Академический Документы
Профессиональный Документы
Культура Документы
Nmero 2
Dezembro 2009
Mauricio Cando-Pinheiroa
* O autor agradece a Csar Zucco e Leonardo Monastrio pelo compartilhamento das bases de dados usadas
respectivamente em Zucco (2008) e Carraro et alli (2009). Agradecimento tambm Adriana Hernandez-Perez, Samuel
Pessa, Regis Bonelli e diversos participante de seminrios no IBRE/FGV e na EPGE/FGV pelos comentrios. Os erros
remanescentes so de responsabilidade do autor e as opinies expressas no refletem as posies da FGV ou do IBRE.
a
Pesquisador do IBRE/FGV.
2
Resumo
Este artigo investiga os determinantes da mudana no padro da votao nas
eleies presidenciais de 2006, em particular o papel do programa Bolsa
Famlia e do desempenho da economia na migrao da base eleitoral de Lula
para as regies menos desenvolvidas. Do ponto de vista metodolgico, inovase ao considerar adequadamente o problema gerado pela agregao de
decises individuais tipicamente no-lineares. Quanto aos resultados, ao
contrrio de Carraro et alli (2009) e outros autores, encontra-se que o impacto
do programa Bolsa Famlia bastante superior ao do desempenho econmico.
No entanto, nenhum dos dois fatores foi capaz de explicar satisfatoriamente
toda a extenso da mudana observada em 2006. Nesse sentido, ganha
grande apelo a explicao apresentada em Zucco (2008), de que Lula, ao ser o
candidato do governo, naturalmente teria desempenho superior em municpios
menos desenvolvidos, mais dependentes do Estado.
Abstract
This paper investigates the determinants of change in the pattern of voting in
the Brazilian presidential elections of 2006, in particular the role of the Bolsa
Famlia programme and of the economic performance in the shift of Lula's
voting base toward the poorest regions. From the methodological point of view,
innovation is to consider adequately the problem generated by the aggregation
of typically nonlinear individual decisions. The results indicate that, unlike
Carraro et alli (2009), compared to economic performance, the Bolsa Famlia
programme has had a far greater impact in that shift. However, none of the two
factors was able to satisfactorily explain the entire extent of changes observed
in 2006. Accordingly, those changes may be the result of an incumbency effect
[Zucco (2008)]: in Brazilian presidential elections the candidate from the
government party would naturally perform better in less developed regions,
more dependent on the state.
Palavras-chave: Bolsa Famlia, Lula, Eleies Presidenciais, Vis de
Agregao, Brasil.
Keywords: Bolsa Famlia, Lula, Presidential Elections, Aggregation Bias,
Brazil.
Classificao JEL: H53, I38.
1. Introduo
Nas eleies presidenciais de 2006 ficou clara a mudana no perfil da votao
do candidato reeleito, Luiz Incio Lula da Silva (Lula). Se nas eleies
presidenciais anteriores Lula foi particularmente bem sucedido em regies mais
urbanizadas e desenvolvidas do Brasil, em 2006 o candidato do Partido dos
Trabalhadores (PT) viu sua base eleitoral migrar para regies menos
desenvolvidas do pas.
Muitas hipteses foram levantadas para explicar tal mudana. Em
Hunter & Power (2007) elas foram organizadas em trs grandes categorias. Em
primeiro lugar, os eleitores mais pobres e menos escolarizados teriam menos
acesso informao sobre os escndalos de corrupo que surgiram no
primeiro mandato de Lula. Em segundo lugar, os eleitores de menor renda
seriam os maiores beneficiados com a poltica econmica do primeiro governo
de Lula. Por ltimo, as polticas sociais, particularmente o programa Bolsa
Famlia, explicariam grande parte do desempenho eleitoral de Lula nas regies
menos desenvolvidas. Ademais, Zucco (2008) aponta evidncias de que no
Brasil o candidato a presidente ligado ao governo sempre obtm desempenho
eleitoral relativamente melhor em regies menos desenvolvidas, naturalmente
mais dependentes do Estado. Tal regularidade tambm ajudaria a explicar o
desempenho de Lula nestas regies.
Sobre a relao entre os programas de transferncia de renda e o
desempenho de Lula nas eleies de 2006, existe um amplo debate pblico
sobre os dividendos eleitorais do programa Bolsa Famlia.1 Este debate foi
transplantado para o ambiente acadmico. Os resultados so bastante
dspares: variando desde evidncias de que o programa no foi determinante
para a reeleio de Lula [Carraro et alli (2009), por exemplo] at concluses de
que o programa teve papel decisivo na vitria do candidato do PT
[Marques et alli (2009), por exemplo].
