A ilusão da medida: por que só estatística não basta para entender a política (2)
A estatística organiza a incerteza, mas não a elimina. Entender os governos exige mais do que regressões e curvas de sobrevivência. Ainda que elas sejam necessárias.
Continuação da parte 1, onde discutimos a estatística como linguagem da Ciência Política e analisamos criticamente o emprego em nossos estudos de quatro métodos estatísticos principais: Taxa de Coalescência Federativa, Análise de Sobrevivência, Regressão de Cox e Índice de Expertise.
Leonardo da Vinci “Town plan of Imola” 1502.
Desafios para a análise quantitativa do poder
Todo método estatístico enfrenta desafios quando aplicado ao estudo do poder político.
No caso da análise de gabinetes ministeriais, três problemas merecem toda a atenção:
endogeneidade;
operacionalização de conceitos; e
limitações dos dados.
1. Endogeneidade ou o problema da causa e efeito
A endogeneidade representou para nós um dos principais obstáculos.
Quando estudamos como a fragmentação partidária (o aumento do número nominal ou do número efetivo de partidos, por exemplo) afeta a estabilidade ministerial, por exemplo, ambas as coisas podem ser influenciadas por uma terceira variável não observada, como uma crise institucional mais ampla e seus múltiplos desdobramentos. Isso compromete inferências causais diretas. Técnicas como o uso de variáveis instrumentais ou estudos de eventos quase-experimentais podem mitigar esse problema, mas raramente o eliminam por completo. O mesmo valeria para análises de robustez.
O recurso aqui seria apelar para estudos de caso detalhados.
Combinando métodos quantitativos com investigação qualitativa aprofundada, podemos examinar os mecanismos causais específicos em ação. Por exemplo, estudar detalhadamente processos de demissão ministerial em momentos de alta fragmentação partidária para entender se e como a fragmentação influenciou diretamente esses eventos.
A medieval depiction of the Ecumene (1482, Johannes Schnitzer, engraver), constructed after the coordinates in Ptolemy's Geography and using his second map projection.
2. Operacionalização de conceitos
A operacionalização de conceitos políticos (ou ideias abstratas) em variáveis mensuráveis também impõe dilemas.
Muitos conceitos centrais da disciplina são contestáveis, i.e., objeto de disputa.
Noções como “democracia”, “poder”, “representação” ou mesmo “instituições” carregam múltiplos significados que variam conforme tradições teóricas, autores de referência e contextos históricos. Quando tentamos operacionalizar “qualidade democrática”, por exemplo, nos deparamos com concepções minimalistas (focadas em frequência de eleições) e maximalistas (que incluem fatores socioeconômicos), cada uma gerando medidas radicalmente diferentes.
V-Dem Liberal Democracy Index (2023).
Um segundo desafio é a multidimensionalidade dos fenômenos políticos. Conceitos como “estabilidade ministerial” envolvem não apenas a duração formal no cargo, mas também a autoridade efetiva exercida, a autonomia decisória e a continuidade de políticas, dimensões difíceis de capturar em um único indicador. Essa complexidade exige escolhas difíceis: privilegiar parcimônia ou abrangência?
Como medir “expertise” ministerial? Contabilizar cargos anteriores relacionados à pasta é uma aproximação imperfeita que requer classificações sempre subjetivas. Um índice que contabiliza cargos anteriores pode funcionar bem em sistemas com carreiras estruturadas, mas falhar em contextos onde relações informais ou trajetórias não-institucionais são mais relevantes.
O mesmo vale para categorias como “ministério político” versus “ministério técnico” – divisões que podem obscurecer a natureza híbrida de muitas funções governamentais.
3. Dados e informações limitadas
As limitações dos dados representam outro desafio persistente.
Muitas vezes, nós precisamos criar indicadores com base nas informações acessíveis no momento, não nas que representariam “perfeitamente” o conceito. Informações sobre perfis ministeriais raramente estão padronizadas, exigindo coleta manual e interpretação. Assim, a operacionalização torna-se um exercício de aproximação, onde a precisão conceitual perde para a viabilidade empírica.
