IBMEC BH

Igor Damasceno de Assis, Igor Oliveira da Silva, Luciano Antunes de Azevedo,

Tiago Silva Pires

Abstenção de Votos nos Estados Brasileiros nas Eleições de 1994 a 2010

Belo Horizonte - Minas Gerais

2019
1. Introdução

O presente estudo tem como objetivo verificar quais os determinante da abstenção

de votos nos estados brasileiros nas eleições de 1994 a 2010. Tomamos como base o
artigo de Timothy J. Power e J. Timmons Roberts entitulado “Compulsory Voting,
Invalid Ballots and Abstention in Brazil” publicando no “Political Research Quarterly”,
que procuraram analisar os determinantes dos votos inválidos e abstenções nas eleições
brasileiras (POWER e ROBERTS, 1995). Uma das contribuições foi que verificaram
que analistas anteriores viam as abstenções como função de protestos políticos e
produto de estrutura social, em que acrescentaram que os motivos das abstenções são
devidos a fatores institucionais. Constataram que analisar as três variáveis dependentes
incorporadas a fatores socioeconômicos, políticos e institucionais são melhores que
analisados de forma independente.
A abordagem da nossa metodologia foi de que a alienação é explicada ou como
produto de um cálculo de ganhos e perdas feitos pelo eleitor (entre comparecer ou não
comparecer ou comparecer e se abster da escolha), ou em função do contexto
socioeconômico/demográfico em que este está inserido (classe social, renda,
escolaridade, região, etc.), tendo utilizado os testes de Breusch e Pagan, Chow,
Hausman e o Modelo de Efeitos Aleatórios.

2. Revisão Bibliográfica

Roberts e Power (1995) analisaram os determinantes dos votos inválidos e

abstenções nas eleições brasileiras. Os autores argumentam que analistas anteriores
viram esse resultado como função de protesto político e produto da estrutura social e
ambos ainda acrescentaram a hipótese de que os votos nulos e abstenções são causados
por fatores institucionais. Foram descobertos para cada uma das três variáveis
dependentes analisadas que o modelo que incorpora fatores socioeconômicos, políticos
e institucionais é melhor do que qualquer um com esses fatores sozinhos. As altas taxas
de votos nulos e abstenções mostram a necessidade de reformas institucionais para
consolidação da democracia.
Em outro estudo, Borba (2008) tem como pressuposto central em seu artigo que
padrões comportamentais explicam a quantidade de votos invalidados nas eleições
brasileiras. Foram utilizados indicadores culturais e políticos, diferente dos poucos
artigos que existem sobre o tema. O modelo permitiu comparar hipóteses culturais com
outras explicações para a alienação eleitoral.
Silva (2013) procurou em seu trabalho analisar a eleição de 2002 utilizando
artigos anteriores desenvolvidos e trazendo para a realidade do país a época. Os
resultados apontaram fenômenos com causalidades complexas e as análises foram de
acordo com algumas das explicações já existente mesmo que elas se contraponham em
algum momento.
Em seu artigo, Costa (2006) buscou analisar a alienação eleitoral nas eleições
presidenciais brasileiras de 1989 a 2002. A metodologia escolhida foi trabalhar com
dados agregados, por estado e região. O trabalho foi dividido em cinco capítulos. No
primeiro foi feito uma revisão literária internacional sobre comportamento eleitoral,
principalmente o europeu, comparando os dados de cada país e utilizando de modelos e
teorias, evidenciando o aumento da abstenção eleitoral. No segundo capítulo foi
utilizado um pressuposto que existe uma crise dos partidos e representação política, ou
seja, foi estipulada uma descrença nos partidos políticos. Foram analisados esses dados
comportamentais em relação ao eleitor e a crise dos partidos políticos, com uma revisão
bibliográfica mais aprofundada e pós 1964. Foi utilizado um modelo de regressão linear
pelo método dos mínimos quadrados e a conclusão foi que as variáveis IDH (Índice de
Desenvolvimento Humano) e IES (Índice de Exclusão Social) explicaram a maior parte
dos votos nulos, enquanto que a extensão do território brasileiro explicou a maior parte
das abstenções. Outros fatores também devem ser considerados como conjuntura
política e o papel da mídia durante o processo eleitoral.

3. Metodologia e dados

No decorrer deste trabalho, buscamos analisar o fenômeno da abstenção eleitoral

no Brasil, tomando como parâmetro empírico as eleições presidenciais de 1994,1998,
2002, 2006, 2010 e 2014. Num diálogo com a literatura, identificamos que predominam,
no Brasil, explicações racionalistas e/ou sociológicas para o fenômeno. Em outras
palavras, a alienação é explicada ou como produto de um cálculo de ganhos e perdas
feitos pelo eleitor (entre comparecer ou não comparecer ou comparecer e se abster da
escolha), ou em função do contexto sócio-econômico/demográfico em que este está
inserido (classe social, renda, escolaridade, região, etc.).

O Modelo estimado neste trabalho é o seguinte:

𝑎𝑏𝑠𝑡𝑒𝑛𝑖𝑡 = 𝛽0 + 𝛽1 𝑃𝐼𝐵_𝐶𝐴𝑃𝑖𝑡 + 𝛽2 𝐴𝑁𝐴𝐿𝐹𝑖𝑡 + 𝛽3 𝑇𝐻𝐸𝐼𝐿𝑖𝑡

+ 𝛽4 𝑃𝑅𝑂𝑃_𝐷𝑂𝑀_𝑃𝑂𝐵𝑅𝐸𝑖𝑡 + 𝛽5 𝑃𝑂𝑃𝑖𝑡 + 𝛽6 𝐷𝐸𝑆𝐸𝑀𝑃𝑅𝐸𝐺𝑂𝑖𝑡
+ 𝛽7 𝐺𝑆𝐴𝑈𝐷𝐸𝑖𝑡 + 𝑎𝑖 + 𝑖𝑡

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

Analfabetos com 15 anos ou mais entre 1993-2014, mede o percentual de

pessoas de 15 ou mais anos de idade que não sabem ler nem escrever um bilhete
simples. (ANALFABETOS, 2019)
Pobreza-proporção de domicílios pobres para os anos de 1993-2014, mede a
proporção de domicílios com renda domiciliar per capita inferior à linha de pobreza. A
linha de pobreza aqui considerada é o dobro da linha de extrema pobreza, uma
estimativa do valor de uma cesta de alimentos com o mínimo de calorias necessárias
para suprir adequadamente uma pessoa, com base em recomendações da FAO e da
OMS. São estimados diferentes valores para 24 regiões do país. Série calculada a partir
das respostas à Pesquisa Nacional por Amostra de Domicílios (Pnad/IBGE). (Pobreza,
2019)
O índice de Theil mede a desigualdade na distribuição de indivíduos segundo a
renda domiciliar per capita. É uma série calculada a partir das respostas à Pesquisa
Nacional por Amostra de Domicílios (Pnad/IBGE) (RENDA, 2019).
A Taxa de desemprego é um percentual das pessoas que procuraram, mas não
encontraram ocupação profissional remunerada entre todas aquelas consideradas
“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 de referência da
Pesquisa Nacional por Amostra Domicílios (Pnad). Sua elaboração é realizada pelo
Disoc/Ipea (TAXA DE DESEMPREGO, 2019)
 Gastos com Saúde e Saneamento têm a sua frequência anual e respectiva fonte,
Ministério da Fazenda, Secretaria do Tesouro Nacional (Min. Fazenda/STN). Sua
unidade é em R$ e foi atualizado em: 26/2/2013. Estão discriminadas as despesas
segundo rubrica: Saúde e Saneamento (DESPESAS POR FUNÇÃO, 2019).

