Uncategorized

R e o Oscar

Outro divertido.

Anúncios
Uncategorized

Preferências mudam?

Dinheiro para comprar mortadela era pouco e contado...tempos difíceis de alta inflação...
Dinheiro para comprar mortadela era pouco e contado…tempos difíceis de alta inflação…

Não para mim. Tomo dois exemplos:

a) Kare Raisu (Curry with Rice) – tradicional comida japonesa importada da Índia. A brasileirada não conhece muito porque acha que no Japão há ninjas andando nos telhados e só se come peixe cru. Anyway, minha mãe sempre fez esta comida, mas não era gostosa para mim. Depois que eu me casei, passei a adorar. Mas há uma diferença entre o mesmo prato feito pela mãe e pela minha esposa. Uma diferença que não conta a favor da minha mãe, neste caso.

b) Mortadela – sempre odiei. Mas minha sobrinha adora. Assim, ontem eu comprei na padaria. A moça partiu em fatias finas e, creio, é uma mortadela de qualidade superior às de meu tempo de infância. Para ser sincero, eu já havia experimentado a Ceratti lá no mercado municipal de São Paulo e havia gostado. Poderia até ser uma mudança de preferências, mas acredito que a qualidade mudou muito. Minha família nunca foi abastada e, portanto, nossa vida era mais regrada. Acho que nossa mortadela não era tão boa.

Assim, para mim, ainda vale a conclusão de que preferências não mudam. Sou um destes economistas mais tradicionais, eu sei. É a vida.

p.s. ok, vamos ser sinceros: 90% dos brasileiros não sabe o que é comida japonesa, o que é até bom…existe aí um mercado potencial. ^_^

Uncategorized

Outro exercício no R – boates e motéis (Teste J)

Em alguns posts anteiores, sobre numerário, usei os sub-índices do IPCA para ilustrar a idéia de numerário (você pode encontrá-los usando a caixa de busca no alto do blog).

Agora, vamos fazer outra brincadeira e praticar o R. Vamos olhar para os índices de preços de motéis e boates, ambos relativos ao IPCA. Primeiramente, vejamos os gráficos.

motel_real

 

boate_real

 

Ok, não parece haver problemas de não-estacionaridade na média de nenhuma delas. Obviamente, o leitor mais preocupado pode fazer os testes (o R tem uma boa biblioteca para isto). Mas nossa prática aqui é outra. Queremos ver como ver o gráfico de valores observados e previstos por um modelo e, também, queremos ver testes que comparem dois modelos distintos.

Então, vamos lá. Os dados, já carregados e transformados em séries de tempo foram, então, transformados em índices. Depois, normalizados pelo IPCA.

ipca.index<- (1+ipca/100)
motel.index<-(1+motel/100)
motel.real<-motel.index/ipca.index
boate.index<-(1+boate/100)
boate.real<-boate.index/ipca.index

Após dar uma olhada nos gráficos, resolvi testar estes modelos:

mod1 <- dynlm(motel.real ~ boate.real + L(motel.real))
mod2 <- dynlm(motel.real ~ boate.real + L(boate.real))

Repare que uso o pacote dynlm. Repare também que os modelos seriam idênticos, não fosse o fato de um deles usar como variável independente a primeira defasagem de motel.real e, o outro, a primeira defasagem de boate.real. Quando uso o pacote dynlm, posso usar o comando L(x,k) para colocar, na especificação da equação de regressão, a k-ésima defasagem da variável x.

Em seguida, carreguei o pacote lmtest que tem o teste que desejo ilustrar aqui. Vamos lá.

library(lmtest)
mod1 <- dynlm(motel.real ~ boate.real + L(motel.real))
mod2 <- dynlm(motel.real ~ boate.real + L(boate.real))

Caso você peça um sumário do modelo 1 (summary(mod1)), terá o seguinte resultado.

