Votos versus Vacinas (2015 - 2022)

Este projeto tem como objetivo explorar a relação entre a cobertura vacinal no Brasil e o contexto das eleições de 2018 e 2022, com foco no impacto da concordância com as ideias dos candidatos eleitos em cada município.

---

📊 Objetivo

O principal objetivo é entender se existe uma correlação significativa entre o posicionamento do candidato eleito em cada município e a variação na cobertura vacinal ao longo dos anos. Em outras palavras, a ideia é entender se municípios brasileiros que elegeram candidatos que se manifestavam expressamente contra a vacinação da covid-19 durante a pandemia tiveram ou não variação na cobertura vacinal.

---

🗂️ Dados Utilizados

Os dados utilizados foram coletados das seguintes fontes:

• Eleições 2018 e 2022: Resultados das eleições presidenciais por município.
• Cobertura Vacinal (2015 - 2022): Informações de cobertura vacinal, por município, fornecidas pelo Tabnet DATASUS.

Caminho para as bases de dados:

• Dados brutos eleições 2018 / Dados brutos eleições 2022: TSE

  • Clique em Conjunto de dados no menu lateral esquerdo
  • Selecione a opção "Resultados"
  • Escolha a opção "Votação candidato""
  • Selecione o ano de interesse e clique em próximo
  • Aplique os filtros opcionais que desejar
  • Aplique as dimensões e métricas que desejar
  • Escolha o tipo de arquivo que deseja salvar (nesse projeto ".csv")

• Dados brutos de vacinas de 2015 a 2022: Tabnet DATASUS

  • Escolha Município na opção "Linha"
  • Escolha Ano na opção "Coluna"
  • Selecione as vacinas de interesse em medidas (nesse projeto foram selecionadas todas)
  • Selecione os períodos disponíves de interesse (nesse projeto os anos 2015 a 2022)
  • Clique em Mostra no final da página
  • Salve como arquivo .csv

O período escolhido (2015 a 2022) visou contemplar um período de tempo igual (4 anos) entre antes e depois das eleições de 2018.

---

🛠️ Bibliotecas Utilizadas

O código foi desenvolvido em Python utilizando um Jupyter Notebook, e as bibliotecas utilizadas foram:

pip install pandas numpy matplotlib seaborn fuzzywuzzy unidecode scipy statsmodels

As principais bibliotecas são:

• pandas: Manipulação e análise de dados.
• numpy: Cálculos matemáticos.
• matplotlib e seaborn: Visualização de dados.
• fuzzywuzzy: Para correspondência de textos.
• unidecode: Para padronização de strings.
• scipy e statsmodels: Para testes estatísticos.

---

📋 Estrutura do Projeto

O projeto segue as seguintes etapas no Jupyter Notebook:

1. Tratamento dos Dados de Eleições 2018

   • Importação e limpeza dos dados.
   • Filtragem para considerar apenas resultados da eleição presidencial (uma vez que na primeira extração foram importados dados também dos Governadores).
   • Agrupamento por estado e município.
   • Padronização dos nomes de municípios com unidecode.

2. Tratamento dos Dados de Vacinação (2015-2022)

   • Leitura e limpeza dos dados brutos de vacinação.
   • Conversão de colunas de anos para o tipo numérico.
   • Padronização dos nomes dos municípios.

3. Unificação dos Dados

   • Merge dos dados de vacinação e eleições utilizando o nome de municípios como chave composta.
   • Aplicação de algoritmos de fuzzy matching para resolver inconsistências de nomenclatura.

4. Análise Estatística

   • Aplicação de testes t e regressão linear simples.
   • Uso do teste de Diferença em Diferenças (DiD) para entender o impacto das eleições na cobertura vacinal.

---

⚙️ Como Rodar o Projeto

Requisitos:

• Python 3.x
• Jupyter Notebook

Passos:

1. Clone o repositório:

   git clone [https://github.com/jessicabom/analise_cobertura_vacinal_x_eleicoes_2015_2022]

2. Instale as dependências:

   pip install -r requirements.txt

3. Execute o Jupyter Notebook:

   jupyter notebook

4. Abra o arquivo ETL.ipynb no Jupyter e execute as células para reproduzir a análise.

---

🔍 Resultados

Principais Descobertas:

1. Diferença Significativa: Os testes estatísticos evidenciaram uma diferença significativa na cobertura vacinal antes e depois das eleições de 2018. Contudo não se pode descartar a influência do próprio período pandêmico, em que as medidas de isolamento nos anos 2020 e 2021 por si só poderiam justificar as diminuições verificadas, sendo um fator muito relevante. Para associar mais diretamente às eleições, foram rodadas novas análises, considerando dessa vez a permanência do voto em 2022 no candidato manifestamente contra vacinação, o que pode indicar concordância com as ideias do mesmo. Nesse caso, utilizou-se os dados do primeiro turno das eleições 2022, uma vez no segundo turno existia a possibilidade de enviesamento de escolha de um candidato em detrimento do outro, cenário esse amenizado no primeiro turno pela possibilidade de escolha de mais candidatos.
2. Municípios com Bolsonaro (2022): Municípios que elegeram Bolsonaro em 2022 apresentaram, em média, uma cobertura vacinal 6,1 pontos percentuais menor que outros municípios.
3. Cobertura Vacinal > 100%: Alguns municípios apresentam cobertura vacinal acima de 100% devido a discrepâncias nas estimativas populacionais ou deslocamento de pessoas para outros municípios.

---

📈 Visualizações

A análise gerou gráficos para ilustrar os resultados, como:

• Comparação da cobertura vacinal entre municípios que elegeram Bolsonaro e não elegeram Bolsonaro em 2018 e em 2022.
• Comparação da cobertura vacinal antes e depois das eleições.

---

🤝 Contribuições

Sinta-se à vontade para abrir uma issue para contribuir com melhorias no projeto.

---

📈 Visualização de Dashboard

Os dados tratados foram utilizados para montagem de um Dashboard que pode ser acessado no seguinte diretório:

Dashboar Tableau Public