OBSERVARE
Universidade Autónoma de Lisboa
e-ISSN: 1647-7251
Vol. 12, Nº. 2 (Novembro 2021-Abril 2022)
182
UMA ABORDAGEM ADAPTATIVA DE KUZNETS À ESPERANÇA DE VIDA À
NASCENÇA: UMA APLICAÇÃO SOBRE PODERES CRESCENTES
HÜSEYIN ÜNAL
huseyin.unal@ktu.edu.tr
Universidade Técnica de Karadeniz (Turquia), Departamento de Econometria
HÜLYA KINIK
hulya.ercan@ktu.edu.tr
Universidade Técnica de Karadeniz (Turquia), Departamento de Relações Internacionais
Resumo
Este estudo visa testar a validade da hipótese de Kuznets nas principais potências
emergentes, entre os anos de 2000 e 2018, no âmbito das relações entre a esperança de vida
à nascença (ao longo do artigo - esperança de vida - EV) e o crescimento económico.
Utilizando o método de análise de dados do painel, investigamos se existe uma curva como a
Curva da Saúde de Kuznets (HKC) para a esperança de vida. Os resultados empíricos indicam
que a validade da hipótese HKC não pôde ser obtida para o Brasil, México, Federação Russa,
África do Sul e Turquia. Existe uma relação em forma de U entre estas duas variáveis para
estes países. Noutros aspetos, encontramos provas empíricas de uma Curva de Kuznets e
relações em forma de U invertida entre o crescimento económico e a esperança de vida para
a Austrália, China, Indonésia e Coreia. As evidências empíricas sugerem também que não
existe qualquer relação entre o crescimento económico e a esperança de vida na Índia.
Palavras-chave
Esperança de vida, potências em ascensão, crescimento económico, análise de dados
de painel, hipótese de Kuznets.
Como citar este artigo
Ünal, Hüseyin; Kinik, Hülya (2021). Uma abordagem adaptativa de Kuznets à Esperança de
Vida à Nascença: Uma aplicação sobre poderes crescentes. Janus.net, e-journal of
international relations. Vol12, Nº. 2, November 2021-April 2022. Consultado [em linha] em
data da última consulta, https://doi.org/10.26619/1647-7251.12.2.11
Artigo recebido em 17 Outubro 2020 e aceite para publicação em 19 Março 2021
JANUS.NET, e-journal of International Relations
e-ISSN: 1647-7251
Vol. 12, Nº. 2 (Novembro 2021-Abril 2022), pp. 182-196
Uma abordagem adaptativa de Kuznets à Esperança de Vida à Nascença:
uma aplicação sobre poderes crescentes.
Hüseyin Ünal, Hülya Kınık
183
UMA ABORDAGEM ADAPTATIVA DE KUZNETS À ESPERANÇA DE
VIDA À NASCENÇA: UMA APLICAÇÃO SOBRE PODERES
CRESCENTES
1
HÜSEYIN ÜNAL
HÜLYA KINIK
Introdução
A esperança de vida está entre os indicadores mais significativos de saúde e bem-estar
público amplamente utilizados para medir o estado geral de saúde de uma população.
Na prática, é um indicador razoável da saúde da população (Canning 2012: 1784) e uma
medida que resume o nível de mortalidade de uma determinada população num
determinado ano. Fornece-nos informação-chave sobre o nível de desenvolvimento do
Estado-Providência de um país (Bayın, 2016: 94). As questões de saúde tornaram-se
essenciais, uma vez que os países com maior esperança de vida têm tendência para
mostrar um melhor nível de desenvolvimento e alcançar um desenvolvimento económico
a longo prazo (Hassan et al, 2016: 105).
Neste contexto, analisamos a relação e causalidade entre a esperança de vida e o
crescimento económico e diferentes variáveis de controlo sob a "hipótese de curva em U
invertida" de Simon Kuznets para 10 potências em ascensão denominadas grupo BRICS
(Brasil, Rússia, Índia, China, África do Sul) e países MIKTA (México, Indonésia, Coreia,
Turquia e Austrália) durante o período 2000-2018, utilizando o método de dados de
painel. Embora o fenómeno das potências em ascenção seja um conceito novo, tem sido
objeto de muitos estudos, mas tem havido muito pouca publicação sobre o seu estado
de saúde. Estes países não só dão prioridade ao desenvolvimento económico, como
também colocam a ênfase na cooperação no domínio da saúde global. Foram
reconhecidos pela sua capacidade e potencial para influenciar a saúde global. Por outro
lado, os países BRICS e MIKTA representam em conjunto quase 50% da população
mundial. Por conseguinte, é crucial analisar a sua situação em termos de esperança de
vida como uma representação-chave do estado geral de saúde de uma população.
Ao longo das últimas décadas, novas potências em ascensão alcançaram um sucesso
notável no que diz respeito à sua esperança de vida. Estas melhorias têm sido o resultado
de vários fatores, tais como rendimentos crescentes e maior escolaridade, bem como das
tentativas dos governos para desenvolver o estado de saúde dos seus cidadãos. A
esperança de vida global à nascença em 2018 era de 72,5 anos, variando entre os mais
1
Artigo traduzido por Cláudia Tavares.
JANUS.NET, e-journal of International Relations
e-ISSN: 1647-7251
Vol. 12, Nº. 2 (Novembro 2021-Abril 2022), pp. 182-196
Uma abordagem adaptativa de Kuznets à Esperança de Vida à Nascença:
uma aplicação sobre poderes crescentes.
