DOI: http://dx.doi.org/10.5007/2175-7984.2016v15n32p145
Fatores que contribuíram para a reeleição
da presidente Dilma Roussef
Diogo José Dalpoz Martins1
Fernanda Helen Mansano2
José Luiz Parré3
Wander Plassa4
Resumo
O presente artigo procura analisar, partir da utilização de métodos de
econometria espacial, os principais fatores que levaram à reeleição da
presidente Dilma Rousseff nas eleições presidenciais de 2014. Além
disso, procura averiguar se a presença de prefeitos e governadores de
mesmo partido beneficiou sua candidatura. Os resultados apresentados
indicam quea candidata recebeu a maioria dos votos nos municípios
menos desenvolvidos, com renda per capita menor, maior taxa de
analfabetismo e desemprego, sendo também beneficiada pela presença
de governador da mesma coligação. Outro ponto analisado foi, a partir
de Regressão Ponderada Geograficamente (RPG), o efeito do programa
Bolsa Família em cada município brasileiro. A variável se mostrou
estatisticamente significativa, em sua maioria, nos municípios das
regiões Sul e Sudeste.
Palavras-chave: Eleições presidenciais; Bolsa Família; Econometria
espacial.
1 Introdução
A eleição de 2014 em que Dilma Rousseff foi reeleita no
segundo turno foi considerada a mais disputada dentre todas as
anteriores realizadas no Brasil, levando-a novamente ao cargo de
presidente com uma diferença de apenas 3,28 pontos percentuais em
relação ao candidato Aécio Neves5. Esta disputa acirrada suscitou em
algumas discussões a respeito da distribuição dos votos para cada
Mestre em economia pela universidade estadual de Maringá (UEM). Email: diogojdmartins90@gmail.com.
2 Mestre em economia pela universidade estadual de Maringá (UEM). Email: fernanda.mansano7@gmail.com.
3 Professor titular do departamento de economia da universidade estadual de
Maringá (UEM). E-mail: jlparre@uem.br.
4 Doutorando em economia pela faculdade de Economia, Administração e
Contabilidade de Ribeirão Preto - FEA-RP/USP. E-mail: wanderplassa@outlook.com.
5 Dilma Rousseff obteve 51,64% dos votos, enquanto Aécio Neves 48,36% (TSE,
2014).
1
145
Fatores que contribuíram para a reeleição da presidente Dilma Roussef - Diogo José Dalpoz
Martins, Fernanda Helen Mansano, José Luiz Parré e Wander Plassa
candidato, relacionadas ao Programa Bolsa Família, ao nível de
escolaridade e principalmente pela localidade de residência do eleitor.
Segundo dados do Tribunal Superior Eleitoral (TSE), o
resultado da eleição para presidente no segundo turno estabeleceu
uma divisão do eleitorado. Grande parte dos municípios em que a
presidente eleita foi vencedora estava localizada nas regiões Norte e
Nordeste, enquanto que as regiões Sul e Sudeste foram favoráveis ao
candidato não-eleito. Já a região Centro-Oeste apresentou uma divisão
de votos entre os candidatos.
Dessa forma, o presente artigo teve como objetivo analisar os
principais fatores que contribuíram para a reeleição da presidente,
partindo das premissas de indícios de correlação espacial no
desempenho de cada candidato nos municípios brasileiros. Para se
alcançar o objetivo, foi feita uma análise dos dados utilizando o
método de econometria espacial para poder levar em consideração a
correlação espacial entre a quantidade de votos e os municípios
vizinhos. Além de aplicar a metodologia de estimação econométrica
local de regressão ponderada geograficamente (RPG) para análise dos
efeitos da variável porcentagem da população atendida pelo programa
Bolsa Família sobre a população total do município em questão.
Nesse sentido, o artigo em questão foi dividido em cinco seções,
a partir dessa introdução, sendo a segunda seção uma revisão de
literatura a respeito dos estudos sobre a determinação dos votos
presidenciais e as hipóteses sobre a reeleição de Dilma Rousseff. Na
terceira seção foi apresentada a metodologia utilizada no trabalho, na
seção seguinte os resultados e por fim, na quinta seção as principais
conclusões.
2 Revisão Bibliográfica
2.1 Estudos sobre a determinação dos votos presidenciais
A área de estudo da geografia eleitoral procura identificar os
principais determinantes que levam os partidos e candidatos a terem
mais votos em determinados locais em comparação com outros, e tem
como base a análise de vários elementos que se relacionam. Segundo
Terron (2012), estudos relacionados a geografia eleitoral se iniciaram
em 1913, com um estudo na França que o pioneiro da sociologia
eleitoral, André Siegfried, sugeriu a relação entre tipo de solo e a
orientação do voto no norte do país. Ainda hoje entender a preferência
dos eleitores é um tema cada vez mais discutido por cientistas políticos.
No caso dos economistas, esses partem da suposição de que as pessoas
146
Política & Sociedade - Florianópolis - Vol. 15 - Nº 32 - Jan./Abr. de 2016
racionais reagem com base em incentivos e suas preferências (SHIKIDA
et. al., 2009).
Fair (1988) desenvolveu um modelo utilizando variáveis
macroeconômicas e procurou prever os resultados das eleições entre
os partidos Democrata e Republicano nas eleições para presidente nos
Estados Unidos, a partir de dados de 1916 a 1984. O autor verificou que
os eleitores tomam sua decisão de voto baseando no ocorrido no
passado, sendo entre seis e nove meses para a taxa de crescimento real,
e cerca de dois anos para a taxa de inflação.
Para tentar explicar como os indivíduos reagem a incentivos,
modelos foram desenvolvidos como ferramentas de análise a partir da
preferência dos eleitores baseados em variáveis políticas e econômicas.
Utilizando variáveis relacionadas a emprego, Brown e Chappell (1999)
elaboraram um modelo de previsão ex post utilizando os dados das
eleições presidenciais dos Estados Unidos de 1952 a 1992 e tentaram
aplicar este modelo em uma base de dados ex ante para prever os
resultados da eleição presidencial de 1996. Já Mach e Jackson (2005)
elaboraram um trabalho utilizando variáveis econômicas para verificar
a conexão entre emprego, atitude e mudanças nos votos durante a
transição para uma economia de mercado, na Polônia.
Além desses estudos em que os eleitores levam em conta o
desempenho econômico do país para decidirem seu voto, há trabalhos
que procuraram desenvolver modelos que consideram a questão
geográfica como uma variável determinante para a decisão do eleitor.
Uma literatura mais ampla a respeito das técnicas de econometria
espacial é encontrada em estudos sobre as eleições dos Estados Unidos.
Kim et al. (2003) identificaram um padrão espacial nas eleições
presidenciais de 1988 a 2000 e verificou que a concentração geográfica
do voto entre Democratas e Republicanos aumentou em escala global e
regional. Os Republicanos possuíam melhor desempenho nas regiões
rurais e ao oeste do país, enquanto os Democratas se destacaram nas
regiões à leste e mais urbanas. Wing e Walker (2006) utilizaram
técnicas de análise espacial e investigaram os efeitos das características
dos indivíduos e da região em que habitam no desempenho dos
candidatos à presidência dos Estados Unidos de 2004. Segundo os
resultados, houve evidências de aglomerações geográficas dos eleitores
norte-americanos. Os candidatos Republicanos se destacaram na região
das montanhas e no centro-oeste do país, como também em regiões
onde a população é de maioria branca, com formação escolar entre
secundária e curso superior não concluído e famílias mais numerosas,
as quais acabam por beneficiar os Republicanos.
