Análise comparativa de indicadores socioeconômicos de cidades no Brasil, Estados Unidos e outros países Latino-Americanos

Abstract

Comparar indicadores socioeconômicos entre países é um desafio devido às diferenças metodológicas na coleta, estruturação e nos critérios utilizados para o cálculo desses indicadores, ainda mais quando queremos comparar pequenas e médias cidades. Neste contexto, propomos uma abordagem multidisciplinar, com maior ênfase na econofísica, que combina comparações visuais e numéricas para analisar indicadores socioeconômicos de municípios no Brasil, Estados Unidos e nas Américas. Nossa metodologia se estrutura em três etapas principais: engenharia de dados; desenvolvimento e aplicação de técnicas de análise; e elaboração de dashboards para visualização dos resultados. Na primeira etapa, realizamos a extração, correção e estruturação de um banco de dados proveniente de fontes respeitadas em cada país. A segunda etapa identifica padrões visuais e métricos no conjunto de dados, aplicando técnicas como gráficos de dispersão (scatter), procedimentos de binning para padrões identificados (binscatters) e adaptação das dispersões em grafos. Nesta etapa, empregamos uma técnica original: o Algoritmo de Agrupamento Gravitacional adaptado da astrofísica (B-GCA). Na terceira etapa, exploramos relações significativas entre os indicadores, com um estudo de caso focado na relação logarítmica entre o IDH Municipal e o tamanho da população. Em alguns países, observamos mínimos globais do IDH em função do tamanho dos municípios, o que sugere a presença de um ponto de inflexão: tanto municípios muito pequenos quanto muito grandes tendem a apresentar crescimento positivo e estatisticamente significativo no IDH. Este trabalho se destaca pela integração de conceitos de econofísica, visual analytics e ciência de dados, culminando em uma aplicação web interativa para a visualização dos resultados e gráficos da dissertação. A ferramenta desenvolvida amplia as possibilidades de análise exploratória, permitindo também a formatação e inserção de novos conjuntos de dados, potencializando interpretações e novas descobertas sobre os indicadores socioeconômicos estudados.

Comparing socioeconomic indicators across countries is a challenge due to methodological differences in data collection, structuring, and the criteria used for calculating these indicatorsespecially when the focus is on small and medium-sized cities. In this context, we propose a multidisciplinary approach, with a strong emphasis on econophysics, combining visual and numerical comparisons to analyze socioeconomic indicators of municipalities in Brazil, the United States, and the Americas. Our methodology is structured in three main stages: data engineering; development and application of analytical techniques; and the creation of dashboards for results visualization. In the first stage, we extract, correct, and structure a database compiled from reputable sources in each country. The second stage identifies visual and metric patterns in the dataset, applying techniques such as scatter plots, binning procedures for identified patterns (binscatters), and adapting scatter plots into graphs. At this stage, we employ an original technique: the Gravitational Clustering Algorithm adapted from astrophysics (B-GCA). In the third stage, we explore significant relationships among the indicators, with a case study focused on the logarithmic relationship between the Municipal Human Development Index (IDHM) and population size. In some countries, we identify global minima, suggesting a critical population threshold above which municipalities tend to show significant and positive growth in IDHM. This work stands out for its integration of concepts from econophysics, visual analytics, and data science, culminating in an interactive web application for visualizing the results and graphics presented in the thesis. The developed tool expands the possibilities of exploratory analysis, also allowing the formatting and uploading of new datasets, enhancing interpretation and fostering new discoveries regarding the socioeconomic indicators under study.