Hüseyin Ünal, Hülya Kınık
184
baixos, 63,9 anos para a África do Sul, e os mais altos, 82,7 anos para a Austrália, entre
países selecionados. Como mostra a Figura 1., durante o período em questão, houve um
aumento da esperança de vida na África do Sul, mas esta está ainda abaixo da média
mundial. Por outro lado, a Austrália e a Coreia figuram entre as dez nações com a maior
esperança de vida. A esperança de vida à nascença é de 77,4 anos para a população
total da Turquia, que em 2018 ocupava o 52º lugar no ranking mundial.
Figura 1 - Esperança de vida à nascença (ambos os sexos combinados, nível mundial,
2018)
Fonte: Banco Mundial, Indicadores de Desenvolvimento Mundial
Neste contexto, este estudo está organizado da seguinte forma: a primeira parte resume
a literatura existente sobre os determinantes da esperança de vida; a secção 2 revê a
Hipótese Kuznets como base teórica e descreve o método de recolha de dados e a
metodologia do estudo; a secção 3 examina os resultados do estudo e a última secção
relata as conclusões.
1. Revisão da Literatura sobre os Determinantes da Esperança de Vida
Numerosos estudos anteriores, dedicados a investigar diferentes determinantes da
esperança de vida, tomaram em consideração vários fatores como rendimento, inflação,
escolaridade, despesas de saúde, melhor cobertura de água e saneamento, taxa de
emprego, urbanização, e muitos outros. No entanto, existe uma falta de consenso sobre
as variáveis que determinam a esperança de vida na avaliação empírica. O único
consenso é que os rendimentos afetam positivamente a esperança de vida.
No seu estudo transversal, Grossman (1972) investigou que a inflação afeta
negativamente a esperança de vida, e que o bem-estar das famílias era geralmente
50
55
60
65
70
75
80
85
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Brasil (74) China (51) Indonésia (124)
Austrália (6) Federação Russa (105) África do Sul (153)
Coreia, Rep. (9) India (124) México (48)
Turquia (52) Mundo (Total)
JANUS.NET, e-journal of International Relations
e-ISSN: 1647-7251
Vol. 12, Nº. 2 (Novembro 2021-Abril 2022), pp. 182-196
Uma abordagem adaptativa de Kuznets à Esperança de Vida à Nascença:
uma aplicação sobre poderes crescentes.
Hüseyin Ünal, Hülya Kınık
185
prejudicado devido ao aumento dos preços. Preston (1976) avaliou a importância relativa
do rendimento e as variações no rendimento na determinação dos níveis e flutuações no
nível de esperança de vida. O principal resultado do seu estudo é que a esperança de
vida estava correlacionada com o rendimento per capita, mas com o passar do tempo as
mudanças no rendimento têm sido bastante insignificantes desde a Segunda Guerra
Mundial para afetar as mudanças na esperança de vida.
No seu estudo, Rogers e Wofford (1989) descobriram que a urbanização, a população
agrária, a taxa de analfabetismo, a água potável, as calorias médias por pessoa e o
médico por população tinham um papel significativo na esperança de vida dos estados
em desenvolvimento. Gulis (2000) constatou que o rendimento per capita, a despesa
pública em saúde, o acesso à água, o consumo calórico e a taxa de alfabetização são
altamente eficazes na determinação da esperança de vida para 156 países do mundo.
Kalediene e Petrauskiene (2000) indicaram que a urbanização está entre os principais
fatores determinantes da esperança de vida, tanto para os países desenvolvidos como
para os países em desenvolvimento, uma vez que são capazes de alcançar uma melhor
ajuda médica, mais oportunidades de educação e um contexto social e económico
avançado que afeta positivamente a saúde.
Hussain (2002) também estudou fatores que afetam a esperança de vida com base nos
dados transversais utilizando múltiplos OLS. O resultado do seu estudo sugeriu que a
esperança de vida nos países em desenvolvimento poderia ser significativamente
desenvolvida se fosse dada muita atenção à diminuição da fertilidade e ao aumento do
consumo de calorias.
Yavari e Mehrnoosh (2006) examinaram como os fatores socioeconómicos afetam a
esperança de vida com base na análise de regressão múltipla. Os resultados do seu
estudo sugerem uma interação positiva e forte entre esperança de vida e rendimento per
capita, despesas de saúde, taxa de alfabetização e consumo calórico diário. O seu estudo
também mostra que o número de pessoas por médico afeta negativamente a esperança
de vida nos países africanos. Erdogan e Bozkurt (2008) analisaram a correlação entre a
esperança de vida e o desenvolvimento económico na Turquia entre 1980-2005 com base
no modelo de teste de fronteira ARDL. Afirmaram que o crescimento económico afeta
positivamente a esperança de vida na Turquia.
Kabir (2008) examinou os fatores socioeconómicos que têm efeito na esperança de vida
com dez variáveis amplamente utilizadas para 91 países em desenvolvimento, aplicando
modelos de sondas de regressão múltipla. Os resultados sugerem que quase todas as
variáveis explicativas se revelaram sem importância, mostrando que as condições
socioeconómicas não podem ser consideradas como influentes na esperança de vida das
nações em desenvolvimento a todo o momento.
Lei et al. (2009) exploraram os determinantes socioeconómicos da esperança de vida em
Pequim, utilizando o modelo de regressão linear por etapas. Os resultados mostram que
o espaço disponível por residente rural e o PIB per capita têm uma relação positiva com
a esperança de vida, ao passo que existe uma relação negativa entre a esperança de
vida e a proporção da população rural e a taxa de analfabetismo.
