Análise do PIB em 2020 com o R

O IBGE divulgou na semana passada o resultado das Contas Nacionais Trimestrais referentes ao último trimestre de 2020. Com efeito, fazemos nesse Comentário de Conjuntura uma análise dos principais resultados da pesquisa, com foco na análise automatizada com o R. Os dados são coletados diretamente do SIDRA/IBGE, tratados e apresentados em uma apresentação em pdf.

Membros do Clube AM têm acesso completo à apresentação e aos códigos que a geraram. 

Os dados são acessados e tratados com o código abaixo:


# PIB com ajuste sazonal
pib_sa = get_sidra(api='/t/1621/n1/all/v/all/p/all/c11255/90707/d/v584%202') %>%
mutate(date = as.yearqtr(`Trimestre (Código)`, format='%Y%q')) %>%
mutate(var_marginal = (Valor/lag(Valor,1)-1)*100) %>%
select(date, Valor, var_marginal) %>%
rename(pib_sa = Valor) %>%
as_tibble()
# PIB sem ajuste
pib = get_sidra(api='/t/1620/n1/all/v/all/p/all/c11255/90707/d/v583%202') %>%
mutate(date = as.yearqtr(`Trimestre (Código)`, format='%Y%q')) %>%
mutate(var_interanual = (Valor/lag(Valor,4)-1)*100) %>%
mutate(var_anual = acum_i(Valor, 4)) %>%
dplyr::select(date, Valor, var_interanual, var_anual) %>%
rename(pib = Valor) %>%
as_tibble()
# Juntar os dados
df_pib = inner_join(pib_sa, pib, by='date') %>%
drop_na()

Na sequência, criamos uma tabela resumo com os últimos resultados.

PIB: números-índices e variações
Trimestre PIB_SA Variação Marginal PIB Variação Interanual Variação Anual
2019 Q3 170.84 -0.11 174.02 1.33 1.41
2019 Q4 171.46 0.36 172.09 1.64 1.41
2020 Q1 167.93 -2.06 166.85 -0.27 1.05
2020 Q2 152.46 -9.21 151.59 -10.90 -2.05
2020 Q3 164.14 7.66 167.24 -3.90 -3.38
2020 Q4 169.33 3.16 170.12 -1.14 -4.06

A tabela ilustra o tombo do PIB em 2020, -4,06%, cerca da metade do que era esperado no início da pandemia, para quem gosta de ver o copo meio cheio. O gráfico a seguir ilustra a recuperação em V da economia.

Na sequência, nós podemos ver as principais métricas de crescimento em um único gráfico múltiplo.

Na sequência, nós abrimos o PIB pelos componentes de demanda e de oferta. Primeiro, nós observamos a variação na margem, contra o trimestre imediatamente anterior.

PIB e seus componentes: Variação na margem
Trimestre Agropecuária Indústria Serviços PIB C FBCF G X M
2019 Q3 1.45 0.26 0.33 -0.11 0.59 2.63 -0.16 -0.52 2.75
2019 Q4 -0.25 -0.25 0.09 0.36 0.28 -2.49 -0.11 2.18 -5.32
2020 Q1 2.01 -0.95 -2.10 -2.06 -1.91 2.38 -0.68 -2.19 -0.33
2020 Q2 -0.87 -13.14 -8.65 -9.21 -11.26 -16.30 -7.69 1.11 -11.84
2020 Q3 -0.59 15.43 6.42 7.66 7.74 10.69 3.46 -1.99 -9.64
2020 Q4 -0.46 1.85 2.67 3.16 3.39 19.99 1.08 -1.36 22.02

A recuperação do PIB na margem se mostrou bastante robusta nos últimos dois trimestres do ano. A FBCF teve crescimento de dois dígitos nesse período, enquanto a indústria, pelo lado da oferta, também avançou com ímpeto. O gráfico abaixo ilustra.

Na sequência, observamos a comparação interanual.

