Projeto final da disciplina de Estatística Experimental

Dados coletados diretamente do site: https://dadosabertos.camara.leg.br/swagger/api.html#staticfile

Para este projeto, foram coletados dados dos gastos de deputados federais de todo o Brasil durante o período de 2017 a 2022. Após limpeza dos dados, contamos com atributos de:

• Nome do parlamentar
• CPF do parlamentar
• Estado do parlamentar
• Partido do parlamentar
• Descrição do gasto do parlamentar
• Fornecedor referente ao gasto
• Data da emissão da nota do gasto
• Valor bruto do documento
• Valor de glosa do documento
• Valor líquido do documento
• Mês referente ao gasto
• Ano referente ao gasto

Inicialmente foi realizada uma análise exploratória a partir desta base de dados.

dados <- list.files(path = "dados/", 
                       pattern = "*.csv", full.names = TRUE) %>% 
  lapply(read_csv) %>%                              
  bind_rows                                        

dados <- dados %>% 
  select(-ideCadastro, -nuCarteiraParlamentar, -nuLegislatura, -codLegislatura, -numSubCota, -numEspecificacaoSubCota, -txtDescricaoEspecificacao, -txtCNPJCPF, -txtNumero, -indTipoDocumento, -numParcela, -txtPassageiro, -txtTrecho, -numLote, -numRessarcimento, -vlrRestituicao, -datPagamentoRestituicao, -nuDeputadoId, -ideDocumento, -urlDocumento) %>% 
  filter(!is.na(sgUF)) %>% 
  filter(!is.na(sgPartido)) %>% 
  filter(vlrLiquido > 0)

Quanto os nossos deputados gastaram anualmente?

Aqui buscamos visualizar o valor total dos gastos dos deputados a cada ano coletado. Temos sempre valores na casa dos 200 milhões, sendo a única exceção o ano de 2020, em que o gasto cai para menos de 180 milhões, sendo este o ano de início da pandemia. Nos anos seguintes o gasto volta a subir.

por_ano <- dados %>% 
  group_by(numAno) %>%
  summarise(total_ano = sum(vlrLiquido))

por_ano %>%
  tail(12) %>% 
  ggplot(aes(x=numAno, y=total_ano)) +
    geom_line() +
    geom_point() +
  # scale_y_continuous(breaks = c(170000000, 180000000,190000000,200000000,210000000,220000000,230000000,240000000,250000000)) +
  scale_x_continuous(breaks=c(2017,2018,2019,2020,2021,2022)) +
  labs(
    x = "Ano",
    y = "Gasto total",
    title = "Gasto total dos deputados por ano"
  )

Quanto os nossos deputados gastam por ano?

Geramos um boxplot para visualizar a média de gasto dos deputados anualmente e seus respectivos outliers.

deputado_ano <- dados %>% 
  group_by(txNomeParlamentar, numAno) %>% 
  summarise(total_deputado = sum(vlrLiquido), 
              .groups = "drop")

deputado_ano %>%
  ggplot(aes(x=as.factor(numAno), y=total_deputado)) + 
    geom_boxplot(fill="slateblue", alpha=0.2) +
  labs(
    x = "Ano",
    y = "Gasto total",
    title = "Gastos de cada deputado por ano"
  )

Qual partido gasta mais?

Procuramos entender agora quais os partidos que mais tiveram gastos nestes anos analisados. Uma importante verificação é a de quantos deputados cada um desses partidos tem como representantes na Câmara.

por_partido <- dados %>%
  group_by(sgPartido) %>%
  summarise(total_partido = sum(vlrLiquido))

por_partido %>%
  mutate(partido = fct_reorder(sgPartido, total_partido)) %>%
  # tail(10) %>% 
  ggplot(aes(x=partido, y=total_partido)) +
    geom_bar(stat="identity", fill="#f68060", alpha=.6, width=.4) +
    coord_flip()  +
  # scale_y_continuous(breaks = seq(20000, 20000000, by = 2000000)) +
  labs(
    x = "Partido",
    y = "Gasto total",
    title = "Gasto total dos deputados por partido"
  )

Com o que os deputados gastam mais?

