3  Despesa Mínima Com Educação e Saúde.

3.1 Introdução

O anexo 8 do RREO da União deve apresentar um comparativo entre a meta anual e as despesas executadas com Educação. O Anexo 12, por sua vez, traz uma comparação entre a meta anual e as despesas executadas com Saúde. As informações do RREO são apresentadas em forma de gráficos e tabelas no RREO em Foco.

Trouxe do RREO em Foco dois gráficos utilizados para monitorar as despesas com Educação. A figura 1 apresenta um gráfico destinado a monitorar o cumprimento da meta anual.

Figura 1. Despesas com educação: meta anual (RREO em Foco Dez/2022).

Já a figura 2 traz a tabela do RREO em Foco que faz um comparativo entre a despesa até o mês, no exercício mais recente, com a despesa do mesmo mês em exercícios anteriores.

Figura 2. Despesas com educação: comparação com exercícios anteriores (RREO em Foco Dez/2022) .

3.2 Objetivo

O meu objetivo é criar um gráfico para apresentar simultaneamente:

1) a evolução das despesas ao longo do exercício atual

2) o comparativo entre a despesa do exercício atual e as despesas dos exercícios anteriores

3) o cumprimento da meta

3.3 Construindo o gráfico

Para iniciar a construção do gráfico precisamos inicialmente definir regras gerais para o código, importar as bibliotecas e definir um “tema” único para os gráficos.

mostrar o código

# https://kbroman.org/knitr_knutshell/pages/Rmarkdown.html
knitr::opts_chunk$set( echo=TRUE, warning=FALSE, message=FALSE, tidy = "styler")
options(encoding = "latin1")

mostrar o código

library(tidyverse)
library(readxl)
library(DT)
library(plotly)
library(lubridate)
library(forcats)
library(janitor)
library(stringr)
library(purrr)

A variável “tema” estabelece os critérios para as fontes e os eixos dos gráficos. A variável “tema” facilita a padronização e personalização dos gráficos.

mostrar o código

tema <- theme_classic() + theme(
  plot.title = element_text(size = 12, hjust = 0),
  plot.subtitle = element_text(size = 10, hjust = 0),
  plot.caption = element_text(color = "green", face = "italic"),
  axis.text = element_text(size = 10),
  axis.title = element_text(size = 10),
  axis.ticks.y = element_blank(),
  legend.position = "none"
)
# https://rpubs.com/mclaire19/ggplot2-custom-themes
# https://bookdown.org/rdpeng/RProgDA/building-a-new-theme.html
# https://themockup.blog/posts/2020-12-26-creating-and-using-custom-ggplot2-themes/

3.3.1 Preparar os dados

Nós vamos utilizar os dados oficiais do RREO da União. Só alterei os nomes das colunas 1, 4 e 5 para facilitar o entendimento do código. Também criei quatro variáveis:

1) percentual: o percentual da despesa executada até o mês,

2) mes: o mês de lançamento da despesa

3) ano: o ano de lançamento da despesa

4) cores: red se o percentual da despesa executada é menor que a meta, caso contrário, assume o valor blue.

Também criei a data frame “atual” com os dados do mês mais recente. A data frame “atual” será utilizada para gerar automaticamente o título do gráfico e o label do valor executado referente ao mês mais recente.

mostrar o código

educacao <- read_excel("relatorios_fiscais/rreo/dados_rreo.xlsx",
  sheet = "educacao", col_types = c(
    "date",
    "numeric", "numeric", "numeric",
    "numeric"
  )
)

# alterar o nome das colunas para padronizar com os dados da despesa com Saúde
names(educacao)[1] <- "date"
names(educacao)[4] <- "executado"
names(educacao)[5] <- "minimo"


# criar variáveis percentual (o percentual da despesa executada até o mês), mes e ano.
educacao <- educacao %>% mutate(percentual = round(100 * executado / minimo, 1), mes = month(date, label = TRUE), ano = year(date))


# criar variável cores: vermelho se ainda não atingiu a meta. Azul se atingiu a meta.
educacao <- educacao %>% mutate(cores = if_else(percentual < 100, "red", "blue"))

educacao <- educacao %>%
  mutate(cores = fct_reorder(cores, desc(cores)))

