Post on 12-Jan-2019
1
CAMINHANDO COM A FEDERAÇÃO: UM ESTUDO INSTITUCIONAL, ESPACIAL E
PARTIDÁRIO SOBRE OS GASTOS MUNICIPAIS NA SAÚDE PÚBLICA
Thiago Caliari1
Philipe Scherrer Mendes 2
Resumo
O SUS estabeleceu o município como o ente federativo mais importante na aplicação dos recursos da
saúde, e ainda após 2000 a promulgação da Emenda Constitucional 29 (EC-29) estabeleceu um piso
mínimo de recursos próprios aplicados pela prefeitura nessa rubrica, definindo um padrão estável de
financiamento da mesma. Através de um modelo de dados em painel espacial procuramos encontrar a
relevância dessa emenda, bem como os possíveis direcionamentos partidários presentes nos partidos
políticos. Controlando para variáveis relevantes – dentre elas a dependência espacial, encontramos
grande relevância da EC-29 e alguma relevância partidária que mostra menores gastos para o PT.
Porém, acreditamos que essa diferença partidária é de certa forma existente pelo fato do PT ter a sua
alocação inicial mais adequada à política federal de pressão institucional. Ainda na dependência
espacial encontramos uma concentração de cluster de baixo nível de gastos no Nordeste e Norte e uma
concentração de cluster de alto nível de gastos no Sudeste.
Palavras-chave: Economia da saúde, governo municipal, EC-29
Abstract
The SUS established the cities like the most important federal entities in the application of resources in
health, and after the promulgation of the Constitutional Amendment 29 (EC-29), at 2000, it established
yet a minimum level of own resources applied in health by the cities, which defined a stable funding
for the health. Through a model of spatial data panel we tried to find the relevance of that amendment
and the possible direction present in political parties. We control the model for relevant variables -
among them the spatial dependence, and we find a high importance from EC-29 and some relevant
party, that shows lower costs for PT. However, we believe that this partisan difference exist because
the PT have a initial allocation in health most appropriate for the federal policy of institutional
pressure. Still we find a spatial concentration of cluster of low costs in the Northeast and Northern and
a spatial concentration of cluster of high-level of spending in the Southeast.
Key-words: Health Economics, municipal government, EC-29
1. Introdução
A perspectiva governamental de gastos com saúde mudou profundamente desde a Constituição
de 1988, a chamada Constituição Cidadã. Nela, e através da Lei Orgânica da Saúde, de 1990, o governo
federal passou a delegar aos entes federativos estaduais e municipais funções antes desempenhadas
pelo próprio no direcionamento da assistência pública à saúde. Da lei, surge o Sistema Único de Saúde
(SUS), que seria a partir de então o responsável pela definição desses gastos.
1 Doutorando em economia pelo Cedeplar.
2 Mestrando em economia aplicada pela FEA/UFJF.
2
Nesse contexto de descentralização, os municípios passaram a ser o único ente federativo ao
qual foi atribuída a prestação de serviços à saúde, cabendo à União e Estados a provisão técnica e
financeira para o exercício das funções (Costa, 2001). No contexto financeiro, os municípios recebem
repasses via SUS dos Estados e União para manutenção dos serviços, mas devido à problemática da
estabilidade dos recursos a pressão federal cristalizou-se em 2000, com a Emenda Constitucional 29
(EC-29). O objetivo principal da mesma era garantir um fundo garantidor de certa forma mais estável
para as ações da saúde.
O intuito do artigo então é avaliar essa importância da EC-29 nos municípios, bem como
verificar a relevância de variáveis políticas para o direcionamento dos gastos das prefeituras.
Controlando um modelo de dados em painel para variáveis relevantes – dentre elas a dependência
espacial –, encontramos forte significância dos recursos próprios municipais e também diferenciação
partidária, mas esta sendo de certa forma existente pelo fato do PT ter a sua alocação inicial mais
adequada à política federal de pressão institucional. Ao partido foi menos necessário, portanto, crescer
seus gastos como forma de se adequar à EC-29.
Cabe destacar ainda no controle da dependência espacial uma concentração de cluster de baixo
nível de gastos no Nordeste e Norte e uma concentração de cluster de alto nível de gastos no Sudeste.
O trabalho foi dividido em 8 seções, a contar desta introdução. A seção 2 analisa o perfil dos
municípios quanto aos gastos com saúde, mostrando a evolução dos mesmos como alocador de
recursos da saúde. A seção 3 discute os possíveis determinantes desses gastos, inclusive os supostos
vieses constitucional e político. A seção 4 apresenta a metodologia utilizada no trabalho, a saber:
econometria de dados em painel espacial. Os resultados encontrados são discutidos na seção 5 e
concluídos na seção 6. Nas seções 7 e 8 apresentamos, respectivamente, a bibliografia e o anexo.
2. O Município como Alocador de Recursos na Saúde
Com a Constituição de 1988 e mais especificamente com a criação do SUS em 1990, o
centralismo das políticas de saúde existentes no Brasil desde a década de 1930 foi substituído por um
sistema com maior interação entre as esferas gestoras do governo, sendo delegados a Estados e
Municípios responsabilidades que antes eram exclusivas do Governo Federal (Arretche & Marques,
2002).
Como ressalta Noronha et al (2005), um dos principais desafios da criação do SUS foi a
resolução de problemas estruturais e históricos da assistência à saúde brasileira, compatibilizando a
oferta universal de serviços com soluções locais, que atendessem a especificidades intrínsecas de cada
região. Nesse cenário político administrativo, a literatura relevante sobre o tema permite diversos
enfoques sobre o marco teórico e conceitual adotado (Machado, 1999). Porém, há consenso em todos
esses trabalhos sobre a efetividade da política pública no tocante à descentralização dos serviços.
Essa descentralização passou por vários processos, mas é irrefutável o processo de
aprofundamento das relações durante a década de 90. Segundo Piola e Biasoto (2001), o percentual de
recursos totais do MS para a gestão de Estados e municípios subiu de 7,1% em 1993 para 27,3% em
1998.
Ademais, segundo Costa (2001), a tendência descentralizante definiu o município como o único
ente federativo ao qual foi atribuída a prestação de serviço à saúde, cabendo à União e Estados a
provisão técnica e financeira para o exercício das funções. Já em 1992, segundo dados levantados pelo
autor, aproximadamente 69% dos estabelecimentos públicos eram municipais, cabendo à União e
Estados a fatia de 5% e 26% respectivamente.
Como forma de garantir a representatividade de cada esfera, o ambiente de tomada de decisões
foi definido através do estabelecimento de novas instâncias de decisões e controle social. Foram, então,
3
introduzidos na arena de discussão das políticas públicas de saúde a representação paritária de
segmentos diferenciados da sociedade (representantes do governo, profissionais de saúde, prestadores
de serviço e usuários), com o estabelecimento de fóruns e conselhos de âmbitos Federal, Estadual e
Municipal (Cornélio, 1999).
Foi com a Lei 8.142 que, no âmbito de interlocução dos municípios, foram criados o Conselho
Nacional de Secretários Municipais de Saúde (CONASEMS) e o Conselho Nacional de Secretários de
Saúde (CONASS) (Brasil, 2003a). Nesse contexto, e procurando operacionalizar os preceitos da Lei
8.142 no tocante à transferência de recursos e responsabilidade dos órgãos gestores, é criada a Norma
Operacional Básica 91 (NOB-91).
Os municípios e Estados eram habilitados através de estímulos financeiros àqueles que se
enquadrassem às exigências estabelecidas. Segundo Cornélio (1999), a adesão à Norma não foi
imediata, visto que mesmo os não habilitados poderiam continuar recebendo os recursos das
transferências do SUS. Não havia muito incentivo para migrar à NOB-91, e somente após dois anos de
vigência chegou-se a um número razoável de municípios habilitados, que se constituíram na base do
conceito de gestão que se formou a partir de 1993, ano em que entrou em operacionalização outra
norma do SUS, a NOB 93.