Além disso, aspectos cruciais do fenômeno político, como negociações informais, pressões não documentadas ou preferências presidenciais, raramente são capturados em bases de dados públicas.
Reconhecer essas limitações não invalida as análises quantitativas que fizemos, mas nos lembra que seus resultados devem ser interpretados como uma visão parcial do fenômeno, incompleta e imperfeita. E que exige recorrer, paralelamente, a métodos qualitativos e narrativas históricas.
Matthew Fontaine Maury "Whale Chart " 1851.
A complementaridade entre métodos quanti e quali
A Ciência Política muitas vezes se encontra encerrada entre duas tradições metodológicas antagônicas: a quantitativa e a qualitativa. No estudo de gabinetes ministeriais, entretanto, essa dicotomia é contraproducente.
Os métodos estatísticos fornecem o “esqueleto” da análise. Quando calculamos um Índice de Instabilidade de 0,81 para o governo João Goulart (Codato, Franz Júnior, Sangalli & Silva, 2024), estabelecemos um parâmetro objetivo para comparação. Porém, esse número, por si só, não explica por que a instabilidade ocorreu. Para isso, precisamos da contextualização histórica, de análises de conjuntura e estudos de caso que os métodos qualitativos, eles sim, oferecem.
A análise de sobrevivência revela que ministros brasileiros e argentinos (Perissinotto, Codato & Gené, 2020) permaneceram nos seus cargos por períodos bem similares (20 e 23 meses, respectivamente), mas apenas a investigação qualitativa consegue elucidar os mecanismos causais distintos que operaram em cada país. No Brasil, as saídas frequentemente respondem a reconfigurações da coalizão legislativa; na Argentina, mais comumente a crises econômicas ou avaliações de desempenho.
O caso da Taxa de Coalescência Federativa ilustra perfeitamente essa complementaridade. A estatística identifica a sobre-representação paulista nos ministérios, mas somente entrevistas com ex-presidentes e a análise de documentos históricos revelam a intencionalidade por trás desse padrão, como ilustram as citações de Fernando Henrique Cardoso em seu diário presidencial sobre o “espaço adequado a Minas Gerais” e a necessidade de evitar entregar pastas importantes a “mais um paulista” (Franz, Codato & Fernández, 2025).
Esta abordagem mista também supera limitações inerentes a cada método isolado.
The Turin Papyrus Map, dating back to around 1150 BCE, is a prime example of an ancient Egyptian map that depicts the Nile River and surrounding regions. OldMapster.
4. Problemas de mensuração
Análises estatísticas podem sofrer com problemas de mensuração (como quando reduzimos a complexa noção de “expertise ministerial” a uma simples contagem de cargos anteriores) e com a multicolinearidade entre variáveis explicativas.
Isso ocorre quando as variáveis explicativas que inserimos em nossos modelos estão tão fortemente correlacionadas entre si (quando fragmentação partidária, polarização ideológica e instabilidade econômica estão tão interligadas) que se torna impossível isolar o efeito independente de cada uma sobre a estabilidade ministerial.
5. Problemas de validação (externa e interna) das abordagens qualitativas
Já as abordagens qualitativas enfrentam dois tipos de dificuldades bem conhecidas e que dificilmente são objeto de autocrítica que “qualitativistas” (até onde eu saiba): generalização e risco de interpretações idiossincráticas.
O problema da generalização ocorre porque estudos qualitativos frequentemente se baseiam em poucos casos (como uma análise detalhada de um único gabinete ministerial, mais frequentemente), tornando difícil determinar se “as causas” identificadas são aplicáveis a outros contextos ou governos.
O risco (quase inevitável) de interpretações idiossincráticas surge quando análises qualitativas dependem excessivamente da perspectiva individual do(a) pesquisador(a). A cientista política pode priorizar elementos que apenas confirmem suas hipóteses prévias ou selecionar casos que favoreçam, ou meramente ilustrem, determinadas conclusões.
Ao integrar ambas, cada método pode, idealmente, compensar as fraquezas um do outro.
Como fazer isso?
The Hereford Mappa Mundi, created around 1300, is a remarkable example of an antique map that combines geographical information with religious symbolism. OldMapster.
