O uso de dados quantitativos na pesquisa social
“Existem três tipos de mentiras: mentiras, mentiras deslavadas e estatísticas”
Mark Twain
A frase de Mark Twain, autor literário estadunidense que viveu no século XIX, remete a uma questão ainda atual: as consequências potencialmente negativas que o uso irresponsável de dados estatísticos pode causar. Não é de hoje que estatísticas são utilizadas como argumento de autoridade para justificar visões de mundo ou propor a necessidade de mudanças em diferentes âmbitos da vida social. Ações em larga escala, como as empreendidas pelo Estado ou por grandes corporações, mobilizam um volume significativo de recursos e afetam um número significativo de pessoas. As estatísticas, que podem ser definidas brevemente como dados que expressam características de determinada população, cumprem o papel de orientar tais ações. O presente texto tem como objetivo apresentar, em linguagem simplificada, fontes e formas de utilização de dados quantitativos aplicáveis à produção de pesquisa social.
Dados e informações
É possível ter infinitos dados e nenhuma informação, mas não é possível ter qualquer informação sem nenhum dado. Por exemplo, saber que um indivíduo recebe um salário de R$ 1.000,00 nos diz muito pouco sobre as condições de vida em que essa pessoa vive, ainda que possamos assumir ou imaginar uma série de outros dados com base em nosso contexto. Ainda que dados isolados e descontextualizados não sejam informativos o suficiente, a progressiva agregação dos mesmos permite dar sentido tanto aos dados quanto à realidade que eles representam. O valor do salário de um indivíduo, ou a média salarial de um grupo, é um dado que pode se tornar uma informação, como “essa pessoa ganha pouco” ou “esse grupo é desfavorecido”, se outros dados forem considerados.
Em sua definição mais radical, dados, qualitativos ou quantitativos, nada mais são do que a expressão das características de determinados objetos de conhecimento. Estabelecer uma relação lógica entre os dados e extrair informações de tal relação depende de um pensamento teórico, elaborado de forma consciente ou inconsciente. Em seu sentido mais amplo, uma teoria é uma forma particular de explicar a realidade, o porquê do mundo, ou de uma parte dele, ser como é e funcionar como funciona. A coleta de dados, do mesmo modo, é amparada por um conjunto de teorias científicas que fundamentam os procedimentos técnicos empregados.
Não se pode desconsiderar a dimensão política, logo conflituosa, que a definição dos métodos de coleta de dados acarreta. No caso de pesquisas populacionais, que produzem estatísticas sociais, isso é ainda mais relevante. As uniões homoafetivas, por exemplo, não poderiam ser identificadas se o termo “cônjuge” só fosse aplicável a pessoas de gêneros distintos, como era o caso do censo populacional brasileiro até a edição de 2010. Apesar de ser um trabalho técnico e cientificamente orientado, a produção de estatísticas sociais é uma atividade em constante revisão e desenvolvimento. O trabalho por trás da produção de estatísticas sociais é um campo interdisciplinar e multidisciplinar que reúne profissionais de Estatística, Matemática, Demografia, Sociologia, Políticas Públicas e outras áreas correlatas.
Microdados e sinopses estatísticas
Quando se trata da utilização de dados quantitativos em pesquisas sociais, há tanta informação disponível que apenas localizar a melhor fonte já pode requerer um trabalho considerável. Dados quantitativos podem ser encontrados na forma de microdados, que são bases de dados que contêm, via de regra, todos os dados coletados pela instituição que realizou a pesquisa. Por ao nível de detalhamento, antes de serem disponibilizados ao público, os microdados passam por um processo de desidentificação, de modo que não é possível utilizá-los para obter dados pessoais. O Instituto Brasileiro de Geografia e Estatística (IBGE) é o responsável por produzir e divulgar estatísticas públicas sobre uma série de temas no Brasil. Outras organizações, como o Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (Inep), atuam como autarquias que coletam e disponibilizam dados de uma área específica, nesse caso, os sistemas de ensino brasileiros.
O Instituto de Pesquisa Econômica Aplicada (Ipea) é um órgão especializado em produzir pesquisas que subsidiam diversas políticas públicas, com base em dados do IBGE, por levantamentos próprios ou provenientes de outras instituições. As mesmas instituições que coletam e disponibilizam dados para análises científicas, matérias jornalísticas ou pesquisas, em geral, também produzem relatórios e sinopses estatísticas que apresentam, de modo resumido e informativo, os resultados obtidos. Muitas das vezes, não é necessário recorrer aos microdados para se obter uma informação de interesse. O Sistema IBGE de Recuperação Automática (SIDRA) [https://sidra.ibge.gov.br/home/pmc/brasil], por exemplo, é um portal do IBGE que disponibiliza uma série de estatísticas descritivas na forma de tabelas que podem ser ajustadas de acordo com o interesse dos usuários. O Inep e o Ipea produzem de forma contínua relatórios técnicos, sinopses estatísticas (um conjunto de estatísticas descritivas de uma pesquisa) e publicações na forma de artigos e livros que demonstram a aplicação do uso de dados na mesma medida em que servem como referência para quem tiver interesse em conduzir as próprias pesquisas. Há também trabalhos acadêmicos de excelência que disponibilizam a consulta a estatísticas derivadas dos microdados em múltiplos níveis de desagregação, definíveis pelo usuário, como é o caso da plataforma PNADCperiods [https://antrologos.shinyapps.io/PNADCperiods-dashboard/].
De fato, o uso de microdados é necessário quando quem pesquisa deseja ter mais liberdade para a produção de estatísticas descritivas ou realizar testes inferenciais que exigem os dados desagregados ao nível das unidades de análise. Uma das ferramentas mais utilizadas para processar microdados é o R, um software gratuito, baseado em linguagem de programação R, que conta com uma comunidade bastante ativa. O próprio IBGE utiliza esse software para produzir muitas de suas análises estatísticas, disponibilizando até mesmo pacotes para a importação e análise das bases, como é o caso do pacote PNADcIBGE, que serve para acessar a Pesquisa Nacional por Amostra Domiciliar Contínua (PNAD-C). Há uma vasta produção de materiais auxiliares para a análise dessas bases em R, como é o caso do tutorial RPubs de Gabriel Assunção ou do material didático ‘Por dentro da PNAD Contínua’.
Há websites que são bastante úteis para se explorar a diversidade de bancos de dados e obter tais microdados, seja por temática ou por recortes espaciais e temporais. Em nível internacional, destaca-se a plataforma Ipums (https://www.ipums.org), que reúne bases de dados de diversos países, muitas delas harmonizadas para comparações. O website Base dos Dados (https://basedosdados.org/) é bastante informativo sobre as bases disponíveis e também oferece serviços pagos de apoio à pesquisa. O Observatório das Metrópoles, além de produzir publicações sobre estatísticas públicas, disponibiliza dados públicos de forma simplificada, como é o caso das bases mais antigas da Pesquisa Nacional por Amostra de Domicílios (PNAD), a predecessora da PNAD-C.
Sendo a igualdade social e seus meios de realização nossa temática principal de interesse, retomaremos, de modo mais detalhado, o uso de bases de dados quantitativos ao relacionar temas transversais aos estudos da estratificação social e das desigualdades.