A utopia do emprego com carteira assinada

O emprego com carteira assinada nunca foi algo universal no Brasil. Mesmo no melhor momento do mercado de trabalho, quando a taxa de desemprego chegou à sua mínima histórica, a formalização flertou próxima a 40% da população ocupada. O gráfico abaixo ilustra a distribuição das diferentes categorias de emprego na população ocupada.

O emprego com e sem carteira no gráfico refere-se ao emprego privado. O emprego com carteira representa algo como 35% da população ocupada, enquanto a categoria conta própria chega a 26% e os sem carteira com 12%,5%, para o último dado disponível.

De modo a ilustrar o comportamento da formalização dentro da população ocupada, eu fiz um exercício simples de ampliar a PNAD a partir dos dados da PME. Isso é necessário porque os dados da PNAD estão disponíveis a partir de março de 2012 apenas. Com efeito, ampliei a razão entre emprego privado com carteira assinada e população ocupada total da PNAD com base na mesma razão contida na PME, gerando uma série com dados desde 2002. O gráfico a seguir ilustra.

Como é possível observar, o pico da série ocorre no auge do mercado de trabalho, quando o desemprego está na mínima histórica. Mesmo nesse momento, o emprego privado com carteira assinada representava apenas 40% da população ocupada.

_______________

(*) Os códigos do exercício estarão disponíveis amanhã na Edição 72 do Clube do Código.

(**) Aprenda a fazer análises como essa com nossos Cursos Aplicados de R.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Decomposição do Impulso de Crédito no Brasil usando Python

Neste exercício, mostramos como o Python pode ser utilizado para calcular uma métrica central para a compreensão da dinâmica entre crédito e atividade econômica no Brasil, a partir de um ciclo completo e altamente reprodutível de coleta, tratamento e análise de dados.

Aplicando o Time Series Transformer para prever inflação (IPCA)

Neste exercício, exploramos a previsão de séries temporais utilizando o Temporal Fusion Transformer (TFT). O TFT é uma arquitetura de Deep Learning baseada em mecanismos de atenção, desenhada especificamente para lidar com múltiplas variáveis e horizontes de previsão longos, mantendo a interpretabilidade — uma característica frequentemente ausente em modelos de "caixa-preta".

Análise do Payroll norte-americano com Python

O Payroll norte-americano é o termômetro da economia global. No post de hoje, mostro como analisar esse indicador usando Python e as bibliotecas Pandas e Plotnine. Saia do básico e aprenda a visualizar a geração de empregos nos EUA de forma profissional.

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.