-
Notifications
You must be signed in to change notification settings - Fork 1
/
index_sem_shiny.Rmd
1123 lines (920 loc) · 50 KB
/
index_sem_shiny.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
---
title: ""
output:
html_document:
code_folding: hide
---
```{r setup, include=FALSE}
knitr::opts_chunk$set(
echo = TRUE,
message = FALSE,
warning = FALSE
)
```
```{css, echo=FALSE}
body {
font-family: 'Open Sans', sans-serif;
line-height: 1.6em;
max-width: 700px;
margin-left: auto;
margin-right: auto;
padding-left: 20px;
padding-right: 20px;
}
h1, h2, h3, h4 {
color: #353E57 // #1E4C7A;
}
.hoverlayer:hover {
font-family: "Open Sans Condensed";
}
.conceito {
padding: 2px;
background-color: lightblue;
cursor: pointer;
}
.descricao {
background-color: lightblue;
margin: 8px;
font-size: 0.9em;
}
.fechamento {
text-align: center;
font-size: 0.7em;
color: dimgrey;
padding: 0 30px;
}
.coracoes {
color: firebrick;
}
.modebar .modebar--hover {
display: none;
}
del {
color: darkgrey;
text-decoration: none;
}
del::before {
content: "(";
}
del::after {
content: ")";
}
del.del-de-verdade {
text-decoration: line-through;
color: #333;
}
.descricao>p {
padding: 0 8px;
margin: 0px;
}
p.disclaimer {
font-size: 0.8em;
padding: 8px;
margin: 8px;
background-color: ghostwhite;
color: dimgray;
font-style: italic;
}
p.titulo-card {
text-transform: uppercase;
background-color: steelblue;
color: white;
margin: 0;
font-weight: bold;
letter-spacing: 0.2em;
}
.descricao>p:not(.titulo-card):not(.fechar-card) {
padding-top: 4px;
}
p.fechar-card{
background-color: lightsteelblue;
color: lightgray;
letter-spacing: 0.2em;
margin: 0;
text-align: right;
font-size: 0.7em;
}
p.fechar-card>a{
text-decoration: none;
color: white;
}
h1 {
padding-top: 20px;
padding-bottom: 20px;
margin: auto;
text-align: center;
position: relative;
//font-style: italic;
letter-spacing: 0.1em;
line-height: 1.5em;
font-size: 1.9em;
font-family: "Vollkorn";
}
h1>em {
font-size: 2em;
color: firebrick;
//text-transform: uppercase;
letter-spacing: 0.1em;
display: block;
font-style:normal;
padding-top: 0.1em;
//text-shadow: 0.07em 0.07em 0 rgba(0, 0, 0, 0.1);
}
h1>em::before, h1>em::after {
content: "§";
display: inline-block;
-webkit-transform: rotate(90deg);
-moz-transform: rotate(90deg);
-o-transform: rotate(90deg);
-ms-transform: rotate(90deg);
transform: rotate(90deg);
opacity: 0.2;
margin: 0 0.6em;
font-size: 0.5em;
}
img.abertura {
margin-left: auto;
margin-right: auto;
display: block;
width: 100%;
height: auto;
}
.abertura p {
text-align: center;
font-size: 0.7em;
}
.descricao img {
width: 80%;
margin-left: auto;
margin-right: auto;
display: block;
margin-top: 10px;
margin-bottom: 10px;
}
```
```{r libraries}
library(tidyverse)
library(scales)
library(readxl)
#library(ipeaData)
library(extrafont)
library(RColorBrewer)
#library(ckanr)
#library(skimr)
library(shiny)
library(leaflet)
library(ggbeeswarm)
library(plotly)
library(viridis)
library(ggrepel)
tema <- function(){
theme_minimal() +
theme(
text = element_text(family = "Open Sans", colour = "grey20"),
title = element_text(face = "bold", size = 10, color = "#1E4C7A"),
plot.subtitle = element_text(family = "Open Sans Condensed",
color = "grey20", face = "plain", size = 10),
axis.text = element_text(family = "Open Sans", colour = "grey20", size = 8),
plot.caption = element_text(face = "italic"),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank(),
legend.text = element_text(size = 8),
legend.title = element_text(size = 8),
axis.ticks = element_line(size = 0.5),
axis.ticks.length = unit(.25, "cm"),
axis.title = element_text(size = 8, colour = "grey20"),
legend.position = 'none')
}
tema_gif <- function() {
theme(legend.position = 'none',
panel.grid.major.y = element_blank(),
panel.grid.major.x = element_blank(),
axis.title.y = element_blank(),
axis.text.y = element_blank(),
axis.ticks.y = element_blank(),
plot.background = element_rect(color = "#f0f5f7", linetype = "solid", size = 2))
}
vermelho <- brewer.pal(3, name = "Set1")[1]
azul <- "#1f476a"
vermelho_claro <- "#ee7576"
azul_claro <- "#2c90bf" # "#87b1d4"
tres_cores <-c("#F8AC08","#028063","#6E287C")
tres_cores_pasteis <- c("#FECE60","#63BEAF", "#BE8EBF")
cores_temas_TT <- c("#643275", "#03859a", "#1f476a", "#709a2d", "#ba3917")
# problemas de encoding...
estados <- data.frame(
UF = c("AC", "AL", "AM", "AP", "BA", "CE", "DF", "ES", "GO", "MA", "MG", "MS", "MT", "PA", "PB", "PE", "PI", "PR", "RJ", "RN", "RO", "RR", "RS", "SC", "SE", "SP", "TO"),
nomes = c("Acre", "Alagoas", "Amazonas", "Amapá", "Bahia", "Ceará", "Distrito Federal", "Espírito Santo", "Goias", "Maranhão", "Minas Gerais", "Mato Grosso do Sul", "Mato Grosso", "Pará", "Paraíba","Pernambuco", "Piauí", "Paraná", "Rio de Janeiro", "Rio Grande do Norte", "Rondônia", "Roraima", "Rio Grande do Sul",
"Santa Catarina", "Sergipe", "São Paulo", "Tocantins"))
# estou comentando toda a leitura de dados externos para bypassar erro do Shiny. Salvei os dados em .RData e vou lê-los diretamente.
