Anulação Eleitoral : um olhar sobre as condições socioeconômicas nas eleições
Resumo
Resumo: O debate sobre o comportamento alienado do eleitor tem sido um dos grandes desafios dentro da dimensão eleitoral além de ser um fenômeno crescente e relevante tanto nas democracias consolidadas como nas novas. Sendo assim, o presente trabalho buscou explorar variáveis que poderiam ter alguma associação com a anulação eleitoral (votos brancos e nulos) nos municípios do Paraná. A metodologia do estudo foi baseada em um Modelo de Regressão Linear Múltipla utilizando dados eleitorais de 2018 e dados secundários sobre indicadores socioeconômicos. O estudo procurou avaliar até que ponto as condições socioeconômicas estimulam, retraem ou interferem no comportamento de anular os votos dos eleitores. Os resultados reforçam o entendimento de que, os votos brancos para governador em 2018 podem estar associados a contextos de menor desenvolvimento dos eleitores. No caso dos votos nulos, isso não parece acontecer. Além disso, quanto mais espesas em investimentos e educação o município faz, há menor votos brancos e nulos. Abstract: The debate on voter alienated behavior has been one of the great challenges within the electoral dimension, in addition to being a growing and relevant phenomenon both in consolidated and new democracies. Therefore, the present work sought to explore variables that could have some association with electoral annulment (white and null votes) in the municipalities of Paraná. The study methodology was based on a Multiple Linear Regression Model using 2018 electoral data and secondary data from socioeconomic indicators. The results reinforce the understanding that the white vote for governor in 2018 may be associated with contexts of lower educational development, that is, more prone to unintentional electoral error. In the case of null votes, this does not seem to happen. In addition, the more spending on investments and education the municipality makes, the fewer blank and null votes will be registrated.
Collections
- Data Science & Big Data [107]