Acessibilidade / Reportar erro

Filiação partidária: uma importante variável esquecida no Brasil

Party affiliation: an important forgotten variable in Brazil

Afiliación partidista: una importante variable olvidada en Brasil

L'affiliation à un parti: une variable oubliée importante au Brésil

Se considerarmos apenas os filiados recentes a partidos políticos no Brasil, eles equivalem ao triplo dos votos recebidos por Jânio Quadros na eleição presidencial de 1960. Segundo a base de dados da justiça eleitoral brasileira, cerca de 16,8 milhões de eleitores estavam filiados a partidos políticos no final de 2018, o equivalente a 11,4% do eleitorado. Como os filiados se distribuem no Brasil? Que variáveis explicam as diferenças geográficas da filiação? Nossos objetivos são: 1) constatar o crescimento da filiação partidária nos municípios brasileiros nos anos eleitorais de 2014, 2016 e 2018; 2) analisar as variações entre eles, desde uma perspectiva socioespacial. É um estudo exploratório. Utilizamos métodos estatístico-espaciais e cartográficos para analisar a base de dados de filiação partidária. Constatamos uma teia de associações com indicadores sociodemográficos, econômicos e eleitorais. Queríamos saber o que mudou, quando mudou, onde mudou. Identificamos padrões de associações que apresentamos no artigo.

filiação partidária; distribuição geográfica; Brasil


Abstract

If we consider only the recent affiliated to political parties in Brazil, they are three times the votes received by Jânio Quadros in the 1960 presidential election. According to the database of the Brazilian electoral justice, about 16.8 million voters were members of political parties at the end of 2018: the equivalent of 11,4% of the electorate. How are these members distributed in Brazil? What variables explain the geographical differences of the affiliation? Our objectives are: 1) verify the growth of party affiliation in Brazilian municipalities in the 2014, 2016, 2018 election years; 2) analyze de variations between them, from a social-spatial perspective. It is an exploratory study. We use spatial-statistical and cartographic methods to analyze the party affiliation database. We found a network of associations with socio-demographic, economic and electoral indicators. We wanted to know what changed, when it changed, where it changed, and what changed together. We identify patterns of associations that are presented in the article.

party affiliation; geographical distribution; Brazil

Resumen

Si tomamos en cuenta solo a los afiliados recientes de los partidos políticos en Brasil, son tres veces los votos recibidos por Jânio Quadros en la elección presidencial de 1960. Según la base de datos de la justicia electoral brasileña, alrededor de 16,8 millones de votantes eran miembros de partidos políticos al final de 2018: el equivalente al 11,4% del electorado. ¿Cómo se distribuyen los partidarios en Brasil? ¿Qué variables explanan las diferencias geográficas de la afiliación? Nuestros objetivos son: 1) verificar el crecimiento de la afiliación partidaria en los municipios brasileños en los años electorales de 2014, 2016 y 2018; 2) analizar las variaciones entre ellos, desde una perspectiva socio espacial. Es un estudio exploratorio. Usamos métodos estadístico-espaciales y cartográficos para analizar la base en los datos de afiliación a partidos políticos. Encontramos una red de asociaciones con indicadores sociodemográficos, económicos y electorales. Queríamos saber que cambió, cuándo cambió, dónde cambió y qué cambió juntos. Identificamos patrones de asociaciones que presentamos en el artículo.

afiliación partidaria; distribución geográfica; Brasil

Résumé

Si l’on considère seulement les affiliés récents aux partis politiques au Brésil, ils représentent trois fois les votes reçus par Jânio Quadros lors de l’élection présidentielle de 1960. Selon la base de données de la justice électorale brésilienne, environ 16,8 millions d’électeurs étaient affiliés à des partis politiques à la fin de 2018, soit 11,4% de l’électorat. Comment les affiliés se distribuent-ils au Brésil? Quelles variables expliquent les différences géographiques dans l’adhésion? Nos objectifs sont les suivants: 1) vérifier la croissance de l’affiliation au parti dans les municipalités brésiliennes au cours des années électorales 2014, 2016 et 2018; 2) d’analyser les variations entre eux, d’un point de vue socio-spatial. C’est une étude exploratoire. Nous avons utilisé des méthodes statistiques-spatiales et cartographiques pour analyser la base de données de l’affiliation à un parti. Nous avons trouvé une communauté d’associations avec des indicateurs sociodémographiques, économiques et électoraux. Nous voulions savoir ce qui a changé, quand il a changé, où il a changé. Nous avons identifié les modèles d’associations que nous présentons dans l’article.

affiliation; répartition géographique; Brésil

Introdução

Conhecer os dados sobre a filiação partidária ajuda a avançar a compreensão a respeito desse tema? A ciência política no Brasil enfrenta uma série de mitos. Um deles confunde utilidade com influência e afirma que os partidos são eleitoral e politicamente irrelevantes. Dificilmente a filiação partidária teria qualquer relevância para as análises políticas se os partidos não contassem para nada. Porém, há décadas foi demonstrado que eles contam. A percentagem dos filiados sobre o total de eleitores não é alta, mas tão pouco é irrelevante. Assim, estudar a filiação partidária, seja como objeto em si ou como instrumento para analisar outras variáveis, não é uma futilidade acadêmica. A série histórica, que tem início em 2002, mostra que a filiação tem crescido mais do que o eleitorado em todos os intervalos bianuais entre as eleições municipais e nacionais, exceto no período entre 2004 e 2006. O crescimento não é uma linha reta: a filiação cresce mais antes das eleições municipais do que das nacionais. O crescimento varia ao longo do tempo, por tipo de eleição, por partido, segundo a distribuição geográfica dos municípios e respectivas características socioeconômicas, entre outras variáveis. Ainda assim, a filiação partidária, como vários outros temas relevantes para a ciência política, permanece pouco estudada.

Nosso objetivo é recuperar a filiação partidária para a análise da política nos municípios brasileiros. Nossa perspectiva é exploratória. Beneficiamo-nos da disponibilidade de dados no nível municipal para investigar se há ou não padrões geográficos e socioespaciais que contribuam para agregar conhecimento sobre um fenômeno que aparentemente segue direção oposta ao conhecimento das democracias consolidadas da Europa: a tendência de crescimento da filiação partidária no Brasil. A análise abrange o período mais recente disponível na base de dados à época da pesquisa, entre as duas últimas eleições nacionais de 2014 e 2018 4 4 Esse período não é excepcionalmente diferente dos demais em termos de crescimento percentual da filiação, conforme se observará nos gráficos no decorrer do artigo. Foi escolhido para ser compatível com estudos já planejados para o mesmo período, inclusive a análise da filiação por partidos. Este artigo optou por não analisar a eleição de 2016 no nível municipal, uma vez que o trabalho de Speck (2013) o faz exaustivamente para o ano de 2012 e identifica os diversos padrões no nível municipal e em níveis hierarquicamente superiores, que provavelmente se repetem em 2016. . É de nosso interesse vincular a análise exploratória especificamente a esse período mais recente de crise da democracia representativa, com desqualificação pública dos partidos e das formas tradicionais de representação política, para futuros trabalhos. A variável analisada é o número de eleitores filiados a partidos políticos, expressa em percentagem do eleitorado municipal, regional e nacional, e sua respectiva variação no intervalo entre 2014 e 2018. Metodologicamente, empregamos análises estatísticas e estatísticas espaciais, que consideram, inclusive nos modelos de regressão espacial, não somente a filiação na unidade territorial per se , mas também a correlação espacial que os filiados de municípios vizinhos possam ter entre si 5 5 O estudo da filiação por partido político, imprescindível para a análise socioespacial proposta, dada a altíssima variância nas percentagens de filiados por partidos, no alcance e na distribuição geográfica de suas bases de filiação municipais, é uma análise extensa e, embora tenha sido inicialmente planejada para este artigo, deve fazer parte de uma publicação futura. .