# dados estados
# tabela_estados <- read.csv2("./dados/finbraRGF_estados.csv", skip = 5) %>%
# mutate(Escopo = "Estados",
# Exercicio = 2018)
# dados municípios
#perfil_mun <- read_excel("./dados/Base MUNIC 2017.xls", sheet = "Variáveis externas")
#tabela_mun1 <- read.csv2("./dados/finbraRGF_mun.csv", skip = 5)
#tabela_mun2 <- read.csv2("./dados/finbraRGF_mun_semestre.csv", skip = 5)
# dados uniao
# tabela_uniao <- read.csv2("./dados/finbraRGF_uniao.csv", skip = 5) %>%
# mutate(Escopo = "Uniao",
# Exercicio = 2018)
#
# save(list = c("tabela_estados", "tabela_uniao", "tabela_mun1", "tabela_mun2", "perfil_mun"), file = "dados.RData")
# bloco para resolver problemas do shiny
load("dados.RData")
names(tabela_mun1) <- c("Instituicao", "Cod.IBGE", "UF", "PODER", "Populacao", "Coluna",
"Conta", "Valor")
names(tabela_mun2) <- c("Instituicao", "Cod.IBGE", "UF", "PODER", "Populacao", "Coluna",
"Conta", "Valor")
names(tabela_uniao) <- c("Instituicao", "Cod.IBGE", "UF", "PODER", "Populacao", "Coluna",
"Conta", "Valor", "Escopo", "Exercicio")
names(tabela_estados) <- c("Instituicao", "Cod.IBGE", "UF", "PODER", "Populacao", "Coluna",
"Conta", "Valor", "Escopo", "Exercicio")
#
tabela_mun <- rbind(tabela_mun1, tabela_mun2) %>%
mutate(Escopo = "Municípios",
Exercicio = 2018)
# população atualizada
pop_UFs <- perfil_mun %>%
group_by(UF, REGIAO) %>%
summarise(pop = sum(`POP EST`))
tabela_estados <- tabela_estados %>%
inner_join(pop_UFs) %>%
mutate(`CLASSE POP` = NA)
tabela_municipios <- perfil_mun %>%
select(Cod.IBGE = CodMun, REGIAO, pop = `POP EST`, `CLASSE POP`) %>%
right_join(tabela_mun)
tabela_completa <- rbind(tabela_estados, tabela_municipios)
### depois melhorar isso aqui
# cabecalho_estados <- read.csv2("./dados/finbraRGF_estados.csv", nrows = 5, header = FALSE)
# cabecalho_estados <- cabecalho_estados %>%
# mutate(V1 = as.character(V1)) %>%
# separate(1, into = c("Info", "Valor"), sep = ":") %>%
# t() %>%
# as.data.frame() %>%
# select(-4)
#tabela_estados %>% skim()
#tabela_estados %>% str()
```
<h1><em>Dívidas</em>pra que te quero</h1>
<img class ="abertura" src="prefeito_divida.png"
alt="tirinha brincando com a mania dos prefeitos de jogar a culpa nos antecessores"
style="margin-right: auto; margin-left: auto; display: block;"/>
<p style = "text-align: center; font-size: 0.7em;">Créditos da imagem: <a href="http://www.willtirando.com.br/" target="blank">William Leite</a></p>
Dívida é uma quantia que se tem de pagar a alguém. O que interessa bastante para esse ~~tal de~~ alguém. E ~~tomara~~ muito importante para quem deve. Caso você não seja nenhum dos dois, por que continuar lendo sobre esse assunto ~~espinhoso~~?
Bom, vivemos em uma cidade, que tem uma prefeitura, certo? Essa cidade está dentro de um estado, que tem um governo. E isso tudo ~~incluindo você~~ fica em um país. Você teria curiosidade em saber o quanto <del class="del-de-verdade">nós devemos</del> eles <span class="conceito" id="conceito-declaram">declaram</span> que devem?
<p class="disclaimer">Ao longo do texto, existem vários termos destacados com o fundo azul. Para não interromper a narrativa com tecnicismos, os conceitos envolvidos estão descritos de forma mais precisa e rigorosa em quadros que podem ser exibidos (e ocultados) clicando-se sobre esses termos com fundo em azul.</p>
<div class="descricao" id="descricao-declaram">
<p class="titulo-card">Origem e Abrangência das informações</p>
<p>A principal fonte de dados deste painel é o Sistema de Informações Contábeis e Fiscais do Setor Público Brasileiro - SICONFI, em especial, os dados declarados pelos entes federativos através dos Relatórios de Gestão Fiscal - RGF.
As informações sobre os encargos e condições de contratação dos estados e municípios. por sua vez, estão disponíveis no módulo de Cadastro da Dívida Pública (CDP) do Sistema de Análise da Dívida Pública, Operações de Crédito e Garantias da União, Estados e Municípios (SADIPEM). O CDP recebe a declaração detalhada das dívidas dos estados e municípios. Atualmente, nem todos os estados e municípios enviam essa declaração, o que pode causar divergência nos dados.
O Tesouro Nacional vem trabalhando para melhorar a qualidade e para aumentar a disponibilidade dessas informações para que a sociedade brasileira possa ter uma visão ampla sobre estoque e composição das dívidas dos entes, dois indicadores importantes de sua saúde financeira. Esse esforço passa, principalmente, pela ampliação do uso dos dados do SICONFI e pela melhoria de sua coleta, por meio da Matriz de Saldos Contábeis.
<img src="abrangencia_m.png">
<img src="abrangencia_e.png">
Os dados são referentes ao dia 31 de dezembro do exercício anterior. E a atualização dos dados será mensal.
