2018: não era o ano que esperávamos...

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

Foram divulgadas nesses dois últimos dias, as pesquisas de emprego e nível de atividade do IBGE: a PNAD e as Contas Nacionais Trimestrais. Ambas as pesquisas contam com scripts automáticos, disponíveis no Clube do Código, e são destrinchadas em nosso Curso de Análise de Conjuntura usando o R. Os resultados da PNAD, referentes ao trimestre móvel terminado em outubro, revelam um contingente de 12,3 milhões de desempregados para uma população economicamente ativa de 105,2 milhões de pessoas. O que dá uma taxa de desemprego de 11,7%. Já as Contas Nacionais Trimestrais revelaram um crescimento anualizado de 1,4% no terceiro trimestre do ano, refletindo uma estabilidade em relação ao trimestre anterior. Na margem, o PIB cresceu 0,8%, com destaque para a FBCF, que cresceu 6,6% em relação ao trimestre anterior. Ambas as pesquisas podem, por suposto, serem baixadas diretamente do IBGE com o pacote sidraR, de modo que é possível produzir relatórios automáticos, integrando as etapas de coleta, tratamento e apresentação de dados, como é visto em nosso Curso de Análise de Conjuntura usando o R.

A despeito do crescimento da FBCF, a economia brasileira parece ter ficado em compasso de espera ao longo de 2018, seja por conta da greve dos caminhoneiros em maio, seja pela indefinição eleitoral. Com efeito, a ociosidade no mercado de trabalho permanece em níveis elevados, com destaque para a queda de 1,1% no número de empregados com carteira, na comparação interanual. O crescimento verificado, por suposto, deve mesmo ficar bem distante das projeções iniciais. Esperava-se um PIB rodando entre 2,5% e 3%, quando o que devemos ver é uma economia crescendo próxima a 1,5%. Um número tímido dado o contingente alto de desempregados.

Para baixar as apresentações da PNAD e das Contas Nacionais, elaboradas com o R, veja aqui e aqui. Aprenda a fazer análises como essa se matriculando em nosso Curso de Análise de Conjuntura usando o R. Não deixe, também, de conferir nossos demais Cursos Aplicados de R.

[/et_pb_text][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Análise exploratória para modelagem preditiva no Python

Antes de desenvolver bons modelos preditivos é necessário organizar e conhecer muito bem os dados. Neste artigo, damos algumas dicas de recursos, como gráficos, análises e estatísticas, que podem ser usados para melhorar o entendimento sobre os dados usando Python.

Como usar modelos do Sklearn para previsão? Uma introdução ao Skforecast

Prever séries temporais é uma tarefa frequente em diversas áreas, porém exige conhecimento e ferramentas específicas. Os modelos de machine learning do Sklearn são populadores, porém são difíceis de aplicar em estruturas temporais de dados. Neste sentido, introduzimos a biblioteca Skforecast, que integra os modelos do Sklearn e a previsão de séries temporais de forma simples.

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.