7 Votações

A votação nominal é onde a posição de cada senador fica registrada para sempre. Os partidos votam em bloco ou cada senador decide por conta própria? Qual é a taxa de aprovação das pautas do governo? Este capítulo mostra como extrair e analisar esse registro.

Funções deste capítulo

Função	O que retorna
`coletar_votacoes_multiplos()`	Votações de múltiplos senadores em múltiplos anos
`extrair_votacoes_nominais_por_ano()`	Votações nominais detalhadas por ano (todos os senadores)
`extrair_votacoes_por_ano()`	Votações em plenário por ano (agregado)
`coletar_orientacao_votacao()`	Orientação de líderes de bancada
`extrair_tipos_comparecimento()`	Tipos de comparecimento
`extrair_tipos_decisao()`	Tipos de decisão em votações

7.1 Votações de senadores específicos

A função coletar_votacoes_multiplos() retorna o voto de cada senador em cada votação:

library(senatebR)
library(dplyr)

# Coletar votações de 3 senadores no ano de 2023
codigos <- c("5672", "5386", "945")
anos    <- 2023

votacoes <- coletar_votacoes_multiplos(codigos, anos)
glimpse(votacoes)
#> Rows: 296
#> Columns: 43
#> $ codigo_senador                   <chr> "5672", "5672", ...
#> $ ano                              <dbl> 2023, 2023, ...
#> $ votacoes_CodigoSessaoVotacao     <chr> "6674", "6677", ...
#> $ votacoes_DescricaoVotacao        <chr> "Votação nominal do PL nº 1/2023", ...
#> $ votacoes_DescricaoResultado      <chr> "Aprovado", "Rejeitado", ...
#> $ votacoes_SiglaDescricaoVoto      <chr> "Sim", "Não", "AP", ...
#> $ votacoes_DescricaoVoto           <chr> NA, NA, "Atividade parlamentar", ...
#> $ votacoes_SessaoPlenaria.DataSessao <chr> "2023-02-08", ...
#> $ votacoes_Materia.Sigla           <chr> "PDL", "PL", ...
#> $ votacoes_Materia.Ementa          <chr> "Aprova o texto...", ...

Os valores de votacoes_SiglaDescricaoVoto (o voto efetivo do senador):

Sigla	Significado
`"Sim"`	Votou favoravelmente
`"Não"`	Votou contrariamente
`"Abstenção"`	Presente, mas se absteve formalmente
`"P-NRV"`	Presente — Não registrou voto
`"AP"`	Ausente — Atividade parlamentar
`"MIS"`	Ausente — Missão da Casa no País/exterior
`"Votou"`	Voto registrado em sessão secreta (sem discriminar Sim/Não)

Note

O campo votacoes_DescricaoVoto só é preenchido quando o senador está ausente e há uma justificativa registrada. Para o voto em si, use sempre votacoes_SiglaDescricaoVoto.

7.2 Votações nominais por ano

extrair_votacoes_nominais_por_ano() retorna os votos de todos os senadores por votação — ideal para análises de coesão e disciplina:

# Todas as votações nominais de 2023
nominais_2023 <- extrair_votacoes_nominais_por_ano(anos = 2023)
glimpse(nominais_2023)
#> Rows: 11421
#> Columns: 37
#> $ CodigoSessaoVotacao     <chr> "6674", "6674", ...
#> $ DataSessao              <chr> "2023-02-08", "2023-02-08", ...
#> $ DescricaoVotacao        <chr> "Votação nominal do PDL nº 2/2023", ...
#> $ Resultado               <chr> "A", "A", ...   # A=Aprovado, R=Rejeitado
#> $ TotalVotosSim           <chr> "72", "72", ...
#> $ TotalVotosNao           <chr> "2", "2", ...
#> $ Votos.CodigoParlamentar <chr> "22", "5905", ...
#> $ Votos.NomeParlamentar   <chr> "Esperidião Amin", "Rodrigo Cunha", ...
#> $ Votos.SiglaPartido      <chr> "PP", "UNIÃO", ...
#> $ Votos.SiglaUF           <chr> "SC", "AL", ...
#> $ Votos.Voto              <chr> "Votou", "Votou", ...
#> $ Votos.DescricaoVoto     <chr> NA, NA, ...
#> $ SiglaMateria            <chr> "PDL", "PDL", ...
#> $ Secreta                 <chr> "S", "N", ...
#> $ Ano                     <dbl> 2023, 2023, ...

