Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Castro, Fábio Ávila de | - |
Autor(es): dc.creator | Macêdo, Rhaynneman Rogério | - |
Data de aceite: dc.date.accessioned | 2024-10-23T16:21:41Z | - |
Data de disponibilização: dc.date.available | 2024-10-23T16:21:41Z | - |
Data de envio: dc.date.issued | 2024-08-15 | - |
Data de envio: dc.date.issued | 2024-08-15 | - |
Data de envio: dc.date.issued | 2024-08-15 | - |
Data de envio: dc.date.issued | 2023-10-04 | - |
Fonte completa do material: dc.identifier | http://repositorio2.unb.br/jspui/handle/10482/49906 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/906464 | - |
Descrição: dc.description | Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Programa de Pós-graduação em Economia, 2023. | - |
Descrição: dc.description | Este trabalho aborda o tema da previsão das receitas do Imposto sobre a Propriedade de Veículos Automotores (IPVA) no Estado de Goiás. O trabalho se concentra na análise comparativa de diferentes métodos de previsão univariada, enfatizando as técnicas de alisamento exponencial de Holt (aditivo e multiplicativo) e autorregressivos ARIMA e SARIMA. Para o estudo foi considerado o período de arrecadação entre 2003 a 2022, que foi deflacionado pelo Índice Geral de Preços - Disponibilidade Interna (IGPDI) e, em seguida, suavizados pela função logarítmica, antes de ser submetida às estratégias preditivas e processadas com suporte do software R. Esse estudo contribui para aprimorar a capacidade de previsão das receitas do IPVA no contexto brasileiro, fornecendo uma melhor compreensão sobre as técnicas mais adequadas para esse fim. Além disso, ressalta a importância da consideração de fatores sazonais na análise de séries temporais econômicas. Os resultados revelaram que o modelo SARIMA se destacou como o mais eficaz na previsão das receitas do IPVA. Além disso, o modelo de Holt-Winters multiplicativo também obteve bom desempenho, aproximando-se do SARIMA em termos de precisão para duas partições de dados. A dissertação também sugere que a aplicação de modelos mais complexos, como o SARIMA, pode melhorar significativamente a qualidade das previsões de receitas tributárias em níveis estaduais e municipais. Esses resultados têm implicações significativas para a gestão fiscal e o planejamento governamental no Brasil. | - |
Descrição: dc.description | This work addresses the topic of forecasting the revenues of the Imposto sobre a Propriedade de Veículos Automotores (IPVA) in the state of Goiás. The work focuses on the comparative analysis of different univariate forecasting methods, emphasizing Holt's exponential smoothing techniques (additive and multiplicative) and autoregressive ARIMA and SARIMA. For the study, the collection period between 2003 to 2022 was considered, which was deflated by the Índice Geral de Preços - Disponibilidade Interna (IGPDI) and then smoothed by the logarithmic function, before being subjected to predictive strategies and processed with support from the R software. This study contributes to improving the forecasting ability of IPVA revenues in the Brazilian context, providing a better understanding of the most appropriate techniques for this purpose. In addition, it highlights the importance of considering seasonal factors in the analysis of economic time series. The results revealed that the SARIMA model stood out as the most effective in forecasting IPVA revenues. Additionally, the multiplicative Holt-Winters model also performed well, approaching SARIMA in terms of accuracy for two data partitions. The dissertation also suggests that the application of more complex models, such as SARIMA, can significantly improve the quality of tax revenue forecasts at state and municipal levels. These results have significant implications for fiscal management and government planning in Brazil. | - |
Descrição: dc.description | Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE) | - |
Descrição: dc.description | Departamento de Economia (FACE ECO) | - |
Descrição: dc.description | Programa de Pós-Graduação em Economia, Mestrado Profissional | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
Palavras-chave: dc.subject | Imposto sobre a Propriedade de Veículos Automotores (IPVA) | - |
Palavras-chave: dc.subject | Receita - previsão | - |
Palavras-chave: dc.subject | Goiás (Estado) | - |
Título: dc.title | Previsão de receita do imposto sobre a propriedade de veículos automotores (IPVA) do estado de Goiás | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: