Como Lula virou a eleição presidencial de 2026?
Aviso
Infelizmente, meu interesse pelo Brasil é maior do que meu nível atual de português, então este post foi traduzido automaticamente e pode conter erros.
Resumo
Sem dados individuais não dá para ter certeza, mas a análise dos dados disponíveis sugere que Lula venceu porque eleitores que votaram em outros candidatos ou votaram branco ou nulo no primeiro turno votaram estrategicamente em Lula para barrar Bolsonaro.
A surpreendente reeleição de Lula, em 25 de outubro, veio depois de uma derrota no primeiro turno, em que Flávio Bolsonaro teve 47% dos votos, contra 45% de Lula. Bolsonaro liderou as pesquisas até o dia da eleição, e as pesquisas entre os turnos indicavam que ele ficaria com a maior parte dos votos dos outros candidatos. Mas, para surpresa de muita gente, acordamos com a notícia de que Lula havia ganhado 10 milhões de votos no segundo turno e vencido com 51,8% dos votos.
Foi a primeira vez na história democrática brasileira que um candidato à presidência venceu o segundo turno depois de perder o primeiro. As primeiras análises da eleição destacaram uma campanha enérgica dos apoiadores de Lula entre os turnos, com atos que reuniram milhões de pessoas, momentos dos debates na TV que renderam muitos “cortes” e promessas de gastos de última hora feitas pelo atual presidente.
Em particular, muito se tem falado das campanhas digitais de base organizadas pelos apoiadores de Lula. O exemplo mais notável é o de André Janones, deputado federal aliado1, que comandava um canal de WhatsApp chamado “Exército do Lula” (Dyer, Pooler, e Beatriz 2026). O canal enviava mensagens de mobilização para mais de 11 milhões de apoiadores, incentivando-os a compartilhar publicações nas redes sociais para impulsionar conteúdo pró-Lula nos algoritmos. Alexandre Afonso escreveu um excelente texto analisando o conteúdo do canal.
Em seu livro Prototype Politics, Kreiss (2016) descreve as análises pós-eleitorais como um processo social de “construção de sentido”, no qual certos elementos de uma campanha são destacados e surgem narrativas de que esses elementos “ganharam” (ou perderam) a eleição. Em resumo, todos nós tendemos a destacar determinados elementos de uma campanha e atribuir a eles o seu sucesso.
Na prática, entender por que uma campanha venceu é muito difícil. Entre cientistas políticos, há um debate antigo e ainda não resolvido sobre se o período de campanha importa de fato para o resultado das eleições e, mesmo que importe, isolar os efeitos de intervenções específicas exige um desenho de pesquisa cuidadoso (Foos e Metson 2026).
Ainda assim, a escala da mobilização merece ser examinada. Além da mobilização do “Exército do Lula” no WhatsApp, outras iniciativas menores ajudam a entender a natureza da campanha entre os turnos. Em particular, o site “Onde dá pra conversar” mostrava quais áreas poderiam pender para Lula e incentivava eleitores a procurar seus vizinhos para persuadi-los e mobilizá-los. Essa tática lembra a “organização relacional” (relational organising) descentralizada popularizada pela campanha de Obama em 2012 (McKenna e Han 2014).
O site destacava seções eleitorais em que o número de abstenções e votos brancos e nulos era maior do que a diferença entre Lula e Bolsonaro. Também oferecia roteiros detalhados para conversar com eleitores que tinham se abstido, votado branco ou nulo ou votado em outro candidato no primeiro turno.
Cientistas políticos talvez se interessem em saber que as orientações de persuasão parecem seguir de perto a lógica das intervenções de deep canvassing testadas em uma série de experimentos nos EUA (Broockman e Kalla 2016; Kalla e Broockman 2023):
Como puxar a conversa
- Comece pelo que a pessoa gostou no candidato dela. Quem se sente respeitado baixa a guarda.
- Mostre um ponto em comum, com os dois trechos lado a lado. Cada um tem fonte e página, é só tocar.