1
entanto,
existe
outro
problema
metodolgico
ainda
no
Ver Kakwani, Neri & Son (2006) para evidncias a este respeito.
Na verdade, em os prprios autores reconhecem a necessidade de anlise quantitativa adicional para
identificar e medir adequadamente a importncia relativa de cada fator.
3
Dado o carter secreto dos votos, este um problema recorrente na literatura que analisa os resultados
de eleies [ver, por exemplo, Brown & Payne (1986), Freedman et alli (1991) e Heckelman (1997,
2000)].
6
2. Escolhas Individuais
Defina-se a utilidade indireta do i -simo eleitor, que reside no municpio s S ,
caso tenha votado em Lula nas eleies presidenciais de 2006:
u is = + Z s + X is + is ,
(1)
Dis = 1 se u is = + Z s + X is + is 0,
(2a)
(2b)
(3a)
(3b)
= 1 F ( Zs X is )= F ( + Zs + X is ).
para
is = F ( Z s , X is ) =
uma
probabilidade.
hiptese
de
que
e + Z s + X is
1+ e
Sob
+ Z s + X is
is
ln
1 is
= + Z s + X is .
(4)
is
e +Wis
= is (1 is ) =
W is
1 + e +Wis
(5)
Z
em que = vetor de parmetros e W is = s vetor que variveis
X is
explicativas.
Ds =
Dis
i =1
Ns
(6a)
Ns
Xs =
X is
i =1
Ns
(6b)
( s ) = ( Z s , X s ) ,
(7)
em que () e () so funes.
A especificao (7) levanta trs questes. A primeira diz respeito
funo () : preciso preservar no modelo agregado a estrutura no linear do
modelo de deciso individual descrito em (4) [Stoker (1993)].5 De outra forma a
varivel dependente poder assumir qualquer valor em quando na verdade
definida no intervalo [0, 1]. Alm disso, modelos lineares resultam em efeitos
marginais que independem dos valores das variveis explicativas. razovel
imaginar que tais efeitos sejam diferentes para valores distintos destas
variveis.6 Deste modo, no adequado o uso de modelos lineares tal como
em Nicolau & Peixoto (2007), Soares & Terron (2008), Zucco (2008),
Carraro et alli (2009) e Marques et alli (2009).7 Nesse caso, a escolha mais
bvia acompanhar o modelo de deciso individual e usar a funo logstica,
( )
Ds
ln
1 Ds
= + Z s + X s + g (Z s + X s ) + s ,
(8)
causado
[Kelejian
pela
(1995)].
heterogeneidade
dos
outras
palavras,
Em
(Z s , X s ) = + Z s + X s + g (Z s + X s ) .
Tal
atributos
como
individuais
tem-se
que
sugerido
em
g (Z s + X s ) (Z s + X s ) k bk .
(9)
k =0
Z
Defina-se o vetor W s = s . Substituindo-se (9) em (8) e ignorando-se
X s
os erros de aproximao, chega-se a [Kelejian (1995)]:
K
Ds
= + W s + (W s ) k bk + s ,
ln
1 Ds
k =0
14243
ds
K
bk
= b0 + + W s (1 + b1 )+ (W s ) k
+ s .
1
424
3 k =2
123
(1 + b1 ) k
a
1424
3
(10)
11
Pr(Dis = 1 | W s )
a +W s + (W s )k k
k =2
1+ e
a +W s + ( W s ) k k
(W s , K ).
(11)
k =2
W s
= [ (W s , K )][1 (W s , K )] (W s ) k 1 k k .
k =1
(12)
1
N s s (1 s )
[Maddala (1983), p. 29-30]. Ademais tais varincias podem ser estimadas pela
substituio de s por sua contrapartida amostral. Sendo assim, o modelo (10)
pode ser estimado por Mnimos Quadrados No Lineares Generalizados
(MQNLG), em que cada observao ponderada por w s = N s Ds (1 Ds ) .9
Na verdade, os pesos devem ser redefinidos para que sua soma seja igual ao nmero de observaes.
