Relação entre salário de admitidos e demitidos no CAGED através do Python

Ao ajustarmos os dados pela inflação (INPC), a história muda. O gráfico revela a forte perda de poder de compra sofrida pelos trabalhadores entre 2021 e meados de 2022, período marcado por choques inflacionários globais. A partir do final de 2022 e ao longo de 2023 e 2024, nota-se uma recuperação gradual da massa salarial real. Contudo, a série ainda se mostra bastante ruidosa devido aos efeitos sazonais de contratação.

Aprenda a utilizar o Python dentro do Google Colab para processar milhões de microdados do Novo CAGED e analisar a diferença salarial entre trabalhadores admitidos e demitidos. O artigo aborda engenharia de dados com SQLite, cálculo de médias com filtro de outliers, deflacionamento pelo INPC e ajuste sazonal com X-13ARIMA-SEATS.

Calculando o Custo Unitário do Trabalho do Brasil no Python

Gráfico de barras empilhadas e linha, ilustrando a decomposição da variação do Custo Unitário do Trabalho (CUT). As barras laranjas representam a contribuição dos salários reais, as barras verdes a contribuição (invertida) da produtividade. A linha azul escura traça a variação líquida do CUT. O gráfico destaca a volatilidade extrema durante a pandemia de 2020 e mostra períodos onde o aumento salarial superou a produtividade, elevando o custo unitário.

Este exercício ensina a calcular o Custo Unitário do Trabalho (CUT) e a Produtividade da economia brasileira utilizando Python. O tutorial aborda a coleta de dados do IBGE (PIB e PNAD Contínua), a aplicação de ajuste sazonal via X-13ARIMA-SEATS e a decomposição do indicador para análise de competitividade e inflação.

Previsão do Câmbio através da Linguagem Python

Projeção do Câmbio conforme metodologia selecionada

Mostramos como a linguagem de programação Python pode ser utilizada para projetar variáveis macroeconômicas como o Câmbio (BRL/USD) por meio de um pipeline completo e reproduzível. O processo abrange desde a coleta e o tratamento dos dados até a modelagem e geração de previsões, combinando métodos estatísticos, técnicas de machine learning e ferramentas de inteligência artificial para apoiar a análise econômica e a tomada de decisão.

Como calcular Paridade do Poder de Compra para o Brasil usando o Python

Gráfico de linhas comparativo abrangendo o período de 1999 a 2026. A linha azul escura representa a "Taxa de Câmbio Nominal" (BRL/USD) e apresenta alta volatilidade com picos acentuados em 2002, 2015 e 2020. A linha verde representa a "Paridade PPP" (taxa teórica baseada na inflação), que apresenta uma tendência de crescimento suave e constante ao longo do tempo. As linhas se cruzam diversas vezes, indicando momentos de ajuste, mas a taxa nominal tende a orbitar a tendência da PPP no longo prazo.

Este exercício ensina como calcular a Paridade do Poder de Compra (PPP) e a Taxa de Câmbio Real para o Brasil utilizando Python. Através da coleta automatizada de dados de inflação (IPCA e CPI americano) e câmbio, o exercício demonstra como mensurar o desalinhamento cambial do Real em relação ao Dólar, identificando períodos históricos de sobrevalorização e subvalorização da moeda brasileira com base na teoria econômica.

Estimando a NAIRU Implícita e a Relação entre Hiato e Desemprego com Python

Gráfico de dispersão mostrando a relação negativa entre hiato do produto (eixo y) e taxa de desocupação (eixo x).

Este artigo apresenta um exercício prático de macroeconomia aplicada utilizando Python para investigar a relação entre o nível de atividade econômica e o mercado de trabalho no Brasil. O estudo detalha o processo de coleta automatizada do Hiato do Produto do Banco Central e a construção de uma série histórica longa de desemprego (unificando PME e PNAD Contínua). Através de técnicas de ajuste sazonal (X-13ARIMA-SEATS) e modelagem econométrica, estima-se a NAIRU (Taxa de Desemprego Não Aceleradora da Inflação) implícita da economia brasileira em 9,46%, confirmando a forte correlação negativa prevista pela Lei de Okun.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp