Dados históricos de pib per capita com o pacote maddison

Em uma noite de insônia, navegando pelo meu feed no facebook, acabei vendo um post do professor Carlos Eduardo Gonçalves com um gráfico de renda per capita fazendo referência ao projeto Maddison; que tem o ousado objetivo de estimar essa variável para todos os países do mundo desde os anos mais remotos. Acabei fazendo o que todo R Lover faria: dei um google para ver se tinha um pacote para o projeto. E, claro, tinha...

Acabei, então, dando uma vasculhada no dataset e escrevi algumas linhas de código, após comer um sanduíche... 🙂


library(maddison)
library(ggplot2)
library(scales)
library(png)
library(grid)

script começa carregando - depois de ter instalado o mesmo, obviamente - o pacote maddison. Depois carreguei o pacote ggplot2 e alguns pacotes acessórios a ele, para produzir um gráfico mais bonitinho... Antes, claro, como o dataset é imenso - tem 45.318 observações para 9 variáveis - eu fiz um subset do que eu estava interessado para poder montar um gráfico...


df = subset(maddison, year>='1870-01-01' &
iso2c %in% c('BR', 'US', 'CL', 'JP', 'KR'))

Com o código acima, eu peguei os dados do pib per capita para Brasil, Estados Unidos, Chile, Japão e Coréia do Sul desde 1870, quando os primeiros dados para o Brasil estavam disponíveis. Com esses dados, construí o gráfico abaixo.

Algumas coisas me chamaram atenção nesse gráfico. Observe que tínhamos em 1870 a mesma renda per capita do Japão, que nos deixou para trás. Em 1980, tínhamos a mesma renda da Coreia do Sul, que também nos deixou para trás. Nesses 30 anos, diga-se, o Chile nos deu um banho de crescimento. E os EUA mantém uma linha praticamente linear de crescimento.

Fico pensando até quando o Brasil vai ficar para trás... Mas, isso já é um outro tema...

Caso queira receber o código do gráfico acima, rola a barrinha à direita e coloca seu e-mail na nossa newsletter! Na próxima segunda-feira, vou enviar algumas coisas bem legais para a lista!

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Previsões do Boletim Focus em Anos Eleitorais

Eleições são momentos de incerteza, mas os dados do Boletim Focus mostram que nem toda incerteza é igual. Ao analisar as previsões de inflação, juros e câmbio nos anos que antecederam as eleições de 2014, 2018 e 2022, este post investiga como o mercado revisa cenários macroeconômicos ao longo do tempo.

Como Medir o Ciclo das Concessões de Crédito usando Python

Este exercício apresenta uma análise quantitativa da relação entre o ciclo de concessões de crédito, a atividade econômica e a política monetária no Brasil. Utilizando a linguagem Python, o estudo aplica técnicas de decomposição de séries temporais (X13-ARIMA e Filtro HP) para isolar os componentes cíclicos dos dados. Os resultados da modelagem econométrica confirmam a pró ciclicidade do crédito em relação ao hiato do produto e sua sensibilidade às variações no hiato da taxa de juros real.

Choque de juros e renda em bens duráveis e não duráveis usando Python

Este artigo analisa a dinâmica do consumo no Brasil utilizando Python e modelos de Vetores Autorregressivos (VAR). Ao segregar bens duráveis e não duráveis, o estudo quantifica a sensibilidade a choques de juros e renda. Criamos todo o processo através do ciclo de dados: coleta, tratamento, análise de dados, modelagem e apresentação dos resultados, tudo automatizado usando a linguagem Python.

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.