TCC2014 P 2 Camila

UNIVERSIDADE FEDERAL DA PARAÍBA
CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA

DEPARTAMENTO DE ESTATÍSTICA
Camila Ravena de Oliveira
Análise da Evasão Escolar na

Universidade Federal da Paraíba
João Pessoa
2015
Camila Ravena de Oliveira
Análise da Evasão Escolar na

Universidade Federal da Paraíba
Monograa, apresentada ao Curso de Estatística

da Universidade Federal da Paraíba como requisito
para obtenção do título de bacharel em Estatística.
Orientador: Hemílio Fernandes Campos Coelho
João Pessoa
2015
.
À Josineide Maria, minha mãe, companheira, condente

e amiga, fonte de minha persistência, honestidade e dedicação
diante das diculdades. Por ter acreditado, junto comigo, pois
mesmo diante de tantos momentos de privações foi quem sem-
pre esteve ao meu lado do começo ao m nesta graduação, me
apoiando, e fazendo com que eu me dedicasse de todo coração
para que à concretização desse sonho fosse possível.
AGRADECIMENTOS
À Deus
Pela sua innita bondade e misericórdia, pois sem ele eu não teria forças para essa
longa jornada. Por ter iluminado meu caminho, para que conclusão desta monograa
fosse possível.
À família
Em especial à minha mãe, Josineide Maria da Silva, meu exemplo de vida, pelo apoio
emocional, sentimental, físico e principalmente pelo amor incondicional que me foi dado,
também por acreditar que esse sonho seria possível e tê-lo sonhado junto comigo. Tam-
bém ao meu pai, Luiz Mariano de Oliveira. Aos meus avós maternos, José Maurício da
Silva (em memória) e Maria Francisca da Silva, que sempre foram meu espelho e fonte de
inspiração. Ao meu irmão, José Maurício de Almeida, pelo amor e apoio. Às tias e madri-
nhas, Josélia e Maria do Carmo, pelo apoio incondicional a todo momento. Assim como
à todos os tios(as) e primos(as), em especial à Vilma, Vamberg, Vanessa, Ana, Yasmim,
Bianca, Brawne e Gabriel, que estando estes longe ou perto sempre me encorajaram. Á
Rony, pelo companheirismo, apoio e amor.
Aos amigos
À Izabele, Tainã, Isla, Rayanna, Karol e Adrielli, amigas de todas as horas, pelo
carinho, atenção e amor. À Ianne, Cláudio, Allisson, Maizza, Pedro, Henrique e Jodavid,
amigos e companheiros da UFPB, que sonham e lutam, almejando por essa formação.
Aos professores
Ao meu orientador, Hemílio Fernandes Campos Coelho, pelo apoio e incentivo, que
durante os momentos mais complicados foi quem me encorajou a continuar nessa jornada.
À Andrea Rocha, professora na qual me espelho, mulher de caráter, inteligente e dedicada
à prossão, dedico a ela também essa monograa, pois no momento em que pensei em
desistir deste curso, foi quem mais me encorajou a continuar e me mostrou o melhor
caminho, juntamente com Hemílio. À João Agnaldo, professor que tenho imenso carinho
e respeito, pelos conselhos e incentivo em todos os momentos. À Thompson Lopes, pelo
apoio durante o estágio realizado na PRAPE. À Marcelo Ferreira e José Carlos, pelo apoio
durante toda a graduação.
.
"Que os vossos esforços desaem as impossibilidades,

lembrai-vos de que as grandes coisas do homem foram
conquistadas do que parecia impossível."
Charles Chaplin
RESUMO
O presente projeto tem o objetivo de desenvolver um estudo de caso sobre o fenômeno

da evasão escolar na Universidade Federal da Paraíba. No âmbito internacional, a evasão
no ensino superior tem sido bastante discutida. No Brasil, esta temática é objeto de
estudo cientíco desde a década de 80, e verica-se uma grande quantidade de estudos
que abordam o tema como um dos grandes problemas para gerenciamento de recursos
e avaliação de qualidade de cursos nas instituições. A partir dos dados obtidos junto a
todos os campi da Universidade Federal da Paraíba UFPB, o presente trabalho apresenta
propostas de construção de indicadores de evasão escolar, tanto por métodos tradicionais
de cálculo quanto com métodos que consideram o uso de um modelo de regressão logística.
Para análise dos dados, foram considerados dados de alunos ingressantes, concluintes,
retidos, evadidos e dados socioeconômicos, os quais foram obtidos da Superintendência de
Tecnologia da Informação da UFPB (STI UFPB) para o período compreendido entre os
anos de 2007 até 2012, para o cálculo de indicadores por métodos tradicionais, e para o
método que considera o uso de um modelo de regressão logística, os dados obtidos foram
pra o período compreendido entre os anos de 2002 até 2012, pois como os métodos de
cálculo eram diferentes, algumas variáveis e dados não eram compativéis para o mesmo
período, decorrente da diculdade para obtenção dos dados por completos.
Palavras-chave: evasão escolar, ensino superior, evasão na UFPB, regressão logística.

ABSTRACT
This project aims to develop a case study on the university dropout phenomenon at
the Federal University of Paraíba. In another countries, evasion in universities has been
largely discussed. In Brazil, the university dropout has been object of scientic study since
the decade of the 80's, and it is possible to note that exists a lot of studies that consider
the dropout as one of the major problems for resource management and evaluation of
quality courses in institutions. From the data obtained from all campuses of the Federal
University of Paraíba - UFPB, this paper presents proposals to construct indicators for
the university dropout through some methods including the logistic regression model.
For data analysis, we considered the following variables: number of new students, number
of graduates, number of dropout students and socioeconomic data obtained from the
students. The data were obtained from the Superintendent of Information Technology of
UFPB for the period between the years 2007 to 2012 and 2002 to 2012.
Keywords: college dropout, college education; evasion at UFPB, logistic regression.

Sumário
1 Introdução 1
2 Objetivos 4
2.1 Objetivos Gerais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Objetivos Especícos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3 Evasão 5
3.1 Métodos de Cálculo de Indicadores de Evasão . . . . . . . . . . . . . . . . 9
3.1.1 Primeiro Método . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.1.2 Segundo Método . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4 Modelos de Regressão 11
4.1 Modelo de Regressão Linear . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4.2 Modelos de Regressão para Variáveis Dicotômicas . . . . . . . . . . . . . . 12
4.3 Modelo de Regressão Logística . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.3.1 Regressão Logística Simples . . . . . . . . . . . . . . . . . . . . . . 14
4.3.2 Regressão Logística Múltipla . . . . . . . . . . . . . . . . . . . . . . 16
5 Resultados e Discussões 18
5.1 Resultados dos Métodos de Cálculo de Indicadores de Evasão . . . . . . . . 18
5.1.1 Primeiro Método . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.1.2 Segundo Método . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.2 Análise da Evasão via Modelo de Regressão Logística . . . . . . . . . . . . 26
6 Considerações Finais 30
A Primeiro Método 36
B Segundo Método 39
C Modelo de Regressão Logística 41
1
Lista de Figuras
5.1 Evolução da média do indicador de evasão (%) nos Campi da UFPB, no
período compreendido entre 2007 e 2012 . . . . . . . . . . . . . . . . . . . 19
5.2 Evolução da média do indicador de evasão (%) nos Centros da Área de
Conhecimento Exatas, do Campus I da UFPB, no período compreendido
entre 2007 e 2012 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Conhecimento Humanas, do Campus I da UFPB, no período compreendido
entre 2007 e 2012 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Conhecimento Saúde, do Campus I da UFPB, no período compreendido
entre 2007 e 2012 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
5.5 Evolução da média do indicador de evasão (%) nos Centros das Áreas de
Conhecimento Agrárias; Humanas, Saúde e Agrárias e Ciências Aplicadas
e Saúde, dos Campi II, III e IV da UFPB, no período compreendido entre
2007 e 2012 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
5.6 Evolução da média do indicador de evasão (%) nos Campi da UFPB, no
período compreendido entre 2007 e 2012 . . . . . . . . . . . . . . . . . . . 22
Conhecimento Exatas, do Campus I da UFPB, no período compreendido
entre 2007 e 2012 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Conhecimento Humanas, do Campus I da UFPB, no período compreendido
entre 2007 e 2012 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Conhecimento Saúde, do Campus I da UFPB, no período compreendido
entre 2007 e 2012 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.10 Evolução da média do indicador de evasão (%) nos Centros das Áreas de
Conhecimento Agrárias; Humanas, Saúde e Agrárias e Ciências Aplicadas
e Saúde, dos Campi II, III e IV da UFPB, no período compreendido entre
2007 e 2012 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.11 Grácos de residuos de Pearson e resíduos deviance . . . . . . . . . . . . . 28
2
Lista de Tabelas
3.1 Sete pontos para minimizar a evasão segundo Lobo (2011). . . . . . . . . . 6
3.2 Possíveis causas da evasão escolar, na perspectiva de diversos autores. . . . 6
5.1 Média do indicador de evasão (%) por Campi na UFPB, no período de 2007
a 2012. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.2 Média do indicador de evasão (%) por Centros e Áreas de Conhecimento
na UFPB, no período de 2007 a 2012. . . . . . . . . . . . . . . . . . . . . . 19
5.3 Média do indicador de evasão (%) por Campi na UFPB, no período de 2007
a 2012. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.4 Média do indicador de evasão (%) por Centros e Áreas de Conhecimento
na UFPB, no período de 2007 a 2012. . . . . . . . . . . . . . . . . . . . . . 23
5.5 Modelos ajustados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5.6 Variáveis selecionadas pelo método stepwise. . . . . . . . . . . . . . . . . . 27
5.7 Ajuste do modelo nal selecionado. . . . . . . . . . . . . . . . . . . . . . . 28
5.8 Estatística descritiva do modelo nal selecionado. . . . . . . . . . . . . . . 28
5.9 Razão de chance da ocorrência do fenômeno evasão segundo a variável sexo. 29
A.1 Indicador de evasão de cada Curso por Centros e Área de Conhecimento

Exatas, no Campus I da UFPB, no período de 2007 à 2012 . . . . . . . . . 36
Humanas, no Campus I da UFPB, no período de 2007 à 2012 . . . . . . . 37
Saúde, no Campus I da UFPB, no período de 2007 à 2012 . . . . . . . . . 37
Agrárias, no Campus II da UFPB, no período de 2007 à 2012 . . . . . . . 37
Humanas, Sociais e Agrárias, no Campus III da UFPB, no período de 2007
à 2012 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Ciências Aplicadas e Educação, no Campus III da UFPB, no período de
2007 à 2012 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
B.1 Indicador de evasão de cada Curso por Centros e Área de Conhecimento

Exatas, no Campus I da UFPB, no período de 2007 à 2012 . . . . . . . . . 39
Humanas, no Campus I da UFPB, no período de 2007 à 2012 . . . . . . . 39
Saúde, no Campus I da UFPB, no período de 2007 à 2012 . . . . . . . . . 40
3
Agrárias, no Campus II da UFPB, no período de 2007 à 2012 . . . . . . . 40
Humanas, Sociais e Agrárias, no Campus III da UFPB, no período de 2007
à 2012 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
Ciências Aplicadas e Educação, no Campus III da UFPB, no período de
2007 à 2012 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
C.1 Estimativas de β. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
C.2 Ajuste do modelo nal selecionado. . . . . . . . . . . . . . . . . . . . . . . 43
4
Capítulo 1
Introdução
No decorrer dos anos as instituições de Ensino Superior vêm enfrentando um fenômeno
cada vez mais frequente: a evasão escolar, que corresponde em algumas instituições a uma
postura ativa do aluno que decide desligar-se por sua própria responsabilidade. No caso
da UFPB, o desvinculamento do aluno da instituição sem que o mesmo tenha terminado
o curso, se dá por diversas razões, desde a não realização da matrícula até o abandono
do curso por alguma outra razão, em geral pelo fato dele não ter efetuado matrícula, ou
seja, o ato de desvincular é realizado pela universidade à revelia do aluno, sendo o mesmo
responsável indireto pela ação.
Segundo Lobo (2011), para justicar o crescimento recente da importância dada ao
tema da Evasão pelos gestores das Instituições de Ensino Superior (IES), em especial
pelos mantenedores das instituições privadas, e mesmo das associações e dos órgãos de
governo ligados ao setor de Educação Superior, é preciso ter em mente a evolução e o
cenário do ensino superior brasileiro.
Uma das maiores dúvidas advindas da grande quantidade de alunos que se desvinculam
de uma universidade pública gira em torno de vários fatos que ocorrem durante toda a
trajetória do curso, muitos obstáculos surgem dicultando em grau variável a trajetória
do aluno, e por vezes acabam interferindo na continuidade do processo, ocasionando o
desligamento da instituição ou do curso, a evasão do aluno do processo educacional.
Segundo Amaral (2008), fatores externos e internos podem interferir na oscilação das
taxas de evasão, a exemplo dos socioculturais e econômicos (mercado de trabalho, re-
conhecimento social da carreira, desvalorização da prossão, diculdades nanceiras do
estudante), bem como, aqueles relacionados ao próprio estudante (habilidades de estudo,
formação escolar anterior, escolha da prossão, adaptação à vida universitária, desmo-
tivação com o curso, descoberta de novos interesses) e ao Curso e à Instituição como
currículos desatualizados, falta de clareza sobre o projeto pedagógico, falta de formação
pedagógica ou desinteresse do docente, falta ou pequeno número de programas como ini-
ciação cientíca, monitorias, critérios impróprios para avaliação do desempenho discente,
desvalorização da docência na graduação, estrutura de apoio ao ensino insuciente, dentre
outros.
No Brasil, as pesquisas sobre a evasão se tornaram mais frequentes a partir de 1995,
quando foi constituída a Comissão Especial de Estudos sobre Evasão, através de Portaria
SESU/MEC, com o objetivo de desenvolver estudos, sobre o desempenho das Instituições
Federais de Ensino Superior. Desde então, foram realizados estudos independentes acerca
desta temática em algumas instituições de Ensino Superior.
O Plano de Reestruturação e Expansão das Universidades Federais - REUNI instituído
1
o
pelo Governo Federal através do decreto N . 6.096, de 24 de abril de 2007 tem como meta
global a elevação da taxa de conclusão média dos cursos de graduação presenciais para
90% e por diretriz, entre outras coisas, a redução das taxas de evasão, ocupação de vagas
ociosas e aumento de vagas de ingresso.
A evasão é um dos maiores e mais preocupantes desaos do Sistema Educacional, pois
é fator de desequilíbrio, desarmonia e desajustes dos objetivos educacionais pretendidos
que é o de formar o aluno para entrar no mercado de trabalho. Segundo Silva et al.
(2001) para combater a evasão é necessário que a Instituição de Ensino seja parceira
do estudante. Se o estudante encontra uma Instituição Superior voltada para formar
prossionais qualicados, certamente permanecerá até o nal para deter o conhecimento
que lhe é oferecido.
Segundo dados obtidos do Instituto Nacional de Estudos e Pesquisas Educacionais
Anísio Teixeira (INEP), no ano de 2008 existiam no Brasil 183 universidades, das quais
97 são públicas e 86 privadas. Existiam ainda 124 centros universitários (quase todos pri-
vados) e 1911 Faculdades (também quase todas privadas). Nesse mesmo ano ingressaram
nas universidades um total 910.537 estudantes, dos quais 67% nas universidades privadas
e 33% nas públicas.
O índice mais adequado para avaliar uma universidade é a sua taxa de evasão, quanto
menor, mais diplomados estão sendo colocados à disposição da sociedade. Obviamente
a evasão não é o único fator responsável por isso, pois o tema da avaliação do ensino
superior é complexo, tanto na teoria como na prática. Porém é uma taxa importante
para a sinalização de que algo possa estar indo mal, sem que seja garantia de que tudo
está bem, quando ela for baixa. De acordo com Lobo (2011), se um curso é considerado
um sucesso (na opinião dos seus membros e de muitos gestores) quando preenche as suas
60 vagas iniciais e, apesar de perder metade de seus alunos ao longo dos dois primeiros
anos, porque recebe de volta a mesma metade por transferência com alunos vindos de
instituições mais fracas, o curso estaria dentro das expectativas nanceiras da IES. Será
que realmente esse curso pode ser considerado um sucesso?
O índice de evasão escolar é apurado e acompanhado como indicador de desempenho
em muitas instituições de ensino. Verica-se, nesse contexto, um pressuposto amplamente
disseminado na análise do índice, de que a evasão é simplesmente ruim e que deve,
portanto, ser reduzida ao máximo. Nessa linha de raciocínio, a evasão costuma ser vista
como fator relevante do insucesso institucional quando o índice de evasão se eleva ou ca
acima da média de outras instituições ou de metas com as quais é feita a comparação.
Segundo Lobo (2011), por não sabermos se e quando um aluno que abandonou seu
curso e sua IES (seja por trancamento, ou simples desistência) vai ou não retornar e em
qual período, não podemos deixar de estudar o problema e medi-lo. De acordo com Lobo
(2011), Vincent Tinto é o mais conhecido autor no tema e que trabalha no modelo de
integração estudante-IES, expandiu o trabalho que Spady propôs em 1975, incluindo na
teoria do suicídio a teoria da troca: o ser humano evita comportamentos muito custosos
e procura status, relacionamentos, interações e estados emocionais compensadores. O
estudante aplica a teoria da troca para determinar sua integração acadêmica e social. Se
ele perceber que os benefícios que recebe são maiores do que os custos, ele permanece.
Caso contrário, ele se vai. Assim, para ele, quem tem políticas e desenvolve estudos e ações
para ajudar na aprendizagem e integração do aluno está, ao mesmo tempo, combatendo
a Evasão
2
Tinto (2005) diz:
"Temos observado o crescimento da indústria da retenção para conseguir rápi-

