Category

Comentário de Conjuntura

O preço do arroz explodiu?

By | Comentário de Conjuntura

Um dos motivos de eu ter me afastado do debate público no Brasil é que ele é bizarramente viesado e com uma ausência gritante de análise de dados. Mais vale a opinião de quem nunca estudou economia do que a análise série das bases de dados disponíveis. E praticamente toda semana tem um exemplo dessa (triste) realidade. A polêmica atual é o preço do arroz: será que ele explodiu mesmo?

Para ver isso, podemos acessar a variação do preço do arroz para o consumidor final, que pode ser captada dentro do Índice de Preços ao Consumidor Amplo, o famoso IPCA. O IPCA é composto (atualmente) por 377 subitens, dentre eles o arroz, que está no subgrupo Alimentação no Domicílio, que por sua vez pertence ao grupo Alimentação e Bebidas - caso você não faça ideia do que eu estou falando, considere fazer nosso Curso de Análise de Conjuntura usando o R.

Uma vez definido que queremos ver o comportamento da variação do preço do arroz ao longo do tempo, podemos pegar os dados no SIDRA/IBGE. Para isso, podemos usar o pacote sidrar e importar os dados diretamente para o RStudio. A seguir, o início do script que eu montei para pegar apenas os dados do subitem arroz. Observe que há três séries, de acordo com a POF a que faz referência a série.


###############################################################
###### Evolução do preço do arroz ao longo do tempo ###########
###############################################################

library(tidyverse)
library(sidrar)
library(tstools)

serie01 = get_sidra(api = '/t/2938/n1/all/v/63/p/all/c315/7173/d/v63%202')$Valor
serie02 = get_sidra(api= '/t/1419/n1/all/v/63/p/all/c315/7173/d/v63%202')$Valor
serie03 = get_sidra(api='/t/7060/n1/all/v/63/p/all/c315/7173/d/v63%202')$Valor

Uma vez que os dados foram coletados, nós podemos criar um tibble colocando todas as séries juntas, adicionando um vetor de datas para poder gerar os gráficos e também uma nova série com a variação acumulada em 12 meses.


dates = seq(as.Date('2006-07-01'), as.Date('2020-08-01'), by='1 month')

data = tibble(date = dates,
var_mensal = c(serie01, serie02, serie03),
var_12m = acum_p(var_mensal, 12))

data_long =
data %>%
gather(metrica, valor, -date)

Uma vez que os dados estejam devidamente coletados e tratados, nós podemos visualizar os mesmos em dois gráficos. Um que expressa a variação mensal do preço do arroz e outro que expressa a variação acumulada em 12 meses.

Estamos pegando dados desde julho de 2006 e eu não sei você, mas eu não vejo nada de anormal com o que está acontecendo atualmente...

____________________

(*) Para ter acesso aos códigos dos nossos posts, exercícios e demais conteúdos exclusivos, assine nossa lista VIP aqui.

(**) Isso e muito mais você aprende no nosso Curso de Análise de Conjuntura usando o R.

 

O descompasso entre o IPCA e o IGP-M em 2020

By | Comentário de Conjuntura

Os efeitos da pandemia são sentidos de diferentes formas na economia brasileira. Em termos de inflação, por exemplo, há um descompasso entre os diferentes índices de preços. Enquanto o IGP-M dispara, refletindo o efeito da taxa de câmbio sobre o componente atacado do índice - que representa 60% da sua composição - o IPCA se mantém comportado.

No acumulado em 12 meses, o IGP-M avança 13% até agosto, enquanto o IPCA sobe comportados 2,43%. O gráfico acima ilustra a diferença entre a variação dos índices.

Mesmo dentro do IPCA, há diferenças importantes entre os 9 grupos que o compõe, com avanço considerável, por exemplo, no subgrupo alimentação no domicílio. Comportamento que reflete os efeitos do isolamento de parte da população.

____________________

(*) Para ter acesso aos códigos dos nossos posts, exercícios e demais conteúdos exclusivos, assine nossa lista VIP aqui.

(**) Isso e muito mais você aprende no nosso Curso de Análise de Conjuntura usando o R.

Análise do PIB no 2º Trimestre com o R

By | Comentário de Conjuntura

O IBGE divulgou hoje de manhã o resultado das Contas Nacionais Trimestrais no 2º trimestre. Os dados vieram em linha com o esperado pelas projeções, a despeito de uma maior incerteza, diga-se. O PIB teve variação de -9,69% na comparação com o 1º trimestre de 2020 e de -11,43% na comparação com o mesmo trimestre do ano anterior. A análise do PIB, diga-se, conta com script automático que é ensinado no nosso Curso de Análise de Conjuntura usando o R. A seguir, um resumo dos dados.

