CAGED mostra recuperação no mercado de trabalho

Os dados do CAGED referentes a setembro divulgados pelo Ministério da Economia hoje mostram uma recuperação consistente no mercado formal de trabalho. Pelo sexto mês consecutivo houve criação líquida de vagas. Em termos dessazonalizados, foram geradas 53.570 vagas. Como ensino no Curso de Análise de Conjuntura usando o R, temos um script automático que trata os dados do CAGED. Abaixo, um gráfico do saldo dessazonalizado entre admitidos e demitidos no CAGED.

A geração acumulada de vagas em 2019 é de 696.853. Abaixo, um gráfico da média móvel anual das séries de admitidos e demitidos.

Observa-se que houve uma virada em meados de 2018, com a série de admitidos superando a de demitidos. Abaixo, o saldo mensal do CAGED por setores.

Como se vê no gráfico, o setor de serviços tem dominado a recuperação nos últimos meses. Por fim, coloco abaixo a razão entre salários de admitidos e demitidos. Houve uma acomodação na margem dessa métrica, importante para verificar o poder de barganha dos novos admitidos ao longo do tempo.

Os dados do CAGED indicam uma recuperação no mercado de trabalho que deve se espalhar pela PNAD nos próximos meses, como aponta a edição 67 do Clube do Código, que fez uma comparação entre as duas séries do ponto de vista econométrico. Em resumo, os dados do CAGED costumam antecipar os da PNAD Contínua.

___________________

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

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.

Criando Tabelas com o Python: mostrando o poder da linguagem sobre o Excel

Nos dias atuais, pessoas que trabalham com dados estão constantemente confrontados com um dilema: criar uma tabela não tão genial no Excel ou manter em um formato ainda pior, como um dataframe, mas mantendo a flexibilidade de obtenção dos dados. Podemos resolver esse grande problema, unindo a flexibilidade e beleza ao usar a biblioteca great_tables do 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.