147
Fatores que contribuíram para a reeleição da presidente Dilma Roussef - Diogo José Dalpoz
Martins, Fernanda Helen Mansano, José Luiz Parré e Wander Plassa
Analisando a questão do incubent effect6 nas eleições
legislativas de 45 estados do Estados Unidos no período de 1968-1989,
Uppal (2008) encontrou que o candidato que tenta a reeleição possui
grande vantagem, cerca de 30% maior chance, em comparação com
seus adversários, de vencer a próxima eleição e obtêm 5,3 pontos
percentuais mais votos que seus concorrentes. Esses resultados foram
obtidos por uma pesquisa quase-experimental, tipo de pesquisa que
consegue isolar o efeito devido ao “efeito incumbência” de outros
fatores, como qualidade do candidato.
Para o Brasil, Shikida et. al. (2009) afirmou que os municípios
possuem diversidades culturais e políticas que devem ser levadas em
consideração quando for analisar o desempenho de um candidato ou
partido em uma eleição nacional. Utilizando métodos de análise
espacial, os resultados revelaram que diferentemente das eleições para
presidente de 2002, na eleição de 2006 Lula obteve mais votos de
municípios menos desenvolvidos no Brasil. Os resultados também
evidenciaram que o Programa Bolsa Família não foi fator principal da
reeleição de Lula. As variáveis determinantes foram a redução de
desigualdade de renda e os ganhos de rendas da população mais
pobres, mesmo que grande parte desse cenário possa não ter sido
resultado de políticas públicas elaboradas pelo próprio Lula no
primeiro mandato.
Terron e Soares (2010) procuraram verificar se existiam um
distanciamento da entre Lula e o Partido dos trabalhadores (PT) com
base naseleições de 1994-2006 para presidente e para deputados
federais pelo PT. A partir do uso de distribuição espacial das votações
ao nível do município com mapas, estatísticas e regressões espaciais os
autores encontraram um distanciamento entre as bases eleitorais de
Lula e do PT, principalmente após as eleições de 2002. O então
presidente Lula expandiu sua base para as regiões norte e nordeste e o
PT permaneceu um partido urbano. Mariani (2010) analisou a
existência de clusters de municípios no estado de Santa Catarina, no
qual os eleitores possuem a mesma preferência em relação à escolha do
candidato à presidência. De acordo com os resultados, houve
evidências de dependência espacial na votação dos três principais
candidatos na eleição de 2010 (Dilma, Serra e Marina), o que
possibilitou a divisão do estado em três zonas de influência.
O trabalho desenvolvido por Pereira et. al. (2015) apresentou
resultados de que o Programa Bolsa Família teve um papel importante
Vantagem que um candidato, ao tentar reeleição, possui sobre os outros
participantes no processo eleitoral. No caso da candidata Dilma Rousseff, ela
tomaria vantagem ao representar a situação.
6
148
Política & Sociedade - Florianópolis - Vol. 15 - Nº 32 - Jan./Abr. de 2016
na eleição da candidata Dilma Rousseff em 2010, e se manteve
importante mesmo quando levado em conta outras variáveis de cunho
econômico, social e político, sendo que a votação mais expressiva na
candidata adveio de municípios com menor nível de escolaridade.
Já Lima e Menezes (2015) utilizaram variáveis econômicas e
políticas do Brasil para as eleições de 2010 e verificaram que os
municípios em que o Partido dos Trabalhadores (PT) foi vitorioso
estavam cercados por outros municípios que se comportavam de forma
semelhante. Observaram que a presença de um membro do mesmo
partido no Poder Legislativo do município acaba gerando um spillover7
positivo, enquanto o Poder Executivo (Prefeito) acaba gerando spillover
negativo. Esses trabalhos indicaram que a distribuição dos municípios
também pode afetar o desempenho eleitoral.
Por fim, Canêdo-Pinheiro (2015) analisando o papel do
Programa Bolsa Família e do desempenho econômico na migração da
base eleitoral de Lula para regiões menos desenvolvidas, para as
eleições presidenciais de 2006, encontrou que a apesar da participação
no PBF não resultar em aumento na probabilidade de votos em Lula o
programa teve maior impacto que o crescimento econômico. Sendo que
o efeito do crescimento econômico teve efeito positivo somente sobre
os votos do grupo com maior renda. Apesar desses resultados, o autor
concluiu que nem o crescimento econômico nem a massificação do
programa Bolsa Família parecem explicar a migração massiva dos
votos para candidato da situação de regiões menos desenvolvidas nas
eleições presidenciais de 2006.
2.2 Hipóteses sobre reeleição de Dilma Rousseff
Antes de mencionar as hipóteses a reeleição da atual
presidente, autores como Hunter e Power (2007) desenvolveram um
estudo para explicar os motivos da reeleição do presidente Luiz Inácio
Lula da Silva, do mesmo partido político de sua sucessora, Dilma
Rousseff. Os autores destacaram e dividiram três hipóteses para a
eleição de Lula:
1) Os eleitores mais pobres e com nível de escolaridade mais baixo
possuem menor acesso a informações a respeito das denúncias e
dos escândalos políticos e não repudiam a corrupção tanto quanto
os eleitores de maior renda e escolaridade.
2) Os eleitores mais pobres retribuíram a melhoria da sua condição
social durante o governo de Lula por meio do voto.
Efeito transbordamento: em uma análise espacial, o desempenho de um município
pode afetar o município vizinho ou próximo.
7
149
Fatores que contribuíram para a reeleição da presidente Dilma Roussef - Diogo José Dalpoz
Martins, Fernanda Helen Mansano, José Luiz Parré e Wander Plassa
3) As políticas sociais de transferência direta de renda, como o
Programa Bolsa Família (PBF), seria o elemento chave para eleger o
presidente.
A partir dessas hipóteses, pode-se averiguar sobre a
importância década uma delas na reeleição do ex-presidente. De
acordo com o Ministério do Desenvolvimento Social e Combate à Fome
(MDS, 2014), o Programa Bolsa Família é um programa de transferência
direta de renda para beneficiar famílias em situação de pobreza (renda
per capita mensal entre R$77,01 e R$ 154) ou de extrema pobreza
(renda mensal por pessoa de até R$77,008) em todo país. O programa é
sustentado por três pilares: alívio imediato da pobreza por meio da
transferência direta da renda; as condicionalidades que promovem o
acesso a direitos sociais básicos de educação, saúde e assistência social;
e ações e programas complementares que tem como bjetivo levar a
família a superar a situação de vulnerabilidade. O benefício mensal
varia de acordo com a composição e a situação da família, podendo
variar de R$35,00 a R$77,00. Em abril de 2014, pouco mais de 14
milhões de famílias eram beneficiadas, chegando a cerca de 50 milhões
de pessoas.
A literatura a respeito do efeito causado pela transferência
direta de renda nas eleições é bastante ampla no país, principalmente a
partir da reeleição do ex-presidente Lula em 2006. Carraro et al. (2007)
procurou encontrar os determinantes da eleição do presidente Lula,
dentre eles o Programa Bolsa Família. Porém, em seu trabalho foi
verificado o contrário do que se esperava, o Programa Bolsa Família,
apesar de ser significante, demonstrou um coeficiente próximo de zero,
colocando em dúvida as evidências até então. Já Soares e Terron (2008)
avaliaram a mudança no padrão da distribuição dos votos na eleição de
Lula, comparando as eleições de 2002 e de 2006 e verificaram que isso
se deu principalmente pelos programas de transferência direta de
renda, como o Bolsa Família (BF). Para Marques et al. (2009), o
Programa Bolsa Família foi de extrema importância para a reeleição do
presidente Lula em 2006, pois foi responsável por 45% do total dos
votos recebidos.
Em estudos semelhantes, o trabalho elaborado por Marzagão
(2013) para explicar as causas da eleição de Dilma em 2010 inclui
algumas outras variáveis além do Bolsa Família, como por exemplo a
presença de prefeito do Partido dos Trabalhadores (PT) na época da
eleição, PIB (Produto Interno Bruto) per capita, proporção da
população analfabeta, população rural e com saneamento básico
8
Valores referentes ao ano de 2014.
150
Política & Sociedade - Florianópolis - Vol. 15 - Nº 32 - Jan./Abr. de 2016
inadequado. A utilização de dados a respeito da presença de prefeitos
do mesmo partido, ou de partidos da mesma coligação que o candidato
à presidência é relevante, visto que estes são apoiados pelos
representantes locais. Já em estudos de Cox e McCubbins (1986), os
autores relataram que existia uma disputa entre os partidos nas esferas
inferiores do governo, no caso o municipal, e as esferas superiores
(federal).
3 Metodologia
Para o desenvolvimento do modelo de análise o presente
trabalho utiliza as três hipóteses já levantadas em trabalhos anteriores
e adiciona outras três hipóteses. Desta forma são apresentadas seis
hipóteses no total:
1) Os eleitores mais pobres e com nível de escolaridade mais baixa
possuem menor acesso a informações a respeito das denúncias e
dos escândalos políticos e não repudiam a corrupção tanto quanto
os eleitores de maior renda e escolaridade, e isso beneficia o
candidato à reeleição (HUNTER E POWER, 2007).
2) Os eleitores mais pobres retribuíram a melhoria da sua condição
social por meio do voto (HUNTER E POWER, 2007).
3) As políticas sociais de transferência direta de renda, como o
Programa Bolsa Família, seriam o elemento chave para eleger o
presidente (COX E MCCUBBINS, 1986).
4) Presença de prefeitos e/ou governadores de mesmo partido ou
coligação aumenta as chances de o candidato receber uma
quantidade maior de votos (MARZAGÃO, 2013).
5) O baixo crescimento da economia verificado no primeiro governo
da presidente Dilma pode ter efeito negativo sobre o número de
votos da presidente (MARZAGÃO, 2013).
6) Por fim, o baixo nível de desemprego em um curto período de
tempo antecedente à reeleição em comparação às eleições
anteriores pôde contribuir de forma positiva (MARZAGÃO, 2013).
3.1 Dados
No presente trabalho foram utilizados mapas, análises
geográficas e análise de regressão espacial. As análises incluíram dados,
a nível municipal, de 5.567 municípios brasileiros, a partir de dados do
Tribunal Superior Eleitoral (TSE), do Atlas de Desenvolvimento
Humano (Censo 2010) e do Sistema de Benefícios ao Cidadão (SIBEC)
da Caixa Econômica Federal para dados do Bolsa Família para 2014. No
processo foram utilizados dois softwares em conjunto, o GeoDa 1.6.0 e o
ArcMap 10.1.
151
Fatores que contribuíram para a reeleição da presidente Dilma Roussef - Diogo José Dalpoz
Martins, Fernanda Helen Mansano, José Luiz Parré e Wander Plassa
Para verificar os determinantes da eleição de 2014, foram
acrescentadas outras variáveis baseando-se em trabalhos
internacionais e trabalhos nacionais que analisaram eleições no Brasil.
Assim, foram selecionadas seis variáveis, a saber, a Taxa de
Analfabetismo acima dos 15 anos (T_ANALF15M), a Renda Per Capita
(RDPC), a Taxa de Desocupação Acima de 18 Anos (T_DES18M), a
Parcela da População Atendida pelo programa Bolsa Família
(BOLSAF_POP) e duas variáveis binárias, uma com valor 1 se o
candidato eleito a governador do estado é do mesmo partido que o
presidente eleito (Partido dos Trabalhadores – PT), e 0 caso contrário
(EXEC_EST), e outra que atribui valor 1 caso o prefeito pertença ao
partido dos trabalhadores, e 0 caso contrário (EXEC_MUN).9
3.2 Método
A metodologia de análise é abrangida pela Análise Exploratória
de Dados Espaciais (AEDE), que segundo Almeida (2012) é uma técnica
utilizada para descrever e visualizar distribuições espaciais, verificar
outliers e clusters espaciais, além de auxiliar na especificação do
modelo a ser utilizado na análise10, a qual foi dividida em três passos.
Assim, o processo de estimação seguiu o procedimento
recomendado por Florax et al. (2006), em que se deve estimar o
modelo de regressão linear clássico e testar se há autocorrelação
espacial. Caso exista, o procedimento para escolher entre os modelos
SAR e SEM, será a partir da análise do Multiplicador de Lagrange. Caso
o teste para ambos os modelos seja significativo, deverá ser utilizado o
Multiplicador de Lagrange Robusto e verificar o maior valor. Um ponto
importante a ser abordado antes de implementar as técnicas de AEDE é
a definição de uma matriz de pesos espaciais (W), que tem por objetivo
capturar os efeitos de contiguidade e vizinhanças sobre os dados. Há na
literatura algumas matrizes de pesos espaciais, no entanto, esse
As estatísticas descritivas e a matriz de correlação das variáveis pode ser
encontrada no apêndice A (tabela A.1 e A.2).
10 Um ponto importante antes da aplicação metodológica foi a correção do número
de municípios a partir das bases de dados utilizadas. Na especificação do modelo do
Censo de 2010 e do TSE de 2014, foi verificado que entre os dois anos-base houve a
criação de alguns municípios, surgindo algumas diferenças. Para corrigir, alguns
autores sugerem utilizar o valor da defasagem espacial nos municípios que não
possuem dados. Porém, este processo insere autocorrelação espacial nos dados.
Então foi utilizada outra técnica, na qual considera o número de municípios menores
que 0,5% do total. Dessa maneira utilizou-se a média das observações do respectivo
estado para o município que não possuía dados.
9
152
Política & Sociedade - Florianópolis - Vol. 15 - Nº 32 - Jan./Abr. de 2016
trabalho utilizará a matriz contiguidade binária do tipo rainha
(Queen)11.
Assim, para a aplicação da metodologia, o primeiro passo foi
estimar o modelo de regressão linear, por Mínimos Quadrados
Ordinários (MQO):
LDILMAi = α + β X i + δDi + ε i
(1)
Em que i = 1, 2, ..., 5567 municípios; LDILMAi é o logaritmo
natural da percentagem de votos recebidos pela candidata Dilma
Rousseff por município i nas eleições de 2014; Xi é o vetor das variáveis
explicativas logaritmizadas para cada município; Di é o vetor das
variáveis binárias; α e β são os parâmetros a serem encontrados e εi é o
termo de erro.
1) O vetor X é composto pelos seguintes dados, a nível municipal:
a. Taxa de analfabetismo acima dos 15 anos (T_ANALF15M).
b. Percentagem da população com 25 anos ou mais com nível superior
completo (T_SUPER25M).
c. Renda per capita – em R$ de 2010 (RDPC).
d. Taxa de desemprego da população acima dos 18 anos (T_DES18M).
e. Número de famílias atendidas pelo Bolsa Família em Setembro de
2014 em relação à população total do município (BOLSAF_POP).
2) E o vetor D é composto por duas variáveis binárias também a nível
municipal:
a. Presença de Executivo municipal do mesmo partido do presidente
eleito – valor 1 caso seja do mesmo partido e 0, caso contrário
(EXEC_MUN).
b. Presença de Executivo estadual do mesmo partido/coligação do
presidente eleito – valor 1 caso seja do mesmo partido e 0, caso
contrário (EXEC_EST).
O segundo passo foi utilizar a abordagem da econometria
espacial, pois quando os dados apresentam efeitos espaciais, ignorá-los
tornaria os estimadores viesados e forneceria inferências equivocadas,
sendo que dois modelos espaciais foram testados: o modelo de
defasagem espacial (SAR) e o modelo de erro espacial (SEM).
