CAGED mostra recuperação no mercado de trabalho

Os dados do CAGED referentes a setembro divulgados pelo Ministério da Economia hoje mostram uma recuperação consistente no mercado formal de trabalho. Pelo sexto mês consecutivo houve criação líquida de vagas. Em termos dessazonalizados, foram geradas 53.570 vagas. Como ensino no Curso de Análise de Conjuntura usando o R, temos um script automático que trata os dados do CAGED. Abaixo, um gráfico do saldo dessazonalizado entre admitidos e demitidos no CAGED.

A geração acumulada de vagas em 2019 é de 696.853. Abaixo, um gráfico da média móvel anual das séries de admitidos e demitidos.

Observa-se que houve uma virada em meados de 2018, com a série de admitidos superando a de demitidos. Abaixo, o saldo mensal do CAGED por setores.

Como se vê no gráfico, o setor de serviços tem dominado a recuperação nos últimos meses. Por fim, coloco abaixo a razão entre salários de admitidos e demitidos. Houve uma acomodação na margem dessa métrica, importante para verificar o poder de barganha dos novos admitidos ao longo do tempo.

Os dados do CAGED indicam uma recuperação no mercado de trabalho que deve se espalhar pela PNAD nos próximos meses, como aponta a edição 67 do Clube do Código, que fez uma comparação entre as duas séries do ponto de vista econométrico. Em resumo, os dados do CAGED costumam antecipar os da PNAD Contínua.

___________________

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.