PIB: números-índices e variações
Trimestre PIB_SA Variação Marginal PIB Variação Interanual Variação Anual
2019 Q1 168.82 0.56 165.81 0.59 1.10
2019 Q2 169.59 0.46 168.70 1.08 1.11
2019 Q3 169.69 0.06 172.89 1.19 1.02
2019 Q4 170.60 0.54 171.17 1.67 1.14
2020 Q1 166.41 -2.46 165.39 -0.25 0.93
2020 Q2 150.28 -9.69 149.41 -11.43 -2.21

Os dados são coletados diretamente do SIDRA/IBGE a partir do uso do pacote sidrar, de forma que é possível integrar no mesmo ambiente as etapas de coleta, tratamento e apresentação dos dados. Como é possível ver na tabela acima, houve uma queda de 2,21% no acumulado em 4 trimestres. A seguir, damos um zoom sobre a variação marginal, na abertura por componentes do PIB, tanto do lado da oferta quando do lado da demanda.

PIB e seus componentes: Variação na margem
Trimestre Agropecuária Indústria Serviços PIB C FBCF G X M
2019 Q1 -1.01 0.08 0.93 0.56 0.76 -0.98 0.59 -3.60 -2.12
2019 Q2 1.13 0.71 -0.04 0.46 0.33 2.87 -0.28 -2.60 4.85
2019 Q3 1.09 0.54 0.14 0.06 0.51 1.54 -0.40 -2.21 0.16
2019 Q4 -0.69 0.06 0.56 0.54 0.40 -3.49 0.44 2.33 -2.58
2020 Q1 0.50 -0.82 -2.24 -2.46 -1.92 2.29 0.22 -1.32 0.81
2020 Q2 0.43 -12.29 -9.71 -9.69 -12.54 -15.43 -8.85 1.84 -13.25

Pelo lado da demanda, a Formação Bruta de Capital Fixo (FBCF) registrou queda de 15,43% na comparação com o primeiro trimestre, enquanto no lado da oferta a Indústria registrou queda de 12,29%. Na sequência, mostramos os gráficos da variação na margem.

A seguir, damos um zoom sobre a variação contra o mesmo trimestre do ano anterior. Novamente, é possível ver o impacto da pandemia sobre a Formação Bruta de Capital Fixo (FBCF), com uma queda de 15,20%.

PIB e seus componentes: Variação interanual
Trimestre Agropecuária Indústria Serviços PIB C FBCF G X M
2019 Q1 0.89 -0.98 1.17 0.59 1.54 1.09 0.04 -1.63 -2.31
2019 Q2 1.43 0.29 1.15 1.08 1.83 5.44 -0.69 1.27 4.86
2019 Q3 2.06 0.96 1.03 1.19 1.91 2.86 -1.41 -4.40 2.19
2019 Q4 0.44 1.46 1.64 1.67 2.06 -0.36 0.33 -5.07 -0.22
2020 Q1 1.90 -0.12 -0.45 -0.25 -0.73 4.27 0.00 -2.23 5.13
2020 Q2 1.21 -12.69 -11.17 -11.43 -13.47 -15.20 -8.57 0.54 -14.87

Na sequência, vemos os gráficos dessa métrica.


Como é possível verificar, os números são superlativos, à exceção da agropecuária, pelo lado da oferta e das exportações, pelo lado da demanda. Na sequência, suavizamos as variações com o acumulado em quatro trimestres.

PIB e seus componentes: Variação acumulada em 4 trimestres
Trimestre Agropecuária Indústria Serviços PIB C FBCF G X M
2019 Q1 2.52 0.05 1.25 1.10 1.59 3.58 0.23 2.42 5.70
2019 Q2 2.69 -0.08 1.22 1.11 1.59 4.27 -0.13 3.43 5.35
2019 Q3 2.03 -0.05 1.12 1.02 1.67 3.05 -0.76 1.59 2.41
2019 Q4 1.25 0.46 1.25 1.14 1.84 2.24 -0.44 -2.54 1.11
2020 Q1 1.56 0.67 0.85 0.93 1.28 3.00 -0.45 -2.68 2.89
2020 Q2 1.50 -2.55 -2.22 -2.21 -2.50 -2.12 -2.42 -2.85 -1.84

No acumulado em quatro trimestres, o PIB experimenta queda de 2,21% até o segundo tri de 2020. Com uma generalizada, tanto na oferta quanto na demanda, à exceção da agropecuária. Na sequência, os gráficos.

Não há dúvidas quanto à profundidade do impacto da pandemia sobre o nível de atividade. E, também, o fato da economia brasileira ter entrado em recessão técnica.

(*) A apresentação que construímos no nosso Curso de Análise de Conjuntura usando o R está disponível aqui.

____________________

CAGED volta ao terreno positivo

By | Comentário de Conjuntura

Em meio ao caos que se tornou a macroeconomia brasileira, um momento positivo nos últimos dias foi a divulgação dos dados do Novo CAGED (ver sobre aqui) referente a julho. Após quatro meses de saldo entre admitidos e demitidos negativo, julho teve saldo positivo de 131 mil. Abaixo, coletamos os dados do Novo CAGED a partir do IPEADATA com o pacote ecoseries.


