade de Chicago, onde atuou como chefe de departamento logo antes de sua partida para Princeton. Ele é mais reconhecido por seu trabalho em finanças, economia matemática (especialmente otimização dinâmica), teoria dos oligopólios, economia das cidades e do crime. Sheinkman também desenvolveu trabalhos pioneiros na intersecção entre finanças e física. Scheinkman também foi pioneiro na aplicação hoje em dia extremamente presente da teoria financeira acadêmica ao gerenciamento prático de risco de rendas fixas durante uma licença que tirou como vice-presidente do Grupo de Estratégias Financeiras da Goldman, Sachs &amp; Co. no final dos anos 1980.</figcaption></figure><p>Caso você esteja nos entornos do universo de discurso econômico, provavelmente já ouviu falar de José Alexandre Scheinkman. Se não, este texto serve aos não iniciados ou aos que desconhecem do seu trabalho a fundo para compreender um pouco do seu brilhantismo.</p><p>Scheinkman provavelmente é o pesquisador brasileiro mais prolífico no exterior, sendo a maior chance do Brasil ganhar um Nobel - embora as chances ainda persistem notavelmente baixas. O pesquisador tem trabalhos em economia urbana, finanças quantitativas, economia matemática, organização industrial e afins. Amigão do Robert Lucas Jr., orientador do Edward Glaser e do Paul Romer, que ganhou o Nobel em 2018 em conjunto com William Nordhaus.</p><p>Não pretendo falar fatos estilizados de sua vida, nem suas qualificações acadêmicas, pois essas podem ser facilmente encontradas no Google. Então segue os trabalhos que eu particularmente mais gosto dele, como sou um grande fã de Microeconomia começo falando com seu absolutamente brilhante:</p><h3>• Quantity Precommitment and Bertrand Competition Yield Cournot Outcomes</h3><p>link: <a href="https://www.jstor.org/stable/3003636">https://www.jstor.org/stable/3003636</a></p><p>Os modelos de organização industrial sofrem com um &quot;paradoxo&quot;, mas antes, para o básico de competição oligopolista: existem dois modelos principais em OI para oligopólio, o modelo de Bertrand e o modelo de Cournot. Bertrand as firmas competem por preços e o equilíbrio se dá por quantidade, já no modelo de Cournot, as firmas competem por quantidade e o equilíbrio se dá via preços.</p><p>Mas aí que vem o pulo do gato, enquanto o modelo de Bertrand é certamente o que tem as hipóteses mais razoáveis e realistas, i.e., firmas competindo por preço numa situação de oligopólio, seus resultados são menos razoáveis e realistas que o modelo de Cournot. Isso acontece porque se as firmas competem numa situação de oligopólio via preços, então os resultados de equilíbrio são os mesmos que o de competição perfeita! Já no Cournot, você tem aquilo que esperaria de um oligopólio, alguma firma com poder de mercado frente às outras dado sua capacidade de decidir preços.</p><p>Então, embora um seja mais realista nas premissas, o outro é mais realista nas conclusões - ao menos aos olhos dos economistas da época em que se consolidou formalmente esses modelos.</p><p>Eis que chega Scheinkman junto com o gigante David Kreps e faz o famoso <strong>modelo de capacidade instalada</strong>. Essencialmente ele conseguiu unificar os dois modelos em um único só, a lógica é a seguinte: as firmas não meramente competem por preços enquanto ajustam por quantidade, até porque dado a estrutura de custos a capacidade de produção da firma (ao menos num curto prazo) é limitada a uma certa quantidade. Neste caso, as firmas maximizam a capacidade instalada delas num processo semelhante à Cournot para daí competir por preços com base no que produziram, aqui temos um Bertrand padrão. Nisso, chegamos aos resultados típicos de Cournot através de uma competição ala Bertrand. Simplesmente genial!</p><p>Agora para os fã de macroeconomia, temos o lindo:</p><h3>• On the Differentiability of the Value Function in Dynamic Models of Economics</h3><p>link: <a href="https://www.jstor.org/stable/1910417">https://www.jstor.org/stable/1910417</a></p><p>Eu diria que tem poucos artigos tão fundamentais para modelos em macroeconomia dinâmica. Nele, Scheinkman prova seu famoso <strong>teorema Benveniste-Scheinkman</strong> que mostra sob quais condições em um problema de programação dinâmica, sua função valor é diferenciável.</p><p>Ou seja, se você quer derivar e igualar a zero num problema macro intertemporal? Agradeça ao grande Scheinkman. É obviamente uma contribuição extremamente técnica, mas é delas que acaba-se fundamentando o trabalho aplicado em macro.</p><p>Para aqueles que curtem finanças:</p><h3>• Overconfidence and speculative bubbles</h3><p>link: <a href="https://www.journals.uchicago.edu/doi/abs/10.1086/378531">https://www.journals.uchicago.edu/doi/abs/10.1086/378531</a></p><p>Talvez o trabalho mais relevante na área de finanças quantitativas no que diz respeito a bolhas financeiras. Segue do <em>abstract</em>:</p><blockquote>&quot;[...] apresentamos um modelo de equilíbrio em tempo contínuo no qual o excesso de confiança gera divergências entre os agentes em relação aos fundamentos dos ativos&quot;.</blockquote><p>Isso parece razoavelmente óbvio para quem tem conhecimento mínimo da área, mas pense que dá uma galera comportamental falando de racionalidade exuberante com experimentos de inatenção para modelos de equilíbrio geral de asset pricing havia um vácuo, que nosso menino Scheinkman ajudou a preencher.</p><p>Vou me ater a esses, mas tem trabalhos em econometria, assim como Economia Regional e Urbana, além de tudo mais que achar interessante. Scheinkman é um dos grandes nomes da pesquisa internacional e celebrado no exterior. Já está mais que na hora de celebrarmos aqui também esse gigante da economia brasileira. Para saber mais leia aqui.</p><p>Fico por aqui, bons estudos e até a próxima!</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=7cfd0ca64306" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Sobre imperialismo econômico]]></title>
            <link>https://gabrielfferraz.medium.com/sobre-imperialismo-econ%C3%B4mico-929c56683c9e?source=rss-7ae1a207060f------2</link>
            <guid isPermaLink="false">https://medium.com/p/929c56683c9e</guid>
            <category><![CDATA[imperialismo-economico]]></category>
            <category><![CDATA[neoclassical-economics]]></category>
            <category><![CDATA[economia]]></category>
            <category><![CDATA[abordagem]]></category>
            <category><![CDATA[gary-becker]]></category>
            <dc:creator><![CDATA[Zinho]]></dc:creator>
            <pubDate>Wed, 21 Jun 2023 13:48:09 GMT</pubDate>
            <atom:updated>2024-04-01T14:01:19.274Z</atom:updated>
            <content:encoded><![CDATA[<p>“<em>Todos os modelos estão errados, mas alguns são úteis.</em>“</p><ul><li>George Box (1979)</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/690/0*p5jRLJJ8I3D1RV20" /><figcaption>Economista nobelista Gary S. Becker (1930–2014)</figcaption></figure><p>O economista Edward Lazear, em seu artigo publicado no periódico acadêmico The Quarterly Journal of Economics de fevereiro do ano 2000, começa da seguinte maneira: “Em quase todos os testes de mercado, a economia é a principal ciência social. O campo atrai a maioria dos estudantes, atrai a atenção de formuladores de políticas e jornalistas e ganha notoriedade, tanto positiva quanto negativa, de outros cientistas.”. Uma atitude que reflete a percepção dos economistas até hoje. Mas de onde vem esse <em>triunfalismo</em> econômico? Como a <strong>teoria econômica</strong> induz ao seu comportamento imperialista para apropriar de temas e tópicos de outras ciências sociais?</p><p>Para os olhos de muitos, a economia é apenas uma área estéril que estuda exclusivamente o dinheiro e o mercado financeiro. Assim, essa ciência estaria do lado dos grandes detentores de capital, operando de modo a naturalizá-los. Embora se possa questionar que há um fundo de verdade nessa perspectiva, ela oculta uma vasta área do conhecimento que tem a origem no estudo da economia sobre o comportamento humano, as instituições que o circundam e a relação de influência entre ambos. Um caso paradigmático sobre essa abordagem é o livro <strong>Freakonomics</strong> (2019) e os trabalhos do economista nobelista <strong>Gary S. Becker</strong> (cujo trabalho já referimos <a href="https://economiamainstream.com.br/artigo/lei-da-demanda-equacao-de-slutsky-e-efeito-preco-puro-de-becker/">aqui</a> e <a href="https://economiamainstream.com.br/artigo/a-funcao-de-producao-familiar/">aqui</a>). Sendo deste último que o presente texto irá tratar, além de outros tópicos relacionados.</p><h3><strong>Afinal, o que é a economia?</strong></h3><p><em>“A economia é a ciência que estuda as formas de comportamento humano resultantes da relação existente entre as ilimitadas necessidades a satisfazer e os recursos que, embora escassos, se prestam a usos alternativos”</em></p><ul><li>Lionel Robbins (1932)</li></ul><p>O que se trata a economia? Com essa questão queremos saber qual é a definição da ciência econômica. Caso o uso de “ciência” lhe seja uma fonte de desconforto, pode se ler mais sobre <a href="https://economiamainstream.com.br/artigo/sobre-as-hipoteses-irrealistas-na-economia/">aqui</a>. Como diz Becker (1976, p.3) há “pelo menos três definições conflitantes de economia [que] ainda são comuns. Diz-se que a economia é o estudo de (1) a alocação de bens materiais para satisfazer as necessidades materiais, (2) o setor de mercado e (3) a alocação de meios escassos para satisfazer fins concorrentes.” Sendo esta última celebremente usado por Lionel Robbins em seu consagrado “<strong>The nature and significance of economic science</strong>”, no qual trata justamente dessa delimitação da problemática estudada na economia. Entretanto, essas definições delimitadas na exposição de Becker servem apenas para ilustrar o <strong>escopo</strong> da área e <strong>não</strong> a distinguem de fato.</p><p>Segundo Becker, o fator que separa a ciência econômica das demais ciências sociais é justamente sua <strong>abordagem</strong>. É como os economistas enquadram os problemas/fenômenos que estudam e a realidade social que os circundam é que faz essa área <em>suis generis</em>. Então, para Becker (1976, p. 5) “[a]s suposições combinadas de <strong>maximizar o comportamento, o equilíbrio do mercado e as preferências estáveis</strong>, usadas de maneira implacável e inflexível, formam o cerne da abordagem econômica”. Mas o que constitui essas suposições e quais são as suas consequências?</p><h4><a href="https://gabrielfferraz.medium.com/a-abordagem-econ%C3%B4mica-do-comportamento-humano-38d584ec3771?source=user_profile---------22----------------------------"><strong>A abordagem econômica do comportamento humano</strong></a></h4><p>Para fazer sentido da abordagem apontada por Becker, precisamos voltar ao fundamento último da teoria econômica, que é a <strong>escassez</strong>. Mas devemos ficar atentos, pois no português há uma ambiguidade em relação ao termo, uma vez que ela é traduzida do inglês tanto da palavra <strong>scarcity </strong>como da palavra <strong>shortage.</strong> Aqui, desentrelaçar as confusões conceituais a partir desses termos é essencial para um entendimento robusto da teoria econômica. A confusão advém do fato que no senso comum o termo escassez tem o mesmo significado que o termo em inglês <em>shortage</em>, ou seja, que há uma quantidade limitada de um certo bem. Entretanto, isto <strong>NÃO</strong> é o que os economistas pensam quando fundamentam a sua teoria, pois escassez como conceituada pelo economista quer dizer apenas que os desejos humanos excedem aquilo que é disponível, isto é, temos desejos ilimitados em um mundo com bens limitados (Alchian &amp; Allen, 2018).</p><p>Vale ressaltar aqui que o conceito de escassez como shortage está contido no conceito de escassez econômica. Em outras palavras, escassez implica em shortage, todavia shortage não implica em escassez. Isso se deve ao fato de que algo pode ser limitado e ainda satisfazer plenamente os desejos pretendidos, um exemplo claro disso é o ar. Usamos ar com o único intuito de respirar, assim conseguimos satisfazer plenamente esse fim com os meios disponíveis, mesmo que o ar seja algo limitado. Para entender mais sobre a distinção <em>shortage</em> contra <em>scarcity</em>, recomendo o seguinte texto do professor Rodrigo Penãloza que pode ser lido <a href="https://milesmithrae.medium.com/shortage-e-escassez-o-problema-da-m%C3%A1-tradu%C3%A7%C3%A3o-rodrigo-pe%C3%B1aloza-11-9-2019-551bef66c7aa">aqui</a>. Para saber mais dos fundamentos da <strong>teoria dos preços</strong>, assista <a href="https://www.youtube.com/playlist?list=PLcvP5tEjdo3vDFrbzfqzkCmk9h7z7iq0q">aqui</a>.</p><p>Quando dizemos que os desejos humanos são ilimitados não estamos dizendo que não há saciação de forma alguma, por exemplo que não há um ponto em que alguém vai parar de fazer algo uma vez que está cheio ou cansado. Estamos apenas falando que os agentes econômicos sempre desejam algo, não necessariamente a mesma coisa. Desejamos uma vida feliz e saudável, desejamos o amor, desejamos bens materiais assim como imateriais, entretanto para satisfazer algum desses desejos precisamos abdicar de outros. Para obter certos bens precisamos entrar em competição com outros agentes que também os desejam, assim como temos que alocar nosso tempo para certas atividades ao invés de outras, então disso deriva-se a fundamental dualidade na ciência econômica da <a href="https://economiamainstream.com.br/artigo/preco-sombra-e-o-principio-da-decomposicao-de-precos/"><strong>escolha vs sacrifício</strong></a>.</p><p>O economista nada mais é que o estudioso desse processo decisório decorrente de situações geradas pela escassez e suas consequências, sendo essas pretendidas ou não. Para realizar uma escolha um indivíduo tem de saber suas alternativas, dentre as opções preferidas escolher aquela que melhor satisfaz seus desejos sacrificando outros desejos no processo. Essa escolha econômica se traduz na alocação de recursos para fins concorrentes referida por Robbins. Por isso, os economistas Armen Alchian e William Allen começam seu livro texto de teoria dos preços da seguinte maneira:</p><blockquote>Desde o fiasco no jardim do Éden, a maioria das coisas que conseguimos é por suor, tensão e ansiedade. Dois vilões — a natureza e as outras pessoas — nos impedem de termos tudo que queremos. A natureza é mesquinha: ela provém menos recursos que podemos usar, e muito do que está disponível é feito de útil apenas por trabalho duro. Assim como para outras pessoas, o problema não advém de malevolência: suas e nossas vontades simplesmente excedem tudo que está disponível. Não suponha que se nós fossemos menos gananciosos, mais estaria ao nosso alcance. Ganância os impele a produzir mais, não apenas para si mesmos, mas, miraculosamente, mais para nós também — provido que existam arranjos [institucionais] indutores de produtividade. (Alchian &amp; Allen, 1964 p.3)</blockquote><p>Naturalmente, os economistas trabalham com <strong>bens econômicos</strong>, mas esses não são tão somente os bens de consumo, commodities ou até manufaturados. Mas sim, são qualquer coisa em que mais é preferida a menos, o que novamente nos restringe ao mundo da escassez. Portanto, nada implica que a economia estude somente coisas relacionadas a dinheiro. Houve apenas uma inércia na academia em relação a esses tópicos, pois foram importantes para formação e consolidação desta área do conhecimento. Como ilustração disso, podemos citar como exemplo a análise da divisão do trabalho feita por Adam Smith (1776), a análise de comércio internacional feita por <a href="https://economiamainstream.com.br/artigo/a-dificil-ideia-de-ricardo-por-paul-krugman/">David Ricardo</a> (1817), a análise sobre juros, desemprego e depressões feita por <a href="https://economiamainstream.com.br/artigo/a-relevancia-de-keynes-hoje/">Keynes</a> (1936), a análise do comportamento do preço do mercado de ações por Eugene Fama (1965), etc.</p><p>Outra confusão é em relação à ideia de que economistas veem o homem como um ser ultra racional, que consegue computar probabilidades de maneira instantânea, analisando todas as informações possíveis e que busca apenas seu interesse próprio. Isso é falso. Para uma apresentação mais elaborada leia <a href="https://economiamainstream.com.br/artigo/desmistificando-falacias-sobre-homo-economicus-racionalidade-e-egoismo/">aqui</a>, <a href="https://economiamainstream.com.br/artigo/evolucao-racionalidade-e-transitividade/">aqui</a> e em Peñaloza (2018). Vale a nota que quando os economistas dizem que os agentes são <strong>auto-interessados</strong>, isso não quer dizer que são egoístas, ou seja, que seu único interesse é satisfazer os desejos que tratam de si mesmos. Tanto não é o caso, que há uma literatura sobre altruísmo que curiosamente começa com Becker (1974, 1976) (para uma crítica da visão beckeriana de altruísmo, recomendo Hirshleifer (1977)). Em verdade, segundo Alchian &amp; Allen (2018, p.5) “auto-interesse, como o conceito é usado na economia, significa que você quer mais poder para controlar recursos, seja para seu benefício ou de outrem”. Portanto, não há contradição entre enxergar os agentes econômicos como buscando auto-interesse mesmo quando são altruístas.</p><p>Em relação à crítica do homem como uma máquina racional, ou <strong>homo oeconomicus</strong>, é preciso voltar aos fundamentos últimos da teoria econômica. Como essa área busca estudar a alocação de recursos em um cenário de escassez, desdobra-se disso, como vimos, em estudar desejos, escolhas-sacrifícios e competição. Mas para a teoria ter algum <strong>poder descritivo</strong>, i.e., ser capaz de explicar os fenômenos, e <strong>poder preditivo</strong>, i.e., ser capaz de prever fenômenos; se faz necessário alguns pressupostos de como os agentes se comportam. Aqui muitas críticas são feitas afirmando que esses pressupostos são infalseaveis, ou seja, não seriam capazes de serem refutados por evidências, assim como são irrealistas. Para essa preocupação há duas respostas:</p><ol><li>Não há problema com uma teoria adotar teorias infalseaveis, uma vez que toda ciência possui um núcleo duro cujos pressupostos são aceitos de maneira (quase) axiomática. Uma síntese boa desta visão na filosofia da ciência é providenciada por Barbieri (2001, p.4): “Um programa de pesquisa consiste num conjunto de teorias que se alteram ao longo do tempo, conforme regras de decisão metodológicas. No núcleo (hard core) estão as proposições fundamentais, consideradas irrefutáveis pelos cientistas pertencentes ao programa e que, portanto, permanecem ao longo do desenvolvimento do programa. Em torno deste núcleo situam-se as proposições menos fundamentais, que se alteram ao longo do tempo, constituindo o cinto protetor. A heurística positiva consiste na estratégia de desenvolvimento do programa, em termos de regras sobre o que deve ser feito. A heurística negativa consiste em regras sobre o que não fazer, de forma a proteger o núcleo de críticas.” . Para ler mais sobre filosofia da ciência na economia, leia <a href="https://economiamainstream.com.br/artigo/sobre-as-hipoteses-irrealistas-na-economia/">aqui</a> e <a href="https://economiamainstream.com.br/artigo/a-filosofia-da-economia/">aqui</a>.