JANUS.NET, e-journal of International Relations
e-ISSN: 1647-7251
Vol. 12, Nº. 2 (Novembro 2021-Abril 2022), pp. 182-196
Uma abordagem adaptativa de Kuznets à Esperança de Vida à Nascença:
uma aplicação sobre poderes crescentes.
Hüseyin Ünal, Hülya Kınık
186
Balan e Jaba (2014) investigaram os fatores que determinam a esperança de vida na
Roménia entre 1970 e 2008. Os resultados do seu estudo revelam que existe uma relação
positiva entre a duração da vida e os salários, o número de camas nos hospitais, o
número de médicos, e o número de leitores subscritos em bibliotecas. Além disso, a
proporção da população cigana e a proporção da população analfabeta têm efeitos
negativos sobre a esperança de vida.
Bilas et al. (2014) examinaram a esperança de vida para 28 países da União Europeia
durante 2001-2011 utilizando o método de análise de dados de painel. Salientaram que
tanto o PIB per capita como o nível de escolaridade explicavam entre 72,6% e 82,6%
das diferenças na esperança de vida.
Com base em dados de 1970 a 2012, Ali e Ahmad (2014) também estudaram
determinantes da esperança de vida para Omã, utilizando o método de teste de fronteira
ARDL. Na sua análise, incluíram os seguintes fatores determinantes: rendimento per
capita, produção alimentar, taxa de escolaridade, crescimento populacional, inflação e
emissões de CO2. De acordo com os resultados, a produção alimentar e a taxa de
escolaridade afetam positivamente a esperança de vida e têm efeitos estatisticamente
significativos na esperança de vida, enquanto a inflação e o rendimento per capita
tiveram impactos negativos e não razoáveis na esperança de vida. Os resultados também
sugerem que o crescimento da população teve um efeito negativo e significativo na
esperança de vida, enquanto as emissões de CO2 tiveram um impacto positivo e
estatisticamente insignificante na esperança de vida a longo prazo e um efeito negativo
e estatisticamente significativo a curto prazo.
Jaba et al. (2014) estudaram a correlação das despesas de saúde com a esperança de
vida em 175 países selecionados, entre 1995 e 2010, utilizando o método de dados de
painel. Existe uma correlação significativa entre estas duas variáveis.
Memarian (2015) analisou a relação entre as despesas de saúde, esperança de vida e
crescimento económico no Irão, de 1989 a 2011, implementando o modelo econométrico
ARDL. Constatou que à medida que a esperança de vida e a despesa com a saúde
aumentavam, o crescimento económico também.
Com base no método de análise A Vector Autoregression (VAR), Sede e Ohemeng (2015)
analisaram os determinantes socioeconómicos da esperança de vida na Nigéria entre
1980 e 2011. Mediram os efeitos de diferentes variáveis independentes da seguinte
forma: rendimento per capita, matrícula no ensino secundário, despesas públicas em
saúde, taxa de desemprego e taxa de câmbio de Naira. A taxa de escolarização no ensino
secundário, o rendimento per capita e as despesas governamentais com a saúde não
foram significativos na determinação da esperança de vida na Nigéria. No entanto, o
desemprego e a taxa de câmbio tiveram um efeito significativo na esperança de vida.
Şahbudak e Şahin (2015) estudaram a relação entre os indicadores de saúde e o
crescimento económico nos países BRIC entre 1995 e 2013, utilizando o método de dados
de painel. Utilizaram o PIB como variável dependente e incluíram a percentagem das
despesas de saúde no PIB, a esperança de vida à nascença e as taxas de mortalidade
infantil como variáveis independentes. Os resultados mostraram que existe uma relação
positiva entre a parte das despesas de saúde no PIB, a esperança de vida à nascença e
JANUS.NET, e-journal of International Relations
e-ISSN: 1647-7251
Vol. 12, Nº. 2 (Novembro 2021-Abril 2022), pp. 182-196
Uma abordagem adaptativa de Kuznets à Esperança de Vida à Nascença:
uma aplicação sobre poderes crescentes.
Hüseyin Ünal, Hülya Kınık
187
o crescimento económico; mas existe uma correlação negativa entre o crescimento
económico e as taxas de mortalidade infantil.
Monsef e Mehrjardi (2015) estudaram os determinantes da esperança de vida em 136
países durante 2002 e 2010 com base no método de análise de dados do painel. O seu
estudo mostra que o desemprego e a inflação têm um efeito negativo significativo na
esperança de vida. Contudo, existe uma relação positiva entre a formação bruta de
capital, o rendimento nacional e a esperança de vida.
Hassan et al. (2016) pesquisaram a relação entre a taxa de esperança de vida e as
despesas de saúde, PIB, índice de escolaridade, melhor cobertura de água e saneamento
melhorado em 108 países em desenvolvimento durante 2006-2010, com base na análise
de dados de painel. Os resultados empíricos indicam que existe uma correlação positiva
entre a taxa de esperança de vida e todos os indicadores selecionados.
Dentro deste quadro, este documento tenta responder que fatores determinam a
esperança de vida como um elemento-chave para o estado de saúde da nação para os
grupos BRICS e MIKTA com base na análise de dados de painel como um paralelo do
modelo teórico de Kuznetz. Vários autores examinaram a hipótese de Kuznets com dados
de vários países, mas estes estudos testaram geralmente a validade desta hipótese,
analisando a relação entre o crescimento dos rendimentos e a poluição ambiental. Por
conseguinte, este estudo dará uma contribuição significativa à escassa literatura que
testou a validade da hipótese de Kuznets em matéria de saúde. No entanto, a seleção de
países é outra contribuição substancial para a literatura existente sobre o aumento das
grandes potências. Com base na revisão da literatura, os dados utilizados neste estudo
foram listados abaixo e todos eles foram obtidos a partir do website do Banco Mundial.