Assim, o primeiro modelo é o de defasagem espacial ou Spatial
Autoregressive Model (SAR). Esse modelo incorpora um coeficiente
autorregressivo espacial, a fim de obter o efeito de “vizinhança” do
fenômeno em estudo, que captaria a forma como um fenômeno seria
A matriz do tipo Rainha foi a que apresentou maior valor de I de Moran, desta
forma foi a escolhida por este artigo.
11
153
Fatores que contribuíram para a reeleição da presidente Dilma Roussef - Diogo José Dalpoz
Martins, Fernanda Helen Mansano, José Luiz Parré e Wander Plassa
propagado pelas regiões próximas. Assim, esse modelo (em notação
matricial) pode ser expresso da seguinte forma:
LDILMAi = ρWLDILMAi + α + βX i + δDi + ξi
(2)
Em que LDILMAi contem o vetor nx1 de variáveis dependentes; o
parâmetro
é coeficiente autorregressivo espacial (um escalar);
WLDIMAi o vetor nx1 de defasagens espaciais para as variáveis
dependentes; Xi representa a matriz nxk de variáveis explicativas; β é o
vetor kx1 de coeficientes de regressão e; ζi o vetor nx1 de erros
aleatórios.
O parâmetro , como aponta Almeida (2012), de defasagem
espacial tem seu valor situado no intervalo aberto entre -1 e 1. Caso
esse coeficiente for maior que a unidade, a autocorrelação será
positiva, Desta forma, altos valores da taxa de homicídios nas regiões
vizinhas aumentam o valor da taxa de homicídio na região i. O
resultado inverso, onde é menor que a unidade, indica que o alto
valor da taxa de homicídio nas regiões vizinhas diminui o valor da taxa
de homicídio na região i. Se o valor de
for não estatisticamente
siginificativo não há evidências que haja autocorrelação.
No modelo de erro autorregressivo espacial (SEM) a
dependência espacial é residual, devido à estrutura autorregressiva de
primeira ordem no termo de erro. Logo, utiliza-se esse modelo quando
os efeitos não modelados não podem estar correlacionados com
nenhuma variável explicativa da regressão. O modelo SEM, auto
regressivo de primeira ordem pode ser expresso da seguinte forma:
LDILMAi = α + βX i + δDi + ξ i
ξ i = λWξ i + ε i
(3)
Onde é o parâmetro do erro auto regressivo; Wξi é o termo de
defasagem espacial dos erros de ξi, pois Wξi são vizinhos do ξi. O erro
de uma dada observação é dado pela média dos erros nas vizinhanças,
mais um componente aleatório ε. W é a matriz de peso. Em ambos os
modelos foi utilizado o método da máxima verossimilhança para
estimar os parâmetros.
O processo de estimação seguiu o procedimento recomendado
por Florax et al. (2006), em que se deve estimar o modelo de regressão
linear clássico e testar se há autocorrelação espacial. Caso exista, o
procedimento para escolher entre os modelos SAR e SEM, será a partir
da análise do Multiplicador de Lagrange. Caso o teste para ambos os
154
Política & Sociedade - Florianópolis - Vol. 15 - Nº 32 - Jan./Abr. de 2016
modelos seja significativo, deverá ser utilizado o Multiplicador de
Lagrange Robusto e verificar o maior valor.
Ademais, utilizou o método de regressão ponderada
geograficamente (RPG) desenvolvido por um conjunto de trabalhos dos
autores Fotheringham, Brunsdon e Charlton12 para obter parâmetros
para cada unidade espacial local. Esse método, segundo Almeida
(2012), considera que dados mais próximos do ponto da regressão têm
maior probabilidade de influenciá-lo. O objetivo desse método é
encontrar respostas (coeficientes estimados) do modelo proposto para
cada município brasileiro. O modelo RPG é especificado desse modo:
yi = β 0 ( u i , vi ) + ∑ β k( u i , vi ) xik + ε i
k
(4)
Em que (ui, vi) indica as coordenadas do ponto i no espaço e βk(ui,
vi) é o coeficiente local no ponto i. O RPG considera que regiões mais
próximas assumem papel mais importante na regressão, atribui pesos
maiores para essas regiões, em que essa ponderação é feita pela função
Kernel espacial. Assim, foi utilizada a função de ponderação espacial
que gere um Kernel adaptativo que se expanda em áreas em que as
observações sejam escassas e encolha em áreas em que as observações
sejam abundantes, sendo utilizado 30 vizinhos mais próximos como
conjunto para a função Kernel.
4. Análise Espacial e Resultados
4.1 Correlação espacial (Índice de Moran)
O desempenho eleitoral das eleições de 2014 foi ilustrado no
Mapa 1, sendo a distribuição dos votos recebidos pela candidata eleita,
Dilma Rousseff, no segundo turno das eleições presidenciais, de
visualização fácil devido a concentração dos votos em determinadas
regiões do país. Os estados da região Nordeste concentram a maioria
dos municípios com elevada votação na candidata, sendo também
destacado o Estado do Amazonas. Já nos estados da região Sudeste e
Sul estavam concentrados os municípios em que a candidata recebeu
menos de 50% dos votos válidos.
Foram divididos cinco grupos para análise da taxa de votos
recebidos pela presidente reeleita para os 5567 municípios brasileiros.
No primeiro grupo estão aqueles municípios em que, em 2014, a taxa
de votos variou de zero a 20%. O número de municípios que se
encontraram nesse grupo foi de apenas 35 (0,62%), em sua maioria
municípios pertencentes a região sul e sudeste do Brasil. O segundo
12
Brunsdon, Fotheringham e Charlton (1998, 1999, 2003).
155
Fatores que contribuíram para a reeleição da presidente Dilma Roussef - Diogo José Dalpoz
Martins, Fernanda Helen Mansano, José Luiz Parré e Wander Plassa
grupo em que se encontra os municípios que apresentaram taxas de
votos recebidos por Dilma entre 20,01% e 40% estão um total de 1017
municípios, o que representa 18,27% do total de municípios
brasileiros. No terceiro grupo pode-se verificar os municípios que
exibiram taxas de votos entre 40,01% e 60%. O número de municípios
que compõe esse grupo é de 1995 (35,83% do total).
Mapa 1. Distribuição dos votos para a candidata Dilma por município
nas eleições presidenciais de 2014.
Fonte: Tribunal Superior Eleitoral (TSE, 2014)
Nota: Percentual de votos no Segundo turno das eleições.
Nos dois últimos grupos estão aqueles municípios que
apresentaram uma taxa de voto da presidente reeleita acima de 60%. O
número de municípios que se encontraram no grupo de 60,01 a 80%
chegou a 1740 (31,26%) e, por fim, o número de municípios em que
essa taxa superou os 80% foi de 780 (14,02%), em sua maioria em
municípios da região norte (Amazonas e região Norte do Pará) e
nordeste do Brasil.
Para verificar melhor a distribuição espacial dos votos em
2014, foi realizada uma análise do diagrama de dispersão do Gráfico 1 e
os clusters com o I de Moran local do Mapa 2. O diagrama de dispersão
de Moran apresenta, no eixo das abscissas, o valor da variável de
interesse, no caso a percentagem de votos recebida pela candidata
156
Política & Sociedade - Florianópolis - Vol. 15 - Nº 32 - Jan./Abr. de 2016
Dilma por município e, no eixo das ordenadas, a defasagem espacial
desta mesma variável. Vale lembrar que tanto a variável de interesse
quanto a defasagem espacial são padronizadas, possuem média zero e
variância unitária (ALMEIDA, 2012).
Assim, o valor do I de Moran que possibilita verificar a
autocorrelação espacial dos resíduos da regressão apresentado, foi de
0,8534 e rejeitou-se a hipótese nula, ou seja, os resíduos são
autocorrelacionados especialmente com menos de 1% de significância.