# criar DF com os valores do mês mais recente.
atual <- educacao %>% filter(date == max(date))

3.3.2 Tabelar os dados da despesa com educação

A tabela 1 foi criada a partir das variáveis mes, ano, percentual e cores. A tabela 1 possibilita identificar que a variável cores assume o valor red quando a despesa executada é inferior à meta de 100%. Por exemplo, em 2008, a meta só foi atingida no mês de dezembro e, por esse motivo, a variável cores assume o valor blue em dez/2008. Já no ano de 2016, a meta foi atingida precocemente no mês de outubro. Logo, a variável cores assumiu o valor blue para outubro, novembro e dezembro de 2016.

mostrar o código

datatable(educacao %>% select(mes, ano, percentual, cores),
  options = list(
    language = list(url = "//cdn.datatables.net/plug-ins/1.10.11/i18n/Portuguese.json"),
    pageLength = 12
  ),
  caption = "Tabela 1. Despesa mínima com educação: percentual executado."
) %>% formatCurrency(3, "",
  mark = ",",
  digits = 1, dec.mark = "."
)

Após estruturarmos os dados, nós vamos construir passa-a-passo o nosso gráfico.

3.3.3 Apresentar a evolução da despesa no exercício atual

A primeira etapa da construção do gráfico final será plotar um intermediário contemplando apenas a execução da despesa no ano mais recente. No nosso caso, o ano mais recente é o de 2022. A partir desses dados vamos plotar um gráfico de dispersão.

mostrar o código

p <- ggplot(data = educacao %>% filter(ano == max(ano)), aes(x = mes, y = percentual)) +
  geom_point() +

  # definir informação dos eixos
  labs(
    x = "",
    y = "%"
  ) +
  tema +
  ggtitle("Gráfico 1: Despesa com educação: percentual executado ao longo de 2022")

ggplotly(p) %>%
  config(modeBarButtons = list(list("zoomIn2d"), list("autoScale2d"))) %>%
  config(displaylogo = FALSE)

3.3.4 Comparar a despesa no exercício atual com a despesa nos exercícios anteriores

No gráfico 2 apresentamos simultaneamente a execução da despesa no exercício de 2022 e a execução da despesa nos exercícios de 2008 a 2021. Por apresentar muitos dados, o Gráfico 2 dificulta a identificação da execução da despesa no exercício de 2022. A seguir nós vamos destacar visualmente o exercício de 2022.

mostrar o código

p <- ggplot(data = educacao, aes(x = mes, text = paste("ANO: ", ano), y = percentual), width = 0.1, height = 0.1, alpha = 0.2) +
  geom_jitter() +

  # definir informação dos eixos
  labs(
    x = "",
    y = "%"
  ) +
  tema +
  ggtitle(paste0("Gráfico 2: Despesa com educação: percentual executado no período de 2008 a ", atual$ano))

ggplotly(p) %>%
  config(modeBarButtons = list(list("zoomIn2d"), list("autoScale2d"))) %>%
  config(displaylogo = FALSE)

3.3.5 Diferenciar o exercíco atual dos exercícios anteriores

O gráfico 3 traz os mesmos dados do gráfico 2. Fizemos as seguintes alterações na apresentação dos dados:

1) destacamos o exercício atual, o ano de 2022, com a tonalidade mais escura

2) agrupamos os pontos ao redor do mês (eixo x)

O objetivo é identificar qual ponto pertence a qual mês e também quais pontos pertencem ao exercício mais recente.

mostrar o código

p <- ggplot(data = educacao, aes(x = mes, text = paste("ANO: ", ano), y = percentual), width = 0.1, height = 0.1, alpha = 0.2) +
  # geom_jitter exclui com "filter (ano != max(ano))" o ano atual para evitar a apresentação de dois pontos para a mesmo exercício.
  # Caso contrário teríamos um ponto plotado pelo geom_jitter e outro plotado pelo geom_point
  geom_jitter(data = educacao %>% filter(ano != max(ano)), aes(x = mes, text = paste("ANO: ", ano)), width = 0.1, height = 0.1, alpha = 0.2) +
  # plotar o point do ano atual selecionada
  geom_point(data = educacao %>% filter(ano == max(ano)), aes(x = mes, y = percentual, text = paste("ANO: ", ano))) +