Tal norma buscou maior execução da descentralização, estabelecendo para o gerenciamento do
processo de descentralização do SUS alguns foros de negociação e decisão estruturados e articulados,
conforme a tabela 1.
TABELA 1: Principais Instâncias Decisórias da NOB 93
Níveis de Governo Instâncias de Decisão
Comissão Intergestores Tripartite - formada paritariamente por
representantes do Ministério da Saúde e dos órgãos de representação
do conjunto de Secretários Estaduais de Saúde (CONASS) e o
Conselho Nacional de Secretários Municipais de Saúde (CONASEMS),
Conselho Nacional de Saúde - é o órgão deliberativo na formulação
de estratégias e controle da política nacional de saúde.
Comissão Intergestores Bipartite - formada por dirigentes da
Secretaria Estadual de Saúde e o órgão de representação dos
Secretários Municipais de Saúde do Estado, COSEMS, sendo que, o
secretário de saúde do município da capital é membro nato desta
comiss
Conselho Estadual de Saúde - é permanente e deliberativo, atuando
na formulação de estratégias e controle da execução da política
estadual de saúde.
Âmbito Municipal
Conselho Municipal de Saúde - é permanente e deliberativo, atuando
na formulação de estratégias e controle da da execução da política
municipal de saúde.
Fonte dos dados básicos: Cornélio (1999).
Âmbito Nacional
Âmbito Estadual
As comissões tornaram-se as responsáveis pelo gerenciamento do SUS, apreciando, entre outros
assuntos, os pactos e programações entre gestores, buscando a integração entre as três esferas de
governo. Nesse contexto descentralizador que cada vez mais aumenta a participação municipal na
assistência à saúde. Arretche & Marques (2002) ressaltam que essa organização e as normas por elas
4
administradas ampliaram as funções desempenhadas pelos municípios, repassando aos mesmos a
função de aprimorar e criar condições para o processo de municipalização.
Em 5 de novembro de 1996, pela portaria 2.203 é instituída a NOB 1/96, mantendo as
definições dos papéis públicos no direcionamento dos recursos, mas redefinindo os modelos de gestão
dos municípios buscando a plena responsabilidade do poder público municipal. O trabalho de
descentralização até então vinha surtindo efeito. Segundo dados do Ministério da Saúde (MS)
disponíveis no trabalho de Malik (2002), ao final de 1999 97% dos municípios recebiam os recursos do
Programa de Atenção Básica (PAB)3, percentual que chega a 99% em junho de 2001. Nestas
localidades viviam mais de 165 milhões habitantes ou 99% da população brasileira.
Por fim, em 15 de dezembro de 2000, instituí-se a Norma Operacional da Assistência à Saúde
(NOAS-SUS 01/2001) que definiu como objetivo principal:
“...ampliar as responsabilidades dos municípios na Atenção Básica; definir o processo de
regionalização da assistência; criar mecanismos para o fortalecimento da capacidade de
gestão do Sistema Único de Saúde e procede à atualização dos critérios de habilitação de
estados e municípios.”4
A NOAS é a norma em vigência para os modelos de gestão e de repasse de recursos para os
municípios pelo SUS. Ela permite a habilitação dos municípios em duas condições: Gestão Plena da
Atenção Básica Ampliada e Gestão Plena do Sistema Municipal, sendo que todos os municípios que
vierem a ser habilitados em Gestão Plena do Sistema Municipal estarão também habilitados em Gestão
Plena da Atenção Básica Ampliada. Basicamente, uma das principais diferenças entre as modalidades é
o modo de recebimento das transferências5:
1) Gestão plena da atenção básica ampliada: o município se habilita a receber um montante definido em
base per capita para o financiamento das ações de atenção básica;
2) Gestão plena do sistema municipal: nesse caso, o município recebe o total de recursos federais
programados para o custeio da assistência em seu território.
O financiamento das ações de saúde é dividido em três grandes grupos: atenção básica – o PAB,
média complexidade e alta complexidade/alto custo. O primeiro, de menor complexidade, é financiado
primordialmente pelos municípios e é composto de uma parte fixa destinada à assistência básica e de
uma parte variável relativa a incentivos para o desenvolvimento de ações no campo específico da
atenção básica (Brasil, 2003d). O segundo grupo, que não pode ou não deve ter uma oferta universal,
passa a ter a possibilidade de uma solução regional, financiada segundo a população. Segundo a
NOAS:
“A Atenção de Média Complexidade compreende um conjunto de ações e serviços
ambulatoriais e hospitalares que visam atender os principais problemas de saúde da
3 O PAB foi criado na portaria GM/MS n 1.882, de 18/12/97 com o intuito de acabar com a concorrência por recursos da
atenção básica com outros tipos de procedimentos e ações, fornecendo um montante específico para a mesma (Brasil,
2003d). 4 Artigo 1º da Norma Operacional da Assistência à Saúde – NOAS-SUS 01/2001 (Brasil, 2003f).
5 Para informações completas sobre responsabilidades, requisitos e prerrogativas a serem cumpridas pelos municípios em
cada tipo de habilitação, consultar o texto integral da NOAS.
5
população, cuja prática clínica demande a disponibilidade de profissionais especializados e a
utilização de recursos tecnológicos de apoio diagnóstico e terapêutico, que não justifique a sua
oferta em todos os municípios do país.”
Assim, a ação de tais medidas não é oferecida em todos os municípios, sendo definidas pelo
gestor estadual por critérios regionais de necessidade. Já o terceiro grupo, dada sua complexidade, tem
sua oferta naturalmente muito restringida. Nesse caso o financiamento está a cargo dos governos
estaduais e federal. Ou seja, a garantia de acesso aos procedimentos de alta complexidade é de
responsabilidade solidária entre o Ministério da Saúde e as Secretarias de Estado da Saúde e do Distrito
Federal (Brasil, 2003f).
Mostramos para efeito de análise da importância desse repasse federal uma tabela com a
porcentagem de repasse do SUS nos recursos aplicados na saúde pelos municípios para os anos
selecionados de 2002 e 2006.
TABELA 2: Porcentagem das Transferências do SUS sobre o
Recurso Total Aplicado em Saúde pelos Municípios Unidade da Federação 2002 (%) 2006 (%)
Centro-Oeste
Goiás 57.24 52.41
Mato Grosso 45.17 46.06
Mato Grosso do Sul 50.59 50.43
Nordeste
Alagoas 64.34 58.81
Bahia 47.27 52.18
Ceará 58.21 54.39
Maranhão 65.92 60.21
Paraíba 60.42 59.08
Pernambuco 54.18 49.73
Piauí 64.00 63.04
Rio Grande do Norte 52.58 48.84
Sergipe 54.64 55.73
Norte
Acre 55.82 -
Amapá 51.96 50.45
Amazonas 36.43 33.28
Pará 64.76 56.83
Rondônia 52.34 40.12
Roraima 52.38 65.80
Tocantins 43.81 44.05
Sudeste
Espírito Santo 36.43 32.53
Minas Gerais 50.92 47.54
Rio de Janeiro 50.76 38.40
São Paulo 26.39 31.23
Sul
Paraná 46.44 42.88
Rio Grande do Sul 47.12 39.10
Santa Catarina 42.64 41.31
Total 44.85 43.27
Fonte dos dados básicos: DATASUS.
Na média, praticamente a metade dos recursos aplicados em saúde nas prefeituras municipais
em todo o Brasil são provenientes de repasses do SUS. Porém, em uma análise regional, pode-se notar
que os municípios das Regiões Norte e Nordeste são muito mais dependentes do SUS que os
municípios das demais regiões, com ênfase à Região Nordeste. Ou seja, os municípios têm certa
autonomia nos seus gastos, mas há influência da região de análise. Municípios localizados em regiões
6
com menor renda per capita – o caso das regiões Norte e Nordeste – dependem muito mais de repasses
federais para manter o aparato público.
Assim, quer seja por meio do financiamento federal, quer seja pelos gastos diretos realizados
pelos governos municipais, o encargo principal do município, no que tange a financiamento, parece ser
justamente o de suprir a população com as necessidades mais básicas de saúde, sendo um alocador
relativamente autônomo nos recursos para a saúde.
