Capítulo 6 Grupo 5 - Análise das taxas de desemprego do Brasil comparado ao Mato Grosso do Sul do período de 2012 a 2023

Bruna Vilhalba Pereira, Douglas Salinas da Silva, Orlando Batista Brunel Filho, Rosane Gimenez da Silva e Samia Almeida Montania

6.1 Qual é a taxa de desemprego no Brasil e como ela se compara com a taxa do Mato Grosso do Sul?

A análise das taxas de desemprego é crucial para entender a saúde econômica de uma região e para tomar decisões informadas sobre políticas públicas e estratégias empresariais. Este relatório tem como objetivo comparar as taxas de desemprego do Brasil com as do estado do Mato Grosso do Sul no período de 2012 a 2023, destacando as tendências e variações observadas ao longo dos anos. A taxa de desemprego é um indicador fundamental para economistas, contadores e formuladores de políticas públicas, pois reflete a capacidade de uma economia de gerar empregos.

Altas taxas de desemprego podem sinalizar recessões econômicas, enquanto baixas taxas são indicativas de uma economia saudável. A compreensão dessas taxas permite a formulação de políticas para mitigar os efeitos do desemprego e promover o crescimento econômico sustentável. Os dados foram extraídos de uma tabela no arquivo Excel “tabela4562.xlsx” do IBGE (Instituto Brasileiro de Geografia e Estatistica).

Após a preparação e transposição dos dados, foram gerados gráficos para visualizar as tendências das taxas de desemprego tanto no Brasil quanto no Mato Grosso do Sul através do aplicativo de programação RStudio. Além disso, um modelo de regressão linear foi ajustado para explorar a relação entre as duas séries temporais.

tabela <- readxl::read_excel("tabela4562.xlsx", skip = 3)

tabela <- tabela[1:2,]

tabela_transposta <- t(tabela)

tabela_transposta <- tabela_transposta[-1,]

tabela_transposta <- 
  as.data.frame(tabela_transposta) |> 
  tibble::rownames_to_column("ANO")|>
  dplyr::mutate(V1=as.numeric(V1),V2=as.numeric(V2))

tabela_transposta <- 
  tabela_transposta |> 
  dplyr::mutate(ANO=as.numeric(ANO))
library(ggplot2)

# Criar gráfico da coluna V1 usando ggplot2
ggplot(data = tabela_transposta, aes(x = ANO, y = V1)) +
  geom_line() +
  labs(title = "Gráfico do Índice de desemprego do Brasil de 2012 a 2023", x = "Índice", y = "Valor")

O gráfico apresenta o índice de desemprego no Brasil de 2012 a 2023. Aqui está uma análise detalhada dos dados representados:

1 - Período de 2012 a 2015:

  • O índice de desemprego começou em torno de 7-8% em 2012. Houve uma leve queda até 2014, onde o índice ficou um pouco abaixo de 7%.

2 - Período de 2015 a 2017:

  • A partir de 2015, o índice de desemprego começou a subir de forma acentuada.
  • Em 2016, houve um aumento significativo, com o índice atingindo cerca de 12%.
  • Este aumento continuou até 2017, quando o índice se estabilizou em torno de 13%.

3 - Período de 2017 a 2020:

  • Entre 2017 e 2020, o índice de desemprego manteve-se relativamente estável, com pequenas variações, mas sempre na faixa de 12-13%.

4 - Período de 2020 a 2021:

  • Em 2020, houve um aumento abrupto do índice de desemprego, alcançando o pico em torno de 14%.
  • Este pico pode ser associado aos efeitos da pandemia de COVID-19, que impactou fortemente o mercado de trabalho globalmente.

5 - Período de 2021 a 2023S:

  • Após o pico de 2021, houve uma queda rápida no índice de desemprego.
  • Em 2023, o índice voltou a um nível próximo de 8%, similar ao início do período analisado.