− EV = Esperança de vida à nascença, total (anos)
− PIB = PIB real per capita (constante 2010)
− TINF = Taxa de inflação (anual %)
− DP = Densidade populacional (pessoas por km
2
)
− DcS per capita = Despesas correntes de saúde per capita (% do PIB)
− TF = Taxa de fertilidade (nascimentos por mulher)
2. Teste para uma curva de Kuznets: Metodologia Econométrica
A "hipótese da curva em U invertida de Simon Kuznets" está entre os argumentos mais
duradouros e significativos da história das ciências sociais. O objetivo central de Kuznets
era questionar se a desigualdade na distribuição do rendimento aumenta ou diminui
durante o crescimento económico de um país (Kuznets, 2015: 1). Na fase inicial de
desenvolvimento, verifica-se pouca desigualdade num país pobre. Mais tarde, a
desigualdade piora à medida que os rendimentos aumentam, mas depois de atingir um
pico, a desigualdade começa a diminuir com mais aumento do crescimento. Estudos
atuais que referiram e testaram uma hipótese de saúde de Kuznets são bastante raros.
Enquanto alguns dos estudos confirmaram uma curva de Kuznets, outros não
encontraram qualquer prova. Por exemplo, Sahn e Younger (2009) examinaram a relação
entre o nível de bem-estar e a desigualdade a nível inter-país e intra-domiciliário,
aplicando o índice de massa corporal (IMC) dos indivíduos como o indicador de bem-
JANUS.NET, e-journal of International Relations
e-ISSN: 1647-7251
Vol. 12, Nº. 2 (Novembro 2021-Abril 2022), pp. 182-196
Uma abordagem adaptativa de Kuznets à Esperança de Vida à Nascença:
uma aplicação sobre poderes crescentes.
Hüseyin Ünal, Hülya Kınık
188
estar. Não encontraram provas de uma curva quadrática para a qualidade do IMC. Molini
et al. (2010) exploraram também uma relação entre o Índice de Desenvolvimento
Humano (IDH) e o índice de concentração do IMC nos países em desenvolvimento que
aplicam especificações quadráticas. Encontraram uma relação em forma de U entre as
desigualdades no IMC e o IDH para o Vietname.
No estudo, a hipótese Kuznet adaptada para 10 potências crescentes entre 2000 e 2018
é testada com o seguinte modelo:
(1)
onde, i denota poderes crescentes, t denota o ano 2000-2018 sob observação, γ_0
denota um termo constante,
,
,
,
,
e
denotam os efeitos dos regressores
na esperança de vida, e e_it denota o termo de erro. Além destes,
é a esperança
de vida transformada em log,
é o PIB real per capita real log-transformado,
é a despesa corrente de saúde transformada em log,
é a densidade populacional
transformada em log,
é a taxa de fertilidade transformada em log e
é a taxa
de inflação. Os dados sobre a esperança de vida (ano), PIB real per capita (constante
2010), taxa de fertilidade (nascimentos por mulher), despesas correntes de saúde (%
do PIB), densidade populacional (pessoas por km2) e taxa de inflação (% anual) são
obtidos a partir dos Indicadores de Desenvolvimento Mundial.
A equação (1) indica os efeitos do crescimento económico, da taxa de inflação, das
despesas de saúde, da densidade populacional e da taxa de fertilidade na esperança de
vida. Apresentamos também um modelo experimental para examinar se existe um KC
para a esperança de vida, acrescentando
ao modelo. Se
e
, haverá
uma relação em U entre a esperança de vida e a taxa de crescimento real do PIB, mas
se
e
, haverá uma relação inversa em forma de U entre a taxa de crescimento
real do PIB e a esperança de vida (HKC válido).
2.1. Teste de dependência transversal
É importante testar a Dependência Transversal (CD) na estimativa de modelos de dados
do painel. Se o CD for verificado, os resultados estimativos podem ser imparciais e
consistentes (Pesaran, 2004; Breusch & Pagan, 1980). Por conseguinte, a dependência
da secção transversal deve ser determinada em dados de painel. O teste LM proposto
por Breusch e Pagan (1980) é utilizado para dados de painel cuja dimensão de secção
transversal (N) é menor do que a dimensão temporal (T). A estatística do teste LM é
calculada da seguinte forma:
JANUS.NET, e-journal of International Relations
e-ISSN: 1647-7251
Vol. 12, Nº. 2 (Novembro 2021-Abril 2022), pp. 182-196
Uma abordagem adaptativa de Kuznets à Esperança de Vida à Nascença:
uma aplicação sobre poderes crescentes.
Hüseyin Ünal, Hülya Kınık
189
No qual
denota os coeficientes de correlação e calculados da seguinte forma:
Para o teste LM, a hipótese nula é
(as secções transversais são
independentes) e a hipótese alternativa é
(as secções
transversais são dependentes).
2.2. Teste de raiz da unidade de painel
Na literatura existente, de acordo com a dependência transversal, os testes de raiz da
unidade de painel são examinados em dois grupos como primeira geração e segunda
geração. Os testes de raiz da primeira geração de unidades dão resultados pouco fiáveis
na ocorrência de CD. Os testes de raiz de unidades de segunda geração são testes que
são robustos ao CD (Pesaran, 2007; Phillips & Sul, 2003). Neste estudo, utilizamos os
testes de segunda geração de unidades CADF (ADF de secção transversal aumentada) e
CIPS (IPS de secção transversal aumentada) para examinar a estacionaridade da série
(Pesaran, 2007). A regressão CADF é identificada em Eq.(4).