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

Primeiramente, deve-se decidir qual o modelo mais apropriado aos dados

utilizados ao realizar os três testes: Teste Breusch e Pagan, Teste Chow e o Teste de
Haussmann.

4.1. Teste Breusch e Pagan

O Teste BP é utilizado para comparar os efeitos do modelo POLS (modelo

MQO com agrupamento de cortes transversais) com os efeitos do modelo aleatório. A
hipótese nula é que Var(a1)=0 (homocedasticidade), sendo assim quando a hipótese
nula é rejeitada o modelo aleatório é apropriado. Ao fazer o teste, obtivemos o p-valor
igual a 0,0000, ou seja, rejeita-se a hipótese nula e concluímos então que o modelo de
efeitos aleatórios é mais adequado que o modelo OLS.

4.2. Teste Chow

 O Teste Chow compara o modelo POLS com relação a FE (Efeito Fixo). A
hipótese nula do modelo é a igualdade de interceptos e inclinações, isto é, rejeitar H0
significa que há parâmetros diferentes entre os indivíduos, portanto, deve ser utilizado
um modelo assumindo efeitos fixos e não POLS. Como obtivemos p-valor igual a zero,
a hipótese nula é rejeitada, e o modelo FE é o mais apropriado.

4.3. Teste de Hausmann

 O Teste de Hausmann compara os efeitos do modelo RE com o FE. Sendo que a
hipótese nula é que a diferença entre os coeficientes de RE e FE é não sistemática. Essa
hipótese indica que o modelo RE é mais consistente. Nesse caso a hipótese nula não é
rejeitada e o modelo mais apropriado é o RE.

Conclui-se, portanto, que o modelo a ser utilizado é o de Efeitos Aleatórios. A seção

seguinte apresenta os resultados da regressão.

4.4. Modelo de Regressão

 A Tabela 5 apresenta os resultados dos três modelos de estimação: OLS, Efeitos
Fixos, e Efeitos Aleatórios. Preferimos apresentá-los todos, uma vez que, pelo teste de
Hausmann, o modelo de Efeitos Aleatórios é o mais adequado ao nível de significância
de 5%. Mas ao nível de significância de 10%, o modelo de Efeitos Fixos seria
considerado melhor.
 Tabela 6 - Modelo de Regressão de Efeitos Fixos

Começando com os resultados do modelo de Efeitos Fixos apresentados na

Tabela 6, temos que o teste de Wald de significância global é significativo ao nível de
significância de 5%. Partindo para a análise das variáveis, vemos três variáveis
explicativas significativas são elas: PIB per Capita, Tamanho da População e Gastos
com Saúde.
A variável PIB_CAP, é estatisticamente significante ao nível de significância de
5%, uma vez que o p-valor é 0,012. A variável apresentou coeficiente de -1,20, ou seja,
tem um impacto negativo sobre a taxa de abstenção. Pode-se afirmar, então, que o
aumento em uma unidade de PIB per capita em média reduz a taxa de abstenção em
1,20 pontos percentuais. Assim, é de se esperar que em estados com maiores PIB per
capita, tem-se menores taxas de abstenção.
 Já a variável POP, apresentou p-valor de 0,022, também sendo estatisticamente
significante ao nível de significância de 5%. A variável também apresenta coeficiente
negativo de modo a indicar que o aumento em uma unidade da população diminui a taxa
de abstenção. Especificamente, essa redução é de 0,0000008 pontos percentuais para
cada habitante a mais.
Por fim, a variável GSAUDE, que mede os gastos estaduais em saúde e
saneamento, é estatisticamente significante ao nível de 5%, apresentando p-valor muito
baixo. A variável, neste caso, apresentou coeficiente positivo, indicando que o aumento
em gastos com saúde e saneamento aumenta a taxa de abstenção, em média, em
0,0000000038 pontos percentuais a taxa de abstenção.

