Analisando a deflação de setembro com o R

Ontem, o IBGE divulgou a inflação medida pelo IPCA em setembro. O resultado surpreendeu, com uma deflação de 0,04% em um mês onde tipicamente a inflação é positiva, dada a sazonalidade da mesma. De modo a investigar esse comportamento atípico, podemos plotar em um gráfico a inflação para os meses de setembro de vários anos. Usando o R, o script começa carregando alguns pacotes.


# Pacotes
library(tsutils)
library(ggplot2)
library(scales)
library(sidrar)

A partir do pacote sidrar, nós obtemos o número-índice do IPCA e depois a variação mensal do índice, que é a inflação.


## Criar Inflação mensal
ipca_indice = get_sidra(api='/t/1737/n1/all/v/2266/p/all/d/v2266%2013')
ipca_indice = ts(ipca_indice$Valor, start=c(1979,12), freq=12)
ipca_mensal = round((ipca_indice/stats::lag(ipca_indice,-1)-1)*100,2)

De posse da inflação, nós pegamos agora uma subamostra desde 1995.


## Criar amostras
ipca_mensal_subamostra = window(ipca_mensal, start=c(1995,01))

Agora, usando a função seas do pacote tsutils, nós agrupamos a inflação por meses e pegamos apenas os meses de setembro de cada ano.


# Criando e guardando gráfico de sazonalidade
seas <- seasplot(ipca_mensal_subamostra, trend=F, outplot = 3)
setembro <- as.numeric(seas$season[,9])
time <- seq(as.Date('1995-09-01'), as.Date('2019-09-01'), by='1 year')
df <- data.frame(time=time, setembro=setembro)

E por fim, geramos um gráfico com apenas os meses de setembro com o código abaixo.


# Gráfico
ggplot(df, aes(x=time, y=setembro))+
geom_bar(stat='identity', fill='darkblue', colour='darkblue')+
geom_text(aes(label=setembro), size=3,
fontface='bold',
position = position_dodge(width = 2),
hjust=0.5, vjust=ifelse(setembro>0,-0.7,1),
shape=21, colour=ifelse(setembro>0,"black", 'red'))+
theme(axis.text.x=element_text(angle=45, hjust=1))+
scale_x_date(labels = date_format("%b/%Y"),
breaks = time)+
labs(x='',y='% a.m.',
title='Inflação medida pelo IPCA em setembro',
caption='Fonte: analisemacro.com.br')

E o gráfico...

Como podemos ver, desde 1995, essa foi a segunda deflação que tivemos no mês de setembro. Tipicamente, a inflação se acelera no segundo semestre, de modo que os meses de setembro são marcados por variações positivas. A seguir, coloco um gráfico que deixa claro a sazonalidade da inflação.


# ggseasonplot
ipca_mensal_subamostra_2 = window(ipca_mensal, start=c(2007,01))
ggsubseriesplot(ipca_mensal_subamostra_2)+
labs(x='', y='% a.m.',
title='Sazonalidade da inflação medida pelo IPCA',
caption='Fonte: analisemacro.com.br')

Em outras palavras, parece que o hiato do produto negativo está tendo impacto sobre o cenário inflacionário, diante de uma política monetária muito bem conduzida pelo Banco Central nos últimos anos.

_____________________________

(*) Aprenda a lidar com dados macroeconômicos 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

Modelo de Previsão da Dívida Bruta do Governo Geral (DBGG) para 2025

Neste exercício, contruímos um algoritmo simples de cenarização para a Dívida Bruta do Governo Geral (DBGG) em % do PIB, usando apenas dados públicos, simulações estatísticas, a literatura recente e a linguagem R. Em uma abordagem semi-automatizada, as simulações do modelo se aproximam das previsões do mercado para o ano de 2025.

Modelo de Previsão do Resultado Primário para 2025

Neste exercício, contruímos um modelo simples de previsão para o Resultado Primário do Setor Público Consolidado (acumulado em 12 meses, % PIB), usando apenas dados públicos, modelos econométricos, a literatura recente e a linguagem R. Em uma abordagem automatizada, as previsões do modelo se aproximam das previsões do mercado para o ano de 2025.

Estimando o Hiato do Produto do Brasil usando a linguagem R

Este exercício estima o Hiato do Produto do Brasil utilizando quatro métodos univariados distintos. Para lidar com o problema de fim de amostra causado por filtros univariados, incorporamos previsões do PIB provenientes de agentes econômicos e projeções simples, estendendo a série temporal além da amostra original. Todo o processo de coleta, tratamento, estimação e visualização dos hiatos foi realizado na linguagem de programação R.

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.