12
zero
nos
limites
inferior
superior
do
intervalo
[0,
1]
(IBGE)
para
as
variveis
geogrficas,
demogrficas
D s
1
Basta notar que s s
[Maddala (1983), p. 30]. Ento s =
Var ( Ds ) , o que
(1 s )
s (1 s )
(1 s )
estabelece o resultado de que Var ( Ds ) = s
. Note que Var ( Ds ) se aproxima de zero quando s
Ns
10
1
2
11
Esta hiptese implica assumir que Ds tem distribuio aditiva logstica normal.
Particularmente no que diz respeito ao estudo do impacto do programa Bolsa Famlia nas eleies
presidenciais de 2006, Abensur, Cribari-Neto & Menezes (2007) usam a distribuio beta.
12
13
Definio
LULA2006
TSEb
BOLSA
MDSb
CRESC
IBGE
URB
IBGE
DENS
IBGE
DIST
IBGE
LULA2002
TSEb
GOVPT
PREFPT
PT2004
RENDA
IBGE
GINI
IBGE
ANALF
IBGE
MORT
IBGE
PENT
IBGE
Fonte
IBGEb
TXLOCAL
IBGE
PUBLICO
IBGE
14
Mdia
Desvio-Padro
Mnimo
Mximo
LULA2006
0,613
0,164
0,196
0,963
BOLSA
0,289
0,166
0,013
1,000
CRESC
0,014
0,086
-0,452
0,763
URB
0,605
0,238
0,000
1,000
DENS
123,14
625,97
0,100
12.881
DIST
250,94
165,76
0,000
1.474
LULA2002
0,548
0,123
0,125
0,906
GOVPT
0,065
0,247
0,000
1,000
PREFPT
0,090
0,286
0,000
1,000
PT2004
0,366
0,207
0,001
1,000
RENDA
180,28
100,28
28,38
954,65
GINI
0,562
0,059
0,370
0,820
ANALF
0,207
0,124
0,009
0,607
MORT
0,042
0,029
0,006
0,135
PENT
0,084
0,055
0,001
0,461
NBRANCO
0,450
0,251
0,003
0,987
TXLOCAL
0,053
0,053
0,001
0,510
PUBLICO
0,260
0,140
0,010
0,785
Estatsticas calculadas para uma amostra de 3.397 municpios. Foram eliminados aqueles em
que no estava disponvel informao para alguma varivel.
15
5. Resultados
A Tabela 3 resume os resultados encontrados a partir da estimao de
diferentes verses do modelo descrito na seo 4.2. Em todas as
especificaes no lineares foi utilizado o mtodo de Mnimos Quadrados NoLineares Generalizados (MQNLG). Os resultados apresentados na Tabela 3
podem ser mais bem interpretados se expressos em termos de efeitos
marginais. A Tabela 4 traz os efeitos marginais calculados para os valores
mdios das variveis explicativas. Saliente-se que estas mdias foram
calculadas com a mesma ponderao usada na estimao dos modelos por
MQNLG (ver seo 3.2 para detalhes). A ttulo de comparao com resultados
de outros artigos, a Tabela 4 tambm apresenta as elasticidades, calculadas
para os mesmos valores.
13
. Na verdade, para evitar multicolinearidade perfeita com outras variveis, foram omitidas as dummies
correspondentes ao Distrito Federal, Roraima e Acre.
16
Tabela
tambm
ilustra
importncia
de
se
agregar
17
5.2. Heterocedasticidade
Da seo 3.2 tem-se que s Var ( s ) =
variveis
s =
explicativas
1
N s h (W s )[1 h (W s )]
do
1
N s s (1 s )
modelo
possvel
escrever
s2 = + W W s + N N s + s ,
(13)
18
Modelo 1 (K = 1)
BOLSA
CRESC
URB
DENS
DIST
LULA2002
GOVPT
PREFPT
PT2004
RENDA
GINI
ANALF
MORT
PENT
NBRANCO
TXLOCAL
PUBLICO
2
3
Teste para Vis de Agregao
0,775*
(0,096)
0,314*
(0,076)
0,190*
(0,040)
0,000*
(0,000)
-0,000*
(0,000)
2,517*
(0,058)
0,828*
(0,112)
-0,092*
(0,014)
0,026
(0,028)
-0,001*
(0,000)
-0,707*
(0,117)
1,486*
(0,161)
0,086
(0,627)
0,001
(0,001)
1,153*
(0,061)
0,372*
(0,101)
0,468*
(0,083)
-
Modelo 2 (K = 2)
1,441*
(0,199)
0,527*
(0,130)
0,286*
(0,069)
0,000*
(0,000)
-0,000*
(0,000)
4,381*
(0,265)
1,354*
(0,192)
-0,173*
(0,026)
0,045
(0,048)
-0,001*
(0,000)
-1,396*
(0,215)
2,664*
(0,323)
-0,687
(1,174)
0,003***
(0,002)
2,117*
(0,168)
0,515*
(0,167)
0,896*
(0,164)
-0,033*
(0,001)
-
Modelo 3 (K = 3)
2,708*
(0,619)
1,035*
