Statistical Modeling

Este repositório reúne os dados, scripts e análises realizadas para o trabalho final da disciplina de Modelagem Estatística, lecionada pelo Professor Luiz Max Fagundes de Carvalho (FGV EMAp) (@maxbiostat). O objetivo era aplicar técnicas de modelagem, inferência e predição, aprendidas no decorrer desse curso e da disciplina de Inferência Estatística, a dados reais.

Escolhi analisar a dinâmica eleitoral para o cargo de deputado federal nas eleições de 2022. São explorados, em particular, modelos multinível (hierárquicos), regressão logística e métodos de avaliação de modelos, como AUC, AIC, acurácia e $R^2$. Além disso, também dialogo com parte da literatura da Ciência Política que utiliza técnicas de Modelagem Estatística para extrair informações sobre as eleições brasileiras.

O trabalho deu origem a este relatório, cujo resumo segue abaixo:

Quem quer ser um deputado? Uma análise multinível das eleições para a Câmara dos Deputados em 2022

O que aumenta as chances de um candidato se eleger? A literatura especializada da Ciência Política procurou responder esta questão através de diversas abordagens ao longo do tempo. Este trabalho faz uma análise estatística dos dados eleitorais de 2022 para avaliar o que impacta nas chances de candidatos a deputado federal serem eleitos no Brasil. São utilizadas técnicas de modelagem estatística, como a aplicação de modelos de regressão logística multinível e métricas de avaliação da capacidade explicativa e preditiva de modelos. Os resultados sugerem que as despesas de campanha, com variações entre os partidos, explicam boa parte dos resultados nas urnas.

Palavras-chave: Eleições Legislativas; Regressão Logística; Modelos Multinível; Avaliação de Modelos.

O trabalho está concluído e recebeu a nota máxima.