3. Regionalização da Oferta, Viés Partidário e a Emenda Constitucional 29 (EC-29)
Sendo o ente federal que oferta os serviços em saúde, os municípios são o objeto de análise do
trabalho. Dessa maneira, torna-se importante estudar quais os principais determinantes que influenciam
o direcionamento desses gastos. No âmbito do financiamento, o SUS participa com a maior parcela dos
gastos realizados na esfera municipal, por meio de transferências, conforme vimos no tópico anterior.
Portanto há uma importante restrição de gastos imposta pelo lado da oferta. Cada município
depende em grande monta do que a União repassa através do SUS. Esse repasse depende em grande
parte do nível de complexidade dos serviços prestados pela prefeitura. Como bem explicitado no
capítulo anterior, a habilitação municipal pode ser feita pela gestão básica ou gestão plena do sistema
municipal.
Esta última oferece serviços mais complexos, caracterizados por menor demanda e maiores
custos, o que viabiliza e dá suporte para a definição de uma oferta micro ou macro regional, como
forma de obter ganhos de escala, sendo realizada, portanto, somente em alguns centros (Oliveira et al,
2008). Como expressa Levcovitz et al (2001), há uma tendência de os municípios de maior porte e com
maior capacidade de oferta assumirem a condição de gestão pública de saúde municipal (GPSM),
fazendo com que essa oferta regionalizada crie fluxos de demanda para esses grandes centros,
estabelecendo demandas diferenciadas entre os municípios, o que é suprido pelo SUS com
financiamentos diferenciados.
Estudando os repasses do SUS, percebemos que os 520 maiores municípios brasileiros – com
mais de 50 mil habitantes – recebiam em 2001, em média, R$67,33 per capita do SUS. Esse valor
diminui para R$46,74 em 2006, uma queda de aproximadamente 31%. No mesmo período, o repasse
do SUS para municípios com menos de 50 mil habitantes continuou praticamente a mesma, na casa de
R$36,00 per capita.
Em contrapartida, os gastos totais com saúde dos grandes municípios aumentaram cerca de
40%, o que demanda novas formas de financiamento para os mesmos, visto a diminuição de repasses
da União.
Assim, a sustentabilidade do sistema é um problema para a oferta dos serviços de saúde. Dain
(2007) e Faveret (2003) corroboram nossos resultados, ressaltando ainda que a garantia de estabilidade
dos recursos por parte do SUS é complicada desde os anos 90. Segundo Dain (2007), a despeito da
alternância das fontes de financiamento na década de 90, os gastos do SUS não ampliaram participação
no PIB ou na receita tributária como um todo.
Porém, qual o motivo de uma crescente diminuição de receitas advindas do SUS pós 2000?
Estaria a mesma sendo compensada por outra forma de financiamento? A resposta talvez seja a pressão
constitucional exercida pela União através da Emenda Constitucional n.29 (EC-29), de 2000.
Em seu texto, estabelece-se um piso mínimo de gastos para Estados e municípios advindos de
sua própria receita. Para o caso dos municípios ficou reservada a destinação de pelo menos 7% das
receitas de impostos para a saúde em 2000, sendo que este percentual deveria ser aumentado
anualmente até atingir, em 2004, 15% (Brasil, 2003e). Essa “alocação forçada” pode ser uma influência
decisiva nas diretrizes de políticas da saúde estabelecidas nos municípios desde então. O patamar
7
mínimo para a aplicação dos recursos pode definir as ações municipais na rubrica, diminuindo de certa
forma a distância e a variabilidade dos gastos. Ainda, Faveret (2003) ressalta que desde o início a EC-
29 surgiu como uma tentativa de estabilizar o financiamento do sistema.
O intuito do artigo é justamente verificar qual o grau de importância da EC-29 nesses gastos
municipais. Queremos averiguar se essa coordenação institucional é mais importante que influências
regionais ou políticas, ou ainda se continua a ser relevante mesmo com os altos repasses do SUS, sendo
a mesma a rubrica mais importante de financiamento.
O argumento de influência regional recai sobre a possível dependência espacial existente nos
gastos entre prefeituras próximas. Averiguaremos a existência desses padrões e, no caso de existir,
apresentaremos os mesmos e os corrigiremos para o modelo econométrico.
No argumento político, queremos verificar se prefeituras governadas pelo mesmo partido
gastam montantes parecidos, talvez por visões ideológicas distintas. Estudo de Arretche & Marques
(2002) avalia os gastos com saúde em cinco Estados Brasileiros (Bahia, Ceará, Goiás, Rio Grande do
Sul e São Paulo) e constata que o viés partidário parece ter um efeito apenas moderado sobre os
serviços básicos de saúde. Segundo o estudo, cidades que elegeram prefeitos com “tendência
direitista”6 em 1996 tendem a produzir menor volume de atendimentos ambulatoriais, mas não sendo
verdade também que nas cidades que elegeram partidos com viés esquerdista esse número seja
significativamente superior.
Assim, segue-se a metodologia empregada para controlar por regionalidades e influências
partidárias e os resultados encontrados, tentando mostrar a importância da EC-29 no direcionamento
municipal de gastos com saúde.
4. Metodologia
4.1. Dados em painel, efeitos fixos e dependência espacial
Uma vez que o objeto de estudo é espacialmente localizado, não se pode deixar de levar em
consideração, na determinação do modelo, fatores que consigam captar a dependência a que todos os
processos espaciais estão sujeitos, conforme supõe uma lei geográfica conhecida como Lei de Tobler,
ou também, Primeira Lei Geográfica – “tudo depende de todo o restante, porém o que está mais
próximo depende mais do que aquilo que está mais distante” (Tobler, 1979). Assim, a presença de
dependência espacial não levada em consideração na especificação do modelo viola muitos dos
pressupostos que são assumidos pelo modelo clássico de regressão linear, podendo acarretar não apenas
ineficiência nos estimadores, mas dependendo da forma como a dependência se manifesta acarretando
também em seu enviesamento, mesmo trabalhando-se com grandes amostras.
A opção de trabalhar com um painel de dados, em detrimento de uma cross-section, é
largamente justificada pela teoria econométrica, por gerar uma série de vantagens, dentre elas: fornecer
um maior número de observações, uma vez que trabalha-se com a dimensão cross-section e sua
evolução no tempo; contém mais variação e menos colinearidade entre as variáveis; dentre outras
vantagens, conforme destaca Marques (2000):
“Uma das vantagens da estimação com dados em painel é a relevância da heterogeneidade
individual. Assim, os dados em painel sugerem a existência de características diferenciadoras
6 Arretche & Marques consideraram os partidos de acordo com três visões ideológicas: direita (PTB, PPB, PFL), centro
(PMDB, PSDB) e esquerda (PT, PC do B, PV, PSB, PPS, PCB).
8
dos indivíduos, entendidos como “unidade estatística de base”. Essas características podem ou
não ser constantes ao longo do tempo, de tal forma que estudos temporais ou seccionais que
não tenham em conta tal heterogeneidade produzirão, quase sempre, resultados fortemente
enviesados. (Wooldridge, 2006).”
Os dois principais problemas encontrados ao se trabalhar com dados espaciais se referem à
dependência que uma região pode exercer sobre outra e à heterogeneidade espacial, uma vez que
fenômenos que ocorrem no espaço não costumam apresentar estabilidade estrutural nas suas relações
comportamentais. A opção por trabalhar com um painel de dados acomoda bem um destes problemas
(heterogeneidade).
Feita a “acomodação” da heterogeneidade, um outro elemento a ser incorporado na análise é a
dependência espacial, e essa dependência pode se manifestar de diversas formas. Existem testes gerais
que ajudam a detectar a existência de autocorrelação espacial, estes testes recebem esse nome por
indicarem a presença de autocorrelação, mas por não serem capazes de detectar qual é seu tipo. O mais
conhecido deles é o teste I de Moran, que é um teste simples sobre a autocorrelação espacial dos
resíduos da regressão. Formalmente, a estatística I de Moran pode ser expressa por:
ntee
Wee
S
nI
tt
tt
o
t ,...1'
'
(1)
em que ^
ttt xye , sendo ^
o estimador de efeitos fixos para . W é a matriz de pesos espaciais
em que os elementos wij indicam a forma como a região i está espacialmente conectada com a região j.
oS é um escalar igual à soma de todos os elementos de W.