(0,322)
0,515*
(0,164)
0,000*
(0,000)
-0,001*
(0,000)
8,295*
(1,676)
2,546*
(0,613)
-0,326*
(0,077)
0,081
(0,091)
-0,002*
(0,000)
-2,697*
(0,662)
4,866*
(1,097)
-1,240
(2,223)
0,006
(0,004)
4,173*
(0,922)
0,860**
(0,342)
1,721*
(0,474)
-0,047*
(0,004)
0,001*
(0,000)
51,78*
28,62*
Nmero de Observaes
2
R
2
R Ajustado
3.397
3.397
3.397
0,8648
0,8668
0,8670
0,8631
0,8651
0,8653
-1,7929
-1,8065
-1,8072
19
Modelo 2 (K = 2)
Elasticidade
Efeito
Marginal
Modelo 3 (K = 3)
Elasticidade
Efeito
Marginal
Elasticidade
BOLSA
CRESC
0,506*
0,141*
0,571*
0,157*
0,548*
0,150*
0,205*
-5
1510 *
0,209*
-5
1510 *
0,209*
1510 *
URB
0,124*
0,000*
0,185*
0,035*
0,113*
0,000*
0,166*
0,035*
0,104*
0,000*
0,152*
0,035*
DIST
LULA2002
-0,000*
-0,037*
-0,000*
-0,040*
-0,000*
-0,038*
1,644*
1,735*
1,737*
1,806*
1,677*
1,738*
GOVPT
0,181*
-0,023*
0,164*
-0,025*
0,156*
-0,024*
DENS
PREFPT
PT2004
RENDA
-5
0,017
0,000
0,018
0,000
0,016
0,000
-0,000*
-0,266*
-0,000*
-0,216*
-0,000*
-0,204*
ANALF
-0,462*
0,971*
-0,462*
0,185*
-0,553*
1,056*
-0,546*
0,199*
-0,545*
0,984*
-0,536*
0,184*
MORT
0,056
0,003
-0,273
-0,014
-0,251
-0,013
PENT
0,001
0,000
0,001***
0,000***
0,001
0,000
NBRANCO
0,753*
0,243*
0,513*
0,074*
0,839*
0,204*
0,563*
0,061*
0,844*
0,174**
0,564*
0,052**
0,306*
0,081*
0,355*
0,093*
0,348*
0,091*
GINI
TXLOCAL
PUBLICO
passado. Este efeito pelo menos quatro vezes superior ao encontrado por
outros autores [Soares & Terron (2008), Zucco (2008) e Carraro et alli (2009)] e
parece indicar que em 2006 a relao do eleitor tradicional de Lula com o
candidato se mostrou mais forte do que usualmente se suspeitava.
O sinal das variveis scio-demogrficas relativas s minorias tambm
foi o esperado. Tudo mais constante, a votao de Lula foi superior em
municpios com maior participao de negros, pardos e ndios na populao
(NBRANCO), o que seria de se esperar dado o apelo de seu primeiro governo
no que tange s desigualdades raciais [Zucco (2008)]. Um aumento de um
ponto percentual nesta varivel gera incremento de 0,564 ponto percentual na
votao de Lula em 2006 (ver Tabela 4). O mesmo com relao aos
evanglicos ligados s igrejas pentecostais (PENT), embora este efeito no
tenha se mostrado estatisticamente significativo.15
Das variveis polticas, a presena de governador do PT (GOVPT) e a
votao dos candidatos do PT nas eleies municipais de 2004 (PT2004)
aparecem com o sinal esperado, embora esta ltima no seja estatisticamente
significativa. No entanto, a presena de prefeito do PT apresentou sinal
negativo, contrrio do esperado. Trata-se do mesmo resultado encontrado em
Zucco (2008). Mas provavelmente o sinal desta varivel no indica que os
prefeitos do PT atrapalharam o desempenho eleitoral de Lula em seus
municpios. A varivel pode ser uma medida da fora dos eleitores habituais de
Lula movimentos sociais organizados, sindicatos e classe mdia que
provavelmente elegeram ou ajudaram a eleger os prefeitos do PT 2004. Se
este for o caso, o sinal negativo indica que estes eleitores habituais
abandonaram Lula em 2006 [Zucco (2008)]. De todo o modo, trata-se de efeito
incremental pequeno: em mdia a presena de prefeito do PT reduziu em 2,4
pontos percentuais a votao de Lula. O efeito do governador mostra-se
substancialmente maior: aumento mdio de 15,6 pontos percentuais (ver
Tabela 4). Entretanto, ressalte-se que, na prtica este efeito teve pouca
15
menos
votado
nos
chamados
rinces.