</p>
<p class="fechar-card"><a class="link-fechar" id="fechar-declaram" href="#conceito-declaram">^ Fechar e voltar ao texto ^</a></p>
</div>
```{r, fig.height=3, fig.align="center"}
totalDCL <- function(tabelinhas) {
tabelinhas %>%
filter(Conta == "DÍVIDA CONSOLIDADA - DC (I)" & Coluna == "Até o 3º Quadrimestre") %>%
group_by(Escopo) %>%
summarise(DC = sum(Valor))
}
tabelas <- list(tabela_municipios, tabela_estados, tabela_uniao)
result <- lapply(tabelas, totalDCL)
DCLs_entes <- bind_rows(result)
# total populacao e qde municipios
pop_total_m <- perfil_mun %>%
summarise(qde = n(),
pop = sum(`POP EST`)) %>%
mutate(escopo = "Total")
pop_RGF_m <- tabela_municipios %>%
group_by(Cod.IBGE, pop) %>%
summarise_all(first) %>%
group_by() %>%
summarise(qde = n(),
pop = sum(pop)) %>%
mutate(escopo = "RGF")
abrangencia_m <- rbind(pop_total_m, pop_RGF_m) %>%
gather(qde, pop, key = Variavel, value = Valor) %>%
spread(escopo, value = Valor) %>%
mutate(faltantes = Total - RGF) %>%
gather("RGF":"faltantes", key = categorias, value = Valor) %>%
filter(categorias != "Total") %>%
group_by(Variavel) %>%
mutate(percent = Valor/sum(Valor)) %>%
ungroup()
# abrangencia estados
pop_UFs <- perfil_mun %>%
group_by(UF) %>%
summarise(pop = sum(`POP EST`))
pop_brasil <- sum(pop_UFs["pop"])
pop_total_e <- pop_UFs %>%
summarise(qde = n(),
pop = sum(pop)) %>%
mutate(escopo = "Total")
pop_RGF_e <- tabela_estados %>%
group_by(UF) %>%
summarise_all(first) %>%
group_by() %>%
summarise(qde = n(),
pop = sum(pop)) %>%
mutate(escopo = "RGF")
abrangencia_e <- rbind(pop_total_e, pop_RGF_e) %>%
gather(qde, pop, key = Variavel, value = Valor) %>%
spread(escopo, value = Valor) %>%
mutate(faltantes = Total - RGF) %>%
gather("RGF":"faltantes", key = categorias, value = Valor) %>%
filter(categorias != "Total") %>%
group_by(Variavel) %>%
mutate(percent = Valor/sum(Valor)) %>%
ungroup()
DCLs_entes <- DCLs_entes %>% mutate(DC_pop = DC / pop_brasil)
ggplot(DCLs_entes, aes(y = DC, x = reorder(Escopo, DC), fill = Escopo, color = Escopo)) +
geom_col() +
geom_text(aes(y = DC + 1e11, label = paste0(
format(round(DC/1e9,0), big.mark = ".", decimal.mark = ","),
" bi")), family = "Open Sans", hjust = "left", size = 3.5) +
scale_fill_manual(values = tres_cores) +
scale_color_manual(values = tres_cores) +
scale_y_continuous(labels=function(x) {format(x/1e9, big.mark = ".", decimal.mark=",", scientific = FALSE)}) +
expand_limits(y = max(DCLs_entes$DC * 1.2)) +
labs(x = NULL, y = "R$ bi", title = "Dívida Consolidada dos níveis de Governo",
subtitle = "Alguns estados e muitos municípios não estão incluídos (ver \"Abrangência\")") +
coord_flip() +
tema()
graf_abrang_m <- ggplot(abrangencia_m, aes(y = Valor, x = Variavel, fill = categorias)) +
geom_col(position = "fill", width=0.6, color = "white", size = 1) +
geom_text(aes(label = percent(percent), y = percent), family = "Open Sans", color = "white", position = position_stack(vjust = 0.5), size = 3) +
scale_fill_manual(values = c("RGF" = tres_cores[2], "faltantes" = "#02dba9"),
labels = c("faltantes" = "Não declararam", "RGF" = "Declararam")) +
scale_y_continuous(labels = percent) +
scale_x_discrete(labels = c("qde" = "Quantidade \nde municípios",
"pop" = "População \ncontemplada")) +
coord_flip() +
labs(x = NULL, y = NULL,
title = "Abrangência das informações municipais",
fill = NULL) +
tema() + theme(legend.position = "bottom")
graf_abrang_e <- ggplot(abrangencia_e, aes(y = Valor, x = Variavel, fill = categorias)) +
geom_col(position = "fill", width=0.6, color = "white", size = 1) +
geom_text(aes(label = percent(percent), y = percent), family = "Open Sans", color = "#1E4C7A", position = position_stack(vjust = 0.5), size = 3) +
scale_fill_manual(values = c("RGF" = tres_cores[1], "faltantes" = "#f4d99f"),
labels = c("faltantes" = "Não declararam", "RGF" = "Declararam")) +
scale_y_continuous(labels = percent) +
scale_x_discrete(labels = c("qde" = "Quantidade \nde estados",
"pop" = "População \ncontemplada")) +
coord_flip() +
labs(x = NULL, y = NULL,
title = "Abrangência das informações estaduais",
fill = NULL) +
tema() + theme(legend.position = "bottom")
# vou incluir as imagens como figuras.
# png(filename="abrangencia_m.png",
# type="cairo",
# units="in",
# width=6,
# height=3,
# pointsize=12,
# res=400)
# graf_abrang_m
# dev.off()
#
# png(filename="abrangencia_e.png",
# type="cairo",
# units="in",
# width=6,
# height=3,
# pointsize=12,
# res=400)
# graf_abrang_e
# dev.off()
```
~~Se você é ansioso,~~ veja o valor da dívida consolidada do estado e/ou do município em que você mora. Pode-se dizer que está grande ou pequena?
Difícil responder olhando só para os números, não é? O ideal seria buscar referências de comparação.
Antes disso, porém, é preciso garantir que estamos falando de coisas iguais ~~e não de melancias e de bananas~~. No caso da <span class="conceito" id="conceito-dc">dívida consolidada</span>, entram, essencialmente, a dívida mobiliária, quando o país emite títulos públicos para captar dinheiro; a dívida contratual, quando os governos estaduais e municipais recorrem a empréstimos e (re)financiamentos, inclusive com o próprio governo federal; e a dívida de <span class="conceito" id="conceito-precatorios">precatórios</span> que venceram e não foram pagos, aquelas impostas por ações judiciais.
<div class="descricao" id="descricao-dc">
<p class="titulo-card">Dívida Consolidada e as várias formas de se medir a dívida pública</p>
Na verdade, existem diversas formas de se medir a dívida de um ente público. É possível que você já tenha esbarrado em alguns desses: DPF, DPMFi, DBGG, DLSP, DC... uma verdadeira sopa de letrinhas.
A Dívida Consolidada ou Fundada* corresponde ao montante total das obrigações financeiras, apurado sem duplicidade (excluídas obrigações entre órgãos da administração direta e entre estes e as entidades da administração indireta), assumidas:
a) pela emissão de títulos públicos, para amortização em prazo superior a 12 (doze) meses (dívida mobiliária);
b) em virtude de leis, contratos (dívida contratual), convênios ou tratados e da realização de operações de crédito**, para amortização em prazo superior a 12 (doze) meses;
c) pela realização de operações de crédito que, embora de prazo inferior a 12 (doze) meses, tenham constado como receitas no orçamento;
d) com os precatórios judiciais emitidos a partir de 5 de maio de 2000 e não pagos durante a execução do orçamento em que houverem sido incluídos;
e) pela realização de operações equiparadas a operações de crédito pela LRF, para amortização em prazo superior a 12 (doze) meses.
