Calculando o Custo Unitário do Trabalho do Brasil no Python

• (Wage): Rendimento médio real do trabalho.
• (Produtividade do Trabalho): Produto gerado por unidade de esforço de trabalho.

Produção (Y)

Para representar a produção, utiliza-se a série encadeada do índice de volume do Produto Interno Bruto (PIB).

• Fonte: Contas Nacionais Trimestrais (IBGE/SCN).
• Tratamento: Para análises de variação na margem (trimestre contra o trimestre imediatamente anterior), é mandatório o uso da série com ajuste sazonal (Tabela 1621 do SIDRA, base média de 1995 = 100).

Esforço de Trabalho (L)

Seguindo as melhores práticas internacionais e a recomendação do FGV IBRE, a medida de trabalho não deve ser apenas o número de pessoas empregadas, mas sim as Horas Totais Habitualmente/Efetivamente Trabalhadas (Massa de Horas).

Isso garante que flutuações na jornada de trabalho (como as ocorridas durante a pandemia de Covid-19) sejam capturadas corretamente.

Como o IBGE não divulga a massa de horas pronta, ela é construída pela multiplicação de duas variáveis da PNAD Contínua:

Tratamento de Dados e Ajuste Sazonal

Um dos grandes desafios metodológicos na análise trimestral é a forte sazonalidade das séries de mercado de trabalho.

Enquanto o PIB já é fornecido dessazonalizado pelo IBGE (Tabela 1621), as séries de rendimento (W) e as variáveis que compõem as horas totais (L) extraídas da PNADC não possuem ajuste sazonal oficial.

Para garantir a consistência da equação do CUT, aplica-se o método X-13ARIMA-SEATS (padrão do US Census Bureau) sobre a série de rendimentos reais (Tabela 6470 do SIDRA) e, quando necessário para a produtividade na margem, sobre as séries de trabalho.

Decomposição do CUT (Log-Diferenças)

Para fins analíticos, a evolução do Custo Unitário do Trabalho é frequentemente avaliada em termos de taxas de variação trimestral. Utilizando a aproximação por logaritmos naturais (), a variação percentual do CUT é decomposta linearmente:

Esta identidade revela a dinâmica econômica subjacente: o Custo Unitário do Trabalho só permanece estável se os ganhos reais de salários () forem acompanhados por ganhos equivalentes na produtividade do trabalho ().

Se o rendimento cresce acima da produtividade (como evidenciado em períodos de queda da PTF e da produtividade do trabalho apontados nos relatórios do IBRE), o CUT aumenta, indicando perda de competitividade da economia brasileira e potencial pressão sobre a inflação de serviços e bens.

A visualização final decompõe a variação do CUT em seus dois componentes fundamentais: Salários e Produtividade.

Em laranja, os salários representam a pressão altista no custo. Quando positivas, indicam aumento real dos salários. Em verde, a produtividade representa o fator de alívio. Como a produtividade está no denominador, um aumento na produtividade (barra verde positiva no gráfico de nível, mas invertida na contribuição do custo) ajuda a reduzir o CUT.

No período mais recente, observa-se uma tendência de estabilização ou leve elevação do CUT. Isso sugere que os ganhos reais de salários, impulsionados por um mercado de trabalho aquecido, estão começando a superar os ganhos de produtividade. Para a política monetária, isso é um sinal de alerta: se a produtividade não acompanhar o ritmo dos salários, a pressão sobre a inflação de serviços tende a persistir.

O Papel do Python na Estruturação de Dados Macroeconômicos

A estimativa do CUT no Brasil impõe desafios técnicos significativos, dada a dispersão das fontes de dados e a discrepância metodológica entre as pesquisas de atividade e de emprego. A utilização do Python permite solucionar essas fricções através de um pipeline de dados robusto:

1. Integração de Fontes Heterogêneas: O script automatiza a extração de dados das Contas Nacionais Trimestrais (para o PIB) e da PNAD Contínua (para dados de mercado de trabalho) diretamente das APIs do IBGE, garantindo a atualização tempestiva das séries.
2. Ajuste Sazonal: Diferentemente do PIB, os dados brutos da PNAD Contínua não possuem ajuste sazonal oficial. Para garantir a comparabilidade entre numerador e denominador na frequência trimestral, implementou-se o algoritmo X-13ARIMA-SEATS (padrão do US Census Bureau) via biblioteca statsmodels. Esse procedimento estatístico é essencial para remover flutuações intra-anuais e permitir a leitura correta da tendência na margem.
3. Construção de Variáveis Derivadas: O código calcula a "Massa de Horas Totais Efetivamente Trabalhadas", multiplicando a população ocupada pela média de horas habituais. Essa métrica captura a margem intensiva de ajuste do trabalho (alterações na jornada), oferecendo uma medida de esforço produtivo superior ao simples estoque de trabalhadores.

Conclusão

Este exercício demonstra que o cálculo rigoroso da produtividade e do custo do trabalho é viável e reprodutível com ferramentas open source. O indicador gerado oferece uma visão granular sobre a eficiência da economia brasileira, permitindo separar o que é ganho real de bem-estar (aumento de produtividade) do que é pressão de custos (aumento de salários sem contrapartida na produção).