- Não fale mal do candidato dela. Ela quer um país melhor, igual a você. A pergunta agora é quem leva isso adiante no dia 25.
- Se ela não decidir na hora, tudo bem. Agradeça e deixe a porta aberta. Voto se decide com tempo.
Além da persuasão, os apoiadores do partido de Lula, o Partido dos Trabalhadores (PT), deram grande ênfase à mobilização de quem não tinha votado no primeiro turno. À primeira vista, isso pode parecer estranho: no Brasil, o voto é obrigatório para boa parte da população (alfabetizados entre 18 e 70 anos). Ainda assim, o comparecimento varia. Para maiores de 70 anos e analfabetos, o voto é facultativo. Os eleitores também podem justificar a ausência, e a multa por não votar é pequena: geralmente cerca de R$ 3,51 (US$ 0,70), podendo chegar a R$ 35 para eleitores de maior renda (Morales 2026).
À primeira vista, a mobilização parece ter tido um papel importante nesta eleição: o primeiro turno teve o menor comparecimento em um primeiro turno desde 2002, e o comparecimento aumentou bastante no segundo turno (Figura 1).
Análises de onde Lula ganhou mais votos entre os turnos sugerem que ele venceu conquistando eleitores em áreas que normalmente não esperaríamos que votassem no PT (veja as publicações de Juan Machado e Owen Winter). Isso não se encaixa bem em uma explicação baseada apenas em mobilização, na qual esperaríamos que os maiores ganhos viessem de áreas geralmente favoráveis.
Para investigar isso melhor, uso dados por seção eleitoral para descrever como a eleição se desenrolou entre os dois turnos e ver o que podemos aprender sobre como Lula conseguiu sua vitória histórica. As seções eleitorais são a menor unidade em que os resultados são divulgados. Cada uma corresponde a uma única urna eletrônica, à qual são vinculados cerca de 300 eleitores (μ=318, σ=66).
Do que Lula precisava para vencer?
Antes de explorar como Lula venceu, vale descrever o tamanho do desafio tal como ele se apresentava antes do segundo turno.
A Figura 2 mostra os resultados do primeiro turno, usando todos os eleitores aptos como denominador. Lula ficou 2,2 milhões de votos atrás de Bolsonaro. 21,1% dos eleitores aptos se abstiveram, 5,9% votaram em outros candidatos e 3,8% votaram branco ou nulo.2
Nenhum candidato atingiu 50% dos votos válidos, o que levou a um segundo turno entre Bolsonaro e Lula. Após o primeiro turno, a maioria dos demais candidatos declarou apoio a um dos dois candidatos do segundo turno. Cinco apoiaram Bolsonaro, três apoiaram Lula e dois ficaram neutros ou defenderam o voto nulo (fontes na Tabela 1).
O painel da esquerda da Figura 3 mostra os votos dos outros candidatos agrupados por quem cada candidato apoiou no segundo turno. Se todos os eleitores desses candidatos tivessem seguido a orientação do seu candidato, Bolsonaro poderia contar com 6,4 milhões de votos adicionais, e Lula com pouco menos de 200 mil.
No entanto, uma pesquisa com 2.154 eleitores feita pela Quaest indicava que os eleitores de outros candidatos não seguiriam necessariamente a orientação de seus candidatos.
O painel da direita da Figura 3 mostra quantos votos cada candidato do segundo turno receberia segundo essa pesquisa (mais detalhes no apêndice). Mesmo com parte dos eleitores não seguindo a orientação de seu candidato, Lula ainda teria 1,1 milhão de votos a menos do que Bolsonaro entre esses eleitores.
Somando essas transferências projetadas (bem aproximadas) aos votos do primeiro turno3, a Figura 4 mostra como a posição de Lula parecia frágil antes do segundo turno. Com base nas informações disponíveis na época, uma conta de padaria teria colocado Lula 3 milhões de votos atrás de Bolsonaro.
Para ser claro, o caminho para virar o jogo no segundo turno era íngreme, mas certamente não “impossível”, como afirmou um certo candidato à presidência brasileiro, até recentemente radicado nos EUA. Excluindo os eleitores dos dois candidatos no primeiro turno, havia um universo de quase 50 milhões de eleitores do qual Lula poderia conquistar os 10 milhões de votos que conquistou.