</li><li>Adotar a <strong>virada friedmaniana</strong> ou <strong>F-twist</strong>.Tal consiste na tese metodológica proposta por Milton Friedman em seu clássico ensaio <strong>The methodology of positive economics</strong> (1953) em que defende que não importa o realismo das hipóteses, pois o que é relevante quando comparamos teorias é tão somente seu poder preditivo; se ela é capaz de gerar resultados acurados. Neste caso, como o modelo serve para explicar e prever padrões de comportamentos gerais, pode-se abstrair muito da realidade contanto que as teorias cumpram seu papel preditivo e explicativo. Então adotamos uma cláusula <em>como se </em>nos modelos em relação à realidade, ou seja, os modelos econômicos funcionam da seguinte maneira: podemos, por exemplo, modelar um jogador de bilhar dá suas tacadas como se soubesse as fórmulas matemáticas complicadas e às resolvendo pensando em todas as leis físicas envolvidos na ação que vai tomar. Portanto, como diz Friedman se essa hipótese é real ou não é irrelevante contanto que os resultados de sua adoção sejam corroborados pelas evidências, i.e., se adequa bem aos dados. No caso, pode-se friedmanianamente argumentar tal qual Smith (1994) que dado que os agentes econômicos reais em certos cenários experimentais, na média os agentes se comportam como a teoria prediz, então estaríamos legitimados em usar a teoria econômica padrão. Para uma visão crítica dessa posição recomendo Musgrave (1981) e Mäki (2000).</li></ol><p>Seja qual for a posição adotada, cabe agora adentrar nos pressupostos comportamentais que os economistas adotam. Explicitados em Alchian &amp; Allen (1964, p.20–23) os postulados são: 1) <strong>pessoas desejam uma multiplicidade de bens</strong> — ou seja, os indivíduos não querem só uma coisa, mas muitas e esse todo constitui uma multiplicidade de desejos; 2) <strong>para cada pessoa, alguns bens são escassos</strong> — ou seja, não há como satisfazer todos os desejos, há demandas conflitantes que precisam ser resolvidas; 3) <strong>Substituição: cada indivíduo está disposto a sacrificar parte de qualquer bem ou bens para obter mais de outro bem</strong> — ou seja, indivíduos sabem discernir suas preferências ou em outras palavras: ele é capaz de identificar a melhor alternativa sacrificada; 4) <strong>quanto mais o indivíduo tem de um bem, menor é sua avaliação pessoal da unidade marginal desse bem</strong> — ou seja, a substituição pessoal de um indivíduo de um bem para outro não é aleatória, sendo que depende de quanto um indivíduo tem do primeiro bem. Essa também é conhecida como a lei de valor decrescente, que pode ser entendida de maneira intuitiva quando pensamos em relação a comida, quanto mais comemos, menos queremos. Por fim, 5) <strong>nem todos os indivíduos têm padrões de preferência idênticos</strong> — ou seja, há uma multiplicidade de desejos e preferências enormes entre os indivíduos, que podem ser até conflitantes. Então se segue o lema “<em>o lixo de um homem é o tesouro de outro</em>”.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Fzq6zkL2iewYl5db" /><figcaption>A figura acima ilustra um exercício retirado do capítulo 4 de Alchian &amp; Allen (1964). Em tradução livre a pergunta fica: “ ‘<em>A teoria econômica é construída em cima da idealização do homem, que tem um tremendo poder computacional, um conhecimento detalhado dos seus desejos e necessidades, uma resistência a agir sobre impulso ou hábito. É difícil de unificar o modelo do homem econômico e a incerteza tateante do homem do mundo real’ Essa frase caracteriza corretamente o estado da arte da teoria econômica? Explique.</em>” A resposta provida pelos autores, por sua vez, é a seguinte: “Não, ela não descreve. É a teoria e a sua estrutura que se confirma com as leis da lógica e racionalidade. A regularidade previsível das respostas das pessoas há mudanças no ambiente não requerem que elas sejam ‘racionais’ tanto quanto a reação de uma gota d’água em um declive requer racionalidade por parte de cada molécula de água.”</figcaption></figure><p>É importante compreender esses postulados de Alchian, pois embora nem sempre explicitados em manuais de microeconomia, mas é neles que os economistas estão construindo seus modelos. Perceba quão intuitivos e pouco controversos eles são e que passam longe do espantalho de hiper-racionalidade, que os críticos da <a href="https://economiamainstream.com.br/artigo/a-economia-mainstream-na-historia-pensamento-economico/">economia mainstream</a> expõem. Para uma análise geral das críticas feitas pela heterodoxia e respostas a essas, recomendo Lisboa (1998a, 1998b). Entretanto, a crítica não é totalmente vazia, pois é possível tirar algum proveito dela. Afinal, porque as pessoas sistematicamente caem nesse falácia do agente econômico como uma máquina lógica?</p><p>Uma explicação razoável para esse erro é que os críticos olham apenas a formalização matemática dos postulados e tomam o modelo como realidade. Assim, é preciso distinguir tal qual Hayek fez em seu célebre artigo “<strong>Economics and Knowledge</strong>” (1937) a teoria formal de equilíbrio ou <strong>Lógica Pura de Escolha</strong> e a “análise teórica sobre causação no mundo real”. Sendo essa primeira constituída pelo modelo matemático e seus axiomas. O que está em questão aqui é que os economistas estão tentando explicar fenômenos reais das escolhas dos indivíduos e adotam os pressupostos de Alchian, mas da necessidade de formalização matemática, que é um desdobramento do <a href="https://economiamainstream.com.br/artigo/consideracoes-sobre-a-formalizacao-na-economia/">amadurecimento de qualquer ciência</a>, os economistas expressam esses de um modo matematizado (axiomas, teoremas, equações e gráficos) de modo a simplificar o complexo mundo empírico, abstraindo o ruído e se limitando as relações causais fundamentais do fenômeno que buscam entender.</p><p>Ou seja, quando se abre o livro-texto de pós graduação de microeconomia de Mas-Colell et al. (1995) encontra-se que <strong>racionalidade</strong> (econômica) é definida como <strong>completude</strong>, i.e., preferências tais que para todo bem x, y pertencentes ao espaço de consumo, x é ao menos tão desejado quanto y ou y é ao menos tão desejado quanto x (ou ambos); e <strong>transitividade</strong>, i.e., preferências tais que para todo bem x, y e z pertencentes ao espaço de consumo, se x é ao menos tão desejado quanto y e y é ao menos tão desejado quanto z, então x é ao menos tão desejado quanto z. Tal definição nada mais é que uma forma abstrata de representar os postulados apresentados, portanto o modelo carrega em si um atestado de que aquilo não é a realidade, mas uma simplificação abstrata operando de modo <em>como se</em> fosse a realidade para o pesquisador conseguir de maneira indutiva inferir o que pode acontecer de fato no real com certa credibilidade e confiança através desta exposição dos mecanismos causais essenciais.</p><p>Para além da interpretação desses postulados como meramente matemáticos, com o único propósito de fazer o modelo “funcionar”. Tais axiomas possuem um significado econômico a modo de representar e modelar os pressupostos comportamentais que os econômicos de fato defendem. A ideia econômica por trás da transitividade é meramente que os indivíduos com essa propriedade sabem<strong> consistentemente identificar qual a melhor alternativa sacrificada</strong>, sendo assim é possível explicar o conceito de <a href="https://economiamainstream.com.br/artigo/o-que-sao-as-vantagens-comparativas/">custo de oportunidade</a>. Para ler mais sobre a perspectiva em modelagem leia <a href="https://economiamainstream.com.br/artigo/qual-a-importancia-dos-modelos-na-ciencia-uma-reflexao-de-paul-krugman/">aqui</a>, assim como, para ler mais sobre teoria da escolha recomendo Faro &amp; Castro (2005), Kreps (2018), Rubinstein (2006) e leia <a href="https://economiamainstream.com.br/artigo/teoria-da-escolha-e-curva-de-demanda/">aqui</a>.</p><p>Esse agente econômico de preferências transitivas e completas que mora neste mundo <a href="https://economiamainstream.com.br/artigo/causalidade-nas-ciencias-sociais/">contrafactual</a> abstrato e idealizado dos modelos é chamado pelo professor Peñaloza de <strong>homo cartesianus</strong>, para contrastar do <strong>homo oeconomicus</strong> dos postulados de Alchian. O Cartesiano é o modelo, já o Econômico o real, ou seja, a teoria é racional, entretanto o homem não necessariamente precisa sê-lo como demonstrou Alchian (1950) transferindo a racionalidade do agente para o mercado; Becker (1962) demonstrando que os teoremas essenciais da economia derivam da escassez e não da racionalidade; e argumentos do tipo <strong>money pump</strong> que encontramos em Binmore (2008), i.e., argumentos que demonstram a sobrevivência da racionalidade ao longo prazo ao apelar por um mecanismo de seleção que elimina agentes com preferências intransitivas. Para ler mais sobre esses argumentos, leia mais <a href="https://economiamainstream.com.br/artigo/evolucao-racionalidade-e-transitividade/">aqui</a>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/894/0*14zaECuXl1MIA4j2" /></figure><p>A figura acima traduzida de Peñaloza (2018) é ilustrativa dessa distinção entre modelo vs real ou homo cartesianus vs homo oeconomicus, pois nela essencialmente apresenta a mesma ideia de como agentes tomam decisões segundo a teoria econômica, sendo uma constituindo o fenômeno como é para o agente e no outro o fenômeno enquanto modelado pelo pesquisador. Para o homo oeconomius, a escolha é feita apenas olhando as proporções entre os bens que importam e o sacrifício feito entre estes, de tal modo a igualar aos preços relativos, já para o homo cartesianus, a escolha é feita por meio da resolução de um problema de otimização restrita, no caso da maximização da sua utilidade sujeito a restrição orçamentária. Cujo resultado é a igualdade entre a <strong>taxa marginal de sacrifício (TMS)</strong> e os <strong>preços relativos</strong>. Esse resultado está dizendo que o benefício que se obtém de consumir uma unidade a mais de um bem sacrificando outros tem de ser igual aos preços relativos, ou em outras palavras, o benefício de uma unidade a mais relativo a outro bem sacrificado é igual ao custo dessa unidade a mais relativo ao custo do bem sacrificado. Para saber mais sobre esse último leiam <a href="https://economiamainstream.com.br/artigo/teoria-da-escolha-e-curva-de-demanda/">aqui</a> e <a href="https://economiamainstream.com.br/artigo/lei-da-demanda-equacao-de-slutsky-e-efeito-preco-puro-de-becker/">aqui</a>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*i0LqKaAWLBiTGZNI" /></figure><p>Novamente, é preciso ter cautela com relação à crítica da racionalidade, uma vez que se faz necessário entender o que de fato está se criticando e o que o economista defende de fato. A imagem acima também tirada de Peñaloza (2018) é ilustrativa neste sentido, pois uma coisa é ilustrar o modelo e outra é o conceito, ou o jeito de pensar do economista com relação à racionalidade. Alguém pode se questionar sobre qual a necessidade da abstração irrealista dos modelos dado que os próprios economistas têm uma interpretação dos fenômenos sociais mais realista?</p><p>Primeiro, é preciso entender que não se deve <strong>nunca</strong> confundir o modelo com a realidade, algo brilhantemente exposto por Hayek em seu artigo “<a href="https://economiamainstream.com.br/artigo/hayek-e-o-uso-do-conhecimento-na-sociedade/"><strong>The Use of Knowledge in Society</strong></a>” (1945) e segundo, que ao transcrever as hipóteses por intermédio do linguajar preciso da matemática, os economistas compartilham um mesmo universo do discurso, em que tais modelagens servem como um meio de extrair as intuições fundamentais que possuem dos fenômenos reais e guiar seus pensamentos para as conclusões lógicas dos mesmos inferidas do modelo.</p><p>Em outras palavras, como diz Simon e Blume (1994, p.28): “um modelo matemático força o economista a definir os termos precisamente. O economista deve enunciar claramente as suposições subjacentes antes de iniciar uma longa cadeia de raciocínio. A natureza exata da abstração com a qual o economista está trabalhando fica clara, logo de saída, não só na mente dele mas na mente de cada pessoa que está lendo o trabalho. Consequentemente, o debate sobre a relevância do modelo para o mundo real é bastante enfocado. Pode até ser possível traduzir o modelo teórico em fórmulas e estatística, de modo que sua validade possa ser testada com dados do mundo real”.</p><p>O modelo é uma <strong>abstração contrafactual</strong> e o economista tem plena consciência disso. A questão é que há uma clareza lógica maior no desdobrar dos pressupostos num dado modelo quando posto de maneira explícita como por exemplo, em termos de equações. Das consequências dos principais mecanismos causais do fenômeno estudado, extrai-se as intuições, explicações e previsões teóricas que são inferidas ao mundo real indutivamente pelo pesquisador (Sugden, 2000, 2009). Ou seja, modelo é visto conscientemente, ou não, como uma <strong>contraste</strong>, i.e., “um mundo modelo está sendo usado como um contraste contra a realidade para obter uma visão sobre o impacto causal de alguma característica do mundo real.” (Albrecht &amp; Kogelmann, 2020, p.10)</p><p>Além dos ganhos de clareza para o economista que modela, também há um ganho para quem está de fora, uma vez que a linguagem matemática é clara e não deixa espaço para ambiguidades. Uma consequência disso não é só tornar o modelo um bem público a qualquer que esteja interessado (verdadeiramente) a aprender, mas também permite a qualquer um entender quais os pressupostos adotados pelo pesquisador, evidenciando onde o modelo falha ou não. Para entender mais sobre a importância da teoria econômica e modelos, leia <a href="https://economiamainstream.com.br/artigo/por-qual-razao-a-teoria-economica-e-importante-por-josh-hendrickson/">aqui</a> e <a href="https://economiamainstream.com.br/artigo/qual-a-importancia-dos-modelos-na-ciencia-uma-reflexao-de-paul-krugman/">aqui</a>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*SbE12s2gqm_gXEwQ" /></figure><p>A imagem acima tirada de Krause (2017, p. 181) ilustra uma visão geral simplificada das teorias científicas. A lógica subjacente é que com base em nosso conhecimento prévio (nossas teorias), e levando em conta (RE) e muitas vezes fazendo uso de dispositivos heurísticos (H) são construídos Modelo Matemático (MM), visando dar conta de (RE). Muitas vezes, para produzir um (MM), o cientista não dispõe dos conceitos adequados, necessitando criá-los, o que faz quase sempre valendo-se de analogias de teorias ou de conhecimentos anteriores.</p><p>Perceba como o modelo matemático teórico é apenas uma camada explicativa para o entendimento da realidade empírica, que por sua vez esconde a realidade como ela de fato é, em uma complexidade que muitas vezes é inacessível à consciência humana. Ademais, diz Krause (2017, p. 185) “se para o cientista a elaboração de um modelo matemático pode bastar, isso em geral não contenta o fundacionista (o filósofo ou o cientista interessado nos fundamentos da ciência), que deseja mais, em especial, conhecer a estrutura das teorias elaboradas.”. A esses últimos recomendamos a leitura de Krause (2017) para estudar sobre a ontologia de teorias científicas. Para uma defesa robusta do uso de modelagem matemática na economia, com seus pontos fortes e fracos, recomendo Rodrik (2015).</p><p>Tendo visto a divergência do Lógica Pura da Escolha e “análise teórica sobre causação no mundo real”, além do porque usa-se modelagem matemática em economia, estamos finalmente aptos a entender suposições que apresentamos acima. A abordagem econômica explicitada por Becker pelo <em>comportamento maximizador</em>, o <em>equilíbrio do mercado</em> e as <em>preferências estáveis</em> dizem respeito à estrutura de modelagem do economista, que permite ser aplicado nos mais diversos fenômenos. A suposição do comportamento maximizador a modelagem de teoria da escolha adotada pelos economistas.</p><p>Já a suposição de equilíbrio é mais complicada, pois ela dá a entender um sentido físico de repouso, entretanto em verdade o que os economistas adotam é o conceito como um conjunto de decisões ótimas concebidas independentemente, mutuamente consistentes, ou seja, como exposto por Hayek (1937) o estado de equilíbrio é um na qual os dados subjetivos dos agentes <strong>ex ante</strong> convergem para os dados objetivos <strong>ex post</strong> na interação do mercado. Isso faz com que todos os planos descentralizados dos indivíduos se encaixem. Para uma formalização dessa noção, recomendo Hudik (2020) e para uma entender mais da sua relação com os demais conceitos de equilíbrio presente na economia, leia Glasner (2022).</p><p>A suposição de preferências estáveis também é uma de origem metodológica, tal foi exposta pela primeira vez no artigo <strong>De gustibus non est disputandum </strong>dos economistas nobelistas George J. Stigler e Gary S. Becker (1977). A cerne dessa suposição é que a construção do modelo de escolha dos economistas tem como conceito fundamental, o de preferências. Através das preferências constrói-se uma função utilidade e a escolha do indivíduo é a cesta dos bens que dá maior utilidade sujeito a restrição que enfrenta, pode ser dinheiro ou tempo. O problema dessa estrutura é que você pode explicar qualquer escolha postulando mudanças <strong>ad hoc</strong> nas preferências.</p><p>Vamos a um exemplo: suponha que economistas experimentais estão testando as implicações do modelo de escolha usual, mais especificamente se as preferências dos agentes são transitivas ou não. Imaginemos que as unidades têm que escolher entre quais bens ele prefere em três cenários: i) bananas contra maçãs, ii) maçãs contra laranjas, e iii) laranjas e bananas. Imaginemos que uma unidade no primeiro caso escolha bananas, enquanto no segundo caso escolhe maçãs. Ou seja, pelas preferências reveladas pelo indivíduo ele prefere bananas a maçãs e maçãs a laranjas, consequentemente se ele for racional deve preferir bananas a laranjas! Mas digamos que o observado no terceiro caso foi que o indivíduo prefere bananas, ou seja, é intransitivo. O economista pode interpretar isso como uma instância falsificadora das suas teses ou simplesmente postular que na verdade as preferências mudaram enquanto o experimento acontecia, e portanto o modelo estava correto e nada precisava mudar. É contra isso que Stigler e Becker estão querendo combater.</p><p>O artigo diz que os economistas devem postular que as preferências são estáveis, não necessariamente que elas nunca mudem com o passar do tempo, mas que são persistentes durante o processo decisório. A relevância desse postulado não é só para combater uma conduta pseudocientífica do pesquisador, mas também para forçar ao economista a procurar por benefícios e custos implícitos que expliquem o comportamento observado/estipulado, de modo a não cair nesse estratagema ad hoc.</p><p>Uma vez claro os pressupostos da abordagem econômica, segundo Becker pode se perceber de imediato que o escopo da economia é muito maior que meramente questões financeiras e trocas no âmbito do comércio. Isso se deriva do fato de que o economista estuda a escolha dos agentes decorrentes da escassez, algo surpreendentemente geral, uma vez que isso enquadra quase a totalidade das escolhas feitas por indivíduos. Portanto, tal abordagem pode ser aplicada para estudar qualquer processo decisório, como por exemplo, questões tipicamente associadas a criminologia, sociologia, antropologia e demais. Essa expansão da metodologia econômica para áreas decisivamente não-econômicas é intitulada de <strong>Imperialismo Econômico</strong>.</p><p>Esse imperialismo corresponderia ao economista, aplicando sua abordagem a assuntos interpretados como tipicamente não econômicos. Além disso, pode ser entendido mais que uma atividade, mas também como uma mentalidade. Tal modo de pensar é ilustrado pelo parágrafo inicial do artigo de Lazear (2000) sobre o tópico: “[…] a economia é a principal ciência social. […] Em grande parte, o sucesso da economia deriva de seu rigor e relevância, bem como de sua generalidade. A caixa de ferramentas econômica pode ser usada para abordar uma grande variedade de problemas extraídos de uma ampla gama de tópicos.”