* Esse conceito de dívida pública consolidada ou fundada, definido no art. 29, I, da Lei de Responsabilidade Fiscal, difere da classificação patrimonial da dívida adotada pelo art. 98 da Lei nº 4.320/64. Apesar de a Lei nº 4.320/64 também usar o termo dívida fundada e a LRF tratar como sinônimas as expressões dívida pública consolidada ou fundada, entende-se que o conceito apresentado na LRF é mais amplo que o inscrito Lei nº 4.320/64. A LRF conferiu maior abrangência à definição do que integra a dívida pública consolidada ou fundada para os seus fins, buscando dar transparência à natureza e ao volume do endividamento dos entes públicos.
** Operações de crédito são compromissos financeiros assumidos em razão de mútuo, abertura de crédito, emissão e aceite de título, aquisição financiada de bens, recebimento antecipado de valores provenientes da venda a termo de bens e serviços, arrendamento mercantil e outras operações assemelhadas, inclusive com o uso de derivativos financeiros. Equipara-se à operação de crédito a assunção, o reconhecimento ou a confissão de dívidas pelo ente da Federação. Dados detalhados das operações de crédito dos estados e municípios (incluindo encargos e condições contratuais) podem ser obtidos SADIPEM/CDP.
<p class="fechar-card"><a class="link-fechar" id="fechar-dc" href="#conceito-dc">^ Fechar e voltar ao texto ^</a></p>
</div>
<div class="descricao" id="descricao-precatorios">
<p class="titulo-card">PRECA-o quê??</p>
Referem-se aos precatórios judiciais emitidos a partir de 5 de maio de 2000 e não pagos durante a execução do orçamento em que houverem sido incluídos. Os precatórios emitidos a partir de 5 de maio de 2000 devem ser pagos até o dia 31 de dezembro do exercício em que foram incluídos no orçamento. Caso o pagamento não seja efetuado até essa data limite, o valor correspondente deverá compor a dívida do ente até que o pagamento seja realizado. A diferenciação entre precatórios judiciais emitidos antes e após 5 de maio de 2000 foi feita pela própria LRF, ao definir o montante de precatórios do ente federativo que deveria ser considerado dívida consolidada para fins fiscais. Essa regra conjuga-se com o disposto na Constituição Federal, que estabelece ser obrigatória a inclusão, no orçamento das entidades de direito público, de verba necessária ao pagamento de seus débitos, oriundos de sentenças transitadas em julgado, constantes de precatórios judiciários apresentados até 1º de julho, efetuando-se o pagamento até o final do exercício seguinte.
<p class="fechar-card"><a class="link-fechar" id="fechar-precatorios" href="#conceito-precatorios">^ Fechar e voltar ao texto ^</a></p>
</div>
```{r graf-barras, fig.height=6, fig.width=4.5, fig.align="center"}
formata_BR <- scales::format_format(big.mark = ".", decimal.mark = ",", scientific = FALSE)
contas_interesse <- c("DÍVIDA CONSOLIDADA - DC (I)",
"DEDUÇÕES (II)",
"DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)",
"% da DCL sobre a RCL (III/RCL)")
# uma tabela de tradução por causa do shiny
tab_contas <- data.frame(Conta = contas_interesse, Conta_red = c("DC", "Ded", "DCL", "pct_DCL_RCL"))
sumario_estados <- tabela_estados %>%
filter(Conta %in% contas_interesse) %>%
filter(Coluna == "Até o 3º Quadrimestre") %>%
left_join(tab_contas) %>%
select(UF, REGIAO, Conta_red, pop, Valor) %>%
spread(Conta_red, value = Valor) %>%
mutate(DCL_pop = DCL / pop)
plota_DC_estados <- function(dados) {
ggplot(dados,
aes(x = reorder(UF, DC), y = DC/1e9,
fill = REGIAO)) +
geom_col(width = 0.7) +
geom_text(
aes(
label = paste0(
format(round(DC/1e9,0), big.mark = ".", decimal.mark = ","),
" bi"),
y = DC/1e9 + 1),
family = "Open Sans", size = 3, color = azul, vjust = 0.3, hjust = 'left') +
scale_y_continuous(label = formata_BR) +
scale_fill_manual(values = cores_temas_TT) +
coord_flip() +
expand_limits(y = max(dados$DC)/1e9 * 1.1) +
labs(y = "R$ bilhões", x = NULL, title = "Dívida Consolidada dos Estados em 2018",
caption = "Mato Grosso do Sul e Rio Grande do Norte não haviam informado\nseus dados até fevereiro de 2019.",
fill = "Região") +
tema() + theme(legend.position = "bottom") + theme(legend.key.size = unit(0.5,"line"))
}
plota_DC_estados(sumario_estados)
plota_DC_estados(sumario_estados %>% filter(!(UF %in% c("SP", "RJ", "MG", "RS")))) +
labs(subtitle = "Exceto São Paulo, Rio de Janeiro, Minas Gerais e Rio Grande do Sul")
```
Após garantir que todos colocam os mesmos tipos de dívidas na dívida consolidada, voltamos à pergunta: a dívida está grande ou pequena? Como comparar?
```{r ranking, fig.height=7.5, fig.width=5, fig.align="center"}
ranking_estados <- sumario_estados %>%
mutate_at(vars(c(-UF, -pop, -REGIAO)), .funs = ~dense_rank(-.)) %>%
gather(-UF, -pop, - REGIAO, key = Variavel, value = Valor) %>%
filter(Variavel %in% c("DCL", "pct_DCL_RCL", "DCL_pop"))
ggplot(ranking_estados, aes(x = Variavel, y = Valor, color = REGIAO, fill = REGIAO, group = UF)) +
geom_line(size = 1) +
geom_label(aes(label = UF), color = "white", family = "Fira Code",
size = 3) +
scale_y_reverse(labels = 1:25, breaks = 1:25) +
scale_fill_manual(values = cores_temas_TT) +
scale_color_manual(values = cores_temas_TT) +
scale_x_discrete(limits = c("DCL",
"pct_DCL_RCL",
"DCL_pop"),
labels = c("DCL" = "DCL", "pct_DCL_RCL" = "DCL/RCL",
"DCL_pop" = "DCL per Capita"),
position = "top") +
labs(x = NULL, y = NULL, title = "Ranking das Dívidas Consolidadas Líquidas",
subtitle = "Estados e Distrito Federal") +
tema()
```
Essa avaliação depende da condição financeira de cada um para pagar a dívida. Assim, uma comparação com a arrecadação da prefeitura ou do governo pode ajudar nessa resposta.
