Analisando o Fluxo Imigratório com R

Analisando os Dados do Fluxo Imigratório

Agora que entendemos alguns aspectos do fluxo imigratório, nós podemos analisar alguns datasets da base de dados do Banco Mundial para nos aprofundar um pouco mais no tema. Para isso, vamos usar os seguintes pacotes.

library(tidyverse) # data science and data manipulation packages
library(wbstats)   # World Bank API
library(patchwork)

A primeira informação que vale a pena ser vista sobre o tema é a quantidade de pessoas consideradas imigrantes pelo Banco Mundial. O gráfico abaixo irá mostrar a série temporal desta variável.

O código abaixo salva na variável ‘migrants_pop’ o resultado da chamada da API do Banco Mundial. Veja que é necessário especificar qual indicator se deseja trazer, o período e quais países para ser retornado.

# Creating a variable with the data.frame of the requested data
migrants_pop <- wbstats::wb(indicator = "SM.POP.TOTL",
                              country = "countries_only",
                              startdate = 1980,
                              enddate = 2020)

Após fazer a requisição, é possível plotar a série temporal.

migrants_pop %>% 
  group_by(date) %>% 
  summarise(immigrants = sum(value)) %>% 
  ggplot()+
  geom_line(mapping = aes(x = date, y = immigrants, group = 1), 
            size = .5, 
            color = "dark orange",
            alpha = .6)+
  geom_point(mapping = aes(x = date, y = immigrants),
             color = "dark orange")+
  scale_y_continuous(labels = scales::comma)+
  theme_graph()+
  labs(title = "População Imigrante ao Longo do Tempo",
       x = "",
       y = "")

Veja que o dataset trouxe dados até 2015, mesmo eu tendo solicitado até 2020. Em 2015 a população imigrante era de 250 milhões (maior do que a população do Brasil). Agora vamos verificar os países que possuem maior proporção de imigrantes em seus territórios. O próximo gráfico irá trazer os 20 países com maior proporção de população imigrante. Provavelmente Canadá e Austrália estarão presentes neste rank. Irei remover países com população abaixo de 1 milhão de habitantes.

# Trazendo a população dos países
population <- wbstats::wb(indicator = "SP.POP.TOTL",
                          country = "countries_only")

# Juntando os dois datasets de população e imigrantes
migrants_pop %>% 
  filter(date == "2015") %>% 
  select(country, date, value) %>% 
  inner_join(population, by = c("country" = "country", "date" = "date")) %>%
  mutate(share_immigrants = round(value.x/value.y, digits = 4)) %>% 
  filter(value.y >= 1000000) %>% # Retirando países com baixa população
  arrange(desc(share_immigrants)) %>% 
  head(20) %>% 
  mutate(country = fct_reorder(country, share_immigrants)) %>% 
  ggplot()+
  geom_col(mapping = aes(x = country, y = share_immigrants),
           fill = "steel blue")+
  scale_y_continuous(labels = scales::percent)+
  theme_graph()+
  labs(title = "Países com Maior Proporção de \nImigrantes", # \n indica quebra de linha para o título caber na imagem
       x = "",
       y = "% de Imigrantes no País")+
  coord_flip()

Alguns países me surpreenderam estar na lista, como por exemplo Arábia Saudita. Este artigo reforça esse número.

Se por um lado, alguns países receberam muitos imigrantes, por outro, alguns países perderam muitos residentes. Vamos ver os países que mais perderam residentes nos últimos anos. O Banco Mundial possui um indicador que mostra a saída líquida de pessoas, e com essa métrica, podemos classificar os países do menor valor para o maior e selecionar os 20 primeiros. Com isso, o resultado será os 20 países que mais perderam pessoas.

net_immigration <- wbstats::wb(indicator = "SM.POP.NETM",
                         country = "countries_only",
                         startdate = 2010,
                         enddate = 2019) %>% 
  select(country, value, date)

net_immigration %>% 
  group_by(country) %>% 
  summarise(net_immigration = sum(value)) %>% 
  arrange(net_immigration) %>% 
  head(20) %>% 
  mutate(net_immigration = net_immigration * -1,
         country = fct_reorder(country, net_immigration)) %>% 
  ggplot()+
  geom_col(mapping = aes(x = country, y = net_immigration),
           fill = "steel blue")+
  scale_y_continuous(labels = scales::comma)+
  theme_graph()+
  coord_flip()+
  labs(title = "Países que Mais Perderam \nImigrantes desde 2010",
       x = "",
       y = "")

Síria e Venezuela são dois países que eu esperava ver neste gráfico. Porém Índia e China aparecem por conta de sua grande população, pois um pequeno movimento de seus habitantes é algo grande comparado aos outros. O ideal é normalizar este dataset usando a população de cada país, de forma que a saída de pessoas seja relativa à sua população. Para isso, basta cruzarmos este dataset com o dataset de população do país para criar a métrica de ‘saída líquida relativa de pessoas’.

