Taxa de desemprego: PNAD Contínua vs. PME

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto"]

Um dos grandes problemas para quem precisa trabalhar com taxa de desemprego no Brasil é o fato de que a falecida Pesquisa Mensal do Emprego (PME) é completamente diferente da atual PNAD Contínua, disponível desde março de 2012. Desse modo, toda vez que você quiser trabalhar com essa nova série de desemprego, enfrentará um problema: ela é curta demais. De modo a atenuar esse problema, fizemos um exercício no Clube do Código, para aproximar a taxa de desemprego da PNAD Contínua por meio da PME, expandindo assim a série original. Abaixo, o leitor vê um resumo do exercício.

grafico01

Acima é possível verificar as duas taxas de desemprego. Claramente, observa-se que a média do desemprego medido pela PNAD Contínua é mais elevada do que a da PME. De posse dessas duas séries, nós podemos aproximar a taxa de desemprego da PNAD Contínua pela taxa da PME, através de uma regressão linear simples. O gráfico abaixo compara a taxa original com aquela ajustada pelo modelo.

grafico02

Com base nesse modelo, então, expandimos a taxa de desemprego medida pela PNAD Contínua. A série ampliada pode ser vista abaixo.

grafico03

Abaixo, por fim, dessazonalizamos a série que acabamos de gerar.

grafico04

Temos agora duas séries, uma normal e outra dessazonalizada, que podemos utilizar em exercícios futuros. Observe, entretanto, que a mesma é apenas uma aproximação estatística da PNAD Contínua através da PME, ok? Até o próximo exercício!

[/et_pb_text][et_pb_button admin_label="Botão" button_url="https://analisemacro.com.br/clube-do-codigo/" url_new_window="off" button_text="Conhecer o Clube do Código" button_alignment="center" background_layout="light" custom_button="off" button_letter_spacing="0" button_use_icon="default" button_icon_placement="right" button_on_hover="on" button_letter_spacing_hover="0" /][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Previsão com Vetores Autoregressivos no Python

Modelos Vetoriais AutoRegressivos (VAR) são amplamente utilizados na análise de séries temporais macroeconômicas. Eles permitem modelar a dinâmica conjunta de várias variáveis, capturando como choques em uma afetam as demais ao longo do tempo. Neste exercício, mostramos como aplicar um modelo VAR a um conjunto de dados macroeconômicos brasileiros para gerar previsões.

Previsão do Desemprego: Redes Neurais vs. Previsões do Focus

Não é de hoje que técnicas de machine learning vêm sendo usadas para explorar características não lineares de séries temporais (econômicas), especialmente para finalidade de previsão. Como exemplo, apresentamos uma abordagem híbrida do modelo NNAR e comparamos suas previsões com as de mercado, encontrando resultados em linha com a literatura recente.

Incorporando IA na previsão do PIB

O PIB é uma variável econômica complexa e de difícil previsão. Neste artigo, mostramos que unir métodos simples e métodos avançados pode aumentar significativamente a previsibilidade do crescimento da economia.

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.