</p><p>Um dos exemplos clássicos do imperialismo econômico é o artigo <strong>Crime and punishment: An economic approach</strong> do já citado Gary Becker (1968). Nele, Becker usa da teoria de escolha tipicamente usada por microeconomistas para modelar as decisões de criminosos assumindo que estes são agentes racionais, portanto ultrapassando as fronteiras da economia para discutir sociologia e criminologia por meio da abordagem econômica. Para além de criminalidade, Becker também publicou sobre descriminação racial em seu artigo de 1957; sobre demografia e fertilidade em seu artigo de 1960; sobre modelar gostos e alocação de tempo em seu artigo de <a href="https://economiamainstream.com.br/artigo/a-funcao-de-producao-familiar/">1965</a>; sobre família, casamento, divórcio, investimento e amor dos pais aos filhos em seu livro de 1991; sobre interações sociais em livro de 2000 em co-autoria com Kevin M. Murphy; e mais celebremente sobre educação em seu livro de 1975, que sintetiza sua pesquisa prévia sobre capital humano (Becker, 1962,1964). Para uma lista compreensiva das áreas “invadidas” pelo imperialismo econômico para além de Becker, recomendo Lazear (2000).</p><p>Por conta desse alargamento das fronteiras da pesquisa econômica, Gary Becker foi laureado com o Prêmio de Ciências Econômicas em Memória de Alfred Nobel no ano de 1992. Em seu nobel lecture, que consiste em um artigo resumindo a pesquisa vencedora do prêmio, Becker termina o texto com um olhar positivo do seu legado, afirmando (Becker, 1992, p. 402):</p><blockquote>Fiquei impressionado com a quantidade de economistas que desejam trabalhar com questões sociais, em vez daquelas que formam o núcleo tradicional da economia. Ao mesmo tempo, especialistas de áreas que não consideram questões sociais são muitas vezes atraídos pela forma econômica de modelar o comportamento por causa do poder analítico fornecido pelo pressuposto da racionalidade individual. Escolas prósperas de teóricos da escolha racional e pesquisadores empíricos são ativos em sociologia, direito, ciência política e história e, em menor grau, em antropologia e psicologia. O modelo de escolha racional fornece a base mais promissora atualmente disponível para uma abordagem unificada da análise do mundo social por estudiosos de diferentes ciências sociais.</blockquote><h3><strong>Críticas à abordagem</strong></h3><p>Por mais poderoso que seja o ferramental (teórico) econômico, ainda assim é necessário entender suas limitações, uma vez que como se segue o ditado de Abraham Maslow: “<a href="https://en.m.wikipedia.org/wiki/Law_of_the_instrument"><em>Para quem só sabe usar martelo, todo problema é um prego</em></a>”. Por isso, é preciso ter cautela e saber das virtudes, assim como os vícios, dessa abordagem. Para fazer sentido da expansão imperialista e suas limitações, adotamos as definições estipuladas por Uskali Mäki (2009): O <strong>expansionismo econômico</strong> é uma questão de uma busca persistente por aumentar o grau de unificação proporcionado por uma teoria econômica por meio de sua aplicação a novos tipos de fenômenos. O <strong>imperialismo econômico</strong> é uma forma de expansionismo econômico em que os novos tipos de fenômenos explicados estão localizados em territórios ocupados por outras disciplinas que não a economia.</p><p>Para deixar menos abstratos vamos a um exemplo: um caso de expansionismo econômico seria o conceito de <strong>Custos de Transação</strong>. Tais custos decorrem da transferência de propriedade ou, mais genericamente, de direitos de propriedade (Niehans, 1989, p.320). Até à Segunda Guerra Mundial, a teoria econômica carecia de discussão substancial sobre esses custos, apesar da crescente alocação de recursos nas economias modernas destinado a eles. Um caso pioneiro de tal conceito foi o artigo “<em>The Nature of the Firm</em>” escrito pelo economista Ronald H. Coase, publicado em 1937 (Coase, 1937). Neste ensaio, Coase aborda a questão de por que as empresas existem e o que determina seus limites. Ele argumenta que as empresas surgem porque existem <em>custos</em> associados à utilização do mecanismo de preços (ou seja, transações de mercado) para coordenar a atividade econômica. Esses custos incluem (o que chamamos hoje de) <strong>custos de transação</strong>, como os custos de coleta de informações, negociação de contratos e execução de acordos.</p><p>Utilizando do ferramentário analítico padrão sobre comportamento decisório dos agentes do economista, Coase concluí que as empresas surgem como uma forma de minimizar estes custos de transação, internalizando a produção dentro de uma estrutura hierárquica, em vez de depender apenas das trocas de mercado. Em outras palavras, as empresas existem porque são mais eficientes que o mercado em determinadas circunstâncias. Tal trabalho lançou as bases para o campo da <em>economia dos custos de transação</em> e teve um impacto significativo na compreensão da empresa e do seu papel na economia. Então note, a partir da economia padrão e aplicando um novo conceito que deriva facilmente da teoria se tornou possível expandir essa mesma teoria para explicar uma nova gama de fenômenos que outrora passavam despercebidos aos olhos dos economistas.</p><p>Agora, um exemplo de imperialismo econômico seria, por exemplo, a aplicação de custos de transação em economia da família. A teoria econômica tradicional relativa às famílias centra-se principalmente nas ações observáveis ​​do mercado, tais como a demanda de bens e a oferta de trabalho. Vê o agregado familiar como uma “caixa negra” caracterizada apenas pela sua classificação de preferências. Por outro lado, a “nova economia doméstica” oferece uma perspectiva mais abrangente, considerando não apenas o comportamento do mercado, mas também aspectos não mercantis, como a fertilidade, a educação infantil e a gestão do tempo. Dentro desta área, os economistas adotam uma abordagem dos custos de transação que reconhece a importância da organização interna e da estrutura das famílias e dos agregados familiares na obtenção de uma compreensão mais ampla e mais perspicaz das atividades econômicas e dos comportamentos das famílias (Williamson, 1989).</p><p>Outros exemplos mais estranhos de imperialismo econômico envolvendo o conceito de custo de transação (ou utilizando uma abordagem/framework de custos de transação) é sobre venda de esposas, pois o fenômeno dos maridos que vendem as suas esposas em leilões públicos há mais de um século em Inglaterra pode ser interpretado através de um quadro coaseano como negociações indiretas de divórcio (Boettke et al. 2014). Ou o problema dos detritos espaciais — detritos de lançamentos de espaçonaves que permanecem em órbita — que pode ser analisado ​​da perspectiva do <em>Law &amp; Economics</em> e da economia dos direitos de propriedade — a abordagem dos custos de transação. Uma vez que as dificuldades colocadas pelos detritos espaciais assemelham-se às tipicamente associadas aos bens públicos e aos recursos comuns. Assim, não é surpreendente que tenha resultado uma tragédia dos comuns, na forma de órbitas desordenadas (Salter 2015).</p><p>A unificação teórica pode se dar de duas maneiras: 1) a <strong>unificação derivacional</strong>, que consiste na questão de derivar grandes classes de sentenças que descrevem o fenômeno a ser explicado a partir de um conjunto parcimonioso de sentenças teóricas ou padrões inferenciais. Baseia-se nas capacidades derivacionais das teorias. As explicações são interpretadas como argumentos. As teorias são consideradas como fórmulas lógicas, possivelmente desprovidas de valor de verdade, servindo à tarefa de gerar implicações e salvar os fenômenos. 2) A <strong>unificação ontológica</strong> que é uma questão de redescrever grandes classes de fenômenos explicados aparentemente independentes como formas ou manifestações de um sistema comum de <em>entidades</em>, <em>causas</em> e <em>mecanismos</em>. Baseia-se nas capacidades representacionais das teorias em retratar tais sistemas subjacentes. As explicações são interpretadas como descrições da ordem das coisas, ou acontecimentos, no mundo. As teorias são consideradas imagens <em>supostamente</em> verdadeiras dos mecanismos e processos mais simples do funcionamento do mundo; fenômenos são considerados como suas manifestações. Vale ressaltar que <strong>ontologia</strong> diz respeito ao (estudo do) que é existe ou os fundamentos últimos da realidade [Krause, 2017].</p><p>Novamente saindo da abstração: por exemplo, no contexto dos custos de transação, a unificação derivacional poderia envolver a explicação de várias formas de ineficiências de mercado, como monopólios ou externalidades, a partir dos princípios fundamentais dos custos de transação, como os custos de negociação e monitoramento. Já a unificação ontológica refere-se à ideia de redescrever uma ampla gama de fenômenos aparentemente independentes como manifestações de um sistema comum de entidades, causas e mecanismos subjacentes. Já a unificação ontológica poderia envolver a compreensão de diferentes contextos nos quais esses custos surgem, como nas relações entre empresas e consumidores ou nas interações familiares, como manifestações de um sistema subjacente de trocas, negociações e organização. Ou seja, as interações complexas e multicausais dos agentes num ambiente familiar, podem ser redescritos sob o olhar da abordagem econômica em termos e conceitos familiares a esta. Em resumo, enquanto a unificação derivacional busca explicar fenômenos a partir de princípios básicos, a unificação ontológica procura encontrar uma conexão subjacente entre uma variedade de fenômenos, revelando uma ordem subjacente na diversidade aparente.</p><p>Tendo em vista o imperialismo econômico e os tipos de unificações possíveis dessa expansão, quando se tratando de suas restrições temos: o <strong>imperialismo econômico ontologicamente fundamentado</strong> que é o imperialismo econômico cuja conquista é um grau maior de unificação ontológica; e o <strong>imperialismo econômico baseado na derivação </strong>que é o imperialismo econômico cuja conquista é um grau maior de unificação derivacional, que não é baseada na unificação ontológica. Uma vez que possuímos essas definições em mente, segue-se o seguinte quando se trata da validade (ou não) dessa expansão teórica segundo Mäki (2009, p. 366):</p><blockquote>Se escolhermos favorecer a ideia de que a unificação ontológica deve ser buscada pela ciência, então podemos dizer que o imperialismo econômico ontologicamente fundamentado é justificado, enquanto <strong>o</strong> <strong>imperialismo é injustificado se nada além da unificação derivacional for alcançado</strong>. A fundamentação ontológica nos dá o imperialismo justificado sob a suposição de que acreditamos que são as descobertas factuais que fazemos sobre a ordem real das coisas que devem determinar o escopo das teorias e as divisões disciplinares em nossas práticas científicas. Nesta suposição, <em>é irrelevante se uma dada classe de fenômenos foi ou não examinada como parte do escopo pretendido de uma disciplina diferente da economia antes de ser ontologicamente subsumida sob um conjunto unificado de princípios econômicos</em>.</blockquote><p>Ou seja, dado Mäki percebe-se que nem todo imperialismo é bom, a despeito de todo o rigor e formalismo que a economia pode prover, se os modelos provenientes da abordagem econômica não iluminam sobre o assunto desejado, não provém novas predições, não explicam aspectos não entendidos por outros modelos e se não se ajustam bem aos dados, então não há por que preferir eles em detrimento aos modelos e explicações das áreas às quais pertencem. Até porque, ao apresentarem essas características, não se tornam apenas modelos econômicos ruins, mas modelos ruins. Para ler mais sobre a perspectiva filosófica de Mäki no assunto, recomendo Mäki (2020).</p><p>Vale a nota que até agora não questionamos os pressupostos dos economistas, entretanto, e.g., por mais que se deflacione o conceito de racionalidade, ainda sim ele precisa ter alguma substância para não se tornar algo completamente vago e inócuo. E mesmo em tentativas de salvaguardar este conceito ainda sim temos problemas, como no <strong>paradoxo de Allais</strong> (leia mais sobre <a href="https://terracoeconomico.com.br/nobel-1988-maurice-allais/">aqui</a>) e no <strong>paradoxo de Ellsberg</strong> (leia mais sobre <a href="http://blogs.unicamp.br/100nexos/2008/09/20/paradoxo-de-ellsberg/">aqui</a>), ambos mostram uma inconsistência entre escolhas reais e o modelo de escolha quando envolve incerteza. Em ambos os casos gera-se uma pressão para testar experimentalmente as previsões da teoria padrão econômica, que entre outros motivos, motivou a pesquisa dos psicólogos cognitivos Amos Tversky e Daniel Kahneman (1971,1972,1973,1974,1977,1978,1979), que culminou no livro de divulgação <strong>Rápido e Devagar </strong>por Kahneman (2012) assim como seu prêmio nobel em 2001, que infelizmente não foi compartilhado com Tversky dado seu falecimento anos antes.</p><p>O desdobramento desse projeto de pesquisa em confluência com os resultados da economia e teoria dos jogos experimental é que os seres humanos possuem um conjunto de <strong>vieses cognitivos</strong> que acarretam em desvios sistemáticos das previsões de racionalidade dos economistas (Capra et al. 2020; Carpenter &amp; Robbet, 2022). O grande volume de pesquisas neste tópico levou a formação da área batizada de <strong>Economia Comportamental</strong>, área esta cujo seu principal criador, Richard H. Thaler, foi laureado com o Nobel de economia em 2017. Em decorrência dessa abordagem mais psicológica e empiricamente informada, cada vez mais foi incorporado aos modelos econômicos o conceito de <strong>racionalidade limitada</strong>, desenvolvida originalmente pelo nobelista Herbert Simon (1955), que introduz restrições à capacidade de escolha, seja em um limite informacional, seja num limite de computabilidade das opções, seja por uma limitação na atenção, etc. Para uma revisão dessa literatura, recomendo Sent (2018).</p><p>Economia Comportamental, por muitos observadores, aparentou como um anúncio do fim do imperialismo econômico, uma vez que cada vez mais parecia que em verdade havia uma invasão imperialista na economia feita pela psicologia (cognitiva). Entretanto, tal aparência se tornou ambígua com a crise de replicabilidade, que atingiu notoriamente a psicologia [Wiggins &amp; Cody, 2019]. Se mostrou que <a href="https://www.nature.com/articles/nature.2015.18248">mais da metade dos artigos de psicologia não replicava</a>, e dentre as pesquisas em crise, muitos achados da economia comportamental também se mostraram pouco confiáveis, como pode ser lido <a href="https://replicationindex.com/2020/12/30/a-meta-scientific-perspective-on-thinking-fast-and-slow/">aqui</a>. Por isso, para muitos observadores aparentou que o <strong>imperialismo psicológico</strong> (Davis, 2013, p. 212) teria um reinado curto e que seu fim já foi anunciado, como pode ser lido <a href="https://www.thebehavioralscientist.com/articles/the-death-of-behavioral-economics">aqui</a>.</p><p>Ademais, como argumenta Muthukrishna &amp; Henrich (2019), a crise não surge de problemas metodológicos, mas do fato de que grandes áreas da psicologia “carecem de qualquer estrutura teórica geral abrangente e integradora que permita aos pesquisadores derivar previsões específicas de premissas mais gerais. Sem uma estrutura teórica geral, os resultados não são esperados nem inesperados com base em como eles se encaixam na teoria geral e não têm implicações para o que esperamos em outros domínios” (apud., 2019, p.1). Sendo este ponto um problema que muitos críticos têm da economia comportamental, uma vez que há uma ausência de uma teoria geral comportamental, a área se torna apenas uma concha de retalhos de fatos estilizados e portanto os críticos permanecem no modelo antigo e apenas acomodando esses fatos nele, assim seguindo a máxima de que <em>só uma teoria substitui outra teoria</em>. Entrando, é digno de nota que há um projeto de pesquisa recente que busca parcimoniosamente explicar a diversidade de vieses cognitivos da literatura com base em conceitos primitivos, vide Oeberst &amp; Imhoff (2023). Porém, ainda é cedo para anunciar um sucesso ou fracasso desse projeto.</p><p>Muitos economistas se aproveitaram da crise de replicação para interpretar como se essa fosse uma evidência <em>prima facie</em> para se manter nos modelos de racionalidade de maneira acrítica. Uma vez que quando olhamos para replicação dos artigos em economia, segundo Duvendack et al. (2015), pelo menos 61% dos artigos de economia possuem uma replicação exata. Ou seja, enquanto 60% dos artigos em psicologia falham em replicar, em economia esse número é 40%, o <a href="https://www.science.org/content/article/about-40-economics-experiments-fail-replication-survey?cookieSet=1">que é visto como positivo por pesquisadores</a>. Assim como, em termos de replicação de p-valor, a economia está melhor comparada às demais ciências sociais e/ou observacionais, para saber mais leia <a href="https://cremieux.substack.com/p/ranking-fields-by-p-value-suspiciousness">aqui</a>. Entretanto, isso não invalida os problemas com relação aos achados experimentais de preferências intransitivas e erros sistemáticos, que são bem corroborados e conectados (Chapman et al., 2023; Oeberst &amp; Imhoff, 2023). Por exemplo, há uma ampla gama de evidências experimentais de que as preferências são instáveis ​​e dependentes do contexto (Sugden, 2018: vii–ix, 7–13, 42–50).</p><p>Ademais, argumentos típicos da defesa da racionalidade, como o <strong>money pump</strong>, que implicam em custos altos na violação do pressuposto de consistência nas escolhas, mostrou-se não ter suporte empírico algum (Arkes et al. 2016). Algo que vai em confluência com aqueles que argumentam a implausibilidade desse tipo de fenômeno, como Schick (1986) e Levi (2002). Ademais, tais argumentos podem ser vistos como espantalhos lógicos ao problema de irracionalidade, como argumenta Lopes (1996).</p><p>Assim como o comportamento maximizador, o pressuposto de estabilidades dos gostos também é erguido em uma fundação arenosa, dado as evidências de que funções de utilidade podem mudar ao longo do tempo devido à variabilidade no tempo da computação neural do valor (Kurtz-David et al., 2019), de quebras estruturais (Cherchyeet al. 2017), ou envolver aversão ao risco (Guiso et al., 2018). Portanto, novamente, por mais que haja razões para ceticismo com relação a economia comportamental, isso de modo algum torna sem substância qualquer crítica feita ao modelo canônico usado pelos economistas. Para uma leitura recente do estado da arte da pesquisa em relação à racionalidade na economia comportamental e experimental recomendo Bernheim et al. (2019a, 2019b) e Paige (2022).</p><p>Outra crítica de nota é feita por Deirdre McCloskey (1985, 1994) que defende que não existem <em>standards</em> metodológicos não-triviais na ciência econômica, sendo os únicos critérios relevantes para a prática da disciplina aqueles aceitos pelos praticantes. Ou seja, a ideia aparentemente objetiva de Friedman que a única preocupação dos economistas deveria ser o poder preditivo das teorias é ilusória na medida que a própria capacidade preditiva dos modelos é extremamente limitada e ambígua.</p><p>Disso decorre outro problema, que é o fato de que a veracidade de uma teoria se torna ainda mais indecidível, pois se um modelo nada mais é que uma maneira de arrumar os fatos, independente do realismo das hipóteses, para disso fazer previsões, então é preciso estar ciente de que com base no mesmo conjunto de fatos podemos amarrá-los de inúmeras maneiras. Portanto, fica ainda mais difícil quando não usamos realismo como restrição, até porque faz com que não haja restrição alguma na prática. Logo, não há critério de seleção racional entre modelos, uma vez que a predição é limitada e é impossível testar experimentalmente uma hipótese científica isoladamente, porque um teste empírico da hipótese requer uma ou mais suposições de fundo (Harding, 1975; Quine, 1950), dado isso, cabe aos economistas investigar sua própria retórica (McCloskey, 1983).