Resumo

A geografia eleitoral é um campo com mais de cem anos de existência, porém, com um número relativamente pequeno de publicações quando comparado a disciplinas de economia e ciência política. No Brasil o interesse por esse campo de conhecimento vem crescendo. Até 2008 era exíguo o número publicações relacionadas à geografia das eleições sequentes ao regime militar (O’Loughlin 2003; Terron 2012). Os avanços tecnológicos, que possibilitam cada vez mais o surgimento de novas técnicas de análise espacial, e as mudanças sociais ocorridas no Brasil na última década motivaram a realização deste estudo.

O objetivo do estudo é verificar a relevância das variáveis socioeconômicas demográficas como determinantes do voto nas eleições presidenciais do Partido NOVO, bem como analisar a influência da variável geográfica na estratégia política do partido. Procurando explorar esses pontos, este artigo utilizou-se de dados de variáveis socioeconômicas, eleitorais e espaciais em nível municipal.

Singer (1999) aponta a identidade ideológica entre eleitor e candidato como um fator central na decisão do voto e Carreirão (2002) confirma a identidade ideológica, adicionando a escolaridade como fator que determina o impacto dela. Este trabalho usa a hipótese da identidade ideológica para escolher as variáveis de estudo e adiciona o fator geográfico para tentar aumentar a eficácia da análise. Utilizaremos para isso a regressão ponderada geograficamente, que descreve uma gama de modelos de regressão cujos coeficientes variam de acordo com a localidade (Francisco, 2010).

O trabalho foi realizado a partir de bases de dados secundárias provenientes do IBGE e TSE, agregadas em 5565 municípios com eleições realizadas em 2018. Foi realizada a regressão linear múltipla do total de votos para Presidente do Partido NOVO. Posteriormente, uma regressão espacial, que consistiu em incorporar aspectos geográficos ao modelo com o intuito de aumentar o poder preditivo. Foram aplicadas dois modelos globais: Spatial Lag Model e o Spatial Error Model, e o modelo local GWR (Geographically Weighted Regression) e seus resultados foram comparados e interpretados.

O modelo linear múltiplo apresentou 4 variáveis socioeconômicas na explicação da quantidade de votos para Presidente do Partido NOVO. A análise espacial mostrou-se satisfatória e agregou poder de explicação ao modelo. Todos os testes para diagnóstico de dependência espacial apresentaram resultados significativos, sendo necessária a execução dos modelos Spatial Error e Spatial Lag para verificar qual dos dois modelos seria o melhor. A comparação do desempenho dos modelos pelo AIC indicou o GWR como melhor modelo espacial, sendo também o melhor modelo pelo coeficiente de determinação R² (0,79).

Renda per capita, Deputados Federais eleitos, taxa de analfabetismo e índice de Gini explicam o total de eleitores para presidente do Partido NOVO. Todos os testes para diagnóstico de dependência espacial apresentaram resultados significativos. A comparação do desempenho dos modelos pelo AIC indicou o GWR como melhor modelo, mais especificamente com a função Gaussiana de parâmetro variável. Ao levarmos em consideração o espaço geográfico, obtivemos uma melhora significativa no modelo preditivo e determinante de votos para presidente do partido NOVO.

ALBUQUERQUE, Pedro Henrique Melo; MEDINA, Fabio Augusto Scalet; SILVA, Alan Ricardo da. 2020. ANSELIN, L., 2005. BURNHAM, Kenneth P.; ANDERSON, David R. 2004. CARREIRAO, Y. D. S. 2002. CARVALHO, Alexandre Xavier Ywata; ALBUQUERQUE, Pedro Henrique Melo. 2010. FIELD, A. 2009. FRANCISCO, Eduardo de Rezende. 2010. GUJARATI, D.N. 2019. KAISER, B., 2019. O'LOUGHLIN, J. 2003. PEREIRA, Carlos; RENNÓ, Lúcio. 2007. SIEGFRIED, A., 1995. SINGER, A. 1999. TERRON, S. L. 2012. TOBLER W., 1970.