Ainda o mercado de trabalho

dummypeaOs dados recém divulgados do mercado de trabalho mostram um nítido sinal amarelo. Tenho insistido nesse e em outros espaços que chama atenção a redução da procura por emprego em determinadas faixas etárias. Essa saída da População Economicamente Ativa (PEA) de jovens entre 14 e 24 anos é captada pela PNAD e pela PNAD Contínua. O gráfico ao lado mostra que esse mesmo comportamento pode ser captado também na Pesquisa Mensal do Emprego (PME). Para os meses em que a saída da População Economicamente Ativa (PEA) foi maior do que a entrada/saída na População Ocupada (PO), é alocado 1 e 0, caso contrário. Nos casos em que a saída da PEA é maior do que a entrada/saída da PO, o desemprego cai não porque as empresas contrataram mais do que demitiram, mas porque as pessoas simplesmente desistem de procurar emprego. Em março isso ocorreu pela 26ª vez, desde abril de 2002. Este fato, somado às demais pesquisas de mercado de trabalho, mostram que o cenário preocupa.

81 mil pessoas saíram da PEA entre fevereiro e março, enquanto 52 mil pessoas deixaram a PO (foram demitidas), logo a variação da PEA foi maior do que a variação da PO. Por isso a taxa de desemprego caiu para 5%, ante 5,1% em fevereiro. A saída da PEA foi combinada com redução da ocupação, sinal de que a economia brasileira combina baixo nível de atividade com inflação elevada. Na variação interanual - contra o mesmo mês do ano anterior - a PEA acumula seis meses de variação negativa, isto é, encolhimento. A População Não Economicamente Ativa (PNEA), por sua vez, acumula 8 meses de variação positiva, tendo se reduzido em 4,2%, na comparação com março de 2013.

A População Ocupada (PO) tem registrado variação média, na comparação interanual, de modestos 0,2%, nos últimos 12 meses. Os salários reais também crescem menos: 2,2%, na mesma comparação. Era de 3,5% nos 12 meses imediatamente anteriores. Os dados de outra pesquisa, o CAGED, do Ministério do Trabalho, que mede o fluxo de admitidos e demitidos com carteira assinada, também ilustram a deterioração. A média móvel anual do saldo entre demissões e contratações foi de pouco menos de 71 mil nos últimos 24 meses, enquanto no período imediatamente anterior havia sido de 160 mil. Ademais, como pode ser visto no gráfico abaixo, a taxa de participação, relação entre PEA e População em Idade Ativa (PIA), mostra tendência de queda no período recente.

participação

A deterioração no mercado de trabalho deve continuar ao longo do ano, com o aumento da incerteza advinda do pleito eleitoral, bem como pela reação defasada ao ciclo de contração monetária do Banco Central. Em particular, a análise passa bem distante da taxa de desemprego, que a despeito de estar baixa, revela muito pouco da situação atual. Desse modo, é preciso acompanhar o fluxo de contratações nos próximos meses. Acaso o mesmo não reaja, o desemprego irá aumentar assim que a procura por emprego voltar a subir. A acompanhar o ponto exato quando isso começará a ocorrer.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Resultado PNADc Trimestral - 3° Trimestre/2024

A Análise Macro apresenta os resultados da PNADc Trimestral do 3º trimestre de 2024, com gráficos elaborados em Python para coleta, tratamento e visualização de dados. Todo o conteúdo, disponível exclusivamente no Clube AM, foi desenvolvido com base nos métodos ensinados nos cursos da Análise Macro, permitindo aos assinantes acesso aos códigos e replicação das análises.

Análise exploratória para modelagem preditiva no Python

Antes de desenvolver bons modelos preditivos é necessário organizar e conhecer muito bem os dados. Neste artigo, damos algumas dicas de recursos, como gráficos, análises e estatísticas, que podem ser usados para melhorar o entendimento sobre os dados usando Python.

Como usar modelos do Sklearn para previsão? Uma introdução ao Skforecast

Prever séries temporais é uma tarefa frequente em diversas áreas, porém exige conhecimento e ferramentas específicas. Os modelos de machine learning do Sklearn são populadores, porém são difíceis de aplicar em estruturas temporais de dados. Neste sentido, introduzimos a biblioteca Skforecast, que integra os modelos do Sklearn e a previsão de séries temporais de forma simples.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

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.