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

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Previsões do Boletim Focus em Anos Eleitorais

Como Medir o Ciclo das Concessões de Crédito usando Python

Choque de juros e renda em bens duráveis e não duráveis usando Python

Atualização de resultados dos modelos de inflação da AM

Decomposição do Impulso de Crédito no Brasil usando Python

Aplicando o Time Series Transformer para prever inflação (IPCA)

Outros artigos relacionados

Previsões do Boletim Focus em Anos Eleitorais

Eleições são momentos de incerteza, mas os dados do Boletim Focus mostram que nem toda incerteza é igual. Ao analisar as previsões de inflação, juros e câmbio nos anos que antecederam as eleições de 2014, 2018 e 2022, este post investiga como o mercado revisa cenários macroeconômicos ao longo do tempo.

Como Medir o Ciclo das Concessões de Crédito usando Python

Este exercício apresenta uma análise quantitativa da relação entre o ciclo de concessões de crédito, a atividade econômica e a política monetária no Brasil. Utilizando a linguagem Python, o estudo aplica técnicas de decomposição de séries temporais (X13-ARIMA e Filtro HP) para isolar os componentes cíclicos dos dados. Os resultados da modelagem econométrica confirmam a pró ciclicidade do crédito em relação ao hiato do produto e sua sensibilidade às variações no hiato da taxa de juros real.

Choque de juros e renda em bens duráveis e não duráveis usando Python

Este artigo analisa a dinâmica do consumo no Brasil utilizando Python e modelos de Vetores Autorregressivos (VAR). Ao segregar bens duráveis e não duráveis, o estudo quantifica a sensibilidade a choques de juros e renda. Criamos todo o processo através do ciclo de dados: coleta, tratamento, análise de dados, modelagem e apresentação dos resultados, tudo automatizado usando a linguagem Python.

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!