Tendo acesso às categorias dos gastos dos deputados, buscamos entender quais seriam seus maiores gastos. Temos divulgação da atividade parlamentar, passagem aérea e locação ou fretamento de veículos automotores sendo as categorias em que mais gastaram.

por_categoria <- dados %>% 
  group_by(txtDescricao) %>%
  summarise(total_categoria = sum(vlrLiquido))

por_categoria %>%
  mutate(categoria = fct_reorder(txtDescricao, total_categoria)) %>%
  ggplot(aes(x=categoria, y=total_categoria)) +
    geom_bar(stat="identity", fill="#f68060", alpha=.6, width=.4) +
    coord_flip()  +
  # scale_y_continuous(breaks = seq(20000, 20000000, by = 2000000)) +
  labs(
    x = "Categoria do gasto",
    y = "Gasto total",
    title = "Gastos dos deputados"
  )

Como esses gastos se distribuem?

Realizamos uma distribuição dos nossos dados através de um histograma e é visualmente perceptível que não estamos lidando com dados normais.

dados %>%
  ggplot(aes(x = vlrLiquido)) +
  geom_histogram(binwidth = .5,
                 colour = "darkorange",
                 fill = "white") + 
  labs(title = "Distribuição de gastos")

Quais regiões tiveram maiores gastos?

Observamos os gastos agora por regiões às quais os deputados pertenciam. Dois diferentes gráficos foram gerados para visualizarmos esse resultado.

norte <- c("AM","RR","AP","PA","TO","RO","AC")
nordeste <- c("MA","PI","CE","RN","PE","PB","SE","AL","BA")
sudeste <- c("SP","RJ","ES","MG")
centro <- c("MT","MS","GO","DF")
sul <- c("PR","RS","SC")

teste <- dados %>%
  mutate(regiao = case_when(sgUF %in% norte ~ "Norte",
                           sgUF %in% nordeste ~ "Nordeste",
                           sgUF %in% sudeste ~ "Sudeste",
                           sgUF %in% centro ~ "Centro-Oeste",
                           sgUF %in% sul ~ "Sul"))

gasto_ano_regiao <- teste %>%
    group_by(regiao, numAno) %>% 
    summarise(gasto = sum(vlrLiquido), 
              .groups = "drop")

gasto_ano_regiao %>% 
  ggplot(aes(x = numAno, y = gasto, color = regiao)) + 
    geom_point() + 
    geom_line() +
  scale_x_continuous(breaks=c(2017,2018,2019,2020,2021,2022)) +
  labs(
    x = "Ano",
    y = "Gasto total",
    color = "Região",
    title = "Gasto por região ao longo dos anos"
  )

gasto_ano_regiao %>% 
  ggplot(aes(x = numAno, y = gasto)) + 
    geom_point() + 
    geom_line() +
  facet_wrap(~ regiao, ncol = 2) +
  scale_x_continuous(breaks=c(2017,2018,2019,2020,2021,2022)) +
  labs(
    x = "Ano",
    y = "Gasto total",
    title = "Gasto por região ao longo dos anos"
  )

Quanto se gastou durante a pandemia?

Procuramos entender se os gastos durante a pandemia se mantiveram semelhantes aos gastos no período pré pandemia ou se ocorreram mudanças neste sentido. Três diferentes visualizações foram geradas para observamos essa diferença com mais detalhes.

pre_pandemia <- c(2017,2018,2019)
pandemia <- c(2020,2021,2022)

teste <- dados %>%
  mutate(periodo = case_when(numAno %in% pre_pandemia ~ "Pré pandemia",
                           numAno %in% pandemia ~ "Pandemia"))

gasto_periodo <- teste %>%
    group_by(periodo, numAno) %>% 
    summarise(gasto = sum(vlrLiquido), 
              .groups = "drop")

gasto_periodo %>% 
  ggplot(aes(x = numAno, y = gasto)) + 
    geom_point() + 
    geom_line() +
  facet_wrap(~factor(periodo, levels=c("Pré pandemia", "Pandemia")), ncol = 2) +
  scale_x_continuous(breaks=c(2017,2018,2019,2020,2021,2022)) +
  labs(
    x = "Ano",
    y = "Gasto total",
    title = "Gastos antes e durante a pandemia"
  )

gasto_periodo %>% 
  ggplot(aes(x = numAno, y = gasto, color = periodo)) + 
    geom_point() + 
    geom_line() +
  scale_x_continuous(breaks=c(2017,2018,2019,2020,2021,2022)) +
  labs(
    x = "Ano",
    y = "Gasto total",
    color = "Período",
    title = "Gastos antes e durante a pandemia"
  )

gasto_periodo %>%
  arrange(gasto) %>% 
  mutate(periodo = factor(periodo, levels=c("Pré pandemia", "Pandemia"))) %>% 
  ggplot(aes(x=as.factor(periodo), y=gasto)) + 
    geom_boxplot(fill="slateblue", alpha=0.2) +
  labs(
    x = "Ano",
    y = "Gasto total",
    title = "Gastos por período"
  )

