Análise
Os dados de 2014, 2018 e 2022 confirmam um padrão: candidatos de direita são sistematicamente subestimados pelas pesquisas eleitorais, inflando a vantagem projetada do campo oposto. O problema não é onde a maioria imagina.
Há uma crença disseminada no debate político brasileiro: as pesquisas eleitorais favorecem a esquerda. Quem defende esse argumento aponta para os casos em que Bolsonaro aparecia muito atrás nas pesquisas e saiu-se melhor nas urnas, ou para sondagens que mostravam Lula com vantagem de dois dígitos que se reduziu drasticamente no resultado final.
A crença não é sem fundamento. Os dados do ViésLab, analisando três ciclos eleitorais consecutivos — 2014, 2018 e 2022 —, confirmam que existe um padrão sistemático. Mas o diagnóstico preciso é diferente do que se costuma dizer.
O problema não é que a esquerda seja superestimada. É que a direita é sistematicamente subestimada.
A distinção parece sutil, mas muda completamente a interpretação. E entender essa diferença é essencial para ler as pesquisas de 2026 com os olhos certos.
A análise do ViésLab compara a média das pesquisas eleitorais de primeiro turno publicadas nos 30 dias antes de cada eleição presidencial com o resultado oficial do TSE. Para cada ciclo, calculamos dois números:
O resultado é consistente nos três ciclos analisados: o candidato de direita aparece nas pesquisas com uma porcentagem significativamente abaixo do seu resultado final. O candidato de esquerda, por outro lado, tende a ser medido com razoável precisão — às vezes um pouco acima, às vezes um pouco abaixo.
O efeito combinado: as pesquisas criam a impressão de uma vantagem da esquerda muito maior do que aquela que as urnas vão registrar.
Não é "as pesquisas favorecem a esquerda?". É "as pesquisas subestimam a direita?". A resposta para a segunda pergunta, nos dados brasileiros de 2014 a 2022, é consistentemente sim.
A eleição de 2022 oferece o exemplo mais nítido do padrão.
Em setembro de 2022 — cerca de um mês antes do primeiro turno — as principais pesquisas mostravam Lula entre 45% e 47% e Bolsonaro entre 33% e 35%. A diferença projetada era de .
Newsletter
Recebe novas análises por email
Quando publicarmos dados ou análises novas, avisamos-te. Sem spam.
Nenhum comentário ainda. Seja o primeiro a participar.
Apenas usuários cadastrados podem comentar. Faça login com sua conta Google para continuar.
O resultado oficial do TSE no primeiro turno:
O que aconteceu com cada candidato individualmente:
Lula foi estimado pelas pesquisas com razoável precisão. O erro foi pequeno — em torno de 1 a 2 pontos para baixo. As pesquisas viram Lula com cerca de 46%, ele terminou com 48,4%. Desvio: aproximadamente −2 pp.
Bolsonaro foi subestimado em uma magnitude muito maior. As pesquisas o mostravam por volta de 34%, ele obteve 43,2%. Desvio: aproximadamente −9 pontos percentuais.
A diferença projetada de ~13 pontos virou uma diferença real de ~5 pontos. As pesquisas exageraram a vantagem de Lula em quase 8 pontos percentuais.
Visualize assim: se a barra de erro de Lula tem 2 centímetros, a barra de erro de Bolsonaro tem 9 centímetros. A narrativa de que "as pesquisas favoreceram Lula" é imprecisa — o problema foi que as pesquisas praticamente não enxergaram boa parte do eleitorado de Bolsonaro.
O caso de 2018 é ainda mais revelador, porque Bolsonaro não apenas foi subestimado — ele venceu a eleição com uma margem que pouquíssimas pesquisas anteciparam.
No primeiro turno de outubro de 2018:
Um mês antes, as pesquisas mostravam Bolsonaro em torno de 35% a 38% e Haddad em ascensão, em torno de 20% a 25%. A diferença projetada era muito menor do que os mais de 16 pontos que as urnas registraram.
Nesse ciclo, o candidato de direita não apenas foi subestimado — ele foi subestimado enquanto vencia. Isso refuta a hipótese de que o viés é um efeito de "quem está ganhando ser superestimado". O padrão está ligado ao espectro ideológico, não à posição na corrida.