Além disso, o critério de vizinhança utilizado foi o de contiguidade, ou
seja, são considerados vizinhos os municípios que compartilham de
uma fronteira em comum. Assim, os municípios que tiveram valores
acima da média e vizinhos de outros também com valores acima da
média, ocuparam o primeiro quadrante do diagrama. Com relação aos
municípios abaixo da média, com vizinhos na mesma situação, foram
localizados no terceiro quadrante. O quarto e o segundo quadrante
representam os municípios “ilhas”, pois possuem observações acima da
média e são cercados de municípios abaixo da média, e vice-versa. Caso
não houvesse correlação espacial, os pontos do diagrama estariam
distribuídos no quarto quadrante. O valor do I de Moran de 0,8534
apresentado no Gráfico 1 ajudou a verificar que a hipótese de ausência
de correlação espacial foi rejeitada com menos de 1% de significância.
Gráfico 1. Diagrama de Dispersão do I de Moran dos votos da
candidata Dilma nos municípios brasileiros
Fonte: Elaboração dos autores a partir de TSE, 2014.
Nota: Percentual de votos no Segundo turno das eleições.
Para a percepção do padrão espacial, o I de Moran Local
destacou os municípios em que houve clusters estatisticamente
157
Fatores que contribuíram para a reeleição da presidente Dilma Roussef - Diogo José Dalpoz
Martins, Fernanda Helen Mansano, José Luiz Parré e Wander Plassa
significativos com valores alto-alto e baixo-baixo. O Mapa 2 demonstra
a aglomeração de municípios Alto-Alto (1018 observações) localizados
principalmente na região Nordeste e no estado do Amazonas, enquanto
os valores Baixo-Baixo estão no Sudeste e Sul do país e no estado do
Mato Grosso (1179 observações). A parte sem cor corresponde aos
municípios que não foram significativos (3370 observações).
Um fato interessante, identificado no Mapa 2, foi a não
constatação de municípios que foram estatisticamente significativos e
classificados como Alto-Baixo e Baixo-Alto, isto é, dos municípios
chamados “ilhas”. Isto demonstra a importância da análise espacial
para o tema, uma vez que no Brasil, a eleição de 2014 mostrou uma
clara e significativa divisão dos votos entre as regiões em que
municípios que votaram e média mais em um candidato eram rodeados
por outros municípios com a mesma característica.
Mapa 2. Clusters com I de Moran Local significativos a 99% do
percentual de votos na candidata Dilma por município
Fonte: Elaboração dos autores
Na Tabela 1 são apresentadas as médias de cinco variáveis, a
saber, taxa de analfabetismo, percentual com 25 anos ou mais com
ensino superior completo, renda per capita, taxa de desemprego para
pessoas acima de 18 anos e percentual das pessoas que participam do
Programa Bolsa Família para os municípios que formaram os clusters
Alto-Alto e Baixo-Baixo.
158
Política & Sociedade - Florianópolis - Vol. 15 - Nº 32 - Jan./Abr. de 2016
Tabela 1. Classificação das variáveis utilizadas segundo o I de
Moran Local
Alto-Alto
Baixo-Baixo
Municípios
1179
1018
Taxa de Analfabetismo (%)
27,32
7,23
% com 25 ou mais com
superior completo
3,37
8,17
Renda Per Capita (R$)
257,18
747,51
Taxa de Desemprego
Acima 18 Anos (%)
7,77
4,42
% População Bolsa Família
17,29
3,61
Fonte: Elaboração dos autores.
Verificou-se na Tabela 1 que nos 1179 municípios classificados
como Alto-Alto em que a candidata Dilma Rousseff recebeu mais votos,
a percentagem média da taxa de analfabetismo foi de 27,32. Valor
consideravelmente inferior foi observado nos 1018 municípios
classificados como Baixo-Baixo, onde o candidato concorrente obteve
maior destaque, cerca de 7%. Outra variável relacionada à
escolaridade, percentagem de 25 ou mais anos com superior completo,
também seguiu o mesmo padrão. A média para os municípios do
agrupamento Alto-Alto foi de 3,37%, contrastando com a média de
8,17% dos municípios do agrupamento Baixo-Baixo.
A renda per capita média entre esses dois grupos também
apresentou valores médios bem diferentes, em que a renda média nos
municípios Alto-Alto não chega a R$260,00, enquanto, para os
municípios classificados como Baixo-Baixo, essa renda per capita média
foi de R$ 747,51. A taxa de desemprego, em contrapartida, atinge
valores mais altos nos clusters Alto-Alto, 7,77%.
Por fim, é apresentadaa percentagem da população atendida pelo
Programa Bolsa Família nos municípios classificados como Alto-Alto e
Baixo-Baixo. Nos municípios que formam o cluster Alto-Alto a
percentagem da população que contemplada pelo Programa Bolsa
Família foi de 17,29. Uma diferença considerável pode se notar para os
municípios que formam os clusters Baixo-Baixo, 3,61%. Inicialmente,
isto confirma as hipóteses iniciais do modelo, resta saber, a partir dos
resultados da regressão, se esses coeficientes são significativos.
159
Fatores que contribuíram para a reeleição da presidente Dilma Roussef - Diogo José Dalpoz
Martins, Fernanda Helen Mansano, José Luiz Parré e Wander Plassa
4.2 Resultados Econométricos
Devido às características demonstradas na seção anterior sobre
o Indicador de Moran e os clusters espaciais formados, no Modelo de
Erro Espacial (SEM), a dependência espacial está nos resíduos, ou seja,
o padrão espacial manifestado no termo de erro é causado por efeitos
que não foram adicionados ao modelo. Cabe ressaltar que os efeitos
não modelados não podem estar correlacionados com as variáveis
explicativas da regressão. Neste modelo, λ é um escalar do termo de
erro, εi segue uma distribuição normal com média zero e variância σ²I e
W é a matriz de pesos espaciais (binária de vizinhança) utilizada para
calcular o I de Moran.
A Tabela 2 ilustra os resultados da estimação dos parâmetros a
partir do modelo de regressão linear clássico, conforme proposto por
Florax et al. (2006). Os resultados indicam que os determinantes da
votação em Dilma no ano de 2014 são todos inelásticos. Com destaque
para duas delas:
1) a renda per capita possui coeficiente negativo e, portanto,
demonstra uma relação inversa com os votos recebidos. Uma variação
de 1% na renda per capita do município reduz em 0,223% a votação da
candidata.
2) o coeficiente referente a percentagem da população atendida
pelo Programa do Bolsa Família apresentou um parâmetro de 0,159.
Nesse caso, um aumento em 1% a parcela da população beneficiada, a
candidata aumentará seus votos em 0,159%.
Também foi verificado na Tabela 2 que os testes de diagnóstico
para autocorrelação espacial foram satisfatórios no modelo clássico,
indicando que é aconselhável utilizar modelos econométricos espaciais.
Quanto à escolha do modelo, foi utilizado o Modelo de Erro Espacial,
pois mesmo que ambos os Multiplicadores de Lagrange tenham dados
significativos, o valor do LM Robusto para Erro Espacial foi
substancialmente maior do que para defasagem.
