Category

Mercado de Trabalho

Mercado de trabalho segue em situação dramática

By | Mercado de Trabalho

O IBGE divulgou agora há pouco o resultado do trimestre móvel encerrado em julho da PNAD Contínua. Como previu nosso modelo SARIMA, a taxa de desemprego ficou em 11,8%, recuando 0,2 p.p. em relação a junho. A taxa dessazonalizada, por seu turno, ficou em 11,7%. A tabela abaixo, extraída do nosso script de R temático do Curso de Análise de Conjuntura usando o R, faz um resumo da pesquisa.

Métricas Principais da PNAD Contínua
Jul/19 Jul/18 Variação (%)
População 209.411 207.788 0,8
PIA 170.975 169.425 0,9
PEA 106.153 104.193 1,9
PO 93.584 91.367 2,4
PD 12.569 12.827 -2,0
PNEA 64.822 65.231 -0,6
Carteira 33.146 32.912 0,7
Sem Carteira 11.658 11.039 5,6
Doméstico 6.280 6.258 0,4
Público 11.714 11.611 0,9
Empregador 4.331 4.389 -1,3
Conta Própria 24.227 23.035 5,2
TFA 2.230 2.123 5,0
Agropecuária 8.648 8.505 1,7
Indústria 12.044 11.833 1,8
Construção 6.650 6.615 0,5
Comércio 17.540 17.376 0,9
Transporte 4.827 4.646 3,9
Alojamento 5.415 5.227 3,6
Informação 10.529 9.999 5,3
Administração Pública 16.495 16.127 2,3
Outros Serviços 5.088 4.733 7,5
Serviços Domésticos 6.326 6.262 1,0
Renda Nominal 2.286 2.207 3,6
Renda Real 2.286 2.290 -0,2
Massa Nominal 208.627 196.770 6,0
Massa Real 208.627 204.135 2,2

Enquanto a PEA aumentou em 45 mil pessoas, a População Ocupada aumentou em 242 mil, tendo como resultado uma queda de 197 mil pessoas na População Desocupada. Abaixo, um gráfico da taxa de desemprego no período recente.

Abrindo a população ocupada, pode-se ver que houve queda de 67 mil pessoas na PO com Carteira e queda de 38 mil na PO Empregador, sendo compensada por aumento nas demais categorias. O gráfico abaixo mostra a evolução da população ocupada sob diferentes cortes.

Dois outros pontos chamam atenção na pesquisa. O primeiro é a queda no rendimento médio real nos últimos meses, como pode ser visto no gráfico a seguir.

O segundo ponto é o aumento contínuo do desemprego com mais de dois anos de procura por emprego, como ilustra o gráfico a seguir. Nessa situação, encontram-se 3,3 milhões de pessoas.

Em outras palavras, a queda da taxa de desemprego nesse momento deve ser vista com cautela. Há pouco por comemorar sobre os ventos do mercado de trabalho.

Desemprego deve permanecer estável ao longo do ano

By | Mercado de Trabalho

O IBGE divulgou na última terça-feira os resultados da PNAD Contínua para o trimestre móvel encerrado em março. Como comentei no comentário de conjuntura dessa semana, as notícias não foram boas. A taxa de desemprego ficou em 12,7%, enquanto a taxa dessazonalizada ficou em 12%, apenas 0,1 p.p. abaixo de fevereiro. De modo a gerar uma projeção para os próximos seis meses, a propósito, eu atualizei os modelos apresentados na edição 53 do Clube do Código, de modo a gerar uma previsão combinada para a taxa de desemprego.

 

Previsões para a Taxa de Desemprego
SARIMA Kalman BVAR Combinada
2019 Apr 12.3 12.6 12.7 12.6
2019 May 11.8 12.5 12.6 12.5
2019 Jun 11.3 12.3 12.5 12.3
2019 Jul 10.9 12.3 12.4 12.3
2019 Aug 10.5 12.2 12.3 12.2
2019 Sep 10.0 12.0 12.2 12.0

A tabela acima resume as previsões geradas pelos três modelos que rodei, bem como a previsão combinada entre eles, com maior peso para o Filtro de Kalman. A taxa de desemprego deve cair dos atuais 12,7% para algo próximo a 12% em setembro. Em termos dessazonalizados, entretanto, a taxa de desemprego deve se manter estável ao longo do período projetado, se mantendo próxima a 12,1%. O gráfico abaixo ilustra.

Caso essas projeções se confirmem, não deixa de ser um banho de água fria...

Dessazonalizando os dados do CAGED com o R

By | Mercado de Trabalho

O governo divulgou nessa semana os dados do Cadastro Geral de Empregados e Desempregados, o famoso CAGED. Com efeito, vi muitas matérias na imprensa sobre o resultado negativo em março de saldo negativo de 43.196 entre admissões e demissões. O problema desse resultado é que, como vemos em nosso Curso de Análise de Conjuntura usando o R, ele está contaminado por um problema típico de séries temporais, chamado sazonalidade, isto é, um comportamento que se apresenta de forma regular ao longo dos anos.

Para ilustrar esse problema, coloco abaixo o saldo do CAGED, que peguei do IPEADATA com o pacote ecoseries.