A filiação partidária é a prima pobre das análises da política brasileira. É dominante a impressão de que, no Brasil , ela é particularmente insignificante. “Particularmente” no sentido de menos significante do que em outros países. Esse é o primeiro mito a ser desfeito. Segundo um estudo de 2011, citado por Speck, Braga e Costa (2015), a média das taxas de filiação partidária (em percentagem de filiados sobre o eleitorado) em 27 democracias da Europa, durante os anos de 2004 a 2009, é de 4,7%. As mais altas taxas médias são da Áustria (17,3%) e as menores, da Letônia (0,7%) 6 6 Speck, Braga e Costa (2015) citam estudo mencionado no artigo “Going, going, ... gone? The decline of party membership in contemporary Europe”, de I. Biezen, P. Mair e P. Poguntke, publicado em 2012, no European Journal of Political Research , vol. 51, nº 1, p. 24-56. São esses indicadores de filiação em democracias da Europa que reproduzimos aqui. . Esses dados fazem parte de um estudo sobre o declínio dos partidos de massa na Europa. Porém, contrariamente ao mito, a taxa de filiação partidária no Brasil se aproxima das maiores taxas de países da Europa. Focalizando as mudanças, constatamos uma tendência ao crescimento no Brasil nos últimos 16 anos. Segundo a justiça eleitoral, no final de 2018 eram cerca de 16,8 milhões de eleitores brasileiros filiados a partidos políticos, o equivalente a mais de 11% do eleitorado. Tendo isso em mente, a questão central do artigo é: como se distribuíram espacialmente as filiações partidárias no Brasil, em especial no período da mais recente crise de representação, entre 2014 e 2018? A base de dados do Tribunal Superior Eleitoral disponibiliza informações sobre filiação partidária no nível municipal para uma série histórica com início em 2002. Nesse ano inicial, os filiados eram cerca de 10,9 milhões, o equivalente a 9,5% do total de eleitores registrados. A percentagem de eleitores filiados a partidos políticos sobre o número de eleitores aumentou entre 2002 e 2018.

Não obstante, esse crescimento não foi retilinear nem contínuo, como mostra a Figura 1 . A percentagem de filiados recuou meio ponto percentual entre 2004 e 2006, e variou pouco, -0,1 ponto, entre 2012 e 2014. Nos demais períodos, houve crescimento. Entre 2016 e 2018, o número aumentou em apenas 200 mil. O nível eleitoral conta: as percentagens aumentaram antes das eleições municipais. Em todas as quatro comparações entre as eleições nacionais e as eleições municipais seguintes, houve aumento.

Figura 1
Percentagem de eleitores filiados a partidos políticos nos anos eleitorais nacionais (N) e municipais (M), de 2002 a 2018

Speck (2013) Speck , B. W . “Nem ideológica, nem oportunista: a filiação partidária no contexto pré-eleitoral no Brasil” . Cadernos Adenauer , vol. 14 , nº 2 , p. 37 - 60 , 2013 . , em outro dos raros artigos que encontramos sobre filiação, explorou o tema com análises quantitativas, no nível municipal e em níveis hierarquicamente superiores, a partir da base de dados do TSE. Analisou filiação mensalmente e identificou ciclos de filiação ao longo dos anos. Encontrou picos maiores em anos não eleitorais, principalmente nos que antecediam as eleições municipais, tal como identificamos de maneira agregada. Esses picos estariam associados à legislação eleitoral que, desde 1997, exige que candidatos sejam filiados há pelo menos um ano aos partidos pelos quais são candidatos. Como o número de cargos para as eleições municipais supera em muito o quantitativo de cargos nacionais, esse seria um dos motivos da filiação maior de candidatos e apoiadores antes dos pleitos municipais. Speck (2013) Speck , B. W . “Nem ideológica, nem oportunista: a filiação partidária no contexto pré-eleitoral no Brasil” . Cadernos Adenauer , vol. 14 , nº 2 , p. 37 - 60 , 2013 . analisou detalhadamente as eleições municipais de 2012 para os cargos de prefeito e vereador. Neste artigo, as eleições municipais não serão objeto específico de análise, a não ser no que diz respeito ao número de filiados no ano eleitoral de 2016.

A Figura 2 mostra as diferenças bianuais do total de eleitores, dos filiados e dos não filiados. A dinâmica do subgrupo dos eleitores filiados é diferente das demais. O número de eleitores filiados aumentou substancialmente mais do que o do eleitorado e o do subgrupo dos não filiados. Há três exceções, todas antecedendo eleições nacionais: entre 2004 e 2006, quando houve um decréscimo de 1,8; entre 2012 e 2014, quando o aumento de 1,3 ponto percentual foi, pela primeira vez, inferior ao aumento do eleitorado; e entre 2016 e 2018, com aumento de 1,1 ponto percentual, próximo do aumento de 0,6 do eleitorado.

Figura 2
Diferença nos números de eleitores, de filiados e de não filiados a partidos políticos, em pontos percentuais, entre os anos eleitorais nacionais e municipais, de 2002 a 2018

A explicação da variância nas taxas de filiação é complexa. Em um dos primeiros trabalhos sobre a relação entre ideologia e voto no Brasil, Carreirão (2002) Carreirão , Y. S . “ Identificação ideológica e voto para presidente” . Opinião Pública , vol. 8 , nº 1 , p. 54 - 79 , 2002 . investiga qual a importância dos padrões ideológicos para a decisão do voto no país. A partir de surveys , ele constata uma correlação moderada entre declaração de posição ideológica e decisão de voto para presidente. A partir desse trabalho, outras pesquisas realizadas ao longo das duas décadas seguintes chegaram a resultados distintos.

Nosso objetivo é recuperar a filiação partidária para a análise da política nos municípios brasileiros nos anos eleitorais de 2014, 2016 e 2018, desde uma perspectiva socioespacial. Nesse período, o país enfrentou crises e mudanças drásticas no cenário político-eleitoral, com reflexos no sistema político-partidário e no comportamento eleitoral. Por perspectiva socioespacial entendemos a explicação de alterações nos números de filiados a partidos que considere os efeitos de vizinhança espacial, tendo como unidade básica o município. Não se trata apenas de distribuir as filiações no território, mas também de considerar os efeitos que os filiados de uma unidade espacial possam ter sobre seus vizinhos. A filiação partidária, não obstante, continuou crescendo. Aumentou cerca de 10 pontos percentuais, enquanto o eleitorado teve um acréscimo próximo dos 3 pontos. Mas essa variação percentual esconde mudanças. Não foi um crescimento homogêneo. Buscamos identificar se há padrões de associações para agregar ao conhecimento já criado e formular hipóteses iniciais de trabalho sobre as nuances da filiação partidária e suas consequências durante esse período de extrema polarização do eleitorado brasileiro. Nosso período de análise restringe-se às mudanças ocorridas a partir de 2014, justamente por se tratar do período mais recente de crise da democracia representativa, com desqualificação pública dos partidos e das formas tradicionais de representação política. Apesar disso, a participação proporcional de filiados em anos de eleições nacionais não apresentou queda 7 7 As variações em anos de eleições municipais devem-se, também, à maior oferta de cargos em disputa nos municípios, o que leva os partidos a promover, de forma pulverizada, novas filiações de potenciais candidatos a prefeito e, principalmente, a vereador. .

Primeiro, perguntamo-nos se há uma associação entre filiação partidária e intenção de voto. Concluímos que preferência e filiação ajudam a “organizar” o ambiente político no Brasil, apesar do sistema multipartidário e dos fortes estímulos para estabelecer relações personalistas na representação. Se for assim, nossa investigação, além de suprir uma lacuna acadêmica, ganha robustez.

Infelizmente, talvez devido à errônea presunção de irrelevância, os institutos de pesquisa brasileiros não perguntam sobre a filiação dos entrevistados. A pergunta que fazem é se o eleitor tem preferência por algum partido político. Até que essa falha seja sanada, usamos e usaremos a preferência partidária como proxy da filiação. Nesse sentido, cabe destacar que Speck, Braga e Costa (2015) concluíram, com base na análise de resultados do Estudo Eleitoral Brasileiro (Eseb) de 2014, que a identificação partidária contribuiu para explicar a probabilidade de filiação. Uma constatação importante, segundo os autores, é que, no grupo dos que gostam de um partido, identificaram-se mais chances de filiação, maior conhecimento político e maiores taxas de associativismo, em comparação ao grupo dos que não gostam de nenhum partido. Esse comportamento seria, por sua vez, influenciado pela região, gênero e grau de instrução. Concluíram também que identificação partidária contribui para explicar os padrões de votação em candidatos para diferentes cargos do mesmo partido. Em um trabalho que descreve a preferência partidária ao longo do tempo no Brasil, Kinzo (2005) Kinzo , M. D . “ Os partidos no eleitorado: percepções públicas e laços partidários no Brasil” . Revista Brasileira de Ciências Sociais (RBCS) , vol. 20 , n° 57 , p. 65 - 81 , 2005 . mostrou uma força relativa dos vínculos entre eleitores e partidos nacionais. Em outra forma de abordagem, Lazzari (2017) Lazzari , E. A . “ Explicações assimétricas para a desconfiança em partidos políticos no Brasil” . Opinião Pública , vol. 23 , nº 2 , p. 334 - 360 , 2017 . investigou o que condiciona a confiança em partidos políticos no Brasil. De acordo com o autor, a desconfiança não é explicada por variáveis individuais, pois os partidos contrariam as expectativas dos eleitores de maneira geral.

Usamos os dados de uma pesquisa de intenção de votos do Instituto Datafolha de setembro de 2018, disponível no repositório de banco de dados do Cesop/Unicamp ( Datafolha, 2018 Datafolha . Intenção de Voto para Presidente. Setembro de 2018, nº 04573. In: Banco de Dados do Centro de Estudos de Opinião Pública . Unicamp , Campinas , 2018 . Disponível em: < https://www.cesop.unicamp.br/por/banco_de_dados/v/4383> . Acesso em: out. 2020 .
https://www.cesop.unicamp.br/por/banco_d...
) Assim, ao relacionarmos preferência com intenção de voto, teremos uma aproximação da [possível] associação entre filiação e intenção. O coeficiente de correlação das respostas válidas para as perguntas: “Tem preferência por algum partido político?” e “Se as eleições fossem hoje, em qual desses candidatos você votaria?” (resposta estimulada com apresentação dos nomes dos candidatos) foi de r = 0,24 (p = 0,000). Há uma correlação entre a preferência partidária e a intenção de voto para presidente em 2018.

Quando olhamos para as relações entre os partidos e os candidatos, percebemos que as relações entre os pares de categorias são consistentes com a ideia de que as preferências ajudam a organizar as decisões eleitorais, pelo menos para a maior parte dos candidatos e dos partidos, conforme se observa no quadro da Figura 3 . Esse quadro apresenta todos os coeficientes de resíduos padronizados para o cruzamento entre partido de preferência e intenção de voto para presidente. Consideramos estatisticamente significativos os valores superiores a ±1,96. Valores superiores a –1,96 significam que há menos resíduos no par do que o esperado se a distribuição fosse aleatória. Valores acima de +1,96 significam que há mais resíduos no par de categorias. Os pares com significância estatística estão indicados por cores. O azul é resíduo significativo positivo e o amarelo, negativo. O fundo branco mostra resíduos sem significância estatística.

Figura 3
Resíduos padronizados entre intenção de voto a presidente e preferência partidária em 2018

A maior parte dos candidatos apresenta resíduo positivo com preferência partidária apenas pelo seu próprio partido ou, no máximo, mais um ou dois próximos no espectro ideológico. A exceção é Bolsonaro, que apresenta resíduos positivos com cinco partidos, todos de direita, e somente um com resíduo negativo, o PT. Por outro lado, a candidata Vera Lucia (PSTU) não apresenta resíduo significativo com nenhum partido dentro dos citados pelos eleitores, e o Cabo Daciolo (Patriota) apresenta resíduo positivo com eleitores que dizem preferir o PCdoB. Fica demonstrada a utilidade da preferência partidária para a explicação e a previsão da intenção de voto para presidente da República, pelo menos para o caso da eleição presidencial de 2018, para a qual aplicamos o teste cujos resultados constam na Figura 3:

Na Figura 4 , observamos os resíduos padronizados dos principais candidatos em relação à preferência pelo seu partido. Em praticamente todos os casos, exceto o do Cabo Daciolo, os resíduos são os positivos e mais altos no cruzamento entre as categorias. No entanto, não existe associação entre tamanho e “idade” do partido e intenção de voto: enquanto o maior resíduo padronizado positivo foi encontrado entre intenção de voto em Fernando Haddad e preferência pelo PT (16,9), o segundo maior foi entre João Amoêdo e preferência pelo Novo (16,3), partido que estava disputando sua primeira eleição em 2018. Seguem em ordem decrescente os resíduos entre Boulos e PSOL (12,2) e Bolsonaro e PSL (11,2).

Figura 4
Resíduos padronizados dos candidatos a presidente em 2018 e seus respectivos partidos

Os dados dessa pesquisa nos mostraram que o eleitor brasileiro que diz ter preferência por determinado partido tende a indicar voto em candidato desse partido ou de partido próximo no espectro ideológico na eleição presidencial. Portanto, analisar a filiação dos eleitores a partidos políticos pode agregar conhecimento sobre essa característica de “organização” das preferências políticas e seus vínculos eleitorais.

Outra justificativa para o estudo das filiações partidárias é a possível relação entre essa variável e a participação política. Espera-se que os filiados a partidos políticos participem mais dos processos eleitorais. Portanto, quanto maior a filiação, menor a abstenção eleitoral. Ao correlacionarmos as percentagens de abstenção nas eleições nacionais em 2018, por município, e de filiados a partido político nos mesmos municípios, encontramos um coeficiente de correlação linear de r = -0,20 (p = 0,000), ou seja, há uma correlação fraca, porém negativa. Quanto maior a percentagem de filiados a partidos em um município, menor tende a ser a abstenção eleitoral. Se colocarmos as duas variáveis em um modelo de regressão linear, encontraremos o coeficiente b = -0,14, ou seja, para cada ponto percentual a mais de filiado, menos 0,14 ponto percentual de abstenção em 2018.

Nesta “Introdução”, demonstramos que houve maior tendência de crescimento nas percentagens de filiados na última década que o crescimento do eleitorado. Também apresentamos a existência de alguma coerência no posicionamento dos eleitores entre partido de simpatia e opção de candidato a presidente em 2018. Por fim, justificamos nosso estudo demonstrando uma associação negativa entre filiados e abstenção eleitoral em municípios brasileiros, nas eleições nacionais de 2018. Em função desses resultados iniciais, analisamos a seguir, em “Padrões regionais no período 2014-2018”, a distribuição dos eleitores filiados a partidos políticos no Brasil entre 2014 e 2018, especificamente nos anos eleitorais de 2014, 2016 e 2018, organizando a análise em três tópicos. Na próxima seção, “Padrões e dinâmica das filiações por município no período 2014-2018”, apresentamos os padrões gerais de filiação partidária no Brasil, a partir do banco de dados do TSE no nível municipal, porém com foco nas semelhanças e diferenças regionais. Depois analisamos a distribuição geográfica de filiados por município e testamos algumas hipóteses vinculadas às características territoriais, sociodemográficas e econômicas, com técnicas de análise espacial. Por fim, em “Conclusões”, apresentamos as considerações finais.

Padrões regionais no período 2014-2018

Os anos seguintes à reeleição de Dilma Rousseff (PT) registraram crescimento no número de filiados a partidos políticos no Brasil, segundo dados do TSE ( Tabela 1 ). Entre 2014 e 2018, o número de filiados cresceu cerca de 1,5 milhão de eleitores, passando de 10,7% para 11,4% do total do eleitorado.

Tabela 1
Filiados, não filiados e total em percentagens em 2014, 2016 e 2018

As médias, por município, que levam em conta as diferenças de tamanho entre os distritos eleitorais, indicam que houve um crescimento maior, de quase três pontos percentuais entre 2014 e 2018, sendo também pequena a queda na média em 2016. Em 2014, a média municipal era de 16,9% de eleitores filiados a um partido político; em 2018, chegou a 18,7%.

