Pandemia agravou desemprego de longo prazo no Brasil

O desemprego de longo prazo é uma medida internacionalmente conhecida e pode ser definida pelo tempo de procura por emprego superior a dois anos. Ela é um indicador importante não apenas por sinalizar o nível e o tempo de ociosidade da economia, mas também por refletir a perda de produtividade dentro do ciclo econômico. Em particular, quanto mais tempo a pessoa fica desempregada, maior a perda de capital humano, mais difícil é conseguir um novo posto de trabalho (Ball e Mankiw, 2002).

Isso dito, se olharmos para os dados recentes divulgados pela PNAD Contínua - em seu recorte trimestral -, observamos um aumento do desemprego de longo prazo no Brasil. Isto é, o percentual de pessoas que está há mais de dois anos procurando emprego tem tido maior participação sobre o desemprego total.

A amostra do gráfico vai do primeiro trimestre de 2012 ao segundo trimestre de 2021. O desemprego de longo prazo ocupa hoje um pouco mais de 1/4 do desemprego total e, o mais preocupante, tem aumentado no período da pandemia.

Nesse contexto, uma retomada demorada da economia pode agravar um fenômeno conhecido na literatura de economia do trabalho 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.

Essa dificuldade estaria relacionada justamente à perda de capital humano associada ao desemprego por longo período.

Um ponto importante relacionado à histerese que pode ter sido agravada pela pandemia é a substituição de uma quantidade não desprezível de postos de trabalhos pela incorporação abrupta de novas tecnologias. Por óbvio, essa hipótese ainda precisa ser melhor acompanhada pela evidência disponível, mas se coloca em um momento importante da agenda política nacional, quando o Congresso discute ampliação de programas de transferência de renda.

Em outras palavras, mesmo que a economia voltasse a crescer forte no próximo ano - algo que vai se tornando cada vez menos provável - uma quantidade grande de pessoas não irá encontrar postos de trabalho. Pelo simples fato desses postos terem sido extintos.

Se essa hipótese se mostrar válida, é peremptório que a sociedade brasileira consiga, de forma séria, reduzir parte do orçamento fiscal que vai para os mais ricos e transferir esses recursos para quem mais precisa.

____________________________

(*) Os códigos dos Comentários de Conjuntura estão disponíveis no Clube AM.

(**) Ver Ball, Laurence, and N. Gregory Mankiw. 2002. "The NAIRU in Theory and Practice ." Journal of Economic Perspectives16 (4): 115-136.

(***) Aprenda a analisar dados em nossos Cursos Aplicados de R.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como usar Modelos de Linguagem no R com o pacote {elmer}

Na análise de dados contemporânea, o uso de Modelos de Linguagem (LLMs) vem se consolidando como uma ferramenta poderosa para automatizar e aprimorar tarefas analíticas. Ao integrarmos LLMs a pacotes como o ellmer, podemos ampliar nossas capacidades de extração, interpretação e automação de dados no ambiente R. Neste post, exploramos o papel desses modelos e detalhamos como o ellmer opera dentro do universo da linguagem de programação R.

Introdução ao AutoGen: Agentes Inteligentes na Análise Financeira

O AutoGen é um framework da Microsoft que permite criar agentes de IA colaborativos. Na área financeira, pode automatizar a coleta de dados, cálculos de indicadores e geração de relatórios. Este artigo apresenta os conceitos básicos e um exemplo aplicado a ações de empresas.

Como usar LangGraph e LLMs para prever a inflação no Brasil

Este post apresenta um estudo de caso sobre como utilizar o LangGraph e modelos de linguagem para estruturar um sistema multiagente voltado à previsão do IPCA. O exercício cria um sistema que utiliza-se de personas analíticas que trabalham em paralelo, permitindo validar previsões, calcular métricas de erro e consolidar relatórios automatizados. A abordagem demonstra como fluxos multiagentes podem apoiar a análise econômica, oferecendo múltiplas perspectivas e maior consistência nos resultados.

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.