Resumo

O objetivo deste relatório é avaliar a associação de um conjunto de variáveis sociais na decisão do voto dos principais candidatos no primeiro turno nas eleições municipais de 2016 em Manaus. A pesquisa e, consequentemente, o relatório são baseados nos três surveys realizados entre agosto e setembro de 2016, feitas pelo Instituto Brasileiro de Opinião Pública e Estatística (IBOPE) em Manaus e disponibilizadas pelo Centro de Estudos de Opinião Pública (CESOP/UNICAMP). Para análise estatística dos dados foi utilizado testes de associação Qui-quadrado e Exato de Fisher, relacionando as variáveis sociais do eleitorado. Entre as variáveis selecionadas, a variável política de avaliação de governo municipal foi a que parece estar mais associada na intenção de votação do eleitorado durante o primeiro turno. Em contrapartida, as demais variáveis sociodemográficas, como o sexo, idade, escolaridade e renda aparecem de foram menos expressivas associada a intenção de voto.

Introdução

No tocante das pesquisas e estudos sobre eleições em Manaus, a literatura é demasiadamente escassa. Vale destacar o artigo elaborado por Veiga e Santos (2012) sobre a disputa para prefeito de 2008. Os estudos referentes às eleições de 2008, evidenciam que os aspectos mais utilizados são aqueles que se referem às variáveis sociodemográficas, assim como as avaliações das administrações das gestões municipais, estaduais e federais. Os arranjos sociais manauenses influenciam diretamente os resultados dos pleitos locais. Durante as eleições de 2008, numa primeira análise, a variável sexo não demonstrou influência na disputa, ou seja, homens e mulheres escolheram da mesma forma seus candidatos. Em relação a variável idade, as análises da época mostram que o prefeito tinha uma maior inserção na faixa etária maior de 45 anos. No que diz respeito à escolaridade, quanto maior o nível de escolaridade do eleitor, maior foi a preferência por Serafim. Na avaliação do governo, aqueles que avaliaram positivamente o trabalho do prefeito, votaram nele e consequentemente, aqueles que avaliaram negativamente votaram no seu adversário, Amazonino Mendes. Por ambos já terem sido chefes do Executivo amazonense, os mandatos passados influenciaram na decisão do voto (Veiga e Santos, 2012). Em linhas gerais, a história do grupo hegemônico que domina a cena eleitoral de Manaus e o peso de determinantes sociais levou a crer que essas variáveis – idade, escolaridade e avaliação do governo municipal – estão diretamente relacionadas com a decisão do voto, onde os eleitores com menor escolaridade e mais insatisfeitos com a gestão do prefeito Serafim, votaram no adversário Amazonino Mendes.

Problema de pesquisa

O presente relatório se filia à tradição de pesquisa empírica exploratória, onde buscamos encontrar padrões nos dados já coletados pelo IBOPE. Nosso foco é descrever aspectos de relevância e importância dentro dos dados, através das variáveis obtidas no banco de dados de pesquisas de opinião já realizadas que poderiam ter associação com a intenção de voto para prefeitos nas eleições municipais de Manaus em 2016, variáveis as quais são tradicionalmente utilizadas pela literatura sobre comportamento eleitoral. Inicialmente, dividimos as variáveis em dois grupos principais: o primeiro grupo de variáveis é composto por aquelas que definem atributos sociodemográficos aos entrevistados, como sexo, idade, escolaridade e renda (individual e familiar); o segundo grupo é composto por variáveis que dimensionam os eleitores em relação ao sistema político vigente, como as avaliações dos governos nos âmbitos federais, estaduais e municipais. Em especial, esse segundo grupo de variáveis têm sido apontadas como as principais associadas ao sucesso ou fracasso do candidato que disputa a reeleição e também associada a escolha do eleitor na hora do voto. Para avaliar os efeitos dessas variáveis na escolha do voto nas eleições municipais de Manaus em 2016, utilizamos o teste de associação Qui-Quadrado e Teste Exato de Fisher, com as seguintes associações: sexo, idade, escolaridade, renda familiar, renda individual e avaliações municipais, com a intenção de voto espontânea do eleitor. A principal hipótese é que no primeiro turno, a variável que mais teve relevância na decisão do voto foi a da avaliação municipal, corroborando o que aconteceu em 2008 no pleito para chefe do Executivo de Manaus.

Importando os pacotes utilizados

library(dplyr)
## Warning: package 'dplyr' was built under R version 4.0.3
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(tidyverse)
## Warning: package 'tidyverse' was built under R version 4.0.3
## -- Attaching packages --------------------------------------- tidyverse 1.3.0 --
## v ggplot2 3.3.2     v purrr   0.3.4
## v tibble  3.0.4     v stringr 1.4.0
## v tidyr   1.1.2     v forcats 0.5.0
## v readr   1.4.0
## Warning: package 'ggplot2' was built under R version 4.0.3
## Warning: package 'tibble' was built under R version 4.0.3
## Warning: package 'tidyr' was built under R version 4.0.3
## Warning: package 'forcats' was built under R version 4.0.3
## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

Importanto o banco de dados

library(haven)
## Warning: package 'haven' was built under R version 4.0.3
survey13 <- read_sav("C:/Users/Priscila/Downloads/04113.SAV")
survey14 <- read_sav("C:/Users/Priscila/Downloads/04114.SAV")
survey15 <- read_sav("C:/Users/Priscila/Downloads/04115.SAV")
survey16 <- read_sav("C:/Users/Priscila/Downloads/04116.SAV")
survey17 <- read_sav("C:/Users/Priscila/Downloads/04117.SAV")

Visualização dos dados de cada variável por rodadas de surveys

Todos os gráficos foram plotados a partir do R mas para uma melhor visualização dos dados, agregamos os gráficos por rodada em uma única imagem, tal qual aparece na apresentação oral deste relatório.

Teste de hipóteses

Antes da apresentação dos resultados, uma observação metodloógica importante: os testes de hipóteses da associação entre as variáveis dos surveys sobre o primeiro turno realizados nos dias 20/08, 10/09 e 27/09 foram feitas de formas distintas, devido ao tamanho da amostra. Desta forma, cada variável terá três testes de hipóteses referentes aos surveys supracitados.

Teste de hipóteses sobre associação de variáveis sociodemográficas com a intenção do voto no pleito municipal de Manaus em 2016 no primeiro turno

P.01: a variável sexo está associada a decisão do voto do eleitorado?

