Modelos para previsão de ISSQN e IPTU das cidades mais populosas da Bahia

Autores

DOI:

https://doi.org/10.12712/rpca.v.201.70260

Resumo

Este estudo analisa modelos estatísticos aplicados à previsão de receitas tributárias municipais, com foco no ISSQN e no IPTU das cidades mais populosas da Bahia. A pesquisa utiliza séries temporais para identificar padrões e tendências, avaliando a eficácia das estimativas em diferentes contextos. O estudo destaca a relevância da previsão como instrumento de planejamento e gestão fiscal, evidenciando tanto o potencial de aprimoramento das políticas públicas quanto os desafios práticos enfrentados pelos municípios. Previsões econométricas mostraram-se superiores às municipais, indicando maior qualidade e confiabilidade, contribuindo ao debate sobre responsabilidade fiscal e eficiência administrativa.

Downloads

Os dados de download ainda não estão disponíveis.

Biografias do Autor

  • Ilzete Santos de Oliveira, Ufba Universidade Federal da Bahia

    Possui graduação em Ciências Contábeis pela Universidade do Estado da Bahia - UNEB * Especialista em Gestão Pública Municipal pela Universidade da Integração Internacional da Lusofonia Afro-Brasileira - UNILAB. * Mestra em Contabilidade pela Universidade Federal da Bahia - UFBA* Técnica Fazendária da Prefeitura Municipal de Camaçari. * Tem experiência na área Financeira no setor de tesouraria e no momento atua na área de tributos municipais.

  • José Sérgio Casé de Oliveira, Universidade Federal de Pernambuco, Campus do Agreste da UFPE

    Possui graduação em Ciências Econômicas pela Universidade Federal de Pernambuco (2010), mestrado em Estatística pela Universidade Federal de Pernambuco (2013) e doutorado em Economia pela Universidade Federal da Paraíba (2017). Atualmente é professor do bacharelado em Ciências Econômicas da UFPE e professor do Programa de Pós-Graduação em Economia da UFPE, no Centro Acadêmico do Agreste. Tem experiência nas áreas de Estatística, Econometria, Economia e Contabilidade, com ênfase em Métodos Quantitativos.

  • Antonio Gualberto Pereira, Universidade Federal da Bahia

    Possui graduação em Ciências Contábeis pela Universidade Federal da Bahia (2009), mestrado em Contabilidade pela Universidade Federal da Bahia (2011) e doutorado em Controladoria e Contabilidade pela Universidade de São Paulo (2016). Atualmente é professor adjunto da Faculdade de Ciências Contábeis da Universidade Federal da Bahia e do Programa de Pós-Graduação em Contabilidade da UFBA. Ocupa o cargo de coordenador do Programa de Pós-Graduação em Contabilidade (PPGCONT) pela segunda vez, já tendo exercido o mesmo cargo entre os anos de 2018 e 2020. Foi editor-chefe da Revista de Contabilidade da UFBA (2018). Participou como um dos líderes do eixo temático Governança, Auditoria e Controle Interno do EnANPAD 2021. Atua com os seguintes temas: Governança Corporativa, Contabilidade Financeira, Educação e Pesquisa em Contabilidade. Conta com experiência na docência de componentes curriculares como Teoria da Contabilidade, Análise das Demonstrações Contábeis, Contabilidade Gerencial, Contabilidade Estratégica, Controladoria e Contabilidade Geral. Atuou como um dos membros do Grupo de Trabalho (GT) Comissão do Hall da Fama 2021 na Anpcont (Portaria ANPCont n.3, de 10 de fevereiro de 2021). Atuou como editor associado do periódico Advances in Scientific and Applied Accounting (ASAA Journal). É avaliador de diversos periódicos nacionais e internacionais.

Referências

Afonso, J. R.; Araújo, E. A.; Nóbrega, M. A. R. da. (2013.) O IPTU no Brasil: um diagnóstico abrangente. FGV Projetos/ ID. Rio de Janeiro: FGV. 79p. (P; v. 4) Disponível em: https://repositorio.idp.edu.br/123456789/1541.