Em primeiro lugar, as estatísticas do CADF são calculadas para cada secção transversal
dos dados do painel a partir dos rácios t statistcs de β_i na Eq.(4) apresentada. Em
seguida, as estatísticas CIPS são calculadas para todo o painel, tomando a média das
estatísticas de teste do CADF.
Em Eq. (5) os valores estatísticos CIPS são comparados com a tabela Valores Críticos
(CV) calculados pela simulação de Pesaran de Monte Carlo, que testa as hipóteses
estacionárias. Se os valores estatísticos CIPS calculados forem menores do que a tabela
CV, a hipótese nula, que pressupõe a existência da raiz unitária, é recusada. Caso
JANUS.NET, e-journal of International Relations
e-ISSN: 1647-7251
Vol. 12, Nº. 2 (Novembro 2021-Abril 2022), pp. 182-196
Uma abordagem adaptativa de Kuznets à Esperança de Vida à Nascença:
uma aplicação sobre poderes crescentes.
Hüseyin Ünal, Hülya Kınık
190
contrário, a hipótese nula é aceite e diz-se que as séries não são estacionárias (Pesaran,
2007: 277-278).
2.3. Teste de homogeneidade em declive
É importante verificar a homogeneidade da inclinação das unidades de secção transversal
nos dados do painel, na ocorrência de CD. Isto porque as unidades no painel de dados
podem interagir entre si e pode ocorrer uma heterogeneidade de declives. Por
conseguinte, é necessário verificar a homogeneidade da inclinação a fim de fazer uma
estimativa fiável (Breitung, 2005). Os primeiros estudos conhecidos na literatura sobre
heterogeneidade com dados de painel foram conduzidos por Swamy (1970). A próxima
estatística de dispersão padronizada
e a que foi ajustada de forma tendenciosa
foi proposta por Pesaran e Yamagata (2008). Estass estatística, que utilizam
and
, são descritas nas seguintes equações
onde
denota estatística do teste Swamy. No teste de heterogeneidade, a hipótese nula
é definida como sendo os coeficientes de inclinação homogéneos.
2.4. O medidor AMG
Este artigo faz uso do medidor do Grupo de Média Aumentada (AMG) que é imune à
heterogeneidade de declives e CD. O medidor AMG foi proposto por Eberhardt e Teal
(2010) e Eberhardt e Bond (2009). O procedimento para o teste AMG é mostrado em
Eq.(8) e Eq.(9).
JANUS.NET, e-journal of International Relations
e-ISSN: 1647-7251
Vol. 12, Nº. 2 (Novembro 2021-Abril 2022), pp. 182-196
Uma abordagem adaptativa de Kuznets à Esperança de Vida à Nascença:
uma aplicação sobre poderes crescentes.
Hüseyin Ünal, Hülya Kınık
191
em Eq.(8) exprimem uma regressão OLS na primeira diferença, θ e Δ representam o
coeficiente da variável fictícia e o operador da primeira ordem de diferença,
respetivamente, em Eq.(9) cujo
indica as estimativas de
.
3. Resultados empíricos e discussão
Neste artigo, foram analisados os impactos do crescimento económico, da taxa de
inflação, das despesas de saúde, da densidade populacional e da taxa de fertilidade na
esperança de vida à nascença para 10 potências crescentes, usando o método de dados
de painel, durante o período de 2000 a 2018. A tabela 1. mostra a soma das estatísticas
dos países selecionados com base nestas variáveis. Utilizando estes dados, em primeiro
lugar, a dependência transversal da série (desde T> N) foi examinada com o teste LM
Breusch e Pagan (1980). De acordo com os resultados do CD, a estabilidade das variáveis
foi testada com o teste CIPS, um dos testes de raiz de unidade de segunda geração, e
os resultados dos testes foram apresentados na Tabela 2. Na segunda etapa, a
heterogeneidade dos parâmetros de inclinação foi verificada com o teste de Pesaran e
Yamagata (2008) e os resultados foram resumidos na Tabela 3. Na fase final, a relação
entre as séries foi estimada utilizando o medidor AMG que é resistente ao CD e à
heterogeneidade do coeficiente de inclinação, e os resultados foram apresentados na
Tabela 4.
Tabela 1 - Estatísticas sumárias dos países BRICS e MIKTA
País
EV
PIB
HE
POPD
FR
INF
Austrália
81.360
51209.913
8.449
2.838
1.837
2.694
Brasil
73.130
10468.200
8.393
23.122
1.901
6.495
China
74.127
4361.510
4.443
141.673
1.632
2.196
India
66.157
1334.378
3.678
407.740
2.697
6.363
Indonésia
68.742
3073.312
2.691
132.004
2.460
6.788
Coreia, Rep.
79.656
22021.771
5.865
508.278
1.195
2.525
México
75.005
9545.083
5.618
57.856
2.390
4.638
Federação Russa
68.465
9996.949
5.100
8.790
1.498
10.727
África do Sul
57.844
7048.591
7.355
41.959
2.568
5.360
Turquia
74.010
11091.942
4.769
93.621
2.215
16.364
Estatísticas Descritivas
Média
71.850
13015.170
5.636
141.788
2.039
6.415
Mediana
72.760
9139.397
5.237
73.542
2.099
4.920
Máximo
82.749
56864.330
9.467
529.359
3.311
54.915
Mínimo
53.444
826.593
1.909
2.493
0.977
-0.732
Desvio padrão
6.858
14041.350
1.916
166.825
0.506
6.923
Enviesamento
-0.679
1.995
0.243
1.314
-0.048
4.668
Curtose
3.285
5.999
2.030
3.211
2.293
30.717
JANUS.NET, e-journal of International Relations
e-ISSN: 1647-7251
Vol. 12, Nº. 2 (Novembro 2021-Abril 2022), pp. 182-196
Uma abordagem adaptativa de Kuznets à Esperança de Vida à Nascença:
uma aplicação sobre poderes crescentes.
Hüseyin Ünal, Hülya Kınık
192
A Tabela 1. ilustra que a Austrália tem o valor mais elevado em termos de esperança de
vida, rendimento per capita e despesas de saúde, e tem o valor mais baixo em termos
de densidade populacional. Embora a Coreia tenha a mais baixa taxa de fertilidade, é o
país com a mais alta densidade populacional. A Turquia e depois a Rússia diferem muito
dos outros países em termos de altas taxas de inflação. Com exceção da Coreia do Sul,
Austrália e China, todos os países da tabela têm taxas de inflação acima da média
mundial. Embora a Índia chame a atenção como o país com a taxa de fertilidade mais
elevada, tem geralmente o último lugar entre os países em termos de outras variáveis.
A esperança de vida da Índia é inferior à de outros países da tabela.
Tabela 2 - Resultados da dependência da secção transversal e dos testes de raiz da
unidade de painel
Breusch-Pagan LM [valor-p]
CIPS-stat. (nível)
InEVN
646.60*** [0,000]
-2.599***
InPIB
725.02*** [0,000]
-2.671***
InPIB
2
723.02*** [0,000]
-2.597***
InDcS per capita
266.68*** [0,000]
-2.575***
InDP
702.39*** [0,000]
-3.089***
InTF
464.53*** [0,000]
-2.316**
TINF
107.81*** [0,000]
-2.898***
Notas: ** e *** denotam os níveis de significância de 5% e 1%, respetivamente. Os valores
críticos para o teste CIPS são -2.560, -2.290 e -2.150 a 1,5, e 10 por cento a nível,
respetivamente.
De acordo com os resultados Breusch-Pagan LM apresentados na Tabela 2, a hipótese
nula é recusada e a hipótese alternativa, que afirma que existe um CD, foi aceite. Por
conseguinte, foi decidido que existe um CD entre as unidades. As estatísticas CIPS,
utilizadas na ocorrência do CD, apresentadas à direita da Tabela 2. demonstraram que
todas as variáveis são estacionárias nos níveis.
Tabela 3- Resultados do teste de heterogeneidade do declive
Homogeneidade do declive
Estatísticas de teste
Valor-p
5.556***
0.000
7.301***
0.000
Nota: *** indica 1% de nível de significância
Os testes de homogeneidade dos coeficientes de declive foram verificados pelo teste de
Pesaran e Yamagata (2008). De acordo com todas as estatísticas padronizadas de
dispersão
e ajustadas por enviesamento
apresentadas na Tabela 3., a hipótese
nula que assume que os coeficientes de inclinação são homogéneos é rejeitada ao nível
de significância de 1%.
JANUS.NET, e-journal of International Relations
e-ISSN: 1647-7251
Vol. 12, Nº. 2 (Novembro 2021-Abril 2022), pp. 182-196
Uma abordagem adaptativa de Kuznets à Esperança de Vida à Nascença:
uma aplicação sobre poderes crescentes.
Hüseyin Ünal, Hülya Kınık
193
A Tabela 4. mostra que a hipótese HKC é válida na Austrália, China, Indonésia e Coreia,
sugerindo que a esperança de vida aumenta com o desenvolvimento económico até um
ponto de viragem, enquanto o crescimento económico continua a aumentar, a esperança
de vida começa a diminuir após este ponto de viragem. Por outro lado, existe uma relação
em U entre a esperança de vida e o crescimento económico para o Brasil, México,
Federação Russa, África do Sul e Turquia. Por outras palavras, para estes países, à
medida que o crescimento económico aumenta, a esperança de vida diminui até um
ponto de viragem e depois estas variáveis começam a aumentar em conjunto. A
densidade populacional e a taxa de fertilidade afetam positivamente a esperança de vida
à nascença na Índia, e não existe qualquer relação entre o crescimento económico e a
esperança de vida à nascença.
