Previsão de receita do imposto sobre a propriedade de veículos automotores (IPVA) do Estado de Goiás
Previsão, Receita, IPVA, Holt-Winters, Aditivo, Multiplicativo, Séries Temporais, Sazonalidade, ARIMA, SARIMA
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.