Uma opção seria ver quanto sobra da dívida consolidada depois de abater os recursos que já estão em caixa. Isso recebe o nome de dívida consolidada L-Í-Q-U-I-D-A.
```{r, fig.height=7, fig.width=4.5, fig.align="center"}
sumario_estados_regionalizado <- sumario_estados %>%
mutate(Ded = replace_na(Ded, 0)) %>%
group_by(REGIAO) %>%
mutate(media_regiao = sum(DC / n())) %>%
ungroup() %>%
group_by() %>%
mutate(media_nacional = sum(DC / n())) %>%
ungroup() %>%
left_join(estados) %>%
mutate(nomes = as.character(nomes))
dados_composicoes <- sumario_estados_regionalizado %>%
select(UF, DCL, Ded, DC) %>%
mutate(Ded_pct = 100 * Ded / DC,
DCL_pct = 100 * DCL / DC,
UF = fct_reorder(UF, Ded_pct, .desc = TRUE)) %>%
select(UF, Ded_pct, DCL_pct) %>%
gather(DCL_pct, Ded_pct, key = variavel, value = valor)
ggplot(dados_composicoes, aes(y = valor/100, x = UF, fill = variavel)) +
geom_col(width = 0.7, position = "stack") +
geom_text(aes(label = percent(valor/100)),
family = "Open Sans", size = 3, hjust = "inward",
position = "stack", vjust = 0.3, color = "white") +
scale_fill_manual(labels = c("Ded_pct" = "Deduções", "DCL_pct" = "DCL"),
values = c("Ded_pct" = vermelho, "DCL_pct" = azul_claro)) +
scale_y_continuous(labels = percent) +
guides(color = FALSE) +
labs(x = NULL, y = NULL, fill = NULL, title = "Dívida Consolidada dos Estados", subtitle = "DCL e Deduções em percentuais da DC",
caption = "Mato Grosso do Sul e Rio Grande do Norte não haviam informado\nseus dados até fevereiro de 2019.") +
coord_flip() +
tema() + theme(legend.position = "bottom") + theme(legend.key.size = unit(0.5,"line"))
```
E se compararmos esse valor com algo que reflita uma capacidade de arrecadação? Podia ser o total de receitas regulares disponíveis, a <span class="conceito" id="conceito-RCL">RECEITA CORRENTE L-Í-Q-U-I-D-A</span>, dos últimos 12 meses. Essa opção agrada a você? Saiba que essa foi a medida adotada pelo Senado Federal para estabelecer um limite para estados e municípios. Limite?
<div class="descricao" id="descricao-RCL">
<p class="titulo-card">Receita Corrente Líquida</p>
A Receita Corrente Líquida - RCL é o somatório das receitas correntes, ou seja, receitas de impostos, taxas e contribuições de melhoria, de contribuições, patrimoniais, agropecuárias, industriais, de serviços, transferências correntes e outras receitas correntes do ente da Federação, deduzidos alguns itens explicitados pela própria LRF. As deduções mais relevantes são as repartições de receitas tributárias previstas na constituição e as contribuições dos servidores aos regimes de previdência.
A RCL serve de parâmetro para os limites da despesa total com pessoal, da Dívida Consolidada Líquida, das operações de crédito, do serviço da dívida e para a concessão de garantias.
<p class="fechar-card"><a class="link-fechar" id="fechar-RCL" href="#conceito-RCL">^ Fechar e voltar ao texto ^</a></p>
</div>
Sim, a dívida consolidada líquida dos estados não pode ser duas vezes maior que a sua receita corrente líquida. Ou seja, se o estado não tivesse nenhuma outra despesa, precisaria de 2 anos de arrecadação para pagar essa dívida. Já a dos municípios não pode superar 1,2 vezes ou 1 ano e quase 3 meses de arrecadação. Parece razoável? A cidade e o estado em que você mora estão <span class="conceito" id="conceito-limites">abaixo ou acima do limite</span>?
<div class="descricao" id="descricao-limites">
<p class="titulo-card">Limites de Endividamento</p>
Os limites da dívida consolidada foram estabelecidos por Resoluções do Senado Federal em termos da Dívida Consolidada Líquida, que corresponde à Dívida Consolidada ou Fundada deduzidas as disponibilidades de caixa e demais haveres financeiros. Seguem os limites de endividamento por esfera:
a) O limite de endividamento definido para os estados é de 200% da RCL.
b) O limite de endividamento definido para os municípios é de 120% da RCL.
c) Para a União, esse limite ainda não foi definido.