Como será visto na análise dos resultados, o teste do I de Moran para cada período “t” indicou a
existência de dependência espacial. Na formalização do modelo, será testada se essa presença é
observada na defasagem espacial da variável dependente (Wy), na defasagem das variáveis explicativas
(Wx) ou na defasagem do termo de erro (We).
A análise dos resultados do teste de Breusch-Pagan indicou a presença de efeitos não
observados, justificando a relevância em se trabalhar com o painel. Outro teste feito foi o de Hausman,
que indicou que o modelo de efeitos fixos seria mais apropriado do que o modelo de efeitos aleatórios.
Formalizando um modelo geral de Efeitos Fixos, com a inclusão da variável dependente
espacialmente defasada, das variáveis explicativas espacialmente defasadas e também da defasagem
espacial do termo de erro, temos:
ititititit XWXyWy 11 , sendo ititit uW2 (2)
em que )',...,( 1 Nttit yyy é o vetor da variável dependente; )',...,( 1 N é o vetor que capta os
efeitos fixos de cada unidade espacial; )',...,( 1 k é um vetor de coeficientes a ser estimado;
)'',...,'( Ntktit XXX é uma matriz de observações das variáveis explicativas; )',...,( 1 k é um vetor
de coeficientes das externalidades da regressão; )'',...,'( 111 Ntktit XWXWXW é a matriz de defasagem
espacial das variáveis explicativas; é importante ressaltar que 1W e 2W são matrizes de pesos espaciais
diferentes; )',...,( 1 Nttit é o termo de erro auto-correlacionado; )',...,( 1 Nttit uuu é um vetor de erros
i.i.d com variância 2 ; )',...,( 1111 Nttit yWyWyW é o vetor da variável dependente defasada e é o
parâmetro da defasagem auto-regressiva da variável dependente (-1< <1); e )',...,( 2122 Nttit WWW
9
é o vetor de defasagem do termo de erro , onde representa o parâmetro auto-regressivo espacial do
erro (-1< <1).
Para que o modelo de efeitos fixos seja identificado, são necessárias algumas condições,
conforme destaca Wooldridge (2002):
* EF1: 0),/( iiit xuE
Isso indica que o termo não observado, relevante na estimação do modelo, e que neste caso
responde a características especificas de cada região, não pode ser incorporado no termo de erro, pois
.0)/( ii xE
Transformação de EF:
iiiitiitiit uuxxyy___
)(
ititit uxÿ
em que: iy_
média da variável dependente; ix_
média das variáveis explicativas; iu_
média do termo
de erro i.i.d. com variância constante; itÿ desvio de cada componente do vetor y em relação à média;
itx desvio de cada componente da matriz x em relação à média; itu desvio de cada componente do
termo de erro u em relação à média.
O operador de diferença elimina o termo não observado, uma vez que é assumido pelo modelo
que este termo é constante no tempo. Disso, tem-se uma nova condição de ortogonalidade:
0)'( ii uxE , que garante a consistência do estimador.
* EF2: kxxE ii )'( , conhecida como condição de posto. Essa condição é fundamental para a
operacionalização dos estimadores.
Como a literatura acerca do tema não sugere a inclusão de variáveis explicativas defasadas
espacialmente ( – transbordamento), não serão testados os modelos com essas variáveis. Para a
especificação, deve-se estimar os seguintes modelos de efeitos fixos:
modelo de defasagem espacial ( =0, =0 e 0 );
modelo com erro espacial ( =0, =0 e 0 );
modelo com defasagem e erro espaciais ( =0, 0 e 0 );
Uma vez estimados estes modelos, existem dois critérios para a escolha daquele que apresentar
a melhor especificação, ordenados em importância:
1) Os resíduos do modelo final, após a incorporação das variáveis espaciais, não podem mais
apresentar autocorrelação espacial;
2) Uma vez eliminada a autocorrelação espacial, a escolha deve ser feita pelo modelo que
apresentar o menor valor do critério de informação.
10
4.2. Variáveis utilizadas e exogeneidade
Discutidos os pormenores metodológicos, apresentamos agora as variáveis utilizadas no
modelo, bem como o processo de escolha das mesmas. Inicialmente, a escolha de variáveis sócio-
econômicas e do setor saúde foi feita através de métodos de análise fatorial7. Pela aplicação desse
método para trinta e duas (32) variáveis de saúde e sócio-econômicas analisadas, encontramos que sete
(7) variáveis possuíam grande similaridade com a variável dependente, fazendo parte de um mesmo
fator comum.
É importante testar as variáveis para uma potencial endogeneidade dos regressores. Precisamos
validar o modelo comprovando a exogeneidade estrita de todas as variáveis inclusas, e faremos isso
através da estatística “C”, que permite analisar sub-série de instrumentos, testando essa sub-série a
partir da série original de condições ortogonais (Baum et al, 2003)8. O teste “C” de exogeneidade foi
utilizado estabelecendo como instrumento o valor da mesma variável defasado de um período9. Ele
mostrou que a única variável endógena era a de recursos próprios aplicados em saúde, sendo
substituída na análise por seu respectivo instrumento (drecprop)10
.
O resultado econométrico encontrado para esses testes de exogeneidade é interessante e
condizente com a realidade da dinâmica do SUS. O atendimento no Sistema é realizado de forma que a
demanda define a oferta. Ou seja, o paciente realiza a procura no serviço e a partir daí a oferta é gerada.
O sentido de causalidade se dá então do atendimento para o gasto. Isso vale para todas as variáveis do
setor saúde, exceto a de recursos próprios.
Porém mesmo com esse sentido causal, o SUS não disponibiliza orçamento infinito para as
prefeituras. Ou seja, existe um teto de recursos que se alcançado, invalida o sentido de causalidade
demanda-oferta. Mesmo assim, porém, na portaria GM/MS Nº 1.882, de 1997, em seu artigo 5º, se
expressa que a parte destinada pelo Programa de Atenção Básica é variável, ou seja, é repassada aos
municípios conforme a demanda do mesmo. Vale, portanto, o sentido causal de demanda gerando
oferta. Já para o caso da variável de recursos próprios a endogeneidade também é clara, visto que é
difícil dizer qual o sentido de causalidade entre ela e o gasto com saúde.
A tabela final das variáveis é apresentada abaixo, bem como as dummies espaciais e políticas
utilizadas. As variáveis monetárias foram deflacionadas pelo Índice Nacional de Preços ao consumidor
(INPC), disponível no site IPEADATA, para valores de 2002.
7 O objetivo do mesmo é descrever a variabilidade original de um vetor aleatório X, em termos de um número menor de m
variáveis aleatórias, denominadas fatores comuns e relacionadas com o vetor original através de um modelo linear (Mingoti,
2005). Assim, a análise fatorial procura agrupar subconjunto de variáveis que possuam uma alta correlação entre si. 8 Basicamente, a estatística de Sargan é
nuu
uZZZZuanS
/ˆ'ˆ
'ˆ'1)'('ˆarg
em que u é o erro predito pela regressão e Z é a série de instrumentos a utilizar no modelo. A estatística “C” é
computada como a diferença entre duas estatísticas de Sargan: uma para a regressão que usa a totalidade dos instrumentos
propostos versus uma para a regressão que utiliza a sub-série de instrumentos aos quais se deseja testar. O teste “C” segua
uma χ2 com graus de liberdade igual ao número de restrições, ou o número de instrumentos a serem testados, sob a hipótese
nula de que as variáveis testadas com provável endogeneidade são exógenas (Baum, 2006). 9 Imaginamos, dessa forma, que essas defasagens são bastante correlacionadas com a variável potencialmente endógena,
mas não correlacionada com o termo de erro da equação naquele referido ano. 10
Os testes “C” para todas as variáveis da saúde testadas no modelo foram realizados no software STATA e estão na tabela
A.1 no anexo do artigo.
