Pular para o conteúdo principal

Questão de Administração Pública — Gestão de Politicas Públicas — FGV 2025

Administração PúblicaGestão de Politicas Públicas
Código
fg106883
Banca
FGV
Órgão
CNU
Ano
2025
Nível
Superior
Cargo
Bloco Temático 5: Administração
A avaliação quantitativa frequentemente busca mensurar os efeitos causais de uma política sobre determinados resultados. Para isso, são usados métodos como experimentos aleatórios, diferenciação entre grupos de tratamento e controle ou estratégias quase experimentais. A validade dos achados depende do desenho adotado e de suas premissas.Nas avaliações quantitativas, a inferência causal é mais robusta quando:
  1. Ase controla o viés por meio da seleção intencional dos beneficiários com maior propensão ao sucesso;
  2. Bo desenho de pesquisa assegura que o grupo de controle seja estatisticamente comparável ao grupo tratado;
  3. Ca análise se concentra em grandes volumes de dados administrativos, mesmo que sem identificação de contrafactuais;
  4. Dos resultados obtidos confirmam expectativas anteriores dos formuladores da política;
  5. Ese utiliza regressão linear com dados agregados, garantindo generalização.
Revelar gabarito e comentário

GabaritoB — o desenho de pesquisa assegura que o grupo de controle seja estatisticamente comparável ao grupo tratado;

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

Inferência causal em avaliações quantitativas de políticas públicas

Gabarito: letra B. A inferência causal em avaliações quantitativas depende essencialmente da existência de um grupo de controle comparável ao grupo tratado, de modo que diferenças nos resultados possam ser atribuídas à política e não a fatores externos. Esse princípio está no cerne dos métodos experimentais e quase-experimentais.

A questão testa o conhecimento sobre os requisitos para validade causal em avaliações de impacto. A alternativa B expressa corretamente a condição central: a comparabilidade estatística entre grupos de tratamento e controle.

Alternativa A — ❌ Incorreta

Selecionar intencionalmente beneficiários com maior propensão ao sucesso introduz viés de seleção, comprometendo a comparabilidade e, portanto, a inferência causal. Não é um método válido para isolar o efeito da política.

Alternativa B — ✅ Correta ⟵ GABARITO

A inferência causal é robusta quando o desenho de pesquisa assegura que o grupo de controle seja estatisticamente comparável ao grupo tratado. Isso pode ser alcançado por randomização ou por técnicas como pareamento, diferenças-em-diferenças, variáveis instrumentais, entre outras.

Alternativa C — ❌ Incorreta

Grandes volumes de dados administrativos, por si sós, não garantem inferência causal. É necessário um contrafactual – ou seja, um grupo de controle que indique o que teria ocorrido na ausência da política. Sem isso, não é possível isolar o efeito causal.

Alternativa D — ❌ Incorreta

Confirmar expectativas anteriores dos formuladores não é critério de validade causal. Pode haver viés de confirmação. A causalidade exige comparação com um contrafactual, não alinhamento com crenças prévias.

Alternativa E — ❌ Incorreta

Regressão linear com dados agregados pode gerar viés de agregação (falácia ecológica) e não assegura comparabilidade entre grupos. A generalização não substitui a necessidade de um grupo de controle adequado para inferência causal.

Gabarito: letra B.

Link permanente: /questoes/fg106883