Em 2014, a eleição mais disputada da história recente até então, Dilma Rousseff derrotou Aécio Neves no segundo turno por menos de 4 pontos percentuais. No primeiro turno:
As pesquisas do período mostravam Dilma com folga maior do que a realidade e Aécio consistentemente abaixo do seu resultado final. O padrão estava lá desde 2014 — mas a eleição de 2022 tornou-o impossível de ignorar.
Revisitar 2014 com os olhos de hoje revela que o viés diferencial já existia, mas a margem final menos dramática mascarou sua magnitude.
Existem dois mecanismos principais que explicam a subestimação sistemática de candidatos de direita em pesquisas brasileiras:
O fenômeno foi descrito pela primeira vez em pesquisa política britânica, quando as sondagens subestimaram consistentemente o voto no Partido Conservador nas décadas de 1980 e 1990. O mecanismo é simples: em contextos sociais onde um candidato é associado a estigma — autoritarismo, preconceito, extremismo — parte dos seus eleitores prefere não revelar sua intenção de voto para um entrevistador.
Em entrevistas presenciais ou por telefone, declarar intenção de voto em certos candidatos pode gerar julgamento social. A autodeclaração da intenção de voto é um ato social, não apenas estatístico.
No Brasil, esse efeito foi intensificado pelo acirramento ideológico do período 2018–2022. Eleitores de Bolsonaro em regiões urbanas e ambientes de classe média-alta tinham incentivos sociais adicionais para subdeclarar.
Pesquisas que recrutam por telefone, WhatsApp ou meios digitais tendem a subrepresentar o eleitorado popular, rural e menos conectado — que votou de forma desproporcionalmente favorável a Bolsonaro em 2018 e 2022.
Pesquisas presenciais têm custos mais altos e também enfrentam desafios de representatividade geográfica. A cota de eleitores de cidades de pequeno porte e zonas rurais frequentemente fica abaixo da representação real do TSE.
Nenhum dos dois mecanismos exige que os institutos estejam agindo de má-fé. O resultado é o mesmo: um eleitorado que existe, mas não aparece adequadamente nas amostras.
Não é possível distinguir, a partir dos dados agregados, qual dos dois mecanismos domina. Ambos produzem o mesmo sinal nas pesquisas. A separação requer estudos de pós-eleição que cruzem intenção declarada com resultado real por perfil demográfico — dados que os institutos raramente publicam.
Antes de concluir, três ressalvas importantes:
Não prova viés intencional. Subdeclaração espontânea dos entrevistados e falha de amostragem produzem exatamente o mesmo resultado que um instituto deliberadamente enviesado. Os dados do ViésLab não permitem distinguir entre as três hipóteses. Acusar institutos de manipulação com base apenas no resultado das urnas é metodologicamente indefensável.
Não é uniforme entre institutos. O padrão existe na média, mas varia significativamente por casa de pesquisa. Alguns institutos acertam sistematicamente mais do que outros — o que sugere que o problema não é inevitável. A análise de house effects por instituto mostra essas diferenças em detalhe.
Amostra pequena. Três ciclos eleitorais com dois candidatos principais cada um é uma base de dados pequena para conclusões categóricas. O padrão é consistente e sugestivo — mas três pontos de dados não fazem uma lei.
Com esse histórico em mente, algumas orientações práticas para 2026:
Amplie a margem de erro mental do candidato de direita. Se as pesquisas mostram o candidato de direita em X%, considere que o resultado real pode estar de 3 a 8 pontos acima. O histórico de três ciclos sustenta essa leitura.
Confie mais no diferencial do que no número absoluto. Se as pesquisas mostram vantagem de 10 pontos, o histórico sugere que a vantagem real pode estar entre 2 e 7 pontos. Diferenças de dois dígitos raramente se confirmam nas urnas.
Prefira agregadores a pesquisas isoladas. Uma pesquisa com 2.000 entrevistados tem margem de erro de ±2,2 pontos. Um agregador bem calibrado tem precisão efetiva maior — e correção por house effects remove parte do viés sistemático por instituto. O modelo do ViésLab aplica essa correção camada por camada.
Não descarte pesquisas que mostram margem apertada. Em 2022, pesquisas que mostravam Lula com 6 a 8 pontos de vantagem eram mais próximas da realidade do que as que mostravam 13 a 14. Uma pesquisa "pessimista" para o campo favorito muitas vezes é simplesmente mais precisa.
Explore os dados completos: