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

Comente o que achou desse artigo

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais
e conteúdos exclusivos sobre Análise de Dados!

Assinar

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Modelo de previsão para grupos do IPCA

Text mining dos comunicados do FOMC: prevendo mudanças na política

Analisando a inflação por faixa de renda no Python

Criando o Fator de Momentum para o Brasil [Python]

O IBC-Br é um bom preditor do PIB?

Usando LLMs para prever a inflação (IPCA)

Outros artigos relacionados

Modelo de previsão para grupos do IPCA

Neste artigo investigamos se a previsão desagregada da inflação é capaz de gerar previsões mais acuradas do que a previsão agregada. Utilizamos o Índice Nacional de Preços ao Consumidor Amplo (IPCA) como medida de interesse, aplicando um modelo simples e um modelo de passeio aleatório para comparação. Todo o processo pode ser feito de maneira automatizada utilizando a linguagem de programação R.

Text mining dos comunicados do FOMC: prevendo mudanças na política

Como quantificar sentimentos e emoções a partir de comunicados de política monetária? Neste exercício utilizamos os statements do FOMC para construir um índice de sentimentos, o que permite comparar a "narrativa" com a prática da política monetária, ou seja, mudanças da taxa de juros. Também avaliamos se tal índice é útil em prever mudanças de política através do teste de causalidade de Granger.

Analisando a inflação por faixa de renda no Python

Neste artigo mostramos como coletar dados de inflação segmentados por faixa de renda e como calcular a variação acumulada em 12 meses usando a linguagem de programação Python.