Time series regression with “ts” data:
Start = 1999(9), End = 2013(12)

Call:
dynlm(formula = motel.real ~ boate.real + L(motel.real))

Residuals:
Min               1Q               Median         3Q           Max
-0.071154     -0.006137     0.000340     0.006692     0.065225

Coefficients:
Estimate     Std. Error     t value     Pr(>|t|)
(Intercept)        1.13018   0.12933       8.739     2.25e-15 ***
boate.real         0.11918   0.11524      1.034     0.30252
L(motel.real)    -0.24960   0.07505     -3.326     0.00108 **

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.01652 on 169 degrees of freedom
Multiple R-squared: 0.06342, Adjusted R-squared: 0.05234
F-statistic: 5.722 on 2 and 169 DF, p-value: 0.00394

Claro, você pode ver o mesmo para o modelo 2. Bom, para verificar o ajuste dos modelos, graficamente:

plot(motel.real)
lines(fitted(mod1), col = 2)
lines(fitted(mod2), col = 4)

ajuste

 

Repare que ambos os modelos deram péssimos ajustes. Talvez o primeiro modelo (que usa a cor vermelha (col=2 no comando) seja o menos pior dos dois mas, honestamente, ambos os modelos estão bem distantes de uma reles noção visual de “bom ajuste”. Não importa. O ponto é: como comparar estes dois modelos? Devemos usar um teste de encompassing models. Os modelos são não-aninhados (um não é uma versão restrita do outro). O teste, de Davidson e McKinnon, está descrito aqui, já adaptado para R.

Vejamos um pouco da documentação:

To compare two non-nested models, the encompassing test fits an encompassing model which contains all regressors from both models such that the two models are nested within the encompassing model. A Wald test for comparing each of the models with the encompassing model is carried out by waldtest.

For further details, see the references.

Value

An object of class "anova" which contains the residual degrees of freedom in the encompassing model, the difference in degrees of freedom, Wald statistic (either "F" or "Chisq") and corresponding p value.

References

R. Davidson & J. MacKinnon (1993). Estimation and Inference in Econometrics. New York, Oxford University Press.

W. H. Greene (1993), Econometric Analysis, 2nd ed. Macmillan Publishing Company, New York.

W. H. Greene (2003). Econometric Analysis, 5th ed. New Jersey, Prentice Hall.

Esotérico? Então vamos ver o que ele faz:

encomptest(mod1, mod2)

Encompassing test

Model 1: motel.real ~ boate.real + L(motel.real)
Model 2: motel.real ~ boate.real + L(boate.real)
Model E: motel.real ~ boate.real + L(motel.real) + L(boate.real)
Res.Df Df F Pr(>F)
M1 vs. ME 168 -1 0.0513 0.82110
M2 vs. ME 168 -1 10.9072 0.00117 **

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Outra forma é fazer:

jtest(mod1, mod2)

O resultado:

J test

Model 1: motel.real ~ boate.real + L(motel.real)
Model 2: motel.real ~ boate.real + L(boate.real)

Estimate    Std. Error   t value     Pr(>|t|)
M1 + fitted(M2)         0.60309    2.66278     0.2265       0.82110
M2 + fitted(M1)         0.99691    0.30186     3.3026       0.00117 **

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

O teste J de McKinnon, então, usa o primeiro modelo incluindo os valores estimados de motel.real do segundo modelo. Caso o coeficiente da variável estimada seja diferente de zero, as evidências seriam favoráveis ao segundo modelo. O oposto também é feito para se verificar se há evidências favoráveis para o primeiro modelo.

Dos resultados acima podemos ver que, no primeiro teste, não encontramos evidências favoráveis ao modelo 2 (mod2), mas, sim para o primeiro modelo (mod1). Na primeira linha do teste, a inclusão do valor ajustado de motel.real por meio de mod2 não apresentou uma coeficiente estatisticamente significativo (logo, a hipótese mais favorável é que o modelo 1 seja o melhor). Na segunda linha, ao incluirmos o valor ajustado gerado pelo modelo 1 no modelo 2, o resultado foi que seu coeficiente foi estatisticamente significativo, reforçando o resultado anterior. Em resumo, mod1 é o menos pior nesta história. 

Você que já estudou Econometria I, certamente deve ter se perguntado várias vezes como comparar dois modelos distintos que buscam explicar o mesmo fenômeno. Bem, um dos passos nesta longa caminhada é o teste J. Claro, no caso de séries de tempo, como aprendemos em Econometria II, não dá para fazer apenas isto (ou você já se esqueceu da questão envolvida na discussão de tendências deterministas e estocásticas?).