PIB e seus componentes: Variação interanual
Trimestre Agropecuária Indústria Serviços PIB C FBCF G X M
2019 Q3 1.07 0.51 1.35 1.33 2.13 4.10 -1.14 -3.31 2.16
2019 Q4 -1.44 1.02 1.76 1.64 2.32 0.47 -0.11 -4.76 0.57
2020 Q1 4.03 -0.32 -0.65 -0.27 -0.75 5.97 -0.78 -2.40 5.19
2020 Q2 2.47 -14.10 -10.25 -10.90 -12.25 -13.91 -8.46 0.70 -14.61
2020 Q3 0.38 -0.90 -4.80 -3.90 -5.98 -7.75 -5.25 -1.11 -25.03
2020 Q4 -0.41 1.24 -2.16 -1.14 -2.98 13.52 -4.07 -4.29 -3.09

A comparação interanual mostra a indústria e a FBCF com variações positivas no último trimestre, enquanto os demais componentes, tanto pelo lado da oferta quanto pelo lado da demanda, mostram ainda números negativos.

Por fim, olhamos a variação acumulada em quatro trimestres.

PIB e seus componentes: Variação acumulada em 4 trimestres
Trimestre Agropecuária Indústria Serviços PIB C FBCF G X M
2019 Q3 1.73 0.02 1.64 1.41 2.03 4.26 -0.56 1.67 2.11
2019 Q4 0.63 0.37 1.66 1.41 2.19 3.36 -0.45 -2.38 1.13
2020 Q1 1.59 0.47 1.02 1.05 1.48 4.23 -0.58 -2.48 3.06
2020 Q2 1.95 -3.18 -1.93 -2.05 -2.08 -0.88 -2.63 -2.48 -1.57
2020 Q3 1.78 -3.55 -3.48 -3.38 -4.11 -4.02 -3.67 -1.91 -9.04
2020 Q4 1.96 -3.48 -4.47 -4.06 -5.46 -0.78 -4.68 -1.76 -9.95

Quando o crescimento é suavizado, vemos que o único setor que ainda apresenta números positivos é a agropecuária. Todos os demais componentes do PIB foram para o terreno negativo em 2020, graças à pandemia do novo coronavírus. Os gráficos abaixo ilustram.

_______________________

 

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Criando operações SQL com IA Generativa no R com querychat

No universo da análise de dados, a velocidade para obter respostas é um diferencial competitivo. Frequentemente, uma simples pergunta de negócio — “Qual foi nosso produto mais vendido no último trimestre na região Nordeste?” — inicia um processo que envolve abrir o RStudio, escrever código dplyr ou SQL, executar e, finalmente, obter a resposta. E se pudéssemos simplesmente perguntar isso aos nossos dados em português, diretamente no nosso dashboard Shiny?

Dashboard Financeiro com IA e Shiny Python: Análise de Dados Abertos da CVM

Este artigo apresenta um tutorial completo sobre como construir uma ferramenta de análise financeira de ponta. Utilizando Shiny for Python, demonstramos a automação da coleta de dados das Demonstrações Financeiras Padronizadas (DFP) da CVM e o tratamento dessas informações com Pandas. O ponto alto do projeto é a integração da IA Generativa do Google Gemini, que atua como um assistente de análise, interpretando os dados filtrados pelo usuário e fornecendo insights contábeis e financeiros em tempo real. O resultado é um dashboard dinâmico que democratiza a análise de dados complexos e acelera a tomada de decisão.

Econometria, ML ou IA para previsão da PMS?

Prever a Pesquisa Mensal de Serviços (PMS/IBGE) é um desafio por natureza: trata-se de uma série mensal, sujeita a volatilidade e choques que vão de fatores sazonais a mudanças estruturais no setor. Para enfrentar esse problema, realizamos um exercício de comparação entre três abordagens de modelagem: econometria tradicional (ARIMA), machine learning (XGBoost) e inteligência artificial (TimeGPT).

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.