Resultados do segundo turno
Como sabemos agora, Lula superou o desafio. A Figura 5 mostra a projeção anterior com os resultados reais do segundo turno sobrepostos. Lula ganhou 10,4 milhões de votos entre os turnos, 5,3 milhões a mais do que a projeção simples previa. Bolsonaro, por outro lado, teve 2,2 milhões de votos a menos do que o projetado e somou apenas 3,7 milhões ao seu total do primeiro turno. E 3,1 milhões de pessoas a mais do que o projetado deram um voto válido.
O painel inferior da Figura 6 mostra que Lula ganhou votos em quase todo lugar: ele perdeu votos em apenas 3% das quase 500 mil seções eleitorais do país. A abstenção e os votos brancos e nulos caíram em média, mas não de forma uniforme: uma parcela considerável das seções registrou aumentos.
Os segundos turnos, claro, existem justamente para que os eleitores de outros candidatos possam redirecionar seus votos para os mais votados. Por isso, era de se esperar que ambos ganhassem votos. O mapa (versão interativa) e o gráfico de densidade no canto superior direito da Figura 6 mostram, portanto, os ganhos relativos de Lula e de Bolsonaro por seção:
Ganho relativo = (LulaT2 − LulaT1) − (BolsonaroT2 − BolsonaroT1)
Lula ganhou mais votos do que Bolsonaro em 85% das seções e, em média, ganhou 13 votos a mais por seção do que Bolsonaro entre os turnos.4
De onde vieram esses ganhos?
A maior parte dos votos de cada candidato no segundo turno provavelmente veio de seus próprios eleitores do primeiro turno. Em teoria, há quatro fontes das quais os candidatos poderiam ter ganhado novos votos entre os turnos:
- Mobilização: levar quem não votou no primeiro turno a votar (o que em inglês se chama de get-out-the-vote, ou GOTV).
- Persuasão de brancos e nulos: persuadir eleitores que votaram branco ou nulo no primeiro turno.
- Persuasão de eleitores de outros candidatos: persuadir eleitores que apoiaram outro candidato no primeiro turno.
- Persuasão de eleitores do adversário: persuadir eleitores que apoiaram o adversário no primeiro turno a mudar o voto.
Já mencionamos a dificuldade de atribuir o resultado de uma eleição a uma campanha, mas interpretar como os votos se movimentaram entre os candidatos levanta um segundo problema com os dados que temos.
Para entender quanto dos votos de Lula no segundo turno veio de cada uma dessas fontes, precisamos saber como os eleitores do primeiro turno votaram no segundo. Esse é exatamente o tipo de informação contido na pesquisa que usamos para projetar o segundo turno (Tabela 2). No entanto, essa pesquisa mede intenção de voto, e ainda não temos uma pesquisa semelhante sobre como os eleitores de fato mudaram seu voto.
Neste momento, só temos resultados eleitorais agregados, então só podemos observar variações em proporções e médias. Os métodos de inferência ecológica tentam usar essas informações para inferir como os indivíduos mudaram seu voto, mas isso traz o risco de cair em uma falácia ecológica.
Para ser sincero, não sou especialista nesses métodos, mas, de forma bem simplificada, a ideia é usar áreas com proporções muito altas ou muito baixas de um tipo de eleitor no primeiro turno para aprender o que esses eleitores fazem no segundo (veja o apêndice para uma explicação mais detalhada da intuição). O ponto crucial é que, para transferir informação de uma área para outras, precisamos supor que as taxas de transição são constantes entre as áreas (Romero et al. 2020). Infelizmente, esse é um pressuposto muito forte, e tudo o que vem a seguir deve ser lido com essa ressalva em mente.