</p><p>Há também uma crítica ontológica, tipicamente heterodoxa, da própria percepção dos modelos do mainstream sobre os fenômenos sociais postulados pelos economistas. O cerne dessa crítica é argumentar que os métodos privilegiados pelos ortodoxos, por mais que sejam poderosos e/ou úteis em alguma medida, simplesmente não fazem juz a importantes facetas da realidade social que os próprios economistas buscam estudar. Um exemplo seria o conceito de <strong>exploração da classe trabalhadora</strong> (Carchedi, 1989; Holmstrom, 1977; Lysandrou, 2000; Marx, 1867; Rubin, 1973), que deixa de ser capturado nos modelos ortodoxos. Embora, há aqueles que tentam unificar os dois mundos, como Cohen (1979) e Roemer (1982, 1988), ainda sim apresentam um sucesso questionável e pouco reconhecido no mainstream.</p><p>De todo modo, um exemplo de insuficiência ortodoxa está nos modelos canônicos da microeconomia sobre <a href="https://economiamainstream.com.br/artigo/o-problema-da-firma-e-a-curva-de-oferta/">teoria da firma</a>, essa é modelada como uma caixa preta onde entram insumos e saem produtos. Embora, muito da literatura busca abri-la (Coase, 1937, 1993; para um resumo leia <a href="https://economiamainstream.com.br/artigo/a-economia-dos-contratos/">aqui</a>), tais elementos envolvendo os conflitos distributivos quase não aparecem de maneira significativa. Para ler mais sobre uma análise da história do pensamento econômico por uma lente ontológica e demais análises da ontologia da economia, leia Lewis et al. (2020), Mäki (2001) e Meikle (2000).</p><h4><strong>E agora, José?</strong></h4><p>Tendo em vista todas essas críticas, como prosseguir? Aqui vale uma análise histórica do porque a despeito das críticas incessantes que os ortodoxos receberam por sua história, esses persistiram em sua dominância nos principais departamentos de pesquisa. Uma permanência a despeito mesmo de das críticas que foram (interpretadas como) incapazes de responder, como por exemplo as advindas da <strong>controvérsia do capital</strong> (Cohen e Harcourt, 2003). Tendo em vista esse cenário, o que se percebe, pelo menos em respeito a teoria microeconômica, isto é, das decisões de agentes individuais, encontra-se uma grande elasticidade nela capaz de incorporar as críticas assimilando-as de modo a trabalhar com a metodologia preferida dos ortodoxos.</p><p>Em parte essa inércia ortodoxa na academia é um desdobramento natural do progresso da ciência normal no sentido atribuído por Kuhn (1962), pois por mais que seja propagado uma visão de ciência ingênua, na qual o cientista é um ser racional que busca isoladamente refutar suas próprias teorias ao arriscar-elas em experimentos cruciais, esta visão está simplesmente e inequivocamente <strong>errada</strong>. Há muitas críticas a se fazer essa visão ingênua, como por exemplo o fato de que há muito irracionalidade no processo e progresso científico, não existe ciência feita isoladamente e não existem experimentos cruciais, mas para uma leitura mais profunda recomendo Godfrey-Smith (2009); entretanto, podemos pontuar que o critério de falseabilidade simplesmente não é seguido pelos cientistas e o maior exemplo disso é a física newtoniana.</p><p>A física newtoniana sempre foi vista e propagada como um dos grandes triunfos humanos em relação à natureza, a exemplo do célebre diálogo entre Pierre-Simon Laplace e Napoleão, na qual o último questiona o cientista pelo fato de que em seu modelo celeste não há menção ao Criador, que o respondo rispidamente “Eu não precisei fazer tal suposição”. Essa conquista da exatidão e do poder da ciência é ilusória na medida que esconde a verdade, uma vez que as supostas leis da natureza não realmente descrevem regularidades da mesma (Cartwright, 1984; Keil, 2005). Um exemplo específico da ausência de falseabilidade na física que nos serve de exemplo é o problema da precessão do periélio de Mercúrio, que era incapaz de ser previsto sem enormes discrepâncias pelo modelo newtoniano.</p><p>Diz Kuhn (1962, p. 67):</p><blockquote>Como então […] os cientistas respondem à consciência de uma anomalia no acordo entre a teoria e a natureza? O que acabou de ser dito indica que mesmo uma discrepância desproporcionalmente maior que a experimentada em outras aplicações da teoria não precisa requerer uma resposta muito profunda, qualquer que seja ela. Sempre há algumas discrepâncias. Mesmo as discrepâncias mais obstinadas acabam, em geral, respondendo à prática científica normal. Muito frequentemente os cientistas dispõem-se a esperar, particularmente se há muitos problemas disponíveis em outras partes de seu campo. Já observamos, por exemplo, que durante os sessenta anos posteriores ao cálculo original de Newton, o movimento previsto do perigeu da Lua permaneceu só a metade daquilo que a observação média. Enquanto os melhores físicos matemáticos da Europa se mantiveram numa luta mal sucedida com essa discrepância bem conhecida, apareceram propostas ocasionais para modificar a lei newtoniana do quadrado inverso. Mas ninguém levou muito a sério tais propostas e, na prática, a paciência com essa anomalia relevante comprovou-se justificada.</blockquote><p>Ou seja, perceba que a despeito de uma instância refutadora da teoria newtoniana, os físicos permaneceram agarrados ao paradigma vigente assumindo que dado o poder explicativo e preditivo da teoria até então, faria sentido aceitar essa anomalia até ela fosse explicada. A relevância disso é que ela ilustra o comportamento do mainstream com relação a ortodoxia, pois afinal se há instâncias refutadoras das teorias vigentes, porque a permanência das mesmas? Justamente pelo fato de que os modelos antigos tem tido algum sucesso empírico, por exemplo o sistema de adsense da Google que utiliza modelos microeconomicos de teoria dos leilões com todas suas hipóteses ditas irrealistas, mas que mesmo assim geram os bilhões esperados pela grande empresa (para saber mais, leia <a href="https://www.wired.com/2009/05/nep-googlenomics/">aqui</a>).</p><p>Dado esse sucesso e do fato que tais modelos abordam os problemas de tal modo que gera um espaço fértil para explorar novas ideias e novos modelos, o mainstream permanece com sua abordagem. Um exemplo claro do velho adágio “você precisa de um modelo para mudar outro modelo”, uma vez que ciência avança um funeral por vez. Ademais, como já dito acima há uma grande elasticidades nos modelos ortodoxos, principalmente da microeconomia, que são ilustrativos da fecundidade comentada.</p><p>Um exemplo claro desse processo é a crítica à hipótese de informação completa dos modelos de <a href="https://economiamainstream.com.br/artigo/modelo-de-oferta-e-demanda-o-equilibrio-parcial-e-geral/">equilíbrio </a><a href="https://economiamainstream.com.br/artigo/o-que-sao-os-equilibrios-geral-e-parcial/">geral</a>, algo por exemplo criticado já em Hayek (1937,1945) [para saber mais, leia <a href="https://economiamainstream.com.br/artigo/o-processo-de-mercado-para-a-escola-austriaca-moderna/">aqui</a> e <a href="https://economiamainstream.com.br/artigo/hayek-e-o-uso-do-conhecimento-na-sociedade/">aqui</a>]. Entretanto, já na década 70 foram desenvolvidos por Akerlof (1970) modelos de <a href="https://economiamainstream.com.br/artigo/o-problema-da-informacao-assimetrica-o-que-e-selecao-adversa-e-risco-moral/">informação incompleta</a>, que logo foram incorporados à ortodoxia, sendo hoje em dia ensinados em cursos de microeconomia. Outro exemplo é a falta de uma análise institucional, algo que vem dos antigos institucionalistas (Rutherford, 2011), tal que por sua vez foi incorporados à micro e a teoria de crescimento padrão com o programa de pesquisa da <a href="https://economiamainstream.com.br/artigo/o-reverso-da-fortuna/">Nova Economia Institucional</a> (Alston et al., 2023). Ou mesmo as críticas às hipóteses de completude e transitividade nos modelos de escolha, que por sua vez Mas-Colell (1974) provou um teorema de equilíbrio que dispensam adotar tais axiomas. Mas seria isso suficiente? Então, cabe a heterodoxia simplesmente persistir na crítica até conceda a sua posição metodológica e eventualmente ser apropriada ao mainstream e ortodoxia?</p><p>Não é o caso justamente por que as divergências entre as abordagens não são meramente de fontes metodológicas, mas também moram no cerne da própria ontologia da economia. Ou seja, de quais elementos privilegiar, como enquadrar o problema, qual é o problema econômico, etc. Vamos então partir do simples pressuposto que independente da abordagem, ortodoxa ou heterodoxa, a ciência é um projeto que busca a verdade e é <a href="https://iep.utm.edu/fallibil/">falibilista</a>, i.e., a tese epistemológica de que podemos aceitar certas preposições mesmo não estando conclusivamente justificadas. Tendo em vista isso:</p><ol><li>Há inúmeras maneiras de se chegar na verdade, mesmo que de maneiras contraditórias. O que importa realmente é uma convergência em resultados;</li><li>Pelo falibilismo somos comprometidos com a ideia de que podemos estar errados. Então, suponha que haja uma abordagem que tenha chegado num resultado, entretanto outras convergem para outro. O que se segue disso é menos do que se espera. Afinal, a convergência pode estar errada. Então não há motivo a priori para descartar esse resultado inusitado, argumentando com base na convergência.</li></ol><p>Obviamente podemos argumentar de maneira <a href="https://en.m.wikipedia.org/wiki/Bayesian_inference">bayesiana</a> que nosso grau de confiança aumenta dado a convergência. Mas, mesmo assim, isso não implica que podemos descartar alternativas a priori. Obviamente, todo nosso processo científico cauteloso deve ser feito levando em conta o aforisma de Carl Sagan (1979): “<strong>afirmações extraordinárias requerem evidências extraordinárias</strong>” Junto a isso é preciso estar ciente da história e filosofia da ciência, que como nos mostra Kuhn (1962) e Laudan (1978), o progresso da ciência não é nada linear e tão pouco completamente racional.</p><p>Um exemplo disso é a própria trajetória metodológica da economia, uma vez que a predominância de modelos neowalrasianos e de todo formalismo e matematização crescente da pesquisa econômica, que se associa com ao projeto de equilíbrio geral, desdobrou-se de investimentos pós segunda guerra nesse tipo de modelagem (Goodwin, 1998; Mirowski, 1998). Essa revolução, segundo o economista e historiador do pensamento econômico Mark Blaug, pode ser denominada de <strong>Revolução Formalista</strong>. Como diz Blaug (2003, p.397):</p><blockquote>Os economistas emergiram da Segunda Guerra Mundial cobertos de glória porque seus conhecimentos técnicos provaram ser surpreendentemente úteis para lidar com problemas militares, empregando novas técnicas de otimização como programação linear e análise de atividades […]. Em todos esses exercícios, a matemática teve um papel importante e, no entanto, a Revolução Formalista foi muito mais do que a aplicação de técnicas matemáticas à economia. Em vez disso, estava se divertindo com a modelagem matemática como um fim em si mesmo e tratando a solução de equilíbrio do modelo econômico como a resposta final para a pergunta que motivou a investigação em primeiro lugar.</blockquote><p>Consequentemente, reitero a multiplicidade de fenômenos que são iluminados utilizando a abordagem econômica. Entretanto, como diz o ditado de Abraham Maslow “<em>Para quem só sabe usar martelo, todo problema é um prego</em>”. Dado o falibilismo e as dificuldades inerentes de tirar conclusões apenas de dados observacionais na economia, a complexidade do mundo social nos obriga à humildade epistêmica. A abordagem econômica é poderosa, mas não é a única ferramenta e muito menos o único jeito de enquadrar um dado fenômeno. Então, cabe ao economista não se autoproclamar o rei das ciências sociais, mas dialogar com outras áreas e outras abordagens, assim atingir uma <em>consiliência </em>(Wilson, 1997) — i.e. <em>convergência de evidências</em><strong> —</strong> maior deixando florescer um <strong>pluralismo crítico</strong> entre as teorias e aumentar cada vez mais nosso entendimento do mundo e do homem.</p><p>Para deixar menos abstrata essa noção pluralista, voltemos ao exemplo do conceito de exploração. Embora, pode-se argumentar que esse conceito está embutido nos <strong>modelo canônico Novo Keynesiano</strong> (Galí, 2015; para uma versão simplificada leia <a href="https://rodmosesplacido.substack.com/p/politica-monetaria-qual-deve-ser?utm_source=twitter&amp;sd=pf">aqui</a>, <a href="https://economiamainstream.com.br/artigo/um-toy-model-explicando-como-o-banco-central-define-a-taxa-basica-de-juros/">aqui</a>, <a href="https://economiamainstream.com.br/artigo/um-modelo-macroeconomico-de-livro-texto/">aqui</a> e <a href="https://economiamainstream.com.br/artigo/o-modelo-novo-keynesiano-basico/">aqui</a>) no que diz respeito à equação de fixação dos salários, tal comparação seria superficial. No modelo, o conflito distributivo entre a classe trabalhadora e os donos dos meios de produção pode ser dita que é parametrizada em alguma variável ad hoc, embora não se utilize os termos que usei. O problema dessa estrutura de modelagem é que ela deixa de fora questões quaisquer categorias historicamente determinadas, ou seja, a relação estabelecido mediante o contrato de trabalho tal como a relação de poder do dono da firma e de vende a força de trabalho é consequência de um longo processo histórico, na qual categorias como <strong>classe</strong>, parecem ser iluminadoras quando abordamos essa problemática desta maneira.</p><p>O que quero pontuar com esse exemplo não é fazer uma defesa do marxismo, mas apenas ilustrar que há toda uma realidade social que fica à margem quando olhamos para este problema única e exclusivamente sob essa lente. O que demonstra o ponto do pluralismo, que é tão somente que devemos usar o ferramental conforme a natureza do problema, assim ter ciência dos vícios e virtudes de cada modelo e não tentar encaixar o mundo em uma caixa estabelecida <em>a priori</em>. Entretanto, cabe pontuar aqui que há uma necessidade de pluralismo <em>de métodos</em>, e não meramente <em>de resultados</em>. Falta à economia uma atitude <em>laissez-faire</em>, tal qual expressa por Rubinstein (2017, p. 169): “Eu não tenho respeito por regras na economia e as vejo como <strong>barreiras à entrada</strong> criada pela <em>‘guilda’</em> [mainstream economico]”.</p><p>Certamente, conflitos entre abordagens e métodos é inevitável, até mesmo aqueles que são inconciliáveis na medida que advém da adoção de pressupostos contraditórios entre si. Não há resposta fácil para essas questões, porém com ponderação, humildade e com todos os lados fazendo suas concessões, uma convergência é possível. E mesmo que se possa contra-argumentar apelando por <em>paradigmas kuhnianos</em> (Kuhn, 1962) ou <em>projetos de pesquisa lakatosianos</em> (Lakatos, 1976, 1978), i.e., essencialmente defendendo a lá Rodrik (2015, p. 199), que “nenhuma disciplina acadêmica é permissiva com quanto às abordagens que divergem muito das práticas prevalecentes […]”. Mesmo assim, é preciso ter em mente que esses (meta)modelos que tentam pontuar e descrever os elementos <em>suis generis</em> do fazer científico, simplesmente falham em capturar a extrema heterogeneidade epistêmica do próprio fazer científico, vide Laudan (1983).</p><p>Dado a <strong>natureza do objeto de pesquisa</strong>, dos <strong>elementos normativos</strong> implícitos nos modelos, que geralmente são ignorados pelos economistas (Atkinson, 2011), e dos <strong>efeitos sociais práticos</strong> das posições do mainstream econômico, se faz necessário não só um rigor maior, mas também um suscetibilidade à práticas divergentes. Não só por uma questão de permitir florescer novas ideias, mas também para servir como um sistema de <em>pesos e contrapesos</em> dos viés dos pesquisadores. Assim como, pode servir para gerar <strong>credibilidade </strong>na pesquisa, sendo afinal essa confiança de que a produção é crível, que justamente define o fazer científico. Como diz Hansson (2013, p.70):</p><blockquote>Ciência (no sentido ampliado) é a prática que nos fornece as afirmações mais confiáveis (i.e., epistemicamente justificadas) que podem ser feitas em um determinado momento sobre um objeto de estudos abarcado por uma comunidade de disciplinas do conhecimento (i.e., sobre a natureza, nós mesmos como seres humanos, nossas sociedades, nossas construções físicas e nossas construções mentais).</blockquote><p>Assim, para o progresso do conhecimento humano a solução não é imperialismo, mas <strong>interdisciplinaridade</strong>, assim como a <strong>pluralidade</strong>. Para retornar mais uma vez ao exemplo do conflito entre classes, há um esforço recente pela parte do economista do MIT Ivan Werning em co-autoria com Guido Lorenzoni de entender o que é inflação sob uma nova perspectiva, muito disso decorre da alta da inflação nos Estados Unidos no mundo pós-Covid, assim como dos debates sobre se esta era transitória ou não (Lansing, 2022). A dupla buscou formalizar no linguajar ortodoxo a teoria de <em>inflação como conflito</em>, uma visão proeminente na tradição pós-keynesiana, desenvolvida principalmente por Kaldor (1940,1955,1985) e Kalecki (1954,1971).</p><p>A teoria do conflito estabelece que “a inflação resulta das reivindicações conflitantes sobre a renda feitas por trabalhadores e empresas, reivindicações que são afetadas pelo relativo poder de barganha dos dois grupos” (Dutt, 1992 p.579). Lorenzoni e Werning (2023a, 2023b) então formalizam esses conceitos utilizando do arcabouço ortodoxo como <a href="https://economiamainstream.com.br/artigo/macroeconomia-e-expectativas-o-porque-o-para-que-e-o-como/">expectativas racionais</a> e o modelo Novo Keynesiano. Há uma aproximação bem explicita por parte da dupla de dialogar com a tradição pós-keynesiana, e essa aproximação é importante uma vez que há um viés (ideológico) por parte dos economistas de escutarem apenas quem faz parte da sua tradição, como demonstra experimentalmente Javdani &amp; Chang (2023).</p><p>Esse viés é evidenciado pelo fato de que o modelo de Lorenzoni e Werning está longe de ser a primeira formalização dessa tese em um arcabouço analiticamente tratável sobre inflação como conflito, como por exemplo podemos ver em Dutt (1992), Stirati (2001), etc. Entretanto, como Werning é um professor do MIT e respeitado pelo mainstream, então a tese passa a ter credibilidade e elimina o ruído na comunicação entre as tradições decorrente de tribalismo despropositado. Tal aproximação permite que a outrora infértil terra arrasada entre as trincheiras dos ortodoxos e dos heterodoxos se torne um campo fecundo para exploração conceitual, e quem sabe, progresso científico.</p><p>Após os debates oriundos da controvérsia do capital, o economista nobelista Paul Samuelson celebremente sintetizou suas considerações no artigo “<em>A summing up</em>” (Samuelson, 1966), afirmando da necessidade de abandonar os modelos inconsistentes, mesmos que no passado produziram um grande poder explicativo e preditivo. Ao contexto corrente, parafraseio a declaração de Samuelson da seguinte maneira: Se tudo isso causa dores de cabeça aos nostálgicos dos velhos dias do imperialismo econômico, devemos nos lembrar que os pesquisadores não nascem para viver uma existência fácil. <strong>Devemos respeitar e apreciar os fatos da vida.