Assunção, P. C. P.; Bezerra Filho J. E. (2020). Erros de Previsões das Receitas Orçamentárias e os Reflexos no Endividamento do Setor Público: um Estudo nos Municípios do Maranhão. Centro de Estudos Constitucionais e de Gestão Pública. Disponível em: https://login.semead.com.br/22semead/anais/resumo.php?cod_trabalho=1446.

Azevedo, R. R. (2013). Imprecisão na estimação orçamentária dos municípios brasileiros. Dissertação de Mestrado, Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto, Universidade de São Paulo, Ribeirão Preto. Disponível em: https://repositorio.enap.gov.br/bitstream/1/4708/1/tema-2-1o-lugar-ricardo-r-de-azevedo.pdf

Bayer, F. M. (2009). Comparação de técnicas de previsão em análise de séries temporais: uma proposta via wavelets e modelos tradicionais aplicadas à séries de arrecadação do ICMS do RS. Universidade Federal de Sta Maria – Programa de Pós-Graduação em Estatística e Modelagem quantitativa – monografia de especialização em Estatística e Métodos Quantitativos. Sta. Maria. Disponível em: https://repositorio.ufsm.br/handle/1/1204.

Box, G. E. P.; Jenkins, G. M; Reinsel, G. C.; LJung, G. M. (2015). Times Series Analysis: Forecasting and Control. Publicado por John Wiley and Sons Inc., Hoboken, N,º Journal of Time Series Analysis, Wiley Blackwell, 5th Edition vol. 37(5), páginas 709-711.

Bueno, R. L. S. (2012). “Econometria de séries temporais”. 2a Ed. Cengage.

Castanho, B. J. S. (2011). Modelos para previsão de receitas tributarias: o ICMS do estado do Espírito Santo. Dissertação (Mestrado em Economia) Universidade Federal do Espírito Santo. Vitória, p. 119.. Disponível em: https://repositorio.ufes.br/server/api/core/bitstreams/8de4d8a7-396c-497c-8b9c-9b802575623d/content.

Constituição da República Federativa do Brasil de 1988. (1998). Brasília, DF. http://www.planalto.gov.br/ccivil_03/constituicao/constituicao.htm.

Contreras, J. Cribari-Neto, F. (2006.) Previsão da Arrecadação do ICMS no Brasil Através de Redes Neurais. Revista Brasileira de Estatística, Rio de Janeiro, v.67, n 227, p.7-43, Disponível em

https://biblioteca.ibge.gov.br/visualizacao/periodicos/111/rbe_2006_v67_n227.pdf.

Dornelas, A. F.; Campos, L. D.; Figueiredo, K. (2022) Modelos para Previsão Tributária Utilizando Redes Neurais LSTM. In: Encontro Nacional de Inteligência Artificial e Computacional (ENIAC), 19, Campinas /SP. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, p. 95-105. ISSN 2763-9061. DOI: https://doi.org/10.5753/eniac.2022.227595.

Dornelles, G Z; Schwartzer, F. R; Braatz, J. (2023) Redes Neurais Aplicadas na Previsão de Receita de ICMS no Rio Grande do Sul - Textos para Discussão TE/RS, RS, ano 19, jan. Disponível em:https://tesouro.fazenda.rs.gov.br/upload/1643376127_Artigo %20Modelo%20Redes%20Neurais_Texto%20de%20Discussao.pdf.

Emídio, Romário Ferreira. (2023). A lei de responsabilidade fiscal na gestão pública municipal: uma revisão bibliográfica (2018–2023).Disponível em: ROMÁRIO FERREIRA EMÍDIO - TCC Especialização em Administração Pública Municipal (EAPM) CCJS 2023.pdf. Acesso em 29/12/2025.

