Tag

desemprego de longo prazo Archives - Análise Macro

Pandemia agravou desemprego de longo prazo no Brasil

By | Comentário de Conjuntura

O desemprego de longo prazo é uma medida internacionalmente conhecida e pode ser definida pelo tempo de procura por emprego superior a dois anos. Ela é um indicador importante não apenas por sinalizar o nível e o tempo de ociosidade da economia, mas também por refletir a perda de produtividade dentro do ciclo econômico. Em particular, quanto mais tempo a pessoa fica desempregada, maior a perda de capital humano, mais difícil é conseguir um novo posto de trabalho (Ball e Mankiw, 2002).

Isso dito, se olharmos para os dados recentes divulgados pela PNAD Contínua - em seu recorte trimestral -, observamos um aumento do desemprego de longo prazo no Brasil. Isto é, o percentual de pessoas que está há mais de dois anos procurando emprego tem tido maior participação sobre o desemprego total.

A amostra do gráfico vai do primeiro trimestre de 2012 ao segundo trimestre de 2021. O desemprego de longo prazo ocupa hoje um pouco mais de 1/4 do desemprego total e, o mais preocupante, tem aumentado no período da pandemia.

Nesse contexto, uma retomada demorada da economia pode agravar um fenômeno conhecido na literatura de economia do trabalho chamado de histerese. Isto é, a dificuldade de um objeto, no caso a taxa de desemprego, em voltar ao seu estado original após sofrer um determinado choque. Ou, em outras palavras, a dificuldade do desemprego ceder após uma alta pronunciada como a que temos observado nos últimos anos.

Essa dificuldade estaria relacionada justamente à perda de capital humano associada ao desemprego por longo período.

Um ponto importante relacionado à histerese que pode ter sido agravada pela pandemia é a substituição de uma quantidade não desprezível de postos de trabalhos pela incorporação abrupta de novas tecnologias. Por óbvio, essa hipótese ainda precisa ser melhor acompanhada pela evidência disponível, mas se coloca em um momento importante da agenda política nacional, quando o Congresso discute ampliação de programas de transferência de renda.

Em outras palavras, mesmo que a economia voltasse a crescer forte no próximo ano - algo que vai se tornando cada vez menos provável - uma quantidade grande de pessoas não irá encontrar postos de trabalho. Pelo simples fato desses postos terem sido extintos.

Se essa hipótese se mostrar válida, é peremptório que a sociedade brasileira consiga, de forma séria, reduzir parte do orçamento fiscal que vai para os mais ricos e transferir esses recursos para quem mais precisa.

____________________________

(*) Os códigos dos Comentários de Conjuntura estão disponíveis no Clube AM.

(**) Ver Ball, Laurence, and N. Gregory Mankiw. 2002. "The NAIRU in Theory and Practice ." Journal of Economic Perspectives16 (4): 115-136.

(***) Aprenda a analisar dados em nossos Cursos Aplicados de R.

Desemprego de longo prazo no Brasil

By | Comentário de Conjuntura

O IBGE divulgou na última sexta-feira a PNAD Contínua em seu recorte trimestral - os dados podem ser vistos aqui. A pesquisa tem diversos indicadores interessantes, como o tempo de procura por emprego entre os desocupados e medidas de subutilização da força de trabalho. Nesse Comentário de Conjuntura, vamos ilustrar o desemprego pelo tempo de procura, dando uma ideia do desemprego de longo prazo no Brasil e sua relação com o desemprego total.

O desemprego de longo prazo é uma medida internacionalmente conhecida e pode ser definida pelo tempo de procura por emprego superior a dois anos. Ela é um indicador importante não apenas por sinalizar o nível e o tempo de ociosidade da economia, mas também por refletir a perda de produtividade dentro do ciclo econômico. Em particular, quanto mais tempo a pessoa fica desempregada, maior a perda de capital humano, mais difícil é conseguir um novo posto de trabalho (Ball e Mankiw, 2002).

Nesse contexto, uma retomada demorada da economia pode agravar um fenômeno conhecido na literatura de economia do trabalho chamado de histerese. Isto é, a dificuldade de um objeto, no caso a taxa de desemprego, em voltar ao seu estado original após sofrer um determinado choque. Ou, em outras palavras, a dificuldade do desemprego ceder após uma alta pronunciada como a que temos observado nos últimos anos.

Essa dificuldade estaria relacionada justamente à perda de capital humano associada ao desemprego por longo período.

Para verificar o estágio do desemprego de longo prazo no Brasil, vamos pegar os dados da tabela 1616 com a ajuda do pacote sidrar. O código abaixo implementa.


table = get_sidra(api='/t/1616/n1/all/v/4092/p/all/c1965/all')
pea = get_sidra(api='/t/4093/n1/all/v/4088/p/all/c2/6794')$Valor
total = table$Valor[table$`Tempo de procura de trabalho (Código)`==40310]
ummes = table$Valor[table$`Tempo de procura de trabalho (Código)`==31827]
umano = table$Valor[table$`Tempo de procura de trabalho (Código)`==31828]
umdosanos = table$Valor[table$`Tempo de procura de trabalho (Código)`==31829]
doisanos = table$Valor[table$`Tempo de procura de trabalho (Código)`==101227]

