Return to search

AvaliaÃÃo do Desempenho Preditivo de Modelos Auto-Regressivos na ArrecadaÃÃo do IPVA de VeÃculos Novos / Performance Evaluation of Predictive Models in Auto-Regressive IPVA Collection of the New Vehicles

O Imposto sobre a Propriedade de VeÃculos Automotores (IPVA), nos Ãltimos dez anos, tem apresentado crescimento expressivo, motivado pelas polÃticas econÃmicas e fiscais que
estimularam o aumento do consumo de veÃculos. O IPVA, ocupando o segundo lugar no volume de arrecadaÃÃo de tributos do estado, tem importante papel no custeio da mÃquina pÃblica municipal e estadual, razÃo esta que levou a elaboraÃÃo desse trabalho. A administraÃÃo pÃblica, ao dispor de modelos de previsÃo, poderà avaliar o comportamento da
arrecadaÃÃo desse importante imposto, como forma de identificar qual a modelagem que mais se adÃqua na previsÃo dessa receita. O presente estudo à pioneiro no Brasil, pois trata da avaliaÃÃo do desempenho preditivo de arrecadaÃÃo do IPVA de veÃculo novo, com a utilizaÃÃo de modelos auto-regressivos, com e sem componentes sazonais. Os registros da
arrecadaÃÃo de IPVA de veÃculo novo foram extraÃdos do Sistema IPVA, da Secretaria da Fazenda do Estado do CearÃ, e consta o perÃodo de janeiro de 1999 a marÃo de 2010, no total de 135 (cento e trinta e cinco) meses. Os modelos sÃo avaliados com base nas previsÃes para os perÃodos de alta na arrecadaÃÃo (de janeiro a marÃo) e no perÃodo de baixa da arrecadaÃÃo (de maio a julho). A sÃrie foi deflacionada pelo INPC-CE visando identificar as variaÃÃes reais positivas ou negativas, sem a inflaÃÃo. A sazonalidade à uma das principais
caracterÃsticas apresentadas na sÃrie estudada. O desempenho das previsÃes a partir das combinaÃÃes desses modelos serÃ, tambÃm, avaliado. A modelagem foi composta de 6 (seis) modelos acrescidos de variÃveis de tendÃncia, de dummies e de componente sazonal SAR(12), mais 3 (trÃs) outros modelos combinados. / The Tax on Motor Vehicles (property taxes) in the last ten years has shown significant growth, driven by economic and fiscal policies that encouraged increased consumption of
vehicles. The property taxes rank second in volume of tax collections for the state, has an important role in the funding of municipal and state machine, the reason that led the preparation of this work. The government to dispose of forecasting models can evaluate the behavior of this important tax revenue as a way to identify which model that best suits in anticipation of this recipe. This study is a pioneer in Brazil, as evaluates the predictive performance of collection of property taxes from new vehicle, with the use of autoregressive models, with and without seasonal components. The records of the collection of property
taxes from new vehicle has been taken from System property taxes, the Finance Secretary of the State of CearÃ, and set the period from January 1999 to March 2010, a total of 135 (one hundred thirty-five) months. The models are evaluated on the bases for forecasts in periods of high inflow (January to March) and the low period of collection (May-July). The series was deflated by the INPC-CE to ideentify the real changes positive or negative, without inflation.
Seasonality is a major feature in the series studied. The performance of the forecasts from combinations of these models will also be evaluated. The model was composed of six (6) models, plus variables for trend, seasonal dummies and component SAR (12), 3 (three) other models combined.

Identiferoai:union.ndltd.org:IBICT/oai:www.teses.ufc.br:4601
Date14 December 2010
CreatorsPaulo SÃrgio Barroso Lopes
ContributorsFabrÃcio Carneiro Linhares, Guilherme Diniz Irffi, Nicolino Trompieri Neto
PublisherUniversidade Federal do CearÃ, Programa de PÃs-GraduaÃÃo em Economia - CAEN, UFC, BR
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguageEnglish
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações da UFC, instname:Universidade Federal do Ceará, instacron:UFC
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0023 seconds