11
Dos 5561 municípios existentes no Brasil, de acordo com o IBGE (número referente ao ano de
2001), 751 tiveram que ser retirados por falta de dados. Tais dados ou não existiam para nenhum dos
seis anos ou não existiam para alguns deles, e por conta do balanceamento do painel tais municípios
tiveram que ser extraídos da base. Por fim, a base ficou composta por 4810 municípios, que possuíam
todos os dados que foram utilizados na análise econométrica para todos os seis anos de estudo.
TABELA 3: Variáveis utilizadas nos modelos
Abreviação DescriçãoUnidade de
medidaAno estudo Fonte dos dados básicos
GastopcDespesa total com Saúde per capita sob a
responsabilidade do MunicípioR$/hab 2002 e 2006 SIOPS/DATASUS - MS
pibpc Produto Interno Bruto per capita do município R$/hab 2001 a 2006 IPEADATA
govpcarrecadação de impostos per capita no
municípiomil R$/hab 2001 a 2006 IPEADATA
consConsultas médicas per capita nas
especialidades básicasun./hab 2001 a 2006 DATASUS - MS
partsusParticipação do SUS nos gastos municipais
em Saúde% 2001 a 2006 DATASUS - MS
pambqpcQuantidade de produção ambulatorial per
capitaun./hab 2001 a 2006 DATASUS - MS
assmedpc Assistência médida per capita no município un./hab 2001 a 2006 DATASUS - MS
drecprop
Participação da receita própria aplicada em
Saúde conforme a EC 29/2000 defasada de
um período
% 2001 a 2006 SIOPS/DATASUS - MS
drec-ano Dummy para recursos próprios por ano. % 2001 a 2006 Elaboração própria
dgmDummy com valor unitário se o município
possui mais de 300.000 hab.binária 2001 a 2006 Elaboração própria
dpmDummy com valor unitário se o município
possui menos de 30.000 hab.binária 2001 a 2006 Elaboração própria
w_errodefaságem espacial do erro utilizando a
matriz de ponderação espacial "rainha"R$/hab 2001 a 2006 Elaboração própria
w_gasto_est
defasagem espacial da variável dependente
(estimada), utilizando a matriz de
ponderação espacial k2-vizinhos
R$/hab 2001 a 2006 Elaboração própria
dgovDummy com valor unitário se o partido do
prefeito é o mesmo partido do governadorbinária 2000 e 2004
Tribunal Superior Eleitoral -
TSE
dPMDBDummy com valor unitário se a prefeitura é
governada pelo PMDBbinária 2000 e 2004
Tribunal Superior Eleitoral -
TSE
dPSDBDummy com valor unitário se a prefeitura é
governada pelo PSDBbinária 2000 e 2004
Tribunal Superior Eleitoral -
TSE
dDEMDummy com valor unitário se a prefeitura é
governada pelo DEMbinária 2000 e 2004
Tribunal Superior Eleitoral -
TSE
dPRDummy com valor unitário se a prefeitura é
governada pelo PRbinária 2000 e 2004
Tribunal Superior Eleitoral -
TSE
dPPDummy com valor unitário se a prefeitura é
governada pelo PPbinária 2000 e 2004
Tribunal Superior Eleitoral -
TSE
doutros
Dummy com valor unitário se a prefeitura é
governada por algum partido que não os
citados acima
binária 2000 e 2004Tribunal Superior Eleitoral -
TSE
Fonte: Elaboração Própria.
espacias
Variável dependente
sócio-econômicas
políticas
Variáveis independentes
setor saúde
12
As variáveis sócio-econômicas e de saúde são auto-explicativas e servirão como controle, sendo
interessante a nosso ver o coeficiente de drecprop, os coeficientes partidários e regionais. Isso porque a
magnitude desses valores nos anos da análise irá nos indicar significativas mudanças de importância
dessas variáveis no direcionamento dos gastos da saúde. Para a primeira – drecprop – mediremos a
importância da EC-29. A segunda – política – mostra direcionamentos partidários distintos. Já a
terceira mostra a importância regional e será analisada pela dependência espacial.
Para a análise política, utilizamos os seis maiores partidos em representatividade na câmara
nacional, a saber: PMDB, PT, PSDB, DEM, PR e PP (em ordem decrescente de representatividade).
Ocultamos a variável dummy que representa o PT e inserimos a variável doutros, que representa todos
os outros partidos políticos que não os especificados acima. Uma breve estatística descritiva das
variáveis quantitativas do modelo é mostrada na tabela abaixo.
TABELA 4: Estatística descritiva das variáveis quantitativas
média dp média dp média dp média dp média dp média dp
gastopc 93.46 49.90 102.39 52.15 104.41 54.98 118.94 63.42 134.07 66.11 154.14 75.39
pibpc 5269.06 6648.12 5634.76 6381.38 6861.63 8103.44 7609.92 9561.26 7983.65 10573.49 8976.59 13180.26
govpc 0.83 0.26 0.95 0.29 1.06 0.31 1.14 0.34 1.31 0.38 1.48 0.44
cons 1.97 1.48 2.09 1.23 2.01 1.31 1.97 1.27 2.00 1.35 2.02 1.37
partsus 0.49 0.29 0.49 0.29 0.49 0.29 0.50 0.28 0.50 0.28 0.49 0.28
pambqpc 10.97 6.36 11.84 5.99 11.81 5.91 11.54 6.15 11.78 6.58 12.28 7.27
assmedpc 0.05 0.08 0.05 0.07 0.05 0.08 0.05 0.08 0.05 0.08 0.05 0.09
drecprop 0.1339 0.07 0.1463 0.06 0.1626 0.06 0.1759 0.05 0.1826 0.05 0.1891 0.04
num. obs.
Fonte dos dados básicos: Atlas do Desenvolvimento Humano, DATASUS, IPEADATA e TSE.
Variáveis /
Anos
2001 2002 2003 2004 2005 2006
4810 4810 4810 4810 4810 4810
Constata-se pela análise da tabela crescimento monótono apenas das variáveis gastopc, pibpc,
govpc e drecprop. Para as demais, a evolução não segue uma dinâmica definida. É interessante que
houve um grande aumento da participação dos recursos próprios e uma certa constância nos repasses
do SUS, mantendo sempre uma mesma média e desvio-padrão durante o período. Esse crescimento
conjunto dos gastos e dos recursos próprios mostra um primeiro indício da importância da legislação
federal no setor.
Para continuação da análise, segue abaixo os resultados encontrados.
5. Resultados e Discussões
5.1. Análise Exploratória dos Dados Espaciais (AEDE)
“a AEDE é a coleção de técnicas para descrever e visualizar distribuições espaciais,
identificar localidades atípicas, descobrir padrões de associação espacial e sugerir diferentes
regimes espaciais e outras formas de instabilidade espacial ou não-estacionariedade espacial”
(Anselin, 1999, p. 258).
A estatística I de Moran demonstra a existência de dependência espacial em todos os anos
analisados. Na análise dos resíduos foi utilizada a matriz de ponderação espacial “rainha” e na análise
de dependência da variável dependente foi utilizada a matriz de k2-vizinhos mais próximos. O
procedimento de escolha das matrizes de ponderação espacial foi feito de acordo com o critério de
Baumont (2004), e os resultados encontrados são os seguintes:
13
TABELA 5: Estatística I de Moran 2001 2002 2003 2004 2005 2006
gastopc 0,3167* 0,3392* 0,3700* 0,3573* 0,3340* 0,3360*
erro 0,1775* 0,1022* 0,0884* 0,1358* 0,1209* 0,1735*
Fonte: Elaboração Própria.
* significativo a 1%
Os resultados11
observados acima confirmam a existência da correlação espacial dos dados.
