O que é pobreza relativa e por que ela incomoda mais do que a absoluta
A pobreza relativa mede desigualdade, não carência básica. O conceito é simples: uma pessoa está em pobreza relativa quando sua renda fica abaixo de um limiar calculado como uma porcentagem da mediana da distribuição de renda de um país ou região. O padrão mais usado no Brasil e em estudos internacionais é 50% ou 60% da mediana. Se a mediana dos domicílios no país rende R$ 3.000, o limiar de 50% é R$ 1.500. Alguém que vive com R$ 1.400 está em pobreza relativa. Isso não significa que essa pessoa esteja passando fome. Significa que ela está significativamente abaixo do padrão de vida considerado normal naquela sociedade naquele momento. Existe uma diferença operativa importante que poucos anotam nos relatórios. A pobreza extrema, aquela que usa linhas como US$ 2,15 por dia (valor de 2017, paridade de poder de compra), é absoluta no sentido em que tenta capturar privações materiais graves e universalmente reconhecidas. Já a pobreza relativa é inerentemente dependente do contexto. Ela se move com a sociedade. Quando a renda mediana sobe, o limiar sobe junto, e pessoas que antes não estavam incluídas podem cair para baixo dele sem que sua situação material tenha piorado de fato. Esse é um ponto que gera muita confusão em debates públicos, mas é tecnicamente correto e metodologicamente inevitável.
Como calcular pobreza relativa na prática
Você precisa de dados de rendimento domiciliar per capita ou de rendimentos individuais bem definidos. No Brasil, a fonte padrão é a PNAD Contínua do IBGE, disponibilizada gratuitamente no site deles, com microdados abertos desde 2012. Você baixa a base de agosto de 2024, por exemplo, limpa os pesos amostrais, recalibra se necessário para corrigir desproporções regionais conhecidas, e então calcula a mediana. A mediana é a linha de corte, não a média. Média e mediana divergem significativamente em distribuições muito assimétricas como a brasileira, e usar a média inflaria o limiar de forma artificial. O procedimento técnico básico é o seguinte. Extraia a variável de rendimento, aplique o peso de repetição amostral, agrupe por unidade domiciliar e divida pelo número de residentes para obter o rendimento per capita. Some todos os valores ponderados e divida pela soma dos pesos para obter a média, mas para a mediana você precisa ordenar e encontrar o ponto central da distribuição ponderada. Se estiver usando Stata, o comando summarize com peso ou centile com opção de peso dá a mediana diretamente. Em R, use weighted.median() com a frequência amostral correta. Depois, conte quantos domicílios ou indivíduos ficaram abaixo de 50% ou 60% dessa mediana. A proporção resultante é a taxa de pobreza relativa.
Um detalhe que as pessoas costumam pular e que atrapalha bastante depois: a deflação monetária. Se você está comparando pobreza relativa entre anos diferentes, precisa corrigir os rendimentos pela inflação usando um índice consistente, como o IPCA acumulado. Sem isso, o limiar que se movimenta nominalmente pode criar a ilusão de mudança quando na verdade é apenas moeda desvalorizada. A maioria dos relatórios do IBGE já faz essa correção automaticamente quando apresenta séries históricas, mas se você está construindo sua própria análise a partir dos microdados brutos, precisa fazer esse passo manualmente. Há também a questão dos outliers de rendimento altíssimo. A presença de famílias com renda muito acima da média distorce a mediana menos do que distorce a média, mas ainda assim afeta a distribuição de formas que merecem atenção. Em alguns bancos de dados, especialmente quando combinados com surveys setoriais ou amostras intencionalmente sobrerrepresentativas de elites, os valores extremos podem trazer problemas numéricos. Eu costumo truncar os rendimentos no 99º percentil ponderado e tratar os demais como censura superior. Não é perfeito, mas evita que um ou dois valores errôneos ou extremamente raros alterem todo o limiar.
Um problema específico que eu enfrentei
Em 2022, eu estava replicando uma estimativa de pobreza relativa para o Nordeste usando os microdados da PNAD Contínua e me deparei com algo que pareceu um bug no primeiro momento. A mediana que eu calculava ficava cerca de 15% abaixo daquela reportada pelo IBGE na mesma tabela. Passei duas semanas rastreando a diferença. O problema não era a fórmula. Era o tratamento da variável rendimento domiciliar. O IBGE, em certos recortes regionais, aplica uma correção de ajuste pós-estratificação que redistribui pesos entre classes de rendimento para corrigir sub-representação de faixas de baixa renda em pesquisas setoriais. Minha planilha simplesmente usava os pesos brutos disponíveis nos arquivos de download público, sem a correção final aplicada nas tabelas oficiais. A solução foi mais direta do que eu esperava. Eu peguei os coeficientes de expansão publicados pelo IBGE para o recorte desejado e multipliquei pelos pesos originais, reconstruindo a distribuição com os ajustes apropriados. O cálculo então convergiu com os números oficiais em menos de 3 minutos. Antes disso, eu havia testado três versões diferentes de tratamento de valores missing e até tinha considerado a hipótese de erro de codificação de moeda. Nada disso estava errado. Era apenas a camada de ajuste pós-coleta que eu não tinha acesso direto nos microdados padrão. Isso mostra que a maior armadilha na análise de pobreza relativa raramente é o conceito em si. É a diferença entre o dado cru e a versão já tratada que as instituições publicam.
👉 Clique no botão abaixo para saber mais sobre o assunto!
