Qual país tem mais pessoas ricas (per capita): os EUA ou a China? Esta resposta é simples: os EUA. E qual é o país com mais pobreza? Pelos números do Banco Mundial, os EUA. Mas não é tão simples assim: vou explicar o porquê – e já adianto que é inusitado.
O indicador do Banco Mundial mostra a porcentagem de pessoas que vivem abaixo de determinadas linhas de pobreza – definidas por uma renda per capita em dólares convertidos pela paridade do poder de compra (PPC). A mais usual nos últimos anos tem sido a de US$ 3/capita (PPC). Aqui temos a série histórica dos EUA x China no longo prazo:
No gráfico anterior, não é possível ver o que ocorreu em anos recentes, devido à grande amplitude do eixo Y. Mas analisando apenas os anos desde 2018, vemos algo interessante: os números da China caindo a zero, enquanto os dos EUA se mantêm em torno de 1%.
O fato de a pobreza da China ter caído a zero, mas o mesmo não ter ocorrido nos EUA gerou até uma matéria no influente O Guardião. Mas o meu senso de verossimilhança dizia que algo estava estranho – principalmente depois que chequei os mesmos indicadores para países como Noruega, Suécia e Alemanha.
O fato de eles terem uma determinada porcentagem abaixo da linha de pobreza (baixa, mas não zero) e os da China estarem consistentemente em zero desde 2019 me fez desconfiar se não poderia ser um caso de falsificação dos dados por parte da China – eles pareciam perfeitos demais (lembrando que a China já falsificou outros indicadores, como o número de óbitos por covid, enormemente subnotificado). Mas calma! Uma desconfiança jamais deve gerar certeza.
Acampamento de moradores de rua em Oakland, Califórnia, nos EUA. Foto: Matt Gush/Adobe Stock
Eis que um usuário do ex-Twitter (@lthlnkso) jogou luz sobre a questão com uma postagem bem-fundamentada. Apesar de os dados de todos os países serem compilados pelo Banco Mundial, há diferenças significativas na metodologia de coleta e de cálculo.
Enquanto os EUA (assim como os países europeus) fornecem os microdados de uma pesquisa sobre a renda (o que também temos no Brasil, via PNADC), a China fornece dados de consumo – e estes são agregados em quintiso que significa que sabemos uma média dentro de cada grupo de 1/5 da população. Há bem menos precisão, menos granularidade nesses dados. Eles não dizem diretamente qual a proporção da população tem renda abaixo de US$ 3/dia PPC – não há “resolução” suficiente para tanto (lembrando novamente que neste caso consideram consumo, e não renda). Para resolver isso, recorre-se a um tratamento estatístico dos dados: a curva de Lorenz, que estima o percentual de pessoas em cada renda (ou consumo). A metodologia está contida neste link do github do Banco Mundial.
Ao aplicar esta curva aos dados dos EUA, a porcentagem de pessoas abaixo da linha de pobreza dos US$ 3/dia cai a zero. O mesmo ocorre em países de renda alta como Noruega, Suécia e Alemanha.
Em suma, temos um clássico caso de comparação de bananas com laranjas: não apenas o que está sendo medido é diferente (consumo versus renda) como também estamos comparando um dado medido com outro estimado (via modelagem estatística). A meu ver, isto deveria ser muito mais enfatizado e não estar escondido em notas metodológicas que poucos checam.
Esse matéria no Vox.com se aprofunda na questão do uso de renda versus consumo e os problemas que isto pode gerar nos dados. O próprio Banco Mundial reconhece o problema da comparabilidade no relatório Enfrentando a desigualdade (p. 25), ao dizer que são frequentes os domicílios que declaram renda zero nas entrevistas, mas têm consumo que não é zero.
Por isto, vale o alerta: o indicador do Banco Mundial de qual porcentagem da população vive abaixo da linha de pobreza não pode ser tomado pelo valor de face.
E vale dizer que a premissa inicial da análise do Guardian (que diz que os Estados Unidos têm um problema persistente que a China conseguiu resolver) acaba sendo inválida – o que afeta todo o restante da matéria.
Claro, isto não desmerece o feito da China em ter tirado um enorme contingente de sua população da pobreza. Quero apenas mostrar que o indicador usado não permite tirar as conclusões que muitos têm extraído dele. Este é um caso didático por mostrar o quanto mesmo indicadores amplamente aceitos e vindos de uma fonte respeitável podem ter diferenças metodológicas tão grandes que um comparativo direto entre países acaba não sendo justo. E o fato de um país falsificar um indicador específico não significa que automaticamente todos os seus indicadores sejam igualmente falsificados: pode ser apenas a aplicação de uma modelagem estatística padrão.
Uma curiosidade: a curva de Lorenz também é usada para modelar o índice Gini, que abordei nesta coluna de janeiro deste ano.