160
Política & Sociedade - Florianópolis - Vol. 15 - Nº 32 - Jan./Abr. de 2016
Tabela 2. Determinantes de Votos da candidata Dilma por
município em 2014 (Modelo de Regressão Linear Clássico)
Constante
Taxa de Analfabetismo (%)
Coeficiente
4,954***
(0,0000)
0,031***
(0,0014)
% de 25 ou mais com superior
completo
Renda Per Capita (R$)
Taxa de Desemprego Acima
18 Anos (%)
% População Bolsa Família
Presença Executivo Municipal
Presença Executivo Estadual
-0,022***
(0,0061)
-0,223***
(0,0000)
Testes
R²
Teste F
Log Likehood
Critério
de
Information
Critério
de
Information
0,635
1382,77
783,59
Akaike
-1551,18
Schwarz
LM (erroespacial)
LM (defasagem)
-0,004
(0,3891)
0,159***
(0,0000)
0,017**
(0,0028)
0,065*
(0,0000)
LM Robusto (erroespacial)
LM Robusto (defasagem)
-1498,19
4244,73**
*
(0,0000)
846,69***
(0,0000)
3412,79**
*
(0,0000)
14,75***
(0,0001)
Fonte: Elaboração dos autores.
Nota: Os p-valores estão entre parênteses. A notação para a
significância estatística em todas as tabelas é: *** significativo ao nível
1%; ** significativo ao nível de 5%; * significativo ao nível de 10%.
161
Fatores que contribuíram para a reeleição da presidente Dilma Roussef - Diogo José Dalpoz
Martins, Fernanda Helen Mansano, José Luiz Parré e Wander Plassa
Tabela 3. Determinantes de Votos da candidata Dilma por
município em 2014 (Modelo de Erro Espacial – SEM)
Constante
Taxa de Analfabetismo (%)
Coeficiente
3,38***
(0,0000)
0,076***
(0,0000)
% de 25 ou mais com superior
completo
Renda Per Capita (R$)
Taxa de Desemprego Acima 18
Anos (%)
% População Bolsa Família
Presença Executivo Municipal
Presença Executivo Estadual
λ
-0,011*
(0,0900)
-0,127***
(0,0000)
Testes
R²
Log Likehood
Critério de Akaike
Information
Critério de Schwarz
Information
0,832
2495,50
-4974,99
-4921,99
0,014***
(0,0005)
0,084***
(0,0000)
-0,011***
(0,0038)
0,669***
(0,0000)
0,782***
(0,0000)
Fonte: Elaboração dos autores.
Nota: Os p-valores estão entre parênteses. A notação para a
significância estatística em todas as tabelas é: *** significativo ao nível
1%; ** significativo ao nível de 5%; * significativo ao nível de 10%.
Nesse sentido, a partir dos dados da Tabela 3 foram
apresentados os resultados da estimação pelo Modelo de Erro Espacial
(SEM) com as mesmas variáveis utilizadas no Modelo Clássico. O
coeficiente de correlação (R²) aumentou no modelo de estimação SEM,
apresentando um melhor ajustamento do modelo. Praticamente todas
as variáveis se mantiveram inelásticas e com o mesmo sinal, com
exceção para a variável “Presença de Executivo Municipal”, que era
positivo no modelo clássico e passou a ser negativo no SEM, sendo
ambos significativos. Zucco (2008) obteve os mesmos resultados para
eleições de 2006, quando o candidato analisado era Luiz Inácio Lula da
Silva, também pertencente ao Partido dos Trabalhadores. A presença
de prefeitos do mesmo partido do candidato teve efeito negativo sobre
os votos de Lula. O destaque foi para a variável “Presença de Executivo
Estadual”, que aumentou o coeficiente de 0,065 no modelo clássico
para 0,669 no modelo SEM.
Dessa forma, nos Estados em que a candidata compartilhava do
mesmo partido político do governador eleito, em média, seus votos
162
Política & Sociedade - Florianópolis - Vol. 15 - Nº 32 - Jan./Abr. de 2016
foram 0,669% maiores. Já a variável de “Taxa de desemprego acima de
18 anos”, que não era significativa no modelo clássico, passou a ser
significativa no modelo de erro espacial, apresentando um coeficiente
positivo de 0,014. A variável percentagem da população atendida pelo
Programa Bolsa Família continua a apresentar sinal positivo, porém
menor, indicando, como já foi levantado por outros autores (por
exemplo, Zucco (2008) para a eleição de 2006 e Pereira et. al. (2015)
para eleição presidencial de 2010) que o efeito Bolsa família foi
positivo e significativo para afetar a taxa de votos recebidos pela
candidata do Partido dos Trabalhadores no ano de 2014.
O valor de λ encontrado no modelo SEM demonstra a
dependência espacial residual em 0,782, indicando que existem efeitos
não modelados que devem ser levados em consideração e que são
importantes determinantes na distribuição de votos dos candidatos.
Após encontrar os efeitos do Programa Bolsa Família sobre a
taxa de votos recebidos pela candidata reeleita à presidência o artigo
buscou encontrar quais foram os municípios que se apresentaram
estatisticamente significativos para a variável Bolsa Família. Desta
forma aplicou-se a técnica de regressão ponderada geográfica (RPG),
em que os resultados são apresentados mapa 3:
Mapa 3 - Valores significativos a 5% da variável população
contemplada pelo Programa Bolsa Família
Fonte: Elaboração dos autores.
Nota: teste de significância realizado a partir do valor t
calculado para 5%.
163
Fatores que contribuíram para a reeleição da presidente Dilma Roussef - Diogo José Dalpoz
Martins, Fernanda Helen Mansano, José Luiz Parré e Wander Plassa
Na cor vermelha e azul estão os municípios em que a variável
“Bolsa Família” foi significativa ao afetar a taxa de votos recebidos pela
presidente reeleita. Os coeficientes positivos, isto é, aqueles municípios
em que a distribuição do Bolsa Família se mostrou significativo e
positivamente relacionado com o número de votos da presidente
reeleita estão em vermelho. Pode-se observar que, ao comparar com o
mapa 1 que apresenta a distribuição de votos recebidos pela candidata
Dilma nos municípios brasileiros, que esses municípios estão
localizados, em sua maioria, nas regiões onde a mesma não recebeu
uma percentagem alta de votos, principalmente nas regiões Sul e
Sudeste do país.
Apesar de apresentarem uma proporção elevada de votos para
a candidata reeleita, assim como uma percentagem elevada da
População atendida pela Bolsa Família, as regiões Norte e Nordeste não
apresentaram um número elevado de municípios estatisticamente
significativos para a variável Bolsa Família, principalmente municípios
da região Nordeste.
Por fim, os municípios identificados pela cor azul quase não
aparecem no mapa, indicando que o efeito Bolsa família, de forma geral,
é positivo sobre o número de votos recebidos pela candidata reeleita
pelo Partido dos Trabalhadores. Apesar da base do PT permanecer
urbana, os candidatos a presidentes desse partido, Lula e Dilma
Rousseff, continuam com suas bases nas regiões menos desenvolvidas,
principalmente nas regiões norte e nordeste (TERRON e SOARES, 2010;
MARZAGÃO, 2013). Essas regiões, por motivos próprios do foco do
programa Bolsa Família, que aparecem com os maiores percentuais da
sua população atendida pelo mesmo.
Na tabela 4 são apresentadas as características dos municípios
que foram estatisticamente significativos e positivos, segundo a
Regressão Ponderada Geograficamente apresentada no mapa 3, ao
afetar a taxa de votos recebidos por Dilma.
No total 1883 municípios brasileiros foram considerados
estatisticamente significativos na eleição de 2014. Nesses municípios o
programa Bolsa Família foi significativo ao afetar a taxa de votos da
Dilma. São cidades que possuem taxa de analfabetismo menor que a
média brasileira, renda per capita superior à média brasileira, porém
percentagem de famílias beneficiadas pelo programa Bolsa Família
inferior à média.
Nos municípios em que o efeito Bolsa Família não foi
significativo, no total 3677 municípios, a taxa média de analfabetismo é
superior à do Brasil e bem superior à média dos municípios
164
Política & Sociedade - Florianópolis - Vol. 15 - Nº 32 - Jan./Abr. de 2016
significativos. O mesmo padrão foi identificado na questão da renda per
capita em que a média nesses municípios foi inferior tanto a média do
Brasil quanto a média dos municípios significativos. Por fim, a taxa da
população de beneficiadas pelo Bolsa família também foi superior as
dos municípios significativos.