Entretanto,
as
22
23
Efeito Marginal
Elasticidade
0,03
0,000000169
0,354-0,648
0,81
0,041
0,529
Zucco (2008)
Referente Tabela 12, p. 16. A varivel explicativa o gasto do programa Bolsa Famlia per
capita entre 2003 e 2006.
b
Ver p. 8. Os dados so estaduais (e no municipais). A varivel explicativa o nmero de
famlias beneficiadas pelo programa em 2006.
c
Referente Tabela 3, p. 38. A varivel dependente a porcentagem de votos em Lula no 1
turno em 2006.
d
Referente Tabela 12, modelo de erro espacial, p. 296. A varivel explicativa participao
do programa na renda em 2006.
e
Referente ao Modelo II (Tabela II, p. 992)
f
Referente ao Grfico 2, p. 130.
Efeito Marginal
0,5
0,4
0,3
0,2
Efeito Marginal
do
Crescimento
0,1
0,0
0
200
400
600
800
1000
24
25
1
Votao de Lula em 2006 - Valores Previstos
(Crescimento 1999-2002 e Com Bolsa Famlia)
0,8
0,6
0,4
0,2
y = 0,4159x + 0,3355
0,8
0,6
0,4
0,2
y = 0,3262x + 0,4333
0
0
0,2
0,4
0,6
0,8
0,2
0,4
0,6
0,8
0,8
Com o Efeito do
Bolsa Famlia
0,6
0,4
0,2
0
0
0,2
0,4
0,6
0,8
26
0,8
0,6
0,4
0,2
y = 0,4159x + 0,3355
0,8
0,6
0,4
0,2
y = 0,4127x + 0,3363
0
0
0,2
0,4
0,6
0,8
0,2
0,4
0,6
0,8
27
Previsto
Previsto
Efeito do
Efeito do
Crescimento
Sem
Somente
Somente
a
Observado Previsto Ambos os Efeito do Bolsa Efeito do Bolsa Famlia
Efeitos
Crescimento
Famlia
[A]
[B]
[C]
[B]-[A]
[C]-[A]
RO
56,8%
56,7%
52,1%
56,5%
52,4%
4,38%
0,27%
AC
52,0%
51,9%
44,9%
51,4%
45,4%
6,53%
0,56%
AM
86,9%
86,6%
84,9%
86,6%
84,9%
1,74%
-0,02%
RR
38,2%
38,4%
30,9%
37,7%
31,5%
6,85%
0,69%
PA
59,6%
59,7%
55,0%
59,6%
55,1%
4,59%
0,06%
AP
69,4%
69,3%
67,2%
69,3%
67,2%
2,12%
0,03%
TO
70,2%
70,8%
65,7%
70,5%
66,1%
4,80%
0,44%
MA
84,7%
84,0%
79,3%
83,6%
79,8%
4,28%
0,48%
PI
77,0%
75,8%
69,7%
75,4%
70,2%
5,74%
0,49%
CE
81,9%
81,5%
77,0%
81,1%
77,5%
4,12%
0,47%
RN
67,1%
67,5%
62,4%
67,3%
62,6%
4,90%
0,25%
PB
76,2%
76,2%
70,8%
76,0%
70,9%
5,27%
0,15%
PE
78,1%
77,5%
73,4%
77,5%
73,4%
4,14%
-0,01%
AL
59,4%
59,7%
51,3%
59,5%
51,5%
8,17%
0,16%
SE
58,6%
57,7%
51,5%
57,5%
51,7%
5,95%
0,20%
BA
79,5%
78,7%
74,5%
78,5%
74,7%
3,95%
0,16%
MG
65,6%
65,1%
61,5%
64,8%
61,8%
3,29%
0,26%
ES
64,3%
64,2%
59,8%
63,4%
60,7%
3,54%
0,90%
RJ
69,2%
69,1%
67,7%
68,8%
68,0%
1,12%
0,32%
SP
47,6%
47,3%
44,7%
46,6%
45,4%
1,89%
0,67%
PR
48,8%
49,0%
45,5%
48,6%
45,8%
3,13%
0,35%
SC
45,3%
45,6%
43,5%
45,3%
43,8%
1,83%
0,26%
RS
45,2%
45,4%
42,5%
45,3%
42,6%
2,82%
0,07%
MS
45,0%
46,0%
42,1%
46,0%
42,1%
3,91%
-0,04%
MT
49,6%
50,8%
46,8%
50,5%
47,1%
3,66%
0,32%
GO
53,7%
56,5%
53,6%
56,9%
53,2%
3,29%
-0,48%
DF
57,0%
59,6%
56,4%
59,4%
56,5%
3,06%
0,14%
Brasil
59,8%
59,8%
56,5%
59,5%
56,8%
3,04%
0,34%
28
0,20
Aumento da Votao de Lula em 2006
0,20
0,15
0,10
0,05
0,00
-0,05
-0,10
0,15
0,10
0,05
0,00
-0,05
-0,10
0,2
0,4
0,6
0,8
100
200
300
400
500
600
700
800
900
1000
0,10
0,05
0,05