<p class="fechar-card"><a class="link-fechar" id="fechar-limites" href="#conceito-limites">^ Fechar e voltar ao texto ^</a></p>
</div>
```{r limites-est-mun, fig.height=7.5, fig.width=5, fig.align="center"}
total_DCL <- tabela_completa %>%
filter(Conta %in% c("DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)",
"RECEITA CORRENTE LÍQUIDA - RCL")) %>%
filter(Coluna == "Até o 3º Quadrimestre") %>%
mutate(Conta = case_when(Conta == "DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)" ~ "DCL",
Conta == "RECEITA CORRENTE LÍQUIDA - RCL" ~ "RCL")) %>%
group_by(UF, REGIAO, Escopo, Conta) %>%
summarise(Valor = sum(Valor)) %>%
spread(Conta, value = Valor) %>%
ungroup() %>%
mutate(DCL_percent = round(DCL/RCL, 4),
UF = fct_reorder(UF, DCL_percent, first, .desc = FALSE)) # atenção ao first
total_DCL <- total_DCL %>%
select(UF, Escopo, DCL_percent) %>%
spread(Escopo, value = DCL_percent) %>%
mutate(Estado_Maior = Estados > `Municípios`,
Estado_Maior = replace_na(Estado_Maior, TRUE)) %>%
select(UF, Estado_Maior) %>%
right_join(total_DCL)
ggplot(total_DCL, aes(y = UF, color = Escopo, x = DCL_percent)) +
geom_vline(xintercept = 2, linetype = 'dotted', color = tres_cores[1]) +
geom_vline(xintercept = 1.2, linetype = 'dotted', color = tres_cores[2]) +
geom_path(color = "lightgrey", size = 1.5) +
geom_point(size = 3) +
geom_text(aes(x = ifelse(Estado_Maior,
ifelse(Escopo == "Estados",
DCL_percent + 0.18,
DCL_percent - 0.15),
ifelse(Escopo == "Estados",
DCL_percent - 0.15,
DCL_percent + 0.18)),
label = percent(DCL_percent)), family = "Open Sans", size = 3) +
annotate(geom = "text", x = 2.01, y = 16, label = "Limite definido \npelo Senado Federal \npara os Estados",
family = "Open Sans", color = tres_cores[1], size = 2.5, hjust = "left") +
annotate(geom = "text", x = 1.21, y = 16, label = "Limite definido \npelo Senado Federal \npara os Municípios",
family = "Open Sans", color = tres_cores[2], size = 2.5, hjust = "left") +
scale_x_continuous(labels = percent) +
scale_color_manual(values = c("Estados" = tres_cores[1], "Municípios" = tres_cores[2])) +
labs(x = "Percentual DCL/RCL",
y = NULL,
title = "Dívida Consolidada Líquida",
subtitle = "Estados e Municípios do Estado",
color = NULL) +
tema() + theme(legend.position = "top")
```
```{r municipios, fig.align="center", fig.height=7.5, fig.width=5.5}
sumario_municipios <- tabela_municipios %>%
filter(
Coluna %in% c("Até o 3º Quadrimestre", "Até o 2º Semestre") &
Conta %in% c("% da DCL sobre a RCL (III/RCL)",
"DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)")) %>%
mutate(Conta = case_when(Conta == "% da DCL sobre a RCL (III/RCL)" ~ "pct_DCL_RCL",
Conta == "DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)" ~"DCL")) %>%
select(REGIAO, Instituicao, Valor, Conta, pop, UF, Escopo, CodMun = Cod.IBGE) %>%
spread(Conta, Valor) %>%
mutate(REGIAO = str_sub(REGIAO, 5)) %>%
left_join(select(perfil_mun, CodMun, nome_mun = `NOME MUNIC`)) %>%
filter(`Instituicao` != "Prefeitura Municipal de Itaíba - PE") %>%
mutate(categorias = cut(pct_DCL_RCL, breaks = c(-Inf, 0, 25, 120, Inf),
labels = c("DCL negativa", "Até 25% da RCL", "Até 120% da RCL", "Acima do Limite")))
#ggplot(sumario_municipios, aes(x = pop, y = DCL, color = REGIAO)) + geom_point() + scale_x_log10() + scale_y_log10()
sumario_municipios <- sumario_municipios %>%
group_by(categorias) %>%
summarise(qde = n()) %>%
mutate(posicoes = c(-50, 25, 120, 160, NA)) %>%
right_join(sumario_municipios)
paleta_swarm <- brewer.pal(4, "Spectral")
ggplot(sumario_municipios, aes(y = pct_DCL_RCL, x = 0, color = categorias, text = paste0(nome_mun, " - ",UF, " (Região ", REGIAO, "). Sua DCL representa ", percent(pct_DCL_RCL/100), " da sua RCL."))) +
geom_quasirandom(varwidth = TRUE, alpha = 0.5, size = 1) +
scale_color_brewer(palette = "Spectral", type = "div", direction = 1) +
#scale_color_manual(values = c("yellow" = "yellow", "TRUE" = "dodgerblue", "FALSE" = "firebrick")) +
scale_y_continuous(labels = function(x) {percent(x/100)}) +
labs(y = "% DCL / RCL", title = "Distribuição dos municípios em 2018",
subtitle = "Segundo o percentual de sua DCL em relação à RCL") +
tema() + theme(axis.line.x = element_blank(), axis.ticks.x = element_blank(),
axis.text.x = element_blank(), axis.title.x = element_blank()) +
geom_hline(yintercept = 0, linetype = "dotted", color = paleta_swarm[3]) +
geom_hline(yintercept = 25, linetype = "dotted", color = paleta_swarm[2]) +
geom_hline(yintercept = 120, linetype = "dotted", color = paleta_swarm[1]) +
geom_text(aes(y = posicoes,
label = paste0(categorias, "\n(", qde, " municípios)")), vjust = "top", family = "Open Sans SemiBold",
size = 2.5, x = -0.42, check_overlap = TRUE, hjust = "inward")
#ggplot(sumario_municipios, aes(pct_DCL_RCL)) + geom_histogram() + scale_x_continuous(breaks = seq(-200,200,25))
#summary(sumario_municipios$pct_DCL_RCL)
#ggplotly(a, tooltip = "text")
#rsconnect::deployApp(appTitle = "Divida")
# problematicos
# teste <- tabela_municipios %>%
# filter(Coluna %in% c("Até o 3º Quadrimestre", "Até o 2º Semestre") &
# Conta %in% c("RECEITA CORRENTE LÍQUIDA - RCL", "DÍVIDA CONSOLIDADA - DC (I)", "DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)")) %>% select(Instituicao, Conta) %>% mutate(Contagem = 1) %>% spread(Conta, Contagem) %>% filter(is.na(`DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)`))
```
Agora, uma pergunta ~~para saber se você está atento~~: toda dívida entra no cálculo da dívida consolidada? Para onde vão os precatórios que não estão vencidos, por acaso?
O fato de não contar para a dívida consolidada não significa ~~longe disso~~ que não sejam relevantes, muito menos que não mereçam nossa atenção. É o caso, por exemplo, da obrigação com os pagamentos futuros de benefícios previdenciários, conhecido como <span class="conceito" id="conceito-passivoatuarial">passivo atuarial</span>. Apesar de não afetar a capacidade financeira hoje, irá impactar nos próximos anos. Outro tipo ocorre quando a prefeitura ou o governo utiliza recursos que ainda estão em <span class="conceito" id="conceito-disputajudicial">disputa judicial</span>. Se perder a disputa, tem que devolver e isso precisa ser monitorado. Entendeu a importância?
<div class="descricao" id="descricao-passivoatuarial">
<p class="titulo-card">Passivo Atuarial</p>
O Passivo Atuarial dos Regimes Próprios de Previdência Social - RPPS (Provisão Matemática Previdenciária) representa o total dos recursos necessários ao pagamento dos compromissos dos planos de benefícios, calculados atuarialmente, em determinada data, a valor presente, conforme parecer atuarial mais recente.
