Modelos de previsão da arrecadação tributária do estado de SÃO PAULO: ICMS, IPVA, ITCMD e TAXA
Autor(a) principal: | |
---|---|
Data de Publicação: | 2008 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações do INSPER |
Texto Completo: | https://www.repositorio.insper.edu.br/handle/11224/1153 |
Resumo: | A dissertação, por meio de técnicas econométricas, desenvolve modelos do tipo ARIMA (Modelo Auto-regressivo integrado e de média móvel), segundo a metodologia Box & Jenkins, para previsão da arrecadação tributária do Estado de São Paulo, dividida pelos tributos ICMS, IPVA, ITCMD/ITBI e Taxas. Para cada tributo foram desenvolvidas regressões, considerando os eventos possíveis como a diferenciação da variável dependente, a inclusão de variáveis “dummies” mensais e a inclusão de “lags” de sazonalidade (modelo SARIMA – ARIMA sazonal), tendo como base as séries históricas dos respectivos tributos. Com isso, chega-se a um modelo para cada imposto: ICMS, IPVA, ITBI/ITCMD e Taxas. Os modelos desenvolvidos foram validados através de previsões dentro da amostra inicial (forecast in sample) e realizando previsões fora da amostra inicial (forecast out of sample). A qualidade de cada regressão também foi endossada pela análise dos seus resíduos, verificando sua estacionariedade, seu comportamento em termos de autocorrelação e autocorrelação parcial e de normalidade. A base de dados foi composta pelas séries mensais de ICMS e IPVA, desde Janeiro de 1997 até Janeiro de 2007, e pelos dados mensais de ITCMD/ITBI e TAXAS, desde Outubro de 1997 até Maio de 2007. Tais dados foram deflacionados, por meio do índice IPG-DI FGV, para que pudessem ser realizadas as análises estatísticas e econométricas apropriadas ao objetivo do trabalho. O modelo final para ICMS foi um ARMA (12,12) com “dummies” sazonais para Janeiro a Dezembro. O modelo final para o IPVA foi um SARIMA (0,1,1)(12,1,12) com “dummies” sazonais para Janeiro, Fevereiro, Abril, Outubro e Dezembro. O modelo final para o ITCMD/ITBI foi um SARIMA (1,1,1) (12,1,12) com dummy sazonal para Janeiro. O modelo final para o TAXAS foi um SARIMA (2,1,1)(8,1,12) com “dummies” sazonais para Janeiro, Fevereiro, Março, Junho, Agosto, Novembro e Dezembro. Este trabalho tem particular importância para o Governo do Estado de São Paulo na contribuição da melhoria do planejamento da arrecadação tributária (política fiscal) baseada nas previsões que podem ser geradas a partir dos modelos estimados. |
id |
INSP_c92d367bf7d8b9a170ebf3d7a6146142 |
---|---|
oai_identifier_str |
oai:repositorio.insper.edu.br:11224/1153 |
network_acronym_str |
INSP |
network_name_str |
Biblioteca Digital de Teses e Dissertações do INSPER |
repository_id_str |
|
spelling |
Modelos de previsão da arrecadação tributária do estado de SÃO PAULO: ICMS, IPVA, ITCMD e TAXAImpostosModelo ARIMABOX-JENKINSTaxesA dissertação, por meio de técnicas econométricas, desenvolve modelos do tipo ARIMA (Modelo Auto-regressivo integrado e de média móvel), segundo a metodologia Box & Jenkins, para previsão da arrecadação tributária do Estado de São Paulo, dividida pelos tributos ICMS, IPVA, ITCMD/ITBI e Taxas. Para cada tributo foram desenvolvidas regressões, considerando os eventos possíveis como a diferenciação da variável dependente, a inclusão de variáveis “dummies” mensais e a inclusão de “lags” de sazonalidade (modelo SARIMA – ARIMA sazonal), tendo como base as séries históricas dos respectivos tributos. Com isso, chega-se a um modelo para cada imposto: ICMS, IPVA, ITBI/ITCMD e Taxas. Os modelos desenvolvidos foram validados através de previsões dentro da amostra inicial (forecast in sample) e realizando previsões fora da amostra inicial (forecast out of sample). A qualidade de cada regressão também foi endossada pela análise dos seus resíduos, verificando sua estacionariedade, seu comportamento em termos de autocorrelação e autocorrelação parcial e de normalidade. A base de dados foi composta pelas séries mensais de ICMS e IPVA, desde Janeiro de 1997 até Janeiro de 2007, e pelos dados mensais de ITCMD/ITBI e TAXAS, desde Outubro de 1997 até Maio de 2007. Tais dados foram deflacionados, por meio do índice IPG-DI FGV, para que pudessem ser