Modelo Estrutural de Aprovação do PollingData

Na aba "Modelo de Aprovação", o PollingData estamos apresentando um modelo que pode ser utilizado para prever o resultado das eleições tanto no Brasil quanto em outros países. Abaixo segue uma breve explicação de como esse modelo foi construído.

Usualmente, os modelos de previsão eleitoral se dividem em dois tipos: modelos de agregação, os quais agregam pesquisas eleitorais (como os apresentados na aba “Argentina 2015” no PollingData), e os modelos estruturais, os quais incluem como preditoras variáveis econômicas e conjunturais. Esses dois tipos de modelos têm aspectos positivos e negativos bem distintos entre si.  

Modelos de previsão eleitoral tentam prever o resultado de uma eleição. Tais previsões podem ser feitas muito antes da eleição (meses ou anos antes) e muito próximas ao dia da eleição (alguns dias antes). Os modelos de agregação podem ser vistos como dinâmicos, eles são capazes de captar todas as mudanças na intenção de voto que ocorrem durante um ciclo eleitoral. Por outro lado,  os modelos estruturais conseguem utilizar informação histórica e conjuntural sobre as eleições, captando tendências que se repetem em diferentes ciclos eleitorais.

            Um modelo estrutural bastante conhecido é o “time-for-change model”, de Abramowitz [1].  Nesse modelo o autor prevê o percentual de voto no candidato do governo, utilizando como variáveis explicativas o PIB americano no segundo trimestre do ano da eleição, a aprovação do atual presidente (no mês de Junho) e se o candidato do governo é o incumbente ou sucessor. A suposição desse modelo é de que a eleição presidencial é um referendo popular sobre a performance do presidente incumbente.

       Implementar um modelo similar no Brasil é inviável, pois houveram apenas 7 eleições presidenciais democráticas. Como alternativa, foi utilizado um modelo mais genérico, utilizando resultados de 157 eleições realizadas em 17 países, as quais incluem eleições de governadores e de presidentes. Nesse modelo alternativo, a variável dependente utilizada é uma variável indicadora de vitória do candidato do governo.  Foram utilizadas apenas duas variáveis explicativas: a aprovação do atual presidente e se o candidato do governo esta concorrendo a re-eleição (incumbente) ou se é sucessor.

           O modelo de Aprovação do PollingData é um modelo estrutural, ou seja, ele utiliza informação histórica, e pode ser utilizado para prever resultados de eleições anos antes do dia da votação.  A grande vantagem desse modelo é que ele é muito parcimonioso, permitindo que previsões eleitorais sejam feitas em contextos de muito pouca informação, bastando conhecer a aprovação do atual presidente (ou do incumbente do cargo de interesse). Mais detalhes sobre como fazer essas previsões podem ser encontrados na aba "Modelo de Aprovação" do site. Estamos utilizando esse modelo há pelo menos 6 anos, em países como EUA, Brasil, Franca, Venezuela, Inglaterra entre outros, e por enquanto, não erramos nenhuma previsão. 

            Inicialmente utilizamos apenas eleições nos EUA e no Brasil, mas fomos ampliando a base de dado com o passar dos anos. Ano passado fizemos uma ampliação substancial da base de dados, porém detectamos diversos problemas na nova base: a compilação dos resultados teve diversos erros, principalmente nas eleições para governador no Brasil. Por esse motivo, no modelo apresentado no PollingData essas eleições foram retiradas do ajuste do modelo. Assim que o problema for resolvido, a versão completa do modelo de Aprovação será publicada.