Академический Документы
Профессиональный Документы
Культура Документы
2. Revisão Bibliográfica
3. Metodologia e dados
Onde:
-A variável dependente absten representa a proporção de abstenção em cada eleição
para os diferentes estados.
-A variável PIB_CAP representa o PIB per capita no período.
-A variável ANALF representa o percentual de pessoas de 15 ou mais anos de idade que
não sabem ler nem escrever um bilhete simples.
-A variável THEIL mede a desigualdade na distribuição de indivíduos segundo a renda
domiciliar per capita.
-A variável PROP_DOM_POBRE representa a proporção de domicílios com renda
domiciliar per capita inferior à linha de pobreza.
-A variável POP mede a população residente em cada estado.
-A variável DESEMPREGO mede o percentual de pessoas que procuraram, mas não
encontraram ocupação profissional remunerada entre todas aquelas “ativas” no mercado
de trabalho, grupo que inclui todas as pessoas com 10 anos ou mais de idade que
estavam procurando ocupação ou trabalhando na semana da pesquisa.
-A variável GSAUDE mede as despesas com saúde e saneamento por estado.
Para estimação do modelo foi necessário realizar testes para verificar qual seria o
modelo mais adequado. O primeiro realizado foi o teste de Breusch e Pagan (BP), em
seguida, o teste de Chow e por último o teste de Hausmann.
O teste de Breusch e Pagan (1979) é usado para verificar a presença ou não do
problema de heterocedasticidade em uma regressão linear. Ele observa se a variância
dos erros de uma regressão, estimada segundo hipóteses da estimação por mínimos
quadrados ordinários, é dependente dos valores da variável explicativa. A hipótese nula
rejeita heterocedasticidade. Seus resultados são distribuídos segundo um chi quadrado.
O teste Chow mede se há diferença entre os coeficientes em períodos diferentes.
Procura captar a presença de quebras estruturais, mas é comumente utilizado para
determinar se a variável explicativa tem diferentes impactos em subgrupos diferentes da
população. A hipótese nula assume que os erros são independentes e distribuídos
igualmente segundo um normal com variância desconhecida.
O teste de Hausman, também denominado teste de especificação de Hausman,
avalia a consistência de um estimador quando comparado com a alternativa cuja
consistência já é conhecida. Desse modo, o teste auxilia a escolher o modelo que melhor
corresponde a amostra entre efeito fixo e aleatório.
Os testes acima citados indicam qual modelo deve ser usado para estimar segundo
essa amostra a regressão também acima citada. Entre as opções três se destacam:
Modelo para POLS, modelo assumindo efeito aleatório e modelo assumindo efeito fixo.
O modelo de estimação POLS é a estimação por mínimos quadrados utilizando
dados em painel, em que o estimador β é o parâmetro estimado para cada indivíduo
onde há um efeito não observado. A amostra de um cross section é aleatória, e cada
variável explicativa varia conforme o tempo e não existe relação linear entre elas. O
valor esperado da variável dependente é nulo, ou seja, os estimadores não são viesados.
Além disso a variância do erro é igual a variância ao quadrado. Como era de se esperar,
as variáveis explicativas não devem estar correlacionadas com o erro.
O modelo assumindo efeitos fixos é a estimação quando parte do erro é fixo
temporalmente e passa a estimar pela diferença da variável para sua média. Uma vez
que o termo aí tem média igual ao seu valor já que é fixo, deixa de constar na equação
possibilitando a estimação por mínimos quadrados ordinários. É uma alternativa ao
modelo de diferença.
O modelo assumindo efeitos Aleatórios é a estimação em que o termo de erro aí é
aleatório e, sendo assim, utiliza-se a “Quasi-média” em que varia o valor do l entre 0 e
1, sendo aleatório e 1 fixo. A transformação da covariância requerida para se estimar
esse modelo torna desnecessário utilizar robust para corrigir heterocedasticidade.
Quanto maior a variância do efeito não observado, mais próximo se torna do modelo
por efeito fixo.
O grau de ajuste é explicitado por três R-Squared
R-squared within: o grau de ajuste dentro de um mesmo estado. Isto é, o quanto
as variações das variáveis explicativas de um estado explicam a variação da variável
dependente dentro do mesmo estado.
R-squared between: o grau de ajuste estados diferentes. Isto é, o quanto as
variações das variáveis explicativas de estados diferentes explicam a variação da
variável dependente desses estados.
R-squared overall: o grau de ajuste total do modelo de estados. Isto é, tomando os
dados de todas estados, o quanto as variações das variáveis explicativas explicam a
variação da variável dependente.
Dados
A variável população residente têm sua frequência anual e sua fonte é o Instituto
Brasileiro de Geografia e Estatística, Departamento de População e Indicadores Sociais.
Divisão de Estudos e Análises da Dinâmica Demográfica (IBGE/Pop). Sua medida de
unidade é Habitante e foi atualizado em: 23/5/2019. É uma série a partir de 2011,
encadeada pela taxa de variação da população conforme dados das Contas Nacionais
referência 2010. Para 1872 até 1950: população presente. Nos anos intercensitários, os
valores da população foram estimados por interpolação cúbica dos dados censitários de
1872, 1890, 1900, 1920, 1940, 1950, 1960, 1970, 1980, 1991, 1996, 2000, 2007 e 2010
utilizando a função Spline do programa econométrico Troll. (POPULAÇÃO
RESIDENTE, 2019)
Tabela 1: Estatísticas Descritivas das Variáveis Utilizadas
4. Resultados
5. Conclusão
POWER, Timothy J.; ROBERTS, J. Timmons. Compulsory voting, invalid ballots, and
abstention in Brazil. Political Research Quarterly, v. 48, n. 4, p. 795-826, 1995.
COSTA, Homero. Alienação eleitoral no Brasil: uma análise dos votos brancos, nulos e
abstenções nas eleições presidenciais (1989-2002). São Paulo. Tese (Doutorado em
Ciências Sociais). Pontifícia Universidade Católica de São Paulo, 2006.