Os ventos do CAGED

[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" text_font="Abel||||" text_font_size="19" use_border_color="off" border_color="#ffffff" border_style="solid"]

Os nossos Cursos Aplicados de R sofrerão uma grande atualização para as Turmas de Julho, de modo a acompanhar as recentes atualizações nos pacotes do R e das variáveis macroeconômicas brasileiras. No nosso Curso de Análise de Conjuntura usando o R, por exemplo, adicionaremos a análise do CAGED e da PNAD Contínua, mostrando como é possível coletá-las e tratá-las com o R. No CAGED, em particular, a ideia é que o aluno consiga fazer uma análise técnica dos dados da pesquisa. Para ilustrar, escrevemos esse post sobre alguns insights dos dados recentes, em uma análise feita totalmente com o R. Na leitura dessazonalizada, por suposto, o saldo entre admitidos e demitidos apresentou seu oitavo número positivo, dando continuidade à recuperação do emprego formal. Dada a desaceleração da recuperação e as perspectivas nada positivas para o segundo semestre, a manutenção dessa trajetória deve ser vista com cautela. O gráfico abaixo ilustra.

[/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/2017/09/cliqueaqui.png" show_in_lightbox="off" url="https://analisemacro.com.br/cursos-de-r/" url_new_window="off" use_overlay="off" animation="off" sticky="off" align="center" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid"]

 

[/et_pb_image][/et_pb_column][/et_pb_row][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Abel||||" text_font_size="19" use_border_color="off" border_color="#ffffff" border_style="solid"]

Na abertura do CAGED por setores, é possível verificar uma recuperação consistente no comércio, nos serviços e mesmo na indústria, que teve um número negativo em maio refletindo a greve dos caminhoneiros. O gráfico abaixo ilustra o saldo dessazonalizado e sua abertura por setores.

E abaixo, plotamos os gráficos de cada um dos setores...

Os dados do CAGED, por suposto, são bastante sensíveis à recuperação da economia como um todo, de modo que uma possível desaceleração do crescimento esse ano, captado pelas expectativas dos agentes, pode comprometer a continuidade do processo de geração líquida de empregos. O gráfico abaixo ilustra a correlação entre o saldo dessazonalizado do CAGED e o crescimento anualizado do PIB trimestral.

O momento de aumento da incerteza vivido pela economia brasileira pode ter efeitos não desprezíveis sobre o mercado de trabalho, de modo que a cautela com as projeções de desemprego deve prevalecer entre os analistas. No Clube do Código, por fim, procuraremos aprofundar a relação entre crescimento e saldo do CAGED por meio de estudo macroeconométrico.

 

[/et_pb_text][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2017/11/cursosaplicados.png" show_in_lightbox="off" url="https://analisemacro.com.br/cursos-de-r/" url_new_window="off" use_overlay="off" animation="off" sticky="off" align="left" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid"]
[/et_pb_image][/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

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.

Transfer Learning: mostrando porque o Python está na ponta do desenvolvimento

A aprendizagem por transferência (transfer learning) é o reuso de um modelo pré-treinado em um novo problema. Portanto, sua utilização torna-se um avanço enorme para a previsão de diferentes tipos de variáveis, principalmente para aquelas ordenadas no tempo. Mostramos nesta postagem o uso do Transfer Learning com o Python para o caso de Séries Temporais.

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.