Não obstante, essas médias não consideram que as regiões brasileiras diferem em muitos aspectos políticos. Há diferenças significativas entre as taxas de filiação das várias regiões. Devemos perguntar se há regiões com maiores proporções de filiados que outras. Para essa avaliação usamos o teste de Tukey 8 8 O teste de Tukey permite a comparação entre as categorias, sempre entre pares ( pairwise comparation ), para comparações a posteriori ( post hoc ), sem a necessidade de existência de uma média prévia para ser comparada. Por esses motivos Tukey é o teste de variância mais indicado para as comparações entre localização regional e outras características para as médias de filiados por municípios. , que, além de indicar a percentagem média municipal por região, distribui as unidades de análise em grupos por proximidade. As regiões que apresentam percentagens médias muito próximas entre si integrarão o mesmo subconjunto. Se houver diferenças estatisticamente significativas entre as médias das regiões, elas ficarão em subconjuntos distintos.

Calculamos o teste para as cinco regiões 9 9 Como nossa análise é a partir das proporções de filiados entre regiões apenas para o período entre 2014 e 2018, a variação do total de eleitores e a variação temporal entre as regiões não afetam os resultados. do país, para os anos de 2014, 2016 e 2018. O resultado está sintetizado na Figura 5 10 10 Os valores calculados, bem como a significância dos testes, podem ser conferidos nas tabelas anuais do Apêndice A. . Os três gráficos de barra representam as percentagens municipais médias de filiados em cada região por ano. Os subgrupos significativos estão indicados pela letra G associada a números de 1 a 5.

Figura 5
Síntese dos testes de Tukey realizados sobre as percentagens de filiados municipais para as cinco regiões do país (2014, 2016, 2018)

Podemos concluir que há diferenças entre as regiões brasileiras no que diz respeito às percentagens de filiados sobre o eleitorado municipal, embora essas diferenças possam manter certo padrão temporal. Há um decréscimo em todas as regiões entre a eleição nacional de 2014 e a municipal de 2016, e um aumento subsequente antes da eleição nacional de 2018, superando, inclusive, as percentagens de 2014. O teste estatístico confirmou a existência de cinco subgrupos em 2016 e 2018, pois as médias em cada região foram significativamente diferentes das demais. Em 2014, foram apenas quatro subgrupos, pois as regiões Centro-Oeste e Sul apresentaram médias mais próximas entre si e conformaram um único subgrupo (G4). As regiões mantiveram a mesma ordem crescente na comparação estatística das médias das percentagens municipais nos três anos, sendo sempre o Nordeste a região com a menor média nas percentagens de filiados por município, seguido pelo Sudeste, Norte, Sul e Centro-Oeste. A diferença entre o primeiro grupo e o último também manteve um valor próximo dos nove pontos percentuais nos três anos.

Quando olhamos os números por ano, temos a impressão de certa manutenção e estabilidade regional no número de filiados. Porém, se consideramos as diferenças entre 2014 e 2018, percebemos variações no crescimento das filiações partidárias. O gráfico da Figura 6 mostra as diferenças em pontos percentuais por região entre os dois anos. A média para as cinco regiões ficou em dois pontos percentuais e está indicada pela linha pontilhada na imagem. A região onde houve o maior crescimento relativo de filiados foi a Norte, com 3,1 pontos percentuais, seguida do Centro-Oeste, com 2,4 pontos percentuais. As duas ficaram acima da média nacional de crescimento. Muito próximo da média está o Nordeste, com 1,9 ponto percentual, depois vem o Sul, com 1,7, e o Sudeste, com 1,2 ponto percentual de crescimento de filiados entre 2014 e 2018. Importante notar que o Sul, região com a maior percentagem média, apresentou crescimento abaixo da média nacional e o Centro-Oeste, que apresenta a segunda maior percentagem de filiados, ficou acima do crescimento médio de filiados por município no Brasil entre 2014 e 2018.

Figura 6
Média das diferenças de percentagens de filiados municipais entre 2014 e 2018 por região do país, em pontos percentuais

O teste de médias de Tukey para as diferenças de filiados mostra a formação de quatro grupos. Sul e Nordeste apresentam crescimentos muito próximos entre si. Como os testes de Tukey apresentaram diferenças de médias estatisticamente significativas e como o crescimento no período em análise foi distinto entre as regiões do país de 2014 a 2018, as estatísticas descritivas apresentadas até aqui demonstraram ser possível buscar explicações sobre a dinâmica de filiação a partidos políticos no Brasil a partir de técnicas de regressão espacial. Para tanto, usaremos na próxima seção algumas variáveis sociodemográficas explicativas para identificar quais as características dos municípios que, quando controladas geograficamente, contribuem mais para explicar as variações de médias de eleitores filiados a partidos políticos. Assim, nossa variável de controle será a região do país em que se localiza o município.

As diferenças regionais estáticas medidas nos anos de 2014, 2016 e 2018, e as diferenças regionais dinâmicas, que compararam as mudanças nas taxas de filiação entre 2014 e 2018, nos levam a algumas conclusões:

  1. A filiação partidária é um fenômeno estável, mas não constante. Em todos os anos há variância entre as regiões e seus agrupamentos (a partir de Tukey );

  2. Há variância entre as taxas de mudança;

  3. Essa variância precisa ser explicada, e as regiões contribuem, ainda que modestamente, para sua explicação.

Padrões e dinâmica das filiações por município no período 2014-2018

Nesta seção, analisamos as distribuições de filiados partidários por municípios brasileiros em 2018 e a diferença entre filiações em 2014 e 2018. Na primeira parte, analisamos se há um padrão na distribuição geográfica da filiação partidária. Na segunda parte, realizamos regressões espaciais, com controle por variáveis socioeconômicas dos municípios, em busca de explicações para as diferenças espaciais 11 11 As análises de regressão espacial foram executadas no sistema GeoDa (< http://geodacenter.github.io/download.html > ) utilizando-se o modelo espacial autorregressivo de deslocamento espacial, ou spatial lag . O diagnóstico da dependência espacial dos resíduos (pelo teste I de Moran) é realizado quando se executa a regressão clássica (mínimos quadrados ordinários) associada a uma matriz de vizinhança dos municípios. Os diagnósticos com base no Multiplicador de Lagrange (simples e robusto) são fornecidos para escolha do modelo de regressão espacial. Como os estimadores e os diagnósticos tradicionais da regressão não consideram os efeitos espaciais, os modelos de análise deixam de ser comparáveis pelas medidas tradicionais como as que se baseiam no R. Uma das estatísticas usadas como guia para seleção de modelos em regressão espacial é o critério de informação de Akaike (AIC), e o melhor modelo é o que possui o menor valor de AIC. Para análise espacial e modelos de regressão espacial, ver Anselin (2005) ; Anselin e Reys (2014) ; GeoDa Documentation (2019); Smith, Goodchild e Longley (2018). . Abordando o tema, mas com outros objetivos, Oliveira e Turgeon (2015) Oliveira , C. ; Turgeon , M . “ Ideologia e comportamento político no eleitorado brasileiro” . Opinião Pública , vol. 21 , nº 3 , p. 574 - 600 , 2015 . discutem a relação entre ideologia e comportamento eleitoral no Brasil. Eles analisam o que a ideologia representa para o eleitor e como ela é usada para explicar comportamentos mais partidários em períodos eleitorais. A conclusão dos autores é que o eleitor, de maneira geral, não compreende a semântica “direita e esquerda”. Para nós, essa informação é importante, pois abriria espaço para uma explicação alternativa à filiação partidária.

