Em 2026, pela primeira vez nas eleições presidenciais brasileiras com dois turnos, o candidato que ficou em segundo lugar no primeiro turno venceu o segundo. Onde Lula ganhou terreno e quais padrões locais acompanharam a virada? Explore essas questões com dados eleitorais e características da população dos municípios, das capitais, dos estados e do Brasil.
Explore como a votação, a margem de Lula e o comparecimento mudaram entre os turnos de 2026 e compare o segundo turno com os de 2018 e 2022. Os mapas apresentam essas mudanças ao lado de indicadores de renda, educação, religião e outras características da população do Censo Demográfico 2022 do IBGE.
O modelo de migração de votos estima possíveis fluxos entre os turnos a partir da comparação dos resultados das seções eleitorais. O diagrama de Sankey apresenta esses fluxos ajustados aos totais observados. Uma seção específica examina as seções eleitorais encerradas após as 17h10, mostrando onde seus votos foram depositados e comparando seus resultados com os das seções encerradas mais cedo no mesmo município.
Os resultados eleitorais e os horários de encerramento vêm do Tribunal Superior Eleitoral (TSE). Os mapas descrevem padrões entre áreas, enquanto o modelo de migração apresenta fluxos estimados sob hipóteses explícitas. Para conhecer as mudanças nas escolhas de cada eleitor, são necessários dados individuais.
5.230 municípios apresentaram melhora na margem de Lula+1,17 milhão de votos de melhora na margem nas seções com comparecimento estável ou em queda
Como funciona este ajuste?
A pergunta é: a margem do candidato do PT mudou mais ou menos do que seria esperado para um município com esse perfil? O modelo usa os resultados dos municípios e características do Censo para construir uma referência. Depois, comparamos essa referência com a mudança que de fato aconteceu no município.
Um exemplo: se a margem melhora 4 pontos percentuais e o modelo previa uma melhora de 3, o indicador mostra +1 ponto. Se a melhora é de 2 pontos, o indicador mostra −1. Um valor positivo significa um resultado acima da previsão. O vencedor do município é definido pela margem final.
A referência leva em conta o tamanho da população, a renda, a urbanização, a escolaridade e as proporções de idosos e evangélicos, além da margem e do comparecimento no período inicial e do estado. Para 2026, comparamos o primeiro e o segundo turno. Nas comparações históricas, usamos o segundo turno do ano inicial e o de 2026.
Como o cálculo é feito
O porte do município entra pelo logaritmo da população do Censo 2022: isso permite comparar diferenças proporcionais de tamanho, como passar de 10 mil para 20 mil habitantes ou de 1 milhão para 2 milhões. O ajuste dá mais peso aos municípios com maior eleitorado comparável. Ele é estimado separadamente para cada comparação eleitoral e base de comparação. O indicador é sempre a mudança observada menos a prevista, em pontos percentuais.
O que este indicador permite concluir?
Ele destaca municípios que se afastam da referência do modelo. Identificar as causas desse afastamento ou as escolhas de cada eleitor exige dados e análises adicionais. Municípios pequenos podem apresentar resultados mais instáveis, mesmo com o ajuste pelo tamanho da população. Os valores expressam diferenças em pontos percentuais. Avaliar sua significância estatística exige uma análise de incerteza própria. O Censo 2022 descreve o perfil local naquele ano, inclusive quando a comparação eleitoral começa antes de 2022.
Como conectar os dois mapas?
Compare a mesma área nos dois mapas. O mapa à esquerda mostra a redução dos votos brancos e nulos, enquanto o da direita mostra a mudança na margem de Lula sobre Flávio. Junto com a variação do comparecimento, a redução de brancos e nulos explica a mudança no total de votos válidos. Os mapas permitem observar como essas mudanças ocorreram ao lado das variações na margem.
São Paulo — locais de votação
Cada ponto marca o prédio onde os votos foram registrados. As cores e, no indicador em votos, o tamanho dos círculos seguem a legenda abaixo. O painel do município mantém os resultados de todas as seções comparáveis, inclusive as que ficaram fora do mapa local. Use “Limpar seleção” para voltar ao mapa do Brasil.
Redução dos votos brancos e nulos
Sem dados / fora da amostra selecionadaVariação exatamente zero
Variação da margem Lula − Flávio
Pontos percentuais do mesmo eleitorado apto
−100+10
Vermelho: melhora na margem de Lula. Azul: piora. A vitória no município depende da margem final.