O índice de desemprego no Brasil apresentou uma trajetória de crescimento acentuado a partir de 2015, atingindo o pico em 2020-2021, muito provavelmente devido à pandemia de COVID-19. Após 2021, houve uma recuperação notável com uma queda no índice de desemprego até 2023. Este padrão reflete as dificuldades econômicas enfrentadas durante o período da pandemia e uma recuperação econômica subsequente.

ggplot(data = tabela_transposta, aes(x = ANO, y = V2)) +
  geom_line() +
  labs(title = "Gráfico do Índice de desemprego do Mato Grosso do Sul de 2012 a 2023", 
       x = "Índice", y = "Valor")

O gráfico apresenta o índice de desemprego no estado do Mato Grosso do Sul de 2012 a 2023. Aqui está uma análise detalhada dos dados:

1 - Período de 2012 a 2015:

  • Em 2012, o índice de desemprego começou em torno de 6%.
  • Houve uma queda gradual até 2014, onde o índice ficou próximo a 4%.
  • Após 2014, o índice começou a subir novamente, atingindo cerca de 6% em 2015.

2 - Período de 2015 a 2017:

  • Entre 2015 e 2016, o índice de desemprego aumentou de forma acentuada.
  • O índice atingiu um pico em 2016, chegando a aproximadamente 9%.
  • Em 2017, houve uma leve queda, estabilizando-se um pouco acima de 8%.

3 - Período de 2017 a 2020:

  • De 2017 a 2020, o índice de desemprego manteve-se relativamente estável, com pequenas flutuações em torno de 7-8%.
  • Em 2020, houve outro aumento, chegando novamente a cerca de 9%.

4 - Período de 2020 a 2023:

  • A partir de 2020, o índice de desemprego começou a cair de forma significativa.
  • Em 2023, o índice de desemprego atingiu um valor em torno de 4-5%, voltando a níveis similares aos observados em 2014.

O índice de desemprego no Mato Grosso do Sul mostrou um padrão de alta volatilidade entre 2012 e 2023. Após uma queda inicial até 2014, houve um aumento acentuado até 2016, seguido por um período de estabilidade relativa até 2020. O impacto da pandemia de COVID-19 em 2020 é visível com um aumento no índice de desemprego, seguido por uma recuperação significativa até 2023. A trajetória de queda a partir de 2020 pode indicar uma recuperação econômica pós-pandemia, trazendo os níveis de desemprego para valores baixos novamente.

ggplot(data = tabela_transposta, aes(x = ANO)) +
  geom_line(aes(y = V1), color = "blue") +
  geom_line(aes(y = V2), color = "red") +
  labs(title = "Comparação do Índice de desemprego do Brasil com o Mato Grosso do Sul de 2012 a 2023", 
       x = "Ano", y = "Valor") +
  scale_color_manual(name = "Séries", values = c("blue", "red"), labels = c("V1", "V2"))

6.2 Comparação entre os índices de desemprego do Brasil e do Mato Grosso do Sul

Semelhanças: Ambos apresentam um aumento acentuado no índice de desemprego a partir de 2015. Ambos atingem picos em 2016 e apresentam estabilidade relativa até 2020. Em 2020, ambos mostram um aumento significativo no desemprego, provavelmente devido à pandemia de COVID-19, seguido por uma queda a partir de 2021.

Diferenças: O índice de desemprego no Brasil (linha azul) é consistentemente mais alto do que o índice de desemprego no Mato Grosso do Sul (linha vermelha) ao longo de todo o período. O Mato Grosso do Sul apresenta uma recuperação mais rápida e significativa após 2020 em comparação com o Brasil.

O índice de desemprego no Mato Grosso do Sul tende a ser mais baixo que a média nacional. A trajetória de ambos os índices é similar, com aumentos significativos durante períodos de crise (como a crise econômica de 2015-2016 e a pandemia de COVID-19) e recuperações subsequentes. A recuperação no Mato Grosso do Sul parece ser mais rápida e eficaz, com o índice de desemprego caindo para níveis mais baixos em 2023 comparado ao Brasil.

