Acceso usuarios
[1]
;
Nascimento, Roberto
[1]
;
Lima, Francisco Felipe Ramos Rodrigues
[2]
;
Ferreira, Juliana Sales Cordeiro
[1]
Brasil
Objetivo: Identificar los determinantes que influyen en el nivel de transparencia en las capitales brasileñas mediante regresión lineal múltiple.
Metodología: Se utilizó la regresión lineal múltiple, siendo la variable dependiente el índice de transparencia calculado por el Centro de Estudios de Transparencia Administrativa y Comunicación de Interés Público (NETACIP) de la USP, y las variables independientes el PIB per cápita, el PIB industrial, el IDEB (Índice de Desarrollo Brasileño), el IDH (Índice de Desarrollo Individual), la mortalidad infantil, las tasas de alcantarillado, la población y la escolarización.
Origen: Esto amplió el alcance de la investigación destinada a identificar variables capaces de aumentar el nivel de transparencia pública.
Resultados: Los hallazgos refuerzan la importancia de elegir variables independientes y su asociación debido a sus múltiples relaciones. De las ocho variables propuestas en el estudio, tres resultaron estadísticamente significativas: el IDH, el IDEB y el PIB per cápita, tras probar un segundo modelo de regresión, destacando el impacto de la primera variable sobre las demás.
Contribuciones teóricas: Se identificaron con precisión los impactos de las variables estadísticamente significativas, lo que permitió a los futuros usuarios del modelo propuesto seleccionar mejor las variables sugeridas en el proceso de toma de decisiones.
Contribuciones sociales: El estudio busca contribuir a la difusión de la transparencia como herramienta para mejorar la participación ciudadana.
Objetivo: identificar determinantes capazes de influenciar o nível de transparência das capitais brasileiras, mediante o uso de regressão linear múltipla.
Metodologia: uso de regressão linear múltipla, tendo como variáveis dependente índice de transparência calculado pelo Núcleo de Estudos da Transparência Administrativa e da Comunicação de Interesse Público (NETACIP), da USP, e como variáveis independentes, o PIB per capita, PIB indústria, IDEB, IDH, mortalidade infantil, taxa de esgoto, população e taxa de escolaridade Originalidade: ampliação do escopo das pesquisas voltadas para identificação de variáveis capazes de elevar o nível de transparência pública.
Resultados: os achados reforçam a importância da escolha das variáveis independentes e associação entre elas devido a relação multifacetada existente entre elas. Dentre as oito variáveis propostas no estudo, três resultaram significantes estatisticamente: IDH, IDEB e PIB per capita após teste de um segundo modelo de regressão analisado, com ênfase para o impacto da 1ª. variável em relação às demais.
Contribuições teóricas: foram identificados com precisão os impactos das variáveis com significância estatística, possibilitando aos futuros usuários do modelo proposto uma melhor escolha das variáveis sugeridas junto ao processo de tomada de decisão.
Contribuições sociais: busca contribuir para a difusão da transparência como instrumento de aperfeiçoamento da participação cidadã.
Objective: To identify determinants capable of influencing the level of transparency in Brazilian capital cities using multiple linear regression.
Methodology: Multiple linear regression was used, with the dependent variable being the transparency index calculated by the Center for Studies on Administrative Transparency and Public Interest Communication (NETACIP) at USP, and the independent variables being GDP per capita, industrial GDP, IDEB (Brazilian Development Index), HDI (Individual Development Index), infant mortality, sewage disposal rates, population, and schooling rates.
Origin: This broadened the scope of research aimed at identifying variables capable of increasing the level of public transparency.
Results: The findings reinforce the importance of choosing independent variables and their association due to their multifaceted relationships. Among the eight variables proposed in the study, three were statistically significant: HDI, IDEB, and GDP per capita after testing a second regression model, emphasizing the impact of the first variable on the others.
Theoretical contributions: The impacts of statistically significant variables were accurately identified, enabling future users of the proposed model to better select the suggested variables in the decision-making process.
Social contributions: The study aims to contribute to the dissemination of transparency as a tool for improving citizen participation.