Seções eleitorais encerradas após 17h10
Esta seção examina as seções eleitorais encerradas após as 17h10, no horário de Brasília, no segundo turno de 2026, com base nos horários registrados de encerramento. As contagens incluem todos os votos depositados nessas seções ao longo do dia. O horário define um grupo exploratório, pois a aplicação da decisão judicial pode variar entre as seções.
Distribuição dos votos no recorte
Comparação no segundo turno — após e até 17h10
Distribuição geográfica
Referência nacional — exercício de sensibilidade
O exercício nacional retira todos os votos das 13.356 seções encerradas após as 17h10 e mantém os votos das demais seções, incluindo o exterior. Ele mostra como os totais nacionais mudam com essa exclusão. Para estimar o efeito da decisão judicial, seria preciso avaliar separadamente o que teria ocorrido sem ela.
Como funciona este modelo?
O gráfico procura responder a uma pergunta simples: como os grupos de eleitores do primeiro turno podem ter se distribuído no segundo? Os resultados mostram quantos votos cada grupo teve em cada turno. Como o voto é secreto, os caminhos individuais precisam ser estimados a partir desses totais. O modelo compara os resultados das seções eleitorais para estimar esses caminhos. As faixas mais largas representam mais eleitores.
Imagine uma tabela: cada linha representa uma escolha no primeiro turno e cada coluna, uma escolha no segundo. O modelo começa com uma estimativa de quantas pessoas passaram de cada linha para cada coluna. Essa primeira distribuição precisa ser ajustada aos resultados das urnas. O raking é um ajuste de encaixe: aumenta ou diminui proporcionalmente os valores de cada linha e depois de cada coluna, repetindo o processo até que os totais dos dois turnos coincidam com os resultados observados. Por exemplo, se uma seção teve 60 votos em Lula no segundo turno, os caminhos que chegam a Lula precisam somar 60. O ajuste faz as contas fecharem. Conhecer o caminho de cada pessoa exige dados que acompanhem os mesmos eleitores.
O modelo estima taxas de transição: a parcela estimada de cada grupo do primeiro turno (Lula, Flávio, Outros, brancos e nulos, e abstenção) em cada categoria do segundo turno. Os candidatos eliminados formam um único grupo, Outros.
As taxas vêm da comparação entre seções eleitorais de um mesmo município. Por exemplo, se Lula cresce mais nas seções em que Outros tiveram mais votos no primeiro turno, essa associação contribui para estimar o fluxo de Outros para Lula, considerando também os demais grupos de origem. Tecnicamente, as taxas são estimadas por mínimos quadrados, com taxas entre 0% e 100%, que somam 100% em cada grupo de origem. Municípios com menos de 50 seções comparáveis usam taxas estimadas com todas as seções de sua região geográfica imediata (IBGE). Em seguida, os fluxos de cada seção são ajustados por raking para reproduzir exatamente os totais observados nos dois turnos e somados para a área selecionada.
Limitações
A estimação das taxas municipais ou regionais assume que as seções de uma mesma unidade compartilham as mesmas taxas de transição. O ajuste por raking permite que os fluxos de cada seção se afastem dessas taxas para respeitar os totais observados. Se eleitores de um mesmo grupo se comportam de forma diferente em seções diferentes, as estimativas podem ser viesadas. Grupos pequenos, como brancos e nulos, podem fornecer menos informação para estimar suas taxas. A divisão dos votos adicionais de Lula entre Outros, brancos e nulos e abstenção merece cautela especial, pois pode ser sensível às hipóteses do modelo. Os resultados representam estimativas dos fluxos sob essas hipóteses. A incerteza desses fluxos permanece por quantificar.
A análise usa apenas seções comparáveis com o mesmo número de eleitores aptos e a mesma composição das seções agregadas nos dois turnos. Trata o eleitorado de cada seção como fixo. A composição das pessoas pode variar entre os turnos, mesmo quando o total permanece igual.
Pavía e Romero (2024) discutem uma abordagem relacionada de inferência ecológica baseada em programação linear. A implementação desta página combina mínimos quadrados com restrições e ajuste por raking.
Ver matriz de alocação e percentuais de cada origem
Os totais nas pontas são contagens observadas. Os fluxos do modelo são arredondados, e cada percentual usa o grupo de origem no primeiro turno como denominador.
Como interpretar possíveis migrações de voto?