</strong></p><h3><strong>Conclusão</strong></h3><p>Em conclusão, o pressuposto de racionalidade, junto com a ideia de equilíbrio de mercado e preferências estáveis, é típico da abordagem econômica, como exposta por Gary Becker. Tal abordagem trata dos desdobramentos alocativos e competitivos da escassez, com isso é essencial ao economista uma modelagem para fazer sentido das decisões dos agentes frente a esse cenário e do sistema de incentivos na qual ele está inserido. Dado a própria natureza do problema, tal ferramenta permite que seja aplicada para uma diversidade de problemas, que vão muito além daquilo que tipicamente se associa à economia, como mercado financeiro, dinheiro e trocas comerciais.</p><p>Entretanto, embora tal metodologia seja valiosa, é preciso lembrar que, como qualquer ferramenta, ela é apropriada para alguns contextos, mas não para outros. Há muito o que se questionar e melhorar. Sendo justo, as críticas ao longo do tempo têm sido incorporadas, entretanto a economia ainda trabalha sob uma única forma de enquadrar os problemas e há motivos para crer que não seja suficiente, uma vez que não engloba facetas dos fenômenos sociais que os pesquisadores acham que merecem explicação. Por isso, é de bom tom não só exigir consistência, rigor e o melhor das evidências, mas pluralista. Até porque, se combate a ciência ruim com uma ciência melhor. Espero que tenham gostado e até a próxima.</p><h3><strong>Referência</strong></h3><p>Akerlof, George A. “The Market for Lemons: Quality Uncertainty and the Market Mechanism.” <em>Quarterly Journal of Economics</em>, Vol. 84 (1970), pp. 488–500</p><p>Albrecht, Brian C., and Brian Kogelmann. “<em>Coasean causal inference: using models as foils</em>.” (2020).</p><p>Alchian, Armen A. “Uncertainty, evolution, and economic theory.” <em>Journal of political economy</em> 58.3 (1950): 211–221.</p><p>Alchian, Armen A., and William R. Allen. <em>University Economics</em>. Wadsworth, Belmont, CA, 1964.</p><p>Alchian, Armen A., William R. Allen, and Jerry L. Jordan. <em>Universal economics</em>. Liberty Fund, 2018.</p><p>Alston, Eric C., Lee J. Alston, and Bernardo Mueller. <em>New Institutional Economics and Cliometrics</em>. No. w30924. National Bureau of Economic Research, 2023.</p><p>Arkes, Hal R., Gerd Gigerenzer, and Ralph Hertwig. “How bad is incoherence?.” <em>Decision</em> 3.1 (2016): 20.</p><p>Atkinson, Anthony B. “The restoration of welfare economics.” <em>American Economic Review 101.3</em> (2011): 157–161.</p><p>Barbieri, Fabio. <em>O processo de mercado na escola austríaca moderna</em>. Diss. Universidade de São Paulo, 2001.</p><p>Becker, Gary S. <em>The Economics of Discrimination</em>. Chicago: University of Chicago Press, 1957</p><p>Becker, Gary S. “An economic analysis of fertility.” <em>Demographic and economic change in developed countries</em>. Columbia University Press, (1960): 209–240.</p><p>Becker, Gary S. “Investment in human capital: A theoretical analysis.” <em>Journal of political economy</em> 70.5, Part 2 (1962): 9–49.</p><p>Becker, Gary S. “Irrational behavior and economic theory.” <em>Journal of political economy</em> 70.1 (1962): 1–13.</p><p>Becker, Gary, and Robert A. Collins. “Human capital investment.” (1964).</p><p>Becker, Gary S. “Crime and punishment: An economic approach.” <em>Journal of political economy</em> 76.2 (1968): 169–217.</p><p>Becker, Gary S. “A theory of social interactions.” <em>Journal of political economy</em> 82.6 (1974): 1063–1093.</p><p>Becker, Gary S. <em>Human capital: A theoretical and empirical analysis, with special reference to education</em>. University of Chicago press, [1975] 2009.</p><p>Becker, Gary S. “Altruism, egoism, and genetic fitness: Economics and sociobiology.” <em>Journal of economic Literature</em> 14.3 (1976): 817–826.</p><p>Becker, Gary S. <em>The economic approach to human behavior</em>. Vol. 803. University of Chicago press, 1976.</p><p>Becker, Gary S. <em>A treatise on the family: Enlarged edition</em>. Harvard university press, 1991.</p><p>Becker, Gary S. “Nobel lecture: The economic way of looking at behavior.” <em>Journal of political economy</em> 101.3 (1993): 385–409.</p><p>Becker, Gary S., and Kevin M. Murphy, <em>Social Markets</em>. Cambridge: Harvard University Press, 2000.</p><p>Bernheim, B. Douglas, Stefano DellaVigna, and David Laibson. <em>Handbook of Behavioral Economics-Foundations and Applications I</em>. Elsevier, 2019a.</p><p>Bernheim, B. Douglas, Stefano DellaVigna, and David Laibson. <em>Handbook of Behavioral Economics-Foundations and Applications II</em>. Elsevier, 2019b.</p><p>Blaug, Mark. “The formalist revolution of the 1950s.” <em>Journal of the History of Economic Thought</em> 25.2 (2003): 145–156.</p><p>Binmore, Ken. <em>Rational Decisions</em>. Princeton university press, 2008.</p><p>Boettke, Peter J., Peter T. Leeson, and Jayme S. Lemke. “Wife Sales.” <em>Review of Behavioral Economics</em> 1 (2014): 349–379.</p><p>Box, George EP. “All models are wrong, but some are useful.” Robustness in Statistics 202.1979 (1979): 549.</p><p>Carchedi, Guglielmo. “Classes and class analysis.” <em>The debate on classes</em> (1989): 105–125.</p><p>Carpenter, Jeffrey, and Andrea Robbett. <em>Game Theory and Behavior</em>. MIT Press, 2022.</p><p>Cartwright, Nancy, <em>How the Laws of Physics Lie</em>. Oxford: Oxford Academic, 1983.</p><p>Capra, C. Mónica, et al., eds. <em>Handbook of Experimental Game Theory</em>. Edward Elgar Publishing, 2020.</p><p>Chapman, Jonathan, et al. “Econographics.” <em>Journal of Political Economy Microeconomics</em> 1.1 (2023): 115–161.</p><p>Cherchye, Laurens, et al. “Household consumption when the marriage is stable.” <em>American Economic Review</em> 107.6 (2017): 1507–1534.</p><p>Coase, Ronald Harry. “The Nature of the Firm”. <em>Economica</em>, 4, (1937): 386–405.</p><p>Coase, Ronald Harry. <em>The nature of the firm: origins, evolution, and development</em>. Oxford University Press, USA, 1993.</p><p>Cohen, Avi J., and Geoffrey C. Harcourt. “Retrospectives whatever happened to the Cambridge capital theory controversies?.” <em>Journal of Economic Perspectives</em> 17.1 (2003): 199–214.</p><p>Cohen, Gerald A. “The labor theory of value and the concept of exploitation.” <em>Philosophy &amp; Public Affairs</em> (1979): 338–360.</p><p>Davis, John B. “Mäki on economics imperialism.” <em>Economics for real</em>. Routledge, 2013. 203–219.</p><p>Dutt, Amitava Krishna. “Conflict inflation, distribution, cyclical accumulation and crises.” <em>European journal of political economy</em> 8.4 (1992): 579–597.</p><p>Duvendack, Maren, Richard W. Palmer-Jones, and W. Robert Reed. “Replications in economics: A progress report.” <em>Econ Journal Watch</em> 12.2 (2015): 164–191.</p><p>Faro, José Heleno, e Luciano Irineu de Castro. <em>Introdução à teoria da escolha</em>. Associação Instituto Nacional de Matemática Pura e Aplicada (IMPA), 2005.</p><p>Fama, Eugene F. “The behavior of stock-market prices.” <em>The Journal of Business</em> 38.1 (1965): 34–105.</p><p>Friedman, Milton. “The methodology of positive economics.” (1953).</p><p>Galí, Jordi. <em>Monetary policy, inflation, and the business cycle: an introduction to the new Keynesian framework and its applications</em>. Princeton University Press, 2015.</p><p>Glasner, David. “Hayek, Hicks, Radner and four equilibrium concepts: Perfect foresight, sequential, temporary, and rational expectations.” <em>The Review of Austrian Economics</em> 35.1 (2022): 39–61.</p><p>Godfrey-Smith, Peter. “Theory and reality.” <em>Theory and Reality</em>. University of Chicago Press, 2009.</p><p>Goodwin, C. D. 1998: The patrons of economics in a time of transformation. In M. S. Morgan and M. Rutherford (eds.), <em>From Interwar Pluralism to Postwar Neoclassicism</em>, Annual Supplement to vol. 30 of <em>History of Political Economy</em>, 53–87.</p><p>Guiso, Luigi, Paola Sapienza, and Luigi Zingales. “Time varying risk aversion.” <em>Journal of Financial Economics</em> 128.3 (2018): 403–421.</p><p>Harding, Sandra, ed. “Can theories be refuted?: Essays on the Duhem-Quine thesis”. Vol. 81. <em>Springer Science &amp; Business Media</em>, 1975.</p><p>Hansson, Sven Ove. “Defining pseudoscience and science.” <em>Philosophy of pseudoscience: Reconsidering the demarcation problem </em>(2013): 61–77. [leia versão traduzida <a href="https://criticanarede.com/pseudociencia.html">aqui</a>]</p><p>Hirshleifer, Jack. “Shakespeare vs. Becker on altruism: The importance of having the last word.” <em>Journal of Economic Literature</em> (1977): 500–502.</p><p>Holmstrom, Nancy. “Exploitation.” Canadian journal of philosophy 7.2 (1977): 353–369.</p><p>Hudik, Marek. “Equilibrium as compatibility of plans.” <em>Theory and Decision</em> 89.3 (2020): 349–368.</p><p>Javdani, Mohsen, and Ha-Joon Chang. “Who said or what said? Estimating ideological bias in views among economists.” <em>Cambridge Journal of Economics</em>, 2023.</p><p>JÚNIOR, GILBERTO JOSÉ NOGUEIRA. “Mercado De Drogas e Repressão: Efeitos da Intervenção Governamental sobre a Violência gerada pelo Mercado de Drogas numa Rede Verticalmente Relacionada.”</p><p>Kahneman, Daniel. <em>Rápido e devagar: duas formas de pensar</em>. Objetiva, 2012.</p><p>Kaldor, Nicholas. “A model of the trade cycle.” The Economic Journal 50.197 (1940): 78–92.</p><p>Kaldor, Nicholas. “Alternative theories of distribution.” The review of economic studies 23.2 (1955): 83–100.</p><p>Kaldor, Nicholas. The scourge of monetarism. Oxford; New York: Oxford University Press, 1985.</p><p>Kalecki, M.. Theory of economic dynamics. London:Allen and Unwin 1954.</p><p>Kalecki, Michal. Selected essays on the dynamics of the capitalist economy 1933–1970. CUP Archive, 1971.</p><p>Keil, Geert. “How the Ceteris Paribus Laws of Physics Lie.” <em>Nature’s Principles</em> (2005): 167–200.</p><p>Keynes, John Maynard. “The general theory of employment, interest and money.” <em>The Collected Writings of John Maynard Keynes</em> 7 (1964) [1936]: 1971–9.</p><p>Krause, Décio. <em>Tópicos em ontologia analítica</em>. São Paulo: UNESP (2017).</p><p>Kreps, David. <em>Notes on the Theory of Choice</em>. Routledge, 2018.</p><p>Kuhn, Thomas S.<em> The structure of scientific revolutions</em>. University of Chicago press, 1962.</p><p>Kurtz-David, Vered, et al. “The neural computation of inconsistent choice behavior.” <em>Nature communications</em> 10.1 (2019): 1583.</p><p>Lakatos, Imre. <em>Falsification and the methodology of scientific research programmes</em>. Springer Netherlands, 1976.</p><p>Lakatos, Imre. <em>The Methodology of Scientific Research Programmes: Philosophical Papers Volume 1</em>. Cambridge: Cambridge University Press, 1978.</p><p>Lansing, Kevin J. “Untangling Persistent versus Transitory Shocks to Inflation.” <em>FRBSF Economic Letter</em> 2022.13 (2022): 1–05.</p><p>Laudan, Larry. <em>Progress and its problems: Towards a theory of scientific growth</em>. Vol. 282. Univ of California Press, 1978.</p><p>Laudan, Larry. “The demise of the demarcation problem.” <em>Physics, philosophy and psychoanalysis: Essays in honor of Adolf Grünbaum</em> (1983): 111–127.</p><p>Lazear, Edward P. “Economic imperialism.” <em>the Quarterly Journal of economics</em> 115.1 (2000): 99–146.</p><p>Levi, Isaac. “Money pumps and diachronic books.” <em>Philosophy of Science</em> 69.S3 (2002): S235-S247.</p><p>Levitt, Steven D., and Stephen J. Dubner. <em>Freakonomics: o lado oculto e inesperado de tudo que nos afeta</em>. Alta Books, 2019.</p><p>Lisboa, Marcos de Barros. “A miséria da crítica heterodoxa: primeira parte: sobre as críticas.” (1998a).</p><p>Lisboa, Marcos de Barros. “A miséria da crítica heterodoxa: Segunda parte: método e equilíbrio na tradição neoclássica.” (1998b).</p><p>Lopes, Lola L. “When time is of the essence: Averaging, aspiration, and the short run.” <em>Organizational Behavior and Human Decision Processes</em> 65.3 (1996): 179–189.</p><p>Lorenzoni, Guido, and Iván Werning. <em>Wage price spirals</em>. MIT Working Papers, 2023a.</p><p>Lorenzoni, Guido, and Iván Werning. <em>Inflation is conflict</em>. MIT Working Papers, 2023b.</p><p>Lewis, Paul, Mário Graça Moura, and Jochen Runde. “Ontology and the history of economic thought: an introduction.” <em>Cambridge Journal of Economics</em> 44.5 (2020): 981–990.</p><p>Lysandrou, Photis. “The market and exploitation in Marx’s economic theory: a reinterpretation.” <em>Cambridge Journal of Economics</em> 24.3 (2000): 325–347.</p><p>Mäki, Uskali. “Kinds of assumptions and their truth: shaking an untwisted F‐twist.” Kyklos 53.3 (2000): 317–335.</p><p>Mäki, Uskali, eds. <em>The economic world view: Studies in the ontology of economics</em>. Cambridge University Press, 2001.</p><p>Mäki, Uskali. “Economics imperialism: Concept and constraints.” <em>Philosophy of the social sciences</em> 39.3 (2009): 351–380.</p><p>Mäki, Uskali. “Notes on economics imperialism and norms of scientific inquiry.” <em>Revue de philosophie économique</em> 21.1 (2020): 95–127.</p><p>Marx, Karl. <em>O Capital: Crítica da economia política. Livro 1: O processo de produção do capital.</em> Boitempo Editorial, 2015.</p><p>Mas-Colell, Andrew. “An equilibrium existence theorem without complete or transitive preferences.” <em>Journal of Mathematical Economics</em> 1.3 (1974): 237–246.</p><p>Mas-Colell, Andreu, Michael Dennis Whinston, and Jerry R. Green. <em>Microeconomic theory.</em> New York: Oxford university press, 1995.</p><p>Meikle, Scott. “Quality and quantity in economics: The metaphysical construction of the economic realm.” <em>New Literary History</em> 31.2 (2000): 247–268.</p><p>McCloskey, Deirdre N. “The rhetoric of economics.” <em>Journal of economic literature</em> 21.2 (1983): 481–517.</p><p>McCloskey, Donald. “Economical writing.” <em>Economic Inquiry</em> 23.2 (1985): 187–222.</p><p>McCloskey, Deirdre N., <em>Knowledge and persuasion in economics</em>. Cambridge University Press, 1994.</p><p>Mirowski, P. 1998: “Machine dreams: economic agents as cyborgs”. In J. B. Davis (ed.), <em>New Economics and Its History, </em>Annual Supplement to vol. 29 of <em>History of Political Economy</em>, 13–40.</p><p>Musgrave, Alan. “‘UNREAL ASSUMPTIONS’ IN ECONOMIC THEORY: THE F‐TWIST UNTWISTED.” <em>Kyklos</em> 34.3 (1981): 377–387.</p><p>Muthukrishna, Michael, and Joseph Henrich. “A problem in theory.” Nature Human Behaviour 3.3 (2019): 221–229.</p><p>Niehans, Jürg. “Transaction costs.” <em>Money</em>. London: Palgrave Macmillan UK, 1989. 320–327.</p><p>Oeberst Aileen, and Roland Imhoff. “Toward Parsimony in Bias Research: A Proposed Common Framework of Belief-Consistent Information Processing for a Set of Biases”. <em>Perspect Psychol Sci.</em> (2023): 1–24.</p><p>Page, Lionel. <em>Optimally Irrational: The Good Reasons We Behave the Way We Do</em>. Cambridge University Press, 2022.</p><p>Peñaloza, Rodrigo. “SOME THOUGHTS ON HOMO OECONOMICUS.” (2018).</p><p>Quine, Willard van Orman. Two dogmas of empiricism. <em>The philosophical review</em>, vol. 60 (1951): pp. 20–43.</p><p>Ricardo, David. <em>On the Principles of Political Economy and Taxation</em>. Piero Sraffa (Ed.) Works and Correspondence of David Ricardo, Volume I, Cambridge University Press, 1951 [1817], p. 135.</p><p>Robbins, Lionel. “The nature and significance of economic science.” <em>The philosophy of economics: An anthology</em> 1 (1932): 73–99.</p><p>Rodrik, Dani. <em>Economics rules: The rights and wrongs of the dismal science</em>. WW Norton &amp; Company, 2015.</p><p>Roemer, John E. A <em>General Theory of Exploitation and Class</em>. Harvard University Press, 2013 [1982].</p><p>Roemer, John E. <em>Free</em> <em>to lose: an introduction to Marxist economic philosophy</em>. Harvard University Press, 2009 [1988].</p><p>Rubin, Isaak Ilʹich. <em>Essays on Marx’s Theory of Value</em>. Black Rose Books Limited, 1973.</p><p>Rubinstein, Ariel. <em>Lecture notes in microeconomic theory</em>. Princeton, NJ: Princeton University (2006).</p><p>Rutherford, Malcolm. <em>The institutionalist movement in American economics, 1918–1947: Science and social control</em>. Cambridge University Press, 2011.</p><p>Sagan, Carl. <em>Broca’s brain: Reflections on the romance of science</em>. Ballantine Books, 1986.</p><p>Salter, Alexander William. “Space Debris: A Law and Economics Analaysis of the Orbital Commons.” <em>Stan. Tech. L. Rev.</em> 19 (2015): 221.</p><p>Samuelson, Paul A. “A summing up.” <em>The quarterly journal of economics</em> 80.4 (1966): 568–583.</p><p>Schick, Frederic. “Dutch bookies and money pumps.” <em>The Journal of Philosophy</em> 83.2 (1986): 112–119.</p><p>Sent, Esther-Mirjam. “Rationality and bounded rationality: You can’t have one without the other.” <em>The European Journal of the History of Economic Thought</em> 25.6 (2018): 1370–1386.</p><p>Simon, Carl P., e Lawrence Blume. <em>Mathematics for economists</em>. Vol. 7. New York: Norton, 1994.</p><p>Simon, Herbert A. “A behavioral model of rational choice.” <em>The quarterly journal of economics</em> (1955): 99–118.</p><p>Smith, Adam. <em>The Wealth of Nations: An inquiry into the nature and causes of the Wealth of Nations</em>. Harriman House Limited, 2010.</p><p>Stigler, George J., and Gary S. Becker. “De gustibus non est disputandum.” <em>The American Economic Review</em> 67.2 (1977): 76–90.</p><p>Stirati, Antonella. “Inflation, unemployment and hysteresis: an alternative view.” <em>Review of Political Economy</em> 13.4 (2001): 427–451.</p><p>Smith, Vernon L. “Economics in the Laboratory.” <em>Journal of economic perspectives</em> 8.1 (1994): 113–131.</p><p>Sugden, Robert. “Credible worlds: the status of theoretical models in economics.” <em>Journal of economic methodology</em> 7.1 (2000): 1–31.</p><p>Sugden, Robert. “Credible worlds, capacities and mechanisms.” <em>Erkenntnis</em> 70.1 (2009): 3–27.</p><p>Sugden, Robert. <em>The community of advantage: A behavioural economist’s defence of the market.</em> Oxford University Press, 2018.</p><p>Tversky, Amos, and Daniel Kahneman. “Belief in the law of small numbers.” <em>Psychological bulletin</em> 76.2 (1971): 105.</p><p>Tversky, Amos, and Daniel Kahneman. “Subjective probability: A judgment of representativeness.” <em>Cognitive psychology</em> 3.3 (1972): 430–454.</p><p>Tversky, Amos, and Daniel Kahneman. “Availability: A heuristic for judging frequency and probability.” <em>Cognitive psychology</em> 5.2 (1973): 207–232.</p><p>Tversky, Amos, and Daniel Kahneman. “Judgment under Uncertainty: Heuristics and Biases: Biases in judgments reveal some heuristics of thinking under uncertainty.” <em>science</em> 185.4157 (1974): 1124–1131.</p><p>Tversky, Amos, and Kahneman, Daniel. <em>Intuitive prediction: Biases and corrective procedures</em>. Decisions and Designs Inc Mclean Va, 1977.</p><p>Tversky, Amos, and Daniel Kahneman. “Judgment under uncertainty: Heuristics and biases: Biases in judgments reveal some heuristics of thinking under uncertainty.” <em>Uncertainty in economics</em>. Academic Press, (1978): 17–34.</p><p>Tversky, Amos, and Daniel Kahneman. “Prospect theory: An analysis of decision under risk.” <em>Econometrica</em> 47.2 (1979): 363–391.</p><p>Tversky, Amos, and Daniel Kahneman. “Causal thinking in judgment under uncertainty.” <em>Basic Problems in Methodology and Linguistics: Part Three of the Proceedings of the Fifth International Congress of Logic, Methodology and Philosophy of Science, London, Ontario, Canada-1975</em>. Springer Netherlands, 1977.</p><p>Von Hayek, Friedrich A. “Economics and knowledge.” <em>Economica</em> 4.13 (1937): 33–54.</p><p>Von Hayek, Friedrich A. “The Use of Knowledge in Society.” <em>The American Economic Review</em> 35.4 (1945): 519–530.</p><p>Wiggins, Bradford J., and Cody D. Christopherson. “The replication crisis in psychology: An overview for theoretical and philosophical psychology.” <em>Journal of Theoretical and Philosophical Psychology</em> 39.4 (2019): 202.</p><p>Williamson, Oliver E. “Transaction cost economics.” <em>Handbook of industrial organization</em> 1 (1989): 135–182.</p><p>Wilson, Edward O. <em>Consilience: The Unity of Knowledge</em>. New York, Knopf, 1998</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=929c56683c9e" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Sobre Aleatorização e Amostras Grandes]]></title>
