O preço do arroz explodiu?

Um dos motivos de eu ter me afastado do debate público no Brasil é que ele é bizarramente viesado e com uma ausência gritante de análise de dados. Mais vale a opinião de quem nunca estudou economia do que a análise série das bases de dados disponíveis. E praticamente toda semana tem um exemplo dessa (triste) realidade. A polêmica atual é o preço do arroz: será que ele explodiu mesmo?

Para ver isso, podemos acessar a variação do preço do arroz para o consumidor final, que pode ser captada dentro do Índice de Preços ao Consumidor Amplo, o famoso IPCA. O IPCA é composto (atualmente) por 377 subitens, dentre eles o arroz, que está no subgrupo Alimentação no Domicílio, que por sua vez pertence ao grupo Alimentação e Bebidas - caso você não faça ideia do que eu estou falando, considere fazer nosso Curso de Análise de Conjuntura usando o R.

Uma vez definido que queremos ver o comportamento da variação do preço do arroz ao longo do tempo, podemos pegar os dados no SIDRA/IBGE. Para isso, podemos usar o pacote sidrar e importar os dados diretamente para o RStudio. A seguir, o início do script que eu montei para pegar apenas os dados do subitem arroz. Observe que há três séries, de acordo com a POF a que faz referência a série.


###############################################################
###### Evolução do preço do arroz ao longo do tempo ###########
###############################################################

library(tidyverse)
library(sidrar)
library(tstools)

serie01 = get_sidra(api = '/t/2938/n1/all/v/63/p/all/c315/7173/d/v63%202')$Valor
serie02 = get_sidra(api= '/t/1419/n1/all/v/63/p/all/c315/7173/d/v63%202')$Valor
serie03 = get_sidra(api='/t/7060/n1/all/v/63/p/all/c315/7173/d/v63%202')$Valor

Uma vez que os dados foram coletados, nós podemos criar um tibble colocando todas as séries juntas, adicionando um vetor de datas para poder gerar os gráficos e também uma nova série com a variação acumulada em 12 meses.


dates = seq(as.Date('2006-07-01'), as.Date('2020-08-01'), by='1 month')

data = tibble(date = dates,
var_mensal = c(serie01, serie02, serie03),
var_12m = acum_p(var_mensal, 12))

data_long =
data %>%
gather(metrica, valor, -date)

Uma vez que os dados estejam devidamente coletados e tratados, nós podemos visualizar os mesmos em dois gráficos. Um que expressa a variação mensal do preço do arroz e outro que expressa a variação acumulada em 12 meses.

Estamos pegando dados desde julho de 2006 e eu não sei você, mas eu não vejo nada de anormal com o que está acontecendo atualmente...

____________________

(*) Para ter acesso aos códigos dos nossos posts, exercícios e demais conteúdos exclusivos, assine nossa lista VIP aqui.

(**) Isso e muito mais você aprende no nosso Curso de Análise de Conjuntura usando o R.

 

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

O que é um Vector Database e como criar um com LangChain

Nesta postagem, mostramos como construir um pipeline simples de RAG (Retrieval-Augmented Generation) usando o LangChain, o modelo Gemini 2.0 Flash e o Vector Database Chroma. Utilizamos como exemplo o Relatório de Inflação de junho de 2025 do Banco Central do Brasil. O fluxo envolve o download e leitura do PDF, divisão do texto com RecursiveCharacterTextSplitter, geração de embeddings com Gemini, armazenamento vetorial com Chroma e busca semântica para responder perguntas com base no conteúdo do relatório. É uma aplicação prática e didática para economistas que desejam integrar IA ao seu fluxo de análise.

Automatizando a Construção de Códigos em Python com LangGraph

Neste post, mostramos como construir um agente de código em Python utilizando LangGraph, LangChain e Gemini. A proposta é construir um protótipo para automatizar o ciclo completo de geração, execução e correção de código com o uso de LLMs, organizando o processo em um grafo de estados.

Análise de Dados com REPL Tool e LLM usando LangGraph

Neste post, vamos mostrar como você pode criar um agente que interpreta e executa código Python em tempo real, utilizando o REPL-Tool e um LLM da família Gemini. Começamos com um exemplo genérico e, em seguida, aplicamos a mesma estrutura à análise econômica de uma série histórica do IPCA.

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!

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.