Metodologias para previsão de receitas tributárias no Brasil
Mendonça, Mario Jorge Cardoso de; Góes, Geraldo Sandoval
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
O objetivo deste estudo é realizar um exercício de modelagem econométrica das séries individuais de tributos visando à obtenção da elasticidade-renda e à projeção futura para cada tributo. Para isso, fez-se uso dos modelos linear dinâmico (MLD) e fatorial dinâmico (MFD), ambos estimados com base na abordagem bayesiana. Nossa amostra de tributos corresponde a mais de 90% da carga tributária brasileira, sendo composta de dados mensais entre dezembro de 2006 e maio de 2019. A previsão dentro da amostra
 é feita para o período de um ano, enquanto a projeção fora da amostra vai de junho de 2019 a junho de 2020. Os resultados obtidos corroboraram a expectativa quanto à adequação das metodologias empregadas. Os exercícios de validação da previsão mostraram excelente performance, tendo em vista os diversos critérios de avaliação. Em particular, para a maior parte dos casos, o erro acumulado percentual registrou um valor abaixo de 4%, sendo que, em alguns casos, o valor obtido para esse indicador ficou abaixo de 1%.
Ficha do documento
- Tipo
- Estudo
- Ano
- 2020
- Instituição
- Instituto de Pesquisa Econômica Aplicada (Ipea)
- Fonte
- Repositório do Ipea
- Idioma
- Português
- Acesso
- Acesso aberto
- Identificador
- oai:repositorio.ipea.gov.br:11058/9974
- Licença
- Licença Comum
- Abrangência
- Brasil; 2006-2019; 2019-2020
Conteúdos relacionados
- DissertaçãoModelo de partilha de óleo e gás do BrasilFundação Getulio Vargas · 2023
- EstudoUm Modelo para projeção de arrecadação tributária dos entes subnacionaisInstituto de Pesquisa Econômica Aplicada (Ipea) · 2022
- EstudoAplicação de modelos dinâmicos bayesianos para projeção de arrecadação tributáriaInstituto de Pesquisa Econômica Aplicada (Ipea) · 2020
- EstudoUm Modelo econométrico para previsão de consumo residencial de energia elétrica no BrasilInstituto de Pesquisa Econômica Aplicada (Ipea) · 2019