            <link>https://gabrielfferraz.medium.com/sobre-aleatoriza%C3%A7%C3%A3o-e-amostras-grandes-ec692b4b4fb1?source=rss-7ae1a207060f------2</link>
            <guid isPermaLink="false">https://medium.com/p/ec692b4b4fb1</guid>
            <category><![CDATA[statistics]]></category>
            <category><![CDATA[randomization]]></category>
            <category><![CDATA[inferential-statistics]]></category>
            <category><![CDATA[large-sample]]></category>
            <category><![CDATA[inference]]></category>
            <dc:creator><![CDATA[Zinho]]></dc:creator>
            <pubDate>Sun, 26 Mar 2023 23:06:31 GMT</pubDate>
            <atom:updated>2023-03-26T23:06:31.150Z</atom:updated>
            <content:encoded><![CDATA[<p>A aleatorização da amostra é extremamente essencial para qualquer pesquisa estatística de qualidade. Mas um aluno mais astuto talvez possa vir a questionar a necessidade desse processo lento e custoso invocando coisas como as leis dos grandes números e o teorema central do limite. Então estaria certo esse aluno? Poderíamos dispensar a randomização uma vez que nosso N tende ao infinito? Vamos no presente texto mostrar o porque isso não se segue usando o exemplo mais clássico de previsão errada na história de pesquisas eleitorais, a da eleição da presidência americana em 1936 feita pela Digest.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*spq-n965pbXWr1yR" /></figure><p>Antes de propriamente adentrarmos no texto precisamos contextualizar o cenário de nossa análise. Tal constitui-se na eleição presidencial de 1936 entre o até então presidente em exercício, Franklin D. Roosevelt, contra Alf Landon, o desafiante republicano. Roosevelt já havia ganhado a eleição prévia com uma porcentagem considerável tanto no colégio eleitoral quanto no voto popular, uma porcentagem de 57.4% de Roosevelt contra 39.6% de Hoover. Muito como consequência da percebida inação de Herbert Hoover com quanto a Grande Depressão, entretanto o avanço de políticas contra cíclicas fiscais, denominadas de new deal acarretaram uma reação negativa do público republicano. Essa reação possivelmente indicava uma certa turbulência com relação a percepção de Roosevelt na presidência, algo que seria corroborado aos leitores da revista <strong>The Literary Digest</strong>.</p><p>A revista Digest foi uma influente revista semanal de interesse geral americana fundada por Isaac Kaufmann Funk em 1890 e publicada pela Funk &amp; Wagnalls. A partir de 1916, realizou uma pesquisa sobre o provável resultado da eleição presidencial quadrienal, tendo um histórico de acerto em relação às suas estimativas até o fatídico ano de 1936.</p><p>O ano em si é atípico para a pesquisa feita por um conjunto de fatores, dentre eles temos que a revista entrevistou dez milhões de pessoas, sendo que desse total 2,27 milhões responderam, um total astronômico para qualquer pesquisa de opinião, uma vez que o padrão hoje em dia nas pesquisas americanas é uma amostra da 1500–2000. A revista pesquisou primeiro seus próprios leitores, um grupo com renda disponível bem acima da média nacional da época e duas outras listas prontamente disponíveis, as de <strong>proprietários de automóveis registrados</strong> e de <strong>usuários de telefones</strong>, ambas também mais ricas do que o americano médio na época.</p><p>Outro fator anômalo do ano é o desastroso resultado da pesquisa a despeito da sua amostra gigantesca. A conclusão da Digest depois de todas as análises estatísticas e descritivas foi de que o candidato republicano, o governador Alfred Landon, do Kansas, provavelmente seria o vencedor esmagador contra o atual presidente Franklin Delano Roosevelt. Em novembro, Roosevelt venceu a eleição com uma vitória esmagadora sem precedentes, vencendo todos os estados, exceto Maine e Vermont, ao mesmo tempo em que conquistou o voto popular por 24,26%. A magnitude do erro da revista — 19,54% para o voto popular em Roosevelt v Landon, e ainda mais em alguns estados — destruiu a credibilidade da revista e ela fechou 18 meses após a eleição.</p><p>Mas porquê isso aconteceu?</p><h3><strong>Viés de Não Resposta e Amostragens Não Aleatórias</strong></h3><p>Como o título da seção já adianta, há dois erros presentes na amostragem da pesquisa, que são respectivamente o viés de não resposta e amostragens não aleatórias. Ambos estão relacionadas na forma como os dados foram coletados, ilustrando o fato de que independente da sua amostra ser dez, cem ou mil vezes maior que o número de participantes padrões de uma amostra padrão, isso não é suficiente para resolver o seu problema se é acometido por amostras não-aleatórias e se houver um grande viés de não resposta.</p><p>Para prosseguir é preciso entender o que é uma amostra aleatória, portanto fica fácil entender sua negação assim como o que é o viés de não resposta.</p><h4><strong>Amostra Aleatória</strong></h4><p>Primeiro para algumas definições: <strong>População </strong>é o conjunto de todos os elementos ou resultados sob investigação. <strong>Amostra </strong>é qualquer subconjunto da população.</p><p>Exemplo tirado de Morettin &amp; Bussab (2017, p. 262–263): Consideremos uma pesquisa para estudar os salários dos 500 funcionários da Companhia MB. Seleciona-se uma amostra de 36 indivíduos, e anotam-se os seus salários. A variável aleatória a ser observada é “salário”. A população é formada pelos 500 funcionários da companhia. A amostra é constituída pelos 36 indivíduos selecionados. Na realidade, estamos interessados nos salários, portanto, para sermos mais precisos, devemos considerar como a população os 500 salários correspondentes aos 500 funcionários. Consequentemente, a amostra será formada pelos 36 salários dos indivíduos selecionados. Podemos estudar a distribuição dos salários na amostra, e esperamos que esta reflita a distribuição de todos os salários, desde que a amostra tenha sido escolhida com cuidado.</p><p>Seguindo de perto novamente Morettin &amp; Bussab (2017, p.267–268), a estatística nos mostra que a maneira de se obter a amostra é extremamente importante, e há muitos modos de fazê-lo, mas poderíamos simplesmente dividir os procedimentos científicos de obtenção de dados amostrais em três grandes grupos:</p><ol><li><strong>Levantamentos Amostrais</strong>, nos quais a amostra é obtida de uma população bem definida, por meio de processos bem protocolados e controlados pelo pesquisador.</li><li><strong>Planejamento de Experimentos</strong>, cujo principal objetivo é o de analisar o efeito de uma variável sobre outra. Requer, portanto, interferências do pesquisador sobre o ambiente em estudo (população), bem como o controle de fatores externos, com o intuito de medir o efeito desejado.</li><li><strong>Levantamentos Observacionais</strong>: aqui, os dados são coletados sem que o pesquisador tenha controle sobre as informações obtidas, exceto eventualmente sobre possíveis erros grosseiros.</li></ol><p>Tendo isso em vista, uma <strong>amostragem aleatória</strong> (simples) é uma maneira para selecionarmos uma amostra probabilística de uma população, no qual utilizando-se um procedimento aleatório, sorteia-se um elemento da população, sendo que todos os elementos têm a mesma probabilidade de ser selecionados. Repete-se o procedimento até que sejam sorteadas as n unidades da amostra (Morettin &amp; Bussab 2017, p.269). É digno de nota, que a amostragem aleatória é diferente de uma <strong>variável aleatória</strong>. Sendo que uma variável aleatória é aquela que assume valores numéricos e tem um resultado que é determinado por um <strong>experimento</strong>, sendo este por sua vez qualquer procedimento que pode, pelo menos em teoria, ser repetido infinitamente e tem um conjunto bem definido de resultados.</p><p>Diz Morettin &amp; Bussab (2017, p. 264):</p><blockquote>“[…] o objetivo da Inferência Estatística é produzir afirmações sobre dada característica da população, na qual estamos interessados, a partir de informações colhidas de uma parte dessa população. Essa característica na população pode ser representada por uma variável aleatória. Se tivéssemos informação completa sobre a função de probabilidade, no caso discreto, ou sobre a função densidade de probabilidade, no caso contínuo, da variável em questão, não teríamos necessidade de escolher uma amostra. Toda a informação desejada seria obtida por meio da distribuição da variável.”</blockquote><p>Ou seja, uma <strong>amostragem não-aleatória</strong> simplesmente indica que estamos sendo mais prováveis de selecionar um determinado grupo de indivíduos que outros. O problema dessa seleção é justamente o fato dela enviesar nossa inferência. Para mais preciso, não há garantia teórica de convergência ao resultado certo. Para entender isso é preciso saber que pela <strong>lei forte dos grandes números</strong>, a proporção amostral converge quase certamente para proporção populacional (em particular, a probabilidade empírica converge para probabilidade teórica). Então, existe uma justificativa teórica para o uso de amostras aleatórias.</p><p>Dito isso, vamos às duas situações em que não louve houve o uso da amostra aleatória:</p><ol><li>Você usou uma amostra não probabilística: Se a sua amostra é não probabilística, então sequer faz sentido falar que, quando <em>n </em>tende ao infinito, ela converge em probabilidade (ou quase certamente ou certamente etc) pra algum valor ou distribuição</li><li>Você usou uma amostra probabilística diferente da distribuição alvo (por exemplo, você está usando apenas pessoas da sua cidade): Como a distribuição da amostra é diferente, você não necessariamente tem garantia de que você está convergindo pros valores da população alvo.</li></ol><p>Consequentemente, embora não há como argumentar que o resultado necessariamente vai ser errado, tudo que conseguimos apontar é que, ao contrário da amostra aleatória, a amostra não aleatória não possui nenhuma garantia teórica de que ela te leva ao resultado certo. Gerando apenas um estimador não consistente e enviesado.</p><p>Esse problema aparece na pesquisa da revista pelo fato de que as fontes de amostras não são aleatórias. Os leitores da revista Digest como pontuado acima tem uma renda elevada com relação a renda média da população americana. Assim como, as pessoas com carros e telefones na década de 30 durante a Depressão, possuíam também uma renda mais elevada que a média. Portanto, dado que estamos olhando para um estrato mais rico da população, naturalmente certas características estão sendo privilegiadas de modo que enviesa a amostra. Por exemplo, pelo estudo de Powdthavee &amp; Oswald (2014) temos motivos empíricos para acreditar que pessoas mais ricas tendem ter crenças políticas mais à direita. Consequentemente, é de se esperar que na amostra selecionada visões pró-republicanas estejam sendo privilegiadas.</p><p>No estudo, os pesquisadores ao olharem para ganhadores da loteria ao longo do tempo, fornecem evidências longitudinais de que as escolhas de voto são feitas por interesse próprio e, em seguida, passam a ser bordadas na mente com uma forma de retórica moral. No conjunto de dados, muitas centenas de indivíduos recebem por acaso ganhos significativos da loteria. Descobriu-se que quanto maior é o ganho na loteria, maior é a tendência subsequente dessa pessoa, depois de controlar outras influências, de mudar suas opiniões políticas da esquerda para a direita. Também fornecemos evidências de que os ganhadores da loteria são mais simpáticos à crença de que as pessoas comuns “já recebem uma parte justa da riqueza da sociedade”. Para um resumo do estudo leia <a href="https://cepr.org/voxeu/columns/money-makes-people-right-wing-and-inegalitarian">aqui</a>.</p><p>A visão acima ficou consagrada na literatura, entretanto, segundo Lusinchi (2012), evidências empíricas, na forma de uma pesquisa Gallup de 1937, mostram que essa “explicação convencional” está errada (ou incompleta), porque os eleitores com telefones e carros apoiaram Franklin D. Roosevelt e porque foram aqueles que não participaram da pesquisa (esmagadoramente apoiadores de Roosevelt ) que foram os principais responsáveis ​​pela previsão defeituosa.</p><p>Portanto, decorrente ao fator acima, olhamos para o segundo erro.</p><p><strong>Viés de Não-Resposta</strong></p><p>Como o nome diz, o viés de não-resposta acontece quando aqueles que não querem ou não podem participar de um estudo de pesquisa são diferentes daqueles que o fazem. Mais especificamente, ele ocorre quando respondentes e não respondentes diferem categoricamente de maneiras que impactam a pesquisa. Portanto, a ausência de respostas gera uma amostra não-aleatória e consequentemente não-representativa. Como consequência o estimador difere do parâmetro verdadeiro que se buscava estimar.</p><p>Note, o problema não é a não resposta em si, mas o fato dos indivíduos que responderam e não responderam diferem entre si em características relevantes para o que se busca estudar. Foi justamente esse problema que primordialmente afetou a pesquisa eleitoral feita em 36, como mostram as tabelas abaixo de Lusinchi (2012, p. 36–37)</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/760/0*7gMXd6fJLE4al-tN" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*LxV-wwJoZujNt9fE" /></figure><p>O autor chega então nas seguinte conclusões:</p><ol><li>Se todos na lista original da Digest tivessem devolvido sua cédula de votação, a revista estaria em posição de prever o vencedor correto da eleição: Roosevelt.</li><li>Os que responderam e os que não responderam às pesquisas favoreceram candidatos opostos: enquanto três quintos dos que não responderam votaram no titular, apenas dois quintos dos que responderam o fizeram.</li><li>Os partidários de Landon eram muito mais propensos a devolver suas cédulas do que as de Roosevelt: quase um terço contra apenas um quinto.</li><li>A maior parte do erro de previsão feito pelo Digest pode ser atribuída ao viés de não resposta. A participação real de Roosevelt na votação bipartidária foi de 62,5%; sua parcela prevista pelo Digest foi de 42,9 por cento: uma diferença de 19,6 pontos — essa é a extensão do erro total cometido pelo Digest. Como consta na tabela 2, o erro pode ser dividido em dois componentes aditivos: a parte devido ao viés da amostra (5,9 = 62,5–56,6) e a parcela resultante do viés de não resposta (13,7 = 56,6–42,9).</li></ol><h3><strong>Conclusão</strong></h3><p>Em suma, uma amostra grande não é um remédio para a ausência de aleatorização, entretanto é digno de nota que uma amostra aleatória, porém pequena também é sujeito a problemas. Para uma estimação consistente e não-viesada é também necessário possuir uma amostra adequada, e neste caso, pela lei fortes dos grandes números conseguimos as propriedades desejáveis que gostaríamos de um estimador. Para saber mais sobre achar o tamanho da amostra ideal, leia <a href="https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3256489/">aqui</a> e recomenda-se o já citado Morettin &amp; Bussab (2017).</p><p>Espero que tenham gostado e até a próxima!</p><h3><strong>Referência</strong></h3><p>Lusinchi, Dominic. ““President” Landon and the 1936 Literary Digest Poll: were automobile and telephone owners to blame?.” <em>Social Science History</em> 36.1 (2012): 23–54.</p><p>Morettin, Pedro A., and Wilton O. Bussab. <em>Estatística básica</em>. Saraiva Educação SA, 2017.</p><p>Powdthavee, Nattavudh, and Andrew J. Oswald. “Does money make people right-wing and inegalitarian? A longitudinal study of lottery winners.” (2014).</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ec692b4b4fb1" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[A Teoria dos Ciclos Reais de Negócios]]></title>
            <link>https://gabrielfferraz.medium.com/a-teoria-dos-ciclos-reais-de-neg%C3%B3cios-c91e080ef68e?source=rss-7ae1a207060f------2</link>
            <guid isPermaLink="false">https://medium.com/p/c91e080ef68e</guid>
            <category><![CDATA[economic-cycles]]></category>
            <category><![CDATA[prescott]]></category>
            <category><![CDATA[microeconomics]]></category>
            <category><![CDATA[macroeconomics]]></category>
            <category><![CDATA[rbc]]></category>
            <dc:creator><![CDATA[Zinho]]></dc:creator>
            <pubDate>Sat, 04 Feb 2023 00:09:42 GMT</pubDate>
            <atom:updated>2025-07-04T22:18:41.430Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/361/0*4JlDZtI89QB4T7rE" /><figcaption>os economistas nobelistas que desenvolveram a Teoria dos Ciclos Reais de Negócios</figcaption></figure><blockquote>“O retorno do ciclo econômico na década de 1970, após quase uma década de expansão econômica, e as altas taxas de inflação que o acompanharam, foi um rude despertar para muitos economistas. Tornou-se cada vez mais evidente que o arcabouço <strong>keynesiano </strong>básico não era o veículo apropriado para entender o que acontece durante um ciclo econômico nem parecia capaz de fornecer as respostas empiricamente corretas para questões envolvendo mudanças no ambiente econômico ou mudanças na política monetária ou fiscal.<em> A visão de que a economia keynesiana foi um sucesso empírico, mesmo que carecesse de fundamentos teóricos sólidos, não poderia mais ser levada a sério.</em>”</blockquote><blockquote>- Charles I. Plosser (1989, p.51)</blockquote><p>Não é preciso ser um leitor assíduo e antenado às notícias para perceber que a economia entra em crises. Quais são as causas destas são motivos de fervorosos debates entre acadêmicos, seja dentro de uma mesma escola de pensamento, seja entre escolas de pensamento [Para saber mais destas recomenda-se este <a href="https://economiamainstream.com.br/artigo/a-economia-mainstream-na-historia-pensamento-economico/">link</a>]. Tais debates não são meramente de natureza positiva [recomenda-se ler Friedman (1953)], embora não podemos ingenuamente dizer que os fatos estão <em>dados</em>, i.e., como se falassem por si só. Mas são fundamentalmente teóricos, na medida que essencialmente lutam por qual modelo/paradigma/programa de pesquisa deve prevalecer no mainstream. Para ler mais sobre esse assunto técnico da filosofia da ciência recomenda-se Popper (1934,1967), Kuhn (1962), Lakatos (1968,1979), Laudan (1978) e o seguinte <a href="https://economiamainstream.com.br/artigo/sobre-as-hipoteses-irrealistas-na-economia/">link</a> e este <a href="https://economiamainstream.com.br/artigo/a-filosofia-da-economia/">link</a>.</p><p>A disputa é sempre constante na cátedra, mas a título de simplificação, focaremos no embate de visões que se deu ao final da década de 70 nos departamentos de economia dos Estados Unidos, que merece destaque dada a natureza transformadora do período. Entre os combatentes, de um lado temos o campo Novo Keynesiano, que modela a economia como em <a href="https://economiamainstream.com.br/artigo/competicao-imperfeita-interacao-estrategica-entre-duas-ou-mais-firmas/"><em>competição imperfeita</em></a> e cheia de fricções, como por exemplo rigidez nominal dos preços e/ou salários. Tais componentes, por sua vez, servem de explicação para os dados macroeconômicos agregados.</p><p>Já no outro lado temos o campo <strong>Novo Clássico</strong>, que modela a economia em <a href="https://economiamainstream.com.br/artigo/competicao-perfeita-e-monopolio-a-determinacao-de-preco-nos-casos-extremos/"><em>competição perfeita</em></a> e cheia de choques, como por exemplo de produtividades. Tais componentes por sua vez servem para rigorosamente fundamentar o comportamento agregado da economia a partir da dinâmica e interação dos componentes microeconômicos. Ou seja, as crises observadas na economia seriam fruto da resposta ótima dos agentes na economia em relação aos choques sofridos pela mesma.