Índice de Desistência de Procura por Emprego (IDPE)

procuraOntem o IBGE divulgou a Pesquisa Mensal de Emprego (PME) de abril, indicando mais uma queda na taxa de desemprego: de 5% em março para 4,9%. A despeito do número aparentemente favorável, esse foi um mês em que a saída de pessoas da população economicamente ativa (PEA) mais que compensou a entrada de pessoas na população ocupada (PO). Em palavras outras, a menor procura por emprego torna-se mais relevante do que a contratação das empresas para explicar a queda da taxa de desemprego. Com efeito, a tabela ao lado mostra um Índice de Desistência de Procura por Emprego (IDPE), mostrado graficamente aqui. Toda vez que o desemprego cair porque o módulo da diferença da PEA entre um mês e o mês anterior foi superior ao respectivo módulo da PO, o índice atribui "1". Desde abril de 2002 isso aconteceu 27 vezes ou 19% dos casos. Ademais, esse foi o sexto mês consecutivo em que a PEA registra queda em relação ao mês anterior, indicando que as pessoas estão procurando menos emprego. Desse modo, mesmo com a baixa geração de vagas pelas empresas, o desemprego se mantém em patamar historicamente baixo.

 

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

O que é e como funcionam Sistemas Multi-Agentes

Sistemas multi-agentes (MAS) representam uma nova forma de estruturar aplicações de inteligência artificial, especialmente úteis para lidar com problemas complexos e distribuídos. Em vez de depender de um único agente generalista, esses sistemas são compostos por múltiplos agentes especializados que colaboram, competem ou se coordenam para executar tarefas específicas. Neste post, explicamos o que são os MAS, seus principais componentes (como LLMs, ferramentas e processos) e as arquiteturas mais comuns.

O que é um Vector Database e como criar um com LangChain

Nesta postagem, mostramos como construir um pipeline simples de RAG (Retrieval-Augmented Generation) usando o LangChain, o modelo Gemini 2.0 Flash e o Vector Database Chroma. Utilizamos como exemplo o Relatório de Inflação de junho de 2025 do Banco Central do Brasil. O fluxo envolve o download e leitura do PDF, divisão do texto com RecursiveCharacterTextSplitter, geração de embeddings com Gemini, armazenamento vetorial com Chroma e busca semântica para responder perguntas com base no conteúdo do relatório. É uma aplicação prática e didática para economistas que desejam integrar IA ao seu fluxo de análise.

Automatizando a Construção de Códigos em Python com LangGraph

Neste post, mostramos como construir um agente de código em Python utilizando LangGraph, LangChain e Gemini. A proposta é construir um protótipo para automatizar o ciclo completo de geração, execução e correção de código com o uso de LLMs, organizando o processo em um grafo de estados.

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.