dos resultados para o problema. Embora este trabalho possa ter algum valor,
é o trabalho dos professores e a capacidade da IES de construir uma comu-
nidade educacional que envolva ativamente também o estudante na tarefa
de aprender que deve nortear a ação da IES. O foco deve ser a educação
dos estudantes, não a retenção. Um programa bem sucedido de educação é
o segredo para um programa bem sucedido de retenção. É preciso dar ênfase
à construção de um apoio social e educacional da comunidade que envolva os
estudantes nas ações de aprender".
Andriola (2006), com base na opnião de Tinto (1975 apud Andriola, 2006) observa as
perdas na perspectiva do aluno, da instituição e da sociedade, gerando danos no contexto
social e acadêmico. Castro e Malacarne (2011) destaca o prejuízo nanceiro, pois os alunos
arcam com os custos advindos da manutenção do curso e da IES.
Para Baggi (2010) e Bruns (1985) quando o aluno não se diploma, traz diversos sen-
timentos à tona, como a desmotivação, o medo do futuro, a insegurança, a frustração, o
conformismo, a passividade e o sentimento de fracasso intitulado de abalo emocional, que
se revertera em sentimento de incapacidade intelectual para concluir qualquer curso.
Bruns (1985) sintetiza que a evasão ocasiona diculdades prossionais e de auto rea-
lização para os evadidos.
Javier e Mallada (2011) cita as principais consequências que a evasão pode causar ao
estudante, apresentadas no Quadro 1.1.
Quadro 1.1: Principais consequências que a evasão escolar pode causar ao estudante.
Depressão; Ideias suicidas; Baixa tolerância

Psicológicas à frustração;
Ansiedade; Condutas Paranóicas; Cinismo;
Obesidade e Fobia; Sentimento de culpa; Condutas atípicas;
Físicas Fadiga crônica; Tensão muscular ; Alterações no sono;
Somatizações; Gastrite e úlcera; Hipertensão;
Atitudes Negativas Diminuição do Abandono;
Escolares para realizar as tarefas; rendimento;
Incapacidade para realizar Insatisfação; Desmotivação;
um trabalho rigoroso;
Interpessoais Diminuição da qualidade Falta de interesse Irritabilidade;
de vida em geral; social;
Fonte: Javier e Mallada (2011).
Desta forma, o presente trabalho analisa o desempenho dos cursos de graduação da

UFPB relativos ao índice de evasão dos estudantes, de forma a fornecer aos gestores,
subsídios que os auxiliem tanto na realização de estudos qualitativos como quantitativos,
na implantação de medidas que proporcionem a melhoria da taxa de evasão.
3
Capítulo 2
Objetivos
2.1 Objetivos Gerais

Analisar a evasão escolar na UFPB através de métodos de cálculo das taxas de evasão,
nos Centros e Campi de ensino da UFPB no período de 2007 a 2012.
2.2 Objetivos Especícos

• Calcular indicadores de evasão através do método desenvolvido por Lobo (2011);
• Calcular indicadores de evasão através do método desenvolvido por Veloso, Seixas

e Guimarães (2012), que é o método instituído pela Comissão Especial de Estudos
sobre Evasão nas Universidades Públicas Brasileiras, em março de 1995;
• Calcular indicadores de evasão através de regressão logística.
4
Capítulo 3
Evasão
De acordo com Lobo (2011), a Evasão é um dos maiores problemas de qualquer nível
de ensino e o é, também, no Ensino Superior Brasileiro, público e privado. O abandono
do aluno sem a nalização dos seus estudos representa uma perda social, de recursos e de
tempo de todos os envolvidos no processo de ensino, pois perdem os alunos, seus profes-
sores, a instituição de ensino, o sistema de educação e toda a sociedade (ou seja, o País).
Essa perda coletiva ocorre na medida em que os evadidos terão maiores diculdades de
atingir seus objetivos pessoais e porque, no geral, existirá um número menor de pessoas
com formação completa do que se poderia ter e mais diculdade para que cumpram seu
papel na sociedade com eciência e competência.
Segundo Fialho (2014) é possível identicar diversos tipos de evasão, e a instituição
de ensino superior pode adotar a nomenclatura que desejar para cada tipo de evasão.
Os tipos de evasão escolar variam conforme o autor. Alguns tipos de abandono são
encontrados em estudos de diferentes estudiosos. E os tipos constatam como a evasão
aconteceu. Assim, Silva Filho et al. (2007) e Scali (2009) pontuam o cancelamento do
curso a pedido do aluno, por se tratar da vontade do discente em cancelar o curso no
qual está matriculado. A mesma situação é chamada por Adachi (2009) de evasão por
solicitação do aluno, visto que prevalece a vontade de o estudante abandonar o curso. Silva
Filho et al. (2007) mencionam o cancelamento a pedido da instituição.Essa solicitação
pode ocorrer por diversos motivos.
Lobo (2012) menciona a questão da transferência para outra instituição, embora con-
tinue no mesmo curso, aproveitando assim as cadeiras da instituição anterior. Fialho
(2014) salienta que nesse caso pode acontecer de o aluno não se identicar com a cultura
da instituição anterior (Fialho, Vieira e Prestes, 2013).
De acordo com Fialho (2014) a desistência é outro tipo de evasão e geralmente a ins-
tituição apenas registra a decisão do aluno sem identicar as causas e atribui o abandono
apenas ao estudante (Goiris, Reinert e Gubiotti, 2012; Silva Filho et al. 2007; Lobo,
2012).
Segundo Fialho (2014), Tinto (1973 apud Fialho, 2014) destaca que existem diferentes
formas de saída do sistema de ensino superior e classica-os em: demissão acadêmica,
abandono permanente, abandono temporário, desistência e transferência. E, o abandono é
o tipo de evasão mais conhecido conforme Scali (2009), Moehlecke (2007), Goiris, Reinert
e Gubiotti (2012) e Lobo (2012).Os autores armam que abandonar o curso pode ser
entendido como o fracasso do aluno, da instituição e da sociedade. Como também pode se
referir a uma queixa do aluno à má qualidade da instituição no atendimento aos discentes
ou como uma forma de protesto do aluno para com a instituição.
5
Para Lobo (2011), como os exemplos brasileiros não são documentados em termos de
exemplos e resultados mensuráveis, enumera-se um pequeno resumo de sete fatores que
ajudam a minimizar a evasão, enumerados na Tabela 3.1, baseados em alguns exemplos
bem sucedidos que foram divulgados internacionalmente:
Tabela 3.1: Sete pontos para minimizar a evasão segundo Lobo (2011).
I Estabelecer um grupo de trabalho encarregado de reduzir a evasão
II Avaliar as estatísticas da evasão
III Determinar as causas da evasão
IV Estimular a visão da IES centrada no aluno
V Criar condições que atendam aos objetivos que atraíram os alunos
VI Tornar o ambiente e o trânsito na IES agradáveis aos alunos
VII Criar programa de aconselhamento e orientação dos alunos
Fonte: Lobo (2011).
Fialho (2014) salienta que segundo Bruns (1985) é possível minimizar a evasão, en-
tretanto, para que a instituição possa organizar um plano de combate a esse dano, é
necessário conhecer as evidências e os possíveis motivos que contribuem para o abandono.
No entanto, é impossível catalogar todas as causas, pois os seus motivos variam conforme
o aluno e as subjetividades particulares da evasão. A Tabela 3.2 mostra a classicação
das possíveis causas de evasão de acordo com alguns autores e evidencia que em muitos
casos os motivos se assemelham.
Tabela 3.2: Possíveis causas da evasão escolar, na perspectiva de diversos autores.
Autor Causa
Pereira Júnior(2012) Se a escolha do curso for feita de forma precoce, pode trazer
consequências negativas para o aluno;
A variável sexo como causa de evasão.
Baggi e Lopes(2010) Imaturidade;
Estudantes dependentes das famílias.
Moehlecke,(2007) Ausência de capital cultural do estudante;
Frequenta dois cursos de nível superior ao mesmo tempo.
Morosini et al. (2011) Caso a escolha seja feita de forma precoce e equivocada, o aluno vai
alegar não conhecer o curso;
Se a opção do curso não for bem orientada, a escolha pode
comprometer o nível de compromisso com o curso;
Insatisfação com o curso e a instituição;
Repetência e reprovação;
Desempenho nas disciplinas;
Currículo rígido;
Ausência de integração acadêmica;
Castro e Malacarne (2011) Casamentos, lhos;
Responsabilidades com a família;
Deciência na educação básica;
Problemas na leitura, escrita e interpretação;
Métodos de avaliação adotados pelas IES;
O fato de atribuir nota ao aluno pode levar o mesmo a abandonar o
curso;
Trabalho versus estudo;
O curso não possui o prestígio;
A localização da IES.
6
Neto, Cruz e Ptscher (2008) Escolha precoce do curso;
O conjunto nanceiro.
Lobo (2012) Se não houver melhora na qualidade da educação básica a
educação superior continuará sendo reproduzindo, as falhas
da educação básica;
Relação professor-aluno;
O aluno não se identica com o curso;
Mobilidade estudantil.
Andriola( 2009) Insatisfação com o curso e a instituição e o sistema educacional
como um todo.
Fernandes et al. (2010) O baixo compromisso institucional;
Horários de trabalho excessivo;
O curso não possui o prestígio.
Goiris, Reinert e Gubiotti (2012) Faltou no momento da escolha a orientação vocacional;
Relacionamento dentro do ambiente familiar;
Deciênciana educação básica, afeta a qualidade do ensino;
Ensinar os alunos a ler e a escrever;
O baixo compromisso institucional.
Baggi (2010) Herança prossional;
Características da família;
Status social, renda familiar, ocupação e escolaridade dos pais;
Os estudantes precisaram se adequar a metodologia do curso;
Horários de trabalho excessivo;
Momento da escolha do curso;
A localização da IES.
Bruns(1985) Inuência da família;
Os alunos não estão preparados para ingressar na universidade;
IES não está também preparada para receber o alunado
ingressante;
A falta frequente do aluno às aulas;
Diculdade de aprendizagem dos alunos;
Currículo rígido das universidades;
Docentes considerados despreparados;
Relação professor-aluno;
Métodos de avaliação adotados pelas IES;
Doenças;
Diculdades de conciliar trabalho e estudo;
Ausência de mobilidade.
Freitas(2007; 2009) Responsabilidades com a família;
No primeiro ano do curso a evasão é, geralmente, três vezes
maior do que nos outros semestres;
Pressão por parte do trabalho.
Latiesa(1992) Relacionamento dentro do ambiente familiar;
Reprovações nos períodos iniciais.
Silva Filho (2009) Deciência do ensino básico;
Período inicial do curso considerado de risco e com grandes
chances de evasão;
Os estudantes precisam se adequar a metodologia do curso;
Aulas teóricas e disciplinas complexas;
Currículo rígido das universidades.
Tinto (1975) O aluno ingressante no ensino superior traz consigo uma
variedade de características pessoais, familiares, prossionais
e ou acadêmicas;
Ausência de laços afetivos;
Ausência de integração acadêmica.
7
Scali (2009) O aluno ingressante no ensino superior traz consigo uma variedade
de características pessoais, familiares, prossionais e ou acadêmicas;
Período inicial do curso considerado de risco e com grandes chances
de evasão;
Impactos da cultura e rotina institucional que difere da cultura escolar
do ingressante;
Nos períodos iniciais do curso podem acontecer momentos de estresse
e ansiedade;
O conjunto nanceiro;
Falta de tempo para dedicar-se aos estudos;
Sono, cansaço;
Desencanto da prossão.
Adachi (2009) Reprovações nos períodos iniciais;
Aspectos nanceiros.
Silva Filho et al. (2007) No primeiro ano do curso a evasão é, geralmente, três vezes maior do que
nos outros semestres;
Aspectos nanceiros.
Risto (1997) Frequenta dois cursos de nível superior ao mesmo tempo.
Fonte: FIALHO (2014)
Segundo Palharini (2004), evasão é a saída denitiva do aluno do curso de origem sem
concluí-lo. Embora esta seja uma denição praticamente consensual entre os estudiosos da
temática, verica-se que, a partir deste ponto, as divergências começam a se manifestar.
Estas diferenças se conguram nos métodos de identicação da evasão, pois esta saída
denitiva pode assumir diferentes conformações tanto no que diz respeito à forma quanto
ao signicado.
Segundo Silva Filho e Lobo (2012) existem três tipos de evasão:
1. Evasão da Instituição de Ensino Superior se congura quando o aluno opta

