A culpa do baixo crescimento é da crise internacional?

Ontem, com a divulgação do PIB brasileiro do segundo trimestre, o ministro da fazenda, Guido Mantega, voltou a por a culpa na crise internacional. É o que o governo vem fazendo desde que o crescimento passou a se reduzir, ao final de 2010. No ano passado, por exemplo, eu escrevi a respeito aqui, comparando tanto crescimento quanto inflação ao redor do mundo. Hoje volto ao tema, fazendo um exercício um pouco diferente. Com o anúncio feito pelo candidato Aécio Neves (PSDB) de que em eventual governo o seu ministro seria Arminio Fraga, algumas pessoas me perguntaram ao longo da semana o fato de se na época dele o problema do baixo crescimento também não era da crise internacional. Como verificar isso na prática?

A pergunta que queremos responder é a seguinte: a crise externa causou menor crescimento no país em 1999-2001 e em 2011-2013?

Há diversas formas de responder isso, umas mais robustas do que outras. Uma maneira simples é verificar o crescimento brasileiro nesses períodos e compará-lo com o que aconteceu no mundo. O cuidado que deve ser tomado nessa comparação é, claro, tomar países minimamente comparáveis ao Brasil. Um critério simples - existem diversos - é tomar países com renda per capita parecida com o nosso e países da América Latina. Fazendo isso, o gráfico do crescimento médio em cada um desses períodos é posto abaixo.

mundo

O crescimento do Brasil é praticamente igual nos dois períodos, próximo a 2%. A diferença é no crescimento dos demais países. Enquanto entre 1999-2001 os países da amostra cresceram próximo a 1,7% ao ano, entre 2011-2013 eles cresceram próximos a 4,5%.

Talvez incomode a alguém comparar o Brasil com o Peru, por exemplo. Afinal, enquanto a nossa renda per capita está próxima a US$ 11 mil, a do Peru está em US$ 6,6 mil*. Então, em um segundo exemplo, eu tomei apenas países e grupos de países com renda per capita próxima a brasileira. O gráfico abaixo resume essa nova comparação.

mundo02

Pois é, os resultados mudam pouco. O crescimento desses países entre 1999-2001 fica próximo a 1,5% e entre 2011-2013 próximo a 4,8%.

O leitor pode, inclusive, consultar a base de dados do banco mundial aqui e utilizar outros critérios. Como se vê, o exercício não exige pré-requisitos sofisticados de econometria ou estatística. Qualquer pessoa com conhecimento básico de excel pode realizar o confronto de dados e tirar as devidas conclusões. E, claro, comparar essas conclusões com o que vem dizendo a equipe econômica... 🙂

(*) Uma análise mais cuidadosa teria que que considerar a renda per capita em termos de paridade de poder de compra, afinal, US$ 100 não compram a mesma quantidade de bens em países distintos. O ajuste, entretanto, não causa maiores problemas para o argumento principal, logo para efeitos de análise simplificada - que pode ser feita por qualquer pessoa - considerar a renda per capita em valores correntes (2013) parece ser suficiente.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

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?

Dashboard Financeiro com IA e Shiny Python: Análise de Dados Abertos da CVM

Este artigo apresenta um tutorial completo sobre como construir uma ferramenta de análise financeira de ponta. Utilizando Shiny for Python, demonstramos a automação da coleta de dados das Demonstrações Financeiras Padronizadas (DFP) da CVM e o tratamento dessas informações com Pandas. O ponto alto do projeto é a integração da IA Generativa do Google Gemini, que atua como um assistente de análise, interpretando os dados filtrados pelo usuário e fornecendo insights contábeis e financeiros em tempo real. O resultado é um dashboard dinâmico que democratiza a análise de dados complexos e acelera a tomada de decisão.

Econometria, ML ou IA para previsão da PMS?

Prever a Pesquisa Mensal de Serviços (PMS/IBGE) é um desafio por natureza: trata-se de uma série mensal, sujeita a volatilidade e choques que vão de fatores sazonais a mudanças estruturais no setor. Para enfrentar esse problema, realizamos um exercício de comparação entre três abordagens de modelagem: econometria tradicional (ARIMA), machine learning (XGBoost) e inteligência artificial (TimeGPT).

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.