O mapa da Figura 7 mostra a distribuição das percentagens de filiados em 2018 por município brasileiro e o da Figura 9 apresenta os resultados do teste de cluster LISA para vizinhança entre unidades espaciais 12 12 Na Figura 7 , o método escolhido para classificar o mapa coroplético foi o decis. Ainda que mais de cinco ou seis classes de representação para os 5.570 municípios brasileiros dificultem a identificação de que município pertence a determinada categoria, nessa escala o mapa coroplético se destina apenas a uma análise visual de possíveis padrões geográficos. As linhas dos contornos municipais foram suavizadas para não prejudicar a identificação do padrão e simultaneamente mostrar a discrepância na extensão territorial dos municípios, que muitas vezes podem levar a uma falsa interpretação, assim como à ausência de indicadores de tamanho da população. Sobre esse tema, recomendamos consultar Monmonier (2018) . . No mapa da Figura 8 , é possível perceber o padrão geograficamente estruturado, que já havia sido identificado pelas diferenças e nas médias regionais da Figura 5 . Nordeste e Sudeste foram as regiões com as mais baixas médias, e, no mapa, os municípios dos estados dessas regiões estão representados nas cores mais claras, correspondendo aos decis das mais baixas percentagens de filiados. As exceções possíveis de identificação nessa escala são os municípios do centro-sul do Piauí, interior da Paraíba e boa parte do Rio Grande do Norte e de Alagoas. Ainda assim, esses indicadores não são suficientes para tirar a região Nordeste da posição de mais baixas médias municipais nos três anos analisados. Na região Sudeste, colocada acima da Nordeste na ordem ascendente das médias, observa-se um padrão mais mesclado entre as classes de decis de menores percentagens. Esse padrão é similar nos quatro estados da região, o que não ocorre na região Nordeste. A próxima região, em ordem ascendente, é a Norte. Nela, o estado do Pará destoa pelas baixas médias em comparação aos demais estados da região. Na sequência, a região Sul nos revela Santa Catarina e Rio Grande do Sul com cores que representam as mais altas classes de decis, e o estado do Paraná dividido: a leste predominam os tons mais claros e a oeste, os mais escuros. Talvez se possa dizer que esse é também o padrão de São Paulo, um pouco mais suave. Os municípios da região Centro-Oeste apresentam médias muito altas. Alguns poucos espaços mais claros, dentre os quais cabe destacar o DF e entorno.

Figura 7
Mapa de decis das percentagens de filiados por município, em 2018

Figura 9
Mapa de desvio-padrão das variações nas percentagens de filiados por municípios entre 2014 e 2018

Figura 8
Mapa de clusters pelo método LISA das percentagens de filiados por município, 2018

Uma das conclusões que podem advir da representação geográfica de 2018, para investigações futuras, é que existem estados onde a variância das médias municipais é baixa, como o Rio Grande do Sul, com suas altas médias municipais, e a Bahia, com baixas médias na maioria dos municípios. Por outro lado, nos estados do Sudeste a variância deve ser alta para gerar esse padrão geográfico desestruturado. Partidos, política local, política estadual e quem sabe até cultura política talvez possam explicar tais diferenças.

Para quantificarmos a concentração geográfica, utilizamos o índice de Moran, que varia de 0 a ±1, similar ao índice de correlação de Pearson, mas aplicado à autocorrelação espacial. O Índice de Moran calcula a correlação entre as percentagens de filiados municipais e a média dessa mesma variável nos municípios de uma vizinhança preestabelecida; por isso, é uma autocorrelação. Dele derivam quatro classes, que são representadas no mapa de cluster de Moran Local (LISA). Os clusters (agrupamentos) do tipo alto-alto são aqueles nos quais as percentagens de filiados são altas em vizinhança cuja média de percentagens municipais também é alta, ou seja, o agrupamento dos municípios é estatisticamente similar em relação a essa variável. A mesma interpretação pode ser derivada para as outras três classes: baixo-baixo, alto-baixo e baixo-alto. Há municípios que não alcançam significância estatística, ou seja, não há comprovação de que conformem algum padrão em relação a outros municípios vizinhos, no que concerne à variável em questão.

O índice de Moran das percentagens de filiados municipais em 2018 é de 0,39 (p = 0,05), ou seja, positivo, significativo e relativamente alto, indicando a existência de autocorrelação espacial com a formação de agrupamentos municipais predominantemente do tipo alto-alto e baixo-baixo, conforme se observa na Figura 8 .

Esse mapa é interessante porque oferece a síntese da concentração geográfica, além da medida dada pelo índice. Há mais municípios conformando agrupamentos de baixas percentagens de filiados (1.256) do que de altas percentagens (521). Menos ainda são os outliers geográficos, baixos próximos de altos percentuais de filiados (158) e altos próximos de baixos percentuais (96). O Pará, estado discrepante no mapa de decis, apresenta realmente uma concentração de municípios de baixas percentagens de filiação, que estatisticamente conformam uma região. Municípios do Ceará, Pernambuco e Bahia (grande parte) e o norte de Minas Gerais formam outra grande região de baixa filiação. Interessante notar os agrupamentos do tipo baixo-baixo correspondendo às regiões metropolitanas de Belo Horizonte, Rio de Janeiro, Vitória, São Paulo, Curitiba, Brasília e outros grandes centros urbanos, destacados em azul escuro no mapa. Os clusters de municípios de altas percentagens são bem menores e mais concentrados geograficamente. Aparentemente, municípios do oeste de Goiás e Tocantins poderiam ser considerados uma grande região de alta filiação. Assim como no centro-sul e oeste de Santa Catarina e noroeste do Rio Grande do Sul. Acre, Roraima e Amapá apresentam alguns municípios que também se destacam no agregado estatístico.

Repetimos a análise geográfica para as variações nas percentagens de filiados municipais entre 2014 e 2018. Esperava-se uma inversão dos resultados, pois municípios com altas percentagens de filiação partidária tendiam a apresentar menor crescimento, enquanto os pontos percentuais mais robustos tendiam a estar em municípios que apresentavam baixos percentuais de filiados em 2014. O mapa coroplético da Figura 9 foi elaborado pelo método de classificação de desvios-padrão para evidenciar a dispersão geográfica em torno da média. A escala de cores é apropriada para essa representação, intensificando os tons de verde para os valores acima da média e os tons de ocre para os valores abaixo da média. A média da variação das percentagens de filiados nos 5.570 municípios brasileiros foi de 1,8 ponto percentual, com desvio-padrão de ±2,9 pontos percentuais. As classes para mapeamento são definidas pela soma ou subtração de uma unidade de desvio-padrão, a partir da média. No mapa, observa-se que a grande maioria dos municípios ficou a uma unidade de desvio acima ou abaixo da média de 1,8 ponto percentual, no intervalo entre –1,1 e +4,7 pontos de variação. Do mapa destaca-se o distanciamento da média dos estados do Acre e de Alagoas, com variação acima dos 7,5 pontos percentuais. Observa-se ainda que houve crescimento em municípios da região Norte do país, notadamente no extremo norte e no estado de Tocantins.

O coeficiente I de Moran para as diferenças por municípios é de 0,40, muito próximo da correlação espacial anterior. No mapa da Figura 10 , com os clusters LISA, há um número menor de municípios em clusters consistentes, seja com variações positivas ou negativas nas percentagens de filiados. Do total, a ampla maioria, 4.733 municípios, não apresenta significância estatística para clusters de vizinhança. É possível perceber que o cluster de variação positiva (vermelho escuro) se dá principalmente em municípios do Acre, de Alagoas e do centro de Tocantins. É interessante notar que Acre e Alagoas conformam clusters com a totalidade dos municípios do estado, indicando algum tipo de ação local vinculada à filiação com vistas, provavelmente, à eleição aos governos desses estados em 2018. Já a área com menor variação (azul escuro) se dá principalmente no interior da região Nordeste 13 13 Entendemos que estudos exploratórios trazem à tona informações subjacentes que inicialmente podem parecer irrelevantes, mas que não raro são úteis para novos estudos empíricos e hipóteses, especialmente quando é escassa a análise de dados sobre o tema. O caso dos estados do Acre e de Alagoas é um desses exemplos de descoberta que talvez permanecesse oculta por muito tempo ou nunca viesse à tona. O que aconteceu nesses dois estados que os diferenciou do padrão nacional? Que partidos foram responsáveis pelo aumento nas percentagens de filiados municipais que formaram um único cluster em todo o estado, diferente dos outros clusters menores de municípios nos demais estados? Essas e outras perguntas podem inspirar novas análises. .

