Pular para conteúdo

📐 HEX-EDU

Aplicação do H3 hexagonal grid ao IDEB municipal carioca. v0.6.1 entrega replicação parcial de Pereira et al. (2019) IPEA: acessibilidade ponderada por IDEB. v0.5 decomposição Theil-T continua disponível como análise complementar.

paper v0.6 v0.5 mapa

Paper-base

Pereira, R. H. M.; Braga, C. K. V.; Serra, B.; Nadalin, V. G. (2019). Desigualdades socioespaciais de acesso a oportunidades nas cidades brasileiras — 2019. IPEA Texto para Discussão. https://hdl.handle.net/10419/240730

Método dos autores: discretização do território urbano em hexágonos H3 (resolução variável conforme densidade), cálculo de acessibilidade a oportunidades (educação, saúde, emprego, lazer) ponderada pela proximidade temporal (isócronas via OSM) e pela qualidade/quantidade da oportunidade. Decomposição da acessibilidade por renda e raça revela inequidades sistemáticas: pessoas brancas e de alta renda têm maior acessibilidade.

Cidades cobertas no paper: São Paulo, Rio de Janeiro, Belo Horizonte, Recife, Fortaleza, Porto Alegre, Curitiba (transporte público) + 20 cidades para transporte ativo.

v0.6.1 — acessibilidade ponderada por IDEB ✅

Para cada hex H3 (1593 unidades, res 8) computamos:

acesso_quality(i) = Σ_j IDEB(j) · exp(-d(i,j)/d0)

onde j são os equipamentos eleg. (Escola Municipal + CIEP + Especial = 1022) em raio de 5 km, d é a distância haversine ao equipamento, e d0 = 1.5 km é o parâmetro de impedância. acesso_quality é a métrica Pereira-style: oportunidade educacional ponderada pela qualidade de cada opção e penalizada exponencialmente pela distância.

Achado da v0.6.1: AP 3 (Zona Norte) lidera o acesso ponderado (média 113), seguida do Centro (96). Zona Sul fica em 59 e AP 4 (Barra/Jacarepaguá) em 29. Zona Norte alta densidade > Zona Sul alta qualidade isolada. Detalhes técnicos no Relatório 14.

Próximo (v0.7): substituir distância haversine por isócronas reais via OSM road network (osmnx) + decompor por SES real (IPS/IDS).

v0.5 — decomposição Theil-T ✅

Análise complementar da inequidade do IDEB municipal por bairro. Usa o mesmo grid H3 da v0.6 mas aplica decomposição de Theil em vez de métrica de acesso.

Achado: 66% da desigualdade do IDEB municipal carioca está dentro das RAs, não entre. Coropléticos por RA mascaram a maior parte da variância. (Relatório 06)

Ambas as análises usam o mesmo substrato espacial (H3 res 8 + bairros oficiais IPP). A v0.6 mede "quanta opção tenho perto"; a v0.5 mede "quanta variância existe entre opções, agregada por escala administrativa".

Visualizações disponíveis hoje

Mapa estático: RA vs H3 (2023)

HEX-EDU 2023

Esquerda: por RA (33). Direita: por hex H3 (1593). Mesma escala de cor, mesmo dado. Bolsões vermelhos visíveis na direita estão dentro de RAs cuja média é "ok".

:material-map: Versão interativa em /mapa/

Robustez do achado Theil (linha do tempo, 6 séries)

A parcela within-RA fica entre 59% e 73% em todos os 9 anos, em todas as 6 séries (5º, 9º, ponderado, Aprovação, SAEB, IDEB).

Caveats

  • A v0.5 não é Pereira et al. 2019 ainda. É uma sub-análise (Theil sobre H3 grid) que reusa o substrato espacial. A replicação completa fica para v0.6 — declarado explicitamente.
  • Apenas rede municipal. Bairros com escola privada/estadual dominante saem do dataset municipal de IDEB.
  • MAUP (Brewer & Pickle 1999): sensibilidade à definição de unidade de área. Documentado.
  • Peso igual por bairro na versão base. Ponderação por matrícula reduz T_total ~44% mas preserva o achado within > between (Relatório 06b).

Reproduzir (v0.5)

pip install -r requirements.txt
pip install -e reference/acec-hub

python3 analysis/03_download_excels.py     # IDEB Excel
python3 analysis/10_theil_ideb.py          # decomposição base
python3 analysis/11_fetch_bairros.py       # geometry IPP
python3 analysis/12_h3_grid.py             # H3 res 8
python3 analysis/13_hex_edu_static.py      # mapas estáticos
python3 analysis/14_hex_edu_folium.py      # mapa interativo

Sanity check do achado:

from acec.stats import theil_decompose
import pandas as pd
df = pd.read_csv("data/processed/ideb_bairros.csv")
df = df[df["year"] == 2023].dropna()
t, tb, tw = theil_decompose(df["ideb"], df["ra"])
print(f"share_within = {tw/t:.0%}")  # 68%

Referências

  • Pereira, R. H. M.; Braga, C. K. V.; Serra, B.; Nadalin, V. G. (2019). Desigualdades socioespaciais de acesso a oportunidades nas cidades brasileiras — 2019. IPEA. https://hdl.handle.net/10419/240730. Paper-base canônico do HEX-EDU.
  • Theil, H. (1967). Economics and Information Theory. North-Holland. Método estatístico-base da decomposição Theil-T usada na sub-análise atual.
  • Brewer, C. A.; Pickle, L. (1999) — método do MAUP, citado nos caveats.

Continue