Relatório AM #3 - Mercado de trabalho

Na semana passada, a taxa de desemprego foi divulgada em 14.7% no 1º trimestre, o que equivale a cerca de 14.8 milhões de desempregados. Esses dados podem ser resumidos na tabela abaixo:

É importante notar que houve uma mudança na nomenclatura da PNAD: PIA é agora população total, PEA é força de trabalho, e a PNEA é fora da força. Vemos que houve um aumento da força de trabalho, simultaneamente com aumento da população desocupada. O nível de desemprego claramente é anormal, como resultado da crise de 2020, porém a variação vista nos últimos 2 meses tem, além do fator restrições sobre o comércio devido à nova onda de casos, um fator cíclico anual:

A taxa de desemprego após um choque como o visto atualmente traz grande preocupação para o futuro, devido ao fenômeno da histerese. Com o maior número de desempregados, a chance de uma pessoa passar mais tempo sem emprego é maior, o que pode causar uma diminuição de seu capital humano, tornando ainda mais difícil sua reinserção no mercado de trabalho, gerando um ciclo vicioso. Abaixo, podemos ver que a população que está há mais de 2 anos sem emprego aumentou ao longo de 2020, evidenciando esse problema:

Outro ponto que tem sido muito discutido atualmente é a relevância dos dados do CAGED, devido a dúvidas sobre sua validade como medida do mercado de trabalho após a mudança em sua metodologia. Abaixo, os resultados do saldo nos últimos meses:

 

 

Como podemos ver, apesar de diminuir em magnitude, o saldo de admissões está positivo nos últimos meses, o que parece discordar com a taxa de desemprego crescente. Esse dado se torna ainda mais duvidoso ao compararmos com as estatísticas da PNAD contínua:

Como podemos ver, o nível de empregados com carteira diminuiu nos dados mais recentes, sendo o nível geral compensado por trabalhadores sem carteira e autônomos. Para justificar um saldo positivo como apresentado acima, teríamos que supor uma grande redução no número de demissões, o que não condiz com o movimento sazonal de começo de ano. Com isso, os dados do CAGED parecem ter se tornado demasiadamente problemáticos para serem confiáveis.

O gráfico apresentado acima faz parte do nosso monitor de mercado de trabalho. Ele é um aplicativo interativo, que realiza diversas visualizações e facilita a compreensão de tudo que está acontecendo na macroeconomia em tempo real. Também estamos publicando outros 3 monitores: de inflação, atividade e do mercado de crédito.

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.