Aqui não há crise: quem sou eu?

guess

Adivinhe que série é esta para a qual não há crise. Tirei daqui. Enquanto pensa, ouça esta relaxante melodia. Sim, série de dados brasileira.

Anúncios

Belo Horizonte continua muito pouco eficiente: o caso da lei do preço único

Fullscreen capture 9302015 51536 PM-001

Carlos Góes, que também é do ótimo Mercado Popular, tem um trabalho interessante (é um working paper do FMI). A idéia é bem simples (o que não quer dizer que o trabalho seja fácil): testar a famosa lei do preço único para as regiões metropolitanas brasileiras.

Na figura acima, um de seus achados. Ele mesmo, e seu co-autor, explicam:

Figure 3 shows how the persistence of price level deviations varies across cities. Tradable price divergences range from a maximum of 17 months in Belo Horizonte to a minimum of 10.8 months in Curitiba. By contrast, non-tradable price divergences vary from 23.8 months in Salvador to 15.5 months in Belem. The standard deviation of half lives averages between cities is and months for tradables and non-tradables, respectively. There seems to be no overarching pattern in the distribution of half lives, suggesting a potential avenue for further research.

Como você pode imaginar, leitor, quanto mais lenta a convergência, maiores as suspeitas de que os mercados não funcionam de forma eficiente. Belo Horizonte – meu local de nascimento – aparece em primeiro lugar. Por conta de todas as anedotas que me passam pela cabeça (sem falar no path dependence detectado no importante artigo do Rodrigo Soares, Juliano Assunção e Joana Naritomi), eu não consigo imaginar como isso não estaria uma evidência da pouca eficácia do funcionamento dos mercados na capital da terra do pão de queijo. ^_^

Momento R do Dia – Por que o exercício abaixo está errado?

O código é simples:

library(fpp)
trend<-1:1827
summary(lm(realdolar~trend))

O resultado está aqui:

Call:
lm(formula = realdolar ~ trend)

Coefficients:
(Intercept) trend
1.4279854 0.0007913

> summary(lm(realdolar~trend))

Call:
lm(formula = realdolar ~ trend)

Residuals:
Min 1Q Median 3Q Max
-0.34958 -0.11188 -0.02086 0.08213 0.76949

Coefficients:
Estimate       Std. Error    t value    Pr(>|t|)
(Intercept)    1.428e+00    8.822e-03   161.86    <2e-16 ***
trend             7.913e-04    8.360e-06     94.65    <2e-16 ***

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

Residual standard error: 0.1885 on 1825 degrees of freedom
Multiple R-squared: 0.8307, Adjusted R-squared: 0.8307
F-statistic: 8958 on 1 and 1825 DF, p-value: < 2.2e-16

Quem estudou um pouco de Econometria de Séries de Tempo sabe que esta regressão está errada. A propósito:

cambio_bresser

Pois é. Não vá me fazer uma bobagem com a econometria, heim?

p.s. Os dados do câmbio vieram do pacote quantmod. Vai lá se virar para aprender, vai.

Dessazonalizar ou não dessazonalizar: eis a questão!

Fullscreen capture 9142014 90749 AM

Outro dia eu falei sobre o PIB mensal (lá no blog do Nepom). Lá, comentei que havia algo engraçado na série: dessazonalizada, mas com sazonalidades. Nada que uma boa pesquisa não esclareça. O prof. Dave Giles já havia citado o problema em seu blog e eu o citei aqui. Em outro momento da blogosfera nesta semana, o Vitor comentou o mercado de trabalho, novamente, destacando sua sazonalidade

O ponto importante é que sazonalidade é algo que merece um tratamento próprio. Obviamente, qualquer um que queira analisar as séries com muito cuidado não pode deixar de considerar o problema que os métodos automáticos de dessazonalização causam (o ponto do prof. Giles). Em princípio, a regra simples é:

a) É só um relatório para ver tendências? Então use um destes filtros (estude um pouco para saber qual é o mais adequado) e não se esqueça de especificar o filtro utilizado.

b) É para previsão? Aí, meu amigo, não pode dessazonalizar. Tem que tentar modelar a sazonalidade. Qualquer curso básico de Ciências Econômicas que procure fornecer ao aluno ferramentas úteis em um mercado de trabalho cada vez mais competitivo tem, em seu currículo, disciplinas relativas à Econometria de séries de tempo (a própria existência do livro do Bueno é uma prova de que cursos assim existem) e, claro, lá você encontra tópicos relacionados à sazonalidade.

c) É apenas um trabalho descuidado, para tirar uma nota média razoável, beirando ali uns 7.5 ou 8 pontos em 10? Apenas dessazonalize e cite o método. Não se preocupe muito com explicações. Claro, se o professor perguntar, a nota será menor do que 7.7 ou 8, mas eu avisei.