Preditores descritivos do ganho de Lula
A Figura 7 mostra as correlações entre o ganho relativo de Lula e vários preditores. Ela indica que Lula tendeu a ganhar mais em seções onde houve maiores aumentos no comparecimento e maiores quedas nos votos brancos e nulos. Em seções onde o comparecimento subiu 10 eleitores a mais, o ganho de Lula sobre Bolsonaro foi cerca de 3 votos maior; onde os brancos e nulos caíram 10 a mais, cerca de 9 votos maior.
Curiosamente, os ganhos de Lula também parecem ser maiores em seções com mais votos em Cury no primeiro turno, embora, vale lembrar, Cury tenha apoiado Bolsonaro no segundo turno. Para cada 10 eleitores de Cury a mais no primeiro turno em uma seção, o ganho relativo de Lula foi 5 votos maior.
Modelo de inferência ecológica
Para estimar diretamente as transferências de votos, recorro a um modelo de inferência ecológica mais formal. Para deixar claro: esses métodos nos permitem produzir estimativas e podem ir além de simples associações, mas nenhum deles resolve o problema fundamental de identificar mudanças de voto a partir de dados agregados.
Uso um estimador LPHOM (Linear Programming under Homogeneity, ou programação linear sob homogeneidade) (ver Romero et al. 2020), principalmente porque ele é relativamente rápido e tem um pacote de R prático para implementá-lo.5 Para facilitar o ajuste do modelo, agrego os dados em zonas eleitorais, muito maiores, que têm uma mediana de 46.651 eleitores.
A Figura 8 mostra as proporções estimadas de como cada grupo do primeiro turno votou no segundo (veja o apêndice para uma comparação com as estimativas da pesquisa que usamos antes).
O modelo sugere que ambos os candidatos mantiveram quase todos os seus eleitores do primeiro turno. Estima-se que os eleitores que votaram branco ou nulo tenham migrado majoritariamente para Lula no segundo turno, assim como os eleitores de Cury, de Renan Santos e dos candidatos de esquerda. Entre os que se abstiveram, estimamos que 8% votaram em Lula e 3% em Bolsonaro. Embora sejam percentuais pequenos, lembre-se de que esse grupo é muito maior do que o eleitorado de qualquer outro candidato.
Partindo dessa intuição, multiplicar essas proporções pelo tamanho de cada grupo no primeiro turno nos dá uma estimativa da composição dos votos de Lula no segundo turno, mostrada na Figura 9.
A Figura 9 sugere que, além dos eleitores mantidos do primeiro turno, Lula obteve a maior parte de seus ganhos persuadindo eleitores de outros candidatos e eleitores que votaram branco ou nulo. Os votos estimados vindos apenas desses dois grupos já teriam sido suficientes para garantir a vitória de Lula. Essas estimativas batem com os padrões sugeridos na Figura 7, em que os ganhos de Lula estiveram mais fortemente correlacionados com quedas nos votos brancos e nulos, com a votação de Cury e com variações no comparecimento. Estima-se que a mobilização tenha acrescentado 2,7 milhões de votos, o que, embora considerável, não teria sido suficiente, por si só, para vencer o segundo turno.
Por que eleitores de outros candidatos e de brancos e nulos migraram para Lula?
O que poderia explicar esse padrão? Parte desses eleitores pode ter usado o primeiro turno como uma oportunidade para mandar um recado claro, e possivelmente custoso, de que estava insatisfeita com Lula, mas, como rejeitava Bolsonaro ainda mais, votou estrategicamente em Lula no segundo turno.
Os dois grupos foram votar, mas escolheram deliberadamente, de alguma forma, não votar em nenhum dos dois primeiros colocados. Essa explicação faz mais sentido para quem votou em outro candidato no primeiro turno. Só há segundo turno se nenhum candidato atingir 50% dos votos válidos. Votar em outro candidato conta como voto válido e aumenta a chance de haver segundo turno. Votar branco ou nulo aumenta o risco de um dos dois primeiros colocados vencer já no primeiro turno. No entanto, desde a criação do segundo turno, todas as eleições presidenciais brasileiras, com exceção de duas (1994 e 1998), foram para o segundo turno, então os eleitores provavelmente não veem isso como um risco grande.
Pesquisas de ciência política mostram que os eleitores brasileiros de fato usam o sistema de dois turnos de forma estratégica. Nas eleições para prefeito, só há segundo turno em municípios com mais de 200 mil eleitores. Um artigo de Fujiwara (2011) usa esse limiar para comparar quantos votos os outros candidatos recebem em municípios logo acima e logo abaixo dele. A figura reproduzida do artigo (Figura 10) mostra evidências de que os eleitores brasileiros realmente usam o sistema de dois turnos dessa forma.
Considerações finais
Com os dados disponíveis até agora, parece que a virada de Lula na eleição presidencial de 2026 foi impulsionada principalmente por eleitores de outros candidatos e por eleitores que votaram branco ou nulo, que votaram estrategicamente para barrar Bolsonaro.
Os modelos que usei para estimar isso dependem de suposições muito fortes sobre o comportamento eleitoral. Em última análise, só poderemos avaliar sua utilidade à luz de dados individuais de pesquisas, quando forem divulgados.
Mesmo que tomemos esses resultados ao pé da letra, isso não significa que a mobilização não tenha importado. O aumento do comparecimento entre os turnos não teve precedentes e parece ter rendido uma parcela considerável de votos.
Além disso, embora eu tenha falado sobre a origem dos votos do segundo turno, não sabemos o que levou os eleitores do primeiro turno a redirecionar seus votos para Lula. Há muitas causas possíveis, e todas provavelmente tiveram algum papel. A escala da campanha de rua e nas redes sociais de Lula entre os turnos foi impressionante. Ao mesmo tempo, entre os turnos, Lula prometeu gastos adicionais expressivos voltados a empreendedores e beneficiários de programas sociais, e o governo antecipou o pagamento de benefícios. Lula também foi visto como tendo se saído bem em momentos-chave dos debates na TV. Esses elementos do que estudiosos de campanhas americanas chamariam de “air war” (a disputa travada na mídia, e não no corpo a corpo) podem ter tido um papel tão ou mais importante na conquista de votos.
O que isso significa para o mandato de Lula? Governar já será difícil, dados os grandes avanços dos partidos de direita nas eleições legislativas, realizadas junto com o primeiro turno. Se aceitarmos a explicação do voto estratégico para a virada, a coalizão eleitoral de Lula na disputa presidencial é frágil e pode não sobreviver a um adversário menos extremo.
Fontes sobre os apoios de outros candidatos no segundo turno
| Candidato | Partido | Apoio no segundo turno | Fonte |
|---|---|---|---|
| Augusto Cury | Avante | Flávio Bolsonaro | Correio 24 Horas |
| Ronaldo Caiado | PSD | Flávio Bolsonaro | Correio 24 Horas |
| Romeu Zema | Novo | Flávio Bolsonaro | Correio 24 Horas |
| Clariana Barão | DC | Flávio Bolsonaro | Correio 24 Horas |
| Wilson Grassi | Democrata | Flávio Bolsonaro | Gazeta do Povo |
| Renan Santos | Missão | Neutro | Correio 24 Horas |
| Samara Martins | UP | Lula | Correio 24 Horas |
| Edmilson Costa | PCB | Lula | Correio 24 Horas |
| Hertz Dias | PSTU | Lula | Correio 24 Horas |
| Rui Costa Pimenta | PCO | Voto nulo | Correio 24 Horas |
| Leonardo Avalanche | PRTB | Nenhum (desistiu antes do primeiro turno) | Mais Goiás |
Pesquisa com eleitores de outros candidatos
Em uma pesquisa da Quaest realizada entre 10 e 13 de outubro (fonte), os entrevistados responderam se e em quem votaram em 4 de outubro, e qual era sua intenção de voto para o segundo turno (Tabela 2).
| Grupo no primeiro turno (parcela da amostra) | Bolsonaro | Lula | Indecisos | Branco/nulo/não vai votar |
|---|---|---|---|---|
| Caiado (2%) | 42% | 23% | 2% | 33% |
| Renan Santos (2%) | 40% | 14% | 3% | 43% |
| Augusto Cury (2%) | 30% | 34% | 6% | 30% |
| Outros (<1%) | 38% | 33% | 7% | 22% |
| Abstenção ou branco/nulo | 38% | 43% | 2% | 17% |
A pesquisa também divulgou a intenção de voto no segundo turno entre eleitores que se abstiveram ou votaram branco ou nulo no primeiro turno. 43% disseram que votariam em Lula e 38% em Bolsonaro. No entanto, há motivos para desconfiar dessas estimativas. Apenas 17% deles disseram que se absteriam ou votariam branco ou nulo de novo.
