Utilizando modelos de composição dinâmica para estudar opinião pública e impostos no Brasil

• Processo: 17/11559-0
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Data de Início da vigência: 14 de agosto de 2017
• Data de Término da vigência: 13 de agosto de 2018
• Área de conhecimento: Ciências Humanas - Ciência Política - Políticas Públicas
• Pesquisador responsável: Lorena Guadalupe Barberia
• Beneficiário: Natália de Paula Moreira
• Supervisor: Guy David Whitten
• Instituição Sede: Faculdade de Filosofia, Letras e Ciências Humanas (FFLCH). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Instituição Anfitriã: Texas A&M University, Estados Unidos
• Vinculado à bolsa: 16/13199-8 - A Congruência entre Políticas Públicas e Preferências, BP.DR
• Assunto(s): Política Eleitorado Impostos População de baixa renda
• Palavra(s)-Chave do Pesquisador: Dynamic compositional models | Política tributária | Time series analysis | Política Tributária

Resumo

O Brasil tem um sistema de taxação regressivo e com alta concentração de eleitores com baixa renda (Gobetti & Orair, 2016). Os eleitores de baixa renda pagam proporcionalmente mais impostos do que os eleitores de alta renda. Apesar da relevância de se entender como os eleitores de diferentes grupos de renda avaliam mudanças em impostos específicos, não há estudos avaliando se governos são mais responsivos aos eleitores com relação a essa questão no Brasil. Eu pretendo contribuir com a literatura cobrindo essa lacuna. Nesse sentido, eu irei analisar como os eleitores avaliam mudanças em políticas de impostos no Brasil e se eleitores de diferentes grupos econômicos avaliam as políticas de impostos diferentemente dependendo do tipo de imposto. Eu irei empregar uma medida que capta os trade-offs entre como diferentes tipos de eleitores (alta, média e baixa renda) avaliam o presidente. Para fazer isso, eu irei criar uma variável dependente composicional que capta as mudanças na porcentagem de eleitores de cada categoria que aprova o presidente. Para analisar essa variável dependente em uma série temporal, eu irei empregar uma abordagem chamada dynamic pie que leva em conta durante a modelagem os trade-offs de uma variável composicional ao longo do tempo (Philips, 2016; Philips et al., 2016). (AU)