É nítido no gráfico um comportamento regular da série ao longo dos anos, não é mesmo? Assim, de forma a fazer uma análise precisa do que está acontecendo com a série do CAGED, precisamos primeiro "limpar" a sazonalidade. No R, como vemos em nosso Curso de Análise de Conjuntura usando o R, podemos fazer isso através do pacote seasonal. Fazendo esse tratamento, obtemos os dados do CAGED dessazonalizados como abaixo.

Totalmente diferente, não é mesmo? Com esse gráfico podemos ver que o mercado de trabalho vem ensaiando uma recuperação desde 2015/2016. Ao mesmo tempo, podemos ver que na ponta, de fato, março foi mesmo um mês ruim. A última vez que a série dessazonalizada tinha apresentado um mês negativo havia sido em fevereiro do ano passado.

Essa, diga-se, é a forma correta de fazer a análise dos dados, que você aprende em nosso Curso de Análise de Conjuntura usando o R.

Desemprego recua no trimestre encerrado em julho

By | Mercado de Trabalho

A população desocupada (PD) chegou a 12,868 milhões de pessoas no trimestre móvel encerrado em julho, para uma população economicamente ativa (PEA) de 104,529 milhões de pessoas.Com efeito, a taxa de desemprego (PD/PEA) chegou a 12,3%. Houve, em relação a junho, um recuo de 98 mil na população desocupada, refletindo um avanço de 424 mil pessoas na população ocupada (PO) e de 326 mil na PEA. Abaixo, trazemos alguns gráficos que ilustram o comportamento do mercado de trabalho no último dado divulgado pelo IBGE. Uma análise completa da PNAD com o uso do R é, a propósito, ensinada no nosso Curso de Análise de Conjuntura usando o R.

A população desocupada era de 12,311 milhões em dezembro, tendo avançado para 12,868 milhões no trimestre encerrado em julho, na série sem ajustes. Como a série tem sazonalidade, contudo, é preciso tratar essa característica. Assim, na série com ajuste sazonal, a desocupação saiu de 13,130 milhões em dezembro para 12,730 milhões no trimestre encerrado em julho. O gráfico abaixo, por suposto, compara as duas séries.

Abaixo, por suposto, colocamos a taxa de desemprego (PD/PEA) com a sua respectiva taxa ajustada sazonalmente.

Uma apresentação completa da PNAD Contínua está disponível aqui. No nosso Curso de Análise de Conjuntura usando o R, por suposto, os alunos aprendem o passo a passo para gerar apresentações como essa, coletando os dados de forma automática do SIDRA e tratando os mesmos com o R. Já na sequência de Cursos de Econometria, os alunos aprendem a construir modelos univariados e multivariados para séries como a do desemprego. As inscrições, por suposto, para as turmas de setembro, que começam no próximo dia 3/9, estão se encerrando: corra e garanta a sua vaga!

Análise da PNAD Contínua com o R: desemprego atinge 12,4% da PEA

By | Mercado de Trabalho

O IBGE divulgou hoje os resultados da PNAD Contínua referentes ao trimestre móvel encerrado em junho último. De uma população de pouco mais de 208 milhões de pessoas, quase 13 milhões encontravam-se desocupadas naquele período. Esse número é 3,9% menor do que o registrado no trimestre móvel encerrado em junho do ano passado. Na mesma métrica, a população ocupada aumentou 1,1% e a população economicamente ativa (PEA) teve aumento de 0,5%. Em termos percentuais, o desemprego atingiu 12,4% da PEA. Na sequência do post, coletamos e tratamos dados da PNAD Contínua com códigos de R que são detalhadamente explicados em nosso Curso de Análise de Conjuntura usando o R.

Com o uso do R, é possível integrar em um único ambiente a coleta, tratamento e apresentação de dados como os da PNAD Contínua, gerando um produto final como esse aqui sem a necessidade de abrir múltiplos programas ou perder tempo entrando em sites para baixar dados. Tudo é feito via uma plataforma integrada como o RStudio, que possibilita um aumento incrível de produtividade. A começar pela coleta de dados, que hoje já pode ser feita de uma base de dados como o SIDRA com um pacote do R, como no código a seguir.


library(sidrar)

### Coletar dados no SIDRA IBGE

data = get_sidra(api='/t/6022/n1/all/v/606/p/all')

Os dados coletados, naturalmente, estão desorganizados, de modo que é preciso tratá-los, transformando-os em uma matriz amigável para que se possa fazer uma exploração dos mesmos via, por exemplo, construção de gráficos. Essa etapa é particularmente importante para quem lida com dados todos os dias, de modo que passamos um tempo considerável do nosso Curso de Análise de Conjuntura usando o R mostrando para os alunos como utilizar o para essa tarefa. Uma vez que o código esteja pronto, sua tarefa de coleta e tratamento de dados está automatizada, de modo que da próxima vez que você for atualizar os dados, perdera minutos nessa etapa. Isto é, poderá se concentrar na parte de análise e comunicação de resultados, sofisticando de modo bastante interessante suas apresentações.

Seus gráficos ficarão bem mais ilustrativos, o que lhe trará maiores insights para desenvolver argumentos econômicos mais sólidos, bem como fomentar a etapa posterior de modelagem e previsão, que pode ser vista nos cursos de Séries Temporais e Construção de Cenários e Previsões. Não perca tempo e venha já para o mundo do R!

Cadastre-se na newsletter
e receba nossas novidades em primeira mão!