Este boletim tem como objetivo investigar algumas características associadas à probabilidade de reeleição de prefeitos(as) nos municípios analisados. A análise parte da hipótese de que fatores relacionados ao perfil do gestor e à forma como os recursos públicos são aplicados, especialmente em áreas como investimentos e previdência, podem influenciar as chances de um(a) prefeito(a) conquistar um segundo mandato.
A variável de interesse é uma Dummy de reeleição, que assume valor 1 se o prefeito foi reeleito e 0 se foi substituído por outro(a) candidato(a).
O modelo considera as seguintes variáveis como potenciais determinantes da reeleição:
Investimento sobre o total de gastos: representa a proporção de recursos alocados a despesas de capital, como obras e infraestrutura. Embora investimentos possam gerar benefícios de longo prazo, seus efeitos podem não ser percebidos imediatamente pelo eleitorado, o que pode afetar negativamente as chances de reeleição.
Gastos com previdência sobre o total: capta o esforço do gestor em cumprir obrigações com servidores públicos. Pode refletir responsabilidade fiscal e compromisso institucional, agradando a uma base importante do eleitorado, especialmente os funcionários públicos.
Logaritmo da população: controla o efeito do porte do município. Cidades maiores tendem a ter estruturas administrativas mais complexas e eleitorados mais heterogêneos, o que pode influenciar as dinâmicas eleitorais.
Gênero do prefeito: variável binária que assume valor 1 para prefeitas mulheres e 0 para homens. Considera possíveis efeitos de viés de gênero na decisão do eleitorado.
Escolaridade do prefeito: categorias que indicam o grau de instrução do gestor (ensino fundamental completo, médio incompleto e médio completo). A educação do prefeito pode afetar sua capacidade de governança, articulação política e percepção de competência perante o eleitorado.
Nota do IEG-Prev: o Índice de Efetividade da Gestão Previdenciária avalia a qualidade da administração previdenciária municipal. Utiliza-se como proxy para a capacidade institucional do município.
Dummy notas altas: variável binária que assume valor 1 para municípios avaliados com notas A ou B+ no IEG-Prev, e 0 para os demais. Essa dummy identifica os casos de maior efetividade na gestão previdenciária. Sua inclusão permite captar, de forma direta, se níveis elevados de desempenho institucional estão associados a melhores resultados eleitorais.
Interação entre investimento e notas A/B+: variável construída a partir do produto entre a proporção de investimentos sobre o total de gastos e a dummy que identifica municípios com notas A ou B+. Essa interação permite verificar se o efeito dos investimentos sobre a probabilidade de reeleição difere nos municípios com maior efetividade na gestão previdenciária, ou seja, se investimentos públicos são mais valorizados pelo eleitorado quando realizados em contextos institucionalmente mais organizados, onde a credibilidade administrativa e a transparência tendem a ser maiores.
Interação entre previdência e notas A/B+: variável resultante do produto entre a proporção de gastos com previdência e a dummy para municípios com notas A ou B+. Essa interação busca identificar se o impacto dos gastos previdenciários na reeleição depende da qualidade da gestão previdenciária. A literatura sugere que, em ambientes institucionais mais sólidos, o cumprimento de obrigações previdenciárias pode ser percebido pelo eleitorado como sinal de responsabilidade fiscal, compromisso com servidores e sustentabilidade financeira do município.
Em conjunto, essas variáveis buscam capturar dimensões importantes da atuação administrativa e das características pessoais do gestor, permitindo avaliar como tais fatores se relacionam com o sucesso eleitoral em contextos municipais.
Para estimar os efeitos dessas variáveis sobre a probabilidade de reeleição, foram utilizados três tipos de modelos:
1. Regressão Linear (OLS)}: modelo simples que estima a relação entre os fatores e a reeleição como se fosse uma variável contínua (WOOLDRIDGE, 2010).
2. Regressão Probit: modelo mais adequado para variáveis binárias (0 ou 1), que estima a probabilidade de reeleição com base numa função de distribuição normal acumulada(CAMERON;
TRIVEDI, 2005).
3. Regressão Logit: assim como o probit, é aplicada a variáveis binárias e busca estimar a probabilidade de ocorrência de um evento utilizando uma função logística para modelar a relação entre os regressores e a variável dependente (GREENE, 2018).
Todas as regressões foram estimadas com erros robustos para garantir maior confiabilidade nas inferências, especialmente em casos de heterocedasticidade (WHITE, 1980).
A tabela 1 apresenta as estatísticas descritivas das variáveis utilizadas na análise, separando os municípios entre aqueles avaliados com notas A e B+ e aqueles classificados com outras notas. Observa-se inicialmente que a participação feminina na chefia do Executivo municipal é reduzida em ambos os grupos, embora ligeiramente maior entre os municípios com notas inferiores. A diferença é estatisticamente significativa ao nível de 10%, sugerindo que administrações bem avaliadas segundo o indicador fiscal apresentam menor proporção de prefeitas.