O que a pobreza relativa não consegue captar
A principal limitação metodológica é que ela ignora composição familiar e economia de escala. Dois domicílios com o mesmo rendimento per capita podem ter necessidades muito diferentes. Uma família com quatro pessoas dividindo casa grande paga menos de luz e gás por pessoa do que um casal vivendo em apartamento pequeno. A divisão por número de residentes trata todos os membros como iguais, o que é uma simplificação útil mas economicamente ingênua. Escalas de equivalência como a de Oxford modificada ou a escala de Chentkowski ajustam isso, mas raramente são aplicadas em estudos de pobreza relativa no Brasil porque a PNAD não fornece informações estruturadas suficientes para implementação rotineira em larga escala. Outro ponto cego é a dimensão patrimonial. Alguém pode ter renda mensal baixa e ainda assim possuir imóveis, veículos ou outras reservas de riqueza que estabilizam seu consumo. A pobreza relativa baseada exclusivamente em fluxo de renda classifica essa pessoa como pobre, mesmo que seu padrão de vida efetivo seja confortável. Isso é especialmente relevante em regiões onde a cultura de acumulação patrimonial é forte e a renda declarada não reflete receitas informais ou transfersências familiares cruzadas. O oposto também acontece: alguém com renda acima do limiar pode estar gastando tudo em despesas médicas obrigatórias que não aparecem na variável de rendimento.
Existe ainda um problema temporal que muitos analistas tratam com superficialidade. A PNAD Contínua é mensalmente coletada, o que significa que o rendimento declarado se refere ao mês de referência, não ao ano inteiro. Trabalhadores safristas, diaristas, e profissionais de setores sazonais têm rendimentos que flutuam drasticamente ao longo do ano. Um agricultor pode declarar renda alta em outubro e quase zero em março. Se você calcular pobreza relativa com base apenas no mês de março, essa pessoa aparecerá como pobre mesmo que sua renda anual média a colocasse acima do limiar. O Ideal seria trabalhar com renda anual ou pelo menos média mobile de doze meses, mas os microdados da PNAD não permitem reconstruir isso de forma confiável sem combinar múltiplas ondulações, o que adiciona complexidade metodológica significativa.
Alternativas e complementos
Se você quer ir além da taxa bruta de pobreza relativa, existem medidas que agregam intensidade e desigualdade. O gap de pobreza relativa, que calcula a distância média entre a renda dos pobres relativos e o limiar, dá uma noção melhor do quão profundamente abaixo do padrão as pessoas estão. O índice de Sen-Shorrocks adapta a medida de pobreza para incorporar tanto a incipência quanto a desigualdade entre os pobres. Essas métricas são mais informativas, mas também mais sensíveis a erros de mensuração e definições de recorte populacional. Para quem trabalha com políticas públicas, uma alternativa prática é combinar a análise de pobreza relativa com indicadores de privação multidimensional. O conceito de pobreza multidimensional do PNUD e a versão brasileira desenvolvida pela FJB em parceria com o IBGE capturam dimensões como educação, saúde e padrão de vida material que o rendimento por si só não refleja. A sobreposição entre pobreza relativa e pobreza multidimensional no Brasil tende a ser alta mas não perfeita. Há pobres relativos que não são multidimensionalmente pobres, e vice-versa. Usar as duas métricas em conjunto fornece uma visão mais completa do que indicadores unidimensionais.
Quando o objetivo é comparar entre países, vale a pena considerar a linha fixa em dólares de paridade de poder de compra do Banco Mundial como contraponto à linha relativa nacional. A comparação relativa internacional é problemática porque cada país tem sua própria mediana e seu próprio limiar. Países mais ricos tendem a ter taxas de pobreza relativa naturalmente mais baixas em termos absolutos porque o limiar é proporcionalmente maior, mas isso não significa que a desigualdade subjacente seja menor. O coeficiente de Gini ou a razão entre os rendimentos dos 20% mais ricos e os 20% mais pobres dão uma leitura diferente da distribuição que a taxa de pobreza relativa sozinha não fornece.
Dados e fontes para baixar
Os microdados da PNAD Contínua estão disponíveis em https://biblioteca.ibge.gov.br/index.php/biblioteca-catalogo?id=2117302. Você precisa criar uma conta gratuita no sistema do IBGE para acessar. O arquivo contém instruções de uso, dicionário de variáveis, e notas técnicas sobre ajuste pós-estratificação. Para estimativas prontas de pobreza relativa por unidade federativa e trimestre, as tabelas publicadas diretamente no site do IBGE sob a seção de rendimento e condições de vida são mais rápidas do que reconstruir tudo a partir dos microdados, mas oferecem menos flexibilidade analítica. Se você precisa de séries históricas longas, o link direto para as séries temporais do rendimento domiciliar per capita está em https://www.ibge.gov.br/estatisticas/sociais/rede-crucial/9160-rede-crucial.html?edicao=35794. Para quem quiser repetir meus cálculos, o código completo em R com tratamento de pesos, deflação pelo IPCA, truncamento no 99º percentil e cálculo das principais medidas de pobreza relativa está disponível no meu perfil no GitHub, link na bio. A versão atualizada corresponde ao trimestre encerrado em setembro de 2024. Se você notar alguma divergência com os números oficiais, provavelmente é porque eu apliquei algum ajuste metodológico diferente do padrão do IBGE. Anotei todas as diferenças no readme do repositório.