  # definir informação dos eixos
  labs(
    x = "",
    y = "%"
  ) +
  tema +
  ggtitle(paste0("Gráfico 3: Despesa com educação: percentual executado no período de 2008 a ", atual$ano))

ggplotly(p) %>%
  config(modeBarButtons = list(list("zoomIn2d"), list("autoScale2d"))) %>%
  config(displaylogo = FALSE)

3.3.6 Verificar o cumprimento da meta

Vamos acrescentar agora uma linha horizontal tracejada vermelha representando a meta de 100% da execução da despesa com educação. Assim poderemos verificar em qual mês a meta é atingida e/ou superada.

mostrar o código

p <- ggplot(data = educacao, aes(x = mes, text = paste("ANO: ", ano), y = percentual), width = 0.1, height = 0.1, alpha = 0.2) +
  # geom_jitter exclui com "filter (ano != max(ano))" o ano atual para evitar a apresentação de dois pontos para a mesmo exercício.
  # Caso contrário teríamos um ponto plotado pelo geom_jitter e outro plotado pelo geom_point
  geom_jitter(data = educacao %>% filter(ano != max(ano)), aes(x = mes, text = paste("ANO: ", ano)), width = 0.1, height = 0.1, alpha = 0.2) +
  # plotar o point do ano atual selecionada
  geom_point(data = educacao %>% filter(ano == max(ano)), aes(x = mes, y = percentual, text = paste("ANO: ", ano))) +

  # definir informação dos eixos
  labs(
    x = "",
    y = "%"
  ) +
  tema +
  geom_hline(yintercept = 100, colour = "red", linetype = "dashed") +
  ggtitle(paste0("Gráfico 4: Despesa com educação: percentual executado no período de 2008 a ", atual$ano))

ggplotly(p) %>%
  config(modeBarButtons = list(list("zoomIn2d"), list("autoScale2d"))) %>%
  config(displaylogo = FALSE)

3.3.7 Destacar o exercíco atual com uma linha

Para destacar ainda mais o exercício mais recente, nós vamos ligar com uma linha preta os pontos referentes aos meses do ano de 2022.

mostrar o código

p <- ggplot(data = educacao, aes(x = mes, text = paste("ANO: ", ano), y = percentual), width = 0.1, height = 0.1, alpha = 0.2) +
  # geom_jitter exclui com "filter (ano != max(ano))" o ano atual para evitar a apresentação de dois pontos para a mesmo exercício.
  # Caso contrário teríamos um ponto plotado pelo geom_jitter e outro plotado pelo geom_point
  geom_jitter(data = educacao %>% filter(ano != max(ano)), aes(x = mes, text = paste("ANO: ", ano)), width = 0.1, height = 0.1, alpha = 0.2) +
  # plotar o point do ano atual selecionada
  geom_point(data = educacao %>% filter(ano == max(ano)), aes(x = mes, y = percentual, text = paste("ANO: ", ano))) +

  # definir informação dos eixos
  labs(
    x = "",
    y = "%"
  ) +
  tema +
  geom_hline(yintercept = 100, colour = "red", linetype = "dashed") +
  # escala de cor. Os levels são definidos na coluna cores da df.
  # https://ggplot2.tidyverse.org/reference/geom_smooth.html
  # inherit.aes =FALSE para evitar duas linhas de tendência.
  # Caso contrário teríamos uma linha de tendência para a cada factor level (coluna cores).

  # inherit.aes =FALSE para nao herdar aes do geoms anteriores. Caso contrário a linha teria duas cores
  geom_line(data = educacao %>% filter(ano == max(ano)), inherit.aes = FALSE, aes(x = month(as.Date(date)), y = percentual), size = 0.2) +
  scale_color_manual(
    breaks = levels(educacao$cores),
    values = levels(educacao$cores)
  ) +
  ggtitle(paste0("Gráfico 5: Despesa com educação: percentual executado no período de 2008 a ", atual$ano))

ggplotly(p) %>%
  config(modeBarButtons = list(list("zoomIn2d"), list("autoScale2d"))) %>%
  config(displaylogo = FALSE)

3.3.8 Destacar o cumprimento da meta com as cores azul e vermelho

Agora vamos utilizar a variável cores para destacar visualmente o cumprimento da meta. Pontos em vermelho significam meta não atingida. Pontos em azul indicam o cumprimento da meta.