################################################
######## Análise do CAGED com o R ##############

library(ecoseries)
library(tidyverse)
library(scales)
library(seasonal)

#### Coleta de Dados via IPEADATA ####

## Baixar dados do Novo Caged
saldo_novocaged = series_ipeadata("2096725336", periodicity = 'M')$serie_2096725336
admitidos_novocaged = series_ipeadata("2096725334", periodicity = 'M')$serie_2096725334
demitidos_novocaged = series_ipeadata("2096725335", periodicity = 'M')$serie_2096725335

Como é possível observar, estou pegando os dados Novo CAGED diretamente do IPEADATA. É o início do script desse tema que ensino no nosso Curso de Análise de Conjuntura usando o R. Com base no novo CAGED, podemos gerar o gráfico abaixo.

Em 2020, o resultado líquido está em mais de 1 milhão de vagas perdidas.

____________________

(*) Você aprende a coletar, tratar, analisar e apresentar dados com o R em nossos Cursos Aplicados de R.

(**) Os alunos do plano premium dos nossos Cursos Aplicados de R  têm acesso a mais de 70 exercícios do Clube do Código.

Um pesadelo chamado Novo CAGED

By | Comentário de Conjuntura

O leitor frequente desse espaço já viu eu escrever diversas vezes sobre os dados do CAGED, o Cadastro Geral de Empregados e Desempregados do extinto Ministério do Trabalho. O dado do CAGED era muito bom para avaliar o mercado de trabalho, além de também ter um fit bem legal para ajudar na construção de modelos preditivos. A coleta dos dados agregados do CAGED, contudo, sempre foi bem ruim, a não ser, óbvio, que você tivesse alguma concentradora de dados, como a Bloomberg.

Pois bem, não é que a atual equipe econômica conseguiu piorar o que já era ruim? Desde janeiro desse ano, houve a substituição do CAGED pelo eSocial, de modo que a série de admitidos e demitidos gerada pelo CAGED está descontinuada. Em outras palavras, há uma série que termina em dezembro de 2019 e outra série que começa em janeiro de 2020.

Resolvi falar sobre isso porque é um problema recorrente no país: a descontinuidade de séries econômicas. Países como os Estados Unidos, por exemplo, têm séries econômicas longas, que às vezes chegam a mais de 100 anos de dados. Um verdadeiro parque de diversões para quem trabalha com dados e, principalmente, para a geração de pesquisas.

Para além dessa descontinuidade, uma outra crítica é a disponibilidade de dados. Há um site chamado de Programa de Disseminação das Estatísticas de Trabalho, onde há a disponibilidade de planilhas de Excel, bem toscas diga-se, para quem trabalha com programas estatísticos ou com linguagens de programação, como é o meu caso. É preciso perder um tempo para tratar os dados dessas planilhas, que são individuais, uma planilha para cada mês!

A não ser que você tenha um terminal Bloomberg - né, ministro? - sua vida ficou bem difícil, se o objetivo é tratar os dados do CAGED, tá ok?

Bom, feita as críticas e cumprindo a missão desse espaço, mostro como pegar os dados agregados do Novo Caged a partir do IPEADATA, um site bem desatualizado para o mundo de hoje, mas que conta com um pacote de R para a importação de dados, o pacote ecoseries. A seguir, carregamos os pacotes e importamos os dados.


################################################
######## Análise do CAGED com o R ##############

library(ecoseries)
library(tidyverse)
library(scales)
library(seasonal)

#### Coleta de Dados via IPEADATA ####

## Baixar dados do CAGED
saldo_caged = series_ipeadata("272844966", periodicity = 'M')$serie_272844966
admitidos_caged = series_ipeadata("231410417", periodicity = 'M')$serie_231410417
demitidos_caged = series_ipeadata("231410418", periodicity = 'M')$serie_231410418

## Baixar dados do Novo Caged
saldo_novocaged = series_ipeadata("2096725336", periodicity = 'M')$serie_2096725336
admitidos_novocaged = series_ipeadata("2096725334", periodicity = 'M')$serie_2096725334
demitidos_novocaged = series_ipeadata("2096725335", periodicity = 'M')$serie_2096725335

Como é possível observar, estou pegando tanto os dados do CAGED quanto do tal Novo CAGED. É o início do script desse tema que ensino no nosso Curso de Análise de Conjuntura usando o R. Com base no novo CAGED, podemos gerar o gráfico abaixo.

Nos meses de março, abril e maio houve uma perda líquida de quase 1,4 milhões de empregos! É uma crise com poucos precedentes na História brasileira. Digo isso no achismo, obviamente, porque não existem séries econômicas longas no país, lembra?

Bom, fica aqui então o desabafo de alguém que gostava muito dos dados do CAGED. Agora, é tentar compatibilizar as duas séries...

ps: custava ao menos criar uma API, Ministro? 🙁

____________________

(*) Você aprende a coletar, tratar, analisar e apresentar dados com o R em nossos Cursos Aplicados de R.

(**) Os alunos do plano premium dos nossos Cursos Aplicados de R  têm acesso a mais de 70 exercícios do Clube do Código.

Cadastre-se em nossa lista VIP para descontos e conteúdos exclusivos!

Quero me inscrever
{"cart_token":"","hash":"","cart_data":""}