PEC 241: os gastos com previdência são estacionários?

Ao longo das últimas semanas, um intenso debate tem ocorrido no país por conta da hoje famosa PEC 241, aquela que busca limitar o crescimento dos gastos públicos. Esse blog tem contribuições ao debate aqui, aqui e aqui. Na edição 17 do Clube do Código, a propósito, ampliei a análise olhando mais detidamente para o processo subjacente dos grandes grupos da despesa primária (não financeira) do governo central. A título de exercício, foquei nos gastos com previdência social, por eles representarem quase 40% da despesa primária. Nesse post, resumo a análise feita lá.

grafico01b

O gráfico acima traz os gastos mensais com previdência social feitos pelo governo central. O único tratamento dado foi deflacionar a série original, disponível no site do Tesouro Nacional. Observa-se, a propósito, uma clara tendência positiva e alguma sazonalidade nessa série. Abaixo, colocamos as funções de autocorrelação feitas sobre a série.

grafico02

Não parece em nada com um processo estacionário, não é mesmo? Pois é, para tirar a prova dos nove, aplicamos o teste ADF Sequencial, proposto, por exemplo, por Pfaff (2008). Uma vez feito isso, descobre-se que se trata de um processo tendência-estacionário. Para ilustrar melhor o argumento, podemos, por suposto, caracterizar uma série tendência-estacionária como segue:

(1)   \begin{equation*} y_{t} = \beta_{1} + \beta_{2}t + z_{t} \end{equation*}

Onde \beta_{1} + \beta_{2}t forma uma tendência determinística e z_{t} representa um componente estocástico. Isso significa que para tornarmos y_{t} estacionária, precisamos retirar o componente determnístico, deixando apenas z_{t}. Ademais, observamos que a série apresenta sazonalidade, como pode ser visto melhor no gráfico abaixo.

grafico03

A sazonalidade vem, basicamente, do décimo-terceiro salário. Uma vez compreendido que se trata de uma série tendência-estacionária e que contém sazonalidade, nós tratamos os dois problemas e apresentamos abaixo a série original comparada à série sem tendência e dessazonalizada.

grafico04

Bem diferente, não é mesmo? Com base no script do exercício, é possível fazer essa análise para os outros componentes da despesa ou mesmo da receita. Para terminar, criamos um modelo univariado para os gastos com previdência e geramos uma previsão simples. O gráfico abaixo ilustra esse último passo. Com base nesse modelo, estima-se que de setembro de 2016 a agosto de 2017, serão gastos quase R$ 550 bilhões (a preços de agosto de 2016) com a previdência social. A título de comparação, nos últimos 12 meses terminados em agosto último, foram gastos um pouco mais de R$ 500 bilhões com essa rubrica.

grafico05

A análise desagregada dos gastos primários do governo central mostra que os mesmos apresentam uma clara tendência de crescimento ao longo da amostra - que é de quase 20 anos. São séries tendência-estacionárias, i.e., que são estacionárias ao redor de uma tendência, que supomos aqui ser determinística. Concentramos nossos esforços nos gastos com previdência social, por representarem quase 40% da despesa primária total. Entretanto, a análise parece se estender para as outras rubricas. Naturalmente, o leitor pode testar essa hipótese, com base no script dessa edição do Clube do Código. Esperamos com esse exercício contribuir com um melhor entendimento sobre os gastos públicos no Brasil. Futuras edições do Clube do Código farão outras experiências com essas séries. Até lá!

__________________________________

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Coletando dados regionais do CAGED no Python

Os dados regionais do CAGED permitem analisar o mercado de trabalho de forma detalhada, em termos de setores, educação, rendimento e características pessoais dos trabalhadores brasileiros. Neste exercício mostramos como acessar estas informações online via Python.

Coletando dados de Setores Censitários do Censo 2022 no Python

Dados sobre a demografia e o território são primordiais para definir e implementar políticas públicas, áreas de atuação comercial e/ou estratégias de marketing. Sendo assim, saber usar os dados do Censo 2022 pode trazer vantagens competitivas. Neste exercício mostramos como obter os dados da Malha de Setores Censitários no formato vetorial (GeoJson) usando o 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.