mostrar o código

p <- ggplot(data = educacao, aes(x = mes, text = paste("ANO: ", ano), y = percentual, color = cores), width = 0.1, height = 0.1, alpha = 0.2) +
  # geom_jitter exclui com "filter (ano != max(ano))" o ano atual para evitar a apresentação de dois pontos para a mesmo exercício.
  # Caso contrário teríamos um ponto plotado pelo geom_jitter e outro plotado pelo geom_point
  geom_jitter(data = educacao %>% filter(ano != max(ano)), aes(x = mes, text = paste("ANO: ", ano)), width = 0.1, height = 0.1, alpha = 0.2) +
  # plotar o point do ano atual selecionada
  geom_point(data = educacao %>% filter(ano == max(ano)), aes(x = mes, y = percentual, text = paste("ANO: ", ano))) +

  # definir informação dos eixos
  labs(
    x = "",
    y = "%"
  ) +
  tema +
  geom_hline(yintercept = 100, colour = "red", linetype = "dashed") +
  # escala de cor. Os levels são definidos na coluna cores da df.
  # https://ggplot2.tidyverse.org/reference/geom_smooth.html
  # inherit.aes =FALSE para evitar duas linhas de tendência.
  # Caso contrário teríamos uma linha de tendência para a cada factor level (coluna cores).

  # inherit.aes =FALSE para nao herdar aes do geoms anteriores. Caso contrário a linha teria duas cores
  geom_line(data = educacao %>% filter(ano == max(ano)), inherit.aes = FALSE, aes(x = month(as.Date(date)), y = percentual), size = 0.2) +
  scale_color_manual(
    breaks = levels(educacao$cores),
    values = levels(educacao$cores)
  ) +
  ggtitle(paste0("Gráfico 6: Despesa com educação: percentual executado no período de 2008 a ", atual$ano))

ggplotly(p) %>%
  config(modeBarButtons = list(list("zoomIn2d"), list("autoScale2d"))) %>%
  config(displaylogo = FALSE)

3.3.9 Texto explicativo

Por fim, vamos gerar automaticamente um texto para informar o cumprimento da meta até o mês mais recente.

mostrar o código

p <- ggplot(data = educacao, aes(x = mes, text = paste("ANO: ", ano), y = percentual, color = cores), width = 0.1, height = 0.1, alpha = 0.2) +
  # geom_jitter exclui com "filter (ano != max(ano))" o ano atual para evitar a apresentação de dois pontos para a mesmo exercício.
  # Caso contrário teríamos um ponto plotado pelo geom_jitter e outro plotado pelo geom_point
  geom_jitter(data = educacao %>% filter(ano != max(ano)), aes(x = mes, text = paste("ANO: ", ano)), width = 0.1, height = 0.1, alpha = 0.2) +
  # plotar o point do ano atual selecionada
  geom_point(data = educacao %>% filter(ano == max(ano)), aes(x = mes, y = percentual, text = paste("ANO: ", ano))) +

  # definir informação dos eixos
  labs(
    x = "",
    y = "%"
  ) +
  tema +
  geom_hline(yintercept = 100, colour = "red", linetype = "dashed") +
  # escala de cor. Os levels são definidos na coluna cores da df.
  # https://ggplot2.tidyverse.org/reference/geom_smooth.html
  # inherit.aes =FALSE para evitar duas linhas de tendência.
  # Caso contrário teríamos uma linha de tendência para a cada factor level (coluna cores).

  # inherit.aes =FALSE para nao herdar aes do geoms anteriores. Caso contrário a linha teria duas cores
  geom_line(data = educacao %>% filter(ano == max(ano)), inherit.aes = FALSE, aes(x = month(as.Date(date)), y = percentual), size = 0.2) +
  scale_color_manual(
    breaks = levels(educacao$cores),
    values = levels(educacao$cores)
  ) +
  # optei por esconder a legenda (showlegend = FALSE)
  geom_text(data = educacao %>% filter(date == max(date)), aes(x = mes, y = percentual + 20, label = paste0(round(percentual, 1), "%", "\n", atual$mes, "/", atual$ano)), size = 3.5, color = "black", face = "bold") +
  ggtitle(paste0("Gráfico 7: Despesa com educação: percentual executado no período de 2008 a ", atual$ano))

ggplotly(p) %>%
  config(modeBarButtons = list(list("zoomIn2d"), list("autoScale2d"))) %>%
  config(displaylogo = FALSE)

3.3.10 Criar função para gerar gráfico

Uma vez estruturado o gráfico, nós podemos criar uma função para ser utilizada tanto com as despesas com educação quanto com as despesas com saúde.

