Inflação

Análise do IPCA com o R

By 6 de novembro de 2020 No Comments

O Índice de Preços ao Consumidor Amplo (IPCA) se consolidou como o principal índice de preços do país. Ele é utilizado, inclusive, como referência para o regime de metas para inflação administrado pelo Banco Central. O IPCA faz parte do Sistema Nacional de Índices de Preços ao Consumidor (SNIPC), sendo divulgado mensalmente pelo IBGE. A análise completa do índice faz parte do nosso Curso de Análise de Conjuntura usando o R.

O IPCA tem por objetivo medir a inflação de um conjunto de produtos e serviços comercializados no varejo, referentes ao consumo pessoal das famílias. Ele é construído de forma hierarquizada, sendo dividido em grupos, subgrupos, itens e subitens. Desde agosto de 1999, são nove os grupos: alimentos e bebidas, habitação, artigos de residência, vestuário, transportes, comunicação, saúde e cuidados pessoais, despesas pessoais e educação.

Para ilustrar a contribuição desses grupos para a inflação mensal, vamos coletar os dados da variação deles e o peso de cada grupo no índice diretamente do SIDRA/IBGE com o pacote sidrar.

O script começa, como de praxe, com os pacotes que utilizo.


library(tidyverse)
library(sidrar)

Na sequência, pegamos a variação e o peso dos nove grupos.


variacao =
'/t/7060/n1/all/v/63/p/all/c315/7170,7445,7486,7558,7625,7660,7712,7766,7786/d/v63%202' %>%
get_sidra(api=.) %>%
mutate(date = parse_date(`Mês (Código)`, format='%Y%m')) %>%
select(date, "Geral, grupo, subgrupo, item e subitem", Valor) %>%
pivot_wider(names_from = "Geral, grupo, subgrupo, item e subitem",
values_from = Valor)

peso =
'/t/7060/n1/all/v/66/p/all/c315/7170,7445,7486,7558,7625,7660,7712,7766,7786/d/v66%204' %>%
get_sidra(api=.) %>%
mutate(date = parse_date(`Mês (Código)`, format='%Y%m')) %>%
select(date, "Geral, grupo, subgrupo, item e subitem", Valor) %>%
pivot_wider(names_from = "Geral, grupo, subgrupo, item e subitem",
values_from = Valor)

A contribuição de cada grupo para a inflação mensal será dada pela multiplicação do peso pela variação, como abaixo.


contribuicao = (variacao[,-1]*peso[,-1]/100) %>%
mutate(date = variacao$date) %>%
select(date, everything())

De posse dos dados da contribuição, podemos construir o gráfico abaixo.

A partir desse gráfico, é possível ver que a inflação mensal tem se acelerado (a linha branca) e que a principal contribuição para isso vem do grupo Alimentação e bebidas (a parte verde).

_______________

(*) A análise completa está disponível no nosso Curso de Análise de Conjuntura usando o R.

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais
e conteúdos exclusivos sobre Análise de Dados!

Assinar Gratuitamente
{"cart_token":"","hash":"","cart_data":""}