</p><p>Dado a natureza especialmente técnica da literatura especializada do assunto e dos modelos dessas escolas, é de praxe que tal conteúdo seja oferecido ao estudante de Economia apenas na pós-graduação. Uma vez que se exige conhecimentos de controle ótimo, cálculo de variações e programação dinâmica. Assim, é provido ao aluno de graduação, quando muito, apenas as intuições dos modelos a modo de incentivar os alunos.</p><p>Iremos com o presente texto tentar um diálogo do aluno graduando e/ou interessados com os modelos tipicamente de pós. No caso, discorreremos sobre ciclos econômicos e será apresentado um modelo simplificado da <strong>Teoria dos Ciclos Reais de Negócios </strong>ou <em>Real Business Cycle </em>Theory (RBC), que constitui a mais importante conquista em termos metodológicos do campo Novo Clássico. Tanto que seus principais desenvolvedores, Kydland e Prescott, ganharam um <a href="https://www.nobelprize.org/prizes/economic-sciences/2004/summary/">Nobel em 2004</a>. Para uma aproximação simplificada do modelo Novo Keynesiano, recomenda-se este <a href="https://economiamainstream.com.br/artigo/um-modelo-macroeconomico-de-livro-texto/">link</a> e <a href="https://rodrigomosesplacido.medium.com/o-modelo-de-3-equa%C3%A7%C3%B5es-na-macroeconomia-6b02b8ac2836">esse</a>.</p><h3><strong>O que são ciclos de negócios?</strong></h3><p>Para entender o modelo de ciclos reais de negócios, naturalmente, é preciso entender o que são ciclos de negócios ou <em>business cycles</em>, como a literatura especializada chama. Tais ciclos são o que entendemos tipicamente por <em>ciclos econômicos</em>, ou seja, os períodos em que a economia está crescendo seguida de períodos em que a economia declina. Como se pode ver na imagem abaixo do PIB real (i.e., PIB menos inflação) da economia americana desde 1947 [Kurlat, 2020], nota-se que a trajetória do crescimento de um país está longe de ser uma reta. Os ciclos representam esses desvios a tendência de longo prazo da taxa de crescimento, isso <strong>não</strong> quer dizer que o PIB sobe ou desce como ondas, mas apenas diz se o produto está acima ou abaixo da sua tendência de longo prazo. Muito menos implica em um movimento regular, tal qual uma função senoidal, como se fosse da natureza estrutural do sistema.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/872/0*atB8X_iz-wpI8EZN" /></figure><p>A título de aproximação a primeira definição elaborada sobre ciclos econômicas foi feita por Burns e Mitchell (1946):</p><blockquote>“Ciclos econômicos são um tipo de flutuação que são encontradas na atividade econômica agregada de nações que organizam seus trabalhos primariamente em empreendimentos empresariais: um ciclo consiste já expansão ocorrendo ao mesmo tempo de várias atividades econômicas, seguida similarmente por uma recessão geral, contração e revivamentos que se mesclam em uma fase expansionista do próximo ciclo”</blockquote><p>Agora, por sua vez, a definição de uma “expansão” e “recessão/retração” econômica fica a cargo do <a href="https://www.nber.org/research/business-cycle-dating">Business Cycle Dating Committee</a> do instituto de pesquisa e estatística econômica National Bureau of Economic Research (<a href="https://www.nber.org/">NBER</a>). Sendo a seguinte:</p><blockquote>“Uma recessão é um período de pico da atividade econômica e seu vale subsequentes, ou ponto mínimo. Entre vales e picos, a economia está em uma expansão. Sendo a expansão o estado normal da economia; a maioria das recessões são breves”</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*2YY8cKJykFqHKQ3v" /></figure><p>Como pode se ver acima, os intervalos hachurados representam os períodos em que a economia estava em recessão de acordo com a definição do NBER. Entretanto, vale destacar que a definição precisa de <em>quando</em> a economia está em seu pico ou quando está em seu ponto mínimo é algo que vai mudar de instituto para instituto, uma vez que não há nenhum embasamento teórico para justificar um valor específico. Apenas se adota heurísticas simples como regras de bolso, do tipo recessão é uma queda sustentada do PIB por dois trimestres consecutivos.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/973/0*dPUoI-vYslTzOef-" /></figure><p>Tendo em vista as definições, o estudo dos ciclos de negócios busca documentar o efeito dos ciclos no PIB, consumo, investimento, salários e emprego. Muito disso motivado pela <a href="https://economiamainstream.com.br/artigo/a-explicacao-ortodoxa-da-grande-depressao/">Grande Depressão</a>, da necessidade de entendê-la e evitar outra possível crise generalizada do tipo, tal qual foi feito em 2008 [para saber mais sobre, recomenda-se o seguinte <a href="https://noahpinion.substack.com/p/an-econ-nobel-for-research-that-saved">texto</a>].</p><p>Tais estudos relatam o seguinte padrão: o PIB possui um desvio padrão em relação à tendência de 1.6%. O consumo é menos volátil que o PIB (exceto os bens duráveis), já o investimento é muito mais volátil que o PIB. Documenta-se que consumo, investimento, produtividade e horas trabalhadas têm forte correlação <strong>positiva</strong> com o PIB, enquanto desemprego tem forte correlação <strong>negativa.</strong></p><p>Além disso, o salário real é menos volátil, com fraca correlação positiva com o PIB, assim como a inflação e juros nominais também têm fraca correlação positiva. Mesmo a mais grave depressão vai ser consistente qualitativamente com esses padrões, embora quantitativamente haja grandes variações a depender da severidade do ciclo e da resposta a este.</p><h3><strong>O que é a teoria dos ciclos reais de negócio?</strong></h3><p>A Teoria dos Ciclos Reais de Negócio e sua importância metodológica na economia está intimamente ligada à história da macroeconomia, então para isso precisamos contextualizar como se chegou dos antigos modelos agregados estáticos de desequilíbrio não-walrasianos para a supremacia dos modelos dinâmicos e estocásticos de equilíbrio geral de hoje em dia.</p><p>O estudo de ciclos econômicos está intimamente ligado à tentativa de explicar e analisar a Grande Depressão, uma vez que interpretou-se deste evento que os modelos neoclássicos até então eram insuficientes para explicar, prevenir e mitigar a crise. Dentro desse cenário é publicado o seminal “<em>The General Theory of Employment, Interest and Money</em>.” de John Maynard Keynes (1936), que é considerada a obra que inicia a macroeconomia [De Vroey, 2016].</p><p>O trabalho de Keynes busca justamente construir um modelo que explicasse os fenômenos agregados da economia, se distanciando da modelagem focada nas decisões de agentes individuais. Assim, com esse norte, o economista tenta explicar os ciclos de negócios e por tabela a grande depressão. Entretanto, é digno de nota que embora o estudo de ciclos tenha surgido como oficialmente linha de pesquisa com o lançamento da obra keynesiana, já existiam obras estudando esses fenômenos como Mitchell (1926) e Hayek (1932).</p><p>A macroeconomia se desenvolve então produzindo modelos estáticos agregados de desequilíbrio não-walrasianos. Ou seja, traduzindo: ao invés de olhar para as folhas (agentes individuais), a economia passa a olhar para a floresta (economia como um todo). A priori, tais modelos desconsideravam o fator tempo, por isso estáticos; assim como não trabalhavam com a hipótese de <em>market clearing </em>(equilíbrio do mercado), considerando por exemplo rigidez de preços. Portanto, há um claro divórcio da microeconomia, que é a área da economia que analisa as decisões dos agentes.</p><p>Tal separação sempre foi vista como problemática entre os membros da profissão, pois o mundo micro era walrasiano e assim os preços eram flexíveis e os agentes agem de maneira ótima. Já a macro era não-walrasiana, com fricções no mercado e agentes representativos agindo conforme uma equação comportamental.</p><p>O Modelo Keynesiano, ou de inspiração keynesiana, com o desenvolver da macro foi se tornando uma colcha de retalhos implementando mecanismos ad hoc para ajustar aos dados. Um exemplo desse mecanismo é a <a href="https://economiamainstream.com.br/artigo/estagflacao-e-curva-de-phillips-na-economia-brasileira/">curva de Phillips</a>, que simplesmente foi acrescentada ao modelo como equação estrutural da economia sem ser rigorosamente fundamentada por princípios microeconômicos. Como Tobin (1972, p. 9) afirmou apropriadamente na época, a curva de Phillips é “uma descoberta empírica em busca de teoria, como os personagens de Pirandello em busca de um autor”.</p><p>Para muitos, assim como, para o que seria o consenso da profissão no futuro, a ausência de fundamentos consistentes baseados numa abordagem de teoria da escolha da micro era a maior falha dos modelos macro. Dois importantes artigos que pontuam esse problema são Friedman (1968) e Lucas (1976), que evidenciaram para a profissão a necessidade de microfundamentar a macroeconomia na medida que os modelos clássicos keynesianos se mostraram insuficientes para explicar e mitigar a crise resultante do choque do petróleo.</p><p>Decorrente dessa ruptura do paradigma keynesiano, uma nova geração de macroeconomistas como Robert Lucas Jr, Thomas Sargent, Neil Wallace, entre outros que são tipicamente associados a escola Novo Clássico foram vanguardistas na propagação de modelos walrasianos que a partir de microfundamentos rigorosos e consistentes tentam explicar os fenômenos macro. A revolução associada à Lucas culminou na criação do <em>Modelo dos Ciclos Reais de Negócios </em>desenvolvido por Kydland e Prescott (1982)</p><p>A partir do benchmark do <strong>Modelo Neoclássico de Crescimento</strong> [Para ler mais sobre, recomenda-se este <a href="https://economiamainstream.com.br/artigo/o-modelo-neoclassico-de-crescimento/">link</a>] busca estruturar um sistema de <a href="https://economiamainstream.com.br/artigo/modelo-de-oferta-e-demanda-o-equilibrio-parcial-e-geral/">equilíbrio geral</a> com agentes representativos racionais [Para ler mais sobre <em>racionalidade econômica</em>, recomenda-se este <a href="https://economiamainstream.com.br/artigo/desmistificando-falacias-sobre-homo-economicus-racionalidade-e-egoismo/">link</a>, <a href="https://economiamainstream.com.br/artigo/evolucao-racionalidade-e-transitividade/">este</a> e Peñaloza (2018)]. Tal modelo serviria não só para explicar o crescimento do PIB, mas também as flutuações associadas a este. Sendo assim, deixa-se de separar a microeconomia da macroeconomia, assim como a <a href="https://medium.com/@gabrielfferraz/modelos-de-crescimento-ex%C3%B3geno-teoria-e-evid%C3%AAncias-28d3e60c6923">teoria do crescimento</a> da teoria de ciclos econômicos.</p><p>A estrutura de modelagem gerou um impacto profundo na economia e é usado desde então nos modelos dinâmicos e estocásticos de equilíbrio geral. Modelos estes que são usados por Bancos Centrais ao redor do globo, um exemplo de um DSGE que descreve a economia brasileira é o Castro et al. (2015). Entretanto, a adoção da teoria do RBC é controversa e para muitos da academia, sendo considerada uma teoria refutada e morta pelas evidências (Hartley et al. 1997). Mas antes de adentrar as críticas, olhemos para o modelo.</p><h3><strong>Modelo</strong></h3><p>Veremos uma versão muito simplificada do modelo com uma economia de dois períodos e sem introduzir expectativas (racionais). Nosso propósito é assim que exposto o modelo, nós mudaremos algum parâmetro (um ”choque” exógeno) e avaliaremos como o equilíbrio se altera, para assim compreender as implicações derivadas do sistema de equações.</p><p>Considerando o modelo neoclássico de crescimento, adotaremos novamente, a hipótese de indivíduo e firma representativos. Suponha que a economia tem dois períodos: t = 1 , 2. Introduziremos choques à variáveis exógenas com o objetivo de avaliar como variáveis endógenas respondem. Foco nas variáveis do 1º período.</p><p>Supomos que a economia começa sem capital. Porém, possui capital no segundo período, K, com base no que foi escolhido em t = 1. Sendo assim, a restrição de recursos no 1º período:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/486/0*DLAh8kbTX3my9r97" /></figure><p>Assumimos que a taxa de depreciação do capital δ = 1, logo a restrição no 2º período é:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/228/0*VkhzGXEtxa-ms2zk" /></figure><p>Função de produção no primeiro período só usa trabalho:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/406/0*Opnc-4BjA-WXJAHM" /></figure><p>A lógica dessa especificação é que em qualquer período, o estoque de capital está dado uma vez que depende de decisões passadas e não pode ser alterado. Para simplificar, eliminamos o capital do 1° período. Enquanto isso, a função de produção no segundo período só usa capital:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/416/0*uoX2xHzJDvR_Elm1" /></figure><p>A lógica dessa especificação é que queremos ver a resposta a choques no 1° período, sendo que a decisão de investir em t = 1 depende do retorno em t = 2. Retorno esse que depende da PMgK em t = 2. Assim, para simplificar, eliminamos o trabalho no 2°período. Ambas funções de produção satisfazem as hipóteses usuais i.e., crescentes e côncavas (PMg decrescente), não se produz sem insumo e satisfazem as condições de Inada.</p><p>Agora em relação às preferências tomamos que a utilidade do indivíduo representativo é a seguinte:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/748/0*LFTwmfEdIvp4QWQV" /></figure><p>Com u e v usuais. Consome nos dois períodos e decide o quanto trabalhar apenas no primeiro período.</p><p>Seguimos considerando mercados competitivos, portanto estão valendo os teoremas de bem-estar. Quando consideramos o indivíduo representativo, a alocação de equilíbrio competitivo é igual à solução do problema do planejador. Para encontrá-la, resolvemos o problema do planejador para depois encontrarmos preços de equilíbrio. No caso, o problema que o planejador enfrenta pode ser descrito da seguinte maneira:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*ZjuRutwEyJENxHYX" /></figure><p>Rearranjando as restrições na função objetiva podemos reescrever o problema da seguinte maneira:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/922/0*iXlXWUWeQISgHVex" /></figure><p>As condições de primeira ordem são:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/969/0*Wi581Z2NtiWZQz8Z" /></figure><p>O que nos gera a familiar <a href="https://economiamainstream.com.br/artigo/a-equacao-de-euler/">equação de Euler</a>:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*RXWCNjQZuKAbIuHb" /></figure><p>Assim como a condição de otimalidade no mercado de trabalho, i.e.,</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/428/0*vcHdunREjGW3ynWd" /></figure><p>Ou seja, como sempre, igualamos as TMS às taxas pelas quais as trocas podem ser feitas. Portanto, ao final do processo de otimização temos as seguintes 6 equações:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/664/0*rrRAldY8IsCr9Unx" /></figure><p>Tais equações caracterizam a solução do problema, possuindo 6 incógnitas para acharmos. Entretanto, podemos reduzir os termos rearranjando as equações de modo a ficar com apenas quatro:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*tvf-yiDsp3Iq5E8m" /></figure><p>Queremos analisar a economia no primeiro período e para isso temos um sistema de 4 equações e 4 incógnitas. Essas incógnitas são as 4 variáveis relevantes, i.e., PIB (Y1), consumo (c1), investimento (K) e ”horas trabalhadas” (L). Cada equação relaciona apenas 2 variáveis. Graficamente podemos representar nosso sistema da seguinte maneira:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*329sNrCqwQBF73Vn" /></figure><p>A primeira equação do sistema representa a função de produção do primeiro período, no qual apresenta uma relação <em>positiva </em>entre horas trabalhadas e produto. Sendo assim, quanto maior o L, maior Y1. Já a segunda equação do sistema representa o trade-off entre consumo e trabalho, no qual apresenta uma relação <em>negativa </em>entre consumo e trabalho. Na margem, deve o indivíduo está indiferente entre lazer e trabalho. Então, com um aumento de L isso deixa lazer mais atrativo (aumento da utilidade marginal do lazer) e consumo adicional mais caro (produtividade marginal do trabalho menor). Assim, o agente quer trabalhar mais apenas se o benefício for maior, ou seja, se c1 é baixo e a utilidade marginal do consumo for alta.</p><p>A terceira equação do sistema representa o trade-off entre capital e investimento, no qual apresenta uma relação <em>positiva </em>entre consumo e investimento. Na margem, o agente é indiferente entre consumo e poupança, assim um aumento do investimento reduz seu benefício marginal. O mecanismo de transmissão é o seguinte: o investimento aumentar implica em um consumo no próximo período maior e portanto uma utilidade marginal desse consumo menor e uma produtividade marginal do capital menor. Se investe mais quando o custo é baixo, ou seja, quando c1 alto e a utilidade marginal do consumo é baixa. Já a quarta equação do sistema representa a própria restrição de recursos da economia, no qual apresenta uma relação positiva entre PIB e investimento. Neste caso, o investimento e consumo andam juntos. Só é possível investir (e consumir) mais se PIB é maior.</p><p>Queremos resolver o sistema de equações (1)-(4) para assim encontrar PIB, consumo, investimento, horas trabalhadas e assim entender como respondem a choques. Uma maneira para se resolver é simplesmente por tentativa e erro, seguindo o seguinte algoritmo:</p><ol><li>Chuta um nível de PIB inicial, YI1, e encontra trabalho L de (1)</li><li>Dado L, encontrar o consumo c1 de (2).</li><li>Dado c1, encontrar o investimento K de (3).</li><li>Dado K, encontrar o PIB final, YF1 de (4); checa se o PIB inicial iguala o final.</li></ol><p>Graficamente, este processo pode ser representado da seguinte maneira:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/966/0*GDOXm03meYu56tgJ" /></figure><p>Um resultado do sistema é que o salário em t = 1 é</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/836/0*sHWqnuNEmsRWmCHB" /></figure><p>A taxa de aluguel de capital de equilíbrio em t = 2 é</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/406/0*gADP5uLc-uDEzaLj" /></figure><p>Sabemos que a taxa de juros de equilíbrio pode ser escrita pela seguinte equação:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/722/0*R2Z_yEZgblCjD6Gf" /></figure><p>A taxa de juros real de equilíbrio é dada por:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/890/0*QbueUtOaJDzqBjc9" /></figure><p>Sendo o salário em t = 1, a taxa de aluguel do capital em t = 2, a taxa de juros de equilíbrio e a taxa de juros real de equilíbrio que definem comportamento de preços no modelo RBC. Portanto, tendo nosso sistema completado, vamos introduzir choques ao modelo a partir de mudanças inesperadas em alguma variável. Como consequência podemos ver como o equilíbrio se altera e como as variáveis endógenas respondem. O propósito disso é ver se a resposta no 1º período se assemelha às flutuações econômicas que vemos nos dados, ou seja, ver se nosso modelo tem um bom ajuste aos dados, mesmo que teoricamente.</p><h4><strong>Choque de produtividade</strong></h4><p>Partimos com choque tecnológico que afeta a produtividade. Esta é a principal explicação para ciclos nos modelos RBC. Em nosso modelinho, o choque afeta a função de produção do 1º período, F1, mas o choque é temporário e não afeta F2. Consideremos então o seguinte:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/822/0*nMOfzFnt1e7-IZu5" /></figure><p>Aqui consideramos um choque positivo, em que a economia fica mais produtiva no 1º período. Dado L, salário aumenta decorrente do aumento da produtividade do trabalho:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/444/0*5RpCaI7nDce2XHql" /></figure><p>A propagação do choque pode ser percebido nas equações 1 e 2 do nosso sistema, entretanto como é temporário seu efeito é ausente nos valores que consideram a produção futura:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*cDubhrYIR2I83_Zs" /></figure><p>Em linhas gerais, com o mesmo L se produz mais e o consumo c1 fica mais barato, portanto os indivíduos consomem mais. Podemos ver graficamente o que acontece.