Desemprego aumenta em fevereiro

Acabou de ser divulgada a Pesquisa Mensal de Emprego (PME) pelo IBGE referente ao mês de fevereiro. Nela, a População Desocupada na semana de referência - aquela que está em busca de emprego, mas não encontra - saiu de 6,1% em janeiro para 6,4% em fevereiro. A mesma tinha alcançado seu menor nível desde 2002 - quando a série iniciou - em dezembro último, com 5,3% de desocupação.

Essa alta para os meses de janeiro e fevereiro eram esperadas, dado que os contratos temporários realizados no final de 2010 extinguem-se agora. Entretanto, há especialistas em mercado de trabalho que dizem que essa alta não reflete apenas esse fenômeno, mas sim uma desaceleração pontual na contratação de novos funcionários. A acompanhar, portanto, o mercado de trabalho nos meses de março e, principalmente, abril, seja via PME, seja via CAGED do Ministério do Trabalho.

 

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Previsões do Boletim Focus em Anos Eleitorais

Eleições são momentos de incerteza, mas os dados do Boletim Focus mostram que nem toda incerteza é igual. Ao analisar as previsões de inflação, juros e câmbio nos anos que antecederam as eleições de 2014, 2018 e 2022, este post investiga como o mercado revisa cenários macroeconômicos ao longo do tempo.

Como Medir o Ciclo das Concessões de Crédito usando Python

Este exercício apresenta uma análise quantitativa da relação entre o ciclo de concessões de crédito, a atividade econômica e a política monetária no Brasil. Utilizando a linguagem Python, o estudo aplica técnicas de decomposição de séries temporais (X13-ARIMA e Filtro HP) para isolar os componentes cíclicos dos dados. Os resultados da modelagem econométrica confirmam a pró ciclicidade do crédito em relação ao hiato do produto e sua sensibilidade às variações no hiato da taxa de juros real.

Choque de juros e renda em bens duráveis e não duráveis usando Python

Este artigo analisa a dinâmica do consumo no Brasil utilizando Python e modelos de Vetores Autorregressivos (VAR). Ao segregar bens duráveis e não duráveis, o estudo quantifica a sensibilidade a choques de juros e renda. Criamos todo o processo através do ciclo de dados: coleta, tratamento, análise de dados, modelagem e apresentação dos resultados, tudo automatizado usando a linguagem 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.