Na literatura de economia do trabalho é conhecido o fenômeno chamado de histerese. Isto é, a dificuldade de um objeto, no caso a taxa de desemprego, em voltar ao seu estado original após sofrer um determinado choque. Ou, em outras palavras, a dificuldade do desemprego ceder após uma alta pronunciada como a que temos observado nos últimos anos. Uma das causas principais para isso seria a perda de capital humano associada ao desemprego (Ball e Mankiw, 2002). Em particular, quanto mais tempo a pessoa fica desempregada, maior a perda de capital humano, mais difícil é conseguir um novo posto de trabalho.
De modo a verificar isso na prática, podemos fazer uso da PNAD Trimestral, divulgada pelo IBGE. Começo, como sempre, carregando alguns pacotes do R:
library(sidrar) library(ggplot2) library(scales) library(seasonal) Sys.setenv(X13_PATH = "C:/Séries Temporais/R/Pacotes/seas/x13ashtml")
Para aprender a instalar e fazer funcionar o pacote seasonal, dê uma olhada nesse vídeo aqui. Com os pacotes carregados, podemos pegar os dados referentes ao tempo de procura por emprego da PNAD:
table = get_sidra(api='/t/1616/n1/all/v/4092/p/all/c1965/all') pea = get_sidra(api='/t/4093/n1/all/v/4088/p/all/c2/6794')$Valor total = table$Valor[table$`Tempo de procura de trabalho (Código)`==40310] ummes = table$Valor[table$`Tempo de procura de trabalho (Código)`==31827] umano = table$Valor[table$`Tempo de procura de trabalho (Código)`==31828] umdosanos = table$Valor[table$`Tempo de procura de trabalho (Código)`==31829] doisanos = table$Valor[table$`Tempo de procura de trabalho (Código)`==101227]
Com os dados coletados, eu junto todos na mesma matriz:
time = seq(as.Date('2012-03-01'), as.Date('2019-06-01'), by='3 month')
data = ts(cbind(total, ummes, umano, umdosanos, doisanos),
start=c(2012,01), freq=4)
O leitor verá que os dados estão sujeitos à sazonalidade, de modo que precisamos tratar esse problema. Faço isso com o código a seguir.
data_sa = matrix(NA, nrow = nrow(data), ncol=ncol(data))
colnames(data_sa) = colnames(data)
for(i in 1:ncol(data)){
data_sa[,i] = final(seas(data[,i]))
}
df_sa = data.frame(time, data_sa)
Uma vez que tenhamos os nossos dados tratados, podemos gerar o gráfico abaixo:
Observe que à exceção do desemprego associado à procura por emprego com mais de dois anos, as demais ou reduziram ou estão estáveis no período recente. O desemprego com mais de dois anos, por seu turno, experimenta uma elevação ao longo do tempo, já tratado o problema da sazonalidade. Isso está associado ao que classificamos acima como histerese, isto é, à perda de capital humano ao longo do tempo.
Em períodos longos de desemprego como o atual, isso é particularmente relevante porque afeta a produtividade da economia, com reflexos sobre a taxa natural de desemprego. Isto é, há um deslocamento na taxa para cima, dado que é cada vez mais difícil para quem está desempregado, conseguir um novo posto de trabalho. É um problema grave que deveria fazer parte das preocupações da política econômica.
______________________________
(*) Ver Ball, Laurence, and N. Gregory Mankiw. 2002. "The NAIRU in Theory and Practice ." Journal of Economic Perspectives, 16 (4): 115-136.