Neste caso é observado um padrão positivo de correlação, que justifica a utilização de variáveis
defasadas espacialmente como variáveis explicativas do modelo. O mapa de Dispersão de Moran
permite uma melhor observação dos resultados descritos anteriormente, apresentando seu padrão
espacial. Abaixo observamos estes mapas apenas para os anos de 2001 e 2006, visto que os demais
anos da análise seguem o mesmo padrão.
FIGURA 1: Diagramas de Dispersão de Moran (2001 e 2006)
Fonte: Elaboração Própria.
Contudo, o mapa de dispersão de Moran tem o problema de possibilidade de esconder padrões
locais de autocorrelação espacial. Estes podem ser observados pelo uso dos indicadores locais de
associação espacial (LISA), que é importante por proporcionar a cada observação uma indicação da
existência de clusters espaciais, de valores similares, em torno de sua vizinhança. Nesta analise é usado
o I de Moran a um nível de significância de 5%, como se observa a seguir:
11 Todos os resultados apresentados na análise exploratória dos dados espaciais foram obtidos pelos softwares SpaceStat,
Geoda e ArcView.
14
FIGURA 2: Mapas de Clusters LISA (2001 e 2006)
Fonte: Elaboração Própria.
Pela análise do mapa de cluster (LISA) observamos, na comparação dos dois anos extremos do
estudo, uma concentração de cluster Low-Low em boa parte da Região Nordeste (especificamente no
Sertão Nordestino) e uma área da Região Norte, enquanto a Região Sudeste (mais especificamente São
Paulo, Rio de Janeiro e sul de Minas) apresenta uma concentração de cluster High-High. Apresentados
os padrões espaciais, discutiremos a partir de agora o modelo econométrico de dados em painel
corrigido para essas correlações.
5.2. Modelo Econométrico de dados em painel espacial
Apresentamos na tabela abaixo os quatro modelos de estimação, sendo o primeiro o modelo de
FE sem a inclusão das variáveis de dependência espacial, e os outros três com a diferença do tipo de
correlação espacial admitida. O modelo 2 (modelo de lag) tem a inclusão da variável dependente
defasada, o modelo 3 tem a inclusão da defasagem do erro (modelo de erro espacial) e o modelo 4 (lag
com erro) tem a inclusão dessas duas variáveis. Como sugerido na metodologia, o modelo preferido
deve ser aquele que apresentar o menor valor do critério de informação, depois de observada a
eliminação da dependência espacial do erro.
Dos modelos analisados, o que mais se ajustou foi o modelo 4, que ajusta o problema da
autocorrelação espacial pela inclusão das variáveis w_erro – dependência espacial manifesta nos erros
– e w_gasto – dependência espacial manifesta na variável dependente. Vale destacar que o modelo 2,
apesar da inclusão da variável w_gasto, não conseguiu eliminar o problema da dependência espacial.
Dos dois modelos que conseguiram eliminá-la (3 e 4), o modelo 4 apresentou o melhor critério de
informação R2-within, e as análises feitas abaixo serão com base nele.
15
TABELA 6: Modelos de Dados em Painel Espacial – corrigidos por dependência da variável
dependente, dos erros, por nenhuma ou de ambos. Modelo 1 Modelo 2 Modelo 3 Modelo 4
constante 17.21367 14.09497* 14.82207 9.088712 *
pibpc 0.0001863*** 0.0001854*** 0.0001508*** 0.000149***
govpc 70.95197* 69.0329* 75.11486* 71.61431*
cons 0.4571104 0.4641047 .4971198*** 0.5101457***
partsus -0.4070667 -0.4045383 -0.612784 -0.6091414
pambqpc 0.3156063* 0.3139992* 0.2970519* 0.2940137*
assmedpc 30.22527* 28.95307* 26.14231** 23.78847**
drecprop 19.97856* 21.19641* 24.80707* 27.06481*
drec02 -5.723543 -6.740044*** -10.51485* -12.40299*
drec03 -38.60471* -39.00602* -44.0197* -44.78223*
drec04 7.62765* 4.541398 -0.1037519 -5.803436
drec05 16.95372* 12.03996** 5.641236 -3.428653
drec06 57.98302* 49.83029* 45.52139* 30.5035*
dgm -14.3171* -14.51059* -7.579784*** -7.90214***
dpm 8.961671* 9.038851* 6.790881* 6.92197*
dgov 0.489606 0.4652527 0.5740041 0.5297327
ddem -0.1838422 -0.1308759 0.2009248 0.2999635
dpr 1.815465 1.785403 2.107906*** 2.05417***
dpmdb 1.835494*** 1.878435*** 2.51283* 2.594892*
dpp 1.035943 1.087045 2.02094*** 2.119465***
dpsdb 2.274636** 2.317426** 2.51719* 2.596875*
doutros 1.753842*** 1.7758*** 2.101452** 2.143494**
W_GASTO_EST 0.0466068 0.0855081*
W_ERRO .523666* 0.5262017*
F 795.65 797.96 836.03 854.49
R2 within 0.5507 0.5508 0.5849 0.5853
num. observ.
Fonte: Elaboração Própria a partir de dados do DATASUS-MS, TSE e Ipeadata.
28860
Significante a (*)1%, (**)5%, (***)10%.
Mesmo sendo escolhido o modelo 4, pode-se notar que na comparação de todos os modelos há
uma estabilidade no coeficiente das variáveis explicativas, mostrando estabilidade e confiança na nossa
análise. A inclusão da dependência espacial além da correção do viés trouxe maior robustez aos
resultados.
Importante notar também que a variável w_gasto, incluída no modelo, é determinada
simultaneamente com a variável dependente gastopc. A estimação do modelo sem levar em conta esse
problema leva ao enviesamento dos estimadores, pois esta variável funciona como uma variável
endogenamente determinada. A solução adotada aqui foi utilizar a proposta de Keleijian e Robinson
(apud Anselin, 1992), instrumentalizando o w_gasto, com a utilização das variáveis explicativas
defasadas espacialmente (w_x). Assim, estimou-se a variável w_gasto_est, e esta variável foi utilizada
como um instrumento para a variável w_gasto. Tal procedimento é semelhante ao utilizado no primeiro
estágio da estimação por MQ2E.
A equação 4, nosso principal objeto a partir de agora, é adequada e validada pelo valor de seu
teste F. Obtivemos um total de 28.860 observações no painel englobando, portanto, 4810 municípios na
análise (86,45% do total nacional). Os demais municípios tiveram que ser extraídos da análise ou por
falta de dados, ou pelo balanceamento do painel. As variáveis escolhidas pelo método de análise
fatorial se mostraram relevantes para o entendimento dos gastos com saúde. Com exceção da variável
que apresenta a participação do SUS – partsus –, todas as demais sócio-econômicas e da saúde foram
relevantes no modelo.
PIB per capita foi importante, mostrando que municípios que tem maior produto também são os
que gastam mais na rubrica. Além disso, a inserção municipal na economia também é relevante, visto o
sinal positivo e significante da variável govpc. Como explicado na metodologia, ela mede a quantidade
16
monetária de impostos arrecadados por habitante. Assim, aumento de arrecadação gera mais
disponibilidade de gastos, influenciando em um aumento dos recursos para a saúde.
Para as variáveis da saúde os resultados também são bastante intuitivos. Como esperado, o
aumento do número de consultas realizadas no município – variável cons – aumenta os gastos das
prefeituras, bem como o aumento de produção ambulatorial – pambqpc. Os resultados da participação
do SUS (partsus), do número de assistência médica (assmedpc) e dos recursos próprios aplicados na
saúde (drecprop) são mais interessantes e merecem melhor explicação.
No caso da assistência médica, o resultado nos mostra que há correlação positiva entre o
aumento de habitantes com planos privados de saúde e o aumento da assistência municipal. Há uma
relação importante e significativa entre o aumento da participação privada e pública na saúde. Isso
mostra que ao invés da relação intuitiva imediata de concorrência entre esses serviços, pode haver antes
disso uma relação de simultaneidade e complementaridade na atuação pública e privada.
Essa discussão pode ainda ser justificada pela participação privada no SUS. Como expresso na
própria criação do Sistema, a atuação privada de hospitais e clínicas no sistema funciona como um
complemento à atuação do serviço público, ofertando serviços pelo SUS onde os estabelecimentos
públicos não estejam ou onde eles não tem competência para fazê-lo. Dessa forma, o aumento de
assistência médica privada fortifica o sistema privado e em conseguinte aumenta a necessidade de
gastos públicos municipais na rubrica.
Para partsus, o resultado foi não significativo, expressando que a relevância do SUS é baixa
para a explicação dos gastos municipais. Isso corrobora a diminuição da participação dos repasses
federais apresentadas no referencial teórico do artigo. Porém, para o caso da rubrica drecprop o
resultado é bastante significativo e o coeficiente é alto. Ou seja, para a definição dos gastos com saúde
no município o montante aplicado pelas prefeituras através de seus próprios recursos parece ser muito
mais importante do que a quantidade de recursos que as mesmas irão receber do governo federal ou
estadual.
Esse resultado nos diz que o objetivo do MS ao estabelecer a EC-29 parece estar sendo
cumprido, qual seja, o de contribuir para a diminuição da dificuldade do financiamento da saúde, visto
que as prefeituras mostram-se dependentes de seu próprio financiamento.
As dummies de recursos próprios, no entanto, mostram que a importância da EC-29 não é a
mesma ao longo dos anos. Em 2002 e 2003 há queda vis a vis 2001, com estabilidade para 2004 e 2005
e aumento para 2006. Essas significâncias mostram, em parte, que a importância dos recursos próprios
sofreu uma queda nos anos iniciais, mas aumentado no último ano da análise, o que ainda corrobora a
importância da política.
As dummies de grandes municípios (dgm) e pequenos municípios (dpm) é importante como
fator de controle de escala e apresentou resultados próximos ao sugerido na literatura da área. Estudos
nacionais mostram que a descentralização provocada pelo SUS pode afetar negativamente a oferta dos
serviços públicos da saúde, visto que diminui a economia de escala das prefeituras no provimento das
ações (Souza e Mendes, 2006; Mattos et al, 2008).
O intuito dessas dummies foi controlar para essa situação, estabelecendo como grandes
municípios os com população maior que 300.000 habitantes e como pequenos os com população menor
que 30.000 habitantes. O modelo sem essas dummies, portanto, capta os gastos para municípios com
população entre 30.000 e 300.000 habitantes. O resultado corrobora os estudos, mostrando que
municípios grandes gastam comparativamente menos, e municípios menores gastam mais.
Passamos agora para a análise política começando a análise da variável dgov, que procura
captar a influência entre prefeituras do mesmo partido do governador. Ela não se mostrou significante,
mostrando que não há direcionamento favorecido por pressões partidárias de esferas municipal e
estadual.
17
Para as dummies políticas por partido de governo municipal, os resultados são em sua maioria
significantes, mostrando menor gastos do PT vis a vis os demais. Todos os partidos, com exceção dos
Democratas, mostram maiores gastos que o PT no período analisado. Porém, a simples explicação
desse resultado poderia viesar nosso entendimento, calculando que o PT gastaria menos que os demais
partidos na saúde. Para mostrar porque esse resultado não deve ser exatamente esse mostramos a tabela
5, com os gastos totais per capita com saúde e a parcela de recursos próprios aplicados separados por
partido e por ano.
TABELA 7: Médias das variáveis Gasto Total per capita e recursos próprios aplicados em saúde
por partido e ano Partido
Ano 2001 2002 2003 2004 2005 2006 2001 2002 2003 2004 2005 2006
n
gastopc 103.37 112.57 114.30 133.07 126.60 145.53 87.47 96.26 97.07 110.48 129.13 150.26
drecprop 0.140 0.156 0.170 0.179 0.180 0.186 0.135 0.147 0.167 0.180 0.186 0.190
Partido
Ano 2001 2002 2003 2004 2005 2006 2001 2002 2003 2004 2005 2006
n
gastopc 92.12 103.14 105.51 122.15 140.65 160.93 96.43 103.44 105.06 118.83 133.03 152.93
drecprop 0.127 0.134 0.157 0.167 0.182 0.185 0.135 0.149 0.161 0.175 0.181 0.189
Partido
Ano 2001 2002 2003 2004 2005 2006 2001 2002 2003 2004 2005 2006
n
gastopc 96.47 104.39 107.11 121.39 143.31 163.96 90.28 101.34 102.37 116.80 129.20 149.03
drecprop 0.136 0.149 0.163 0.176 0.184 0.190 0.132 0.143 0.161 0.177 0.181 0.187
Fonte: Elaboração Própria a partir de dados do DATASUS-MS, TSE e Ipeadata.
882 666
PP
DEM
PR
PMDB
865 789
PSDB
202 326
PT
177 369
9131065
525 471
Pode-se constatar que o nível de gastos do PT no ano de 2001 era muito superior ao dos demais
partidos. Ou seja, para 2001 o PT em média dispendia muito mais com saúde. Para os anos seguintes, o
crescimento dos demais partidos nos gastos foi muito maior que o do PT, fazendo com que no ano de
2006 o partido vigorasse como o último na média de gastos.
Porém, se considerarmos além desses resultados a porcentagem de recursos próprios em saúde
por partidos, podemos retirar algumas constatações que nos expliquem esse menor aumento do PT. Até
2003 o PT foi o partido que mais aplicou recursos próprios, e por esse motivo talvez ele seja o que
menos precisou aumentar seus gastos para se adequar à legislação. Isso mostra que o partido já estava
ajustado aos valores que a EC-29 exigia para 2004 até mesmo antes desse ano, praticando assim já uma
alocação de renda adequada. Pouco esforço foi necessário então para melhorar.
Por essa observação fica claro entender porque os demais partidos foram notadamente os que
mais buscaram melhorar suas posições no gasto com saúde, fazendo com que em 2006 eles gastassem
mais que o PT.
Nas variáveis de controle da dependência espacial, encontramos que tanto w_gasto_est como
w_erro são significativas no modelo, e neste caso servem apenas como variáveis de controle. Sua
omissão geraria o viés de variável relevante omitida, o que acarretaria problemas já mencionados na
metodologia. O coeficiente da variável w_gasto_est indica o padrão positivo de dependência dos
gastos, com municípios que gastam mais ficando próximos de municípios que gastam mais e
municípios que gastam menos próximos de municípios que gastam menos, conforme já foi
demonstrado na AEDE.
18
6. Conclusões
O processo de descentralização do SUS trouxe maiores responsabilidades aos entes federativos
estaduais e municipais, delegando a tais tarefas que antes eram exclusivamente ofertadas pela União.
Nesse âmbito, ficou a cargo dos municípios o direcionamento dos investimentos finais em saúde, sendo
o ente que aplica na prática as políticas públicas. Torna-se relevante, portanto, a análise da evolução de
seus gastos, bem como os seus determinantes, como forma de avaliar a execução dos serviços e
entender como está se desenvolvendo a atuação pública.
Através de um modelo de dados em painel controlado para dependência espacial, procuramos
encontrar evidências que mostrem a importância da EC-29 nos gastos públicos, bem como alguma
relevância política no direcionamento das prefeituras. Inicialmente, no controle espacial, encontramos
uma concentração de cluster de baixo nível de gastos no Nordeste e Norte e uma concentração de
cluster de alto nível de gastos no Sudeste, revelando padrões de gastos em saúde próximos a padrões de
PIB dessas localidades.
Já no modelo de dados em painel espacial, encontramos nenhuma significância da participação
do SUS na definição dos gastos, mas um coeficiente e significância bastante elevados para a variável
que trata dos recursos próprios aplicados na saúde. Ou seja, em vista da dificuldade de financiamento
encontrada pelo SUS durante toda a década de 90 do século passado, a promulgação da EC-29 parece
ter surtido efeito, visto que foi uma das principais variáveis relevantes no modelo econométrico
apresentado.