No final, boates, motéis, nada ficou muito esclarecido quanto a eles. Talvez eu devesse ter feito o exercício para o preço de pão francês e o da linguiça. Ou não. Vai saber…

p.s. No Greene, o teste está muito bem resumido (seção 7.10.2), mas Davidson & McKinnon é sempre um bom livro-texto…

Uncategorized

Momento 日本語 do Dia

Considere esta frase, retirada desta notícia:

2014年は、4月の消費増税が波乱要因となる.
(2014-Nen wa, shigatsu no shōhi zōzei ga haran yōin to naru)
Literalmente: “Em 2014, o aumento do imposto sobre o consumo, em Abril, é o fator de turbulência”. O aumento (増税 = zouzei) do imposto sobre consumo (消費 = Shouhi) tornou-se o fator turbulento (波乱要因 = haran youin).

O legal é a etmologia da coisa. Digo, do “turbulento” (波乱 = haran ou melhor, “onda” + “guerra civil/caos”). Agora imagine a visão de ondas do mar super-agitadas. Não é o que passa pela sua cabeça quando te falam de um aumento de imposto?

Engraçado é que, como todos já sabem, provavelmente estas “ondas” já foram suavizadas, mas não deixa de ser uma imagem bem evocativa do que se espera de um aumento de imposto…

Uncategorized

Momento R – exercício para alunos de Econometria II

Eis meu incentivo para que os alunos usem R. Exercício empírico do Gujarati & Porter (5a edição), no caso, o de número 17.22. Trata-se de um modelo simples de investimento (acelerador, etc). Os comandos estão aí embaixo, cortesia do professor.

O gráfico abaixo é apenas para você conferir se os dados estão ok (não, para este eu não coloquei o comando aí embaixo, mas você não precisa que eu te ensine tudo, né?).

gujarati17_22

Depois que você aprender, faça os outros por conta própria. O monitor, o Victor, cuidará de auxiliá-lo em suas dúvidas. Assim, eis meu presente de Carnaval para você:

# Exercício 17.22 Gujarati (em R)
# Bases de dados disponiveis para download em:
# http://highered.mcgraw-hill.com/sites/0073375772/student_view0/data_sets.html

# copie cabeçalho e dados. Então…

base <- read.table(file = “clipboard”, sep = “\t”, header=TRUE)

# checando se está tudo ok (obviamente, olho no livro para ver se ok)

head(base)

# transformando em series de tempo

y<-ts(base$Y, start=c(1970),freq=1)
x2<-ts(base$X2,start=c(1970),freq=1)

# visualizando

plot(y)
plot(x2)
plot(y,x2)

# para usar o ajuste parcial, ver cap.17.
# equação a ser estimada é um ADL(1,0)
# invocando o pacote dynlm (já instalado, senão, instale)
# para instalar, tire o “#” da próxima linha
#install.packages(“dynlm”)

library(dynlm)

investimento <-dynlm(y~x2+L(y,1),data=base)
summary(investimento)

# podemos visualizar alguns testes de diagnóstico
# o exercício não pede, mas fica por sua conta pesquisar sobre
# cada um deles.

plot(investimento)

# encontrar a função de longo prazo é fácil, uma vez que você
# precisa apenas rever sua álgebra quando aplicou o modelo de
# ajuste parcial.

# o exercicio pede que se obtenha o h de Durbin.
# o comando str(investimento) nos mostra o que podemos
# extrair de “investimento”, nossa regressão.
# por exemplo:

str(investimento)

# repare que podemos extrair os residuos da regressao usando

meuresiduo<-investimento$residuals

# veja:

show(meuresiduo)

# ou peça o plot. Seguindo, note que se tem T = 22 (número de observacoes
# da amostra (a regressao usou 21 observações!).

library(lmtest)

dwtest(investimento)

# Com o valor do d (1.5186), pode-se construir a formula e obter o h de Durbin
# tal e qual se pede no exercicio.

# repare que o livro nos dá o h de Durbin com o número total de observações
# não com o número total de observações usado na estimação, ok?

h <- (1- (1.5186/2))*sqrt((22/(1-(22*(0.11486)^2))))

h

Ah é, a literatura recomenda que se use o teste de Breusch-Godfrey, ao invés do teste “h” de Durbin. Então, se eu fosse você, daria uma olhada nisto. O pacote lmtest, que usei aí em cima, tem o teste. Eis minha dica para você (minha segunda dica hoje…).

