Empregos Formais vs. Crescimento do PIB

[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"]

No último relatório de inflação, o Banco Central divulgou um boxe titulado Evolução da produtividade e do rendimento do trabalho. Nele, há a construção de uma medida de produtividade da mão de obra, obtida pela razão entre valor adicionado e população ocupada. Observa-se que houve uma queda de 9,5% nessa métrica ao longo do período entre 2012 e 2018.

A queda da produtividade está associada a um crescimento maior da população ocupada em relação ao valor adicionado, por definição. Como mostra um gráfico do boxe, o aumento da população ocupada foi concentrado em atividades informais. Isso me levou a pensar qual seria a relação entre o crescimento econômico e a geração de empregos formais no mercado de trabalho.

Por óbvio, pode pensar o leitor, a relação deve ser positiva, não é mesmo? Maior crescimento econômico vai estar associado a maior contratação formal de trabalhadores. O problema aqui, entretanto, é mostrar essa obviedade com os dados disponíveis. Algo que temos feito através de nossos Cursos Aplicados de R. O gráfico abaixo mostra essa relação.

De fato, há uma forte correlação entre empregos formais crescimento do PIB. Mas, pergunta o leitor, como diabos cheguei nesse gráfico bonitinho aí de cima? Pois é, vamos lá...

O primeiro problema é encontrar os dados. Para empregos formais temos a base de dados do Cadastro Geral de Empregados e Desempregados (CAGED) do Ministério do Trabalho. O que para nossa sorte conta com uma série disponível no IPEADATA que pode ser acessado via o pacote ecoseries, como abaixo.


library(ecoseries)

caged = ts(series_ipeadata('272844966',
periodicity = 'M')$serie_272844966$valor,
start=c(1999,05), freq=12)

 

Já o PIB pode ser baixado a partir do site do SIDRA/IBGE, que também conta com um pacote no R, o sidraR. O código abaixo pega a série.


library(sidrar)

tabela = get_sidra(api='/t/1620/n1/all/v/all/p/all/c11255/90707/d/v583%202')
pib = ts(tabela$Valor, start=c(1996,01), freq=4)

 

Como tenho dito aqui e nos meus Cursos Aplicados de R, cerca de 80% do trabalho de quem lida com dados passa pela coleta e pelo tratamento dos mesmos. Não faz muito sentido, por exemplo, relacionar a série de saldo líquido entre empregados e desempregados do CAGED que obtivemos acima com o número índice do PIB. Abaixo mostro o saldo líquido do CAGED.

A série tem uma clara sazonalidade, não é mesmo? Precisaremos tratar isso. Abaixo, o número índice do PIB...

Precisaremos obter a taxa de crescimento anualizada do PIB a partir desse índice para verificar alguma relação com os empregos formais do CAGED. Abaixo, fazemos esses tratamentos.


## Dessazonalizar Caged
cagedsa = final(seas(caged))

## Criar variação anual
anual = (((pib+lag(pib,-1)+lag(pib,-2)+lag(pib,-3))/4)/
((lag(pib,-4)+lag(pib,-5)+lag(pib,-6)+lag(pib,-7))/4)-1)*100

Tudo pronto? Não! Observe que a série do CAGED é mensal e a do PIB é trimestral. Ou seja, vamos ter que trimestralizar os dados do CAGED de modo a compatibilizar com o agora crescimento do PIB...


## Trimestralizar Caged
dates = seq(as.Date('1999-07-01'), as.Date('2018-09-01'),
by='1 month')
caged = window(cagedsa, start=c(1999,07), end=c(2018,09))
caged = data.frame(dates=dates, caged=caged)
caged = xts(caged$caged, order.by = caged$dates)
caged = apply.quarterly(caged, FUN=mean)
caged = caged[-1]

Também precisamos compatibilizar as datas das duas séries para que possamos, enfim, gerar aquele gráfico lá em cima, afinal elas precisam estar no mesmo intervalo de tempo, não é mesmo? Somente após isso, podemos gerar o gráfico e começar a explorar melhor a relação entre empregos formais crescimento do PIB através de alguma modelagem que vemos nos nossos Cursos Aplicados de R.

Dá trabalho, dá, mas só sabendo fazer todas essas etapas é que você poderá se considerar um profissional sério... 🙂

_________________________________________________________________________________________________

Observação: os demais códigos estarão disponíveis no Clube do Código na próxima semana. Ainda não é assinante do Clube? Veja como assinar aqui.

[/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

FED Speeches: Quantificando a Incerteza da Política Monetária com IA e Python

Os discursos dos membros do FED podem dar indicativos relevantes sobre a condução da política monetária, como a percepção de incerteza na fala e na escolha das palavras. Sendo assim, monitorar e interpretar não é suficiente, é necessário quantificar a incerteza nos discursos. Neste exercício mostramos o caminho para construir um indicador de incerteza da política monetária, usando métodos inovadores de IA com o Python.

Medindo o Hiato do Produto do Brasil usando Python

Uma medida extremamente importante para a avaliação econômica de um país é o Hiato do Produto. Neste post, realizamos uma comparação das diferentes formas de estimação dessa variável não observável utilizando o Python como ferramenta de análise de dados.

Como analisar a contribuição para a Volatilidade de uma carteira de ações usando Python

A contribuição para a volatilidade fornece uma decomposição ponderada da contribuição de cada elemento do portfólio para o desvio padrão de todo o portfólio. Em termos formais, é definida pelo nome de contribuição marginal, que é basicamente a derivada parcial do desvio padrão do portfólio em relação aos pesos dos ativos. A interpretação da fórmula da contribuição marginal, entretanto, não é tão intuitiva, portanto, é necessário obter medidas que possibilitem analisar os componentes. Veremos portanto como calcular os componentes da contribuição e a porcentagem da contribuição. Vamos criar as respectivas medidas usando a linguagem de programação Python.

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.