Claro, o conselho é sempre o mesmo: não seja um peitica e estude.

p.s. Não resisti…era tão barato…comprei este livro, seguindo a dica do Laurini. Criador do XKCD? Não será leitura tão fácil, mas com um autor destes (e um cara como estes recomendando…).

Que ótima notícia

Esta aqui.

April 2, 2014
The time-series data of responses to the regularly asked questions in the Opinion Survey on the General Public’s Views and Behavior are now available in English on the Bank’s web site.

Infelizmente, a série é curta (você consegue abrir o link do arquivo csv direto no Excel). Mas já é alguma coisa. ^_^ Só para você ver uma parte da pesquisa (no item: Present Economic Conditions Compared with One Year Ago)

abenomics6

Aparentemente, o otimismo voltou à economia japonesa. Então são duas ótimas notícias: mais uma base de dados disponível e a felicidade da população de um país com a economia. Vamos ver até quando vai durar este casamento com a Abenomics.

A escassez de séries de tempo políticas no Brasil…e a (óbvia) relação entre desemprego, inflação e popularidade dos políticos

Estava procurando uma base de dados de popularidade presidencial para fazer um exemplo para meus alunos de Microeconomia III (isso mesmo, você não leu nada errado). Não deu outra: em português, quase nada. Em inglês, descobre-se quem tem alguma coisa.

Então descobri uma dissertação de mestrado em Ciência Política na qual o autor constrói a série. Infelizmente, ele não disponibilizou os dados e, assim, não posso sequer replicar seu estudo. Claro, uma opção é pedir-lhe a base, mas há um outro ponto a se destacar: a escassez de séries de tempo em Ciência Política no Brasil é um sintoma sério de que ainda é preciso muito trabalho para se entender os fenômenos sociais por aqui.

O trabalho do autor é muito interessante. Não é todo dia que vejo alguém da Ciência Política brasileira tentar tratar dados de maneira adequada, usando, por exemplo, testes de raiz unitária. Há alguns, eu sei, mas não os conheço (sequer conheço o autor desta dissertação, por exemplo).

Mas o melhor, para mim, foi constatar que minha tentativa de procurar a série certamente fazia todo sentido. Por que? Bem, veja o que ele conclui:

Quanto aos resultados, encontrou-se que a opinião pública brasileira avalia o trabalho do Presidente a partir do bom desempenho da inflação e do desemprego, sob influencia extraordinária do cenário político. Eventos como mensalão e o apagão tiveram efeitos destacados.

Exatamente. Eu queria fazer um exemplo simples relacionando inflação, desemprego e alguma medida de bem-estar. Como sabemos, isto não é tão fácil. Então eu, pensando naquela idéia antiga e simples de curvas de isovoto, pensei em fazer um exercício que vi, certa vez, na revista Conjuntura Econômica, construindo uma função de utilidade simples. Claro que meu medo era de que as variáveis não tivessem um ajuste bom. Bem, o autor resolveu meu problema. Eu só queria mesmo, agora, era ter acesso aos dados para fazer o exemplo, mas fica para outra vez.

Curiosamente, a dissertação não menciona se houve ou não tentativa de se construir um modelo dinâmico para se medir impactos de curto e longo prazo entre as variáveis (na tradição do VAR com cointegração). Imagino que o tema deve ter sido citado na defesa.

Agora, vejam só, o insight da curva de Phillips – que o ex-presidente negou e depois desmentiu que negou (errar é humano, errar como ex-presidente famoso é menos humano: pega mal, né?) – está lá, bonitinho, bonitinho. Tá tudo lá: desemprego, inflação e popularidade. Quem diria, heim?

p.s. enquanto isto, nos EUA…

Recessão? O IBC-Br

PaperArtist_2014-02-15_09-43-20O que vem a ser o IBC-Br? Diz o Estadão:

Chamado de ‘PIB do BC’ e considerado um termômetro para o resultado do Produto Interno Bruto (PIB), o Índice de Atividade Econômica do Banco Central (IBC-Br), divulgado nesta sexta-feira, 14, aponta para um crescimento de 2,52% da economia brasileira em 2013.