Quais os gastos dos deputados pré e durante a pandemia?

Buscamos entender se os gastos por categoria se mantiveram os mesmos durante estes diferentes períodos da nossa história recente. É perceptível o quanto os gastos com passagens aéreas foram reduzidos durante este período pandêmico.

tipo_gasto_periodo <- teste %>% 
  group_by(txtDescricao, periodo) %>% 
  summarise(total_categoria = sum(vlrLiquido), 
              .groups = "drop")

Pré-pandemia

tipo_gasto_periodo %>%
  filter(periodo == "Pré pandemia") %>%
  arrange(total_categoria) %>% 
  mutate(txtDescricao = factor(txtDescricao, levels=txtDescricao)) %>%
  top_n(20, total_categoria) %>% 
  ggplot(aes(x=txtDescricao, y=total_categoria)) +
    geom_bar(stat="identity", fill="#f68060", alpha=.6, width=.4) +
    coord_flip()  +
  # facet_wrap(~factor(periodo, levels=c("Pré pandemia", "Pandemia")), ncol = 1) +
  labs(
    x = "Categoria do gasto",
    y = "Gasto total",
    title = "Gastos dos deputados"
  )

Durante a pandemia

tipo_gasto_periodo %>%
  filter(periodo == "Pandemia") %>%
  arrange(total_categoria) %>% 
  mutate(txtDescricao = factor(txtDescricao, levels=txtDescricao)) %>%
  top_n(20, total_categoria) %>% 
  ggplot(aes(x=txtDescricao, y=total_categoria)) +
    geom_bar(stat="identity", fill="#f68060", alpha=.6, width=.4) +
    coord_flip()  +
  # facet_wrap(~factor(periodo, levels=c("Pré pandemia", "Pandemia")), ncol = 1) +
  labs(
    x = "Categoria do gasto",
    y = "Gasto total",
    title = "Gastos dos deputados"
  )

Quais deputados gastaram mais nos períodos pré e durante a pandemia?

deputado_periodo <- teste %>% 
  group_by(txNomeParlamentar, periodo) %>% 
  summarise(total_deputado = sum(vlrLiquido), 
              .groups = "drop")

Pré-pandemia

deputado_periodo %>%
  filter(periodo == "Pré pandemia") %>%
  arrange(total_deputado) %>% 
  mutate(txNomeParlamentar = factor(txNomeParlamentar, levels=txNomeParlamentar)) %>%
  top_n(20, total_deputado) %>% 
  ggplot(aes(x=txNomeParlamentar, y=total_deputado)) +
    geom_bar(stat="identity", fill="#f68060", alpha=.6, width=.4) +
    coord_flip()  +
  # facet_wrap(~factor(periodo, levels=c("Pré pandemia", "Pandemia")), ncol = 1) +
  labs(
    x = "Nome do deputado",
    y = "Gasto total",
    title = "Gastos dos deputados no período pré-pandemia"
  )

Durante a pandemia

deputado_periodo %>%
  filter(periodo == "Pandemia") %>%
  arrange(total_deputado) %>% 
  mutate(txNomeParlamentar = factor(txNomeParlamentar, levels=txNomeParlamentar)) %>%
  top_n(20, total_deputado) %>% 
  ggplot(aes(x=txNomeParlamentar, y=total_deputado)) +
    geom_bar(stat="identity", fill="#f68060", alpha=.6, width=.4) +
    coord_flip()  +
  # facet_wrap(~factor(periodo, levels=c("Pré pandemia", "Pandemia")), ncol = 1) +
  labs(
    x = "Nome do deputado",
    y = "Gasto total",
    title = "Gastos dos deputados durante a pandemia"
  )