Gomide, T. R.; Ferreira, M. A. M. (2009). Impacto da arrecadação tributária na atividade econômica dos municípios. RDE. Revista de Desenvolvimento Econômico, v. 11, p. 67-75, Disponível em: https://revistas.unifacs.br/index.php/rde/article/view/1062.

Gujarati, D. N.; Porter, D. C. (2011) Econometria Básica. 5ª ed. Porto Alegre: AMGH.

Hewamalage, H; Bergmeir, C; Bandara, K. (2021). Recurrent Neural Networks for Time Series Forecasting: Current status and future directions, International Journal of Forecasting, Volume 37, Issue 1, , Pages 388-427, ISSN 0169-2070. Disponível em: https://doi.org/10.1016/j.ijforecast.2020.06.008.(https://www.sciencedirect.com/science/article/pii/S0169207020300996).

Hyndman, R.J., & Athanasopoulos, G. (2021) Previsão: princípios e prática, 3ª edição, Texts: Melbourne, Austrália. Disponível em: OTexts.com/fpp3.

IBGE - Agencia de Notícias. Censo 2022 - De 2010 a 2022, população brasileira cresce 6,5% e chega a 203,1 milhões. Disponível em: https://agenciadenoticias.ibge.gov.br/agencia-noticias/2012-agencia-de-noticias/noticias/37237-de-2010-a-2022-populacao-brasileira-cresce-6-5-e-chega-a-2031milhoes#:~:text=Em%202022%2C%20havia%20124%2C1,mais%20 de%20100%20mil%20habitantes.

IBGE - Instituto Brasileiro de Geografia e Estatística – Censo Demográfico. https://www.ibge.gov.br/estatisticas/sociais/populacao/22827-censo-demografico-2022.html?edicao=37225&t=resultados .

Kyobe, A., Danninger, M. S. (2005). Revenue forecasting: how is it done? Results from a surveyoflow-incomecountries. International Monetary Fund, (24). https://doi.org/10.5089/9781451860436.001.

Lei Federal n.º 4.320, de 17 de março de 1964. Estatui Normas Gerais de Direito Financeiro [...]BRASIL. Disponível em: http://www.planalto.gov.br/ccivil_03/leis/l4320.htm.

Lei de Responsabilidade Fiscal: Lei Complementar n. 101, 04 de mai. 2000. BRASIL. Estabelece normas de finanças públicas [...]. Brasília, 24 p., maio 2000. Disponível em: http://www2.senado.leg.br/bdsf/handle/id/70313.

Lei 5.172, de 25 de outubro de 1966. Dispõe sobre o Sistema Tributário Nacional [...]. Diário Oficial da República Federativa do Brasil, 27 out. 1966. BRASIL. Disponível em https://www.planalto.gov.br/ccivil_03/leis/l5172 compilado.htm.

Lima Filho, R., Silva, J.; Amorim, R. J.R.; Moreira, R. do C.; Pinheiro, F. M. G.; (2020). O Modelo Koyck na Previsão das Receitas Públicas dos Distritos Mais Populosos do Estado da Bahia, Brasil. Australian Journal of Basic and Applied Sciences, v. 8, p. 381-390, Disponível em SSRN: https://ssrn.com/abstract =3631084 ou http://dx.doi.org/10.2139/ssrn.3631084

Mancini, A. L., Tommasino, P. (2023). Fiscal rules and the reliability of public investment plans: Evidence from local governments, European Journal of Political Economy, Volume 79, 102415, ISSN 0176-2680. Disponível em https://doi.org/10.1016/j.ejpoleco.2023.102415(https://www.sciencedirect.com/science/article/pii/S0176268023000599).

Moldovan, O.; Macarie, F. C. (2015) Reducing Uncertainty in Romanian Public Finances: Forecasting Models for Revenue Collection. Procedia Economics and Finance, v. 32, p. 1550-1567, Doi:10.1016/S2212-5671(15)01545-2. Reducing Uncertainty in Romanian Public Finances: Forecasting Models for Revenue Collection

Morais, P. Q. (2022). IPTU: a extrafiscalidade do imposto e a função social da propriedade urbana. São Paulo: Editora Dialética.

