Decompondo o PIB com o R

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

Com a divulgação do PIB essa semana (analisado aqui), podemos atualizar a participação dos três grandes setores da economia no valor adicionado (lembre-se que o PIB é calculado, pela ótica da produção como sendo o valor bruto de produção menos o consumo intermediário, isto é, o valor adicionado). No quarto trimestre de 2016, o setor de serviços foi responsável por 73,30% do valor adicionado, enquanto a indústria ficou com 21,24% e a agropecuária com 5,45%. O gráfico abaixo apresenta a evolução dessa participação ao longo do tempo.

Observa-se que o setor de serviços tem ganhado espaço no valor adicionado, tendo como contrapartida a perda de participação da indústria. Ademais, é importante lembrar que para chegar ao PIB propriamente dito, precisaremos adicionar os impostos, saindo assim de preços básicos para preços de mercado (ou do consumidor).

Podemos, a propósito, ver também a participação dos componentes da demanda, isto é, a famosa identidade

(1)   \begin{equation*} Y = C + I + G + X - M \end{equation*}

Onde C é o Consumo das Famílias, I é o Investimento, G é o Consumo do Governo, X representa as exportações e M as importações. Lembre-se que aqui o investimento é dividido em Formação Bruta de Capital Fixo (FBCF) e Variação de Estoques. O gráfico é colocado abaixo.

Observa-se que o Consumo das Famílias é o componente com maior participação, seguido do Consumo do Governo e do Investimento. A participação do Setor Externo (X-M) é residual na economia brasileira. No quarto trimestre de 2016, o consumo das famílias representou 64,01% do PIB, enquanto a FBCF foi de 16,38%. Abaixo, a propósito, colocamos um gráfico da taxa de investimento da economia brasileira.

Na margem, como ilustra a área hachurada, a FBCF despencou, causando uma queda da taxa de investimento...

[/et_pb_text][/et_pb_column][/et_pb_row][et_pb_row admin_label="Linha"][et_pb_column type="1_3"][/et_pb_column][et_pb_column type="1_3"][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2017/02/CLUBE.png" show_in_lightbox="off" url="https://analisemacro.com.br/clube-do-codigo/" url_new_window="off" use_overlay="off" animation="left" sticky="off" align="center" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid" /][/et_pb_column][et_pb_column type="1_3"][/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

Como automatizar tarefas repetitivas usando Python? Um exemplo para largar o Excel

Manter relatórios diários com dados e análises atualizados é um desafio, pois envolve várias etapas: coleta de dados, tratamento de informações, produção de análises e atualização de relatório. Para superar este desafio algumas ferramentas como Python + Quarto + GitHub podem ser usadas para automatizar tudo que for automatizável. Neste artigo mostramos um exemplo com dados do mercado financeiro.

Criando um Dashboard de análise de Ações no Python

Um Dashboard é um painel de controle que consolida uma variedade de informações sobre um determinado objeto de estudo em um ou mais painéis. Ele simplifica significativamente o processo de análise de dados, oferecendo uma visão global e fácil de entender. Uma maneira simples de construir um Dashboard para acompanhar uma ação específica é utilizando duas ferramentas: Quarto e Python. Neste post, mostramos o resultado da criação de um Dashboard de Ação.

Analisando séries temporais no Python e esquecendo de vez o Excel

Séries temporais representam uma disciplina extremamente importante em diversas áreas, principalmente na economia e na ciência de dados. Mas, afinal, como lidar com esses dados que se apresentam ao longo do tempo? Neste exercício, demonstraremos como compreender uma série temporal e como o Python se destaca como uma das melhores ferramentas para analisar esse tipo de dado.

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.