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/960/0*GDSbgeyou4o8j4HV" /></figure><p>Perceba que a função de produção se deslocou para cima e esquerda, pois com uma mesma quantidade de trabalho, dado a nova tecnologia se produz mais. Assim como, houve um barateamento dos preços tornando o bem na nossa economia, consequentemente aumenta-se o consumo. Entretanto, o efeito no trabalho é ambíguo uma vez que existem efeitos renda e substituição [Para saber mais deles, recomenda-se este <a href="https://economiamainstream.com.br/artigo/lei-da-demanda-equacao-de-slutsky-e-efeito-preco-puro-de-becker/">link</a>]. Se a produtividade aumenta, o indivíduo fica mais rico e portanto quer mais lazer e consumo. Se o consumo fica mais barato (o trabalho rende mais), então o agente quer mais consumo e menos lazer. Na figura acima, representa-se um caso particular em que L aumenta. Embora, se pensarmos em um modelo de mais períodos, faz sentido imaginar que o efeito renda de um aumento temporário no salário seja pequeno e dominado pelo efeito substituição.</p><p>Economicamente, o que acontece no nosso modelo? A economia está temporariamente mais produtiva e o indivíduo representativo quer:</p><ol><li>Aumentar consumo, pois está mais rico.</li><li>Aumentar investimento para suavizar o consumo.</li><li>Trabalhar mais, pois trabalho rende mais.</li><li>Aumentar o lazer, pois está mais rico.</li></ol><p>Como dito previamente, os pontos 3 e 4 implicam em conjunto que o efeito sobre emprego é ambíguo, mesmo que em nossa representação o efeito substituição domine e L aumenta. Nesse caso, o modelo RBC mostra como ciclos econômicos acontecem: <em>choque de produtividade faz PIB, consumo, investimento e emprego se moverem na mesma direção (como nos dados). </em>Ou seja, em uma expansão, os indivíduos escolhem trabalhar mais se a produtividade está temporariamente mais alta porque isso se traduz em salário mais alto. Em uma recessão, o oposto acontece, uma vez que os indivíduos escolhem trabalhar menos em resposta a salários mais baixos.</p><h4><strong>Choque de Impaciência</strong></h4><p>Outra possível explicação da RBC para os ciclos é um choque de impaciência, i.e., os indivíduos passam a valorizar mais o consumo presente a consumo futuro, então β cai. Consequentemente isso afeta questões envolvendo as equações (3) e (4):</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*S9lS60D-cvH9bggh" /></figure><p>Dado c1, o indivíduo quer poupar/investir menos e dado K, com o consumo maior isso se traduz em um PIB menor. Podemos, então representar esse choque da seguinte maneira:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/960/0*-7coaOf2TQJkOD2G" /></figure><p>O indivíduo quer consumir mais hoje e menos amanhã, por isso ele quer poupar/investir menos. De (2), só consome mais se tiver mais lazer, portanto trabalha menos e o PIB é menor. O consumo sobe; PIB, investimento e emprego caem. Tal previsão é inconsistente com padrões de ciclos econômicos observados nos dados econômicos.</p><h4><strong>Choque de Otimismo</strong></h4><p>Outra possível explicação da RBC para os ciclos é um choque de otimismo, i.e., os indivíduos estão crentes que a produção futura vai aumentar. Portanto, temos</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/842/0*e6vSQwp8zrc1mOKL" /></figure><p>Dado a natureza do choque, envolve apenas os termos que consideram a produção futuro do nosso sistema, ou seja, o choque se propaga nas equações da seguinte maneira:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*o2pha-MxSuHgsHPx" /></figure><p>Então, eis que entra a questão: como a expectativa de aumento de produtividade afeta a economia no presente? Para responder é preciso colocar em foque este termo relevante da equação de Euler:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/778/0*XvL8Xaa5x7gfKfAc" /></figure><p>Efeito de A na relação consumo/investimento é ambíguo, pois ao mesmo tempo que faz com que investimento seja mais atrativo por uma produtividade marginal do capital maior, também o faz que seja menos atrativo por conta da menor utilidade marginal do consumo futuro. A seguinte representação mostra o caso em que o primeiro efeito domina.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/956/0*w5O1y0cZEO3AXIZT" /></figure><p>Dado investimento K, consumo é menor: curva para direita. Assim como, dado K, o PIB é maior (consumo é menor): curva para direita. O novo equilíbrio tem PIB maior e mais emprego, assim mais trabalho implica em menos consumo de (2) e menos consumo e mais PIB implica que o investimento deve ser maior. O agente abre mão de consumir para investir mais; com menos consumo a utilidade marginal do consumo (presente) aumenta, logo ele trabalha mais e PIB sobe. <em>Consumo cai; PIB, investimento e emprego aumentam</em> o que novamente é inconsistente com padrões de ciclos econômicos observados. Se considerarmos o efeito oposto de A na relação consumo/investimento, teríamos o mesmo problema, pois o consumo subiria; PIB, investimento e emprego cairiam.</p><h4><strong>Choque de Desutilidade do Trabalho</strong></h4><p>Suponhamos agora que os agentes simplesmente se tornaram mais avessos ao trabalho, talvez uma questão social e cultural. Qual for a explicação ad hoc que adotarmos, imagine um choque à utilidade do lazer/desutilidade do trabalho:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*aHBpSaCl3aTccv_m" /></figure><p>Dado a questão de preferências sobre a quantidade de trabalho, este choque afeta apenas a equação (2):</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/708/0*TexKcbZuMn8_rWeO" /></figure><p>Dado um c1, o agente quer trabalhar menos: curva para a esquerda. Embora a natureza dessa explicação para o ciclos seja curiosa, podemos considerar ela simplesmente como se uma imposição de um imposto à renda do trabalho:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/324/0*QAa2Q8LSb-oAg3x3" /></figure><p>Sendo equivalente a um aumento da desutilidade do trabalho dado que encarece consumo frente ao lazer como pode se observar na propagação deste choque no nosso sistema de equações:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*6wlDwY25O2HBzK9D" /></figure><p>Graficamente, o efeito desse choque é o seguinte:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*PiCh1FViqQR8wi1Q" /></figure><p>Neste cenário, o novo equilíbrio tem PIB menor e menos emprego. Da nossa equação (2), tiramos que o consumo é menor. Da equação (3), tiramos que o investimento é menor. Assim, concluímos que tal choque reverbera de tal modo que os efeitos do PIB, consumo, investimento e emprego vão na mesma direção, como esperado nos dados.</p><p>Entretanto nenhuma das duas explicações é muito satisfatória, pois um choque de desutilidade do trabalho implica que uma recessão acontece porque todos passam a desgostar mais de trabalhar. Enquanto um choque nos impostos não se segue, pois empiricamente os impostos não mudam com tanta frequência, e mudanças não são muito correlacionadas com ciclos econômicos.</p><h3><strong>Avaliações e Implicações</strong></h3><p>O que faz com que alguns choques no modelo RBC produzam algo semelhante a um ciclo econômico? Simplesmente o fato que o PIB, emprego, consumo e investimentos movem na mesma direção, então a questão aqui não é de mensuração preciso do impacto, mas ver se esse modelo altamente idealizado consegue reproduzir a direção dos fenômenos, assim gerando um benchmark para construir-se em cima deste modelo análises mais precisas.. Entretanto, para o modelo ser consistente com os dados é preciso que o choque afete a decisão entre lazer/trabalho e consumo da equação (2), como apontado por Barro e King (1984). Assim, o indivíduo precisa substituir o lazer por trabalho/consumo, pois se o choque não afeta isso, os resultados não funcionam. Nesse caso, a economia se move ao longo da curva 2: consumo e trabalho se movem em direções opostas.</p><p>Resultado similar ao efeito renda: consumo e lazer se movem juntos, consumo e trabalho em direções opostas. A curva precisa se deslocar para c1 e L andarem juntos. O choque de produtividade faz com que a produtividade marginal do trabalho aumente e com que o salário real fique temporariamente mais alto. Afetando a escolha entre lazer e trabalho/consumo da equação (2). Se o efeito substituição domina então o indivíduo trabalha mais, o que por sua vez gera um aumento do produto. Esse aumento temporário de renda é dividido entre consumo corrente e futuro (através de investimento).</p><p>Tendo em vista isto, pode-se avaliar o modelo. É ilustrativo ler o que o próprio criador do modelo tem a dizer sobre sua criação, no caso está registrado o seguinte em Prescott (1986):</p><ol><li>Construir uma versão completa do modelo.</li><li>Estabelecer valores para parâmetros, usando dados micro e relações macro de longo prazo.</li><li>Estimar o processo para resíduo de Solow At : assumindo aqui que é uma boa aproximação para o choque tecnológico.</li><li>Simular a economia do modelo, com os choques acima.</li><li>Comparar o comportamento das variáveis no modelo (PIB, C,…) com suas contrapartidas nos dados.</li></ol><p>Ou seja, seria o modelo de <em>Real Business Cycle </em>uma boa teoria de flutuações econômicas? Como visto acima, para Kydland e Prescott (1982) e trabalhos subsequentes argumentam que sim, uma vez que o modelo pode reproduzir boa parte da volatilidade do PIB observada nos dados, assim como as principais correlações que definem os ciclos econômicos: produtividade, emprego, consumo, investimento e PIB se movem juntos, no qual consumo é menos volátil que o PIB e o investimento mais volátil.</p><p>Resumindo as principais características do modelo RBC:</p><ol><li>Flutuações econômicas são <strong>eficientes</strong>: teoremas de bem-estar valem.</li><li>Choques tecnológicos são a <em>principal </em>causa das flutuações.</li><li>Política monetária <strong>não </strong>tem papel.</li></ol><p>Portanto, a conclusão prática que tiramos deste modelo é que as flutuações são respostas eficientes a choques tecnológicos e não fruto de ineficiência a ser corrigida. As políticas de estabilização só poderiam reduzir o bem-estar do agente representativo, sendo incapazes de afetar os choques (exógenos), e somente iriam distorcer a resposta da economia a eles. No caso da política monetária, ela nem tem espaço no modelo: dado o modelo ser completamente real e sem moeda. Tal característica de uma moeda neutra mesmo no curto prazo já havia sido elencado como uma possibilidade teórica quando consideramos agentes com expectativas racionais, como mostra Lucas (1972). Ou seja, a incapacidade da autoridade monetária e governo de manejar a demanda agregada resulta na proposição de <em>ineficácia da política nova clássica</em> (Froyen, 2003).</p><h3><strong>Críticas</strong></h3><p>Levantar uma revisão da literatura das críticas ao modelo RBC seria exaustivo e muito além do escopo do presente texto. Entretanto, algumas das críticas que podemos destacar é que muito se questiona o parâmetro que guia elasticidade da oferta de trabalho, o uso do resíduo de Solow como medida de produtividade, e.g., considerar a capacidade utilizada (Basu et al. 2006), e o efeito dos choques tecnológicos nas flutuações cíclicas (Christiano et al., 2003). Além de evidências apontam que o efeito de choques monetários não é irrelevante (Christiano et al., 1999), assim como efeito de rigidez nominal e outras fricções (Galí, 2015) existe e não é negligenciável. Para se aprofundar nas críticas novo keynesianas, recomenda-se este <a href="https://youtu.be/Q376VMk_ywg">vídeo</a>.</p><p>Vale gastar um tempo para responder uma crítica comum, que é tratar os modelos RBC como modelos de choques de oferta. Assim, “refutando-o” apresentando evidências de que um dado choque adveio da demanda agregada. Para responder a isto basta uma leitura de Plosser (1989, p. 57). Segue a tradução:</p><blockquote>É comum referir-se a esses modelos de ciclos de negócios reais como modelos movidos por “choques de oferta” agregados. Embora essa descrição pareça aproximadamente precisa para o modelo impulsionado por mudanças de produtividade e, portanto, bastante inócua, ela é potencialmente enganosa. Em primeiro lugar, tentar pensar sobre esses modelos dinâmicos de equilíbrio geral em termos de oferta e demanda é escorregadio. Nesses modelos, os choques ocorrem em preferências, tecnologias/oportunidades ou recursos e dotações. Infelizmente, esses choques não se traduzem facilmente em distúrbios de oferta ou demanda. Cada tipo de choque geralmente afetará os cronogramas de oferta e demanda em um determinado mercado. Por exemplo, mudanças na tecnologia influenciam tanto a oferta de bens para um determinado nível de insumos (esforço de trabalho em particular) quanto a demanda por bens por meio de seu efeito sobre a riqueza e a decisão trabalho/lazer.</blockquote><blockquote>Em segundo lugar, embora a maioria das análises até o momento tenha se concentrado na versão do modelo em que as variações na tecnologia são a fonte das mudanças no ambiente, pode-se facilmente especificar as mudanças como decorrentes de variações nas preferências ou gostos. Isso levaria a um modelo de ciclo de negócios real impulsionado pelo que alguns chamariam de “choques de demanda”. Além disso, o modelo pode ser expandido para incluir um setor governamental (discutido mais abaixo) que também poderia ser considerado uma fonte de “choques de demanda” em tecnologia ou abastecimento.</blockquote><p><strong>Conclusão</strong></p><blockquote>“A macroeconomia é muito mais interessante hoje do que há 40 anos. O nível de modelagem teórica é mais alto e a teoria contribui de forma mais central para a discussão empírica. Uma gama muito mais ampla de evidências é trazida para as questões quantitativas da macroeconomia. A ciência é uma atividade social e muitos economistas contribuíram para esses desenvolvimentos, mas certamente ninguém mais do que Ed Prescott.”</blockquote><blockquote>- Lucas Jr (2007)</blockquote><p>Como diz Lucas no quote acima, o modelo de Ciclos Reais de Negócios foi produto revolucionário dos desenvolvimentos da macroeconomia buscando fundamentos consistentes e sólidos. Tal modelagem representa um avanço dos modelos anteriores, permitindo análises mais específicas e precisas. Além disso, provê um benchmark contrafactual para analisar a economia, sendo assim uma peça indispensável para o entendimento da economia mesmo que cheio de abstrações. Espero que tenham gostado, e até a próxima.</p><h3><strong>Referência</strong></h3><p>Barro, Robert J., and Robert G. King. “Time-separable preferences and intertemporal-substitution models of business cycles.” <em>The Quarterly Journal of Economics</em> 99.4 (1984): 817–839.</p><p>Basu, Susanto, John G. Fernald, and Miles S. Kimball. “Are technology improvements contractionary?.” <em>American Economic Review</em> 96.5 (2006): 1418–1448.</p><p>Burns, Arthur F., and Wesley C. Mitchell. “The basic measures of cyclical behavior.” Measuring Business Cycles. NBER, 1946. 115–202.</p><p>Castro, Marcos R. de, et al. “SAMBA: Stochastic analytical model with a bayesian approach.” (2015).</p><p>Christiano, Lawrence J., Martin Eichenbaum, and Charles L. Evans. “Monetary policy shocks: What have we learned and to what end?.” <em>Handbook of macroeconomics</em> 1 (1999): 65–148.</p><p>Christiano, Lawrence, Martin S. Eichenbaum, and Robert J. Vigfusson. “What happens after a technology shock?.” (2003).</p><p>De Vroey, Michel. A history of macroeconomics from Keynes to Lucas and beyond. <em>Cambridge University Press</em>, 2016.</p><p>Friedman, Milton. “The methodology of positive economics.” (1953).</p><p>Friedman, Milton. “The role of monetary policy.” <em>Essential Readings in Economics</em> (1995): 215–231. [1968]</p><p>Froyen, Richard T. “Macroeconomics: Theories and policies.” (2013).</p><p>Galí, Jordi. Monetary policy, inflation, and the business cycle: an introduction to the new Keynesian framework and its applications. <em>Princeton University Press</em>, 2015.</p><p>Hartley, James E., Kevin D. Hoover, and Kevin D. Salyer. “The limits of business cycle research: assessing the real business cycle model.” <em>Oxford Review of Economic Policy</em> 13.3 (1997): 34–54.</p><p>Hayek, Friedrich A. Prices and production. <em>George Routledge and Sons</em>, Ltd, London, 1932.</p><p>Keynes, John Maynard. T<em>he general theory of employment, interest and money. </em>The Collected Writings of John Maynard Keynes 7 (1964) [1936].</p><p>Kuhn, Thomas S. <em>The structure of scientific revolutions</em>. University of Chicago press, 2012 [1962].</p><p>Kurlat, Pablo. 2020. “A Course in Modern Macroeconomics,” publicado independentemente.</p><p>Kydland, Finn E., and Edward C. Prescott. “Time to build and aggregate fluctuations.” <em>Econometrica: Journal of the Econometric Society</em> (1982): 1345–1370.</p><p>Lakatos, Imre. “Criticism and the methodology of scientific research programmes.” <em>Proceedings of the Aristotelian society</em>. Vol. 69. Aristotelian Society, Wiley, 1968</p><p>Lakatos, Imre, John Worrall, and Gregory Currie. “The methodology of scientific research programmes: philosophical papers.” <em>British Journal for the Philosophy of Science</em> 30.4 (1979).</p><p>Laudan, Larry. <em>Progress and its problems: Towards a theory of scientific growth</em>. Vol. 282. Univ of California Press, 1978.</p><p>Lucas Jr, Robert E. “Expectations and the Neutrality of Money.” <em>Journal of economic theory</em> 4.2 (1972): 103–124.</p><p>Lucas Jr, Robert E. “Econometric policy evaluation: A critique.” <em>Carnegie-Rochester conference series on public policy</em>. Vol. 1. North-Holland, 1976.</p><p>Lucas Jr, Robert E. “Remarks on the influence of Edward Prescott.” <em>Economic Theory</em> 32.1 (2007): 7–11.</p><p>Malley, James R., V. Anton Muscatelli, and Ulrich Woitek. “Real business cycles, sticky wages or sticky prices? The impact of technology shocks on US manufacturing.” <em>European Economic Review</em> 49.3 (2005): 745–760.</p><p>Mitchell, Wesley Clair. “Business cycles: The problem and its setting.” NBER Books (1927).</p><p>Peñaloza, Rodrigo. “SOME THOUGHTS ON HOMO OECONOMICUS.” (2018).</p><p>Plosser, Charles I. “Understanding real business cycles.” <em>Journal of Economic Perspectives</em> 3.3 (1989): 51–77.</p><p>Popper, Karl Raimund. “The Logic of Scientific Discovery.” (1934).</p><p>Popper, Karl. <em>Conjectures and refutations: The growth of scientific knowledge</em>. routledge, 2014 [1962]</p><p>Prescott, Edward C. “Theory ahead of business-cycle measurement.” <em>Carnegie-Rochester conference series on public policy</em>. Vol. 25. North-Holland, 1986.</p><p>Tobin, James. “Inflation and Unemployment.”The American Economic Review, 62(1): 1–18, 1972.</p><h3><strong>Apêndice</strong></h3><p>Para resolver o modelo simplificado é preciso especificar as formas funcionais da utilidade e das funções de produção. Sendo assim, fazendo as devidas simplificações, é costumeiramente usados as seguintes formas:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/812/0*qS60_bsmYSTF8fgb" /></figure><p>Uma vez tendo elas, o sistema de quatro equações fica desta maneira:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*TvWwDxmH5JpehAnz" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=c91e080ef68e" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>