Relatório AM #3 - Mercado de trabalho

Na semana passada, a taxa de desemprego foi divulgada em 14.7% no 1º trimestre, o que equivale a cerca de 14.8 milhões de desempregados. Esses dados podem ser resumidos na tabela abaixo:

É importante notar que houve uma mudança na nomenclatura da PNAD: PIA é agora população total, PEA é força de trabalho, e a PNEA é fora da força. Vemos que houve um aumento da força de trabalho, simultaneamente com aumento da população desocupada. O nível de desemprego claramente é anormal, como resultado da crise de 2020, porém a variação vista nos últimos 2 meses tem, além do fator restrições sobre o comércio devido à nova onda de casos, um fator cíclico anual:

A taxa de desemprego após um choque como o visto atualmente traz grande preocupação para o futuro, devido ao fenômeno da histerese. Com o maior número de desempregados, a chance de uma pessoa passar mais tempo sem emprego é maior, o que pode causar uma diminuição de seu capital humano, tornando ainda mais difícil sua reinserção no mercado de trabalho, gerando um ciclo vicioso. Abaixo, podemos ver que a população que está há mais de 2 anos sem emprego aumentou ao longo de 2020, evidenciando esse problema:

Outro ponto que tem sido muito discutido atualmente é a relevância dos dados do CAGED, devido a dúvidas sobre sua validade como medida do mercado de trabalho após a mudança em sua metodologia. Abaixo, os resultados do saldo nos últimos meses:

 

 

Como podemos ver, apesar de diminuir em magnitude, o saldo de admissões está positivo nos últimos meses, o que parece discordar com a taxa de desemprego crescente. Esse dado se torna ainda mais duvidoso ao compararmos com as estatísticas da PNAD contínua:

Como podemos ver, o nível de empregados com carteira diminuiu nos dados mais recentes, sendo o nível geral compensado por trabalhadores sem carteira e autônomos. Para justificar um saldo positivo como apresentado acima, teríamos que supor uma grande redução no número de demissões, o que não condiz com o movimento sazonal de começo de ano. Com isso, os dados do CAGED parecem ter se tornado demasiadamente problemáticos para serem confiáveis.

O gráfico apresentado acima faz parte do nosso monitor de mercado de trabalho. Ele é um aplicativo interativo, que realiza diversas visualizações e facilita a compreensão de tudo que está acontecendo na macroeconomia em tempo real. Também estamos publicando outros 3 monitores: de inflação, atividade e do mercado de crédito.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como planejar um pipeline de previsão macroeconômica: da coleta ao dashboard

Montar um pipeline de previsão macroeconômica não é apenas uma tarefa técnica — é um exercício de integração entre dados, modelos e automação. Neste post, apresento uma visão geral de como estruturar esse processo de ponta a ponta, da coleta de dados até a construção de um dashboard interativo, que exibe previsões automatizadas de inflação, câmbio, PIB e taxa Selic.

Coletando e integrando dados do BCB, IBGE e IPEA de forma automatizada

Quem trabalha com modelagem e previsão macroeconômica sabe o quanto é demorado reunir dados de diferentes fontes — Banco Central, IBGE, IPEA, FRED, IFI... Cada um com sua API, formato, frequência e estrutura. Esse gargalo de coleta e padronização consome tempo que poderia estar sendo usado na análise, nos modelos ou na comunicação dos resultados.

Foi exatamente por isso que criamos uma rotina de coleta automatizada, que busca, trata e organiza séries temporais econômicas diretamente das APIs oficiais, pronta para ser integrada a pipelines de previsão, dashboards ou agentes de IA econometristas.

Criando operações SQL com IA Generativa no R com querychat

No universo da análise de dados, a velocidade para obter respostas é um diferencial competitivo. Frequentemente, uma simples pergunta de negócio — “Qual foi nosso produto mais vendido no último trimestre na região Nordeste?” — inicia um processo que envolve abrir o RStudio, escrever código dplyr ou SQL, executar e, finalmente, obter a resposta. E se pudéssemos simplesmente perguntar isso aos nossos dados em português, diretamente no nosso dashboard Shiny?

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.