Novos usuários do R que não sejam meus alunos certamente vão se divertir. Caso usem esta rotina, peço a gentileza de me comunicarem nos comentários. Até a próxima.

Uncategorized

Abenomics ou não?

Domingo de manhã é um bom dia para falar de dois assuntos interessantes: língua japonesa e economia. Bom, pelo menos eu achei que era. De qualquer forma, vamos ao nosso pequeno texto (com desenho…digo, mapa!).

abenomicsornotDia 28 último saiu o relatório sobre a situação econômica regional do Japão. Não houve muitos comentários porque pouca gente fora do Japão se interessa pela questão regional…do Japão. Rapidamente, vamos para nossa prática de língua japonesa com meus comentários para ajudá-lo.

Na legenda do mapa, temos o que está acontecendo na economia japonesa conforme as regiões. Na ordem:

・着実に回復している - 沖縄
Chakujitsu ni kaifuku shite iru – Okinawa

Em outras palavras, a região de Okinawa vem se recuperando gradualmente, progressivamente (chakujitsu ni = progressivamente, kaifuku suru = recuperar. No caso, está em forma de gerúndio “-shiteiru”).

・回復している - 東北、東海
Kaifuku shite iru – Tōhoku, Tōkai

Para região de Touhoku (que sofreu com o tsunami de 2011) e Toukai (que não sofreu com o tsunami e, no mapa, é a área rosa menor, mais no centro do arquipélago), temos recuperação (kaifuku).

・緩やかに回復している - 北陸
Yuruyaka ni kaifuku shite iru – Hokuriku

Recuperação mais lenta (yuruyaka ni) na região de Hokuriku.

・緩やかに回復しつつある - 北関東、南関東、中国、四国、九州
Yuruyaka ni kaifuku shitsutsu aru – Kitakantō, Minamikantō, Chūgoku, Shikoku, Kyūshū

Para toda estas regiões mais centrais, recuperação lenta.

・持ち直している - 北海道、近畿
Mochinaoshite iru – Hokkaidō, Kinki

As regiões do extremo norte, Hokkaidou (a grande ilha lá no norte) e Kinki (já no centro sul do arquipélago) estão melhorando (no sentido de “improve”, “pick up”). Repare que, curiosamente, a legenda é um amarelo que, no mapa, está mais para um bege ou algo menos intenso.

Pois é. Você achava que o Japão era apenas um pedaço (ou vários pedaços) de terra com um monte de japoneses lá, não é? Bem, ainda é isso, mas a diversidade regional é notável. Você tem um norte e um sul bem menos desenvolvidos do que a parte central. Também há uma diversidade linguística que poucos parecem conhecer ou apreciar (hoje em dia, por conta da imensa comunidade de descendentes da região de Okinawa no Brasil, já se conhece um pouco sobre a questão da língua falada por lá antes da anexação lá em algum momento passado da história japonesa). Mas há muito mais do que isto e pesquisar sobre o tema é relativamente fácil.

Mas voltando ao tema da economia, muita calma antes de dizer que a economia está se recuperando por causa da política econômica do Primeiro-Ministro Abe. Como citei aqui outro dia, há um interessante artigo (Hayashi, T. “Is it Abenomics or Post-Disaster Recovery? A Counterfactual Analysis”, International Advances in Economics Research, 2014, v.20, p.23-31) que discute exatamente este problema de discernir, estatisticamente, uma coisa da outra.

Para onde vai a economia japonesa? Bom, por enquanto, tudo o que eu posso dizer é que a expectativa do aumento no imposto sobre consumo (citada no relatório, segundo meu pouco conhecimento da língua japonesa) é uma preocupação. Como já comentei antes por aqui (use a caixa de pesquisa lá no alto e busque “Abenomics”, caso queira ver o que eu disse), o problema está não apenas na questão intertemporal do impacto do aumento do imposto, mas também no problema dos salários nominais cujo aumento, caso haja, certamente (“certamente” é um tanto quanto forte, mas vamos lá…) não será generalizado para todos os setores da economia japonesa.

