Cadê a sazonalidade que estava aqui? O ocaso do desemprego em 2015.

O desemprego aumentou, leitor. Todo mundo sabe, certo? Era o último bastião a cair. Caiu. E o detalhe sórdido disso tudo é que a sazonalidade, típica da série de desemprego, se foi. Antes de mais nada, vamos ver um gráfico do desemprego, que mostra claramente o salto no período recente.

grafico01

Você, claro, tem toda a razão, pode alegar para mim que eu preciso controlar justamente a sazonalidade, para mostrar um aumento no período recente. Isso é feito abaixo.

grafico02

Convencido? Ok, passemos agora para o outro passo. Vamos mostrar a sazonalidade da série ao longo do ano com a função seasplot do pacote TStools. O gráfico abaixo ilustra a mediana do desemprego em cada um dos meses do ano.

grafico03

Finalmente, vamos mostrar o comportamento do desemprego em 2015 com a função monthplot. As linhas vermelhas mostram o desemprego em cada um dos meses do ano, acompanhadas pelas médias ilustradas pelas linhas pretas tracejadas. Já a linha azul mostra a trajetória do desemprego em 2015. Cadê a sazonalidade, leitor?

grafico05

E tinha gente preocupada com o ajuste ortodoxo da oposição... 🙁

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como choques inflacionários afetam a previsão da Selic?

Como mensurar a importância de choques na inflação sobre o erro de previsão da taxa de juros? Neste exercício quantificamos esta pergunta sob a ótica de um modelo VAR, usando dados recentes da macroeconomia brasileira. Especificamente, estimamos a decomposição da variância dos erros de previsão do modelo, analisando choques na inflação da gasolina e sua importância sobre a variância dos erros de previsão da taxa Selic.

Modelo de previsão para o preço da gasolina

Neste exercício exploramos os dados públicos sobre o preço da gasolina no Brasil, sua composição, evolução temporal, políticas associadas e, por fim, construímos um modelo simples de previsão. Com um modelo em mãos, o analista pode cenarizar o comportamento futuro da série da forma como preferir. Todos os procedimentos foram feitos usando a linguagem de programação Python.

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.