Morettin, P.A.; Toloi, C.M.C. (2006). Análise de Séries Temporais. São Paulo, Editora Blucher.

Multi Cidades – Finanças dos Municípios do Brasil/Publicação da Frente Nacional de Prefeitos. (2022). V18 Vitória, ES: Aequus Consultoria. Disponível em: http://aequus.com.br/anuarios/multicidades_2023.pdf .

Muñoz-Zavala, E.A.; Oliveira, J.E.; Oliveira, D.; Guerrero-Díaz-de-León, J.A. (2024). Uma Revisão da Literatura sobre Algumas Tendências em Redes Neurais Artificiais para Modelagem e Simulação com Séries Temporais. Algoritmos, 17, 76. https://doi.org/10.3390/a17020076.

Nascimento, M. de N. S., & Boente, D. R. ((2022). Fatores associados aos erros de previsão orçamentária da receita do setor público. Administração Pública E Gestão Social, 14(2) Disponível em: https://doi.org/10.21118/apgs.v14i2.12945.

Nunes, Ricardo. (2021). Uma Avaliação da Lei de Responsabilidade Fiscal do Brasil à Luz das Experiências Internacionais. Disponível em: https://www.researchgate.net/profile/Ricardo-Nunes-9/publication/355191143_UMA_AVALIACAO_DA_LEI_DE_RESPONSABILIDADE_FISCAL_DO_BRASIL_A_LUZ_DAS_EXPERIENCIAS_INTERNACIONAIS/links/616739508ad119749b16f382/UMA-AVALIACAO-DA-LEI-DE-RESPONSABILIDADE-FISCAL-DO-BRASIL-A-LUZ-DAS-EXPERIENCIAS-INTERNACIONAIS.pdf?utm_source=copilot.com&__cf_chl_tk=xchSs0vPaTra2nuXopIgFovY1HT5._qw6iSlQVu.uok-1767034757-1.0.1.1-T1gfLRr0Ruw_FgD1C2Wr.MSzYAgbLaCi47qrPqlHsqA Acesso em 29/12/2025

Pamplona, E.; Fiirst, C.; Hein, N.; Zonatto, V. C. da S. (2019). Desempenho do Modelo Arma na Previsão das Receitas Orçamentárias dos Municípios do Estado do Paraná. Administração Pública e Gestão Social. vol. 11, núm. 1. Universidade Federal de Viçosa, Brasil. Disponível em: https://www.redalyc.org/articulo.oa?id=351557755008.

Pardaev, U. Analyzes of state budget forecasting errors and issues of forecasting accuracy. 2016. Asian Journal of Management Sciences & Education, 5(1), 1-9. Disponível em: https://paper.researchbib.com/view/paper/75292.

Raydonal, O. M. & Zamprogno, B.. (2003) Comparação de algunas técnicas de previsão em análise de séries temporais. Revista Colombiana de Estatística, 26(2),129-157. [fecha de Consulta 25 de Abril de 2024]. Versão impressa ISSN: 0120-1751. Disponível em: https://www.redalyc.org/articulo.oa?id=89926202 .

Resolução TCM/BA nº 1.060, de 26 abril de 2005. Estabelece normas para a apresentação da prestação de contas mensal e anual de Prefeituras e Mesas de Câmaras. BAHIA. Disponível em: (Microsoft Word - Resolu347343o_n272 1060-05_Apresent ctas mensal e anual PM e CM_alterada pela 1355_27.09.17.rtf) (tcm.ba.gov.br).

Resolução TCM/BA nº 1.065, 26 abril de 2005. Dispõe sobre a remessa obrigatória, por meio eletrônico, ao Tribunal de Contas dos Municípios [...] BAHIA. Disponível em: https://www.tcm.ba.gov.br/wpcontent/uploads/arquivos_antigos/resolucoes/106505.doc

Rocha, M. M. Q. (2008). Análise do nível de eficiência no processo de previsão e arrecadação da receita pública dos municípios do estado do Rio Grande do Norte. Dissertação de mestrado, Universidade Federal do Rio Grande do Norte, Natal, RN, Brasil. https://repositorio.unb.br/bitstream/10482/5168/1/2008_MariseMagalyQRocha.pdf

Scarpin, J. E. & Slomski, V. (2007). A precisão na previsão das receitas orçamentárias antes e após a lei de responsabilidade fiscal. Revista Universo Contábil, [S.l.], v.1,n.2, p.23-39, j. DOI http://dx.doi.org/10.4270/ruc.2005 ISSN 1809-3337. Disponível em: https: //proxy.furb.br/ojs/index.php/universocontabil/article/view/84.

Siconfi-Secretaria do Tesouro Nacional (STN) - Versão: 2.0 Contas Anuais.https://siconfi .tesouro.gov.br/siconfi/pages/public/consulta_finbra/finbra_list.jsf.

Silva, P.; Figueiredo, K. (2020). Aprendizado Profundo Aplicado na Previsão de Receita Tributária Utilizando Variáveis Endógenas. In: Encontro Nacional de Inteligência Artificial e Computacional (ENIAC), 17, 2020, Evento Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação. p. 414-425. ISSN 2763-9061. DOI: https://doi.org/10.5753/eniac.2020.12147

Souza, Anna Karoline Rodrigues de. (2023). Aplicação da Lei de Responsabilidade Fiscal na Administração Pública Brasileira. Disponível em https://www.gov.br/fnde/pt-br/acesso-a-informacao/institucional/biblioteca/media/publicacoes-sistema/artigo-anna-karoline-rodrigues-de-souza-1.pdf?utm_source=copilot.com. Acesso em 26/12/2025.

Tizotte, T.; Thesing, N.; Galli, N.; Montenegro, J. (2022). Análise do Nível da Qualidade no Processo de Previsão de Impostos Municipais (IPTU, ISS) em Municípios do RS: o caso da RF-7. Conjecturas, [S. l.], v. 22, n. 5, p. 815–835. Disponível em: https://conjecturas.org/index.php/edicoes/article/view/963.

Usmonov, Q. (2021, february). Improvement of the state budget revenue forecasting system journal. DOI: 10.36713/epra1013|sjif impact factor (2021): 7.473 ISSN: 2347-4378. Epra International Journal of Economics, Business and Management Studies (EBMS) volume: 8 | Issue: 2|. Disponível em: IMPROVEMENT OF THE STATE BUDGET REVENUE FORECASTING SYSTEM | EPRA International Journal of Economics, Business and Management Studies (EBMS) (eprajournals.com).

Vieira, O. H. P.; Lopes, R. P. M. (2022). Tipologias para o comportamento tributário: uma avaliação do esforço fiscal dos municípios baianos em 2020. XX Encontro Nacional da Associação Brasileira de Estudos Regionais e Urbanos – XX ENABER. Disponível em: Artigo-XX-Enaber-id.pdf (brsa.org.br).

Downloads

Publicado

2026-07-09

Edição

Vol. 20 N.º 1 (2026)

Secção

Artigos/Papers

Licença

Os autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Creative Commons Attribution License, permitindo o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista. 

A Revista usa o CC BY. Essa licença permite que outras pessoas distribuam, remixem, adaptem e desenvolvam seu trabalho, mesmo comercialmente, desde que sejam creditadas pela criação original. Essa é a licença mais flexível oferecida. Recomendado para máxima disseminação e uso de materiais licenciados.

Os autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), sempre com reconhecimento de autoria e publicação inicial nesta revista.

A Revista ulitiliza o DOI (Digital Object Identifier ) desde 2007 O DOI com a finalidade de autenticar cada artigo, portanto seu conteúdo digital.