Modos possíveis de integração do quali e quanti
1. Sequencial: A estatística identifica padrões que suscitam perguntas para investigação qualitativa posterior. Por exemplo, ao descobrir que ministros do partido do presidente têm maior expertise média, podemos realizar entrevistas para entender por que isso ocorre.
2. Concorrente: Ambos os métodos operam simultaneamente, confrontando suas descobertas. Quando a regressão de Cox identifica “variação na composição partidária do gabinete” como fator de risco para saída ministerial, a análise documental de reuniões presidenciais pode confirmar ou problematizar esse mecanismo causal.
3. Aninhada: Análises qualitativas aprofundadas de casos específicos selecionados a partir de critérios quantitativos. Podemos, por exemplo, estudar qualitativamente ministros que sobreviveram em períodos de alta instabilidade, tentando identificar fatores de resiliência não capturados pelos modelos estatísticos mais formalizados.
4. Triangulação: Quando diferentes métodos convergem para conclusões similares, nossa confiança na robustez dos achados aumenta significativamente. Se tanto a análise estatística quanto as entrevistas com ex-ministros apontam para a importância da estabilidade da base parlamentar, temos maior segurança para afirmar sua centralidade.
O retorno da teoria
Em vez de tratar métodos estatísticos como reveladores de leis inexoráveis, deveríamos vê-los como ferramentas disciplinadoras do olhar analítico, que permitem testar hipóteses e quantificar relações cuja existência, de outro modo, seria apenas intuída pelo cientista.
Em contextos de crise (colapso?) do presidencialismo de coalizão, onde múltiplas variáveis interagem todo o tempo, a quantificação dos fenômenos políticos é uma aliada indispensável. Seja para medir estabilidade, estimar riscos ou aferir expertise, os métodos estatísticos permitem iluminar regularidades ocultas sob a aparência do acaso ou do idiossincrático.
Logo, ao aplicar esses métodos e testes, não estamos apenas contando ministros ou calculando probabilidades teóricas. Na realidade, estamos, na prática, reexaminando premissas sobre democracia, representação, federalismo, governabilidade e legitimidade.
Contribuímos, assim, para debates teóricos que remontam a Madison, Weber, Dahl e Lijphart, mas com a vantagem crucial da produção de evidências sistemáticas e empiricamente verificáveis.
Referências dos artigos:
Codato, A., & Franz, P. (2017). Recrutamento ministerial no Brasil: comparando as presidências de FHC e Lula. E-legis, (22), 44--62. http://dx.doi.org/10.51206/e-legis.v10i22.294
Codato, A., & Franz, P. (2018). Ministros-técnicos e ministros-políticos nos governos do PSDB e do PT. Revista de Administração Pública, 52(5), 776--796. https://doi.org/10.1590/0034-7612174301
Codato, A., Franz Júnior, P., Sangalli, A., & Silva, R. (2024). Mensurando e explicando a instabilidade dos gabinetes presidenciais no Brasil entre 1946 e 1964. Estudos Históricos, 37(81), e20240105. https://doi.org/10.1590/S2178-149420240105
Codato, A., Perissinotto, R. M., Dantas, E. G., Franz, P., & Nunes, W. (2018). A instabilidade da equipe econômica do governo brasileiro. In R. Pires, G. O. Lotta, & V. E. de Oliveira (orgs.), Burocracia e políticas públicas no Brasil: interseções analíticas (pp. 299–325). Brasília: IPEA/Enap. https://repositorio.ipea.gov.br/handle/11058/8615
Franz, P., Codato, A., & Fernández, V. (2025). Federalismo e coalizão: a representatividade dos estados nos gabinetes ministeriais brasileiros. Dados, 68(2), e20230017. https://doi.org/10.1590/dados.2025.68.2.362
Perissinotto, R., Codato, A., & Gené, M. (2020). Quando o contexto importa: análise do turnover ministerial na Argentina e no Brasil após a redemocratização. Revista Brasileira de Ciências Sociais, 35(104), e3510412. https://doi.org/10.1590/3510412/2020