Figura 10
Mapa de clusters pelo método LISA das variações nas percentagens de filiados por municípios entre 2014 e 2018

A análise das distribuições de filiados por municípios e regiões mostrou que os filiados no Brasil entre 2014 e 2018 não se distribuíram de maneira homogênea em todo o país. Os municípios com maiores percentagens de filiados são os das regiões Sul e Centro-Oeste, enquanto os municípios que apresentaram os maiores percentuais de crescimento foram os da região Norte. Nosso objetivo agora é investigar se características territoriais, sociodemográficas e econômicas dos municípios, associadas à divisão regional, são capazes de agregar conhecimento sobre o fenômeno da filiação partidária. Incluiremos variáveis socioeconômicas dos municípios para controlar as explicações.

Selecionamos seis indicadores para integrar os modelos de regressão, objetivando compreender melhor as variações nas percentagens de filiados municipais em 2018 e as respectivas diferenças entre 2014 e 2018:

  • Indicador geográfico de urbanização: uma dummy , indicando se o município pertence a alguma região metropolitana, pressupondo que o contexto urbano, a proximidade e a inter-relação com outros municípios possam proporcionar mais estímulos para a filiação;

  • Indicador demográfico: a população municipal estimada em 2015 (IBGE), que também pode ser indicativo aproximado de desenvolvimento socioeconômico dos municípios;

  • Índice de Vulnerabilidade Social (IVS) dos municípios, calculado pelo Ipea para o ano de 2010;

  • Indicador de acesso a conteúdos digitais: dummy binária, indicando a existência de telefonia móvel de terceira geração (3G) no município, em 2016 (Anatel); e

  • Indicadores econômicos: as percentagens dos valores agregados da atividade agrícola e da atividade industrial do PIB municipal (IBGE, 2016).

Acompanhamos a hipótese de que municípios maiores, localizados em regiões metropolitanas, mais desenvolvidos tanto econômica quanto socialmente e com mais acesso a informações tendem a ter percentagens de filiados mais altas. Apresentamos dois modelos de regressão por Deslocamento Espacial, tipo de regressão espacial indicada como o de melhor ajuste para a variável dependente “percentagem de filiados sobre os eleitores municipais em 2018”. No primeiro modelo, incluímos os seis indicadores socioeconômicos e territoriais e, no segundo, adicionamos a variável “região” para controlar as diferenças entre as cinco regiões do país. As estatísticas dos modelos mostram um ajustamento médio. O coeficiente de ajuste de Deslocamento Espacial (Rho) foi de 0,50 no modelo 1 e de 0,46 no modelo 2. O ajuste espacial melhora pouco no modelo 2, pela inclusão da variável “região”: o coeficiente de determinação R 2 passa de 0,42 para 0,43, e o critério de Akaike diminui, como ocorre quando a regressão espacial melhora.

A análise dos efeitos individuais mostra que nossa hipótese inicial deve ser parcialmente refutada. Em ambos os modelos, nosso indicador de urbanização, ou seja, estar em região metropolitana, não teve muito sucesso. Apesar do impacto positivo, não alcançou significância, especialmente no modelo controlado por “região”. O efeito da urbanização sobre a filiação é diferenciado por região. Já o contingente populacional, o acesso à internet 3G e a percentagem de receitas da indústria apresentaram inesperado impacto negativo e significativo sobre a filiação. O IVS, por sua vez, apresentou efeito esperado do modelo, com tendência de redução na percentagem de filiados em municípios com maior vulnerabilidade social. No modelo sem controle regional, comparando os valores padronizados (z-value), percebe-se que o maior efeito positivo sobre a filiação partidária é o da “percentagem de receitas da agricultura” (15,2) e o maior efeito negativo é ter acesso à internet 3G (–22,9).

O que muda quando inserimos a variável de controle “região” no modelo? Boa parte dos resultados anteriores se mantém, ainda que as estatísticas da variável “região” se mostrem estatisticamente significativas. Entretanto, os efeitos do controle da região são percebidos em duas mudanças nas variáveis explicativas. Em primeiro lugar, definitivamente região metropolitana perde poder explicativo no contexto regional. O IVS é um indicador geograficamente estruturado, sendo elevado nos municípios das regiões Norte e Nordeste do país; assim, como esperado, com a inclusão da variável “região”, seu impacto foi ajustado para baixo. Os indicadores econômicos das percentagens do PIB municipal agro e industrial também sofreram pequenos ajustes. Uma leitura desses ajustes é que, controladas as regiões onde os municípios se encontram, a maior parte das variáveis perde capacidade explicativa na nossa hipótese inicial, exceto “ter 3G” e “% de receitas industriais”, que exercem um efeito negativo sobre a percentagem de filiados por município, que é independente da região do país. Em resumo, municípios menores e com economia menos industrializada tendem a apresentar maior percentagem de filiados, enquanto municípios mais industrializados e com maior acesso à informação digital (3G), ao contrário, tendem a apresentar menor percentagem de filiados.

Tabela 2
Resultados das regressões espaciais para as percentagens de filiados a partidos políticos em 2018

A seguir, procuramos identificar a dinâmica das filiações partidárias através das diferenças das percentagens de filiados por município entre 2014 e 2018. Como pode ser verificado na Figura 6 , as médias de diferenças de filiações por região variaram. A questão agora é saber se essas variações se deveram mesmo à geografia ou se elas foram resultado de efeitos de variáveis que não são as de vizinhança espacial.

A Tabela 3 apresenta dois modelos semelhantes aplicados agora à variável dependente das diferenças. Os resultados indicam que região do país não tem efeito sobre as variações de filiados por município. O coeficiente de regressão por Deslocamento Espacial (Rho) é praticamente o mesmo nos dois modelos (0,64), assim como o R 2 (0,35) se repete para modelo com e sem controle. O critério Akaike de ajustamento também é praticamente o mesmo. Além disso, a variável “região” no segundo modelo não apresenta significância estatística.

Tabela 3
Resultados das regressões espaciais para as diferenças das percentagens de filiados a partidos políticos entre 2014 e 2018

Os efeitos individuais das variáveis explicativas também se mantêm. População, percentagem de receitas da indústria e ter acesso a 3G no município apresentam efeito negativo sobre a percentagem de filiados. Por outro lado, estar em região metropolitana, ter maior vulnerabilidade social e ter maior percentagem de receitas da agricultura tendem a apresentar efeitos positivos sobre a percentagem de filiados no município. No caso do controle por região do país, o maior efeito individual está na variável 3G. Aqui também, a exemplo do teste anterior, ter acesso à internet 3G diminui a diferença na percentagem de filiados em 2014 e em 2018. Quando analisamos as diferenças no período, não encontramos padrões de natureza estrutural, e talvez a dinâmica seja fruto exclusivamente das forças e interesses político-partidários no incentivo à filiação.

Em síntese, no senso comum brasileiro tem-se que as regiões mais desenvolvidas, com maior acesso à informação e com maior densidade populacional tendem a se aproximar mais das instituições políticas, no caso, dos partidos, via filiação formal. Não foi o que encontramos . Nossa análise mostrou que municípios menores, fora dos grandes centros metropolitanos, com economia primária e menor acesso à informação digital tendem a ter mais filiados em partidos políticos. Isso ajuda a entender a primeira diferença apresentada no artigo, que é a da filiação nos municípios por regiões do país. As “barreiras” encontradas pelo desenvolvimento econômico (% de receitas das indústrias e 3G) para filiação partidária aplicam-se aos municípios de todas as regiões do país.

Por que isso acontece no Brasil? Municípios mais desenvolvidos economicamente, menos vulneráveis socialmente e com maior densidade populacional tendem a apresentar menos filiados a partidos políticos no início do século XXI? Uma hipótese a ser explorada no futuro é o caráter instrumental que a filiação partidária ganha para atendimento a demandas apresentadas ao Estado. Áreas geográficas mais desenvolvidas econômica e socialmente são aquelas em que as demandas são outras, que não as mais básicas, dirigidas à própria sociedade ou ao mercado, onde o Estado tem papel menos relevante no cotidiano da sociedade local.

Conclusões

A análise descritiva das distribuições de filiados a partidos políticos no Brasil nos permite algumas conclusões. A mais importante é que se trata de uma variável injustamente esquecida pela literatura da área no Brasil. As filiações são dinâmicas ao longo do tempo e, na última década, o percentual de crescimento de filiados ficou acima do crescimento vegetativo do eleitorado. Isso significa que nossos eleitores estão ficando mais ideológicos/partidários? Não! E aqui se encontra o principal “achado empírico” de nosso artigo. Ao contrário do que se esperava encontrar, nos anos investigados os percentuais de filiados a partidos não se encontram em áreas com maior desenvolvimento social e econômico, nos munícipios mais urbanizados e integrantes das regiões metropolitanas.

Nossos modelos de regressão espacial precisam ser refinados, mas, como primeira aproximação, nós encontramos resultados intrigantes, em especial se considerarmos pressupostos normativos. Municípios mais desenvolvidos econômica e socialmente, menos vulneráveis socialmente e com maior contingente populacional tendem a apresentar menor relação formal com partidos políticos do que municípios pequenos, com baixo desenvolvimento social e com perfil econômico rural no início do século XXI. No Brasil, a filiação partidária tende a ocorrer mais nos rincões. Isso nos permite afirmar que existe uma possibilidade grande de termos no Brasil uma filiação não por motivos ideológicos, mas uma filiação instrumental. Para testar empiricamente essa afirmação em futuros trabalhos, é possível manter o distrito eleitoral como controle e verificar os efeitos de variáveis explicativas que vão além do tamanho do município.

Dizemos instrumental no sentido de que, se nas regiões metropolitanas o mercado e a sociedade são atores relevantes para atender às demandas dos cidadãos, no interior do país é o Estado quem provê as ausências de um mercado desenvolvido e de uma sociedade organizada. E, para ter acesso ao Estado, entre outros recursos, o eleitor pode usar a filiação partidária. Essa afirmação dá origem a uma hipótese de trabalho para futuras pesquisas, com desenho microssociológico, mais adequado para aferição de explicações de comportamentos e desejos do que a abordagem macrossocial que utilizamos aqui. Nosso objetivo foi analisar as filiações do ponto de vista agregado. Agora, é preciso descer ao nível micro para entender os detalhes das diferenças de filiados entre regiões e tipos de municípios.

O que já sabemos é que os indicadores de filiação partidária no Brasil, em geral, são relativamente altos, se comparados a países europeus. Além disso, em democracias consolidadas há uma tendência de declínio no percentual de filiados, enquanto no Brasil temos uma leve tendência de crescimento. Aqui abre-se outra agenda de pesquisa, a da diferença entre filiações a partidos tradicionais e aquelas relativas aos novos partidos políticos, surgidos na última década, consequência em grande medida da crise de fim do ciclo político capitaneado pela tríade PSDB, PT, MDB. Entender como se distribui o crescimento das filiações, não apenas em termos espaciais ou por característica dos filiados, mas sim em relação à dimensão do sistema partidário, é importante para entender a dinâmica das filiações no Brasil. Outro objetivo para uma agenda futura de pesquisas é analisar como se distribuem as variações de filiações entre os partidos políticos brasileiros, coisa que não foi possível neste artigo em função da limitação de espaço e necessidade de aprofundamento nas diferenças entre as instituições partidárias.

Sobre os achados da abordagem espacial macrossociológica deste artigo, constatamos se tratar de um fenômeno relativamente estável quando olhado a distância, mas, se observado de perto, as diferenças de filiações em nível regional e municipal são significativas. As regiões Sul e Centro-Oeste apresentam os maiores percentuais de filiados entre 2014, 2016 e 2018. Já as variações no período indicam outra lógica, que pode estar relacionada a distintas dinâmicas de política local entre eleições nacionais e municipais.