# Net immigration summed during the period
net_immigration %>% 
  group_by(country) %>% 
  summarise(net_immigration = sum(value)) -> net_immigration

# Joinning the population and net_immigration data
population %>% 
  filter(date == 2015) %>%
  mutate(population = value) %>% 
  select(country, population) %>% 
  inner_join(net_immigration, by = c("country" = "country")) %>% 
  mutate(net_immigration_share = round(net_immigration/population, digits = 4)) %>% 
  arrange(net_immigration_share) %>% 
  head(20) %>% 
  mutate(net_immigration_share = net_immigration_share * -1,
         country = fct_reorder(country, net_immigration_share)) %>% 
  ggplot()+
  geom_col(mapping = aes(x = country, y = net_immigration_share),
           fill = "steel blue")+
  scale_y_continuous(labels = scales::percent)+
  theme_graph()+
  coord_flip()+
  labs(title = "Saída Relativa de Pessoas dos Países",
       x = "",
       y = "",
       caption = "De 2010 até 2017")

Com essa visão ajustada, podemos ver outros países compondo o ranking. Seguindo adiante, vamos verificar as ‘remittances’ que são enviadas por imigrantes para seus familiares que estão em dificuldades. Um dado importante indicado nas reportagens da revista é que este fluxo de investimento direto representa mais de 10% do PIB de 29 países. Vamos ver se este indicador é corroborado pelo dataset do Banco Mundial.

Por sorte o Banco Mundial já mensura o percentual de ‘remittances’ sobre o PIB, desta forma desenvolver esta tabela ficou bem simples.

remitances_over_gdp <- wbstats::wb(indicator = "BX.TRF.PWKR.DT.GD.ZS",
                         country = "countries_only")

remitances_over_gdp %>% 
  filter(date == "2018",
         country != "Lesotho",
         value > 10) %>%
  mutate("Remittance over gdp" = paste(round(value,digits = 2),"%",sep = "")) %>% 
  arrange(desc(value)) %>% 
  mutate(rows = row_number()) %>% 
  select(rows, date, country, "Remittance over gdp") %>% 
  knitr::kable(format.args = list(decimal.mark = ",", big.mark = "."))

Aparentemente são 31 países nesta situação, o que corrobora o que foi indicado na reportagem, visto que alguns países desta tabela são bem pequenos, e podem ter sido desconsiderados pela revista.

Outra informação indicada nas reportagens é de que as remessas enviadas pelos familiares aos seus parentes é um fluxo acíclico. Isso quer dizer que o fluxo não varia em conformidade com a variação do PIB do país que recebe este investimento. Essa hipótese tem um fundamento sólido, visto que o imigrante, ao ver seus parentes precisando de ajuda (por conta de uma crise econômica), envia mais dinheiro para que eles consigam passar por esta situação adversa. Apesar deste embasamento, é necessário ver empiricamente esta afirmação.

Vou selecionar alguns países com baixo PIB per capita para ver se o fluxo de ‘remittances’ de fato assume um comportamento acíclico. Os países serão: Suriname, Somalia, Serra Leoa, Senegal, Sudão, Ruanda, Nepal, Nigéria, Malawi, Mali, Líbia, Quênia, Etiópia, Eritreia e Congo.

# Creating a variable with the selected countries
country_view <- c("Yemen, Rep.","Tanzania","Uganda",
                  "Tunisia","Chad","Syrian Arab Republic",
                  " Suriname","Somalia","Sierra Leone",
                  "Senegal","Sudan","Rwanda","Nepal",
                  "Nigeria","Malawi","Mali","Libya",
                  "Kenya","Ethiopia","Eritrea",
                  "Congo, Rep.")