realizadas as análises estatísticas e econométricas apropriadas ao objetivo do trabalho. O modelo final para ICMS foi um ARMA (12,12) com “dummies” sazonais para Janeiro a Dezembro. O modelo final para o IPVA foi um SARIMA (0,1,1)(12,1,12) com “dummies” sazonais para Janeiro, Fevereiro, Abril, Outubro e Dezembro. O modelo final para o ITCMD/ITBI foi um SARIMA (1,1,1) (12,1,12) com dummy sazonal para Janeiro. O modelo final para o TAXAS foi um SARIMA (2,1,1)(8,1,12) com “dummies” sazonais para Janeiro, Fevereiro, Março, Junho, Agosto, Novembro e Dezembro. Este trabalho tem particular importância para o Governo do Estado de São Paulo na contribuição da melhoria do planejamento da arrecadação tributária (política fiscal) baseada nas previsões que podem ser geradas a partir dos modelos estimados.The dissertation, by the agency of econometric techniques, develops models sort of ARIMA (autoregressive integrated moving average), according to Box & Jenkins methodology, to forecast tributary collection of São Paulo State, shared on ICMS, IPVA, ITCMD/ITBI and Taxes tributes. To each tribute has been developed regressions, considering possible events as the differentiation of the dependent variable, the inclusion of monthly dummy variables and the inclusion of seasonality lags (SARIMA – seasonal ARIMA), having as basis the historical series of the respective tributes. Hereupon, it is possible to get to a model to each tax: IPVA, ITCMD/ITBI and Taxes. The developed models has been validated by forecasts on the initial sample (forecast in sample). The quality of each regression has also been endorsed by the analysis of its residues, checking its stationarity, its behavior related to autocorrelation and partial and normality autocorrelation. Its database has been composed by monthly data of ICMS and IPVA, from January 1997 to January 2007, and by series of ITCMD/ITBI and Taxes, from October 1997 to May 2007. The data has been deflated by the IPG-DI FGV index to make possible the realization of statistic and econometric analysis appropriated to the objective of the dissertation. The final model for ICMS has been an ARMA (12,12) with seasonal dummies for January to December. The final model for IPVA has been a SARIMA (0,1,1) (12,1,12) with seasonal dummies for January, February, April, October and December. The final model for ITCMD/ITBI has been a SARIMA (1,1,1) (12,1,12) with seasonal dummy for January. The final model for Taxes has been a SARIMA (2,1,1) (8,1,12) with seasonal dummies for January, February, March, June, August, November and December. This dissertation has a particular account for the São Paulo State Government on contributing to the improvement of the tributary collection (fiscal policy) based upon the forecasts that can be created through the estimated models.Araujo Junior, Eurilton AlvesCamargos, Antonio Augusto BarbosaCamargos, Antonio Augusto Barbosa2021-09-13T03:16:27Z2015-11-16T12:28:22Z2021-09-13T03:16:27Z20082015-11-16T12:28:22Z20082008info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis69 p.application/pdfapplication/pdfhttps://www.repositorio.insper.edu.br/handle/11224/1153São PauloTODOS OS DOCUMENTOS DESSA COLEÇÃO PODEM SER ACESSADOS, MANTENDO-SE OS DIREITOS DOS AUTORES PELA CITAÇÃO DA ORIGEMinfo:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações do INSPERinstname:Instituição de Ensino Superior e de Pesquisa (INSPER)instacron:INSPER2024-04-01T12:29:39Zoai:repositorio.insper.edu.br:11224/1153Biblioteca Digital de Teses e Dissertaçõeshttps://www.insper.edu.br/biblioteca-telles/PRIhttps://repositorio.insper.edu.br/oai/requestbiblioteca@insper.edu.br ||opendoar:2024-04-01T12:29:39Biblioteca Digital de Teses e Dissertações do INSPER - Instituição de Ensino Superior e de Pesquisa (INSPER)false |
dc.title.none.fl_str_mv |
Modelos de previsão da arrecadação tributária do estado de SÃO PAULO: ICMS, IPVA, ITCMD e TAXA |
title |
Modelos de previsão da arrecadação tributária do estado de SÃO PAULO: ICMS, IPVA, ITCMD e TAXA |
spellingShingle |
Modelos de previsão da arrecadação tributária do estado de SÃO PAULO: ICMS, IPVA, ITCMD e TAXA Camargos, Antonio Augusto Barbosa Impostos Modelo ARIMA BOX-JENKINS Taxes |