Por serem duas variaveis qualitativas, para verificar se existe associação entre as duas variáveis, utilizaremos o teste qui-quadrado. Contudo, antes da realização do teste, devemos verificar se os pressupostos do qui-quadrado são atendidos. Para tal, verificamos se as cédulas apresentam valor esperado acima de 5.
Procedimentos:
Hipótese nula (H0): nÃo existe associação entre as duas variáveis
Hipótese 1 (H1): existe associação entre as duas variáveis
ALPHA = 0,05 (nivel de significância)
Regra de decisão:
Se p-valor < alpha : rejeita H0
Se p-valor > alpha : não rejeita H0
survey13$SEXO<-as.factor(survey13$SEXO) 
survey14$SEXO<- as.factor(survey14$SEXO)
survey15$SEXO<- as.factor(survey15$SEXO)
Survey dia 20/08/16
tabela_sexo_survey13 <- table(survey13$P02, survey13$SEXO)
tabela_sexo_survey13
##     
##        1   2
##   1   97  79
##   2    8  13
##   3   12  11
##   4   13  11
##   6   32  29
##   8   18  16
##   9   12  18
##   96  13   8
##   97  54  62
##   99 119 180
teste_qui_sexo_survey13 <- chisq.test(tabela_sexo_survey13)
teste_qui_sexo_survey13$expected
##     
##              1         2
##   1   82.64348  93.35652
##   2    9.86087  11.13913
##   3   10.80000  12.20000
##   4   11.26957  12.73043
##   6   28.64348  32.35652
##   8   15.96522  18.03478
##   9   14.08696  15.91304
##   96   9.86087  11.13913
##   97  54.46957  61.53043
##   99 140.40000 158.60000
teste_qui_sexo_survey13
## 
##  Pearson's Chi-squared test
## 
## data:  tabela_sexo_survey13
## X-squared = 15.97, df = 9, p-value = 0.0675
p-value = 0.0675, logo, por ser maior que alpha, não rejeita HO. Desta forma, não existe associação entre as duas variáveis neste survey.
Survey dia 10/09/16
tabela_sexo_survey14 <- table(survey14$P02, survey14$SEXO)
tabela_sexo_survey14
##     
##        1   2
##   1  164 144
##   2    6  13
##   3   18  11
##   4    8  15
##   6   52  62
##   8   25  32
##   9   16  26
##   96   6   3
##   97  27  38
##   99  54  85
teste_qui_sexo_survey14 <- chisq.test(tabela_sexo_survey14)
## Warning in chisq.test(tabela_sexo_survey14): Chi-squared approximation may be
## incorrect
teste_qui_sexo_survey14$expected
##     
##               1          2
##   1  143.860870 164.139130
##   2    8.874534  10.125466
##   3   13.545342  15.454658
##   4   10.742857  12.257143
##   6   53.247205  60.752795
##   8   26.623602  30.376398
##   9   19.617391  22.382609
##   96   4.203727   4.796273
##   97  30.360248  34.639752
##   99  64.924224  74.075776
Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.
teste_de_fisher_sexo_survey14<-fisher.test(tabela_sexo_survey14, hybrid = TRUE)
teste_de_fisher_sexo_survey14
## 
##  Fisher's Exact Test for Count Data hybrid using asym.chisq. iff
##  (exp=5, perc=80, Emin=1)
## 
## data:  tabela_sexo_survey14
## p-value = 0.03481
## alternative hypothesis: two.sided
p-value = 0.03481, logo, por ser menor que alpha, rejeita HO. Desta forma, existe associação entre as duas variáveis neste survey.
Survey dia 27/09/16
tabela_sexo_survey15 <- table(survey15$P02, survey15$SEXO)
tabela_sexo_survey15
##     
##        1   2
##   1  163 148
##   2    7  11
##   3   16  17
##   4   23  20
##   5    6   6
##   6   59  87
##   7    7   3
##   8   25  30
##   9   21  26
##   96   0   1
##   97  27  38
##   99  23  41
teste_qui_sexo_survey15 <- chisq.test(tabela_sexo_survey15)
## Warning in chisq.test(tabela_sexo_survey15): Chi-squared approximation may be
## incorrect
teste_qui_sexo_survey15$expected
##     
##               1          2
##   1  145.648447 165.351553
##   2    8.429814   9.570186
##   3   15.454658  17.545342
##   4   20.137888  22.862112
##   5    5.619876   6.380124
##   6   68.375155  77.624845
##   7    4.683230   5.316770
##   8   25.757764  29.242236
##   9   22.011180  24.988820
##   96   0.468323   0.531677
##   97  30.440994  34.559006
##   99  29.972671  34.027329
Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.
teste_de_fisher_sexo_survey15<-fisher.test(tabela_sexo_survey15, hybrid = TRUE)
teste_de_fisher_sexo_survey15
## 
##  Fisher's Exact Test for Count Data hybrid using asym.chisq. iff
##  (exp=5, perc=80, Emin=1)
## 
## data:  tabela_sexo_survey15
## p-value = 0.1965
## alternative hypothesis: two.sided
p-value = 0.1965, logo, por ser maior que alpha, não rejeita H0. Desta forma, não existe associação entre as duas variáveis neste survey.
De forma geral, a variável sexo não apresenta associação direta com a intenção do voto nos surveys produzidos no primeiro turno dp pleito municipal de Manaus 2016.

P.02: a variável idade está associada a decisão do voto do eleitorado?

Por serem duas variaveis qualitativas, para verificar se existe associação entre as duas variáveis, utilizaremos o teste qui-quadrado. Contudo, antes da realização do teste, devemos verificar se os pressupostos do qui-quadrado são atendidos. Para tal, verificamos se as cédulas apresentam valor esperado acima de 5.
Procedimentos:
Hipótese nula (H0): nÃo existe associação entre as duas variáveis
Hipótese 1 (H1): existe associação entre as duas variáveis
ALPHA = 0,05 (nivel de significância)
Regra de decisão:
Se p-valor < alpha : rejeita H0
Se p-valor > alpha : não rejeita H0
survey13$IDAD<-as.factor(survey13$IDAD) 
survey14$IDAD<- as.factor(survey14$IDAD)
survey15$IDAD<- as.factor(survey15$IDAD)
Survey dia 20/08/16
tabela_idade_survey13 <- table(survey13$P02, survey13$IDAD)
tabela_idade_survey13
##     
##        1   2   3   4   5   6   7
##   1    1  38  48  39  24  22   4
##   2    0   5   6   3   3   2   2
##   3    0   2   9   8   2   1   1
##   4    0   6   2   9   5   2   0
##   6    0  10  13  13  13   7   5
##   8    1   9  13   3   4   4   0
##   9    0   8   9  12   1   0   0
##   96   0   4   6   7   2   1   1
##   97   2  20  34  22  21  13   4
##   99   8  51 101  56  42  27  14
teste_qui_idade_survey13 <- chisq.test(tabela_idade_survey13)
## Warning in chisq.test(tabela_idade_survey13): Chi-squared approximation may be
## incorrect
teste_qui_idade_survey13$expected
##     
##              1         2         3         4         5         6          7
##   1  2.6236025 33.450932 52.690683 37.604969 25.580124 17.272050  6.7776398
##   2  0.3130435  3.991304  6.286957  4.486957  3.052174  2.060870  0.8086957
##   3  0.3428571  4.371429  6.885714  4.914286  3.342857  2.257143  0.8857143
##   4  0.3577640  4.561491  7.185093  5.127950  3.488199  2.355280  0.9242236
##   6  0.9093168 11.593789 18.262112 13.033540  8.865839  5.986335  2.3490683
##   8  0.5068323  6.462112 10.178882  7.264596  4.941615  3.336646  1.3093168
##   9  0.4472050  5.701863  8.981366  6.409938  4.360248  2.944099  1.1552795
##   96 0.3130435  3.991304  6.286957  4.486957  3.052174  2.060870  0.8086957
##   97 1.7291925 22.047205 34.727950 24.785093 16.859627 11.383851  4.4670807
##   99 4.4571429 56.828571 89.514286 63.885714 43.457143 29.342857 11.5142857
Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.
teste_de_fisher_idade_survey13 <- fisher.test (tabela_idade_survey13, hybrid = TRUE, simulate.p.value=TRUE)
teste_de_fisher_idade_survey13
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela_idade_survey13
## p-value = 0.2434
## alternative hypothesis: two.sided
p-value = 0.2444, logo, por ser maior que aplha, não rejeita HO. Desta forma, não existe associação entre as duas variáveis.
Survey dia 10/09/16
tabela_idade_survey14 <- table(survey14$P02, survey14$IDAD)
tabela_idade_survey14
##     
##       1  2  3  4  5  6  7
##   1   4 65 92 70 42 27  8
##   2   1  6  3  5  2  0  2
##   3   0 11 10  6  1  1  0
##   4   0  3  9  5  2  2  2
##   6   1 20 24 22 25 15  7
##   8   1  8 20 12  7  9  0
##   9   0 12 13  9  5  2  1
##   96  0  1  4  3  1  0  0
##   97  2  9 17 19 13  2  3
##   99  3 30 32 36 17 13  8
teste_qui_idade_survey14 <- chisq.test(tabela_idade_survey14)
## Warning in chisq.test(tabela_idade_survey14): Chi-squared approximation may be
## incorrect
teste_qui_idade_survey14$expected
##     
##              1         2         3         4         5          6          7
##   1  4.5913043 63.130435 85.704348 71.547826 44.000000 27.1652174 11.8608696
##   2  0.2832298  3.894410  5.286957  4.413665  2.714286  1.6757764  0.7316770
##   3  0.4322981  5.944099  8.069565  6.736646  4.142857  2.5577640  1.1167702
##   4  0.3428571  4.714286  6.400000  5.342857  3.285714  2.0285714  0.8857143
##   6  1.6993789 23.366460 31.721739 26.481988 16.285714 10.0546584  4.3900621
##   8  0.8496894 11.683230 15.860870 13.240994  8.142857  5.0273292  2.1950311
##   9  0.6260870  8.608696 11.686957  9.756522  6.000000  3.7043478  1.6173913
##   96 0.1341615  1.844720  2.504348  2.090683  1.285714  0.7937888  0.3465839
##   97 0.9689441 13.322981 18.086957 15.099379  9.285714  5.7329193  2.5031056
##   99 2.0720497 28.490683 38.678261 32.289441 19.857143 12.2596273  5.3527950
Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.
teste_de_fisher_idade_survey14 <- fisher.test (tabela_idade_survey14, hybrid = TRUE, simulate.p.value=TRUE)
teste_de_fisher_idade_survey14
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela_idade_survey14
## p-value = 0.2094
## alternative hypothesis: two.sided
p-value = 0.2014, logo, por ser maior que alpha, não rejeita H0. Desta forma, não existe associação entre as variáveis.
Survey dia 27/09/16
tabela_idade_survey15 <- table(survey15$P02, survey15$IDAD)
tabela_idade_survey15
##     
##       1  2  3  4  5  6  7
##   1   3 67 82 86 36 24 13
##   2   1  4  6  2  4  1  0
##   3   0  7 15  5  4  1  1
##   4   0 10 10  5  9  6  3
##   5   0  2  4  1  5  0  0
##   6   3 29 44 35 21  9  5
##   7   0  1  3  3  2  1  0
##   8   1 14 16 12  5  4  3
##   9   1 15 15  6  6  3  1
##   96  0  0  0  1  0  0  0
##   97  1  8 13 16 12 11  4
##   99  0  9 21 21  9  3  1
teste_qui_idade_survey15 <- chisq.test(tabela_idade_survey15)
## Warning in chisq.test(tabela_idade_survey15): Chi-squared approximation may be
## incorrect
teste_qui_idade_survey15$expected
##     
##               1          2         3          4          5           6
##   1  3.86335404 64.1316770 88.470807 74.5627329 43.6559006 24.33913043
##   2  0.22360248  3.7118012  5.120497  4.3155280  2.5267081  1.40869565
##   3  0.40993789  6.8049689  9.387578  7.9118012  4.6322981  2.58260870
##   4  0.53416149  8.8670807 12.232298 10.3093168  6.0360248  3.36521739
##   5  0.14906832  2.4745342  3.413665  2.8770186  1.6844720  0.93913043
##   6  1.81366460 30.1068323 41.532919 35.0037267 20.4944099 11.42608696
##   7  0.12422360  2.0621118  2.844720  2.3975155  1.4037267  0.78260870
##   8  0.68322981 11.3416149 15.645963 13.1863354  7.7204969  4.30434783
##   9  0.58385093  9.6919255 13.370186 11.2683230  6.5975155  3.67826087
##   96 0.01242236  0.2062112  0.284472  0.2397516  0.1403727  0.07826087
##   97 0.80745342 13.4037267 18.490683 15.5838509  9.1242236  5.08695652
##   99 0.79503106 13.1975155 18.206211 15.3440994  8.9838509  5.00869565
##     
##                7
##   1  11.97639752
##   2   0.69316770
##   3   1.27080745
##   4   1.65590062
##   5   0.46211180
##   6   5.62236025
##   7   0.38509317
##   8   2.11801242
##   9   1.80993789
##   96  0.03850932
##   97  2.50310559
##   99  2.46459627
Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.
teste_de_fisher_idade_survey15 <- fisher.test (tabela_idade_survey15, hybrid = TRUE, simulate.p.value=TRUE)
teste_de_fisher_idade_survey15
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela_idade_survey15
## p-value = 0.3348
## alternative hypothesis: two.sided

