Questões de Concurso Público IPEA 2024 para Técnico de Planejamento e Pesquisa - Políticas Públicas e Avaliação
Foram encontradas 26 questões
Escuridão favorece o fator surpresa da ação criminosa e dificulta a identificação de sua autoria
Se a escuridão favorece o fator surpresa da ação criminosa e dificulta a identificação de sua autoria, a principal hipótese é que o aumento da visibilidade permitido pela iluminação pública acabaria com essas vantagens, diminuindo os riscos de se cometer um crime.
Um experimento realizado em parceria com a polícia metropolitana de Nova York apontou para uma redução de 36% nos crimes ocorridos durante a noite em ruas que receberam iluminação pública extra por um período de seis meses, entre março e agosto de 2016.
Disponível em: https://www.otempo.com.br/brasil/ruas-com-iluminacao-publica-diminuem-o-risco-de-crimes-segundo-experimento-1.2209834. Acesso em: 2 jan. 2024. Adaptado.
Com base nessa experiência, o prefeito de uma determinada cidade resolveu implementar um programa de expansão do número de postes em uma localidade rural da cidade, com problemas de iluminação pública, que é considerada um bem público. A prefeitura também conseguiu inferir, a partir de uma pesquisa, a média do benefício marginal da instalação de postes de iluminação para 3 grupos de moradores com o mesmo tamanho (predisposição a pagar), conforme a Tabela seguinte:
Sabe-se que, para a prefeitura, o custo de instalação de cada poste é de R$ 16,00.
Nesse contexto, conclui-se que,
Os resultados de cada indivíduo i estão apresentados na seguinte Tabela:
Na Tabela,
• Yi 1 representa o resultado para o indivíduo i, caso ele participe do programa.
• Yi 0 representa o resultado para o indivíduo i, caso ele não participe do programa.
• Di = 1 indica que o indivíduo i foi tratado (participou do programa) e 0 caso contrário.
Qual o Efeito Médio do Programa – EMP (Average Treatment Effect - ATE) e o Efeito Médio do Programa sobre os Tratados – EMPT (Average Treatment Effect for the Treated - ATT)?
No Pareamento por Escore de Propensão, um algoritmo utilizado para emparelhar cada sujeito tratado com um ou mais sujeitos não tratados que têm as pontuações de propensão mais próximas é o pareamento por
Equação I
O p-valor do Teste de Hausman obtido é igual a 0,001.
Equação II
O p-valor do Teste de Hausman obtido é igual a 0,265.
A base de dados é composta pelas seguintes variáveis:
• salario = salário real; • exper = anos de experiência profissional;
• casado = variável dummy igual a 1 se casado e 0 caso contrário;
• sindicato = variável dummy igual a 1 se sindicalizado e 0 caso contrário; • D15,D16,D17,D18 e D19 são os efeitos fixos de cada ano no tempo;
• aI,i e aII,i são os efeitos fixos não observados associados aos trabalhadores das Equações I e II, respectivamente;
• εI,it e εII,it são os termos de erro das Equações I e II, respectivamente.
Com base nos resultados dos Testes de Hausman e considerando o nível de significância a 5%, conclui-se que os coeficientes
O modelo de Regressão com Descontinuidade (RDD) é uma técnica estatística usada para avaliar o impacto causal de uma variável independente em uma variável dependente, quando essa variável independente ultrapassa um certo limite ou ponto de corte.
Suponha que se esteja investigando o efeito do número de horas de estudo (variável independente) no desempenho em um teste (variável dependente). Assumindo-se que haja um ponto de corte de 5 horas de estudo e que se deseje verificar se há algum efeito no resultado do teste ao se ultrapassar esse ponto de corte.
A equação para esse modelo pode ser expressa da seguinte forma:
Yi = 60 + 5Xi + 8Di + ϵi ,
onde
• Yi é o desempenho no teste para o indivíduo i;
• Xi é o número de horas de estudo para o indivíduo i;
• Di é uma variável indicadora que vale 1 se Xi > 5 horas e 0 caso contrário para o indivíduo i;
• ϵi é o termo de erro para o indivíduo i.
Ao se comparar um estudante que estuda 6 horas para um teste com um outro que estuda 4 horas, de acordo com o modelo RDD apresentado acima, verifica-se que o