Tabela 4- Resultados da estimativa de parâmetros AMG do painel para a Esperança de
Vida
País
InGDP
InGDP
2
InHE
InPOPD
InFR
INF
HKC
Austrália
17.666***
[0.000]
-0.813***
[0.001]
-0.048
[0.342]
-0.204***
[0.008]
-0.058**
[0.013]
-0.001
[0.680]
✓
Brasil
-3.428**
[0.031]
0.180**
[0.034]
-0.012
[0.272]
-0.266***
[0.000]
-0.242***
[0.000]
-0.001
[0.339]
Em
forma
de U
China
0.173**
[0.014]
-0.015***
[0.000]
-0.005
[0.257]
1.060***
[0.000]
0.015
[0.917]
-0.001
[0.781]
✓
India
0.177
[0.270]
-0.015
[0.146]
0.006
[0.396]
0.412***
[0.000]
0.113***
[0.000]
-0.001
[0.257]
X
Indonésia
2.194***
[0.008]
-0.146***
[0.004]
0.002
[0.674]
0.308***
[0.008]
-0.391**
[0.014]
-0.001
[0.385]
✓
Rep. Coreia
2.144***
[0.000]
-0.108***
[0.000]
0.012
[0.361]
-0.164
[0.391]
-0.022***
[0.000]
-0.001
[0.610]
✓
México
-7.041***
[0.006]
0.385***
[0.006]
0.031***
[0.002]
-0.917***
[0.000]
-0.559***
[0.000]
-0.001***
[0.006]
Em
forma
de U
Federação
russa
-3.071***
[0.006]
0.172***
[0.005]
0.049**
[0.029]
0.151
[0.665]
-0.025
[0.234]
-0.001
[0.643]
Em
forma
de U
África do Sul
-51.547***
[0.000]
2.906***
[0.000]
0.082
[0.170]
0.769***
[0.000]
0.491*
[0.053]
-0.001
[0.498]
Em
forma
de U
Turquia
-1.994***
[0.002]
0.108***
[0.002]
0.009
[0.358]
-0.118
[0.134]
-0.144*
[0.078]
-0.001***
[0.000]
Em
forma
de U
Painel
-4.473
[0.427]
0.266
[0.392]
0.013
[0.258]
0.103
[0.565]
-0.082
[0.363]
-0.001***
[0.000]
X
Notas: ***, ** e * denotam, respetivamente, 1, 5 e 10 por cento nos níveis. Os coeficientes INF são
tomados como -0,001 porque os parâmetros são inferiores a -0,001 nos modelos.
De acordo com os resultados da Tabela 4, as despesas de saúde afetam positivamente a
esperança de vida apenas no México e na Federação Russa, e não existe qualquer relação
entre as variáveis dadas noutros países. Os resultados também demonstram que a taxa
de fertilidade tem um efeito negativo na esperança de vida em geral. O coeficiente da
taxa de inflação é negativo para cada país, mas esta variável não afeta a esperança de
vida no período em questão, exceto na Turquia e no México. Embora a densidade
populacional afete negativamente a esperança de vida na Austrália, Brasil e México, tem
um efeito positivo na esperança de vida na China, Índia, Indonésia e África do Sul.
JANUS.NET, e-journal of International Relations
e-ISSN: 1647-7251
Vol. 12, Nº. 2 (Novembro 2021-Abril 2022), pp. 182-196
Uma abordagem adaptativa de Kuznets à Esperança de Vida à Nascença:
uma aplicação sobre poderes crescentes.
Hüseyin Ünal, Hülya Kınık
194
Conclusão
A esperança de vida é um dos indicadores mais importantes de saúde e bem-estar da
comunidade, utilizado para medir o estado geral de saúde da população. É uma medida
identificável do nível global de mortalidade de uma dada população durante um
determinado período de tempo e é frequentemente utilizada para comparar as
disparidades do estado de saúde entre países. A esperança de vida é também um
indicador do desenvolvimento económico e social de um país. Existem vários estudos que
visam revelar o nível de esperança de vida e as variáveis que a afetam. Alguns destes
estudos visavam analisar as tendências da esperança de vida ao longo do tempo; alguns
deles visavam comparar o estado de saúde dos países; outros visavam examinar a
relação entre a esperança de vida e as variáveis que afetam a esperança de vida. Espera-
se que a identificação dos fatores que afetam a esperança de vida contribua para o
planeamento dos futuros recursos e serviços de saúde. Além disso, aprender mais sobre
as relações entre estas duas variáveis é significativo para a implementação de políticas
para os governos enfrentarem os desafios resultantes do aumento da esperança de vida.
Neste estudo, examinamos a existência de uma relação quadrática entre o crescimento
económico e a esperança de vida à nascença para os países BRICS e MIKTA e testamos
a curva de Kuznets de saúde e que tem sido amplamente ignorada na literatura,
utilizando o método de dados de painel. Os resultados do modelo AMG aplicado no estudo
sugerem que a relação entre o crescimento económico e a esperança de vida parece
encaixar numa curva de Kuznets para a Austrália, China, Indonésia e Coreia. Por outro
lado, a validade da hipótese de HKC não pôde ser obtida para o Brasil, México, Federação
Russa, África do Sul e Turquia. Existe uma relação em forma de U entre o crescimento
económico e a esperança de vida à nascença para estes países. Não encontrámos
qualquer evidência de uma curva quadrática para a Índia, o que significa que não existe
uma relação quadrática entre o crescimento económico e a esperança de vida à nascença.
Neste caso, pensa-se que pode haver uma relação linear entre o crescimento económico
e a esperança de vida à nascença para a Índia no período examinado, e recomenda-se a
realização de mais estudos para revelar até que ponto e como exatamente estes ou
outros fatores afetam a esperança de vida nas grandes potências em ascensão.
Referências
Ali, A. & Ahmad, K. (2014). The impact of socio-economic fators on life expectancy in
sultanate of Oman: an empirical analysis. Middle-East Journal of Scientific Research, 22
(2): 218-224.
Balan, C. & Jaba, E. (2011). Statistical analysis of the determinants of life expectancy in
Romania. Romanian Journal of Regional Science, 5 (2): 26-38.
Bayın, Gamze (2016). Determination of fators affecting life expectancy at birth and at
age 65. Turkish Journal of Family Practice, 20 (3): 93-103.
Bilas, V., Franc, S. & Bosnjak, M. (2014). Determinant fators of life expectancy at birth
in the european union countries. Coll. Antropol. 38 (1): 1–9.