#####p-value = 0.3458, logo, por ser maior que alpha, não rejeita H0. Desta forma, não existe associação entre as variáveis.

De forma geral, a variável idade não apresenta associação direta com a intenção do voto nos surveys produzidos no primeiro turno do pleito municipal de Manaus 2016.

P.03: a variável escolaridade está associada a decisão do voto do eleitorado?

Por serem duas variaveis qualitativas, para verificar se existe associação entre as duas variáveis, utilizaremos o teste qui-quadrado. Contudo, antes da realização do teste, devemos verificar se os pressupostos do qui-quadrado são atendidos. Para tal, verificamos se as cédulas apresentam valor esperado acima de 5.
Procedimentos:
Hipótese nula (H0): nÃo existe associação entre as duas variáveis
Hipótese 1 (H1): existe associação entre as duas variáveis
ALPHA = 0,05 (nivel de significância)
Regra de decisão:
Se p-valor < alpha : rejeita H0
Se p-valor > alpha : não rejeita H0
survey13$INST<-as.factor(survey13$INST) 
survey14$INST<- as.factor(survey14$INST)
survey15$INST<- as.factor(survey15$INST)
Survey dia 20/08/16
tabela_escolaridade_survey13 <- table(survey13$P02, survey13$INST)
tabela_escolaridade_survey13
##     
##        1   2   3   4   5   6   7   8   9  10
##   1    3   2   3   7  19  16  22  66  22  16
##   2    1   0   1   0   0   2   3  13   1   0
##   3    0   0   1   2   0   1   3   8   2   6
##   4    0   0   1   1   0   3   4   9   5   1
##   6    0   0   1   4   3   9   4  21  12   7
##   8    0   1   0   2   3   6   0  13   5   4
##   9    0   1   0   1   2   1   6  15   4   0
##   96   0   0   1   2   0   2   3  11   1   1
##   97   1   0   0   5  17   8   7  47  14  17
##   99   6   1   6  19  25  32  27 118  32  33
teste_qui_escolaridade_survey13 <- chisq.test(tabela_escolaridade_survey13)
## Warning in chisq.test(tabela_escolaridade_survey13): Chi-squared approximation
## may be incorrect
teste_qui_escolaridade_survey13$expected
##     
##              1         2         3         4         5         6         7
##   1  2.4049689 1.0931677 3.0608696  9.401242 15.085714 17.490683 17.272050
##   2  0.2869565 0.1304348 0.3652174  1.121739  1.800000  2.086957  2.060870
##   3  0.3142857 0.1428571 0.4000000  1.228571  1.971429  2.285714  2.257143
##   4  0.3279503 0.1490683 0.4173913  1.281988  2.057143  2.385093  2.355280
##   6  0.8335404 0.3788820 1.0608696  3.258385  5.228571  6.062112  5.986335
##   8  0.4645963 0.2111801 0.5913043  1.816149  2.914286  3.378882  3.336646
##   9  0.4099379 0.1863354 0.5217391  1.602484  2.571429  2.981366  2.944099
##   96 0.2869565 0.1304348 0.3652174  1.121739  1.800000  2.086957  2.060870
##   97 1.5850932 0.7204969 2.0173913  6.196273  9.942857 11.527950 11.383851
##   99 4.0857143 1.8571429 5.2000000 15.971429 25.628571 29.714286 29.342857
##     
##               8         9        10
##   1   70.181366 21.426087 18.583851
##   2    8.373913  2.556522  2.217391
##   3    9.171429  2.800000  2.428571
##   4    9.570186  2.921739  2.534161
##   6   24.324224  7.426087  6.440994
##   8   13.557764  4.139130  3.590062
##   9   11.962733  3.652174  3.167702
##   96   8.373913  2.556522  2.217391
##   97  46.255901 14.121739 12.248447
##   99 119.228571 36.400000 31.571429

Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.

