A utopia do emprego com carteira assinada

O emprego com carteira assinada nunca foi algo universal no Brasil. Mesmo no melhor momento do mercado de trabalho, quando a taxa de desemprego chegou à sua mínima histórica, a formalização flertou próxima a 40% da população ocupada. O gráfico abaixo ilustra a distribuição das diferentes categorias de emprego na população ocupada.

O emprego com e sem carteira no gráfico refere-se ao emprego privado. O emprego com carteira representa algo como 35% da população ocupada, enquanto a categoria conta própria chega a 26% e os sem carteira com 12%,5%, para o último dado disponível.

De modo a ilustrar o comportamento da formalização dentro da população ocupada, eu fiz um exercício simples de ampliar a PNAD a partir dos dados da PME. Isso é necessário porque os dados da PNAD estão disponíveis a partir de março de 2012 apenas. Com efeito, ampliei a razão entre emprego privado com carteira assinada e população ocupada total da PNAD com base na mesma razão contida na PME, gerando uma série com dados desde 2002. O gráfico a seguir ilustra.

Como é possível observar, o pico da série ocorre no auge do mercado de trabalho, quando o desemprego está na mínima histórica. Mesmo nesse momento, o emprego privado com carteira assinada representava apenas 40% da população ocupada.

_______________

(*) Os códigos do exercício estarão disponíveis amanhã na Edição 72 do Clube do Código.

(**) Aprenda a fazer análises como essa com nossos Cursos Aplicados de R.

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.