JANUS.NET, e-journal of International Relations
e-ISSN: 1647-7251
Vol. 12, Nº. 2 (Novembro 2021-Abril 2022), pp. 182-196
Uma abordagem adaptativa de Kuznets à Esperança de Vida à Nascença:
uma aplicação sobre poderes crescentes.
Hüseyin Ünal, Hülya Kınık
195
Breitung, J. (2005). A parametric approach to the estimation of cointegration vectors in
panel data. Econometric Reviews, 24 (2): 151-173.
Breusch, T. S., & Pagan, A. R. (1980). The Lagrange multiplier test and its applications
to model specification in econometrics. The review of economic studies, 47(1): 239-253.
Canning, David (2012). Progress in Health around the World. The Journal of Development
Studies, 48 (12): 1784-1798.
Eberhardt, M., & Bond, S. (2009). Cross-section dependence in nonstationary panel
models: A novel estimator. MPRA Paper 17180:1–28.
Eberhardt, M., & Teal, F. (2010). Productivity Analysis in Global Manufacturing
Production. Discussion Paper 515. Department of Economics, University of Oxford.
Disponível em: https://ora.ox.ac.uk/objects/uuid:ea831625-9014-40ec-abc5-
516ecfbd2118. (10 setembro, 2020)
Erdoğan, S. & Bozkurt, H. (2008). The Relation Between Life Expectation And Economic
Growth in Turkey: An Analyse With ARDL Model. The Journal of Knowledge Economy &
Knowledge Management, 3, 25-38.
Grossman, M. (1972). On the concept of health capital and the demand for health.
Journal of Political economy, 80 (2): 223-255.
Gulis, G. (2000). Life expectancy as an indicator of environmental health. European
journal of epidemiology, 16 (2): 161-165.
Hassan, F., Minato, N., Ishida, S. & Nor, N. (2016). Social environment determinants of
life expectancy in developing countries: a panel data analysis. Global Journal of Health
Science, 9 (5): 105-117.
Husain, A. R. (2002). Life expectancy in developing countries: a cross-section analysis.
The Bangladesh Development Studies, 28 (1/2): 161-178.
Jaba, E., Balan, C. & Robu, I. (2014). The relationship between life expectancy at birth
and health expenditures estimated by a cross-country and time-series analysis. Procedia
Economics and Finance, 15, 108-114.
Kabir, Mahfuz (2008). Determinants of Life Expectancy in Developing Countries. The
Journal of Developing Areas. 41(2) :185-204.
Kalediene, R., & Petrauskiene, J. (2000). Regional life expectancy patterns in Lithuania.
The European Journal of Public Health, 10 (2): 101-104.
Kuznets, Simon (1955). Economic growth and income inequality. American Economic
Review, 45 (1): 1–28.
Memarian, E. (2015). The relationship between health care expenditure, life expectancy
and economic growth in Iran. J. Appl. Environ. Biol. Sci., 5 (10): 284-290.
Molini, V., Nube, M., & van den Boom, B. (2010). Adult BMI as a health and nutritional
inequality measure: Applications at macro and micro levels. World Development, 38 (7):
1012-1023.
JANUS.NET, e-journal of International Relations
e-ISSN: 1647-7251
Vol. 12, Nº. 2 (Novembro 2021-Abril 2022), pp. 182-196
Uma abordagem adaptativa de Kuznets à Esperança de Vida à Nascença:
uma aplicação sobre poderes crescentes.
Hüseyin Ünal, Hülya Kınık
196
Monsef, A. & Mehrjardi, A. (2015). Determinants of life expectancy: a panel data
approach. Asian Economic and Financial Review, 5 (11): 1251-1257.
OECD (Organisation for Economic Co-operation and Development) (2010). Health at a
Glance: Europe 2010. OECD Publishing
Pesaran, H. M. (2004). General diagnostic tests for cross-sectional dependence in
panels. University of Cambridge, Cambridge Working Papers in Economics, 435.
Pesaran, M. H. (2007). A simple panel unit root test in the presence of crosssection
dependence. Journal of applied econometrics, 22 (2): 265-312.
Pesaran, M. H., & Yamagata, T. (2008). Testing slope homogeneity in large
panels. Journal of econometrics, 142(1): 50-93.
Phillips, P. C., & Sul, D. (2003). Dynamic panel estimation and homogeneity testing under
cross section dependence. The Econometrics Journal, 6 (1): 217-259.
Preston, S. H. (1980). Causes and Consequences of Mortality Declines in Less Developed
Countries during the 20th Century in Richard A. Easterlin (ed), Population and Economic
Changes in Less Developing Countries. University of Chicago Press, 289-360.
Rogers, R. G., & Wofford, S. (1989). Life expectancy in less developed countries:
socioeconomic development or public health?. Journal of Bio sociological Science, 21 (2):
245-252.
Sahn, D. E. & Younger, S. D. (2009). Measuring intra-household health inequality:
Explorations using the body mass index. Health Economics, 18 (1): 13–S36.
Sede, P. & Ohemeng, W. (2015). Socio-economic determinants of life expectancy in
Nigeria (1980 -2011). Health Economics Review, 5 (2): 1-11.
Swamy, P. A. (1970). Efficient inference in a random coefficient regression
model. Econometrica: Journal of the Econometric Society, 38 (2): 311-323.
Şahbudak, E. & Şahin, D. (2015). Analysis of Relationship Between Health and Economic
Growth: A Panel Regression Analysis on BRIC Countries. Journal of Business and
Economics Studies, 3 (4): 154-160
Yavari, K. and Mehrnoosh, M. (2006). Determinants of life expectancy: A cross – country.
Iranian Economic Review, 11 (15): 13-142.