# Múltiplos anos
nominais <- extrair_votacoes_nominais_por_ano(anos = c(2021, 2022, 2023))

7.3 Votações em plenário por ano

extrair_votacoes_por_ano() retorna o resultado agregado de cada votação (sem detalhe por senador):

votacoes_2023 <- extrair_votacoes_por_ano(anos = 2023)
glimpse(votacoes_2023)
#> Rows: 141
#> Columns: 22
#> $ data_sessao             <chr> "2023-02-08", ...
#> $ codigo_sessao_votacao   <chr> "6674", ...
#> $ descricao_votacao       <chr> "Votação nominal do PDL nº 2/2023", ...
#> $ resultado               <chr> "A", ...   # A=Aprovado, R=Rejeitado
#> $ total_votos_sim         <chr> "72", ...
#> $ total_votos_nao         <chr> "2", ...
#> $ total_votos_abstencao   <chr> "1", ...
#> $ sigla_materia           <chr> "PDL", ...
#> $ numero_materia          <chr> "2", ...

7.4 Orientação de bancadas

# Orientação em uma data de sessão com votação registrada
orientacao <- coletar_orientacao_votacao(data_sessao = "2023-09-20")
orientacao

7.5 Análise de coesão partidária

Uma das análises mais clássicas em ciência política. Use extrair_votacoes_nominais_por_ano(), que já contém o voto de todos os senadores:

library(ggplot2)

# 1. Votações nominais abertas (excluir votações secretas)
nominais <- extrair_votacoes_nominais_por_ano(anos = 2023) |>
  filter(Secreta == "N",
         Votos.Voto %in% c("Sim", "Não", "Abstenção"))

# 2. Calcular coesão por partido e votação
coesao <- nominais |>
  group_by(Votos.SiglaPartido, CodigoSessaoVotacao) |>
  mutate(
    voto_majoritario = names(sort(table(Votos.Voto), decreasing = TRUE))[1]
  ) |>
  summarise(
    coesao    = mean(Votos.Voto == voto_majoritario),
    n_membros = n(),
    .groups   = "drop"
  ) |>
  filter(n_membros >= 3) |>
  group_by(Votos.SiglaPartido) |>
  summarise(coesao_media = mean(coesao), .groups = "drop") |>
  arrange(desc(coesao_media))

# 3. Visualizar
ggplot(coesao, aes(x = reorder(Votos.SiglaPartido, coesao_media),
                   y = coesao_media)) +
  geom_col(fill = "#e76f51") +
  coord_flip() +
  scale_y_continuous(labels = scales::percent) +
  labs(
    title = "Coesão partidária nas votações nominais abertas (2023)",
    x = NULL, y = "Coesão média"
  ) +
  theme_minimal()

7.6 Análise de similaridade de votação

Quais senadores votam de forma mais parecida? Use a matriz de votos para calcular concordância entre pares:

library(tidyr)

# 1. Filtrar votações abertas com voto explícito
nominais_limpos <- extrair_votacoes_nominais_por_ano(anos = 2023) |>
  filter(Secreta == "N",
         Votos.Voto %in% c("Sim", "Não")) |>
  mutate(voto_num = ifelse(Votos.Voto == "Sim", 1, 0))

# 2. Criar matriz senador × votação
matriz_votos <- nominais_limpos |>
  select(Votos.CodigoParlamentar, CodigoSessaoVotacao, voto_num) |>
  pivot_wider(
    names_from  = CodigoSessaoVotacao,
    values_from = voto_num,
    values_fill = NA
  )

# 3. Calcular proporção de concordância entre pares
ids <- matriz_votos$Votos.CodigoParlamentar
mat <- as.matrix(matriz_votos[, -1])

concordancia <- outer(
  seq_len(nrow(mat)),
  seq_len(nrow(mat)),
  Vectorize(function(i, j) {
    em_comum <- !is.na(mat[i, ]) & !is.na(mat[j, ])
    if (sum(em_comum) < 5) return(NA_real_)
    mean(mat[i, em_comum] == mat[j, em_comum])
  })
)
rownames(concordancia) <- ids
colnames(concordancia) <- ids

# 4. Top 10 pares com maior concordância
as.data.frame(as.table(concordancia)) |>
  setNames(c("senador_a", "senador_b", "concordancia")) |>
  filter(senador_a < senador_b, !is.na(concordancia)) |>
  arrange(desc(concordancia)) |>
  slice_head(n = 10)

7.7 Exercício

Exercício 6.1

Oposição vota “Não” por princípio ou avalia caso a caso?