Referências bibliográficas

  • Anatel . Indicadores de qualidade . < https://www.anatel.gov.br/dados/controle-de-qualidade> . Acesso em: out. 2019 .
    » https://www.anatel.gov.br/dados/controle-de-qualidade>
  • Anselin , L . Exploring spatial data with GeoDaTM: a workbook . 2005 . Disponível em: < http://geodacenter.asu.edu/system/files/geodaworkbook.pdf >. Acesso em: out. 2019 .
    » http://geodacenter.asu.edu/system/files/geodaworkbook.pdf
  • Anselin , L. ; Reys , S. J . Modern spatial e conometrics in practice: a guide to GeoDa, GeoDaSpace and PySAL . Chicago : GeoDa Press LLC , 2014 .
  • Carreirão , Y. S . “ Identificação ideológica e voto para presidente” . Opinião Pública , vol. 8 , nº 1 , p. 54 - 79 , 2002 .
  • Datafolha . Intenção de Voto para Presidente. Setembro de 2018, nº 04573. In: Banco de Dados do Centro de Estudos de Opinião Pública . Unicamp , Campinas , 2018 . Disponível em: < https://www.cesop.unicamp.br/por/banco_de_dados/v/4383> . Acesso em: out. 2020 .
    » https://www.cesop.unicamp.br/por/banco_de_dados/v/4383>
  • Eseb 2014 . CESOP-IBOPE/BRASIL-2014/NOV-03928. In: Banco de Dados do Centro de Estudos de Opinião Pública , Unicamp , Campinas , 2014 . Disponível em: https://www.cesop.unicamp.br/por/banco_de_dados/v/3716> . Acesso em: out. 2020
    » https://www.cesop.unicamp.br/por/banco_de_dados/v/3716>
  • Geoda Documentation . 2019 . Disponível em: < http://geodacenter.github.io/documentation.html >. Acesso em: out. 2019 .
    » http://geodacenter.github.io/documentation.html
  • IBGE . Produto Interno Bruto dos Municípios . Disponível em: < https://www.ibge.gov.br/estatisticas/economicas/contas-nacionais/9088-produto-interno-bruto-dos-municipios.html?=&t=o-que-e> . Acesso em: out. 2019 .
    » https://www.ibge.gov.br/estatisticas/economicas/contas-nacionais/9088-produto-interno-bruto-dos-municipios.html?=&t=o-que-e>
  • Kinzo , M. D . “ Os partidos no eleitorado: percepções públicas e laços partidários no Brasil” . Revista Brasileira de Ciências Sociais (RBCS) , vol. 20 , n° 57 , p. 65 - 81 , 2005 .
  • Lazzari , E. A . “ Explicações assimétricas para a desconfiança em partidos políticos no Brasil” . Opinião Pública , vol. 23 , nº 2 , p. 334 - 360 , 2017 .
  • Monmonier , M . How to lie with maps . 3 ª ed. Chicago : University of Chicago Press , 2018 .
  • Oliveira , C. ; Turgeon , M . “ Ideologia e comportamento político no eleitorado brasileiro” . Opinião Pública , vol. 21 , nº 3 , p. 574 - 600 , 2015 .
  • Smith , M. J ., Goodchild , M. F .; Longley , P. A . Geospatial analysis: a comprehensive guide to principles, techniques and software tools . 6 ª ed. Winchelsea : The Winchelsea Press , 2018 . Disponível em: < http://www.spatialanalysisonline.com> . Acesso em: mar. 2020 .
    » http://www.spatialanalysisonline.com>
  • Speck , B. W . “Nem ideológica, nem oportunista: a filiação partidária no contexto pré-eleitoral no Brasil” . Cadernos Adenauer , vol. 14 , nº 2 , p. 37 - 60 , 2013 .
  • Speck , B. W ; Braga , M. S. S ; Costa , V. “ Estudo exploratório sobre filiação e identificação partidária no Brasil” . Revista de Sociologia e Política , Curitiba , vol. 23 , nº 56 , p. 125 - 148 , dez . 2015 .
  • 4
    Esse período não é excepcionalmente diferente dos demais em termos de crescimento percentual da filiação, conforme se observará nos gráficos no decorrer do artigo. Foi escolhido para ser compatível com estudos já planejados para o mesmo período, inclusive a análise da filiação por partidos. Este artigo optou por não analisar a eleição de 2016 no nível municipal, uma vez que o trabalho de Speck (2013) Speck , B. W . “Nem ideológica, nem oportunista: a filiação partidária no contexto pré-eleitoral no Brasil” . Cadernos Adenauer , vol. 14 , nº 2 , p. 37 - 60 , 2013 . o faz exaustivamente para o ano de 2012 e identifica os diversos padrões no nível municipal e em níveis hierarquicamente superiores, que provavelmente se repetem em 2016.
  • 5
    O estudo da filiação por partido político, imprescindível para a análise socioespacial proposta, dada a altíssima variância nas percentagens de filiados por partidos, no alcance e na distribuição geográfica de suas bases de filiação municipais, é uma análise extensa e, embora tenha sido inicialmente planejada para este artigo, deve fazer parte de uma publicação futura.
  • 6
    Speck, Braga e Costa (2015) citam estudo mencionado no artigo “Going, going, ... gone? The decline of party membership in contemporary Europe”, de I. Biezen, P. Mair e P. Poguntke, publicado em 2012, no European Journal of Political Research , vol. 51, nº 1, p. 24-56. São esses indicadores de filiação em democracias da Europa que reproduzimos aqui.
  • 7
    As variações em anos de eleições municipais devem-se, também, à maior oferta de cargos em disputa nos municípios, o que leva os partidos a promover, de forma pulverizada, novas filiações de potenciais candidatos a prefeito e, principalmente, a vereador.
  • 8
    O teste de Tukey permite a comparação entre as categorias, sempre entre pares ( pairwise comparation ), para comparações a posteriori ( post hoc ), sem a necessidade de existência de uma média prévia para ser comparada. Por esses motivos Tukey é o teste de variância mais indicado para as comparações entre localização regional e outras características para as médias de filiados por municípios.
  • 9
    Como nossa análise é a partir das proporções de filiados entre regiões apenas para o período entre 2014 e 2018, a variação do total de eleitores e a variação temporal entre as regiões não afetam os resultados.
  • 10
    Os valores calculados, bem como a significância dos testes, podem ser conferidos nas tabelas anuais do Apêndice A.
  • 11
    As análises de regressão espacial foram executadas no sistema GeoDa (< http://geodacenter.github.io/download.html > ) utilizando-se o modelo espacial autorregressivo de deslocamento espacial, ou spatial lag . O diagnóstico da dependência espacial dos resíduos (pelo teste I de Moran) é realizado quando se executa a regressão clássica (mínimos quadrados ordinários) associada a uma matriz de vizinhança dos municípios. Os diagnósticos com base no Multiplicador de Lagrange (simples e robusto) são fornecidos para escolha do modelo de regressão espacial. Como os estimadores e os diagnósticos tradicionais da regressão não consideram os efeitos espaciais, os modelos de análise deixam de ser comparáveis pelas medidas tradicionais como as que se baseiam no R. Uma das estatísticas usadas como guia para seleção de modelos em regressão espacial é o critério de informação de Akaike (AIC), e o melhor modelo é o que possui o menor valor de AIC. Para análise espacial e modelos de regressão espacial, ver Anselin (2005) Anselin , L . Exploring spatial data with GeoDaTM: a workbook . 2005 . Disponível em: < http://geodacenter.asu.edu/system/files/geodaworkbook.pdf >. Acesso em: out. 2019 .
    http://geodacenter.asu.edu/system/files/...
    ; Anselin e Reys (2014) Anselin , L. ; Reys , S. J . Modern spatial e conometrics in practice: a guide to GeoDa, GeoDaSpace and PySAL . Chicago : GeoDa Press LLC , 2014 . ; GeoDa Documentation (2019); Smith, Goodchild e Longley (2018).
  • 12
    Na Figura 7 , o método escolhido para classificar o mapa coroplético foi o decis. Ainda que mais de cinco ou seis classes de representação para os 5.570 municípios brasileiros dificultem a identificação de que município pertence a determinada categoria, nessa escala o mapa coroplético se destina apenas a uma análise visual de possíveis padrões geográficos. As linhas dos contornos municipais foram suavizadas para não prejudicar a identificação do padrão e simultaneamente mostrar a discrepância na extensão territorial dos municípios, que muitas vezes podem levar a uma falsa interpretação, assim como à ausência de indicadores de tamanho da população. Sobre esse tema, recomendamos consultar Monmonier (2018) Monmonier , M . How to lie with maps . 3 ª ed. Chicago : University of Chicago Press , 2018 . .
  • 13
    Entendemos que estudos exploratórios trazem à tona informações subjacentes que inicialmente podem parecer irrelevantes, mas que não raro são úteis para novos estudos empíricos e hipóteses, especialmente quando é escassa a análise de dados sobre o tema. O caso dos estados do Acre e de Alagoas é um desses exemplos de descoberta que talvez permanecesse oculta por muito tempo ou nunca viesse à tona. O que aconteceu nesses dois estados que os diferenciou do padrão nacional? Que partidos foram responsáveis pelo aumento nas percentagens de filiados municipais que formaram um único cluster em todo o estado, diferente dos outros clusters menores de municípios nos demais estados? Essas e outras perguntas podem inspirar novas análises.

Apêndice A

Tabela A1 Eleitores e eleitores filiados a partidos políticos em anos eleitorais no Brasil (2002-2020)

Ano Total Não filiados Filiados
2002 115.253.834 104.353.830 10.900.004
2004 121.391.631 109.597.384 11.794.247
2006 125.764.981 114.180.864 11.584.117
2008 130.456.808 117.992.379 12.464.429
2010 135.539.919 121.657.947 13.881.972
2012 140.461.838 125.335.474 15.126.364
2014 142.825.280 127.505.129 15.320.151
2016 146.275.020 129.651.609 16.623..411
2020 147.160.965 130.357.876 16.803.089
Fonte: Elaboração própria com base em dados do TSE.

Tabela A2 Testes de Tukey sobre as percentagens de filiados a partidos políticos por município, nas cinco regiões geográficas, em 2014, 2016 e 2018
Tabela A2.1 Filiados em 2014 por região do país - Tukey (%)
Região N Subconjuntos
1 2 3 4
Nordeste 1.794 13,1
Sudeste 1.668 15,7
Norte 450 17
Sul 1.191 22
Centro-Oeste 467 22,4
  • F = 361,592 (p = 0,000)
  • Fonte: Elaboração própria com base em dados do TSE.
    Tabela A2.2 Filiados em 2016 por região do país - Tukey (%)
    Região N Subconjuntos
    1 2 3 4 5
    Nordeste 1.794 12,2
    Sudeste 1.668 14,6
    Norte 450 16,1
    Centro-Oeste 467 20,3
    Sul 1.191 22
  • F = 418,151 (p = 0,000)
  • Fonte: Elaboração própria com base em dados do TSE.
    Tabela A2.3 Filiados em 2018 por região do país - Tukey (%)
    Região N Subconjuntos
    1 2 3 4 5
    Nordeste 1.794 15,1
    Sudeste 1.668 17
    Norte 450 20,1
    Sul 1.191 23,7
    Centro-Oeste 467 24,8
  • F = 310,676 (p = 0,000)
  • Fonte: Elaboração própria com base em dados do TSE.
    Tabela A2.4 Diferença de filiados em 2018 e 2014 - Tukey (%)
    Região N Subconjuntos
    1 2 3 4
    Sudeste 1.668 1,21
    Sul 1.191 1,67
    Nordeste 1.794 1,92
    Centro-Oeste 467 2,44
    Norte 450 3,1
  • F = 50,636 (0,000)
  • Fonte: Elaboração própria com base em dados do TSE.

    Datas de Publicação

    • Publicação nesta coleção
      25 Jan 2021
    • Data do Fascículo
      Sep-Dec 2020

    Histórico

    • Recebido
      6 Out 2019
    • Aceito
      8 Set 2020
    Centro de Estudos de Opinião Pública da Universidade Estadual de Campinas Cidade Universitária 'Zeferino Vaz", CESOP, Rua Cora Coralina, 100. Prédio dos Centros e Núcleos (IFCH-Unicamp), CEP: 13083-896 Campinas - São Paulo - Brasil, Tel.: (55 19) 3521-7093 - Campinas - SP - Brazil
    E-mail: rop@unicamp.br