Possíveis cenários futuros
Estudo desenvolve metodologia para aprimorar projeções populacionais de municípios brasileiros
Lyênia Monteiro – CCET/UFRN
Pesquisadores do Programa de Pós-Graduação em Demografia da Universidade Federal do Rio Grande do Norte (PPGDem/UFRN) desenvolveram uma metodologia para aprimorar as projeções populacionais de municípios brasileiros. A proposta incorpora margens de incerteza às estimativas e pode auxiliar gestores públicos no planejamento de políticas, infraestrutura e na distribuição de recursos, como o Fundo de Participação dos Municípios (FPM).
A nova abordagem combina o método AiBi, tradicionalmente utilizado pelo Instituto Brasileiro de Geografia e Estatística (IBGE), com a técnica estatística de séries temporais Random Walk with Drift. Enquanto o AiBi garante que a soma das projeções municipais corresponda ao total estimado para o estado, a nova metodologia permite calcular intervalos de predição de 80% e 95%, indicando o grau de incerteza das estimativas.
A pesquisa é de autoria de quatro pesquisadores, entre eles, os professores Flávio Freire e Marcos Gonzaga, docentes do Departamento de Demografia e Ciências Atuariais (DDCA) da UFRN.
Metodologia aplicada na prática
A aplicação do modelo nos municípios do Rio Grande do Norte e de São Paulo mostrou que a incerteza aumenta conforme o período projetado se distancia do presente e tende a ser maior em municípios com populações reduzidas. Professor Flávio explica o porquê da escolha desses dois estados. “A gente quis testar em dois cenários distintos, no tamanho populacional de municípios, na qualidade dos registros vitais e também nas questões socioeconômicas”.
Os pesquisadores também identificaram que a estabilidade da trajetória populacional é um fator relevante para a precisão das projeções. Municípios menores com crescimento contínuo apresentaram menor erro relativo do que cidades maiores que passaram por mudanças bruscas no ritmo demográfico.
A metodologia foi desenvolvida para lidar com municípios que apresentam desaceleração ou redução populacional, cenário associado ao avanço da transição demográfica. Para isso, os municípios são divididos entre áreas em crescimento e áreas em declínio, evitando inconsistências matemáticas e a geração de valores populacionais negativos em projeções de longo prazo.
O método tradicional do AiBi fornece uma estimativa pontual, mas não apresenta uma medida de incerteza associada ao cálculo. A proposta desenvolvida na UFRN busca preencher essa lacuna ao combinar a consistência das projeções estaduais com uma abordagem probabilística, oferecendo aos pesquisadores e gestores uma visão mais ampla sobre os possíveis cenários futuros.
Na prática, essa nova forma de projetar o futuro populacional ajuda a subsidiar com mais precisão as políticas públicas e orienta gestões municipais para planejamento a longo prazo.
Replicando os resultados
O estudo foi publicado em 2026, na Revista Brasileira de Estudos de População (Rebep), com o título Population projections in small areas combining the forecast error of a time series method with the linear growth trend method (AiBi). “Nosso programa de demografia, da UFRN, tem sido uma referência nacional nesse aprimoramento das metodologias para projeções populacionais, especialmente em pequenas áreas. Esse artigo vem a ser mais uma contribuição nesse sentido, nos colocando nesse patamar de referência para desenvolvimento metodológico e aprimoramento dos métodos para a projeção”, comemora o professor Marcos Gonzaga.
De acordo com o professor Flávio Freire, os gestores e técnicos que quisessem, poderiam ter acesso ao método e desenvolver com uma equipe própria o estudo no seu município. “No artigo, a gente disponibiliza toda a programação, todas as bases de dados que servem de entrada para que os resultados sejam gerados. É uma linguagem livre e gratuita de código aberto. Então, quem quiser, consegue, com os códigos e com as bases de dados de entrada, replicar os nossos resultados”, conclui.
Fonte: CCET/UFRN; Texto: Lyênia Monteiro; Foto destaque: Cícero Oliveira; Edição: Maralice Freitas; Revisão: Rebeca Ribeiro.