title_short |
Modelos de previsão da arrecadação tributária do estado de SÃO PAULO: ICMS, IPVA, ITCMD e TAXA |
title_full |
Modelos de previsão da arrecadação tributária do estado de SÃO PAULO: ICMS, IPVA, ITCMD e TAXA |
title_fullStr |
Modelos de previsão da arrecadação tributária do estado de SÃO PAULO: ICMS, IPVA, ITCMD e TAXA |
title_full_unstemmed |
Modelos de previsão da arrecadação tributária do estado de SÃO PAULO: ICMS, IPVA, ITCMD e TAXA |
title_sort |
Modelos de previsão da arrecadação tributária do estado de SÃO PAULO: ICMS, IPVA, ITCMD e TAXA |
author |
Camargos, Antonio Augusto Barbosa |
author_facet |
Camargos, Antonio Augusto Barbosa |
author_role |
author |
dc.contributor.none.fl_str_mv |
Araujo Junior, Eurilton Alves |
dc.contributor.author.fl_str_mv |
Camargos, Antonio Augusto Barbosa Camargos, Antonio Augusto Barbosa |
dc.subject.por.fl_str_mv |
Impostos Modelo ARIMA BOX-JENKINS Taxes |
topic |
Impostos Modelo ARIMA BOX-JENKINS Taxes |
description |
A dissertação, por meio de técnicas econométricas, desenvolve modelos do tipo ARIMA (Modelo Auto-regressivo integrado e de média móvel), segundo a metodologia Box & Jenkins, para previsão da arrecadação tributária do Estado de São Paulo, dividida pelos tributos ICMS, IPVA, ITCMD/ITBI e Taxas. Para cada tributo foram desenvolvidas regressões, considerando os eventos possíveis como a diferenciação da variável dependente, a inclusão de variáveis “dummies” mensais e a inclusão de “lags” de sazonalidade (modelo SARIMA – ARIMA sazonal), tendo como base as séries históricas dos respectivos tributos. Com isso, chega-se a um modelo para cada imposto: ICMS, IPVA, ITBI/ITCMD e Taxas. Os modelos desenvolvidos foram validados através de previsões dentro da amostra inicial (forecast in sample) e realizando previsões fora da amostra inicial (forecast out of sample). A qualidade de cada regressão também foi endossada pela análise dos seus resíduos, verificando sua estacionariedade, seu comportamento em termos de autocorrelação e autocorrelação parcial e de normalidade. A base de dados foi composta pelas séries mensais de ICMS e IPVA, desde Janeiro de 1997 até Janeiro de 2007, e pelos dados mensais de ITCMD/ITBI e TAXAS, desde Outubro de 1997 até Maio de 2007. Tais dados foram deflacionados, por meio do índice IPG-DI FGV, para que pudessem ser realizadas as análises estatísticas e econométricas apropriadas ao objetivo do trabalho. O modelo final para ICMS foi um ARMA (12,12) com “dummies” sazonais para Janeiro a Dezembro. O modelo final para o IPVA foi um SARIMA (0,1,1)(12,1,12) com “dummies” sazonais para Janeiro, Fevereiro, Abril, Outubro e Dezembro. O modelo final para o ITCMD/ITBI foi um SARIMA (1,1,1) (12,1,12) com dummy sazonal para Janeiro. O modelo final para o TAXAS foi um SARIMA (2,1,1)(8,1,12) com “dummies” sazonais para Janeiro, Fevereiro, Março, Junho, Agosto, Novembro e Dezembro. Este trabalho tem particular importância para o Governo do Estado de São Paulo na contribuição da melhoria do planejamento da arrecadação tributária (política fiscal) baseada nas previsões que podem ser geradas a partir dos modelos estimados. |
publishDate |
2008 |
dc.date.none.fl_str_mv |
2008 2008 2008 2015-11-16T12:28:22Z 2015-11-16T12:28:22Z 2021-09-13T03:16:27Z 2021-09-13T03:16:27Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.repositorio.insper.edu.br/handle/11224/1153 |
url |
https://www.repositorio.insper.edu.br/handle/11224/1153 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
69 p. application/pdf application/pdf |
dc.coverage.none.fl_str_mv |
São Paulo |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do INSPER instname:Instituição de Ensino Superior e de Pesquisa (INSPER) instacron:INSPER |
instname_str |
Instituição de Ensino Superior e de Pesquisa (INSPER) |
instacron_str |
INSPER |
institution |
INSPER |
reponame_str |
Biblioteca Digital de Teses e Dissertações do INSPER |
collection |
Biblioteca Digital de Teses e Dissertações do INSPER |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações do INSPER - Instituição de Ensino Superior e de Pesquisa (INSPER) |
repository.mail.fl_str_mv |
biblioteca@insper.edu.br || |
_version_ |
1814986258875678720 |