Não está claro qual população esse grupo de fato representa, o que dificulta usá-lo para extrapolações. É muito improvável que seja uma amostra representativa de todos os que se abstiveram ou votaram branco ou nulo no primeiro turno.
Se fosse, isso implicaria uma proporção de votos válidos de 93,6% no segundo turno, enquanto o número real foi de 78,1%. Dada a dificuldade de alcançar quem não vota em geral, especialmente num contexto de voto obrigatório, suponho que esse subgrupo represente sobretudo eleitores que votaram branco ou nulo.
Ele também pode incluir jovens de 16 e 17 anos, para quem o voto é facultativo. Na projeção, portanto, aplico esses números apenas aos votos brancos e nulos do primeiro turno. Mesmo aplicando-os também a quem se absteve, a projeção ainda dá vitória a Bolsonaro (veja a Figura 11).
Como se comparam as estimativas da inferência ecológica e da pesquisa entre os turnos?
A Figura 12 compara as estimativas das taxas de transição do nosso modelo de inferência ecológica e da pesquisa entre os turnos. A diferença mais marcante é que as estimativas de inferência ecológica indicam que quase nenhum voto branco ou nulo foi para Bolsonaro. As estimativas de inferência ecológica também sugerem que muito mais eleitores de Renan Santos migraram para Lula do que o previsto.
Nenhuma das duas é a “verdade” sobre como os eleitores votaram no segundo turno. A pesquisa pode se basear em uma amostra não representativa, ou pode não ter captado mudanças que aconteceram mais perto do segundo turno. As inferências ecológicas dependem de suposições fortes, como já discutido.
Teremos de ver qual delas, se alguma, chegou mais perto quando forem divulgadas pesquisas pós-eleitorais individuais de alta qualidade.
Como entendo a intuição por trás da inferência ecológica
Queremos descobrir que proporção de cada grupo do primeiro turno votou em cada opção no segundo turno (ou seja, as células vazias da Tabela 3). Isso nos permitiria ver de onde vieram os votos adicionais de Lula: multiplicando o tamanho de cada grupo do primeiro turno pela proporção desse grupo que votou em Lula no segundo turno. Mas, só com contagens agregadas de votos, não conseguimos observar essas proporções diretamente.
| Primeiro turno ↓ / Segundo turno → | Lula | Bolsonaro | Brancos/nulos | Abstenção | Total no primeiro turno |
|---|---|---|---|---|---|
| Lula | ? | ? | ? | ? | 53,9 mi |
| Bolsonaro | ? | ? | ? | ? | 56,1 mi |
| Outros candidatos | ? | ? | ? | ? | 9,3 mi |
| Brancos/nulos | ? | ? | ? | ? | 6,0 mi |
| Abstenção | ? | ? | ? | ? | 33,5 mi |
| Total no segundo turno | 64,3 mi | 59,8 mi | 4,2 mi | 30,5 mi | 158,8 mi |
Com dados agregados, conseguimos ver os totais de cada turno (as margens), mas não as combinações de escolhas no primeiro e no segundo turno (as células).
A ideia da inferência ecológica é usar a variação entre áreas para estimar essas células. Áreas com uma proporção muito alta ou muito baixa de um grupo são as que mais nos dizem sobre o comportamento desse grupo. Se supusermos que as pessoas transferem seus votos em taxas semelhantes em todo lugar (uma suposição forte), podemos, em princípio, recuperar as taxas de transição nacionais. O exemplo simples abaixo mostra uma versão extrema disso, e como isso pode dar errado.