por transferir-se para o mesmo curso ou outro curso em outra instituição;
2. Evasão do Curso caracteriza-se quando o aluno opta pela transferência de curso

na mesma instituição;
3. Evasão do Sistema ocorre quando o aluno não se matricula ou abandona o curso.
Ainda não existe um consenso sobre uma única forma de medir a taxa de evasão entre
as instituições de Ensino Superior. Em alguns estudos existe um dúbio entendimento sobre
o signicado da evasão, se confundindo às vezes com retenção, que pode ser considerada
uma das causas da evasão.
Retenção, segundo Palharini (2004) diz respeito ao estudante regularmente matricu-
lado no seu curso de origem e que já extrapolou o tempo médio de integralização curricular.
Dependendo do modo como a evasão é aferida, faz crescer ainda mais o número de eva-
didos, a partir de tamanha elasticidade conceitual é que se pode detectar uma variedade
imensa de índices.
A metodologia mais aceita nas publicações sobre evasão é conhecida como Evasão
Anual, desenvolvida por um estudo coordenado pelo ex-reitor da USP (Universidade de
São Paulo) Roberto Lobo (Silva Filho et al, 2007). O procedimento foi largamente difun-
dido e teve grande penetração na mídia.
Segundo Silva Filho e Lobo (2012), não há fórmula ideal para o cálculo da evasão,
pois depende dos critérios e metodologias adotadas. O importante é adotar um critério
e metodologia que não variem signicativamente no tempo para que todos possam, de
forma transparente e com a metodologia e critérios adotados de conhecimento público,
8
acompanhar a evolução dos resultados no tempo, identicando as tendências históricas
do fenômeno, sem riscos de erros substanciais.
O Instituto Lobo relata que independente do método utilizado, o que vale é analisar
a evolução da evasão, proporcionando meios para se criar estratégias e ações políticas de
combater ao fenômeno (Lobo, 2012).
É importante para a instituição de ensino superior ter conhecimento sobre a taxa de
evasão que mais representa sua realidade, para tomar este resultado como base, objeti-
vando a criação de políticas públicas para solucionar esse problema.
De acordo com Fialho (2014) a consistência das informações é considerada um desao,
para o Clark County School District CCSD, Nora Luna (2003 apud Fialho, 2014), pois,
a incoerência nos cálculos de evasão acontece porque não há um acompanhamento dos
alunos ao longo do tempo, como também, não existe o fornecimento correto dos dados.
Neste trabalho serão apresentados dois métodos para medir a evasão na instituição
UFPB.
3.1 Métodos de Cálculo de Indicadores de Evasão

3.1.1 Primeiro Método
Um dos métodos de cálculo a ser utilizado será o proposto por Lobo (2011). Considere
que a taxa percentual de permanência, seja denotada por P, cuja expressão é dada
por:
Mt − It
P = ∗ 100
Mt−1 − Et−1
onde os termos na expressão são denidos como:

Mt : Número de matrículas realizadas no ano "t";
Mt−1 : Número de matrículas realizadas no ano anterior "t − 1";
It : Número de alunos ingressantes no ano "t";
Et−1 : Número de alunos egressos no ano anterior "t"(ou seja, concluintes).
Dada a fórmula para a taxa percentual de permanência, podemos denir então a taxa
percentual de evasão, denotada por EV , cuja expressão seja dada por
EV = (1 − P ) ∗ 100.
3.1.2 Segundo Método
O outro método de cálculo a ser utilizado será o proposto Veloso, Seixas e Guimarães
(2012), que é o método instituído pela Comissão Especial de Estudos sobre Evasão nas
Universidades Públicas Brasileiras, em março de 1995. Segundo Fialho (2014) a Comis-
são Especial de Estudos sobre Evasão nas Universidades Públicas Brasileiras adotou no
seu estudo o método de uxo ou Acompanhamento de Estudantes, o que corresponde
9
à taxa de coorte (COMISSÃO ESPECIAL, 1997) que mede os acontecimentos de um
determinado grupo, no decorrer de um intervalo de tempo e por isso produz a maior taxa
de evasão, porque considera os estudantes desistentes quatro anos depois. Elaborando a
seguinte fórmula para calcular a taxa de evasão anual, denotada por EV , cuja expressão
é dada por:
(Ni − Nd − Nr )
EV = ∗ 100
Ni
onde os termos na expressão são denidos como:

Ni : Número de ingressantes realizadas no ano - base;
Nd : Número de diplomados;
Nr : Número de retidos (COMISSÃO ESPECIAL, 1997).
10
Capítulo 4
Modelos de Regressão
4.1 Modelo de Regressão Linear

Os modelos de regressão linear fornecem uma estrutura exível que permite analisar
a solução de vários problemas práticos.
O modelo estatístico seria:
Yi = β0 + β1 xi + i
em que:
Yi : valor observado para a variável dependente Y no i−ésimo nível da variável indepen-
dente X ;
β0 : constante de regressão. Representa o intercepto da reta com o eixo dos Y ;
β1 : coeciente de regressão. Representa a variação de Y em função da variação de uma
unidade da variável X ;
xi : i−ésimo nível da variável independente X(i = 1, 2, ..., n);
i : é o erro que está associado à distância entre o valor observado Yi e o correspondente
ponto na curva, do modelo proposto, para o mesmo nível i de X .
Para se obter a equação estimada, utiliza-se o Método dos Mínimos Quadrados (MMQ),
visando a minimização dos erros. Assim, tem-se que:
i = Yi − β0 − β1 xi
elevando ambos os membros ao quadrado,
2i = [Yi − β0 − β1 xi ]2
aplicando o somatório,
n
X n
X
2i = [Yi − β0 − β1 xi ]2
i=1 i=1
11
Por meio da obtenção de estimadores de β0 e β1 , que minimizem o valor obtido na
expressão anterior, é possível alcançar a minimização da soma de quadrados dos erros.
Para se encontrar o mínimo para uma equação, deve-se derivá-la em relação a variável
de interesse e igualá-la a zero. Derivando então a expressão anterior em relação a β0 e β1 ,
e igualando-as a zero, poderemos obter duas equações que, juntas, vão compor o chamado
sistema de equações normais. A solução desse sistema fornecerá:
P P
P xi yi
xi y i − n SP Dxy
β̂1 = ( xi )2
P =
SQDx
P 2
xi − n
β̂0 = Ŷ − β̂1 X̂
Uma vez obtidas estas estimativas, podemos escrever a equação estimada:
Ŷi = β̂0 + β̂1 Xi
2
O coeciente de determinação (R ), para o caso da regressão linear, é uma maneira
2
de se vericar se o modelo proposto é adequado ou não para descrever o fenômeno. O R
é obtido por:
SQReg
R2 =
SQT otal
O valor de R2 varia no intervalo de 0 a 1. Valores próximos de 1 indicam que o modelo

proposto é adequado para explicar o fenômeno.
2
O R indica a proporção (ou porcentagem) da variação de Y que é explicada pelo
modelo de regressão, ou quanto da variação na variável dependente Y está sendo explicada
pela variável independente X.
4.2 Modelos de Regressão para Variáveis Dicotômicas

Segundo Paula (2004), por muitos anos os modelos normais lineares foram utilizados
para descrever a maioria dos fenômenos aleatórios.
De modo geral, um modelo de regressão pode ser denido através da seguinte expres-
são:
Yi = β0 + β1 x1i + . . . + βq xqi + i
12
em que:
Yi : corresponde a variável dicotômica (dummy), que pode assumir os valores 1 ou 0;
Xi = (1T , xT1 , xT2 , ..., xTq ) : representa a matriz com as informações das variáveis explicati-
vas;
β = (β1 , β2 , ..., βq )T : é o vetor de parâmetros correspondente ao impacto na média da
variável resposta ao se considerar o aumento em uma unidade de cada uma das variáveis
explicativas;
i : representa o termo aleatório referente ao erro na mensuração da i-ésima observação
da variável resposta por meio das q -ésimas variáveis explicativas. Em muitas situações,
2
considera-se i v N (0, σ ).
Mesmo quando o fenômeno sob estudo não apresenta uma resposta para a qual fosse
razoável a suposição da normalidade, algum tipo de transformação é recomendável no
sentido de alcançar a normalidade procurada. Provavelmente a transformação mais co-
nhecida foi proposta por Box e Cox (1964). Entretanto, os modelos de regressão linear
não são apropriados em todas as situações. E pode ser difícil encontrar um bom modelo,
devido às várias escolhas de transformações disponíveis.
De acordo com Paula (2004), algumas vezes, métodos mais simplicados, como o de
mínimos quadrados, foram sugeridos porque outros, como o de máxima verossimilhança
com informação limitada (Anderson, 2005), envolviam cálculos complicados e difíceis de
serem manipulados. Com os recentes avançoes computacionais, tal busca por modelos
simplistas não mais se justica, pelo menos para a maior parte dos problemas (Maddala,
2003). Em decorrência disto, alguns modelos que exigiam a utilização de esquemas itera-
tivos para a estimação dos parâmetros começaram a ser mais empregados, como o modelo
normal não-linear e os modelos não-lineares da família exponencial (Cordeiro and Paula
(1989a) e Wei (1998)), que admitem preditores não-lineares nos parâmetros.
Os modelos lineares generalizados (GLM, Nelder and Wedderburn (1972)) e os modelos
aditivos generalizados (GAM, Hastie and Tibshirani (1990)) são técnicas de modelagem
de regressão univariada bastante utilizadas na prática. Embora sejam consideravelmente
mais exíveis do que o modelo de regressão linear normal, em suas versões originais eles
não permitem o ajuste de variáveis cuja distribuição não pertence à família exponencial e
assumem que o parâmetro de dispersão não varia de acordo com as variáveis preditoras.
Dado o exposto, o objetivo deste trabalho é encontrar uma modelagem que possa re-
presentar por meio de um indicador numérico o processo de decisão de que levou o aluno
a optar ou não por evadir um curso de graduação na universidade, comparado-o com os
métodos clássicos de cálculo de evasão. Partindo desta premissa, observou-se que, dentre
a classe de modelos lineares generalizados tradicionalmente mais utilizados, destacam-se
o modelo de regressão logística e o modelo de regressão probit. A característica comum
destes tipos de modelos é explicar uma variável do tipo dicotômica (ou seja, que assume
apenas dois valores, 0 ou 1), utilizando variáveis explicativas que possam ter um grau
de associação desejável com os níveis de resposta dessa variável dicotômica. Situações
onde estes modelos são aplicados podem ser apresentadas. Por exemplo, na decisão de
um indivíduo optar por certa linha de crédito de um banco em detrimento a outras;o
cidadão decidir ir para o trabalho de carro ou de metrô,apresentação de evidência relacio-
nada à fatores de risco para determinado tipo de enfermidade; e, dentrodo objetivo deste
trabalho, o aluno universitário decidir por abandonaro curso de graduação no qual está
matriculado.Apesar de haver uma similaridade entre estes modelos, os mesmos possuem
diferenças, a saber:
• O modelo de regressão logística na prática é o mais utilizado, devido à sua repre-
13
sentação e tratamento matemático mais simples, com facilidade de interpretação de
resultados, além de considerar a independência entre as variáveis.
• O modelo de regressão probit considera a existência de alguma correlação entre as

variáveis explicativas, dicultando sua utilização, uma vez que essa correlação tem
de ser explicativa.
4.3 Modelo de Regressão Logística

Segundo Paula (2004), a regressão logística tem se constituído num dos principais
métodos de modelagem estatística de dados de uma variável dicotômica. Mesmo quando
a resposta de interesse não é originalmente do tipo binário, alguns pesquisadores estabe-
lecem critérios para criar respostas de natureza dicotômica,de modo que a probabilidade
de sucesso possa ser ajustada através da regressão logística. Tudo isso se deve, principal-
mente, pela facilidade de interpretação dos parâmetros de um modelo logístico.
A regressão logística é conhecida desde os anos 50, no entanto foi através de Cox (1970)
que a regressão logística cou popular entre os usuários da Estatística.
A melhor maneira de encontrarmos um modelo reduzido que inclua apenas as cova-
riáveis e interações mais importantes para explicarmos a probabilidade de sucesso π(x) é
selecionando o modelo pelos métodos usuais de seleção de modelos.
Paula (2004) diz que existem vários procedimentos para a seleção de modelos de re-
gressão, embora nenhum deles seja consistente, ou seja, mesmo para amostras grandes
selecione com probabilidade 1
as variáveis explicativas com coeciente de regressão não
2 2
nulo. Os procedimentos mais conhecidos são maior Rp , menor sp , Cp , forward, backward,
stepwise e AIC, além de outros métodos que usam computação intensiva.
Um dos métodos mais aplicados em regressão logística é o método stepwise. No en-
tando um procedimento mais simples para selecionarmos variáveis explicativas num mo-
delo logístico é através do método de Akaike.
O método proposto por Akaike (1974) é um processo de minimização que não envolve
testes estatísticos. A ideia básica é selecionar um modelo que esteja bem ajustado e tenha
um número reduzido de parâmetros. Como o logaritmo da função de verossimilhança
L(β) cresce com o aumento do número de parâmetros do modelo, uma proposta razoável
seria encontrarmos o modelo com menor valor para a função
AIC = −L(β̂) + p,
em que p denota o número de parâmetros.
4.3.1 Regressão Logística Simples
O modelo de regressão logística linear simples em que π(x), a probabilidade de "su-

cesso" dado o valor x de uma variável explicativa qualquer, é dado por
π(x)
log = α + βx
1 − π(x)
14
onde α e β são parâmetros desconhecidos. Esse modelo poderia ser aplicado para analisar a
associação entre o abandono completo da instituição, que será considerado como evasão, e
a ocorrência ou não de um fator particular. Seriam então amostrados, independentemente,
n1 indivíduos com presença do fator (x = 1) e n2 indivíduos com ausência do fator (x = 0)
e π(x) seria a probabilidade de evasão. Dessa forma, a chance de evasão do aluno da
instituição de ensino para um aluno com presença do fator ca dada por
π(1)
= eα+β
1 − π(1)
enquanto que a chance de evasão do aluno da instituição de ensino para um aluno com
ausência do fator é simplesmente
π(0)
= eα
1 − π(0)
Logo, a razão de chances (ψ) ca dada por
π(1){1 − π(0)}
ψ= = eβ
π(0){1 − π(1)}
dependendo apenas do parâmetro β. Mesmo que a amostragem seja retrospectiva, isto