MODELO <- lm(V1~V2, data = tabela_transposta)

summary(MODELO)
## 
## Call:
## lm(formula = V1 ~ V2, data = tabela_transposta)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -2.0071 -0.4839  0.1543  0.5288  1.6245 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept)   2.1298     1.1045   1.928   0.0827 .  
## V2            1.1930     0.1544   7.728 1.59e-05 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.044 on 10 degrees of freedom
## Multiple R-squared:  0.8566, Adjusted R-squared:  0.8422 
## F-statistic: 59.72 on 1 and 10 DF,  p-value: 1.592e-05

A imagem mostra o resultado de uma análise de regressão linear, onde a variável dependente v1 é regredida em função da variável independente v2. Aqui está a análise detalhada dos resultados apresentados:

Residuais: - Min: -2.0071 - 1Q: -0.4839 - Mediana: 0.1543 - 3Q: 0.5288 - Max: 1.6245

Os resíduos representam a diferença entre os valores observados e os valores previstos pelo modelo. A distribuição dos resíduos parece ser aproximadamente simétrica em torno de zero, o que é um bom indicativo de que o modelo pode estar bem ajustado.

Coeficientes: - Intercepto (Intercept): 2.1298 (Erro padrão: 1.1045, t-valor: 1.928, p-valor: 0.0827) - V2: 1.1930 (Erro padrão: 0.1544, t-valor: 7.728, p-valor: 1.59e-05)

Interpretação dos Coeficientes: - Intercepto: Representa o valor esperado de v1 quando v2 é zero. O p-valor (0.0827) sugere que o intercepto não é estatisticamente significativo ao nível de 5%, mas é próximo do limiar de 10%. - V2: O coeficiente de v2 é 1.1930, o que indica que para cada aumento unitário em v2, espera-se um aumento de 1.1930 unidades em v1, mantendo todas as outras variáveis constantes. O p-valor (1.59e-05) indica que esse coeficiente é altamente significativo.

O coeficiente de v2 é altamente significativo (p < 0.001), enquanto o intercepto é marginalmente significativo (p < 0.1).

Medidas de Ajuste: - Erro padrão residual: 1.044 em 10 graus de liberdade - R-quadrado múltiplo: 0.8566 - R-quadrado ajustado: 0.8422

O valor de R2 múltiplo (0.8566) indica que aproximadamente 85.66% da variabilidade em v1 é explicada pela variável v2. O R2 ajustado (0.8422) é ligeiramente menor, ajustando-se pelo número de preditores no modelo e pelo tamanho da amostra, mas ainda sugere um bom ajuste do modelo.

Estatística F: - Estatística F: 59.72 em 1 e 10 graus de liberdade - p-valor da Estatística F: 1.592e-05

A estatística F e seu p-valor associado indicam que o modelo de regressão é significativo globalmente, rejeitando a hipótese nula de que todos os coeficientes são iguais a zero. O modelo de regressão linear ajustado parece ser um bom modelo para prever v1 a partir de v2, com v2 sendo uma variável preditora altamente significativa e um R2 indicando um ajuste muito bom. O intercepto, embora não estatisticamente significativo ao nível de 5%, ainda assim pode ser considerado marginalmente significativo.

6.3 Conclusão

A contabilidade desempenha um papel crucial na análise econômica ao fornecer dados financeiros precisos que ajudam a entender e gerenciar a economia. A taxa de desemprego impacta diretamente as finanças das empresas, influenciando custos com salários, produtividade e demanda por produtos e serviços. Além disso, afeta receitas governamentais e políticas fiscais, que são essenciais para a elaboração de orçamentos e planejamento econômico. O índice de desemprego no Brasil e no Mato Grosso do Sul apresentou trajetórias semelhantes, refletindo crises econômicas e recuperações subsequentes, com destaque para os impactos da pandemia de COVID-19. Apesar das semelhanças, o Mato Grosso do Sul demonstrou uma recuperação mais rápida e eficaz após 2020. A análise das taxas de desemprego é vital para a formulação de políticas públicas eficazes e para a tomada de decisões empresariais, destacando a importância da contabilidade na compreensão e gestão dos aspectos econômicos.

6.4 Referências

Dados obtidos no Sidra do IBGE: https://sidra.ibge.gov.br/tabela/4562