teste_de_fisher_escolaridade_survey13 <- fisher.test (tabela_escolaridade_survey13, hybrid = TRUE, simulate.p.value=TRUE)
teste_de_fisher_escolaridade_survey13
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela_escolaridade_survey13
## p-value = 0.1829
## alternative hypothesis: two.sided
p-value = 0.1599, logo, por ser maior que alpha, não rejeita H0. Desta forma, não existe associação entre as variáveis.
Survey dia 10/09/16
tabela_escolaridade_survey14 <- table(survey14$P02, survey14$INST)
tabela_escolaridade_survey14
##     
##        1   2   3   4   5   6   7   8   9  10
##   1    6   2   6  11  27  25  41 110  42  38
##   2    0   0   1   2   1   2   4   4   4   1
##   3    0   0   0   0   1   2   2  17   4   3
##   4    0   0   0   0   0   2   2  11   2   6
##   6    2   0   2   7  11  11   7  47  16  11
##   8    0   0   0   3   3   7   6  22  12   4
##   9    0   0   0   3   2   6   4  21   5   1
##   96   0   0   0   0   3   0   0   5   1   0
##   97   0   0   1   1   2   6  10  33   6   6
##   99   4   0   2   6  17  14  12  55  17  12
teste_qui_escolaridade_survey14 <- chisq.test(tabela_escolaridade_survey14)
## Warning in chisq.test(tabela_escolaridade_survey14): Chi-squared approximation
## may be incorrect
teste_qui_escolaridade_survey14$expected
##     
##              1          2         3          4          5          6          7
##   1  4.5913043 0.76521739 4.5913043 12.6260870 25.6347826 28.6956522 33.6695652
##   2  0.2832298 0.04720497 0.2832298  0.7788820  1.5813665  1.7701863  2.0770186
##   3  0.4322981 0.07204969 0.4322981  1.1888199  2.4136646  2.7018634  3.1701863
##   4  0.3428571 0.05714286 0.3428571  0.9428571  1.9142857  2.1428571  2.5142857
##   6  1.6993789 0.28322981 1.6993789  4.6732919  9.4881988 10.6211180 12.4621118
##   8  0.8496894 0.14161491 0.8496894  2.3366460  4.7440994  5.3105590  6.2310559
##   9  0.6260870 0.10434783 0.6260870  1.7217391  3.4956522  3.9130435  4.5913043
##   96 0.1341615 0.02236025 0.1341615  0.3689441  0.7490683  0.8385093  0.9838509
##   97 0.9689441 0.16149068 0.9689441  2.6645963  5.4099379  6.0559006  7.1055901
##   99 2.0720497 0.34534161 2.0720497  5.6981366 11.5689441 12.9503106 15.1950311
##     
##               8         9         10
##   1  124.347826 41.704348 31.3739130
##   2    7.670807  2.572671  1.9354037
##   3   11.708075  3.926708  2.9540373
##   4    9.285714  3.114286  2.3428571
##   6   46.024845 15.436025 11.6124224
##   8   23.012422  7.718012  5.8062112
##   9   16.956522  5.686957  4.2782609
##   96   3.633540  1.218634  0.9167702
##   97  26.242236  8.801242  6.6211180
##   99  56.118012 18.821118 14.1590062

Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.

teste_de_fisher_escolaridade_survey14 <- fisher.test (tabela_escolaridade_survey14, hybrid = TRUE, simulate.p.value=TRUE)
teste_de_fisher_escolaridade_survey14
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela_escolaridade_survey14
## p-value = 0.7161
## alternative hypothesis: two.sided

p-value = 0.7211, logo, por ser maior que alpha, não rejeita H0. Desta forma, não existe associação entre as variáveis.

Survey dia 27/09/16
tabela_escolaridade_survey15 <- table(survey15$P02, survey15$INST)
tabela_escolaridade_survey15
##     
##        1   3   4   5   6   7   8   9  10
##   1    3   6   7  20  28  26 139  36  46
##   2    0   0   2   0   2   1   5   4   4
##   3    0   0   3   1   1   4  15   5   4
##   4    0   0   2   3   2   3  25   5   3
##   5    0   0   0   0   0   0   8   2   2
##   6    3   3   3   7  20  13  70  11  16
##   7    0   0   0   1   1   1   6   1   0
##   8    0   0   4   6   6  11  20   4   4
##   9    0   0   2   2   2   9  22   8   2
##   96   0   0   0   0   0   0   0   1   0
##   97   2   3   2   6   2   8  31   5   6
##   99   2   0   3   7   2   8  28   7   7
teste_qui_escolaridade_survey15 <- chisq.test(tabela_escolaridade_survey15)
## Warning in chisq.test(tabela_escolaridade_survey15): Chi-squared approximation
## may be incorrect
teste_qui_escolaridade_survey15$expected
##     
##               1          3           4           5           6          7
##   1  3.86335404 4.63602484 10.81739130 20.47577640 25.49813665 32.4521739
##   2  0.22360248 0.26832298  0.62608696  1.18509317  1.47577640  1.8782609
##   3  0.40993789 0.49192547  1.14782609  2.17267081  2.70559006  3.4434783
##   4  0.53416149 0.64099379  1.49565217  2.83105590  3.52546584  4.4869565
##   5  0.14906832 0.17888199  0.41739130  0.79006211  0.98385093  1.2521739
##   6  1.81366460 2.17639752  5.07826087  9.61242236 11.97018634 15.2347826
##   7  0.12422360 0.14906832  0.34782609  0.65838509  0.81987578  1.0434783
##   8  0.68322981 0.81987578  1.91304348  3.62111801  4.50931677  5.7391304
##   9  0.58385093 0.70062112  1.63478261  3.09440994  3.85341615  4.9043478
##   96 0.01242236 0.01490683  0.03478261  0.06583851  0.08198758  0.1043478
##   97 0.80745342 0.96894410  2.26086957  4.27950311  5.32919255  6.7826087
##   99 0.79503106 0.95403727  2.22608696  4.21366460  5.24720497  6.6782609
##     
##                8         9         10
##   1  142.5577640 34.383851 36.3155280
##   2    8.2509317  1.990062  2.1018634
##   3   15.1267081  3.648447  3.8534161
##   4   19.7105590  4.754037  5.0211180
##   5    5.5006211  1.326708  1.4012422
##   6   66.9242236 16.141615 17.0484472
##   7    4.5838509  1.105590  1.1677019
##   8   25.2111801  6.080745  6.4223602
##   9   21.5440994  5.196273  5.4881988
##   96   0.4583851  0.110559  0.1167702
##   97  29.7950311  7.186335  7.5900621
##   99  29.3366460  7.075776  7.4732919

Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.

teste_de_fisher_escolaridade_survey15 <- fisher.test (tabela_escolaridade_survey15, hybrid = TRUE, simulate.p.value=TRUE)
teste_de_fisher_escolaridade_survey15
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela_escolaridade_survey15
## p-value = 0.2844
## alternative hypothesis: two.sided

p-value = 0.2884, logo, por ser maior que alpha, não rejeita H0.Desta forma, não existe associação entre as variávies.

De forma geral, a variável escolaridade não apresenta associação direta com a intenção do voto nos surveys produzidos no primeiro turno do pleito municipal de Manaus 2016.

P.04: a variável renda individual está associada a decisão do voto do eleitorado?

Por serem duas variaveis qualitativas, para verificar se existe associação entre as duas variáveis, utilizaremos o teste qui-quadrado. Contudo, antes da realização do teste, devemos verificar se os pressupostos do qui-quadrado são atendidos. Para tal, verificamos se as cédulas apresentam valor esperado acima de 5.
Procedimentos:
Hipótese nula (H0): nÃo existe associação entre as duas variáveis
Hipótese 1 (H1): existe associação entre as duas variáveis
ALPHA = 0,05 (nivel de significância)
Regra de decisão:
Se p-valor < alpha : rejeita H0
Se p-valor > alpha : não rejeita H0
survey13$REND1<-as.factor(survey13$REND1) 
survey14$REND1<- as.factor(survey14$REND1)
survey15$REND1<- as.factor(survey15$REND1)
Survey dia 20/08/16
tabela_rendaind_survey13 <- table(survey13$P02, survey13$REND1)
tabela_rendaind_survey13
##     
##        1   2   3   4   5   6  98  99
##   1    0   1   5  28  48  70  22   2
##   2    0   0   0   0   5  14   1   1
##   3    1   0   0   6   7   7   2   0
##   4    0   0   0   2   8   9   3   2
##   6    0   1   1   9  15  25   7   3
##   8    0   0   0   5   8  12   8   1
##   9    0   1   0   3   5  18   3   0
##   96   0   0   0   4   5  11   1   0
##   97   0   5   2  19  19  54  14   3
##   99   0   2   3  32  61 156  38   7
teste_qui_rendaind_survey13 <- chisq.test(tabela_rendaind_survey13)
## Warning in chisq.test(tabela_rendaind_survey13): Chi-squared approximation may
## be incorrect
teste_qui_rendaind_survey13$expected
##     
##               1         2         3         4         5          6        98
##   1  0.21863354 2.1863354 2.4049689 23.612422 39.572671  82.206211 21.644720
##   2  0.02608696 0.2608696 0.2869565  2.817391  4.721739   9.808696  2.582609
##   3  0.02857143 0.2857143 0.3142857  3.085714  5.171429  10.742857  2.828571
##   4  0.02981366 0.2981366 0.3279503  3.219876  5.396273  11.209938  2.951553
##   6  0.07577640 0.7577640 0.8335404  8.183851 13.715528  28.491925  7.501863
##   8  0.04223602 0.4223602 0.4645963  4.561491  7.644720  15.880745  4.181366
##   9  0.03726708 0.3726708 0.4099379  4.024845  6.745342  14.012422  3.689441
##   96 0.02608696 0.2608696 0.2869565  2.817391  4.721739   9.808696  2.582609
##   97 0.14409938 1.4409938 1.5850932 15.562733 26.081988  54.181366 14.265839
##   99 0.37142857 3.7142857 4.0857143 40.114286 67.228571 139.657143 36.771429
##     
##             99
##   1  4.1540373
##   2  0.4956522
##   3  0.5428571
##   4  0.5664596
##   6  1.4397516
##   8  0.8024845
##   9  0.7080745
##   96 0.4956522
##   97 2.7378882
##   99 7.0571429

Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.

teste_de_fisher_rendaind_survey13 <- fisher.test (tabela_rendaind_survey13, hybrid = TRUE, simulate.p.value=TRUE)
teste_de_fisher_rendaind_survey13
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela_rendaind_survey13
## p-value = 0.2234
## alternative hypothesis: two.sided

p-value = 0.1984, logo, por ser maior que alpha, não rejeita H0.Desta forma, não existe associação entre as variávies.

Survey dia 10/09/16
tabela_rendaind_survey14 <- table(survey14$P02, survey14$REND1)
tabela_rendaind_survey14
##     
##        1   2   3   4   5   6  98  99
##   1    2   2  10  43  81 125  41   4
##   2    0   0   0   2   1   9   7   0
##   3    0   1   2   3   9   8   6   0
##   4    0   1   1   6   5   6   4   0
##   6    0   2   2  15  26  51  13   5
##   8    0   1   2   6  18  22   6   2
##   9    0   0   4   2  10  22   4   0
##   96   0   0   0   2   2   4   0   1
##   97   0   0   2   7  17  26  10   3
##   99   0   1   2  11  36  58  25   6
teste_qui_rendaind_survey14 <- chisq.test(tabela_rendaind_survey14)
## Warning in chisq.test(tabela_rendaind_survey14): Chi-squared approximation may
## be incorrect
teste_qui_rendaind_survey14$expected
##     
##               1          2         3         4         5          6        98
##   1  0.76521739 3.06086957 9.5652174 37.113043 78.434783 126.643478 44.382609
##   2  0.04720497 0.18881988 0.5900621  2.289441  4.838509   7.812422  2.737888
##   3  0.07204969 0.28819876 0.9006211  3.494410  7.385093  11.924224  4.178882
##   4  0.05714286 0.22857143 0.7142857  2.771429  5.857143   9.457143  3.314286
##   6  0.28322981 1.13291925 3.5403727 13.736646 29.031056  46.874534 16.427329
##   8  0.14161491 0.56645963 1.7701863  6.868323 14.515528  23.437267  8.213665
##   9  0.10434783 0.41739130 1.3043478  5.060870 10.695652  17.269565  6.052174
##   96 0.02236025 0.08944099 0.2795031  1.084472  2.291925   3.700621  1.296894
##   97 0.16149068 0.64596273 2.0186335  7.832298 16.552795  26.726708  9.366460
##   99 0.34534161 1.38136646 4.3167702 16.749068 35.397516  57.154037 20.029814
##     
##             99
##   1  8.0347826
##   2  0.4956522
##   3  0.7565217
##   4  0.6000000
##   6  2.9739130
##   8  1.4869565
##   9  1.0956522
##   96 0.2347826
##   97 1.6956522
##   99 3.6260870

Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.

teste_de_fisher_rendaind_survey14 <- fisher.test (tabela_rendaind_survey14, hybrid = TRUE, simulate.p.value=TRUE)
teste_de_fisher_rendaind_survey14
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela_rendaind_survey14
## p-value = 0.2719
## alternative hypothesis: two.sided

p-value = 0.2614, logo, por ser maior que alpha, não rejeira H0. Desta forma, não existe associação entre as variáveis.

Survey dia 27/09/16
tabela_rendaind_survey15 <- table(survey15$P02, survey15$REND1)
tabela_rendaind_survey15
##     
##        1   2   3   4   5   6  98  99
##   1    1   5  18  44  84 109  47   3
##   2    0   0   1   3   4   4   5   1
##   3    0   0   0   8   7  11   7   0
##   4    0   0   1   7  13  17   5   0
##   5    0   1   2   2   4   2   1   0
##   6    2   1   8  22  33  55  23   2
##   7    0   0   0   3   3   3   1   0
##   8    1   0   2   9  14  21   8   0
##   9    0   0   0   6  13  20   7   1
##   96   0   0   0   0   0   1   0   0
##   97   0   0   1   9  15  26  11   3
##   99   0   0   0   7  16  23  15   3
teste_qui_rendaind_survey15 <- chisq.test(tabela_rendaind_survey15)
## Warning in chisq.test(tabela_rendaind_survey15): Chi-squared approximation may
## be incorrect
teste_qui_rendaind_survey15$expected
##     
##                1           2           3          4          5           6
##   1  1.545341615 2.704347826 12.74906832 46.3602484 79.5850932 112.8099379
##   2  0.089440994 0.156521739  0.73788820  2.6832298  4.6062112   6.5291925
##   3  0.163975155 0.286956522  1.35279503  4.9192547  8.4447205  11.9701863
##   4  0.213664596 0.373913043  1.76273292  6.4099379 11.0037267  15.5975155
##   5  0.059627329 0.104347826  0.49192547  1.7888199  3.0708075   4.3527950
##   6  0.725465839 1.269565217  5.98509317 21.7639752 37.3614907  52.9590062
##   7  0.049689441 0.086956522  0.40993789  1.4906832  2.5590062   3.6273292
##   8  0.273291925 0.478260870  2.25465839  8.1987578 14.0745342  19.9503106
##   9  0.233540373 0.408695652  1.92670807  7.0062112 12.0273292  17.0484472
##   96 0.004968944 0.008695652  0.04099379  0.1490683  0.2559006   0.3627329
##   97 0.322981366 0.565217391  2.66459627  9.6894410 16.6335404  23.5776398
##   99 0.318012422 0.556521739  2.62360248  9.5403727 16.3776398  23.2149068
##     
##              98         99
##   1  50.2236025 5.02236025
##   2   2.9068323 0.29068323
##   3   5.3291925 0.53291925
##   4   6.9440994 0.69440994
##   5   1.9378882 0.19378882
##   6  23.5776398 2.35776398
##   7   1.6149068 0.16149068
##   8   8.8819876 0.88819876
##   9   7.5900621 0.75900621
##   96  0.1614907 0.01614907
##   97 10.4968944 1.04968944
##   99 10.3354037 1.03354037

Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.

teste_de_fisher_rendaind_survey15 <- fisher.test (tabela_rendaind_survey15, hybrid = TRUE, simulate.p.value=TRUE)
teste_de_fisher_rendaind_survey15
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela_rendaind_survey15
## p-value = 0.8486
## alternative hypothesis: two.sided

p-value = 0.8591, logo, por ser maior que alpha, não rejeita H0. Desta forma, não existe associação entre as variáveis.

De forma geral, a variável renda individual não apresenta associação direta com a intenção do voto nos surveys produzidos no primeiro turno do pleito municipal de Manaus 2016.

P.05: a variável renda familiar está associada a decisão do voto do eleitorado?

Por serem duas variaveis qualitativas, para verificar se existe associação entre as duas variáveis, utilizaremos o teste qui-quadrado. Contudo, antes da realização do teste, devemos verificar se os pressupostos do qui-quadrado são atendidos. Para tal, verificamos se as cédulas apresentam valor esperado acima de 5.
Procedimentos:
Hipótese nula (H0): nÃo existe associação entre as duas variáveis
Hipótese 1 (H1): existe associação entre as duas variáveis
ALPHA = 0,05 (nivel de significância)
Regra de decisão:
Se p-valor < alpha : rejeita H0
Se p-valor > alpha : não rejeita H0
survey13$REND2<-as.factor(survey13$REND2) 
survey14$REND2<- as.factor(survey14$REND2)
survey15$REND2<- as.factor(survey15$REND2)
Survey dia 20/08/16
tabela_rendafam_survey13 <- table(survey13$P02, survey13$REND2)
tabela_rendafam_survey13
##     
##        1   2   3   4   5   6  99
##   1    0   5  17  60  61  26   7
##   2    0   0   1   5  11   4   0
##   3    1   1   2  10   6   3   0
##   4    0   0   4   4  12   2   2
##   6    0   3   6  21  18  10   3
##   8    1   1   2   9  10  11   0
##   9    1   0   3   5  13   8   0
##   96   1   0   1   7   5   7   0
##   97   2   4   9  26  36  34   5
##   99   1   1  23  77 100  82  15
teste_qui_rendafam_survey13 <- chisq.test(tabela_rendaind_survey13)
## Warning in chisq.test(tabela_rendaind_survey13): Chi-squared approximation may
## be incorrect
teste_qui_rendafam_survey13$expected
##     
##               1         2         3         4         5          6        98
##   1  0.21863354 2.1863354 2.4049689 23.612422 39.572671  82.206211 21.644720
##   2  0.02608696 0.2608696 0.2869565  2.817391  4.721739   9.808696  2.582609
##   3  0.02857143 0.2857143 0.3142857  3.085714  5.171429  10.742857  2.828571
##   4  0.02981366 0.2981366 0.3279503  3.219876  5.396273  11.209938  2.951553
##   6  0.07577640 0.7577640 0.8335404  8.183851 13.715528  28.491925  7.501863
##   8  0.04223602 0.4223602 0.4645963  4.561491  7.644720  15.880745  4.181366
##   9  0.03726708 0.3726708 0.4099379  4.024845  6.745342  14.012422  3.689441
##   96 0.02608696 0.2608696 0.2869565  2.817391  4.721739   9.808696  2.582609
##   97 0.14409938 1.4409938 1.5850932 15.562733 26.081988  54.181366 14.265839
##   99 0.37142857 3.7142857 4.0857143 40.114286 67.228571 139.657143 36.771429
##     
##             99
##   1  4.1540373
##   2  0.4956522
##   3  0.5428571
##   4  0.5664596
##   6  1.4397516
##   8  0.8024845
##   9  0.7080745
##   96 0.4956522
##   97 2.7378882
##   99 7.0571429

Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.

teste_de_fisher_rendafam_survey13 <- fisher.test (tabela_rendafam_survey13, hybrid = TRUE, simulate.p.value=TRUE)
teste_de_fisher_rendafam_survey13
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela_rendafam_survey13
## p-value = 0.02049
## alternative hypothesis: two.sided

p-value = 0.02399, logo, por ser menor que alpha, rejeita H0. Desta forma, exite associação entre as variáveis.

Survey dia 10/09/16
tabela_rendafam_survey14 <- table(survey14$P02, survey14$REND2)
tabela_rendafam_survey14
##     
##        1   2   3   4   5   6  99
##   1    3  12  34 101  93  52  13
##   2    0   0   1   4   8   6   0
##   3    1   1   3   9   8   5   2
##   4    1   1   2   9   5   5   0
##   6    2   3  12  33  23  29  12
##   8    0   4   7  16  20   8   2
##   9    0   3   2  12  19   5   1
##   96   0   0   1   3   2   2   1
##   97   1   1   5  15  24  13   6
##   99   2   2   8  32  50  36   9
teste_qui_rendafam_survey14 <- chisq.test(tabela_rendaind_survey14)
## Warning in chisq.test(tabela_rendaind_survey14): Chi-squared approximation may
## be incorrect
teste_qui_rendafam_survey14$expected
##     
##               1          2         3         4         5          6        98
##   1  0.76521739 3.06086957 9.5652174 37.113043 78.434783 126.643478 44.382609
##   2  0.04720497 0.18881988 0.5900621  2.289441  4.838509   7.812422  2.737888
##   3  0.07204969 0.28819876 0.9006211  3.494410  7.385093  11.924224  4.178882
##   4  0.05714286 0.22857143 0.7142857  2.771429  5.857143   9.457143  3.314286
##   6  0.28322981 1.13291925 3.5403727 13.736646 29.031056  46.874534 16.427329
##   8  0.14161491 0.56645963 1.7701863  6.868323 14.515528  23.437267  8.213665
##   9  0.10434783 0.41739130 1.3043478  5.060870 10.695652  17.269565  6.052174
##   96 0.02236025 0.08944099 0.2795031  1.084472  2.291925   3.700621  1.296894
##   97 0.16149068 0.64596273 2.0186335  7.832298 16.552795  26.726708  9.366460
##   99 0.34534161 1.38136646 4.3167702 16.749068 35.397516  57.154037 20.029814
##     
##             99
##   1  8.0347826
##   2  0.4956522
##   3  0.7565217
##   4  0.6000000
##   6  2.9739130
##   8  1.4869565
##   9  1.0956522
##   96 0.2347826
##   97 1.6956522
##   99 3.6260870

Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.

teste_de_fisher_rendafam_survey14 <- fisher.test (tabela_rendafam_survey14, hybrid = TRUE, simulate.p.value=TRUE)
teste_de_fisher_rendafam_survey14
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela_rendafam_survey14
## p-value = 0.2674
## alternative hypothesis: two.sided

p-value = 0.2889, logo, por ser maior que alpha, não rejeita H0. Desta forma, não existe associação entre as variáveis.

Survey dia 27/09/16
tabela_rendafam_survey15 <- table(survey15$P02, survey15$REND2)
tabela_rendafam_survey15
##     
##        1   2   3   4   5   6  99
##   1    6   8  40 115  86  44  12
##   2    0   2   1   5   3   4   3
##   3    0   0   0  13  12   8   0
##   4    1   0   3  16  13   9   1
##   5    1   2   1   3   4   1   0
##   6    3   8  14  49  39  28   5
##   7    0   0   3   4   2   1   0
##   8    1   1   4  17  15  15   2
##   9    0   1   5  15  16   9   1
##   96   0   0   0   1   0   0   0
##   97   0   2   5  15  20  18   5
##   99   0   0   6  16  22  15   5
teste_qui_rendafam_survey15 <- chisq.test(tabela_rendaind_survey15)
## Warning in chisq.test(tabela_rendaind_survey15): Chi-squared approximation may
## be incorrect
teste_qui_rendafam_survey15$expected
##     
##                1           2           3          4          5           6
##   1  1.545341615 2.704347826 12.74906832 46.3602484 79.5850932 112.8099379
##   2  0.089440994 0.156521739  0.73788820  2.6832298  4.6062112   6.5291925
##   3  0.163975155 0.286956522  1.35279503  4.9192547  8.4447205  11.9701863
##   4  0.213664596 0.373913043  1.76273292  6.4099379 11.0037267  15.5975155
##   5  0.059627329 0.104347826  0.49192547  1.7888199  3.0708075   4.3527950
##   6  0.725465839 1.269565217  5.98509317 21.7639752 37.3614907  52.9590062
##   7  0.049689441 0.086956522  0.40993789  1.4906832  2.5590062   3.6273292
##   8  0.273291925 0.478260870  2.25465839  8.1987578 14.0745342  19.9503106
##   9  0.233540373 0.408695652  1.92670807  7.0062112 12.0273292  17.0484472
##   96 0.004968944 0.008695652  0.04099379  0.1490683  0.2559006   0.3627329
##   97 0.322981366 0.565217391  2.66459627  9.6894410 16.6335404  23.5776398
##   99 0.318012422 0.556521739  2.62360248  9.5403727 16.3776398  23.2149068
##     
##              98         99
##   1  50.2236025 5.02236025
##   2   2.9068323 0.29068323
##   3   5.3291925 0.53291925
##   4   6.9440994 0.69440994
##   5   1.9378882 0.19378882
##   6  23.5776398 2.35776398
##   7   1.6149068 0.16149068
##   8   8.8819876 0.88819876
##   9   7.5900621 0.75900621
##   96  0.1614907 0.01614907
##   97 10.4968944 1.04968944
##   99 10.3354037 1.03354037

Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.

teste_de_fisher_rendafam_survey15 <- fisher.test (tabela_rendafam_survey15, hybrid = TRUE, simulate.p.value=TRUE)
teste_de_fisher_rendafam_survey15
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela_rendafam_survey15
## p-value = 0.2499
## alternative hypothesis: two.sided

p-value = 0.2699, logo, por ser maior que alpha, não rejeita H0. Desta forma, não existe associação entre as variáveis.

De forma geral, a variável renda familiar também não apresenta associação direta com a intenção do voto nos surveys produzidos no primeiro turno do pleito municipal de Manaus 2016.

Teste de hipóteses sobre associação das variáveis políticas com a intenção do voto no pleito municipal de Manaus em 2016 no primeiro turno

P.06: a variável avaliação de governo municipal está associada a decisão do voto do eleitorado?

Por serem duas variaveis qualitativas, para verificar se existe associação entre as duas variáveis, utilizaremos o teste qui-quadrado. Contudo, antes da realização do teste, devemos verificar se os pressupostos do qui-quadrado são atendidos. Para tal, verificamos se as cédulas apresentam valor esperado acima de 5.
Procedimentos:
Hipótese nula (H0): nÃo existe associação entre as duas variáveis
Hipótese 1 (H1): existe associação entre as duas variáveis
ALPHA = 0,05 (nivel de significância)
Regra de decisão:
Se p-valor < alpha : rejeita H0
Se p-valor > alpha : não rejeita H0
Survey dia 20/08/16
tabela_avagovmun1_survey13 <- table(survey13$P02, survey13$P07)
tabela_avagovmun1_survey13
##     
##        1   2   3   4   5  99
##   1   35  93  41   0   3   4
##   2    0   4  10   0   7   0
##   3    2   4  10   0   7   0
##   4    0   7   8   2   7   0
##   6    1  12  26  10  12   0
##   8    4   6  16   2   6   0
##   9    0   9  11   5   5   0
##   96   2   2  10   2   5   0
##   97   3  22  31  14  42   4
##   99  18  63 148  18  41  11
teste_qui_avagovmun1_survey13 <- chisq.test(tabela_avagovmun1_survey13)
## Warning in chisq.test(tabela_avagovmun1_survey13): Chi-squared approximation may
## be incorrect
teste_qui_avagovmun1_survey13$expected
##     
##              1         2          3         4         5        99
##   1  14.211180 48.536646  67.995031 11.587578 29.515528 4.1540373
##   2   1.695652  5.791304   8.113043  1.382609  3.521739 0.4956522
##   3   1.857143  6.342857   8.885714  1.514286  3.857143 0.5428571
##   4   1.937888  6.618634   9.272050  1.580124  4.024845 0.5664596
##   6   4.925466 16.822360  23.566460  4.016149 10.229814 1.4397516
##   8   2.745342  9.376398  13.135404  2.238509  5.701863 0.8024845
##   9   2.422360  8.273292  11.590062  1.975155  5.031056 0.7080745
##   96  1.695652  5.791304   8.113043  1.382609  3.521739 0.4956522
##   97  9.366460 31.990062  44.814907  7.637267 19.453416 2.7378882
##   99 24.142857 82.457143 115.514286 19.685714 50.142857 7.0571429

Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.

teste_de_fisher_avagovmun1_survey13 <- fisher.test (tabela_avagovmun1_survey13, hybrid = TRUE, simulate.p.value=TRUE)
teste_de_fisher_avagovmun1_survey13
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela_avagovmun1_survey13
## p-value = 0.0004998
## alternative hypothesis: two.sided

p-value = 0.0004998, logo, por ser menor que alpha, rejeita H0. Desta forma, existe associação entre as variáveis.

Survey dia 10/09/16
tabela_avagovmun1_survey14 <- table(survey14$P02, survey14$P08)
tabela_avagovmun1_survey14
##     
##        1   2   3   4   5  99
##   1   50 171  74   1   9   3
##   2    0   7   6   3   3   0
##   3    2   5  12   4   5   1
##   4    1   3   9   4   6   0
##   6    0  22  43  24  25   0
##   8    4  13  22   6  12   0
##   9    1   7  21   6   7   0
##   96   1   1   6   1   0   0
##   97   3  10  29   6  16   1
##   99   3  30  56  14  27   9
teste_qui_avagovmun1_survey14 <- chisq.test(tabela_avagovmun1_survey14)
## Warning in chisq.test(tabela_avagovmun1_survey14): Chi-squared approximation may
## be incorrect
teste_qui_avagovmun1_survey14$expected
##     
##               1          2          3          4         5        99
##   1  24.8695652 102.921739 106.365217 26.4000000 42.086957 5.3565217
##   2   1.5341615   6.349068   6.561491  1.6285714  2.596273 0.3304348
##   3   2.3416149   9.690683  10.014907  2.4857143  3.962733 0.5043478
##   4   1.8571429   7.685714   7.942857  1.9714286  3.142857 0.4000000
##   6   9.2049689  38.094410  39.368944  9.7714286 15.577640 1.9826087
##   8   4.6024845  19.047205  19.684472  4.8857143  7.788820 0.9913043
##   9   3.3913043  14.034783  14.504348  3.6000000  5.739130 0.7304348
##   96  0.7267081   3.007453   3.108075  0.7714286  1.229814 0.1565217
##   97  5.2484472  21.720497  22.447205  5.5714286  8.881988 1.1304348
##   99 11.2236025  46.448447  48.002484 11.9142857 18.993789 2.4173913

Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.

teste_de_fisher_avagovmun1_survey14 <- fisher.test (tabela_avagovmun1_survey14, hybrid = TRUE, simulate.p.value=TRUE)
teste_de_fisher_avagovmun1_survey14
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela_avagovmun1_survey14
## p-value = 0.0004998
## alternative hypothesis: two.sided

p-value = 0.0004998, logo, por ser menor que alpha, rejeita H0. Desta forma, existe associação entre as variávies.

Survey dia 27/09/16
tabela_avagovmun1_survey15 <- table(survey15$P02, survey15$P07)
tabela_avagovmun1_survey15
##     
##        1   2   3   4   5  99
##   1   53 162  83   3   9   1
##   2    1   6   6   2   3   0
##   3    1   7  14   2   9   0
##   4    0   3  28   7   5   0
##   5    0   1   7   1   3   0
##   6   10  29  52  19  36   0
##   7    0   5   2   1   2   0
##   8    3  12  23   3  14   0
##   9    1  20  12   6   7   1
##   96   0   0   0   0   1   0
##   97   0   7  32   7  18   1
##   99   3  14  29   7  10   1
teste_qui_avagovmun1_survey15 <- chisq.test(tabela_avagovmun1_survey15)
## Warning in chisq.test(tabela_avagovmun1_survey15): Chi-squared approximation may
## be incorrect
teste_qui_avagovmun1_survey15$expected
##     
##                1           2          3           4          5          99
##   1  27.81614907 102.7652174 111.264596 22.40745342 45.2012422 1.545341615
##   2   1.60993789   5.9478261   6.439752  1.29689441  2.6161491 0.089440994
##   3   2.95155280  10.9043478  11.806211  2.37763975  4.7962733 0.163975155
##   4   3.84596273  14.2086957  15.383851  3.09813665  6.2496894 0.213664596
##   5   1.07329193   3.9652174   4.293168  0.86459627  1.7440994 0.059627329
##   6  13.05838509  48.2434783  52.233540 10.51925466 21.2198758 0.725465839
##   7   0.89440994   3.3043478   3.577640  0.72049689  1.4534161 0.049689441
##   8   4.91925466  18.1739130  19.677019  3.96273292  7.9937888 0.273291925
##   9   4.20372671  15.5304348  16.814907  3.38633540  6.8310559 0.233540373
##   96  0.08944099   0.3304348   0.357764  0.07204969  0.1453416 0.004968944
##   97  5.81366460  21.4782609  23.254658  4.68322981  9.4472050 0.322981366
##   99  5.72422360  21.1478261  22.896894  4.61118012  9.3018634 0.318012422

Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher

teste_de_fisher_avagovmun1_survey15 <- fisher.test (tabela_avagovmun1_survey15, hybrid = TRUE, simulate.p.value=TRUE)
teste_de_fisher_avagovmun1_survey15
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela_avagovmun1_survey15
## p-value = 0.0004998
## alternative hypothesis: two.sided

p-value = 0.0004998, logo, por ser menor que alpha, rejeita H0. Desta forma, existe associação entre as variáveis.