Tabela 4. Classificação dos municípios segundo a Regressão
Ponderada Geograficamente (RPG)
Estatísticamente
Não
Média do
Positivos
Significativos
Brasil
Municípios
1883
3677
5567
Taxa de Analfabetismo (%)
11,35
18,62
16,15
% com 25 ou mais com
3,82
4,09
4,00
superior completo
Renda Per Capita (R$)
593,39
441,90
493,74
Taxa de Desemprego Acima
5,34
6,64
6,20
18 Anos (%)
% População Bolsa Família
7,05
11,64
10,08
Fonte: Elaboração dos autores.
Nota: sete municípios apresentaram valores negativos e
estatísticamente significativos.
Os resultados do mapa 3 e tabela 4 indicam que os efeitos
estatisticamente significativos e positivos para a reeleição candidata
Dilma com relação ao programa Bolsa Família não se deram em
municípios menos desenvolvidos como se esperava. Uma explicação
para esse fato seria que a população residente nessas regiões pode
estar votando em candidatos do Partido dos Trabalhadores
independentemente de serem participantes ou não do programa. Essas
pessoas podem ter escolhido votar na presidente reeleita por
constatarem uma melhora de vida (comércio, saúde e educação, por
exemplo) em suas cidades nos últimos anos por conta da renda
transferida para essas regiões e não propriamente por serem
participantes diretamente do programa. O que pode não ser percebido
por regiões mais desenvolvidas do Brasil (regiões Sul e Sudeste) onde
pode ocorrer uma diferença, em média, no voto entre pessoas que
participam e não participam do Programa Bolsa Família. Ou mesmo,
como aponta Zucco (2008) que candidatos a reeleição possuem melhor
desempenho em regiões mais pobres, o efeito do PBF pode ter sido
mitigando nessas regiões e não nas mais desenvolvidas. Contudo, as
interpretações devem ser analisadas com cautela uma vez que esses
resultados podem ser decorrentes de colinearidade entre o PBF e as
165
Fatores que contribuíram para a reeleição da presidente Dilma Roussef - Diogo José Dalpoz
Martins, Fernanda Helen Mansano, José Luiz Parré e Wander Plassa
outras variáveis incluídas no modelo, alterando, assim, os sinais dos
coeficientes.13
Conclusões
De acordo com os resultados obtidos, a votação da presidente
Dilma no segundo turno das eleições para presidente em 2014 foi
maior nos municípios de renda per capita mais baixa, com maior
parcela da população analfabeta, com maiores taxas de desemprego e
onde o Programa Bolsa Família beneficia um número maior de pessoas.
Voltando às hipóteses iniciais de Hunter e Power (2007), a
premissa de eleitores mais pobres e com nível de escolaridade mais
baixa acabaram beneficiando a candidata pode ser confirmada de
acordo com os resultados encontrados no modelo de erro espacial
estimado, em que apresentou um coeficiente negativo de -0,011 para a
parcela da população com nível superior, significativo a 10% e um
valor positivo de 0,076 para a taxa de analfabetismo acima dos 15 anos,
significativo a 1%, podendo-se afirmar que quanto maior o nível de
escolaridade, menor foi a quantidade de votos para a candidata Dilma
nas eleições de 2014.
Outra questão foi relacionada à hipótese que com a melhora na
condição social dos eleitores mais pobres a partir da aplicação do
Programa Bolsa Família, esses eleitores direcionariam seus votos na
candidata Dilma. Porém, um valor de λ de 0,782, não confirma a
hipótese de que o Programa foi o elemento chave para eleger a
presidente, pois indica que existem outras variáveis que não fizeram
parte do modelo e que colaboram para sua reeleição.
Já a presença de prefeitos do mesmo partido ou coligação que a
candidata, não beneficiou sua candidatura. Acreditava-se que estes
deveriam apoiar seus parceiros de coligação, evitando uma competição
entre partidos, caso o concorrente tivesse ganhado (COX E
MCCUBBINS, 1986). No entanto, nos Estados em que o governador
eleito compartilhava a mesma coligação que a presidente reeleita, foi
um quesito positivo nos votos da candidata.
Por fim, a partir do método de Regressão Ponderada
Geograficamente, se pode constatar que a percentagem de pessoas
contempladas pelo Bolsa Família foi mais significativo em municípios
da região Sul e Sudeste do Brasil, mostrando a importância do
programa para obtenção de votos em municípios dessa região, o que
A tabela A.2, exposta no apêndice deste artigo apresenta a correlação entre as
variáveis utilizadas na pesquisa.
13
166
Política & Sociedade - Florianópolis - Vol. 15 - Nº 32 - Jan./Abr. de 2016
pode ter contribuído na reeleição da candidata Dilma Rousseff em
2014.
Assim, pode-se concluir que os principais fatores que levaram à
reeleição da presidente Dilma Roussef nas eleições presidenciais de
2014 estavam positivamente relacionados aos municípios com
características sociais aquém daqueles que não a elegeram, podendo
ainda verificar os resultados de uma variável em especial referente ao
percentual dos eleitores que recebem o Bolsa Família a qual
apresentou um comportamento esperado, contudo em regiões onde a
percentagem de votos recebido pela candidata eleita foi inferior ao do
seu adversário.
Referências
ALMEIDA, E. Econometria Espacial Aplicada. Editora Alínea, 2012.
LIMA, R. C. Andrade; MENEZES, T. A. Uma análise espacial das eleições
presidenciais brasileiras de 2010. Pesquisa e Planejamento Econômico, v.
45, n. 3, p. 557-583.2015.
BROWN, L.B.; CHAPPELL, H.W. Forecasting presidential elections using
history and polls. International Journal of Forecasting, v.15, n.2, p.127135. 1999.
CANÊDO-PINHEIRO, M. Bolsa Família ou desempenho da economia?
Determinantes da reeleição de Lula em 2006. Economia Aplicada, v. 19, n. 1,
p. 31-61, 2015.
COX, G. W.; MCCUBBINS, M. D. Electoralpolitics as a redistributive
game. Journal of Politics, v. 48, n. 2, p. 370-389, 1986.
FAIR, R. C. The effect of economic events on votes for president: 1984
update. Political Behavior, v. 10, n. 2, p. 168-179, 1988.
FOTHERINGHAM, S.; CHARLTON, M.; BRUNSDON, C. Geographically weighted
regression: a natural evolution of the expansion method for spatial data
analysis. Environment and planning, v. 30, n. 11, p. 1905-1927, 1998.
_____. Some notes on parametric significance tests for geographically
weighted regression. Journal of Regional Science, v. 39, n. 3, p. 497-524,
1999.
_____. Geographically weighted regression: the analysis of spatially
varying relationships.John Wiley & Sons, 2003.
FLORAX, R. J. G. M.; FOLMER, H.; REY, S. J. A Comment on Specification
Searches in Spatial Econometrics: The Relevance of Hendry's Methodology: A
Reply. Regional Science and Urban Economics, v.36, n.2, Mar., p.300-308.
2006.
HUNTER, W.; POWER, T. Rewarding Lula: Executive Power, Social Policy, and
the Brazilian Elections of 2006. Latin American Politics & Society, v.49, p.130. 2007.
167
Fatores que contribuíram para a reeleição da presidente Dilma Roussef - Diogo José Dalpoz
Martins, Fernanda Helen Mansano, José Luiz Parré e Wander Plassa
KIM, J.; ELLIOTT, E.; WANG, D. A Spatial analysis of county-level outcomes in
US Presidential elections: 1988-2000. Electoral Studies, n.22, p.741-761.
2003.