Quanto à escolaridade, os dados indicam uma clara distinção entre os grupos: prefeitos com ensino superior completo são significativamente mais frequentes entre os municípios com nota A e B+, enquanto o ensino médio completo aparece com maior incidência entre os municípios com outras notas. Nos níveis intermediários de instrução, como ensino médio incompleto e superior incompleto, não há diferenças estatisticamente significativas.
No que se refere ao desempenho eleitoral, a média da variável de reeleição é ligeiramente superior entre os municípios com notas A e B+, embora a diferença não seja estatisticamente significativa. Por outro lado, o tamanho populacional apresenta diferença substantiva: o logaritmo da população média é significativamente maior nos municípios com melhores avaliações fiscais. Esse resultado sugere que municípios maiores tendem a apresentar estruturas administrativas mais consolidadas, favorecendo a capacidade de planejamento e execução orçamentária.
As variáveis relacionadas à alocação de recursos públicos, especificamente investimento e previdência como proporção das despesas totais, não apresentam diferenças estatisticamente significativas entre os grupos. Ainda assim, nota-se que municípios com notas A e B+ destinam, em média, um percentual ligeiramente menor às despesas de investimento e um percentual ligeiramente maior às despesas previdenciárias. Por fim, destaca-se que a amostra analisada contém 51 municípios avaliados positivamente (notas A e B+) e 124 com outras notas, o que evidencia uma distribuição assimétrica.
A Tabela 2 apresenta os efeitos marginais das estimações dos modelos de regressão, tendo como variável dependente a dummy de reeleição. Foram estimados quatro modelos por Mínimos Quadrados Ordinários (MQO), com inclusão progressiva de variáveis explicativas, além de dois modelos para a variável dependente binária, especificados pelos métodos Probit e Logit. Os erros-padrão utilizados são robustos à heterocedasticidade (HC1).
Tabela 1: Estatíısticas Descritivas
Os resultados indicam uma associação positiva e estatisticamente significativa entre o nível de escolaridade do candidato e a probabilidade de reeleição. Em particular, os coeficientes para Ensino Médio Completo e Ensino Superior Completo apresentam significância estatística ao nível de 1% nos modelos MQO mais simples e mantêm-se positivos e significativos nos modelos Probit e Logit. Esses resultados sugerem que candidatos com maior nível educacional possuem maior probabilidade de serem reeleitos, em comparação ao grupo de referência.
No caso do Ensino Superior Incompleto, embora os coeficientes apresentem sinal positivo em todas as especificações, a significância estatística é observada apenas nos modelos não lineares (Probit e Logit), o que indica que esse nível de escolaridade também está associado a maiores chances de reeleição, ainda que com menor robustez nos resultados.
A variável Gênero não apresenta coeficientes estatisticamente significativos em nenhuma das especificações, sugerindo que, controladas as demais variáveis, não há evidência de diferença sistemática na probabilidade de reeleição associada ao gênero do candidato. De forma semelhante, a variável que mede a população municipal não apresenta significância estatística, indicando que tal variável não exerce influência relevante sobre a probabilidade de reeleição no período analisado.
No que se refere às variáveis fiscais, observa-se que a razão Investimento/Gasto apresenta coeficientes negativos e estatisticamente significativos em todas as especificações a partir do modelo MQO 2, bem como nos modelos Probit e Logit. Esse resultado sugere que maiores proporções de investimentos estão associadas a menor probabilidade de reeleição, possivelmente refletindo custos políticos de curto prazo associados a esse tipo de despesa.
Tabela 2: Modelos de Regressão – Efeitos Marginais para Probit e Logit
Por outro lado, a variável Previdência/Gasto apresenta coeficientes positivos e estatisticamente significativos, indicando que maiores gastos previdenciários estão associados a uma maior probabilidade de reeleição. Tal resultado é consistente com a hipótese de que despesas de caráter mais imediato e distributivo geram maior retorno eleitoral.
As variáveis relacionadas às notas A & B+ e suas interações com os gastos não apresentam coeficientes estatisticamente significativos na maior parte das especificações. Contudo, destaca-se que a interação entre Investimento e A & B+ é positiva e estatisticamente significativa ao nível de 10% nos modelos Probit e Logit, sugerindo que, em municípios com melhor classificação fiscal, os efeitos negativos do investimento sobre a probabilidade de reeleição podem ser atenuados.
Por fim, observa-se que o poder explicativo dos modelos MQO aumenta substancialmente a partir da inclusão das variáveis fiscais, com o R² passando de 0,009 no modelo mais simples para aproximadamente 0,259 nos modelos mais completos, indicando melhora significativa no ajuste do modelo.