Um ex-aluno meu, o Igor, perguntou-me na terça-feira, sobre o porquê desta minha insistência (tara, fascinação, obsessão, etc) pela Abenomics. Olha, a resposta mais simples é que o Japão. Como não se sentir atraído por uma economia tão interessante? Ou pode ter a ver com alguma busca de raízes (freudianos, trabalhem!). Ou, simplesmente, porque eu escolhi o tema para praticar um pouco e aprender a usar alguns comandos do R. Talvez tenha sido o tema em uma das aulas de língua japonesa e e eu resolvi praticar. Realmente não sei como comecei com isto. Mas uma coisa eu sei: não vou parar tão cedo.

Uncategorized

Momento R do Dia

Na verdade, um texto interessante, que advoga o uso do R Markdown no ensino de Estatística. Talvez os professores de Estatística da nossa faculdade achem interessante. Você consegue acesso ao texto aqui.

Mas o que é R Markdown?

Melhor ver a descrição feita pelo pessoal do RStudio:

R Markdown enables easy authoring of reproducible web reports from R. It offers:

  • Easy creation of web reports from R that can be automatically regenerated whenever underlying code or data changes.
  • A highly accessible syntax (markdown) which lower the barriers to entry for reproducible research.
  • Output of a standalone HTML file (with images embedded directly in the file) that is easy to share using email, Dropbox, or by deploying to a web server.
  • Support for publishing dynamic and interactive web content.

This article includes an overview of how to use R Markdown within RStudio. For more specific details on syntax and implementation, see the R Markdown article.

O que o R Markdown faz? Primeiramente, ele não é um editor de texto. Nem uma planilha, ou um editor de slides. Não há “efeitos e animações”, exceto se você programar algum, claro. O que ele faz é gerar, em um único documento, a união de seus comandos no R e resultados do trabalho.

O artigo citado busca convencer o leitor da superioridade do R Markdown sobre algumas outras opções existentes (poucas, até onde sei), mas não creio que seja preciso argumentar muito (dá uma lida no artigo e veja se concorda comigo). Vantagens e limitações sobre seu uso são discutidas, bem como experiências em duas universidades.

Mas por que os autores se preocupam tanto com esta história de reproduzir resultados? 

Os autores apontam vários problemas ao tentarem avaliar trabalho de alunos porque os mesmos não são reproduzíveis (um problema comum e importante para professores de disciplinas similares como Econometria, Psicometria, etc). Por exemplo, o que há de errado em “copiar-e-colar” resultados do programa econométrico no editor de texto e entregar apenas o resultado? Cito um trecho (negrito por minha conta):

Since the commands used to generate the statistical output are not present in the final presentation, then either: a) the reader must assume that the student has calculated exactly what they say they have calculated, since there is no way of verifying the computation; or b) the grader must rely on the student to also copy-and-paste the commands used to generate the analysis. In either case, it will frequently be the case that the grader will be unable to completely follow the student’s work. Moreover, the issue of reproducibility is relevant not only for a second-party (i.e. a grader), but also for the student. Being able to retrace steps while studying for a fi nal, for example, is a desirable outcome. More concretely, the student may be reminded years later of the analysis, and seek to reapply the same methods in a diff erent setting. Having the commands separated from the results inhibits this process.

Ou seja, como o estudante vai aplicar o que aprendeu (supondo que foi honesto e não copiou o trabalho alheio) se só guardou o trabalho final? Das duas uma: ou copiou de alguém, ou é muito besta de não salvar todos os comandos pois, no final das contas, é isto que o ajudará em aplicações práticas, no futuro.

Não só isso.

Second, the separation of computation from analysis is not logical. The commands in an R script proceed chronologically, such that the analyst will most likely run the entire script all at once. A written report will be read in the same order, and there is no reason why the commands and analysis should not be interwoven.

Outra excelente observação, mas que não requer muitos comentários da minha parte. Mais importante, contudo, talvez seja o problema ético e suas consequências indesejáveis não apenas deste ponto-de-vista (novamente, negrito por minha conta):

Third, the separation of computing from presentation is not necessarily honest. At Smith College, a strict honor code – to which all students are bound – discourages cheating. But it is all too easy for a student copying-and-pasting output from one program to another to fudge a few numbers. Again, the divorce of the computation from the presentation enables the student to edit the content along the way. The possibility of getting “lost in translation” is disastrous for the data analyst. More subtly and less perniciously, the copy-and-paste paradigm enables, and in many cases even encourages, selective reporting.