<p class="fechar-card"><a class="link-fechar" id="fechar-passivoatuarial" href="#conceito-passivoatuarial">^ Fechar e voltar ao texto ^</a></p>
</div>
<div class="descricao" id="descricao-disputajudicial">
<p class="titulo-card">Disputa Judicial</p>
Os depósitos judiciais são valores depositados em contas específicas sob a guarda do poder judiciário para pagamento de lides ainda pendentes de decisão judicial. A Constituição Federal autoriza a utilização de parte desses depósitos pelos entes da federação, os quais devem ser devolvidos caso o ente não seja favorecido pela decisão judicial.
<p class="fechar-card"><a class="link-fechar" id="fechar-disputajudicial" href="#conceito-disputajudicial">^ Fechar e voltar ao texto ^</a></p>
</div>
Por outro lado, existem disputas judiciais que já foram perdidas e exigem pagamento, são os precatórios. Pela ~~grande~~ quantidade, eles entram em uma fila para serem quitados a cada ano. Isto é, **todo ano a prefeitura ou o governo tem que pagar um certo número de precatórios. Quando deveria pagar em um ano e não paga, temos os precatórios vencidos e não pagos**. Lembra deles? Eles entram na dívida consolidada. Perceba que, por uma questão de tempo, os outros ~~ainda~~ não entram nesse cálculo, mas estão na fila e ~~em breve~~ vão afetar as finanças dessa prefeitura ou desse governo. Por isso, que tal ver o tamanho da conta de precatórios?
```{r precatorios, fig.height=4}
precat <- tabela_completa %>%
filter(Coluna %in% c("Até o 3º Quadrimestre", "Até o 2º Semestre") &
str_detect(Conta, "Precatórios")) %>%
group_by(Escopo, Conta) %>%
summarise(Valor = sum(Valor))
precat_uniao <- tabela_uniao %>%
filter(Coluna == "Até o 3º Quadrimestre" &
str_detect(Conta, "Precatórios")) %>%
group_by(Escopo, Conta) %>%
summarise(Valor = sum(Valor)) %>%
mutate(Conta = "Precatórios Posteriores a 05/05/2000 (inclusive) Vencidos e Não Pagos")
precat <- rbind(precat, precat_uniao)
ggplot(precat, aes(x = Conta, y = Valor, fill = Escopo, color = Escopo)) +
geom_col(width = 0.7, position = position_dodge2(preserve = "single", width = 0.7, padding = 0.2)) +
geom_text(aes(y = Valor + 1e9, label = paste0(
format(round(Valor/1e9,1), big.mark = ".", decimal.mark = ","),
" bi")), family = "Open Sans", size = 3,
position = position_dodge2(width = 0.7, preserve = "single", padding = 0.2), vjust = "center", hjust = "left") +
scale_fill_manual(values = tres_cores) +
scale_color_manual(values = tres_cores) +
scale_y_continuous(labels=function(x) {format(x/1e9, big.mark = ".", decimal.mark=",", scientific = FALSE)}, expand = expand_scale(mult = c(0, .1))) +
scale_x_discrete(labels = c("Precatórios Anteriores a 05/05/2000" = "Precatórios Anteriores \na 05/05/2000",
"Precatórios Posteriores a 05/05/2000 (inclusive) Vencidos e Não Pagos" = "Precatórios Posteriores \na 05/05/2000 (inclusive) \nVencidos e Não Pagos",
"Precatórios Posteriores a 05/05/2000 (Não incluídos na DC)" = "Precatórios Posteriores \na 05/05/2000 \n(Não incluídos na DC)")) +
#expand_limits(y = max(DCLs_entes$DC * 1.2)) +
labs(x = NULL, y = "R$ bi", title = "Saldo de Precatórios ao final de 2018",
subtitle = "Estados, Municípios e União") +
coord_flip() +
tema() + theme(legend.position = "bottom")
```
Além dessas obrigações, um compromisso também pode causar preocupação a uma prefeitura ou a um governo. E que tipo de compromisso seria esse? Aquele que pode virar uma dívida. Explicando melhor: algumas vezes uma prefeitura ou um governo entra como ~~fiador~~ garantidor de um empréstimo. Essa <span class="conceito" id="conceito-garantia">garantia concedida</span> pode se transformar em dívida se quem pegou o dinheiro emprestado não conseguir pagar. Viu como esse ponto é sensível? Por via das dúvidas, melhor acompanhar essas garantias.
<div class="descricao" id="descricao-garantia">
<p class="titulo-card">Garantias Concedidas</p>
Garantia é o compromisso de adimplência de obrigação financeira ou contratual assumida pelo ente da Federação por ocasião da realização de operações de crédito por suas estatais não dependentes ou por outros entes da federação.
Para a concessão de garantias, a LRF determina que sejam exigidas contragarantias, que são contrapartidas oferecidas pelo ente federativo que irá receber uma garantia. Essa contragarantia deve ser em valor igual ou superior ao da garantia a ser concedida para abranger o ressarcimento integral dos custos financeiros decorrentes da cobertura de eventual inadimplemento. Nesse caso, o ente entra como garantidor de uma dívida e, caso não seja honrada pelo tomador do empréstimo, o garantidor deverá honrar essa dívida.
<p class="fechar-card"><a class="link-fechar" id="fechar-garantia" href="#conceito-garantia">^ Fechar e voltar ao texto ^</a></p>
</div>
Relembrando, dívida é uma quantia que se tem de pagar a alguém.
Acrescentando: público é aquilo que pertence ao governo de um país, de um estado, de uma cidade. Também é aquilo que pertence a um povo, a uma coletividade.