Os resultados por seção permitem comparar padrões locais de apoio aos candidatos, comparecimento e votos brancos e nulos. Podemos observar, por exemplo, se Lula ganhou mais terreno onde um candidato eliminado teve maior apoio no primeiro turno. Essas comparações descrevem relações entre os totais de cada local.
Os mesmos totais de uma seção podem resultar de escolhas individuais diferentes. Imagine uma seção com 100 eleitores. No primeiro turno, Lula e Flávio recebem 40 votos cada, um candidato eliminado recebe dez, e dez votos são inválidos. No segundo turno, Lula recebe 50 votos, Flávio recebe 40, e dez votos são inválidos. A tabela mostra duas formas de chegar a esse resultado.
Trajetória
Dez eleitores do candidato eliminado
Dez eleitores com voto inválido inicial
A
Votam em Lula
Mantêm voto inválido
B
Votam inválido
Votam em Lula
As duas trajetórias dão dez votos adicionais a Lula e mantêm o total de votos inválidos. Na trajetória A, os dez eleitores do candidato eliminado escolhem Lula. Na trajetória B, todos votam branco ou nulo, enquanto os eleitores que inicialmente votaram branco ou nulo escolhem Lula. As duas trajetórias são compatíveis com os resultados completos da seção.
O comparecimento também registra uma mudança líquida. Uma queda na abstenção significa que mais pessoas votaram no total. Algumas podem ter voltado a votar enquanto outras deixaram de participar. O painel de contabilização mostra como as mudanças líquidas no comparecimento e nos votos brancos e nulos se relacionam com o ganho conjunto dos finalistas.
O modelo apresentado nesta página acrescenta hipóteses sobre os fluxos para produzir estimativas. Avaliar essas hipóteses exige informação adicional aos totais eleitorais. As comparações locais e o ajuste pelo Censo apresentados aqui descrevem associações entre resultados locais. O exemplo mostra como escolhas individuais diferentes podem produzir as mesmas associações entre áreas.
Como ler as comparações
A comparação de 2026 usa seções com o mesmo número de eleitores aptos e a mesma composição das seções agregadas nos dois turnos. Para 2018 e 2022, a comparação padrão usa os totais completos de cada área. A alternativa reúne seções com o mesmo código e admite mudanças de até 20% no eleitorado, com uma análise adicional de sensibilidade a 10%. Áreas com baixa cobertura de seções comparáveis aparecem com hachuras diagonais. Os totais completos seguem os limites municipais de cada eleição, de modo que municípios criados após o ano inicial ficam sem comparação municipal. Haddad foi o candidato do PT em 2018, e o Censo 2022 descreve características da população medidas depois daquela eleição.
As taxas dos municípios, dos estados e do Brasil são calculadas somando as contagens relevantes antes da divisão. As comparações entre anos eleitorais usam o eleitorado apto de cada eleição. Já as participações nos votos válidos usam o total de votos válidos de cada período. A amostra comparável nacional abrange a votação no território brasileiro, enquanto os totais nacionais completos também incluem os votos do exterior.
Os indicadores do Censo 2022 usam os pesos amostrais oficiais. A renda domiciliar média por pessoa é ponderada pelo número de moradores dos domicílios particulares permanentes ocupados. Os indicadores de escolaridade abrangem pessoas de 25 anos ou mais, enquanto os de religião usam declarações válidas de pessoas de 10 anos ou mais. Os indicadores domiciliares abrangem domicílios particulares permanentes ocupados. As taxas estaduais e nacionais combinam os numeradores e denominadores ponderados.
O ajuste pelo Censo compara municípios considerando o logaritmo da população, renda por pessoa, urbanização, conclusão do ensino superior, proporções de idosos e evangélicos, condições eleitorais iniciais e estado. O mapa mostra a diferença entre a variação observada da margem e a previsão do modelo. Boa Esperança do Norte foi criado após o Censo 2022. Sua inclusão nessa comparação requer um perfil censitário compatível com os limites do novo município.
Os mapas descrevem resultados de áreas. Tirar conclusões sobre escolhas individuais a partir desses resultados envolve um problema de inferência ecológica, pois as relações entre áreas podem diferir das relações entre pessoas (Robinson, 1950). Estudar trajetórias individuais de voto exige dados que acompanhem os mesmos eleitores. Investigar mecanismos causais também exige um desenho de pesquisa adequado à pergunta. As estimativas censitárias usam pesos amostrais para representar a população, com um denominador apropriado a cada indicador.