Tome os partidos com mais senadores (PL, PSD, MDB, PT) e calcule, para cada um, a taxa de votos “Sim” nas votações abertas de 2023. Você esperaria que partidos do governo votassem mais “Sim” do que a oposição? Os dados confirmam isso?

Vá além: existe uma votação específica onde um partido surpreendeu — votou diferente do que sua posição pública sugeriria?

nominais <- extrair_votacoes_nominais_por_ano(anos = 2023) |>
  filter(Secreta == "N", Votos.Voto %in% c("Sim", "Não"))

Uma resposta possível

library(senatebR)
library(dplyr)
library(ggplot2)

nominais <- extrair_votacoes_nominais_por_ano(anos = 2023) |>
  filter(Secreta == "N", Votos.Voto %in% c("Sim", "Não"))

taxa_sim <- nominais |>
  group_by(Votos.SiglaPartido) |>
  summarise(
    total_votos = n(),
    votos_sim   = sum(Votos.Voto == "Sim"),
    taxa_sim    = votos_sim / total_votos,
    .groups     = "drop"
  ) |>
  filter(total_votos >= 20) |>
  arrange(desc(taxa_sim))

ggplot(taxa_sim,
       aes(x = reorder(Votos.SiglaPartido, taxa_sim), y = taxa_sim)) +
  geom_col(fill = "#003580") +
  geom_hline(yintercept = 0.5, linetype = "dashed", color = "gray50") +
  coord_flip() +
  scale_y_continuous(labels = scales::percent) +
  labs(title = "Taxa de votos 'Sim' por partido (2023)",
       subtitle = "Votações nominais abertas",
       x = NULL, y = "% votos Sim") +
  theme_minimal()

Partidos de governo tipicamente aparecem acima de 70% de “Sim”; oposição dura abaixo de 40%. O interessante é observar os partidos de centro, que oscilam dependendo da matéria.

