Crescimento econômico na "Era Dilma"

pib_ibre02 Uma passagem rápida por aqui. Eu recebi na semana passada, do professor Cláudio Considera, a série atualizada de PIB mensal do IBRE/FGV. Aproveitei para atualizar o modelinho que havia feito em setembro com essa série e obtive uma nova projeção de crescimento para 2014. A anterior, referente a dados até julho, estava em 0%. Agora, com o aumento de 0,32% na margem [terceiro contra segundo trimestre], a projeção melhorou um pouco, leitor, está centrada em 0,1%. O intervalo da projeção está entre -0,1% e 0,3%, no acumulado em 12 meses. A título de comparação, a projeção do mercado, captada via boletim Focus do Banco Central, está em 0,23%. Para o ano que vem, o Focus indica crescimento de 0,76% e para 2016-18, a média está em 2,3%. Descontado o crescimento da população, significa dizer leitor, que o crescimento entre 2011-2018 ficaria em 0,9%. Com esse valor, a renda per capita, hoje próxima a US$ 14 mil, dobra em aproximadamente 78 anos... É esse cenário que respalda a crítica da maior parte dos economistas ao governo Dilma Rousseff e a sua política econômica. Esperemos, portanto, por mudanças, não é mesmo? ps: o pib do terceiro trimestre será conhecido na próxima sexta-feira, 28/11.

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.