é, são amostrados n1 alunos evadidos e n2 alunos que não evadiram, o resultado acima
continua valendo. Essa é uma das grandes vantagens da regressão logística, a possibili-
dade de interpretação direta dos coecientes como medidas de associação. Esse tipo de
interpretação pode ser estendido para qualquer problema prático.
Segundo Paula (2004), supondo que temos dois estratos representados por x1 (x1 = 0
estrato 1, x1 = 1 estrato 2) e que sao amostrados do estrato 1 n11 aluno com presença
do fator e n21 aluno com ausência do fator e n12 e n22 , respectivamente, do estrato 2. A
probabilidade da evasão acontecer será denotada por π(x1 , x2 ), com x2 (x2 = 1 presença
do fator, x2 = 0 ausência do fator). Temos então quatro parâmetros a serem estimados,
π(0, 0), π(0, 1), π(1, 0) e π(1, 1). Logo, qualquer reparametrização deverá ter no máximo
quatro parâmetros (modelo saturado).
Vamos considerar então a seguinte reparametrização:

π(x1 , x2 )
log = α + γx1 + βx2 + δx1 x2
1 − π(x1 , x2 )
em que γ representa o efeito do estrato, β o efeito do fator e δ a interação entre estrato e

fator. Para entender melhor essa reparametrização, vamos calcular as razões de chances
em cada estrato
15
π(0, 1){1 − π(0, 0)}
ψ1 = = eβ
π(0, 0){1 − π(0, 1)}
π(1, 1){1 − π(1, 0)}

ψ2 = = eβ+δ
π(1, 0){1 − π(1, 1)}
Assim, a hipótese de homogeneidade das razões de chances (H0 : ψ1 = ψ2 ) é equivalente

à hipótese de não interação (H0 : δ = 0). Portanto, a ausência de interação entre fator
e estrato signica que a associação entre fator e estrato não muda de um estrato para o
outro. Contudo, pode haver efeito de estrato. Como ilustração nesse caso, vamos supor
que não rejeitamos a hipótese H0 : δ = 0. Assim, o logaritmo da chance do aluno ter
evadido ca dado por

π(x1 , x2 )
log = α + γx1 + βx2
1 − π(x1 , x2 )
ou seja, é o mesmo nos dois estratos a menos da quantidade γ. Isso quer dizer que mesmo
não havendo interação entre os dois estratos (razão de chances constante), as probabili-
dades da evasão podem estar em patamares diferentes. Num estrato essas probabilidades
são maiores do que no outro estrato. Essas interpretações podem ser generalizadas para
três ou mais tabelas.
4.3.2 Regressão Logística Múltipla
De modo geral, o modelo geral de regressão logística em que π(x), a probabilidade de

"sucesso" dado o valor x de uma variável explicativa qualquer, é dado por
π(x)
log = β1 + β2 x2 + ... + βp xp
1 − π(x)
em que x = (1, x2 , ..., xp )T contém os valores observados das p variáveis explicativas.

O processo iterativo para obtermos β pode ser expresso com um processo iterativo de
mínimos quadrados reponderados
β (m+1) = (X T V (m) X)(−1) X T V (m) z (m)
em que V = diag{π1 (1 − π1 ), ..., πn (1 − πn )}, z = (zi , ..., zn )T é a variável dependente

ηi +(yi −πi )
modicada, zi = , m = 0, 1, ... e i = 1, ..., n. Para dados agrupados (k gru-
πi (1−πi )
ηi +(yi −ni πi )
pos), substituímos n por k , V = diag{n1 π1 (1 − π1 ), ..., nk πk (1 − πk )} e zi =
ni πi (1−πi )
.
ni
Assintoticamente, n → ∞ no primeiro caso e para → ai > 0 no segundo caso,
n
T (−1)
β̂ − β v Np (0, (X V X) .
16
Uma interpretação interessante pode ser dada para as razões de chances quando temos
(q − 1)(q ≤ p) (p − 1) variáveis explicativas do tipo binário.
das
Supondo que q = 4 e que x2 (x2 = 1 presença, x2 = 0 ausência) e x3 (x3 = 1 presença,
x3 = 0 ausência) representam dois fatores. Supondo ainda que x4 = x2 x3 representa a
interação entre os dois fatores. O modelo ca então dado por
p
π(x) X
log = β1 + β2 x2 + β3 x3 + β4 x4 + xj β j
1 − π(x)
j=5
Denotando por ψij a razão de chances entre um aluno na condição (x2 = i, x3 = j)

em relação a um aluno na condição (x2 = 0, x3 = 0), para i, j = 0, 1, supondo que os dois
alunos têm os mesmos valores observados para as demais (p − 4) variáveis explicativas.
Assim, pode-se mostrar facilmente que
ψ10 = exp(β2 )
ψ01 = exp(β3 )
ψ11 = exp(β2 + β3 + β4 ).
Portanto, testar a hipótese H0 : β4 = 0 (ausência de interação) é equivalente a testar

a hipótese de efeito multiplicativo H0 : ψ11 = ψ10 ψ01 . Em particular, se x3 representa
dois estratos (x3 = 0, estrato 1; x3 = 1, estrato 2), a razão de chances no primeiro estrato
entre presença e ausência do fator ca dada por ψ10 = exp(β2 ), enquanto que no segundo
ψ11
estrato essa razão de chances vale = exp(β2 + β4 ). Logo, testar H0 : β4 = 0 equivale
ψ01
também a testar a hipótese de homogeneidade das razões de chances nos dois estratos.
No estudo considerado neste trabalho, serão consideradas variáveis sócio-econômicas
dos alunos da UFPB para a tentativa de fornecer,via regressão logística, evidência do fato
do aluno abandonar por completo a instituição ou não. Esse abandono por completo da
instituição de ensino é que será considerado como a evasão do aluno. Dessa forma, a razão
de chances do aluno ter evadido ou não está condicionada as p variáveis sócio-econômicas
(variáveis explicativas: sexo, estado civil, renda do aluno, renda do pai, instrução da mãe,
entre outros).
Dessa forma, espera-se que o modelo de regressão logística forneça, por meio das esti-
mativas geradas por ele, evidência acerca dos principais fatores que podem ser responsáveis
pelo fenômeno da evasão.
17
Capítulo 5
Resultados e Discussões
5.1 Resultados dos Métodos de Cálculo de Indicadores

de Evasão
5.1.1 Primeiro Método
As tabelas e os grácos, apresentados a seguir, oferecem uma visão do fenômeno de

evasão segundo Centros, Área de Conhecimento e Campus da UFPB.
É possível perceber que se os quatro Campi forem analisados de forma geral, os Campi
que apresentaram uma menor média da taxa de evasão foram os Campi I e III.
De modo geral, é possível observar que, em média, as taxas de evasão do Campus I
da UFPB estão baixas, apresentando valores abaixo de 15% por ano, o que mostra que a
evasão, de alguma forma, está sendo controlada neste Campus. Como mostram a Tabela
5.1 e a Figura 5.1, que reportam a média do indicador de evasão, referente a cada campus
da UFPB, entre os anos de 2007 à 2012.
Tabela 5.1: Média do indicador de evasão (%) por Campi na UFPB, no período de 2007
a 2012.
CAMPUS 2007 2008 2009 2010 2011 2012

Campus I 13,67 10,99 15,32 15,16 14 13,87
Campus II 18,75 12,67 16,69 16,13 9,32 9,98
Campus III 13,72 17,91 11,32 16,60 13,50 12,05
Campus IV 10,83 20,73 19,47 21,50 16,27 16,20
18
Figura 5.1: Evolução da média do indicador de evasão (%) nos Campi da UFPB, no
período compreendido entre 2007 e 2012
Ao analisar a média do percentual de evasão de forma geral para os quatro Campi

da UFPB, analisando cada centro separadamente a média da taxa de evasão também se
apresentou de forma positiva, mas em alguns centros já houve um drástico aumento da
média da taxa.
No campus I, se analisado de forma geral, os Centros que apresentaram as maiores
e menores médias da taxa de evasão, foram o Centro de Ciências Exatas e da Natu-
reza(CCEN) e o Centro de Ciências Médicas (CCM), respectivamente. Os Campi II, III
e IV só possuem um Centro cada, portanto não é possível comparar com outros Centros
do mesmo Campus. A Tabela 5.2 e as Figuras 5.2, 5.3, 5.4 e 5.5 reportam a evolução da
média do indicador de evasão nos Centros e Áreas de Conhecimento, dos quatro Campi
da UFPB, no período compreendido entre 2002 e 2012.
Tabela 5.2: Média do indicador de evasão (%) por Centros e Áreas de Conhecimento na
UFPB, no período de 2007 a 2012.
CAMPUS ÁREA DE CONHECIMENTO CENTROS 2007 2008 2009 2010 2011 2012
CCEN 13,67 13,99 19,17 24,17 24,53 21,14
CT 12,07 10,77 17,45 16,57 12,33 12,74
EXATAS CI 9,36 14,18 18,47 20,97 21,51 14,22
CEAR 41,67 21,52 18,66 11,79
CTDR 13 21,25
CCHLA 25,13 17,52 15,17 17,58 16,74 19,48
I CE 29,73 5,13 7,92 11,44 11,62 15,81
HUMANAS CCSA 11,02 11,01 14,02 15,55 13,23 14,78
CCJ 5,07 3,38 5,73 9,97 8,03 4,15
CCTA 14 20,19 10,94 11,84 15,67 16,92
CCM 1,08 0,72 0,36 2,13 1,40 3,38
SAÚDE CCS 15,58 13,06 17,65 14,96 11,32 10,81
Cbiotec
II AGRÁRIAS CCA 18,75 12,67 16,69 16,13 9,32 9,98
III HUMANAS, SAÚDE E AGRÁRIAS CCHSA 13,72 17,91 11,32 16,60 13,50 12,05
IV CIÊNCIAS APLICADAS E EDUCAÇÃO CCAE 10,83 20,73 19,47 21,50 16,29 16,20
19
Figura 5.2: Evolução da média do indicador de evasão (%) nos Centros da Área de
Conhecimento Exatas, do Campus I da UFPB, no período compreendido entre 2007 e
2012
Analisando a Área de Conhecimento Exatas do Campus I, o Centro que obteve o

maior média da taxa do indicador de evasão, no geral, foi o Centro de Ciências Exatas e
da Natureza (CCEN), no entanto o Centro de Energias Alternativas e Renováveis (CEAR),
mostrou um pico na taxa no ano de 2009, mas esse fenômeno é facilmente explicável, por
ser um Centro com Cursos recém-criados no período.
Conhecimento Humanas, do Campus I da UFPB, no período compreendido entre 2007 e
2012
Já na Área de Conhecimento Humanas, o Centro de Educação (CE) teve um alto

índice em 2007, mas que depois foi controlado e no geral o Centro que apresentou um
20
maior índice durante os anos seguintes foi o Centro de Ciências Humanas, Letras e Artes
(CCHLA). O Centro de Ciências Jurídicas (CCJ) foi o que apresentou a menor média da
taxa de evasão em todos os anos do período compreendido.
Conhecimento Saúde, do Campus I da UFPB, no período compreendido entre 2007 e
2012
A Área de Conhecimento Saúde possui apenas três Centros, no entanto o Centro de

Biotecnologia (Cbiotec) é um Centro recém-criado no nal do período compreendido, por
esse motivo não foi possível calcular a taxa para ele. O Centro de Ciências da Saúde
(CCS) apresentou uma média da taxa do indicador muito superior ao Centro de Ciências
Médicas (CCM), no entanto uma causa para esse fenômeno seria porque o CCM possui
apenas um Curso, o de Medicina-CCM.
Figura 5.5: Evolução da média do indicador de evasão (%) nos Centros das Áreas de
Conhecimento Agrárias; Humanas, Saúde e Agrárias e Ciências Aplicadas e Saúde, dos
Campi II, III e IV da UFPB, no período compreendido entre 2007 e 2012
Os Campi II, III e IV possuem apenas um Centro cada, portanto os três Centros serão
21
analisados em conjunto. O Centro de Ciências Aplicadas e Educação (CCAE) foi o que
apresentou a maior média da taxa de evasão entre o três Centros, já o Centro de Ciências
Agrárias (CCA) apresentou uma maior média da taxa, mas no anos subsequentes esse
fenômeno foi controlado e nos anos de 2008, 2010, 2011 e 2012 apresentou uma menor
média da taxa de evasão em relação aos outros dois Centros.
5.1.2 Segundo Método
As tabelas e os grácos, apresentados a seguir, também oferecem uma visão do fenô-

meno de evasão segundo Centros, Área de Conhecimento e Campus da UFPB, assim como
o indicador do primeiro método de cálculo. No entanto como esse segundo indicador leva
em consideração a retenção, o cálculo se torna um pouco mais sensível, isso pode explicar
as altas médias do indicador de evasão.
Tabela 5.3: Média do indicador de evasão (%) por Campi na UFPB, no período de 2007
a 2012.
CAMPUS 2007 2008 2009 2010 2011 2012

Campus I 33,67 36,88 47,97 44,15 47,33 47,88
Campus II 41,65 49,21 39,52 47,79 65,15 60,08
Campus III 42,25 27,50 68,95 59,70 64,84 42,11
Campus IV 86,01 52,59 49,03 29,70
Figura 5.6: Evolução da média do indicador de evasão (%) nos Campi da UFPB, no
período compreendido entre 2007 e 2012
De modo geral, é possível observar que, em média, as taxas de evasão do Campus