# Votações A votação nominal é onde a posição de cada senador fica registrada para sempre. Os partidos votam em bloco ou cada senador decide por conta própria? Qual é a taxa de aprovação das pautas do governo? Este capítulo mostra como extrair e analisar esse registro. ::: {.callout-tip collapse="true"} ## Funções deste capítulo | Função | O que retorna | |---|---| | `coletar_votacoes_multiplos()` | Votações de múltiplos senadores em múltiplos anos | | `extrair_votacoes_nominais_por_ano()` | Votações nominais detalhadas por ano (todos os senadores) | | `extrair_votacoes_por_ano()` | Votações em plenário por ano (agregado) | | `coletar_orientacao_votacao()` | Orientação de líderes de bancada | | `extrair_tipos_comparecimento()` | Tipos de comparecimento | | `extrair_tipos_decisao()` | Tipos de decisão em votações | ::: ## Votações de senadores específicos A função `coletar_votacoes_multiplos()` retorna o voto de cada senador em cada votação: ```r library(senatebR) library(dplyr) # Coletar votações de 3 senadores no ano de 2023 codigos <- c("5672", "5386", "945") anos <- 2023 votacoes <- coletar_votacoes_multiplos(codigos, anos) glimpse(votacoes) #> Rows: 296 #> Columns: 43 #> $ codigo_senador <chr> "5672", "5672", ... #> $ ano <dbl> 2023, 2023, ... #> $ votacoes_CodigoSessaoVotacao <chr> "6674", "6677", ... #> $ votacoes_DescricaoVotacao <chr> "Votação nominal do PL nº 1/2023", ... #> $ votacoes_DescricaoResultado <chr> "Aprovado", "Rejeitado", ... #> $ votacoes_SiglaDescricaoVoto <chr> "Sim", "Não", "AP", ... #> $ votacoes_DescricaoVoto <chr> NA, NA, "Atividade parlamentar", ... #> $ votacoes_SessaoPlenaria.DataSessao <chr> "2023-02-08", ... #> $ votacoes_Materia.Sigla <chr> "PDL", "PL", ... #> $ votacoes_Materia.Ementa <chr> "Aprova o texto...", ... ``` Os valores de `votacoes_SiglaDescricaoVoto` (o voto efetivo do senador): | Sigla | Significado | |---|---| | `"Sim"` | Votou favoravelmente | | `"Não"` | Votou contrariamente | | `"Abstenção"` | Presente, mas se absteve formalmente | | `"P-NRV"` | Presente — Não registrou voto | | `"AP"` | Ausente — Atividade parlamentar | | `"MIS"` | Ausente — Missão da Casa no País/exterior | | `"Votou"` | Voto registrado em sessão secreta (sem discriminar Sim/Não) | ::: {.callout-note} O campo `votacoes_DescricaoVoto` só é preenchido quando o senador está ausente e há uma justificativa registrada. Para o voto em si, use sempre `votacoes_SiglaDescricaoVoto`. ::: ## Votações nominais por ano `extrair_votacoes_nominais_por_ano()` retorna os votos de **todos** os senadores por votação — ideal para análises de coesão e disciplina: ```r # Todas as votações nominais de 2023 nominais_2023 <- extrair_votacoes_nominais_por_ano(anos = 2023) glimpse(nominais_2023) #> Rows: 11421 #> Columns: 37 #> $ CodigoSessaoVotacao <chr> "6674", "6674", ... #> $ DataSessao <chr> "2023-02-08", "2023-02-08", ... #> $ DescricaoVotacao <chr> "Votação nominal do PDL nº 2/2023", ... #> $ Resultado <chr> "A", "A", ... # A=Aprovado, R=Rejeitado #> $ TotalVotosSim <chr> "72", "72", ... #> $ TotalVotosNao <chr> "2", "2", ... #> $ Votos.CodigoParlamentar <chr> "22", "5905", ... #> $ Votos.NomeParlamentar <chr> "Esperidião Amin", "Rodrigo Cunha", ... #> $ Votos.SiglaPartido <chr> "PP", "UNIÃO", ... #> $ Votos.SiglaUF <chr> "SC", "AL", ... #> $ Votos.Voto <chr> "Votou", "Votou", ... #> $ Votos.DescricaoVoto <chr> NA, NA, ... #> $ SiglaMateria <chr> "PDL", "PDL", ... #> $ Secreta <chr> "S", "N", ... #> $ Ano <dbl> 2023, 2023, ... ``` ```r # Múltiplos anos nominais <- extrair_votacoes_nominais_por_ano(anos = c(2021, 2022, 2023)) ``` ## Votações em plenário por ano `extrair_votacoes_por_ano()` retorna o resultado agregado de cada votação (sem detalhe por senador): ```r votacoes_2023 <- extrair_votacoes_por_ano(anos = 2023) glimpse(votacoes_2023) #> Rows: 141 #> Columns: 22 #> $ data_sessao <chr> "2023-02-08", ... #> $ codigo_sessao_votacao <chr> "6674", ... #> $ descricao_votacao <chr> "Votação nominal do PDL nº 2/2023", ... #> $ resultado <chr> "A", ... # A=Aprovado, R=Rejeitado #> $ total_votos_sim <chr> "72", ... #> $ total_votos_nao <chr> "2", ... #> $ total_votos_abstencao <chr> "1", ... #> $ sigla_materia <chr> "PDL", ... #> $ numero_materia <chr> "2", ... ``` ## Orientação