 

Pois é. A questão científica novamente. No semestre passado, por exemplo, mostrei que a Econometria não é um exercício de “sempre-não-rejeitar-minha-hipótese”, pedindo que fossem estimadas três ou quatro funções consumo para a mesma base de dados. Com todos os problemas (gente que pegou o código e replicou sem pensar, etc), pelo menos um deles evitei: o da seleção de resultados reportados. Nem todos os alunos parecem ter se dado conta (ou apreciado) disto, mas, em algum tempo mais adiante, vão, na prática, sentir os efeitos disto, o que já está ótimo para mim.

Concluindo…

Fortemente sugiro que, se você gostou do que leu, faça um passeio pela página do RStudio que apresenta o R Markdown. Como relatei lá no Nepom, minha monitora de Microeconomia, por exemplo, não usa o R Markdown, mas já faz gráficos interativos como estes. Claro, lá você vai descobrir também o R Pubs, que pode ser útil para seus trabalhos.

Nunca usei o R Markdown em trabalhos de Econometria e talvez o Victor, o monitor da disciplina, ache isto interessante. Digo, talvez os dois monitores de, respectivamente, Econometria I e II, pensem que isto possa ser interessante. Talvez meu colega, professor de Econometria I, também ache, embora ele não use o R, o que não o impede de compartilhar comigo (e, de fato, ele compartilha) a visão de que que resultados de trabalhos estatísticos ou econométricos devem ser reproduzíveis.

Mas, você, usuário de Econometria, deveria considerar alguma forma de registro decente (não aquele amontoado de comandos dos quais você não se lembra depois) dos comandos que usa para gerar resultados para este ou aquele trabalho. Seja ou não com o R Markdown, como os autores ressaltaram, a vantagem para você, no final, é muito maior do que para nós, professores. Afinal, nunca se sabe o dia de amanhã e seu emprego confortável hoje pode dar lugar a um outro no qual você tenha um uso lucrativo de uma vantagem comparativa simples como a de saber usar o R.

Uncategorized

Mantega pode ser o melhor aliado dos inimigos do BigMac?

Ok, você já conhece o índice BigMac e sabe que os dados estão disponíveis para uma pesquisa rápida. O José comentou sobre o índice lá no Nepom. Mas vamos olhar algo mais simples como o preço do Big Mac em reais mesmo.
Mês    local_price (R$)
4/2000     2.95
4/2001     3.60
4/2002     3.60
4/2003     4.55
5/2004     5.40
6/2005     5.90
1/2006     6.20
5/2014     6.40
1/2007     6.40
6/2007     6.90
6/2008     7.50
7/2009     8.03
1/2010     8.20
7/2010     8.71
7/2011     9.50
1/2012    10.25
7/2012    10.08
1/2013    11.25
7/2013    12
1/2014    12.4

Os dados eram medidos anualmente e, mais recentemente, duas vezes ao ano. Curiosamente, há uns valores que não parecem refletir o preço de tabela do lanche (como R$ 8.71 em julho de 2010). Seja como for, nos 20 anos de Plano Real, percebe-se que a colaboração dos últimos três governos não tem sido lá muito favorável à estabilidade de preços do sanduíche.

Claro que não podemos dar todo este mérito ao governo pois considerações de oferta e e demanda são importantes e, vai saber, os custos podem ter aumentado a despeito das ofensivas de burocratas da área da saúde sobre os sanduíches, por exemplo.

Mesmo assim, o aumento de preços mostra que o ministro Mantega não é de todo um sujeito mal intencionado: ele pensa na dieta das crianças. O moleque pagava R$ 2.95 em 2000 e hoje paga R$ 12.4 pelo mesmo sanduíche. Quer melhor desincentivo para o consumo de BigMacs do que este? Pode mandar embora centenas de funcionários do Ministério da Saúde que uma inflação destas tem o mesmo efeito sobre a saúde pública a um custo bem menor.

Tudo bem que o preço dos outros alimentos aumentou, mas eu queria livrar a cara da equipe econômica aqui. Puxa, não deu certo. Foi mal, governo. Fica para a próxima.