I da UFPB estão baixas em relação aos outros Campi, mas ainda assim as taxas estão
consideradas altas, por apresentar valores acima de 30% por ano. Como mostraram a
Tabela 5.3 e a Figura 5.6, que reportam a média do indicador de evasão, referente a cada
campus da UFPB, entre os anos de 2007 à 2012.
22
Analisando a média do percentual de evasão de forma geral para os quatro Campi
da UFPB, analisando cada Centro a média da taxa de evasão também se apresentou de
forma elevada, apenas o Centro de Ciências Médicas (CCM) obteve uma média da taxa
de evasão abaixo de 30% em todos os anos do período compreendido.
No campus I, se analisado de forma geral, os Centros que apresentaram as maiores
médias da taxa de evasão, foram Centro de Ciências Exatas e da Natureza(CCEN), Centro
de Informática (CI), Centro de Ciências Humanas, Letras e Artes (CCHLA) e Centro de
Ciências Sociais Aplicadas (CCSA). E o Centro que apresentou a menor média da taxa
de evasão foi o Centro de Ciências Médicas (CCM). Assim como no primeiro método, os
Campi II, III e IV só possuem um Centro cada, portanto não é possível comparar com
outros Centros do mesmo Campus. A Tabela 5.4 e as Figuras 5.7, 5.8, 5.9 e 5.10 reportam
a evolução da média do indicador de evasão nos Centros e Áreas de Conhecimento, dos
quatro Campi da UFPB, no período compreendido entre 2002 e 2012.
Tabela 5.4: Média do indicador de evasão (%) por Centros e Áreas de Conhecimento na
UFPB, no período de 2007 a 2012.
CAMPUS ÁREA DE CONHECIMENTO CENTROS 2007 2008 2009 2010 2011 2012
CCEN 47,26 54,29 63,11 59,84 63,19 64,31
CT 40,81 59,23 52,85 53,75 55,17 55,53
EXATAS CI 34,21 36,23 70,33 59,34 80,00 77,36
CEAR 53,09
CTDR
CCHLA 39,76 52,46 59,69 47,95 49,63 55,56
I CE 34,97 34,51 51,77 48,86 33,75 26,63
HUMANAS CCSA 47,09 56,59 55,20 56,09 48,26 50,85
CCJ 8,96 15,02 37,80 43,10 46,31 44,34
CCTA 48,77 25,79 41,39 24,86 42,93 39,50
CCM 6,80 2,00 8,11 17,07 22,05 27,91
SAÚDE CCS 28,11 32,65 39,43 30,64 32,05 31,62
Cbiotec
II AGRÁRIAS CCA 41,65 49,21 39,52 47,79 65,15 60,08
III HUMANAS, SAÚDE E AGRÁRIAS CCHSA 42,25 27,50 68,95 59,70 64,84 42,11
IV CIÊNCIAS APLICADAS E EDUCAÇÃO CCAE 86,01 52,59 49,03 29,70
Analisando a Área de Conhecimento Exatas do Campus I, o Centro que obteve o

maior média da taxa do indicador de evasão, no geral, foi o Centro de Informática (CI),
e o que apresentou, de forma geral, a menor média da taxa foi o Centro de Tecnologia
(CT), apresentando um pico com uma maior média da taxa de evasão apenas no ano de
2008, esse fenômeno poderia ser explicado pelo motivo do Centro ter criado novos cursos
próximo ao período do ano do fenômeno.
23
Conhecimento Exatas, do Campus I da UFPB, no período compreendido entre 2007 e
2012
Conhecimento Humanas, do Campus I da UFPB, no período compreendido entre 2007 e
2012
Na Área de Conhecimento Humanas, o Centro de Ciências Humanas, Letras e Artes

(CCHLA) e o Centro de Ciências Sociais Aplicadas (CCSA) foram os Centros que apre-
sentaram os maiores índices da taxa de evasão. O Centro de Ciências Jurídicas (CCJ) e o
Centro de Comunicação, Turismo e Artes (CCTA) foram os que apresentaram as menores
médias da taxa de evasão no período compreendido.
24
Conhecimento Saúde, do Campus I da UFPB, no período compreendido entre 2007 e
2012
Analisando a Área de Conhecimento Saúde, o Centro de Ciências da Saúde (CCS)

apresentou a maior média da taxa do indicador. E o Centro de Ciências Médicas (CCM)
foi o único Centro que apresentou uma média da taxa abaixo de 30% para todos os anos
do período compreendido. O Centro de Biotecnologia (Cbiotec) não apresentou nenhum
resultado, pois é um Centro recém-criado no período de anos compreendidos.
Figura 5.10: Evolução da média do indicador de evasão (%) nos Centros das Áreas de
Conhecimento Agrárias; Humanas, Saúde e Agrárias e Ciências Aplicadas e Saúde, dos
Campi II, III e IV da UFPB, no período compreendido entre 2007 e 2012
Os Campi II, III e IV possuem apenas um Centro cada, portanto os três Centros serão
analisados em conjunto. De forma geral, o Centro de Ciências Agrárias (CCA) apresentou
25
a maior média da taxa. No entanto, o Centro de Ciências Aplicadas e Educação (CCAE),
apresentou um pico no ano de 2009. Esse fenômeno pode ser explicado pelo motivo do
Centro ter sido recém-criado próximo ao período do ano de 2009.
5.2 Análise da Evasão via Modelo de Regressão Logís-

tica
O banco de dados utilizado para análise da evasão via modelo de regressão logística
possuia dados de 56975 alunos, onde a variável dependente considerada foi a variável
evasao:

1, se ocorreu abandono completo
evasao =
0, c.c.
Foram analisadas 17 variáveis independentes, no período de 2002 a 2012: sexo, estado

o
civil ,cor/raça, em que tipo de escola cursou o ensino fundamental (1 grau), em que
o o
tipo de escola cursou o ensino médio (2 grau), em que turno cursou o ensino médio (2
o
grau), em que ano concluiu o ensino médio (2 grau), renda mensal da família, exerce
trabalho remunerado, tem computador em casa, acessa internet com freqüência, situação
ocupacional do pai, situação ocupacional da mãe, prossão do pai, prossão da mãe, nível
de instrução do pai e nível de instrução da mãe. Espera-se que o ajuste do modelo de
regressão logístico em questão possibilite a construção de novos indicadores de evasão na
UFPB, de modo a fornecer recomendações às instâncias superiores da UFPB que desejam
aprofundamento do estudo sobre evasão acadêmica.
Um dos métodos mais aplicados ao se considerar um modelo de regressão logística é o
método stepwise. O método baseia-se num algoritmo misto de inclusão e eliminação das
variáveis explicativas segundo a importância das mesmas de acordo com algum critério
estatístico. Como um critério simples de análise para escolha das variáveis mais importan-
tes, foi considerado o critério de informação de Akaike (AIC). Foram gerados 3 modelos,
via software R, que são apresentados conforme a Tabela 5.5 a seguir:
Tabela 5.5: Modelos ajustados.
Modelo AIC
evasao ∼ sexo + anocem + comp + cursouef + cursouem + estcivil +
etnia + freqinternet + instmae + instpai + profmae + 72398.16
profpai + renda + situmae + situpai + trabrem + turnoem
evasao ∼ sexo + anocem + comp + cursouef + cursouem + estcivil +

freqinternet + instmae + instpai + profmae + profpai + renda + 72395.88
situmae + situpai + trabrem + turnoem
evasao ∼ sexo + anocem + cursouef + cursouem + estcivil +

freqinternet + instmae + instpai + profmae + profpai + 72394.41
renda + situmae + situpai + trabrem + turnoem
Para a escolha do melhor modelo foi utilizado, entre outros, o critério do menor AIC.
O melhor modelo obteve uma medida de ajuste AIC igual a 72394. Sendo assim os
26
resultados evidenciaram a importância das variáveis apresentadas na Tabela 5.6 a seguir.
As estimativas do parâmetro β estão descritos no Apêndice C.
Tabela 5.6: Variáveis selecionadas pelo método stepwise.
Variável Descrição
evasao Abandono escolar completo
sexo Sexo do aluno
anocem Em que ano concluiu o ensino médio
cursouef Em que tipo de escola cursou o ensino fundamental
cursouem Em que tipo de escola cursou o ensino médio
estcivil Estado civil
freqinternet Acessa, com frequência, a Internet?
instmae Nível de instrução da mãe
instpai Nível de instrução do pai
profmae Prossão da mãe
profpai Prossão do pai
renda Faixa de renda familiar mensal
situmae Situação ocupacional da mãe
situpai Situação ocupacional do pai
trabrem Exercício de trabalho remunerado pelo aluno
turnoem Turno em que o aluno estudou quando cursou o ensino médio
Foi possível observar que, das 17 variáveis consideradas, 15 foram selecionadas pelo
método stepwise como sendo importantes para explicar a evasão escolar no âmbito da
UFPB. Apenas as variáveis etnia (cor/raça) e comp (se possui computador em casa) não
foram incluídas no modelo nal.
A não inclusão da variável etnia tornou-se um detalhe interessante da análise porque
esta variável é objeto de forte preocupação na instituição, pelo fato de que geralmente
se considera que determinados grupos étnicos, principalmente os grupos indígenas, são
prejudicados pela carga horária, conteúdos programáticos de curso, dentre outros fatores
que em um primeiro momento são considerados impactantes para a adequada inserção
destes grupos étnicos nos cursos da UFPB. Percebe-se também forte inuência das variá-
veis relacionadas à situação ocupacional e nanceira dos pais dos alunos, ou seja, quanto
maior for a renda ou quanto melhor for a formação dos pais do aluno, menor é a pro-
babilidade do aluno vir a abandonar um curso na instituição. A inuência das variáveis
relacionadas à situação escolar do aluno antes de entrar na instituição, como era de se es-
perar, evidenciaram um aumento na probabilidade do aluno evadir por abandono escolar
completo.
O desvio nulo (56972 graus de liberdade) próximo do desvio residual (56892) indica
que o modelo é adequado, como apresentado na Tabela 5.7. E na Tabela 5.8 a estatística
descritiva do modelo ajustado.
27
Tabela 5.7: Ajuste do modelo nal selecionado.
Desvio Graus de liberdade

Desvio nulo 76555 56972
Desvio residual 72232 56892
Tabela 5.8: Estatística descritiva do modelo nal selecionado.
Mínimo 1o Quartil Mediana 3o Quartil Máximo

-2.3977 -1.1939 0.7366 1.0086 1.5767
A partir do exame dos resíduos deviance pode-se observar a presença de resíduos não
usuais (demasiadamente grandes), bem como a presença de outliers ou, ainda, padrões
sistemáticos de variação indicando, possivelmente, a escolha de um modelo não muito
adequado.
Para vericar a qualidade do modelo ajustado, foi realizada a análise de resíduos, onde
foi utilizada a análise de resíduos de Pearson e deviance residual, como mostra a Figura
5.11, espera-se que os pontos quem dentro do intervalo -2,5 até 2,5, para que se possa
concluir que o modelo é satisfatório. Como constatado nestes dois grácos são poucos os
pontos que estão fora deste intervalo, portanto apresenta um bom ajuste pela análise de
resíduos de Pearson e resíduos deviance .
Figura 5.11: Grácos de residuos de Pearson e resíduos deviance
Analisando a Figura 5.11, podemos notar que o modelo ajusta-se aos dados. Pode-
ríamos aceitar então este modelo como sendo um bom modelo para modelar os dados,
levando em consideração que poucos pontos caram fora do intervalo -2,5 até 2,5.
Uma das características do modelo de regressão logística é também fornecer resultados
em termos de razão de chances.
28
Em relação as variavéis sexo, estcivil e freqinternet, foi possível observar que,
quando compara-se homem e mulher, e as outras duas variavéis com características iguais,
ambos solteiros ou casados e ambos que acessam a internet com frequência ou que não
acessam a internet com frequência, a razão de chance do homem evadir mais que a mulher
foi sempre a mesma, como mostra a Tabela 5.9, onde o Sim ou Não se referem a variável
freqinternet (Acessa a internet com frequência?).
Tabela 5.9: Razão de chance da ocorrência do fenômeno evasão segundo a variável sexo.
Homem
Solteiro Casado
Mulher Sim 1.730025 1.730025
Não 1.730025 1.730025
No entanto, quando as características eram diferentes, a chance do homem evadir

mais que a mulher obteve resultados diferentes, como mostram as Tabelas 5.10 e 5.11,
onde o Sim ou Não também se referem a variável freqinternet (Acessa a internet com
frequência?).
Homem solteiro Homem casado
Sim Não
Mulher
solteira 1.730025 0.0001695859
Mulher
casada 17648.8 1.730025
Homem solteiro Homem casado
Mulher
solteira Sim 1.730025 0.0001695859
Mulher
casada Não 17648.8 1.730025
Observou-se então que o homem solteiro tem chance de 17648.8 de evadir a mais do
que a mulher casada, ambos acessando a internet com frequência ou não. E a chance do
homem casado evadir mais do que a mulher solteira, ambos também acessando a internet
com frequência ou não, é de 0.0001695859.
No entanto como a diferença entre as razões de chance, com os sexos tendo caracterís-
ticas diferentes, foi bem signicativa, essa diferença pode ser atribuída às inconsistências
dos dados obtidos junto a Superintendência de Tecnologia da Informação (STI) da UFPB.
29
Capítulo 6
Considerações Finais
Comparando o método de cálculo da taxa de evasão de Lobo (2011) com o método de
que Veloso, Seixas e Guimarães (2012), que é o método instituído pela Comissão Especial
de Estudos sobre Evasão nas Universidades Públicas Brasileiras, em março de 1995, o
segundo método leva em consideração a retenção dos alunos, portanto o cálculo é mais
sensível e as taxas foram bem mais elevadas que as taxas do método de Lobo (2011).
No entanto devemos levar em consideração que os dados coletados junto a Superin-
tendência de Tecnologia da Informação (STI) possuiam inconsistências e quando os dados
se encontram dessa forma o método de cálculo mais apropriado para calcular a evasão é
o indicador de Lobo (2011). Dentre outro motivos, um motivo é porque a fórmula não
leva em conta a origem do ingressante: se ele ingressou no curso por meio de processo
seletivo, por transferência de curso dentro da mesma instituição ou por transferência de
outra instituição, além de outras formas de ingresso.
Um detalhe importante a se ressaltar é que como o método de Veloso, Seixas e Gui-
marães (2012) leva em conta o número de retidos de cada curso, a taxa do cálculo do
indicador foi muito elevada em todos os cursos, o único Centro que obteve uma média da
taxa abaixo de 30% foi o Centro de Ciências Médicas (CCM), que possui apenas o curso
de Medicina-CCM.
O indicador de Veloso, Seixas e Guimarães (2012) apesar de sensível a questão de
inconsistência de dados pode evidenciar altos valores da taxa de evasão quando um curso
possui um grande número de alunos retidos, ou seja, esse indicador pode fornecer a pro-
babilidade do aluno evadir dado que está retido no curso;
No modelo de regressão logístico foram analisados 56975 alunos, porém os dados con-
siderados foram apenas de alunos evadidos da UFPB, que ingressaram na instituição por
meio de vestibular (Processo Seletivo Seriado - PSS) e que responderam o questionário
socio-econômico no momento em que zeram as inscrições no vestibular.
Por causa da inconsistência dos dados foram coletados dados apenas dos alunos evadi-
dos, onde a variável dependente evasao considerava se o aluno abandonou por completo
a instituição ou se teve outra forma de evasão.
O modelo de regressão logística mostrou-se adequado a apresentou resultados satisfa-
tórios após longa etapa de obtenção e apuração dos dados socio-econômicos. Por isso este
trabalho também serviu para mostrar a instituição que é possível tratar dados de evasão
através de metodologias estatísticas com um maior grau de complexidade.
Apenas duas variáveis não foram signicativas, etnia (cor/raça) e comp (se possui
computador em casa) não foram incluídas no modelo nal. Porém, se cada CAMPUS da
UFPB fosse analisado individualmente o modelo nal poderia ser alterado. A variável
30
etnia poderia ser signicativa para o CAMPUS IV, onde tem-se conhecimento que é o
CAMPUS com um maior índice de indígenas, pela área geográca em que se encontra.
O tema evasão ocupa ampla discussão na literatura e em diversos trabalhos que abor-
dam o tema do ponto de vista qualitativo. Sem dados conáveis e organizados, com
indicadores e metas, não se faz bom planejamento, não se executa e não se avalia. O
problema da evasão e o que ela representa deve ser discutido com todos os envolvidos
na UFPB: gestores, professores (principalmente no âmbito das coordenações) e represen-
tantes de alunos (ex.: Centros Acadêmicos - CA's e Diretório Central dos Estudantes -
DCE). Os setores, acadêmico e administrativo-nanceiro, da instituição precisam atuar
em parceria para entender e combater a evasão.
Este trabalho também evidencia um alerta para a instituição. É preciso que haja uma
maior preocupação da UFPB na obtenção, organização e consolidação dos dados socio-
econômicos dos alunos, no momento em que o mesmo realiza a matrícula na instituição.
Armar que as questões nanceiras (da instituição e do aluno) não dizem respeito à
academia, é ignorar que tudo o que afeta a missão de uma IES envolve, necessariamente,
a academia. Portanto este trabalho não teve o objetivo principal de denir a evasão, mas
sim de apresentar evidências quantitativas sobre um tema que, com o passar do tempo,
está se tornando objeto de estudo para o planejamento nanceiro das instituições.
Espera-se que este trabalho seja utilizado pela UFPB na construção de futuros rela-
tórios técnicos sobre evasão escolar. Além disso espera-se também que este trabalho seja
uma referência para futuros estudos da Pró-Reitoria de Graduação - PRG e Pró-Reitoria
de Assistência e Promoção ao Estudante - PRAPE.
31
Bibliograa
[1] ADACHI, Ana Amélia Chaves Teixeira. Evasão e Evadidos nos Cursos de Gra-
duação da Universidade Federal de Minas Gerais. 214 f. Dissertação (Mestrado
em Educação). Faculdade de Educação Programa de Pós-Graduação em Educação.
Universidade Federal de Minas Gerais. Belo Horizonte, 2009.
[2] AMARAL, Nelson Cardoso. Evasão e Permanên-