de bancadas ```r # Orientação em uma data de sessão com votação registrada orientacao <- coletar_orientacao_votacao(data_sessao = "2023-09-20") orientacao ``` ## Análise de coesão partidária Uma das análises mais clássicas em ciência política. Use `extrair_votacoes_nominais_por_ano()`, que já contém o voto de todos os senadores: ```r library(ggplot2) # 1. Votações nominais abertas (excluir votações secretas) nominais <- extrair_votacoes_nominais_por_ano(anos = 2023) |> filter(Secreta == "N", Votos.Voto %in% c("Sim", "Não", "Abstenção")) # 2. Calcular coesão por partido e votação coesao <- nominais |> group_by(Votos.SiglaPartido, CodigoSessaoVotacao) |> mutate( voto_majoritario = names(sort(table(Votos.Voto), decreasing = TRUE))[1] ) |> summarise( coesao = mean(Votos.Voto == voto_majoritario), n_membros = n(), .groups = "drop" ) |> filter(n_membros >= 3) |> group_by(Votos.SiglaPartido) |> summarise(coesao_media = mean(coesao), .groups = "drop") |> arrange(desc(coesao_media)) # 3. Visualizar ggplot(coesao, aes(x = reorder(Votos.SiglaPartido, coesao_media), y = coesao_media)) + geom_col(fill = "#e76f51") + coord_flip() + scale_y_continuous(labels = scales::percent) + labs( title = "Coesão partidária nas votações nominais abertas (2023)", x = NULL, y = "Coesão média" ) + theme_minimal() ``` ## Análise de similaridade de votação Quais senadores votam de forma mais parecida? Use a matriz de votos para calcular concordância entre pares: ```r library(tidyr) # 1. Filtrar votações abertas com voto explícito nominais_limpos <- extrair_votacoes_nominais_por_ano(anos = 2023) |> filter(Secreta == "N", Votos.Voto %in% c("Sim", "Não")) |> mutate(voto_num = ifelse(Votos.Voto == "Sim", 1, 0)) # 2. Criar matriz senador × votação matriz_votos <- nominais_limpos |> select(Votos.CodigoParlamentar, CodigoSessaoVotacao, voto_num) |> pivot_wider( names_from = CodigoSessaoVotacao, values_from = voto_num, values_fill = NA ) # 3. Calcular proporção de concordância entre pares ids <- matriz_votos$Votos.CodigoParlamentar mat <- as.matrix(matriz_votos[, -1]) concordancia <- outer( seq_len(nrow(mat)), seq_len(nrow(mat)), Vectorize(function(i, j) { em_comum <- !is.na(mat[i, ]) & !is.na(mat[j, ]) if (sum(em_comum) < 5) return(NA_real_) mean(mat[i, em_comum] == mat[j, em_comum]) }) ) rownames(concordancia) <- ids colnames(concordancia) <- ids # 4. Top 10 pares com maior concordância as.data.frame(as.table(concordancia)) |> setNames(c("senador_a", "senador_b", "concordancia")) |> filter(senador_a < senador_b, !is.na(concordancia)) |> arrange(desc(concordancia)) |> slice_head(n = 10) ``` ## Exercício ::: {.callout-note icon=false} ## Exercício 6.1 Oposição vota "Não" por princípio ou avalia caso a caso? Tome os partidos com mais senadores (PL, PSD, MDB, PT) e calcule, para cada um, a **taxa de votos "Sim"** nas votações abertas de 2023. Você esperaria que partidos do governo votassem mais "Sim" do que a oposição? Os dados confirmam isso? Vá além: existe uma votação específica onde um partido surpreendeu — votou diferente do que sua posição pública sugeriria? ```r nominais <- extrair_votacoes_nominais_por_ano(anos = 2023) |> filter(Secreta == "N", Votos.Voto %in% c("Sim", "Não")) ``` ::: ::: {.callout-tip collapse="true"} ## Uma resposta possível ```r library(senatebR) library(dplyr) library(ggplot2) nominais <- extrair_votacoes_nominais_por_ano(anos = 2023) |> filter(Secreta == "N", Votos.Voto %in% c("Sim", "Não")) taxa_sim <- nominais |> group_by(Votos.SiglaPartido) |> summarise( total_votos = n(), votos_sim = sum(Votos.Voto == "Sim"), taxa_sim = votos_sim / total_votos, .groups = "drop" ) |> filter(total_votos >= 20) |> arrange(desc(taxa_sim)) ggplot(taxa_sim, aes(x = reorder(Votos.SiglaPartido, taxa_sim), y = taxa_sim)) + geom_col(fill = "#003580") + geom_hline(yintercept = 0.5, linetype = "dashed", color = "gray50") + coord_flip() + scale_y_continuous(labels = scales::percent) + labs(title = "Taxa de votos 'Sim' por partido (2023)", subtitle = "Votações nominais abertas", x = NULL, y = "% votos Sim") + theme_minimal() ``` Partidos de governo tipicamente aparecem acima de 70% de "Sim"; oposição dura abaixo de 40%. O interessante é observar os partidos de centro, que oscilam dependendo da matéria. :::