5. Conclusão

O objetivo deste trabalho foi de averiguar os determinantes de abstenção

eleitoral nos estados brasileiros utilizando a metodologia de dados em painel.
Utilizamos Power e Roberts como artigo de referência e montamos um modelo com sete
variáveis explicativas: Pib per capita, analfabetismo, índice de Theil, pobreza, tamanho
da população, desemprego e gastos com saúde e saneamento. Após realização dos testes
para a escolha do modelo mais adequado, estimamos o modelo de Efeitos Aleatórios.
Três variáveis se mostraram significativas. As variáveis Pib per capita e tamanho da
população apresentaram coeficientes negativos, indicando que o aumento em uma
unidade nessas variáveis reduz, em média, a taxa de abstenção. Por outro lado, a
variável gastos com saúde e saneamento apresentou coeficiente positivo, indicando que
, em média, o aumento em gastos com saúde e saneamento aumenta a taxa de abstenção.
6. Referência Bibliografica

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.

BORBA, Julian. AS BASES SOCIAIS E ATITUDINAIS DA ALIENAÇÃO

ELEITORAL NO BRASIL. REVISTA DEBATES, v. 2, n. 2, p. 134-157, 2008.

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.

SILVA, R. Alienação Eleitoral: um estudo comparado das bases sociais e atitudinais.

Revista Andina de Estudios Políticos, v. 3, n. 1, p. 109-133, 2013.

ANALFABETOS. Ipeadata 3.0,2019. Disponível em:

<http://ipeadata.gov.br/beta3/#/dados-
serie?anomapa=&ascOrder=&base=social&busca=analfa&columnOrdering=&end=201
4&fonte=&serid=TXA15MP&skip=0&start=1993&tema=&territoriality=Estados>
Acesso em: 06 de mai, de 2019.

POBREZA. Ipeadata 3.0,2019. Disponível em: <http://ipeadata.gov.br/beta3/#/dados-

serie?anomapa=&ascOrder=&base=social&busca=Pobreza%20-
%20propor%C3%A7%C3%A3o%20de%20domic%C3%ADlios%20pobres&columnOr
dering=&end=2014&fonte=&serid=D_MP0&skip=0&start=1993&tema=&territoriality
=Estados> Acesso em: 06 de mai, de 2019.

RENDA. Ipeadata 3.0,2019. Disponível em: <http://ipeadata.gov.br/beta3/#/dados-

serie?anomapa=&ascOrder=&base=social&busca=Theil&columnOrdering=&end=2014
&fonte=&serid=THEIL_T&skip=0&start=1993&tema=&territoriality=Estados>
Acesso em: 06 de mai, de 2019.

TAXA DE DESEMPREGO. Ipeadata 3.0,2019. Disponível em:

<http://ipeadata.gov.br/beta3/#/dados-
serie?anomapa=&ascOrder=&base=social&busca=taxa%20de%20desemprego&column
Ordering=&end=2014&fonte=&serid=Dese_Pnad&skip=0&start=1993&tema=&territo
riality=Estados> Acesso em: 06 de mai, de 2019.

DESPESAS POR FUNÇÃO. Ipeadata 3.0, 2019. Disponível em:

<http://ipeadata.gov.br/beta3/#/dados-
serie?ascOrder=&base=&busca=saude&columnOrdering=&fonte=&last=0&metaindex
=18&serid=DFSAUSE&skip=0&tema=&territoriality=Estados> Acesso em: 06 de Mai.
de 2019.

POPULAÇÃO RESIDENTE. Ipeadata 3.0, 2019. Disponível em:

<http://ipeadata.gov.br/beta3/#/dados-
serie?ascOrder=&base=&busca=popula%C3%A7%C3%A3o&columnOrdering=&fonte
=&last=0&metaindex=1&serid=DEPIS_POP&skip=0&tema=&territoriality=> Acesso
em: 06 de Mai. de 2019.