cia nas IFES. Goiânia, 2008. Disponível em:
http://www.reuni.ufrn.br/les/documentos/EvasoePermanncianasIFESNelsonCar-
dosoAmaralUFG-PalestraAndifesNov20080.ppt. (Acesso em: 12 de abril de 2012).
[3] Andriola, Wagner Bandeira; Andriola, Cristiany Gomes; Moura, Cristiane Pascoal.
(2006, Julho). Opiniões de docentes e de coordenadores acerca do fenômeno da evasão
discente dos cursos de graduação da Universidade Federal do Ceará 10 (UFC). Ensaio:
aval.pol.públ.Educ. vol.14 no.52 Rio de Janeiro July/Sept. 2006.
[4] BAGGI, Cristiane Aparecida dos Santos. Evasão e Avaliação Institucional: uma
Discussão Bibliográca. 80 f. Dissertação (Mestrado em Educação). Programa de
Pós-Graduação na área de Educação. Campinas/SP: Pontifícia Universidade Católica
de Campinas, 2010.
[5] BAGGI, Cristiane Aparecida dos Santos; LOPES, Doraci Alves. Evasão e Avali-
ação Institucional no Ensino Superior: uma Discussão Bibliográca. Ava-
liação. Campinas; Sorocaba, SP. v. 16, n.2, p. 355-374, jul. 2010. Disponível em:
http://goo.gl/OYhcQn. (Acesso em 13 de dezembro 2013).
[6] BRUNS, Maria Alves de Toledo. Evasão Escolar: Causas e Efeitos Psicológi-
cos e Sociais. (1985). 177 f. Dissertação (Mestrado em Educação) Programa de
Pós-Graduação em Educação em Psicologia Educacional. São Paulo: Universidade
Estadual de Campinas, 1985.
[7] BOX, G. E. P. e COX, D. R. (1964). An analysis of transformations. Journal of

the Royal Statistical Society. Series B (Methodological), Vol. 26, No. 2. (1964), pp.
211-252.
[8] CASTRO, Luciana Paula Vieira. MALACARNE, Vilmar. Evasão Escolar: Um

Estudo nas Licenciaturas da Universidade Estadual do Oeste do Paraná
Unioeste Campus Cascavel. Seminário de Pesquisa do PPE, Maringá. 13 f. p.
1 -13. 2011.
[9] CASTRO, Alessandro de. Gestão Financeira: a Sustentabilidade Financeira e

a Interação Acadêmica nas Instituições de Ensino Superior. In:COLOMBO,
32
Sonia Simões (Org.). Gestão Universitária: os Caminhos Para a Excelência. Porto
Alegre: Penso, 2013. p. 179-197.
[10] FIALHO, Marillia Gabriella Duarte; VIEIRA, Maria das Graças; PRESTES, Emília
Maria da Trindade. Cultura organizacional Algo Único e Distinto em um
Contexto Particular: um Estudo de Caso na Universidade Norte do Pa-
raná. Colóquio Internacional de Pesquisa em Educação Superior: Políticas de Inclu-
são e Igualdade Social. João Pessoa: UFPB, 2013.
[11] FIALHO, Marillia Gabriella Duarte. (2014) A Evasão Escolar e a Gestão Uni-
versitária: O Caso da Universidade Federal da Paraíba. 108 p. Dissertação
(Mestrado Prossional). Universidade Federal da Paraíba. João Pessoa, 2014.
[12] GOIRIS, Murilo Cardoso; REINERT, José Nilson; GUBIOTTI, Bruno. INFLU-
ENCIA DA FALTA DE INFORMAÇÃO NA EVASÃO ESCOLAR NA
PERCEPÇÃO DOS COORDENADORES DE CURSO DE GRADUA-
ÇÃO DO CCHS/UFMS. Instituto de Pesquisas e Estudos em Administração
Universitária (INPEAU). Florianópolis, SC. 14-11-2012.
[13] GUBIOTTI, Bruno; REINERT, José Nilson; GOIRIS, Murilo Cardoso. ANÁ-
LISE DA PERCEPÇÃO DOS COORDENADORES SOBRE A EXCLU-
SÃO SOCIAL COMO ELEMENTO DA EVASÃO ESCOLAR: CASO DA
UFMS/CCHS. Instituto de Pesquisas e Estudos em Administração Universitária
(INPEAU). Florianópolis, SC. 2012-11-14.
[14] HAILPERN, Susan M.; VISINTAINER, Paul F. Odds ratios and logistic regres-
sion: further examples of their use and interpretation. The Stata Journal
(2003), 3, Number 3, pp. 213225.
[15] JAVIER, Francisco. MALLADA, Ribaya. La Gestióndel Absentismo Escolar.

Anuario Jurídico y Económico Escurialense, XLIV (2011) 579-596/ ISSN: 1133-3677.
[16] LATIESA, Margarita. La Deserción Universitaria. Madrid: As de España, 1992.
[17] LOBO, Maria Beatriz de Carvalho Melo. Panorama da evasão no ensino supe-
rior brasileiro: Aspectos gerais das causas e soluções. 2011. Disponível em:
http://bit.ly/WUpssz (Acesso em 20 de junho de 2014).
[18] LOBO, Maria Beatriz de Carvalho Melo. Panorama da Evasão no Ensino Supe-
rior Brasileiro: Aspectos Gerais das Causas e Soluções. Associação Brasileira
o
de Mantenedoras de Ensino Superior. Cadernos n 25. Dezembro de 2012. Disponível
em: http://goo.gl/rOPh8D (Acesso em 12 de agosto de 2014).
[19] McCULLAGH, Peter; NELDER, John Ashworth. Generalized Linear Models,

2nd edition. Chapman and Hall, London (1989).
[20] MOEHLECKE, Sabrina. Avaliação Institucional no Ensino Superior: como

acompanhar a trajetória dos estudantes de Graduação?. 2007. Disponível
em: http://goo.gl/wCby6w (Acesso em 25 de agosto de 2014).
[21] MOROSINI, Marília Costa; CASARTELLI Alam de Oliveira; SILVA, Ana Cristina
Benso da ; SANTOS; Bettina Steren dos; SCHMITT, Rafael Eduardo; GESSINGER,
33
Rosana Maria. A evasão na Educação Superior no Brasil: uma análise da
produção de conhecimento nos periódicos Qualis entre 2000-2011. 2012.
Disponível em: http://bit.ly/YdKJax (Acesso em 12 de agosto de 2014).
[22] NELDER, J. A. e WEDDERBURN, R. W. M. (1972). Generalized linear models.

Journal of the Royal Statistical Society. Series A (General), Vol. 135, No. 3 (1972),
pp. 370-384.
[23] PALHARINI, Francisco de Assis. Elementos para compreensão do fenômeno

da evasão na UFF. Niterói. 2004.
[24] PAULA, Gilberto Alvarenga. Modelos de Regressão: com apoio computaci-

onal. (2004) Instituto de Matemática e Estatística. Universidade de São Paulo. ed.
IME-USP. 2004.
[25] POLYDORO, Soely Aparecida Jorge. O Trancamento de Matrícula na Tra-

jetória Acadêmica do Universitário: condições de Saída e de Retorno à
Instituição. (2000). 175 f. Tese (Doutorado em Educação) Faculdade de Educação
Universidade Estadual de Campinas. São Paulo. 2000.
[26] RAO, Caliampudi Radhakrishna; TOUTENBURG, Helge. Linear Models: Le-

ast Squares and Alternatives (Springer Series in Statistics), 2nd edition.
Springer-Verlag Berlin Heidelberg, New York. 1999.
[27] RAO, Caliampudi Radhakrishna; TOUTENBURG, Helge; SHALABH; HEUMANN,

Christian. Linear Models: Least Squares and Alternatives (Springer Series
in Statistics), 3rd edition. (2008) Springer-Verlag Berlin Heidelberg, New York.
[28] SCALI, Danyelle Freitas. Evasão nos Cursos Superiores de Tecnologia: a Per-
cepção dos Estudantes sobre seus Determinantes. (2009). 140 f. Dissertação
(Mestrado em Educação) Faculdade de Educação. São Paulo: Universidade Estadual
de Campinas, 2009.
[29] SEARLE, Shayle R. Linear Models. New York: Wiley Classics Library. 1971.
[30] SILVA, Lauraci D. et al. Evasão: diagnóstico e prevenção. Educação Brasileira:

Revista do Conselho de Reitores das Universidades Brasileiras, 2001 23(47): 155-173.
[31] SILVA FILHO, Roberto Leal Lobo; MONTEJUNAS, Paulo Roberto et al. A Evasão
no Ensino Superior Brasileiro. v. 37, n. 132, p. 641-659. 2007. Cadernos de
Pesquisa. Disponível em: http://goo.gl/qHsfr5 (Acesso em 12 de abril de 2012).
[32] SILVA FILHO, Roberto Leal Lobo; MOTEJUNAS, Paulo Roberto; HIPÓLITO, Os-
car; LOBO, Maria Beatriz de Carvalho Melo. A Evasão no Ensino Superior
brasileiro. Cadernos de Pesquisa, Fundação Carlos Chagas. set/dez. - 2007 v.37,
n
o
132. Disponível em: http://goo.gl/k4ciUF. (Acesso em 20 de junho de 2014).
[33] SILVA FILHO, Roberto Leal Lobo e; LOBO, Maria Beatriz de Carvalho Melo. Es-
clarecimentos Metodológicos sobre os Cálculos de Evasão. Instituto Lobo.
2012. Disponível em: http://goo.gl/qYmbcK (Acesso em 20 de junho de 2014).
[34] TINTO, Vicent. Limits of Theory and Practice in Student Attrition. The
Journal of Higher education, Vol. 53 (1982)
34
[35] TINTO, Vicent. Student Success and the Construction of Inclusive Educa-
tional Communities. American Association of State Colleges and Universities -
AASCU, 2005.
[36] TINTO, Vincent. (2006). Research and practice of student retention: what
is next? Journal of college student retention, Vol. 8, No. 1 p. 1-19, 2006.
[37] TINTO, Vicent; PUSSER, Brian. Moving from theory to action: Building a
model of institutional action for student success. Washington, DC: National
Postsecondary Education Cooperative. June 2006 draft available at.
[38] VELOSO, Iracema Santos; SEIXAS, Joana Angélica Moreira; GUIMARÃES, Juli-
ana Bahiense de Sousa. Diplomação e Evasão nos Cursos de Graduação da
UFBA: 1993 a 2010. UNIVERSIDADE FEDERAL DA BAHIA. Pró-Reitoria de
Planejamento e Orçamento. Salvador, 2012.
35
Apêndice A
Primeiro Método
Tabela A.1: Indicador de evasão de cada Curso por Centros e Área de Conhecimento
Exatas, no Campus I da UFPB, no período de 2007 à 2012
CENTROS CÓDIGO CURSO 2007 2008 2009 2010 2011 2012

CCEN 11103113 LIC. EM CIENCIAS (QUIMICA) 0 0 0 0 0 0
11105100 FISICA (BACHARELADO) 13,91 18,93 28,25 26,16 34,66 38,60
11105110 FISICA (LICENCIATURA) 5,26 9,52 4,76 10,34 7,69 13,64
11107110 MATEMATICA (LICENCIATURA) 2,78 2,44 11,90 10,53 8,33 19,05
11107150 MATEMATICA (BACHARELADO) 8,51 12,24 40,00 9,09 19,51 45,10
11109210 QUIMICA (LICENCIATURA) 17,58 10,59 19,57 19,80 15,89 13,79
11110150 ESTATISTICA (BACHARELADO) 22,54 13,98 26,61 33,33 20,61 30,20
11201110 CIENCIAS BIOLOGICAS (LICENC.) 13,27 9,41 14,68 16,81 8,26 17,42
11201210 CIENCIAS BIOLOGICAS (LICENC.) 13,18 12,21 13,39 10,85 14,38 19,23
11306150 GEOGRAFIA (BACHARELADO) 6,42 0,00 5,63 8,29 6,15 11,76
11306210 GEOGRAFIA (LICENCIATURA) 22,97 18,97 18,18 25,49 40,91 18,42
11306250 GEOGRAFIA (BACHARELADO) 14,21 7,69 12,02 6,50 12,99 9,29
CT 17110100 QUIMICA INDUSTRIAL 13,93 14,49 17,77 17,11 15,02 13,88
17120100 ARQUITETURA E URBANISMO 6,47 6,90 11,68 6,76 7,51 4,87
17122100 ENGENHARIA CIVIL 9,98 8,97 4,35 8,30 8,98 4,05
17123100 ENG. DE PRODUCAO MECANICA 11,79 10,33 8,02 17,83 10,86 11,11
17124100 ENGENHARIA MECANICA 15,50 12,23 12,11 16,23 10,56 12,60
17125100 ENGENHARIA DE ALIMENTOS 14,75 11,63 13,15 10,98 15,03 19,62
CI 11102150 CIENCIA DA COMPUTACAO 9,36 14,18 18,47 20,97 21,51 17,19
CEAR 17103100 ENGENHARIA ELETRICA 41,67 21,52 18,66 11,79
CTDR 19101200 TECNOLOGIA EM GESTAO PUBLICA 10 16,84
19101300 TECNOLOGIA EM GESTAO PUBLICA 16 9,57
19102200 TECNOLOGIA DE ALIMENTOS 27,59
19102300 TECNOLOGIA DE ALIMENTOS 31,25
19103200 TECNOLOGIA EM PROD SULCROALCOOLEIRA 17,86
19103300 TECNOLOGIA EM PROD SULCROALCOOLEIRA 24,39
36
Humanas, no Campus I da UFPB, no período de 2007 à 2012

