Análise da Produção de Veículos com o R

O Valor Econômico noticiou hoje que a produção de veículos vem aumentando as vendas após o crash provocado pela pandemia. Por ser o mais importante componente da produção industrial brasileira, com impacto em diversas outras atividades, essa pode ser uma boa notícia para a retomada.  A coletatratamento apresentação dos dados da produção de veículos com o R a partir do site da ANFAVEA é, por suposto, ensinada no nosso Curso de Análise de Conjuntura usando o R. A seguir, apresento uma parte do código que gera a apresentação que criamos no Curso.

O script começa carregando alguns pacotes:


library(tidyverse)
library(readxl)
library(tstools)
library(scales)
library(knitr)

Na sequência, importamos os dados diretamente do site da ANFAVEA e já fazemos o tratamento dos mesmos.


url = 'http://www.anfavea.com.br/docs/SeriesTemporais_Autoveiculos.xlsm'
download.file(url, destfile = 'veiculos.xlsm', mode='wb')
data = read_excel('veiculos.xlsm', col_types = c('date',
rep('numeric', 25)),
skip=4)

## Tratamento dos dados
data = data[!rowSums(data[,-1])==0,] %>%
dplyr::select(`...1`, `Produção...5`) %>%
rename(date = "...1", veiculos = "Produção...5") %>%
mutate(veiculos = veiculos/1000) %>%
mutate(margem = (veiculos/lag(veiculos,1)-1)*100) %>%
mutate(interanual = (veiculos/lag(veiculos,12)-1)*100) %>%
mutate(anual = acum_i(veiculos,12))

data_long =
data %>%
gather(variavel, valor, -date)

Feito isso, podemos visualizar os últimos dados disponíveis...  

Produção de Veículos
date veiculos margem interanual anual
2020-04-01 1.85 -99.03 -99.31 -10.85
2020-05-01 43.08 2232.43 -84.38 -20.67
2020-06-01 98.45 128.52 -57.78 -24.66
2020-07-01 170.65 73.34 -36.08 -28.47
2020-08-01 210.86 23.56 -21.83 -29.97
2020-09-01 220.16 4.41 -11.03 -31.47

Um gráfico múltiplo com as métricas de crescimento está disponível abaixo...

(*) A análise completa está disponível no nosso Curso de Análise de Conjuntura usando o R.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como choques inflacionários afetam a previsão da Selic?

Como mensurar a importância de choques na inflação sobre o erro de previsão da taxa de juros? Neste exercício quantificamos esta pergunta sob a ótica de um modelo VAR, usando dados recentes da macroeconomia brasileira. Especificamente, estimamos a decomposição da variância dos erros de previsão do modelo, analisando choques na inflação da gasolina e sua importância sobre a variância dos erros de previsão da taxa Selic.

Modelo de previsão para o preço da gasolina

Neste exercício exploramos os dados públicos sobre o preço da gasolina no Brasil, sua composição, evolução temporal, políticas associadas e, por fim, construímos um modelo simples de previsão. Com um modelo em mãos, o analista pode cenarizar o comportamento futuro da série da forma como preferir. Todos os procedimentos foram feitos usando a linguagem de programação 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.