Exemplo
Imagine que há apenas dois candidatos, A e B, e que todos votam nos dois turnos. Há três áreas com 1.000 eleitores cada. Queremos saber que proporção de cada grupo do primeiro turno votou em A no segundo turno. As taxas verdadeiras, que nunca chegamos a observar, são:
- 90% dos eleitores de A no primeiro turno votam em A de novo, e 10% mudam para B.
- 30% dos eleitores de B no primeiro turno mudam para A, e 70% continuam com B.
Nas três áreas, observamos os totais de cada turno, mas não quantos eleitores mudaram de voto entre os turnos (Tabela 4).
| 1º turno ↓ / 2º turno → | A | B | Total no 1º turno |
|---|---|---|---|
| A | ? | ? | 1.500 |
| B | ? | ? | 1.500 |
| Total no 2º turno | 1.800 | 1.200 | 3.000 |
Esses totais são compatíveis com muitas taxas de transição possíveis, então não conseguimos recuperar as taxas verdadeiras só com essa informação. Por exemplo, todos os 1.500 eleitores de A no primeiro turno poderiam ter votado em A de novo, com 300 eleitores de B mudando para A. Ou 1.200 eleitores de A poderiam ter se mantido, com 600 eleitores de B mudando. As duas situações produzem exatamente os mesmos totais.
Agora vamos dividir os resultados pelas três áreas. Imagine que, no primeiro turno, uma área votou 100% em A, outra votou 0% em A (ou seja, 100% em B), e a terceira se dividiu meio a meio (Tabela 5).
| Área | Parcela de A no 1º turno | Votos de A no 2º turno | Parcela de A no 2º turno |
|---|---|---|---|
| 1 | 100% | 900 | 90% |
| 2 | 0% | 300 | 30% |
| 3 | 50% | 600 | 60% |
A área 1 tem apenas eleitores de A no primeiro turno, então sabemos que 90% deles votaram em A de novo. A área 2 tem apenas eleitores de B no primeiro turno, então os 30% de A ali no segundo turno significam que 30% dos eleitores de B devem ter mudado para A.
Se as taxas forem as mesmas em todo lugar, então, na área 3, 90% dos eleitores de A e 30% dos eleitores de B no primeiro turno votam em A. Isso dá a A uma parcela de 0,5 × 90% + 0,5 × 30% = 60% no segundo turno. As três áreas ficam sobre uma linha reta (Figura 13). Seu valor quando a parcela de A no primeiro turno é 0% é a taxa B → A, e seu valor em 100% é a taxa A → A.
Em dados reais, temos muito mais áreas, mas quase nunca vemos áreas compostas inteiramente por um único grupo. Em vez disso, ajustamos uma reta a muitas áreas mistas e a estendemos para estimar as taxas em cada extremidade, onde o grupo representa 0% ou 100% dos eleitores. Essa lógica depende de as taxas de transição serem as mesmas em todas as áreas.
A Figura 14 mostra dados simulados de 200 áreas em dois mundos. Em verde, os círculos e a linha contínua mostram o que observaríamos se as taxas de transição fossem as mesmas em todo lugar. Estender a reta até 0% e 100% de parcela de A no primeiro turno recupera corretamente as taxas verdadeiras (os X vermelhos). Em laranja, os triângulos e a linha tracejada mostram um mundo com as mesmas taxas médias, mas em que o comportamento varia com o apoio local: onde A foi bem, os eleitores de A foram mais fiéis e os eleitores de B tiveram mais propensão a mudar para A.
Estender essa reta subestima a taxa B → A (18% em vez de 30%) e superestima a taxa A → A (103% em vez de 90%).
Esse exemplo também mostra como a extrapolação linear pode levar a estimativas implausíveis (estimamos uma taxa de transição A → A de 103%).
O ponto crucial é que os pontos laranja ainda formam uma reta bem-comportada, então nada nos dados nos alerta de que há algo errado. As extremidades da reta nos dizem como os eleitores se comportam nas áreas com mais eleitores de A e de B, e, neste mundo, esses eleitores não são típicos.