~~E o que seria dívida pública?~~
```{r gera-grafico-dos-estados"}
# sumario_grafico <- function(estado) {
# sumario_estados_regionalizado %>%
# filter(UF == estado) %>%
# select(ded = `DEDUÇÕES (II)`,
# dc = `DÍVIDA CONSOLIDADA - DC (I)`,
# dcl = `DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)`,
# media_regiao,
# media_nacional) %>%
# mutate(em_branco = dcl) %>%
# gather(-em_branco, key = variavel, value = valor_de_verdade) %>%
# mutate(em_branco = ifelse(variavel == "ded", em_branco, 0)) %>%
# gather(valor_de_verdade, em_branco, key = tipo_valor, value = valor) %>%
# mutate(cores = case_when(tipo_valor == "em_branco" ~ NA,
# variavel == "dc" ~ azul,
# variavel == "ded" ~ vermelho,
# TRUE ~ azul_claro),
# tipo_valor = factor(tipo_valor, levels = c("valor_de_verdade", "em_branco")),
# variavel = factor(variavel, levels = rev(c("dc", "ded", "dcl", "media_regiao", "media_nacional"))))
# }
#
# teste_df <- sumario_grafico("DF")
#
# ggplot(teste_df, aes(x = variavel, y = valor, fill = cores)) +
# geom_col(aes(y = ifelse(variavel %in% c("dc", "ded", "dcl"),
# valor,
# NA)), position = "stack", width = 0.5) +
# scale_fill_identity() +
# coord_flip() +
# tema()
sumario_grafico <- function(estado) {
sumario_estados_regionalizado %>%
filter(UF == estado) %>%
select(ded = Ded,
dc = DC,
dcl = DCL,
media_regiao,
media_nacional) %>%
mutate(em_branco = dcl) %>%
gather(-em_branco, -media_regiao, -media_nacional, key = variavel, value = valor_de_verdade) %>%
gather(media_regiao, media_nacional, key = medias, value = valor_media) %>%
mutate(em_branco = ifelse(variavel == "ded", em_branco, NA)) %>%
gather(em_branco, valor_de_verdade, key = tipo_valor, value = valor) %>%
mutate(valor_media = ifelse(variavel == "dcl" & tipo_valor == "valor_de_verdade", valor_media, NA),
cores = case_when(tipo_valor == "em_branco" ~ "NA",
variavel == "dc" ~ azul,
variavel == "ded" ~ vermelho,
TRUE ~ azul_claro),
tipo_valor = factor(tipo_valor,
levels = c("valor_de_verdade", "em_branco")),
variavel = factor(variavel, levels = rev(c("dc", "ded", "dcl"))),
medias = replace(medias, medias == "media_regiao", "Média da Região"),
medias = replace(medias, medias == "media_nacional", "Média Nacional"))
}
plota_card_estado <- function(dados) {
ggplot(dados, aes(x = variavel, y = valor, fill = cores)) +
geom_col(position = "stack", width = 0.5) +
geom_tile(aes(y = valor_media), color = azul, width = 0.7, height = 1, linetype = "dotted") +
geom_text(aes(y = valor_media,
label = paste0(medias, "\nR$ ",
format(round(valor_media/1e9, 2), big.mark = ".", decimal.mark = ","), " bi"),
vjust = ifelse(medias == "Média Nacional", 2.7, -1.9)), family = "Open Sans Condensed",
size = 3.5, color = "dimgrey", hjust = "inward") +
geom_label(aes(label = ifelse(tipo_valor == "valor_de_verdade" & medias == "Média da Região",
paste0("R$ ", format(round(valor/1e9, 2),
big.mark = ".",
decimal.mark = ","),
" bi"),
NA),
y = valor,
color = cores),
family = "Open Sans", size = 3.5, hjust = "center",
position = "stack", vjust = "center", fill = "white") +
scale_fill_identity() +
scale_color_identity() +
scale_y_continuous(labels=function(x) {format(x/1e9, big.mark = ".", decimal.mark=",", scientific = FALSE)}) +
scale_x_discrete(labels = c("ded" = "Deduções",
"dc" = "Dívida\nConsolidada",
"dcl" = "Dívida\nConsolidada\nLíquida")) +
labs(x = NULL, y = "R$ bilhões") +
coord_flip() +
tema() + theme(axis.text.y = element_text(size = 12)) + theme(axis.line.x = element_line())
}
# plota_card_estado(teste_df)
# mapa_brasil <- geojsonio::geojson_read("./dados/brazil_geo.geojson", what = "sp")
# # o ideal seria pegar daqui https://servicodados.ibge.gov.br/api/docs/malhas?versao=2#api-_
# # mas só consegui do brasil inteiro, sem as ufs. a api ou renderiza o mapa com ufs ou mostra o json sem ufs.
# # aí achei em algum lugar da internet, e só editei um pouco para ficar do jeito esperado, começando com
# # {"type":"FeatureCollection","features":[...
#
# # incorporando o dado de DCL no mapa
#
# mapa_brasil@data <- sumario_estados %>%
# select(UF, REGIAO, pct_DCL_RCL) %>%
# right_join(mapa_brasil@data, by = c("UF" = "sigla"))
#
# mapa_brasil@data <- mapa_brasil@data %>%
# left_join(estados)
#
# # ggplot(mapa_brasil@data, aes(x = DCL)) + geom_histogram(binwidth = 10) + scale_x_continuous(breaks = seq(-20, 250, 20))
#
#
#
# bins <- c(-20, 0, 20, 40, 60, 80, 100, 200, Inf)
# pal <- colorBin("YlOrRd", domain = mapa_brasil$DCL, bins = bins)
#
# labels <- sprintf(
# "<strong>%s</strong><br/>DCL/RCL: %g %",
# mapa_brasil$nomes, mapa_brasil$pct_DCL_RCL
# ) %>% lapply(htmltools::HTML)
#
#
# faz_mapa <- function() {
# leaflet(mapa_brasil, options = leafletOptions(minZoom = 3.7, maxZoom = 3.7)) %>%
# setView(lat=-14.235, lng=-51.9253 , zoom=3.7) %>%
# addPolygons(
# fillColor = ~pal(pct_DCL_RCL),
# weight = 3,
# opacity = 1,
# color = "white",
# fillOpacity = 0.8,
# highlight = highlightOptions(
# weight = 3,
# color = "#353E57",
# fillOpacity = 1,
# bringToFront = TRUE),
# label = labels,
# layerId = ~UF, # muito importante, vai alimentar o "id" do shape_click
# labelOptions = labelOptions(
# style = list("font-weight" = "normal",
# "font-family" = "'Open Sans'",
# padding = "3px 8px"),
# textsize = "15px",
# direction = "auto"))
# }
#
# # addProviderTiles("MapBox", options = providerTileOptions(
# # id = "mapbox.light",
# # accessToken = Sys.getenv('MAPBOX_ACCESS_TOKEN'))) %>%
#
# retorna_texto <- function(estado, variavel) {
# resultado <- sumario_estados_regionalizado %>%
# filter(UF == estado) %>%
# select(!!sym(variavel))
# return (as.character(resultado[1,1]))
# }
#