Aproveitamos o código desenvolvido até agora para encapsulá-lo dentro da função “plot_meta_despesa”.

mostrar o código

plot_meta_despesa <- function(df) {
  atual <- df %>% filter(date == max(date))
  ggplot(df, aes(y = percentual, color = cores)) +
    # geom_jitter exclui com "filter (ano != max(ano))" o ano atual para evitar a apresentação de dois pontos para a mesmo exercício.
    # Caso contrário teríamos um ponto plotado pelo geom_jitter e outro plotado pelo geom_point
    geom_jitter(data = df %>% filter(ano != max(ano)), aes(x = mes, text = paste("ANO: ", ano)), width = 0.1, height = 0.1, alpha = 0.2) +
    # plotar o point do ano atual selecionada
    geom_point(data = df %>% filter(ano == max(ano)), aes(x = mes, y = percentual, text = paste("ANO: ", ano))) +

    # plotar linha vermelha tracejada dividindo resultados bons (azul), ruins (vermelho). O argumento "meta" define a altura da linha.
    geom_hline(yintercept = 100, colour = "red", linetype = "dashed") +
    # https://ggplot2.tidyverse.org/reference/geom_smooth.html
    # inherit.aes =FALSE para evitar duas linhas de tendência.
    # Caso contrário teríamos uma linha de tendência para a cada factor level (coluna cores).

    # inherit.aes =FALSE para nao herdar aes do geoms anteriores. Caso contrário a linha teria duas cores
    geom_line(data = df %>% filter(ano == max(ano)), inherit.aes = FALSE, aes(x = month(as.Date(date)), y = percentual), size = 0.2) +

    # definir informação dos eixos
    labs(
      x = "",
      y = "%"
    ) +
    tema +
    # escala de cor. Os levels são definidos na coluna cores da df.
    scale_color_manual(
      breaks = levels(df$cores),
      values = levels(df$cores)
    ) +

    # optei por esconder a legenda (showlegend = FALSE)
    geom_text(data = df %>% filter(date == max(date)), aes(x = mes, y = percentual + 20, label = paste0(round(percentual, 1), "%", "\n", atual$mes, "/", atual$ano)), size = 3.5, color = "black", face = "bold")
}

3.3.11 Aplicar função à data frame da educação

mostrar o código

t <- list(
  family = "Times New Roman",
  size = 18,
  color = "black"
)


p <- plot_meta_despesa(educacao)

ggplotly(p) %>%
  config(modeBarButtons = list(list("zoomIn2d"), list("autoScale2d"))) %>%
  config(displaylogo = FALSE) %>%
  layout(title = list(text = paste0(
    "Gráfico 8: Despesa com educação",
    "<br>",
    "<sup>",
    paste0("Cumpriu ", atual$percentual, "% da meta até ", atual$mes, "/", atual$ano), "</sup>"
  ), font = t))

3.3.12 Aplicar função à data frame da saúde

mostrar o código

saude <- read_excel("relatorios_fiscais/rreo/dados_rreo.xlsx",
  sheet = "saude", col_types = c(
    "date",
    "numeric", "numeric", "numeric", "numeric",
    "numeric"
  )
)

names(saude)[1] <- "date"
names(saude)[2] <- "executado"
names(saude)[5] <- "minimo"



saude <- saude %>% mutate(percentual = round(100 * executado / minimo, 0), mes = month(date, label = TRUE), ano = year(date))

saude <- saude %>% mutate(cores = if_else(percentual < 100, "red", "blue"))



saude <- saude %>%
  mutate(cores = fct_reorder(cores, desc(cores)))
atual_saude <- saude %>% filter(date == max(date))

p <- plot_meta_despesa(saude)

ggplotly(p) %>%
  config(modeBarButtons = list(list("zoomIn2d"), list("autoScale2d"))) %>%
  config(displaylogo = FALSE) %>%
  layout(title = list(text = paste0(
    "Gráfico 9: Despesa com saúde",
    "<br>",
    "<sup>",
    paste0("Cumpriu ", atual_saude$percentual, "% da meta até ", atual_saude$mes, "/", atual_saude$ano), "</sup>"
  ), font = t))