O código pega os dados referentes ao tempo de procura por emprego. A seguir, nós preparamos nossos dados para um gráfico de área empilhado.


time = seq(as.Date('2012-03-01'), as.Date('2019-12-01'), by='3 month')
data = cbind(ummes/total, umano/total, umdosanos/total,
doisanos/total)*100
colnames(data) = c('Menos de 1 mês', 'De 1 mês a menos de 1 ano',
'De 1 ano a menos de 2 anos', '2 anos ou mais')

longrun = xts(data, order.by=time)
longrun = data.frame(time = index(longrun),
melt(as.data.frame(longrun)))
colnames(longrun) = c('time', 'Indexador', 'value')

E o gráfico.


ggplot(longrun, aes(x = time, y = value)) +
geom_area(aes(colour = Indexador, fill = Indexador))+
xlab('')+ylab('Participação Percentual')+
labs(title='Desemprego de Longo Prazo no Brasil',
caption='Fonte: analisemacro.com.br')+
theme(legend.position = 'top',
legend.title = element_blank())

O desemprego de longo prazo representa algo como 1/4 do desemprego total. No quarto trimestre de 2019, eram 2,9 milhões de pessoas nessa situação. Acompanhar o avanço dessa métrica é uma maneira de verificar o quanto a retomada da economia está ganhando tração.

(*) Ver Ball, Laurence, and N. Gregory Mankiw. 2002. "The NAIRU in Theory and Practice ." Journal of Economic Perspectives16 (4): 115-136.

(**) Aprenda a analisar dados em nossos Cursos Aplicados de R.

___________________


Histerese e desemprego de longo prazo

By | Comentário de Conjuntura

Na literatura de economia do trabalho é conhecido o fenômeno chamado de histerese. Isto é, a dificuldade de um objeto, no caso a taxa de desemprego, em voltar ao seu estado original após sofrer um determinado choque. Ou, em outras palavras, a dificuldade do desemprego ceder após uma alta pronunciada como a que temos observado nos últimos anos. Uma das causas principais para isso seria a perda de capital humano associada ao desemprego (Ball e Mankiw, 2002). Em particular, quanto mais tempo a pessoa fica desempregada, maior a perda de capital humano, mais difícil é conseguir um novo posto de trabalho.

De modo a verificar isso na prática, podemos fazer uso da PNAD Trimestral, divulgada pelo IBGE. Começo, como sempre, carregando alguns pacotes do R:


library(sidrar)
library(ggplot2)
library(scales)
library(seasonal)
Sys.setenv(X13_PATH = "C:/Séries Temporais/R/Pacotes/seas/x13ashtml")

Para aprender a instalar e fazer funcionar o pacote seasonal, dê uma olhada nesse vídeo aqui. Com os pacotes carregados, podemos pegar os dados referentes ao tempo de procura por emprego da PNAD:


table = get_sidra(api='/t/1616/n1/all/v/4092/p/all/c1965/all')
pea = get_sidra(api='/t/4093/n1/all/v/4088/p/all/c2/6794')$Valor
total = table$Valor[table$`Tempo de procura de trabalho (Código)`==40310]
ummes = table$Valor[table$`Tempo de procura de trabalho (Código)`==31827]
umano = table$Valor[table$`Tempo de procura de trabalho (Código)`==31828]
umdosanos = table$Valor[table$`Tempo de procura de trabalho (Código)`==31829]
doisanos = table$Valor[table$`Tempo de procura de trabalho (Código)`==101227]

Com os dados coletados, eu junto todos na mesma matriz:


time = seq(as.Date('2012-03-01'), as.Date('2019-06-01'), by='3 month')
data = ts(cbind(total, ummes, umano, umdosanos, doisanos),
start=c(2012,01), freq=4)

O leitor verá que os dados estão sujeitos à sazonalidade, de modo que precisamos tratar esse problema. Faço isso com o código a seguir.


data_sa = matrix(NA, nrow = nrow(data), ncol=ncol(data))
colnames(data_sa) = colnames(data)

for(i in 1:ncol(data)){

data_sa[,i] = final(seas(data[,i]))
}

df_sa = data.frame(time, data_sa)

Uma vez que tenhamos os nossos dados tratados, podemos gerar o gráfico abaixo:

Observe que à exceção do desemprego associado à procura por emprego com mais de dois anos, as demais ou reduziram ou estão estáveis no período recente. O desemprego com mais de dois anos, por seu turno, experimenta uma elevação ao longo do tempo, já tratado o problema da sazonalidade. Isso está associado ao que classificamos acima como histerese, isto é, à perda de capital humano ao longo do tempo.

Em períodos longos de desemprego como o atual, isso é particularmente relevante porque afeta a produtividade da economia, com reflexos sobre a taxa natural de desemprego. Isto é, há um deslocamento na taxa para cima, dado que é cada vez mais difícil para quem está desempregado, conseguir um novo posto de trabalho. É um problema grave que deveria fazer parte das preocupações da política econômica.

______________________________

(*) Ver Ball, Laurence, and N. Gregory Mankiw. 2002. "The NAIRU in Theory and Practice ." Journal of Economic Perspectives16 (4): 115-136.

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais
e conteúdos exclusivos sobre Análise de Dados!

Assinar Gratuitamente