CCHLA 14305150 CIENCIAS SOCIAIS (BACHARELADO) 17,00 14,87 22,05 21,11 29,51 29,03
14308200 FILOSOFIA (BACHARELADO) 14,53 23,76 22,51 13,07 17,62 15,05
14308210 FILOSOFIA (LICENCIATURA) 37,50 25 5,88 35 0 24,49
14309110 HISTORIA (LICENCIATURA PLENA) 11,93 5,95 9,74 11,06 10,34 18,23
14310114 LETRAS (LIC. EM LING. FRANCESA) 15,38 29,67 19,19 26,17 21,36 32,29
14310214 LETRAS (LIC. EM LING. FRANCESA) 38,71 30,77 35,90 20,78 25,69 27,68
14310215 LETRAS (LIC. EM LING. INGLESA) 17,46 22,11 24,63 20 14,44 20,67
14311150 MUSICA (BACH. - INSTRUMENTO) 9,38 11,71 17,39 33,93 44,00 36,36
14314100 SERVICO SOCIAL 5,06 8,82 6,04 9,21 5,42 7,40
14314200 SERVICO SOCIAL 5,29 5,19 4,44 8,33 4,32 5,28
CE 13312110 PEDAGOGIA 12,66 8,13 10,83 9,24 7,59 6,62
13312210 PEDAGOGIA 5,13 5,89 5,25 7,95 9,87 6,37
CCSA 12301100 ADMINISTRACAO 9,95 12,86 11,14 12,39 9,07 11,42
12301200 ADMINISTRACAO 7,36 8,62 7,24 8,71 10,11 9,97
12302200 BIBLIOTECONOMIA 7,57 6,78 8,40 8,40 8,37 7,01
12303100 CIENCIAS CONTABEIS 7,47 6,10 11,34 13,69 6,02 4,33
12304100 CIENCIAS ECONOMICAS 15,30 16,52 16,36 22,25 18,73 23,18
CCJ 15350300 DIREITO 3,05 4,17 2,37 3,82 2,17 4,65
CCTA 14306151 COM. SOCIAL (JORNALISMO) 9,29 4,97 10,10 12,63 12,64 6,35
14306152 COM. SOCIAL (RADIALISMO) 8,67 10,17 11,53 15,47 9,85 11,31
14306252 COM. SOCIAL (RELACOES PUBLICAS) 14,37 11,17 9,23 8,31 9,46 8,94
14307111 EDUC. ARTISTICA (ARTES CENICAS) 5,71 11,11 20 25 14,29 20
14307112 EDUC. ARTISTICA (ARTES PLASTICAS) 3,23 17,46 12,90 5,88 28,57 50
14307211 EDUC. ARTISTICA (ARTES CENICAS) 4,60 13,43 12 24,14 57,14 33,33
14307212 EDUC. ARTISTICA (ARTES PLASTICAS) 3,09 18,07 8,16 16,67 53,85 66,67
14315250 TURISMO BACHARELADO 58,18 33,33 42 27,94 13,29 19,14
Saúde, no Campus I da UFPB, no período de 2007 à 2012

CCM 18201100 MEDICINA-CCM 1,08 0,72 0,36 2,13 1,40 3,38
Cbiotec 22201150 BIOTECNOLOGIA
CCS 16201110 EDUC. FISICA (LICENCIATURA) 6,81 11,63 5,39 8,04 11,05 11,11
16202100 ENFERMAGEM GERAL 5,19 5,47 9,71 8,24 7,35 8,87
16202110 ENFERMAGEM (LICENC.) 25,71 17,95 30 26,83 26 5
16203100 FARMACIA (FARMACEUTICO) 7,14 7,79 10,22 8,36 9,90 8,75
16203191 FARMACIA (FARM. INDUSTRIAL) 25,35 28,95 43,42 23,81 22,81 39,21
16204100 FISIOTERAPIA 8,33 9,68 8,73 9,70 10,40 6,33
16206100 NUTRICAO 9,29 8,95 8,18 10,90 5,49 7,41
16207100 ODONTOLOGIA 6,16 3,99 7,51 7,01 4,85 4,18
Agrárias, no Campus II da UFPB, no período de 2007 à 2012

CCA 31402100 AGRONOMIA - AR 9,04 9,55 8,19 6,79 11,60 10,34
31412100 ZOOTECNIA - AR 9,71 8,33 8,33 11,76 17,76 12,45
Humanas, Sociais e Agrárias, no Campus III da UFPB, no período de 2007 à 2012
CCHSA 41301100 ADMINISTRACAO - BN 10,48 13,67 14,18 14,77 10,99 6,47
41301200 ADMINISTRACAO - BN 13,73 21,08 12,57 14,29 12,94 6,11
41412100 CIENCIAS AGRARIAS - BN 18,18 18,37 23,33 17,59 12,40 15,60
37
Ciências Aplicadas e Educação, no Campus III da UFPB, no período de 2007 à 2012

CCAE 81101110 CIENCIAS DA COMPUTACAO (LIC.) - LN 12,50 27,59 23,91 23,01 25,34 27,53
81102210 MATEMATICA (LICENCIATURA) - LN 15 31,71 19,77 32,14 21,18 18,95
81201150 ECOLOGIA (BACHAREL) 12,50 27,59 13,26 15,73 12,29 24,04
81301250 CIENCIAS CONTABEIS (BACH.) - LN 17,50 15,93 10,36 8,21 6 12,37
81302150 HOTELARIA (BACHARELADO) - LN 5 15,97 24,74 20,85 17,94 20,34
81303250 SECRET. EXECUTIVO BILINGUE (BACH) - LN 2,50 5,93 23,92 22,89 10,34 11,34
38
Apêndice B
Segundo Método
Tabela B.1: Indicador de evasão de cada Curso por Centros e Área de Conhecimento
Exatas, no Campus I da UFPB, no período de 2007 à 2012

CCEN 11103113 LICENCIATURA EM CIENCIAS (QUIMICA) 0 0 0 0 0 0
11105100 FISICA (BACHARELADO) 62,50 68,09 73,77 84,48 96,55 83,33
11109210 QUIMICA (LICENCIATURA) 45,45 70 84,38 83,87 78,79 61,76
11110150 ESTATISTICA (BACHARELADO) 61,36 87,88 100 87,72 86,54 85,71
11201110 CIENCIAS BIOLOGICAS (LIC.) 0 65,96 55,32 53,66 60,32 65,08
11201210 CIENCIAS BIOLOGICAS (LIC.) 55,88 24 52,78 50 75,61 75
11306150 GEOGRAFIA (BACHARELADO) 40,91 40,54 60 25,64 10,26 25
11109110 QUIMICA (LICENCIATURA) 30,77 25 27,27 72,41 60,71 60
11201150 CIENCIAS BIOLOGICAS (BACH.) 97,37 88,10 92,16 49,06 37,88 47,62
CT 17110100 QUIMICA INDUSTRIAL 57,63 73,77 65,85 38,46 26,83 45,65
17120100 ARQUITETURA E URBANISMO 25,81 34,43 30,30 42,65 48 41,56
17122100 ENGENHARIA CIVIL 35,11 37,96 34,74 49,04 42,20 31,63
17123100 ENG. DE PRODUCAO MECANICA 20 52,50 67,31 65,31 66,67 70,49
17124100 ENGENHARIA MECANICA 52,04 80 63,92 51 67,54 77,42
17125100 ENGENHARIA DE ALIMENTOS 54,29 76,71 55 76,06 79,78 75,61
CI 11102150 CIENCIA DA COMPUTACAO 34,21 36,23 70,33 59,34 80 77,36
CEAR 17103100 ENGENHARIA ELETRICA 53,09
CTDR 19101200 TECNOLOGIA EM GESTAO PUBLICA 0 0
19101300 TECNOLOGIA EM GESTAO PUBLICA 0 0
19102200 TECNOLOGIA DE ALIMENTOS 0
19102300 TECNOLOGIA DE ALIMENTOS 0
19103200 TECNOLOGIA EM PROD SULCROALCOOLEIRA 0
19103300 TECNOLOGIA EM PROD SULCROALCOOLEIRA 0
Humanas, no Campus I da UFPB, no período de 2007 à 2012

CCHLA 14305150 CIENCIAS SOCIAIS (BACHARELADO) 25 64,44 63,64 67,21 52 83,05
14308200 FILOSOFIA (BACHARELADO) 50 80,30 66,67 69,35 21,88 30,56
14308210 FILOSOFIA (LICENCIATURA) 42,86 91,67 57,14 0 85 81,63
14309110 HISTORIA (LICENCIATURA PLENA) 25 45,65 28,57 47,83 43,75 40,91
14310114 LETRAS (LIC. EM LING. FRANCESA) 63,16 92,11 96,43 65,38 50 83,33
14310215 LETRAS (LIC. EM LING. INGLESA) 93,48 98,36 93,10 73,68 58,06 79,69
14313190 PSICOLOGIA (FORMACAO DE PSICOLOGO) 36,36 39,51 49,57 53,38 63,83 41,80
14314200 SERVICO SOCIAL 4,44 13,04 54,44 65,56 66,67 35,71
CE 13312110 PEDAGOGIA 30,59 21,36 42,72 54,46 34,48 33,66
13312310 PEDAGOGIA 39,36 47,66 60,82 43,27 33,01 19,59
CCSA 12301100 ADMINISTRACAO 20,69 57,86 50,83 57,45 31,01 58,91
12301200 ADMINISTRACAO 54,46 73,38 58,73 58,39 41,09 50,81
12302200 BIBLIOTECONOMIA 34,57 32,97 62,50 53,54 45,45 40,21
12304100 CIENCIAS ECONOMICAS 68,18 61,32 64 67,74 66,32 75,51
CCJ 15350100 DIREITO 22,22 10 49,51 66,35 64,65 61,17
15350200 DIREITO 2,27 14 63,89 62,96 74,29 71,84
CCTA 14306252 COMUNICACAO SOCIAL (RELACOES PUBLICAS) 38,37 20,83 40,54 23,68 19,23 0
39
Saúde, no Campus I da UFPB, no período de 2007 à 2012

CCM 18201100 MEDICINA-CCM 6,80 2 8,11 17,07 22,05 27,91
Cbiotec 22201150 BIOTECNOLOGIA
CCS 16202100 ENFERMAGEM GERAL 18,27 17,82 30,77 31,30 44,17 46,15
16202110 ENFERMAGEM (LICENCIATURA) 46,43 26,92 48,15 50 10,71 14,81
16203100 FARMACIA (FARMACEUTICO) 20,79 17,17 29,70 27,45 36,73 39,39
16204100 FISIOTERAPIA 0 42,86 63,95 65,88 50,54 38,30
16206100 NUTRICAO 19,48 32,05 26,39 20,22 38,04 37,65
16207100 ODONTOLOGIA 7,59 23,17 24,39 29,76 12,35 9,21
Agrárias, no Campus II da UFPB, no período de 2007 à 2012

CCA 31402100 AGRONOMIA - AR 39,36 33,33 43,02 47,79 45,28 54,46
31412100 ZOOTECNIA - AR 43,94 65,08 57,81 55,74 66,67 64,18
Humanas, Sociais e Agrárias, no Campus III da UFPB, no período de 2007 à 2012

CCHSA 41301100 ADMINISTRACAO - BN 54,55 42,86 68,66 54,24 59,38 27,69
41301200 ADMINISTRACAO - BN 53,33 39,66 60 67,24 46,38 42
41413100 AGROINDUSTRIA - BN 61,11 0 76,25 70,24 78,21 39,02
Ciências Aplicadas e Educação, no Campus III da UFPB, no período de 2007 à 2012

CCAE 81201150 ECOLOGIA (BACHAREL) 87,91 43,88 56,12 55,32
81301250 CIENCIAS CONTABEIS (BACH.) - LN 84,11 58,04 45,87 51,80
81101110 CIENCIAS DA COMPUTACAO (LIC.) - LN 72,57 92,23 16,83
81102210 MATEMATICA (LICENCIATURA) - LN 56,31 84,85 53,68
81103150 DESIGN - LN 46 58,49 28,89
81104150 SISTEMAS DE INFORMACAO - LN 46 58,49 28,89
81302150 HOTELARIA (BACHARELADO) - LN 54,84 80,65 63,83
81303250 SECRET. EXECUTIVO BILINGUE (BACH) - LN 46,23 75 34,95
81304210 LICENCIATURA EM PEDAGOGIA - LN 49,06 36,67 22,22
40
Apêndice C
Modelo de Regressão Logística
Tabela C.1: Estimativas de β.
Variável β̂
(Intercepto) -0.286451
sexo2 -0.548136
anocem1 13.425772
anocem2 12.522915
anocem3 11.823030
anocem4 11.835610
anocem5 12.198077
anocem6 12.204962
anocem7 12.108574
anocem8 12.100002
anocem9 11.972382
cursouef1 -0.121689
cursouef2 -0.149557
cursouef3 -0.032563
cursouef4 -0.095056
cursouem1 -0.149333
cursouem2 -0.071806
cursouem3 -0.026143
cursouem4 0.038371
estcivil1 -9.529073
estcivil2 -9.379680
estcivil3 -8.907536
estcivil4 -9.580678
estcivil5 -9.417833
freqinternet1 -0.207047
freqinternet2 -0.266268
instmae1 -0.111598
instmae2 0.110267
instmae3 0.087683
instmae4 0.183898
41
instmae5 0.051604
instmae6 0.013405
instmae7 -0.004200
instmae8 NA
instpai1 -0.209240
instpai2 -0.288264
instpai3 -0.086821
instpai4 -0.220309
instpai5 -0.193878
instpai6 -0.115217
instpai7 -0.209557
instpai8 NA
profmae1 0.529901
profmae2 0.360596
profmae3 -0.011061
profmae4 -0.195502
profmae5 -0.087272
profmae6 0.003344
profmae7 -0.018772
profmae8 -0.046923
profmae9 NA
profpai1 -0.101998
profpai2 0.093669
profpai3 -0.153978
profpai4 0.015551
profpai5 -0.127511
profpai6 0.011018
profpai7 -0.154305
profpai8 -0.400270
profpai9 NA
renda1 -0.574524
renda2 -0.602966
renda3 -0.528398
renda4 -0.581349
renda5 -0.522362
renda6 -0.784765
renda7 -0.740469
situmae1 0.159690
situmae2 0.212109
situmae3 0.149222
situmae4 0.394652
situmae5 0.084260
situmae6 NA
situpai1 -0.053922
situpai2 0.148917
situpai3 0.067675
42
situpai4 -0.204726
situpai5 NA
trabrem1 -0.047884
trabrem2 0.070646
trabrem3 0.337336
trabrem4 0.108644
turnoem1 -0.593816
turnoem2 -0.495779
turnoem3 -0.232080
turnoem4 -0.283281
turnoem5 -0.427670
Tabela C.2: Ajuste do modelo nal selecionado.
Variável Graus de Liberdade Deviance AIC