Os métodos usados na prática para inferência ecológica são muito mais sofisticados do que isso. Eles podem controlar características das localidades, relaxar parcialmente a suposição de que as taxas de transição são as mesmas em todo lugar e descartar estimativas impossíveis. Mas, no fundo, nenhum deles consegue escapar da necessidade de fazer algumas suposições fortes.
Referências
Broockman, David, e Joshua Kalla. 2016. “Durably reducing transphobia: A field experiment on door-to-door canvassing”. Science 352 (6282): 220–24. https://doi.org/10.1126/science.aad9713.
Dyer, Geoff, Michael Pooler, e Langella Beatriz. 2026. “How Lula turned his election fortunes around in three weeks”. Financial Times. https://www.ft.com/content/629894c7-e753-4e77-9794-c363c64dce9a.
Foos, Florian, e Lennard Metson. 2026. “Election Campaigns”. Preprint, outubro. https://doi.org/https://osf.io/preprints/socarxiv/sf7cv_v1.
Fujiwara, Thomas. 2011. “A Regression Discontinuity Test of Strategic Voting and Duverger’s Law”. Quarterly Journal of Political Science 6 (3): 197–233. https://doi.org/10.1561/100.00010037.
Kalla, e Broockman. 2023. “Which Narrative Strategies Durably Reduce Prejudice? Evidence from Field and Survey Experiments Supporting the Efficacy of Perspective‐Getting”. American Journal of Political Science, ajps.12657. https://doi.org/10.1111/ajps.12657.
Kreiss, Daniel. 2016. Prototype politics: technology-intensive campaigning and the data of democracy. New York, NY: Oxford University Press.
McKenna, Elizabeth, e Hahrie Han. 2014. Groundbreakers: how Obama’s 2.2 million volunteers transformed campaigning in America. New York, NY: Oxford University Press.
Morales, Andrés. 2026. “Punishment for Not Voting in Brazil and How to Fix It”. The Rio Times. https://www.riotimesonline.com/punishment-for-not-voting-in-brazil-2026/.
Romero, Rafael, Jose M. Pavía, Jorge Martín, e Gerardo Romero. 2020. “Assessing Uncertainty of Voter Transitions Estimated from Aggregated Data. Application to the 2017 French Presidential Election”. Journal of Applied Statistics 47 (13): 2711–36. https://doi.org/10.1080/02664763.2020.1804842.
Wikipedia. s.d.a. “2026 Brazilian general election”. Wikipedia. Acedido a 26 de outubro de 2026. https://en.wikipedia.org/wiki/2026_Brazilian_general_election#Campaign.
———. s.d.b. “André Janones”. Wikipedia. Acedido a 26 de outubro de 2026. https://en.wikipedia.org/wiki/Andr%C3%A9_Janones.
Notas de rodapé
Janones não é filiado ao partido de Lula, que deixou em 2015. Mas seu novo partido, a REDE, fez parte da coligação de Lula, “O Brasil está pronto para mais” (Wikipedia s.d.a, s.d.b).↩︎
Os eleitores votam digitando o número de um candidato na urna eletrônica. O voto “branco” é quando o eleitor não digita nenhum número, e o voto “nulo” é quando digita um número que não corresponde a nenhum candidato.↩︎
Por padrão, a projeção usa as taxas de transferência da Quaest, com os entrevistados indecisos redistribuídos proporcionalmente. Quem se absteve no primeiro turno é mantido como abstenção, e supõe-se que os eleitores de Lula e de Bolsonaro no primeiro turno permaneçam fiéis.↩︎
Esta página mostra uma versão interativa do mapa e uma tabela de consulta com as votações e os ganhos de cada município e de cada cidade para eleitores no exterior.↩︎
Admito que essa não foi minha escolha de estimador mais criteriosa… desculpem! Mas análises semelhantes (por exemplo, a de Daniel Schteingart), feitas por pessoas com padrões mais altos e computadores mais potentes, usando outros estimadores, parecem concordar com o que encontro.↩︎