Efeito do Crescimento
0,10
0,00
-0,05
-0,10
0,00
0,00
-0,05
-0,10
0,20
0,40
0,60
0,80
1,00
100
200
300
400
500
600
700
800
900
1000
0,8
Com Ambos os
Efeitos
0,6
0,4
0,2
45
0
0
0,2
0,4
0,6
0,8
6. Consideraes Finais
O que explicaria a mudana no padro de votao de Lula nas eleies
presidenciais de 2006: desempenho da economia ou a massificao do
programa Bolsa Famlia? Ao contrrio de boa parte da literatura anterior, a
resposta : nenhum dos dois. O impacto do programa de transferncia de
renda se mostrou bastante superior ao do crescimento da economia, mas
parece no ser a principal explicao para a migrao significativa de votos em
direo do candidato do PT nas regies menos desenvolvidas do Brasil.
Sendo assim, a conjectura de que, independente do partido e do
indivduo, os eleitores de regies menos desenvolvidas, mais dependentes do
Estado, seriam mais propensos a votar nos candidatos do governo
[Zucco (2008)] ganha bastante apelo. O mesmo pode ser dito com relao
hiptese de Hunter & Power (2007) sobre os efeitos dos escndalos de
corrupo na base eleitoral tradicional de Lula. No entanto, estas hipteses so
difceis de serem empiricamente testadas. Uma possvel abordagem a
utilizao de dados de vrias eleies.
Alm disso, boa parte das variveis explicativas foi includa com valores
do ano 2000. Trata-se de uma restrio imposta pela agregao das decises
individuais em nvel municipal, cuja maioria das informaes remete ao Censo
Demogrfico de 2000. Sendo assim, no possvel, por exemplo, um exerccio
contrafactual para a renda per capita (RENDA) como os realizados na seo
5.4 para as variveis que medem o alcance do programa Bolsa Famlia e o
desempenho econmico. Nesse caso, a nica soluo o uso de dados
agregados estaduais, mais sujeitos ao vis de agregao, mas com
informaes disponveis para os anos de 2002 e 2006.
32
Referncias
ABENSUR, T. C., CRIBARI-NETO, F., MENEZES, T. A. (2007). Impactos do
Programa Bolsa Famlia nos Resultados das Eleies Presidenciais no Brasil
em 2006. Anais do XXXV Encontro Nacional de Economia.
BROWN, P. J., PAYNE, C. D. (1986). Aggregate Data, Ecological Regression,
and Voting Transitions. Journal of American Statistical Association, v. 81,
p. 452-460.
CARRARO, A. et alli (2009). It is the economy, companheiro!: an empirical
analysis of Lula's re-election based on municipal data. Economics Bulletin,
v. 29, p. 977-992.
20
33
Analysis, v. 9, p. 116-136.
HECKELMAN, J. C. (1997). Determining Who Voted in Historical Elections: An
Aggregated Logit Approach. Social Science Research, v. 26, p. 121-134.
HECKELMAN, J. C. (2000). Revisiting the Relationship Between Secret Ballots
and Turnout. A New Test of Two Legal-Institutional Theories. American
Modelling, v. 3, p. 193-213.
KING, G. (1997). A Solution to the Ecological Inference Problem:
Mimeo, IUPERJ.
35