Hiato do Produto vs. Taxa de Desemprego

O IBGE divulgou hoje os resultados da PNAD Contínua - uma das pesquisas que destrinchamos na versão 3.0 do nosso Curso de Análise de Conjuntura usando o R. Ao abrir a pesquisa, as notícias, infelizmente, não são boas. A taxa de desemprego continua recuando muito lentamente. Em dois anos, fazendo o ajuste sazonal na série, houve recuo de apenas um ponto percentual no desemprego.

Isso tem impactos não triviais sobre o crescimento da economia. Como sabe todo estudante de economia, existe uma relação entre o hiato do produto, a diferença entre pib efetivo e pib potencial e o hiato de desemprego, medido pela diferença entre a taxa de desemprego efetiva e a natural. Uma redução muito lenta na taxa de desemprego vai ter, então, efeito sobre a redução do hiato do produto.

É basicamente o que vemos no gráfico acima.

Há entre empresários uma espécie de compasso de espera. Enquanto o Congresso não aprovar a reforma da previdência, dando cabo de uma agenda positiva para o país, será difícil ver a economia deslanchar, gerando emprego e renda...

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como coletar dados para relatórios de câmbio com Python

O monitoramento do mercado cambial permite tomar melhores decisões de consumo e investimento, por sua influência em diversos preços da economia. Neste artigo, mostramos rotinas simples de Python para coleta e análise de dados que são comumente utilizados em relatórios de câmbio.

Sumarizando divulgações trimestrais de empresas usando IA no Python

Neste exercício, iremos utilizar a inteligência artificial no Python para analisar e sumarizar divulgações trimestrais de empresas. Focaremos no uso de ferramentas como Gemini e técnicas de processamento de linguagem natural para extrair informações de documentos PDF relacionados aos relatórios financeiros das empresas.

Prevendo efeitos de mudanças de preços em produtos usando TimeGPT

O exercício explora como prever os efeitos de mudanças nos preços de produtos utilizando o TimeGPT, uma ferramenta de previsão de séries temporais no Python. Usando elasticidade-preço, é possível medir a resposta da demanda a variações de preço. O exemplo prático utiliza dados de vendas de abacates nos EUA.

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.