A menor inflação em janeiro desde 1979?

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="1_2"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" use_border_color="off" border_color="#ffffff" border_style="solid"]

A imprensa brasileira deu grande destaque nessa quinta-feira ao resultado da inflação medida pelo IPCA em janeiro. Ela veio 0,38%, o que para parte dos jornalistas foi a menor inflação em janeiro medida pelo índice desde 1979Para não levar a interpretações equivocadas, é preciso fazer duas considerações sobre essa informação. A primeira é que, para ser preciso, a informação deveria ser a partir de 1980, dado que o número índice do IPCA está disponível apenas a partir de dezembro do ano anterior. Como a inflação mensal se obtém confrontando o número índice em t com o número índice em t-1, só podemos ter essa métrica a partir de 1980. Ademais, não é uma comparação lá muito justa - e, de fato, não deixa de ser um equívoco fazê-lo. Isso porque, como todo mundo sabe, o período entre 1980 e meados de 1994 é marcado por um dos maiores processos inflacionários da História da humanidade. Então, como podemos comparar janeiro de 2017 com esse período? Para ilustrar, segue o código abaixo, que compila a inflação medida pelo IPCA apenas para meses de janeiro no período de 1980 a 2017. 

[/et_pb_text][/et_pb_column][et_pb_column type="1_2"][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2017/02/conjuntura.png" show_in_lightbox="off" url="https://analisemacro.com.br/cursos-de-r/analise-de-conjuntura/" url_new_window="off" use_overlay="off" animation="left" sticky="off" align="left" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid" /][/et_pb_column][/et_pb_row][et_pb_row admin_label="Linha"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="left" use_border_color="off" border_color="#ffffff" border_style="solid"]

# Pacotes
library(TStools)
library(ggplot2)

# Importar dados diretamente do BCB
source('bcb.R')
ipca = ts(getSeries(433, data.ini='01/01/1980', 
 data.fim='01/01/2017')$valor, start=c(1980,01),
 freq=12)

## OBS: É possível usar os pacotes BETS ou rbcb.


# Criando e guardando gráfico de sazonalidade
seas = seasplot(ipca, trend=F, outplot = 4)

# Pegando variações de janeiro
janeiro = as.numeric(seas$season[,1])

# Criando vetor de datas
time = seq(as.Date('1980-01-01'), as.Date('2017-01-01'), by='1 year')

# Colocando ambos em um data frame
ipca.janeiro = data.frame(time=time, janeiro=janeiro)

# Gráfico
ggplot(ipca.janeiro, aes(time, janeiro))+
 geom_bar(stat='identity', fill='darkblue', width = 200)+
 xlab('')+ylab('% a.m.')+
 labs(title='Inflação medida pelo IPCA nos meses de janeiro',
 caption='Fonte: analisemacro.com.br com dados do Banco Central.')+
 theme_bw()

E abaixo o gráfico...

[/et_pb_text][et_pb_button admin_label="Botão" button_url="https://analisemacro.com.br/cursos-de-r/analise-de-conjuntura/" url_new_window="off" button_text="Conhecer o Curso de Análise de Conjuntura usando o R" button_alignment="center" background_layout="light" custom_button="off" button_letter_spacing="0" button_use_icon="default" button_icon_placement="right" button_on_hover="on" button_letter_spacing_hover="0" /][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Retropolando a série do desemprego no Brasil

Nosso objetivo neste exercício será estender a taxa de desemprego fornecida pela Pesquisa de Nacional por Amostra de Domicílios Contínua (PNAD Contínua) através daquela fornecida pela Pesquisa Mensal de Emprego (PME). Serão construídas duas séries: uma normal, outra dessazonalizada. Faremos todo o exercício utilizando o Python.

Variáveis Instrumentais no R: qual o impacto do gasto de segurança no crime?

Diversos métodos econométricos têm como principal finalidade melhorar o processo de investigar o efeito de uma variável sobre a outra, e um importante método encontra-se no uso de Variáveis Instrumentais na análise de regressão linear. Mas como podemos utilizar essa ferramenta para auxiliar no estudo da avaliação de impacto?

Neste post, oferecemos uma breve introdução a esse importante método da área de inferência causal, acompanhado de um estudo de caso para uma compreensão mais aprofundada de sua aplicação. Os resultados foram obtidos por meio da implementação em R, como parte integrante do nosso curso sobre Avaliação de Políticas Públicas utilizando esta linguagem de programação.

Análise regional do mercado de trabalho com dados do CAGED usando Python

Os microdados dos CAGED fornecem informações detalhadas a nível de cidade, sexo, raça, nível de instrução, idade, salário e outras sobre os trabalhadores formais do Brasil, possibilitando ricas análises regionais de dados. Neste artigo mostramos como acessar, processar e analisar estes dados utilizando o Python.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.