• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 1
  • Tagged with
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Relação entre o consumo de energia elétrica, a renda e a caracterização econômica de famílias de baixa renda do município de São Paulo

Francisco, Eduardo de Rezende 10 March 2006 (has links)
Made available in DSpace on 2010-04-20T20:51:44Z (GMT). No. of bitstreams: 0 Previous issue date: 2006-03-10T00:00:00Z / Esta pesquisa teve como principal objetivo examinar a relação entre Consumo de Energia Elétrica e Renda Familiar nos domicílios do município de São Paulo. Investigou-se a utilidade do consumo de energia elétrica como base para um indicador que possibilite a extensão e o refinamento do Critério de Classificação Econômica Brasil para estimar o poder de compra da população em geral. A pesquisa dividiu-se em dois níveis de investigação. O primeiro, domiciliar, para o qual foram utilizados três conjuntos de dados oriundos de pesquisas domiciliares (Pesquisa ABRADEE, Pesquisa de Posses e Hábitos do PROCEL, e Pesquisa de Microcrédito da Baixa Renda da FGV-EAESP). O segundo nível, territorial, investigou indicadores de renda, consumo de energia elétrica e classe econômica agregados por áreas de ponderação (conjunto de setores censitários), e utilizou microdados do Censo Demográfico 2000 do município de São Paulo em conjunto com a base de domicílios da AES Eletropaulo. A investigação domiciliar mostrou que não há vantagens na substituição plena da aplicação do Critério Brasil pela coleta de indicadores de consumo de energia elétrica em levantamentos domiciliares. No entanto, o uso combinado do Critério Brasil, do valor da conta de luz e do número de pessoas (ou número de dormitórios) no domicílio apresenta benefícios na classificação da renda (os gráficos de ganhos das árvores de classificação combinadas aproximam-se mais da distribuição real da renda, apesar de o coeficiente de explicação da renda aumentar apenas de 0,577 para 0,582). Além disso, ao contrário do que se especulava, para a baixa renda a associação entre renda e consumo de energia elétrica mostrou-se fraca, apesar de o coeficiente de explicação da renda aumentar de 0,222 para 0,300 quando incorporamos o consumo de energia elétrica e o número de pessoas ao modelo de regressão da renda pelo Critério Brasil. Em nível territorial, as relações entre Renda, Consumo de Energia Elétrica e Classificação Econômica do Critério Brasil mostraram-se muito fortes (os coeficientes de explicação da renda atingiram valores de 0,912 a 0,960), permitindo que medidas de consumo médio de energia elétrica agregadas em áreas de ponderação sejam ótimos indicadores regionais de concentração de renda e classificação econômica dos domicílios para o município de São Paulo. Por serem atuais, disponíveis e de atualização mensal, os indicadores de consumo de energia elétrica, quando disponibilizados pelas empresas de distribuição de energia, podem ser de grande utilidade para empresas de mercado, como subsídio a estratégias que necessitem de informações de classificação, concentração e previsão da renda domiciliar. / The main research objective was to analyze the relationship between household Electricity Consumption and Family Income in the city of São Paulo in order to evaluate the potential benefits of adding electricity consumption to the Brazilian Economic Classification Criteria, an index frequently used to estimate a family’s purchasing power. To achieve these goals, statistical models were developed at two different levels of aggregation. The first and most disaggregated level was the household, for which data from three different research studies were combined (ABRADEE Research, PROCEL Possessions and Habits Research, and Microcredit for Low Income Families Research by FGV-EAESP). The second level (the territorial one), with household aggregated at the level of weighted areas (set of census tracts), used income indicators, electric energy consumption and economic classification data from the Demographic Census 2000 of the city of São Paulo and the AES Eletropaulo household databases. The results in household investigation show that energy consumption alone cannot substitute for Brazilian Criteria. However, the combined use of the Brazilian Criteria, the household electricity monthly bill and the number of residents (or number of bedrooms) in the household significantly improves household income estimates, as shown by the results of classification tress model, in which the resulting predicted distribution curve better approximates the real distribution, although coefficient of determination R-squared grows from only 0,577 to 0,582. However, contrary to a priori expectation, among low income household, the level of association between income and electricity consumption was very weak. Nevertheless, household income forecast can be enhanced, with an improvement of the model’s R-squared from 0,222 to 0,300 when the electricity bill and the number of resident are included in a regression model of household income against the Brazilian Criteria. At the weighted area level, the relationship between Income, Electricity Consumption and Brazilian Criteria’s Economic Classification are very strong, with coefficients of determination R-squared ranging from 0,912 to 0,960. This results supports the use of the mean household electricity consumption, at a territorial aggregated level, as an excellent regional indicator of income concentration in the city of São Paulo. As it is an easily available and monthly update information, the electric energy consumption indicators, if made available by energy distribution companies, will be useful for strategy formulation and decision making for which household income classification data are critical.

Page generated in 0.116 seconds