Ainda, para um controle político, constatamos um maior crescimento dos demais partidos vis a
vis os gastos do Partido dos Trabalhadores (PT) no período da análise. Porém, como indicado nos
resultados, esse maior crescimento pode ser visto muito mais como uma maior necessidade de
adequação desses partidos à EC-29 do que necessidades ideológicas partidárias, visto que em 2001 o
PT era o partido que mais gastava e também o que mais estava adequado à pressão federal.
Assim, no sentido da necessidade de adequação do financiamento aos gastos, a EC-29 foi
primordial. A emenda foi responsável por, de certa maneira, equalizar os esforços municipais no que
tange à rubrica saúde e, pelo menos nessa área e no âmbito municipal, diminuir as distâncias entre
partidos e invalidar os discursos inflamados de seus representantes.
7. Bibliografia
ANSELIN, L. Spacestat Tutorial. Mimeo., University of Illinois, 1992.
ANSELIN, L. Interactive techniques and exploratory spatial data analysis. In LONGLEY, P. A.,
GOODCHILD, M. F., MAGUIRE, D. J., RHIND, D. W. (ed) Geographic Information System:
Principles, Techniques, Management and Applications. John Wiley, New York, p. 251-264, 1999.
ARRETCHE, M.; MARQUES, E. Municipalização da saúde no Brasil: diferenças regionais, poder do
voto e estratégias de governo. Revista Ciência e Saúde Coletiva, São Paulo, v. 7, n. 3, p. 455-479,
2002.
BAUM, C. F.; SCHAFFER, M. E.; STILLMAN, S. Instrumental variable and GMM: estimation and
testing. Boston: Departament of Economics Boston College, 2003. (Working Paper; 545)
19
BAUMONT, C. Spatial Effects in housing price models: do house prices capitalize urban development
policies in the agglomeration of Dijon (1999)? Mimeo, Université de Bourgogne, 2004. Disponível em
http://ungaro.u-bourgogne.fr/baumont/e2004-04.pdf. (Acesso em 24/03/2009).
BRASIL. Lei nº 8.142, de 28 de dezembro de 1990. Dispõe sobre a participação da comunidade na
gestão do Sistema Único de Saúde (SUS) e sobre as transferências intergovernamentais de recursos
financeiros na área da saúde e dá outras providências. In: BRASIL. Conselho Nacional de Secretários
de Saúde. Legislação do SUS. Brasília: 2003a. p. 38-39.
BRASIL. Portaria nº 2.203, de 5 de novembro de 1996. Dispõe sobre a Norma Operacional Básica do
Sistema Único de Saúde. In: BRASIL. Conselho Nacional de Secretários de Saúde. Legislação do SUS.
Brasília: 2003c. p. 49-86.
BRASIL. Portaria GM/MS nº 1.882, de 18 de dezembro de 1997. Estabelece o Piso de Atenção Básica
– PAB e sua composição. In: BRASIL. Conselho Nacional de Secretários de Saúde. Legislação do
SUS. Brasília: 2003d. p. 87-90.
BRASIL. Emenda Constitucional n. 29, de 13 de dezembro de 2000. Altera os artigos 34, 35, 156, 160,
167 e 198 da Constituição Federal e acrescenta artigo ao ato das disposições constitucionais
transitórias, para assegurar os recursos mínimos para o financiamento das ações e serviços públicos de
saúde. In: BRASIL. Conselho Nacional de Secretários de Saúde. Legislação do SUS. Brasília: 2003e. p.
232-234.
BRASIL. Portaria GM/MS n. 95, de 26 de janeiro de 2001. Cria a Norma Operacional da Assistência à
Saúde – NOAS/SUS 01/2001. In: BRASIL. Conselho Nacional de Secretários de Saúde. Legislação do
SUS. Brasília: 2003f. p. 235-266.
CORNÉLIO, R. R. A formulação da decisão no nível estratégico de uma organização pública: um
estudo sobre o processo decisório na SMS-RJ. 1999. 131 f. Dissertação (Mestrado) - Escola Nacional
de Saúde Pública, Fundação Oswaldo Cruz, Rio de Janeiro,1999.
COSTA, N. R. A Descentralização do Sistema Público de Saúde no Brasil: balanço e perspectivas. In.:
Brasil: Radiografia da Saúde. org.: NEGRI, B., DI GIOVANNI, G. Campinas, SP: UNICAMP, 2001
DAIN, S. Os vários mundos do financiamento da saúde no Brasil: uma tentativa de integração. Ciência
e Saúde Coletiva, 12(sup), Rio de Janeiro, 2007, p. 1851-1864.
FAVERET, A. C. S. C. A Vinculação Institucional de Recursos para a Saúde: Avanços, Entraves e
Perspectivas. Ciência & Saúde Coletiva, 8(2), Rio de Janeiro, 2003, p. 371-378.
LEVCOVITZ, E., LIMA, L. D., MACHADO, C. V. Política de Saúde nos anos 90: Relações
Intergovernamentais e o Papel das Normas Operacionais Básicas. Ciência e Saúde Coletiva, ano/vol 6,
n. 002, Rio de Janeiro, 2001, p. 269-291.
MACHADO, C. V. Contexto, Atores, Instituições: Um Estudo Exploratório Acerca das Modalidades
de Gerência de Hospitais Públicos do Município do Rio de Janeiro nos Anos 90. Dissertação de
Mestrado (Saúde Coletiva). Rio de Janeiro: Instituto de Medicina Social da UERJ.
20
MALIK, A. M. Planejamento, financiamento e orçamento da saúde. In: ARANHA, M. L.; TOJAL, S.
B. B. (Org.). Manual conceitual do aluno do curso de especialização à distância em Direito Sanitário.
São Paulo: Fiocruz, 2002. p. 159-173.
MATTOS, E., ROCHA, F., NOVAES, L., ARVATE, P., ORELLANO, V. Economias de Escala na
oferta de serviços públicos de saúde: um estudo para os municípios paulistas. In: Encontro Nacional de
Economia, XXXVI, 2008, Salvador. Anais... Disponível em
http://www.anpec.org.br/encontro2008/artigos/200807181429220-.pdf
MENDES, C. C., SOUSA, M. C. S. Estimando a demanda por serviços públicos nos municípios
brasileiros. Revista Brasileira de Economia, 60(3), Rio de Janeiro, 2006. p. 281-296.
NORONHA, J. C., LIMA, L. D., MACHADO C.V. A gestão do Sistema Único de Saúde:
características e tendências. In: 2ª Conferência Nacional de Ciência, Tecnologia e Inovação em Saúde,
2004. Anais Ministério da Saúde. Brasília (DF): Secretaria de Ciência e Tecnologia; 2005. p.45-94.
OLIVEIRA, A. C., SIMÕES, R. F., ANDRADE, M. V. Regionalização dos serviços de média e alta
complexidade hospitalar e ambulatorial em Minas Gerais: estrutura corrente versus estrutura planejada.
In: SEMINÁRIO SOBRE A ECONOMIA MINEIRA, 13., 2008, Diamantina. Anais... Belo Horizonte:
UFMG/CEDEPLAR, 2008. p. 76.
PIOLA, S. F., BIASOTO, G. Financiamento do SUS nos anos 90. In.: Brasil: Radiografia da Saúde.
org.: NEGRI, B., DI GIOVANNI, G. Campinas, SP: UNICAMP, 2001.
TOBLER, W. Cellular geography. In: S. Gale and O. G. (ed). Philosophy in Geography. Dordrecht,
Reidel, 1979. v., p.379-386
WOOLDRIDGE, J. M. Introductory econometrics: a modern approach. 3rd. ed. Mason: Thomsom,
2006. 890 p.
8. Anexo
TABELA A.1: Teste “C” para Exogeneidade
gastopc 12.342
recprop 23.820
pibpc 10.478
partsus 2.347
govpc 1.342
pambqpc 1.034
cons 15.762
assmedpc 7.502
Fonte dos dados básicos: Atlas do Des.
Humano, DATASUS, IPEADATA e TSE.
teste "C"
Valores críticos teste qui-quadrado (10 g.l.):
0.001 = 29.59 / 0.01 = 23.21 / 0.05 = 18.31
Número de observações: 1725
Variáveis