(Intercepto) 72232 72394
cursouef 4 72248 72402
freqinternet 2 72246 72404
cursouem 4 72253 72407
estcivil 4 72265 72419
instmae 7 72272 72420
situmae 5 72269 72421
instpai 7 72286 72434
situpai 4 72285 72439
renda 7 72299 72447
profmae 8 72336 72482
profpai 8 72336 72482
turnoem 5 72384 72536
trabrem 4 72407 72561
sexo 1 73147 73307
anocem 9 73755 73899
SCRIPT
dados<-read.csv2("C:/Users/Camila Rvena/Dropbox/PRAPE/MonografiaCamila/
Monografia_Latex/Bancos/Reg_Logist/Banco_Final_2_Ultimo.csv", header=T)
ls(dados)
str(dados)
summary(dados)
attach(dados)
sexo=factor(sexo)
etnia=factor(etnia)
estcivil=factor(estcivil)
cursouef=factor(cursouef)
cursouem=factor(cursouem)
turnoem=factor(turnoem)
43
anocem=factor(anocem)
renda=factor(renda)
trabrem=factor(trabrem)
comp=factor(comp)
freqinternet=factor(freqinternet)
situpai=factor(situpai)
situmae=factor(situmae)
profpai=factor(profpai)
profmae=factor(profmae)
instpai=factor(instpai)
instmae=factor(instmae)
install.packages("pastecs")
library(pastecs)
stat.desc(dados,basic=T)
modelo<-glm(evasao ~ sexo + anocem + comp + cursouef + cursouem +

estcivil + etnia + freqinternet + instmae + instpai +
profmae + profpai + renda + situmae + situpai + trabrem +
turnoem, family=binomial(link=logit))
summary(modelo)
require(MASS)
modfinal<- stepAIC(modelo)
summary(modfinal)
cbind(modfinal$fitted.values,modfinal$y)
modfinal$residuals
dev<-residuals(modfinal,type='deviance')
dev
QL<-sum(dev^2)
p1<-1-pchisq(QL,modfinal$df.residual)
cbind(QL,p1)
rpears<-residuals(modfinal,type='pearson')
rpears
QP<-sum(rpears^2)
p2<-1-pchisq(QP,modfinal$df.residual)
cbind(QP,p2)
par(mfrow=c(1,2))
plot(rpears, ylab="resíduos Pearson", ylim=c(-3.5,3.5))
44
plot(dev, ylab="resíduos deviance", ylim=c(-3.5,3.5))
#######Razão de chance (odds ratio)
beta1 = -0.286451
beta2 = -0.548136 #sexo
beta3 = -9.529073 #solteiro
beta31= -9.379680 #casado
beta4 = -0.207047 #sim - acessa a internet com freq
beta41= -0.266268 #não - acessa a internet com freq
x1i = 1 #Masculino
x1j = 2 #Feminino
x2i = 1 #Solteiro
x2j = 2 #Casado
x3i = 1 #Sim
x3j = 2 #Não
pi1 = exp(-0.286451 + (-0.548136*x1i)) / (1 + exp(-0.286451 +

(-0.548136*x1i)))
pi2 = exp(-0.286451 + (-0.548136*x1j)) / (1 + exp(-0.286451 +
(-0.548136*x1j)))
psi = (pi1/(1-pi1)) / (pi2/(1-pi2)) # Chance do homem evadir comparado

a uma mulher
pi11 = exp(-0.286451 + (-0.548136*x1i) + (-9.529073*x2i) +

(-0.207047*x3i)) / (1 + exp(-0.286451 + (-0.548136*x1i)
+ (-9.529073*x2i) + (-0.207047*x3i)))
pi21 = exp(-0.286451 + (-0.548136*x1j) + (-9.529073*x2i) +
(-0.207047*x3i)) / (1 + exp(-0.286451 + (-0.548136*x1j) +
(-9.529073*x2i) + (-0.207047*x3i)))
psi1 = (pi11/(1-pi11)) / (pi21/(1-pi21)) # Chance do homem, solteiro

e que acessa a internet com frequência, evadir comparado a uma mulher,
solteira e que acessa a internet com frequência
pi12 = exp(-0.286451 + (-0.548136*x1i) + (-9.529073*x2i) +

(-0.266268*x3j)) / (1 + exp(-0.286451 + (-0.548136*x1i) +
(-9.529073*x2i) + (-0.266268*x3j)))
pi22 = exp(-0.286451 + (-0.548136*x1j) + (-9.529073*x2i) +
(-0.266268*x3j)) / (1 + exp(-0.286451 + (-0.548136*x1j) +
45
(-9.529073*x2i) + (-0.266268*x3j)))

e que não acessa a internet com frequência, evadir comparado a uma mulher,
solteira e que não acessa a internet com frequência
pi13 = exp(-0.286451 + (-0.548136*x1i) + (-9.379680*x2j) +

(-0.207047*x3i)) / (1 + exp(-0.286451 + (-0.548136*x1i) +
(-9.379680*x2j) + (-0.207047*x3i)))
pi23 = exp(-0.286451 + (-0.548136*x1j) + (-9.379680*x2j) +
(-0.207047*x3i)) / (1 + exp(-0.286451 + (-0.548136*x1j) +
(-9.379680*x2j) + (-0.207047*x3i)))
psi3 = (pi13/(1-pi13)) / (pi23/(1-pi23)) # Chance do homem, casado

casada e que acessa a internet com frequência
pi14 = exp(-0.286451 + (-0.548136*x1i) + (-9.379680*x2j) +

(-0.266268*x3j)) / (1 + exp(-0.286451 + (-0.548136*x1i) +
(-9.379680*x2j) + (-0.266268*x3j)))
pi24 = exp(-0.286451 + (-0.548136*x1j) + (-9.379680*x2j) +
(-0.266268*x3j)) / (1 + exp(-0.286451 + (-0.548136*x1j) +
(-9.379680*x2j) + (-0.266268*x3j)))

casada e que não acessa a internet com frequência
pi15 = exp(-0.286451 + (-0.548136*x1i) + (-9.529073*x2i) +

(-0.207047*x3i)) / (1 + exp(-0.286451 + (-0.548136*x1i) +
(-9.529073*x2i) + (-0.207047*x3i)))
pi25 = exp(-0.286451 + (-0.548136*x1j) + (-9.379680*x2j) +
(-0.207047*x3i)) / (1 + exp(-0.286451 + (-0.548136*x1j) +
(-9.379680*x2j) + (-0.207047*x3i)))

casada e que acessa a internet com frequência
pi16 = exp(-0.286451 + (-0.548136*x1i) + (-9.379680*x2j) +

(-0.207047*x3i)) / (1 + exp(-0.286451 + (-0.548136*x1i) +
(-9.379680*x2j) + (-0.207047*x3i)))
pi26 = exp(-0.286451 + (-0.548136*x1j) + (-9.529073*x2i) +
(-0.207047*x3i)) / (1 + exp(-0.286451 + (-0.548136*x1j) +
46
(-9.529073*x2i) + (-0.207047*x3i)))

solteira e que acessa a internet com frequência
pi17 = exp(-0.286451 + (-0.548136*x1i) + (-9.379680*x2j) +

(-0.266268*x3j)) / (1 + exp(-0.286451 + (-0.548136*x1i) +
(-9.379680*x2j) + (-0.266268*x3j)))
pi27 = exp(-0.286451 + (-0.548136*x1j) + (-9.529073*x2i) +
(-0.266268*x3j)) / (1 + exp(-0.286451 + (-0.548136*x1j) +
(-9.529073*x2i) + (-0.266268*x3j)))

solteira e que não acessa a internet com frequência
pi18 = exp(-0.286451 + (-0.548136*x1i) + (-9.529073*x2i) +

(-0.266268*x3j)) / (1 + exp(-0.286451 + (-0.548136*x1i) +
(-9.529073*x2i) + (-0.266268*x3j)))
pi28 = exp(-0.286451 + (-0.548136*x1j) + (-9.379680*x2j) +
(-0.266268*x3j)) / (1 + exp(-0.286451 + (-0.548136*x1j) +
(-9.379680*x2j) + (-0.266268*x3j)))

casada e que não acessa a internet com frequência
47

TCC2014 P 2 Camila

Enviado por

Direitos autorais:

Formatos disponíveis

TCC2014 P 2 Camila

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

TCC2014 P 2 Camila

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DA PARAÍBA

CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA

Camila Ravena de Oliveira

Análise da Evasão Escolar na

Análise da Evasão Escolar na

Monograa, apresentada ao Curso de Estatística

À Josineide Maria, minha mãe, companheira, condente

"Que os vossos esforços desaem as impossibilidades,

O presente projeto tem o objetivo de desenvolver um estudo de caso sobre o fenômeno

Palavras-chave: evasão escolar, ensino superior, evasão na UFPB, regressão logística.

Keywords: college dropout, college education; evasion at UFPB, logistic regression.

C Modelo de Regressão Logística 41

A.1 Indicador de evasão de cada Curso por Centros e Área de Conhecimento

B.1 Indicador de evasão de cada Curso por Centros e Área de Conhecimento

"Temos observado o crescimento da indústria da retenção para conseguir rápi-

Depressão; Ideias suicidas; Baixa tolerância

Desta forma, o presente trabalho analisa o desempenho dos cursos de graduação da

2.1 Objetivos Gerais

2.2 Objetivos Especícos

• Calcular indicadores de evasão através do método desenvolvido por Veloso, Seixas

• Calcular indicadores de evasão através de regressão logística.

Tabela 3.2: Possíveis causas da evasão escolar, na perspectiva de diversos autores.

1. Evasão da Instituição de Ensino Superior se congura quando o aluno opta

2. Evasão do Curso caracteriza-se quando o aluno opta pela transferência de curso

3. Evasão do Sistema ocorre quando o aluno não se matricula ou abandona o curso.

3.1 Métodos de Cálculo de Indicadores de Evasão

onde os termos na expressão são denidos como:

3.1.2 Segundo Método

onde os termos na expressão são denidos como:

4.1 Modelo de Regressão Linear

elevando ambos os membros ao quadrado,

Uma vez obtidas estas estimativas, podemos escrever a equação estimada:

Ŷi = β̂0 + β̂1 Xi

O valor de R2 varia no intervalo de 0 a 1. Valores próximos de 1 indicam que o modelo

4.2 Modelos de Regressão para Variáveis Dicotômicas

• O modelo de regressão logística na prática é o mais utilizado, devido à sua repre-

• O modelo de regressão probit considera a existência de alguma correlação entre as

4.3 Modelo de Regressão Logística

em que p denota o número de parâmetros.

4.3.1 Regressão Logística Simples

O modelo de regressão logística linear simples em que π(x), a probabilidade de "su-

Logo, a razão de chances (ψ) ca dada por

dependendo apenas do parâmetro β. Mesmo que a amostragem seja retrospectiva, isto

em que γ representa o efeito do estrato, β o efeito do fator e δ a interação entre estrato e

π(1, 1){1 − π(1, 0)}

Assim, a hipótese de homogeneidade das razões de chances (H0 : ψ1 = ψ2 ) é equivalente

4.3.2 Regressão Logística Múltipla

De modo geral, o modelo geral de regressão logística em que π(x), a probabilidade de

em que x = (1, x2 , ..., xp )T contém os valores observados das p variáveis explicativas.

β (m+1) = (X T V (m) X)(−1) X T V (m) z (m)

em que V = diag{π1 (1 − π1 ), ..., πn (1 − πn )}, z = (zi , ..., zn )T é a variável dependente

Denotando por ψij a razão de chances entre um aluno na condição (x2 = i, x3 = j)

Portanto, testar a hipótese H0 : β4 = 0 (ausência de interação) é equivalente a testar

5.1 Resultados dos Métodos de Cálculo de Indicadores

As tabelas e os grácos, apresentados a seguir, oferecem uma visão do fenômeno de

CAMPUS 2007 2008 2009 2010 2011 2012

Ao analisar a média do percentual de evasão de forma geral para os quatro Campi

Analisando a Área de Conhecimento Exatas do Campus I, o Centro que obteve o

Monograa, apresentada ao Curso de Estatística

À Josineide Maria, minha mãe, companheira, condente

"Que os vossos esforços desaem as impossibilidades,

2.2 Objetivos Especícos

1. Evasão da Instituição de Ensino Superior se congura quando o aluno opta

onde os termos na expressão são denidos como:

onde os termos na expressão são denidos como:

Logo, a razão de chances (ψ) ca dada por

As tabelas e os grácos, apresentados a seguir, oferecem uma visão do fenômeno de

As tabelas e os grácos, apresentados a seguir, também oferecem uma visão do fenô-

Tabela 5.8: Estatística descritiva do modelo nal selecionado.

Figura 5.11: Grácos de residuos de Pearson e resíduos deviance

Tabela C.2: Ajuste do modelo nal selecionado.

pi11 = exp(-0.286451 + (-0.548136x1i) + (-9.529073x2i) +

pi12 = exp(-0.286451 + (-0.548136x1i) + (-9.529073x2i) +

pi13 = exp(-0.286451 + (-0.548136x1i) + (-9.379680x2j) +

pi14 = exp(-0.286451 + (-0.548136x1i) + (-9.379680x2j) +

pi15 = exp(-0.286451 + (-0.548136x1i) + (-9.529073x2i) +

pi16 = exp(-0.286451 + (-0.548136x1i) + (-9.379680x2j) +

pi17 = exp(-0.286451 + (-0.548136x1i) + (-9.379680x2j) +