MACH, B., J. J. E. Employment Change, Attitude Evolution and Voting During
Poland’s Transition: Longitudinal Evidence from 1988 to 1998. European
Journal of Political Economy. 2005.
MARIANI, C. G. A. Aplicações da Econometria Espacial ao Resultado da Eleição
Presidencial de 2010 em Santa Catarina. Associação de Pesquisadores em
Economia Catarinense, 2010.
MARZAGÃO, T. A dimensão geográfica das eleições brasileiras. Opinião
Pública, v. 19, n. 2, p. 270-290, 2013.
MINISTÉRIO DO DESENVOLVIMENTO SOCIAL E COMBATE À FOME (MDS).
Bolsa Família: o que é. 2014. Disponível em
<http://www.mds.gov.br/programas/transferencia-de-renda/programabolsa-familia/programabolsa-familia/o-que-e>. Acesso em: 19 nov. 2014.
PEREIRA, A. E. G.; SHIKIDA, C. RIBEIRO F. G.; NAKABASHI, L. A eleição de
Dilma em 2010 e seus determinantes: evidências empíricas do programa
bolsa família. Análise Econômica, v. 33, n. 64, p. 111-142. 2015.
SISTEMAS DE BENEFÍCIO AO CIDADÃO (SIBEC). Disponível em
<https://www.beneficiossociais.caixa.gov.br/consulta/beneficio/04.01.0000_00.asp/>. Acessoem: 19 nov. 2014.
SHIKIDA, C. D.; MONASTERIO, L. M.; ARAUJO Jr, A. F.; CARRARO, A.; DAMÉ, O.
M. It is the Economy, Companheiro!: An Empirical Analysis of Lula’s Reelection Based on Municipal Data. Economics Bulletin, v. 29, n. 2, p. 976991, 2009.
SOARES, G. A.D.; TERRON, S. L. Dois Lulas: a geografia eleitoral da reeleição
(explorando conceitos, métodos e técnicas de análise geoespacial). Opinião
Pública, v. 14, n. 2, p. 269-301, 2008.
TERRON, S. L.; SOARES, G. A. D. As bases eleitorais de Lula e do PT: do
distanciamento ao divórcio. Opinião Pública, v. 16, n. 2, p. 310-337, 2010.
TERRON, S. Geografia Eleitoral em foco. Revista Em Debate, v. 4, n. 2, p. 818, 2012.
TRIBUNAL SUPERIOR ELEITORAL (TSE). Centro de Divulgação da Justiça
Eleitoral 2014. Disponível em
<http://www.tse.jus.br/eleicoes/estatisticas/estatisticas-eleitorais-2014eleitorado/>. Acessoem: 19 nov. 2014.
UPPAL, Y. Estimating incumbency effects in us state legislatures: a
quasi-experimental study. Economics & Politics, v. 22, n. 2, p. 180-199,
2010.
WING, I.S.; WALKER, J.The 2004 Presidential Election From A Spatial
Perspective. 2006. Disponível em
<http://people.bu.edu/isw/papers/the_2004_election.pdf>. Acessoem: 18
de novembro de 2014.
168
Política & Sociedade - Florianópolis - Vol. 15 - Nº 32 - Jan./Abr. de 2016
ZUCCO, C. The president's ‘new’constituency: Lula and the pragmatic vote in
Brazil's 2006 presidential elections. Journal of Latin American Studies, v.
40, n. 01, p. 29-49, 2008.
________. When payouts pay off: Conditional cash transfers and voting behavior
in Brazil 2002–10. American Journal of Political Science, v. 57, n. 4, p. 810822, 2013.
APÊNDICE
Tabela A.1. Definição das variáveis e estatísticas descritivas
Variáveis
Definição
Média
Proporção de votos recebidos pela candidata
57,71
DIL_P
Dilma Rousseff
Proporção de votos recebidos pelo
AEC_P
42,27
candidato Aécio Neves
Taxa de analfabetismo acima dos 15 anos
16,15
T_ANALF15M
DP
18,10
1,00
93,93
18,07
6,07
88,14
9,84
0,95
44,40
0,28
33,68
1,00
2.043,74
0,09
38,45
0,07
24,28
0,00
1,00
0,00
1,00
Percentagem da população com 25 anos ou
5,49
3,26
T_SUPER25M mais com nível superior completo
Renda per capita – em R$ de 2010
RDPC
493,42 243,29
Taxa de desemprego da população acima
6,20
3,65
T_DES18M
dos 18 anos
Número de famílias atendidas pelo bolsa
BOLSAF
família em Setembro de 2014 em relação à 10,08 6,13
população total do município
Variáveis Binárias
Presença de Executivo estadual do mesmo
partido do presidente eleito – valor 1 caso
0,40
0,49
EXEC_EST
seja do mesmo partido e 0, caso contrário
EXEC_MUN
Presença de Executivo municipal do mesmo
partido/coligação do presidente eleito –
valor 1 caso seja do mesmo partido e 0, caso
contrário
0,60
Mínimo Máximo
0,49
Fonte: Tribunal Superior Eleitoral (TSE) para dados sobre proporção
de votos, Atlas de Desenvolvimento Humano (Censo 2010) e Sistema de
Benefícios ao Cidadão (SIBEC) da Caixa Econômica Federal para dados
do Bolsa Família para 2014. Elaboração dos autores.
169
Fatores que contribuíram para a reeleição da presidente Dilma Roussef - Diogo José Dalpoz
Martins, Fernanda Helen Mansano, José Luiz Parré e Wander Plassa
Tabela A.2. Matriz de correlação entre as variáveis descritas na tabela
A.1
Porc. Aécio (%)
Tx.
Bolsa Executivo Executivo
Porc. Tx. Tx. Ens. Renda
Aécio Analf. Superior per Desemprego Família Estadual Municipal
capita
(%)
-0,72 0,76
-0,55
-0,75
0,38
0,83
0,44
-0,01
-0,72
1
-0,67
0,45
0,62
-0,34
-0,70
-0,44
0,00
Tx. Analf.
0,76
-0,67
Tx. Ens. Superior
-0,55
Renda Per capita
Porc. Dilma (%)
Porc.
Dilma
(%)
1
-0,61
-0,81
0,34
0,88
0,45
-0,04
0,45 -0,61
1
0,77
-0,15
-0,61
-0,26
-0,02
-0,75
0,62 -0,81
0,77
1
-0,38
-0,86
-0,43
0,04
Tx. Desemprego
0,38
-0,34
0,34
-0,15
-0,38
1
0,42
0,24
-0,06
Bolsa Família
0,83
-0,70
0,88
-0,61
-0,86
0,42
1
0,46
-0,02
Executivo Estadual
0,44
-0,44
0,45
-0,26
-0,43
0,24
0,46
1
0,00 -0,04
-0,02
0,04
-0,06
-0,02
-0,04
-0,04
1
Executivo Municipal -0,01
1
Fonte: Elaboração dos autores.
Recebido em 07 de novembro de 2015
Aprovado em 25 de janeiro de 2016
Factors that contributed to the reelection of president
Roussef
Abstract
This article aims to analyze, using spatial econometric methods, the
main factors that led to the re-election of President DilmaRousseff in
the presidential elections of 2014. In addition, it examines whether the
presence of mayors and governors from the same party benefited his
candidacy. The results indicate that the candidate received most votes
in the least developed municipalities with lower per capita income,
highest rate of illiteracy and unemployment, also being benefited by
the presence of the governor of the same coalition. Another point
discussed was from the Geographically Weighted Regression (GWR),
the effect of the “Bolsa Família” program in each Brazilian municipality.
The variable was significant statistically, mostly in the municipalities of
South and Southeast.
Keywords: Presidential elections; Bolsa Familia Program; Spatial
econometrics.
170