Previsão da Conformidade com a Lei de Responsabilidade Fiscal dos Municípios de Mato Grosso:
Uma Aplicação de Random Forest
Palavras-chave:
Random Forest, Conformidade Fiscal, Lei de Responsabilidade Fiscal, Aprendizado de Máquina, PrevisãoResumo
Este artigo investiga a aplicação da técnica de Random Forest para prever a conformidade com a Lei de Responsabilidade Fiscal (LRF) nos municípios de Mato Grosso. A pesquisa avalia a importância das variáveis financeiras e fiscais na previsão e compara o desempenho do modelo de Random Forest com outros métodos de aprendizado de máquina. O estudo discute as implicações dos resultados para a gestão pública e a conformidade fiscal.
Referências
BACEN. Banco Central do Brasil. [S.l.: s.n.], [2023?]. Disponível em: https://www.bcb.gov.br/. Acesso em: 15 jan. 2023.
BRASIL. Lei Complementar nº 101, de 4 de maio de 2000. Estabelece normas de finanças públicas voltadas para a responsabilidade na gestão fiscal e dá outras providências. Diário Oficial da União: seção 1, Brasília, DF, 5 maio 2000. Disponível em: https://www.planalto.gov.br/ccivil_03/leis/lcp/lcp101.htm. Acesso em: 10 jan. 2023.
FAVERSHAM, P. ROC curves and area under the curve: analysis and interpretation. Journal of Statistical Software, v. 16, n. 1, p. 1-8, 2006.
GOMES, A. A.; SANTOS, J. F.; CARVALHO, M. M. Análise da conformidade fiscal dos municípios brasileiros: uma aplicação de modelos preditivos. Revista Brasileira de Finanças, v. 16, n. 3, p. 345-362, 2018.
IBGE. Instituto Brasileiro de Geografia e Estatística. [S.l.: s.n.], [2023?]. Disponível em: https://www.ibge.gov.br/. Acesso em: 15 jan. 2023.
IGLEWICZ, B.; HOAGLIN, D. C. How to detect and handle outliers. New York: Wiley, 1993.
JOLLIFFE, I. T. Principal component analysis. 2. ed. New York: Springer, 2002.
KOHAVI, R. A study of cross-validation and bootstrap for accuracy estimation and model selection. In: INTERNATIONAL JOINT CONFERENCE ON ARTIFICIAL INTELLIGENCE – IJCAI, 1995, Montreal. Proceedings... Montreal: IJCAI, 1995. p. 1137-1143.
MARTINS, E. A.; ALMEIDA, L. C.; OLIVEIRA, M. R. Gestão fiscal e a Lei de Responsabilidade Fiscal: desafios e perspectivas. Revista de Administração Pública, v. 49, n. 2, p. 221-240, 2015.
SCIKIT-LEARN. MinMax Scaler. [S.l.: s.n.], [2023?]. Disponível em: https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.MinMaxScaler.html. Acesso em: 1 maio 2023.
SCIKIT-LEARN. Standard Scaler. [S.l.: s.n.], [2023?]. Disponível em: https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.StandardScaler.html. Acesso em: 1 maio 2023.
SCIKIT-OPTIMIZE. Bayesian optimization. [S.l.: s.n.], [2023?]. Disponível em: https://scikit-optimize.github.io/stable/. Acesso em: 1 maio 2023.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Revista Brasileira em Tecnologia da Informação
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
A Revista Brasileira em Tecnologia da Informação utiliza a licença do Creative Commons (CC), preservando assim, a integridade dos artigos em ambiente de acesso aberto.