Em todos os três surveys produzidos durante o primeiro turno do pleito municipal de Manaus em 2016, é possível verificar a associação entre as variáveis avaliação de governo municipal e intenção de voto espontânea.

P.07: a variável aprovação administração governo municipal está associada a decisão do voto do eleitorado?

Por serem duas variaveis qualitativas, para verificar se existe associação entre as duas variáveis, utilizaremos o teste qui-quadrado. Contudo, antes da realização do teste, devemos verificar se os pressupostos do qui-quadrado são atendidos. Para tal, verificamos se as cédulas apresentam valor esperado acima de 5.
Procedimentos:
Hipótese nula (H0): nÃo existe associação entre as duas variáveis
Hipótese 1 (H1): existe associação entre as duas variáveis
ALPHA = 0,05 (nivel de significância)
Regra de decisão:
Se p-valor < alpha : rejeita H0
Se p-valor > alpha : não rejeita H0
survey13$P08<-as.factor(survey13$P08) 
survey14$P09<- as.factor(survey14$P09)
survey15$P08<- as.factor(survey15$P08)
Survey dia 20/08/16
tabela_aprovgovmun1_survey13<- table(survey13$P02, survey13$P08)
tabela_aprovgovmun1_survey13
##     
##        1   2  99
##   1  157  10   9
##   2    4  17   0
##   3    5  17   1
##   4    9  15   0
##   6   15  41   5
##   8   15  17   2
##   9   11  17   2
##   96   6  14   1
##   97  29  80   7
##   99 145 130  24
teste_qui_aprovgovmun1_survey13 <- chisq.test(tabela_aprovgovmun1_survey13)
## Warning in chisq.test(tabela_aprovgovmun1_survey13): Chi-squared approximation
## may be incorrect
teste_qui_aprovgovmun1_survey13$expected
##     
##              1         2        99
##   1   86.57888  78.27081 11.150311
##   2   10.33043   9.33913  1.330435
##   3   11.31429  10.22857  1.457143
##   4   11.80621  10.67329  1.520497
##   6   30.00745  27.12795  3.864596
##   8   16.72547  15.12050  2.154037
##   9   14.75776  13.34161  1.900621
##   96  10.33043   9.33913  1.330435
##   97  57.06335  51.58758  7.349068
##   99 147.08571 132.97143 18.942857

Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.

teste_de_fisher_aprovgovmun1_survey13 <- fisher.test (tabela_aprovgovmun1_survey13, hybrid = TRUE, simulate.p.value=TRUE)
teste_de_fisher_aprovgovmun1_survey13
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela_aprovgovmun1_survey13
## p-value = 0.0004998
## alternative hypothesis: two.sided

p-value = 0.0004998, logo, por ser menor que alpha, rejeita H0. Desta forma, existe associação entre as variáveis.

Survey dia 10/09/16
tabela_aprovgovmun1_survey14<- table(survey14$P02, survey14$P09)
tabela_aprovgovmun1_survey14
##     
##        1   2  99
##   1  268  24  16
##   2   12   7   0
##   3   12  17   0
##   4    5  17   1
##   6   32  74   8
##   8   20  33   4
##   9   16  26   0
##   96   4   5   0
##   97  20  37   8
##   99  46  69  24
teste_qui_aprovgovmun1_survey14 <- chisq.test(tabela_aprovgovmun1_survey14)
## Warning in chisq.test(tabela_aprovgovmun1_survey14): Chi-squared approximation
## may be incorrect
teste_qui_aprovgovmun1_survey14$expected
##     
##               1          2         99
##   1  166.434783 118.226087 23.3391304
##   2   10.267081   7.293168  1.4397516
##   3   15.670807  11.131677  2.1975155
##   4   12.428571   8.828571  1.7428571
##   6   61.602484  43.759006  8.6385093
##   8   30.801242  21.879503  4.3192547
##   9   22.695652  16.121739  3.1826087
##   96   4.863354   3.454658  0.6819876
##   97  35.124224  24.950311  4.9254658
##   99  75.111801  53.355280 10.5329193

Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.

teste_de_fisher_aprovgovmun1_survey14 <- fisher.test (tabela_aprovgovmun1_survey14, hybrid = TRUE, simulate.p.value=TRUE)
teste_de_fisher_aprovgovmun1_survey14
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela_aprovgovmun1_survey14
## p-value = 0.0004998
## alternative hypothesis: two.sided

p-value = 0.0004998, logo, por ser menor que alpha, rejeita H0. Desta forma, existe assoicação entre as variáveis.

Survey dia 27/09/16
tabela_aprovgovmun1_survey15<- table(survey15$P02, survey15$P08)
tabela_aprovgovmun1_survey15
##     
##        1   2  99
##   1  276  28   7
##   2   11   7   0
##   3   13  19   1
##   4   12  31   0
##   5    3   8   1
##   6   60  82   4
##   7    4   5   1
##   8   18  34   3
##   9   25  20   2
##   96   0   1   0
##   97  17  42   6
##   99  25  33   6
teste_qui_aprovgovmun1_survey15 <- chisq.test(tabela_aprovgovmun1_survey15)
## Warning in chisq.test(tabela_aprovgovmun1_survey15): Chi-squared approximation
## may be incorrect
teste_qui_aprovgovmun1_survey15$expected
##     
##                1           2          99
##   1  179.2596273 119.7639752 11.97639752
##   2   10.3751553   6.9316770  0.69316770
##   3   19.0211180  12.7080745  1.27080745
##   4   24.7850932  16.5590062  1.65590062
##   5    6.9167702   4.6211180  0.46211180
##   6   84.1540373  56.2236025  5.62236025
##   7    5.7639752   3.8509317  0.38509317
##   8   31.7018634  21.1801242  2.11801242
##   9   27.0906832  18.0993789  1.80993789
##   96   0.5763975   0.3850932  0.03850932
##   97  37.4658385  25.0310559  2.50310559
##   99  36.8894410  24.6459627  2.46459627

Pressuposto do qui-quadrado não foi atendido pois tem cédulas com valores abaixo de 5, logo, utilizaremos o teste exato de Fisher.

teste_de_fisher_aprovgovmun1_survey15 <- fisher.test (tabela_aprovgovmun1_survey15, hybrid = TRUE, simulate.p.value=TRUE)
teste_de_fisher_aprovgovmun1_survey15
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela_aprovgovmun1_survey15
## p-value = 0.0004998
## alternative hypothesis: two.sided

p-value = 0.0004998, logo, por ser maior que alpha, não rejeita H0. Desta forma, não existe associação entre as duas variáveis.

Em todos os três surveys produzidos durante o primeiro turno do pleito municipal de Manaus em 2016, é possível verificar a associação entre as variáveis aprovação da administração do governo municipal e intenção de voto espontânea.

Conclusão

Os primeiros resultados apresentados neste relatória nos mostram que as variáveis do grupo político, que geram em torno da avaliação da gestão municipal, esteve associada no decorrer de todo o primeiro turno da campanha com a intenção de voto no candidato espontânea. Já as variáveis sociodemográficas (sexo, idade, escolaridade, renda individual e renda familiar) tem-se associação apenas em algumas rodadas da pesquisa. A variável sexo apresenta associação na segunda rodada (dia 10/09/2016) e a variável renda familiar apresenta associação na primeira rodada (dia 20/08/2016). Em suma, os dados aqui analisados denotam que a disputa transcorreu em torno de temas municipais durante o primeiro turno.