Agora vamos ver o fluxo de ‘remittances’ e o PIB per Capita.

remitances_received <- wbstats::wb(indicator = "BX.TRF.PWKR.CD.DT",
                               country = "countries_only")

gdp_pc <- wbstats::wb(indicator = "NY.GDP.PCAP.CD",
                      country = "countries_only")

Tendo as duas variáveis, antes de compará-las, será necessário normalizar o fluxo de ‘remittances’ pela população. O seguinte código fará esta normalização.

remitances_received %>% 
  mutate(remitances = value) %>% 
  select(date, country, remitances) %>% 
  filter(country %in% country_view,
         date > 2010) %>% 
  inner_join(population, by = c("date" = "date", "country" = "country")) %>% 
  select(date, country, remitances, value) %>% 
  mutate(remitances_adj = round(remitances/value, digits = 4)) %>% 
  select(date, country, remitances_adj) -> remitances

# Gerando uma amostra do dataset
remitances[sample(nrow(remitances),5), ] %>% 
  knitr::kable(caption = "Amostra do dataset")

Agora eu posso cruzar os dois datasets para ver a correlação das duas variáveis para os países selecionados.

gdp <- gdp_pc %>% 
  mutate(gdp_pc = value) %>% 
  select(date, country, gdp_pc) %>% 
  inner_join(remitances, by = c("date" = "date", "country" = "country")) %>%
  group_by(date) %>% 
  summarise(gdp = sum(gdp_pc),
            remitance = sum(remitances_adj)) %>% 
  ggplot()+
  geom_line(mapping = aes(x = date, y = gdp, group = 1),
            color = "dark orange", size = 1)+
  scale_y_continuous(labels = scales::comma)+
  theme_graph()+
  theme(axis.text.x = element_text(angle = 90))+
  labs(title = "PIB per Capita")


remittances <- gdp_pc %>% 
  mutate(gdp_pc = value) %>% 
  select(date, country, gdp_pc) %>% 
  inner_join(remitances, by = c("date" = "date", "country" = "country")) %>%
  group_by(date) %>% 
  summarise(gdp = sum(gdp_pc),
            remitance = sum(remitances_adj)) %>% 
  ggplot()+
  geom_line(mapping = aes(x = date, y = remitance, group = 1),
            color = "steel blue", size = 1)+
  scale_y_continuous(labels = scales::comma)+
  theme_graph()+
  theme(axis.text.x = element_text(angle = 90))+
  labs(title = "Remittances \nper Capita")

gdp+remittances

Nota-se que a relação não é direta, porém também não é inversa. Desta forma, esta relação acíclica não fica evidente ao vermos estas duas séries temporais. O gráfico abaixo mostra a correlação destas duas séries temporais.

gdp_pc %>% 
  mutate(gdp_pc = value) %>% 
  select(date, country, gdp_pc) %>% 
  inner_join(remitances, by = c("date" = "date", "country" = "country")) %>% 
  ggplot()+
  geom_point(mapping = aes(x = remitances_adj, y = gdp_pc))+
  geom_smooth(mapping = aes(x = remitances_adj, y = gdp_pc),
              method = "lm",
              formula = y ~ x,
              se = F,
              lty = 2,
              color = "dark orange")+
  scale_y_continuous(labels = scales::comma)+
  scale_x_continuous(labels = scales::comma)+
  theme_graph()+
  labs(title = "Correlação do PIB per Capita e 'Remittances'",
       y = "PIB per Capita",
       x = "Remitances")

Eu esperava ver uma correlação mais forte, onde o PIB per Capito reduzido iria trazer um valor de ‘remittances’ per Capita alto. Porém não ficou tão clara esta correlação. O modelo de regressão linear para este contexto pode ser do seguinte formato:

\[R = \beta_0 + \beta_1 pc.gdp + \mu\]

Este modelo tentará explicar variações do fluxo de ‘remittances’ per Capita em função do PIB per Capita, de forma que se possa prever o valor da variável dependente com um dado grau de confiança.

gdp_pc %>% 
  mutate(gdp_pc = value) %>% 
  select(date, country, gdp_pc) %>% 
  inner_join(remitances, by = c("date" = "date", "country" = "country")) %>%
  lm(formula = remitances_adj ~ gdp_pc) %>% 
  summary() %>% 
  pander::pander()

Com o output do modelo, podemos reescrever a equação inserindo os valores do intercepto e inclinação.

\[R = 19.29 + 0.03542 pc.gdp + \mu\]

Embora o resultado tenha saído diferente do que eu esperava, tanto o intercepto quanto a inclinação se mostram estatisticamente significativos, com um valor-p abaixo de 5%.