Ele é chamado de ‘PIB do BC’ porque, supostamente, tem uma forte aderência com o PIB. Isto é verdade? O Vitor Wilher mostrou que evidências de que, sim, é (neste post).

Para saber o que é o IBC-Br, bem, a gente vai até a fonte. Eis a definição:

Índice de Atividade Econômica do Banco Central – Brasil. Desde 2010, retroagindo a janeiro de 2003, o BC divulga o IBC-Br. Esse índice, de periodicidade mensal, é uma medida antecedente da evolução da atividade econômica. Incorpora estimativas para a agropecuária, a indústria e o setor de serviços, assim como os impostos sobre os produtos. É, portanto, um indicador que incorpora a trajetória de variáveis consideradas como proxies (medidas aproximadas de outras) para o desempenho dos três principais setores da economia.

Ninguém sabe exatamente porque o índice parou em 2003, se por motivos políticos ou técnicos (metodologia de cálculo aqui, ainda que pouco detalhada). Vamos dar uma olhada na série sem aplicação de métodos de dessazonalização (para facilitar a visualização, dividi em dois períodos a amostra, só para os movimentos da série ficarem mais óbvios).

IBC_Br1

O leitor pode observar que o índice tem uma suave tendência de crescimento desde o início da série, além de movimentos sazonais bem marcados. As causas destes movimentos sazonais, claro, devem ser buscadas nas séries que compõem o indicador (olhe lá na metodologia).

Uma série sazonal?

Para aqueles mais aficcionados da Econometria, eis como fica a série quando lhe aplicamos um filtro de decomposição para separar, especificamente o efeito sazonal.

exemplo_sazonal

Você percebe que a série dessazonalizada é mais “suave” do que a série original (em azul), não? Obviamente, eu não apliquei o mesmo método de dessazonalização do pessoal do Banco Central (um X-12, se entendi corretamente a nota de rodapé do texto explicativo), mas dá para se ter uma idéia de para onde vai a série, não?

Mesmo usando um método de dessazonalização diferente, podemos ver que o mesmo faz efeito. Por exemplo, considere o gráfico das médias mensais que já usamos em outros posts.

ibc_br_sazonal

No primeiro gráfico temos a série original e, no segundo, a série dessazonalizada. Percebe-se que o efeito sazonal na média diminuiu consideravelmente. Isso mostra porque analistas gostam de divulgar séries dessazonalizadas: eles têm um problema a menos para explicar que são os ciclos sazonais.

Alguns pontos para se lembrar (se você gosta de detalhes)

Pois é. Agora, vamos nos ater a uma questão que o Vitor citou no seu post (citado acima). Ele se perguntou o que acontecia com a relação entre o IBC-Br e o PIB. Bem, ele tem, na verdade, dois problemas. O primeiro pertence à literatura dos chamados indicadores antecedentes. Ele quer saber, por exemplo, se uma série antecipa os movimentos da outra. Esta é uma questão.

Mas ele tem um segundo problema: como comparar dados em frequências distintas? Afinal, o PIB é trimestral e o IBC-Br é mensal, certo? Neste caso, você não pode comparar as séries. Claro que alguém pode querer fazer como aprendeu lá no 1o ano da faculdade e calcular uma média móvel. Não está errado, mas não é a única forma. Por exemplo, neste texto, você encontra dicas de como fazer para converter dados trimestrais em mensais (algo mais aqui e aqui). Ah sim, e é bom lembrar que é melhor não criar pseudo-ciclos com a conversão (não me lembro onde li isto, mas algo me diz que não estou errado). De qualquer forma, esta história de mudar a frequência de uma série pode ser tão complicada quanto se queira.

Aos que gostam de análise de regressão, eu já não recomendo que se faça uma regressão destes dados com a PIM-PF, por exemplo. Afinal, o IBC-BR já é construído a partir da PIM-PF e, portanto, a regressão não vai dizer muita coisa. Muito mais razoável é pensar em ambas como proxies uma da outra. Na verdade, o pessoal, em geral, usa o IBC-BR como proxy do PIB como explicado pelo Vitor e pelo pessoal do Banco Central.

Recessão? 

Não sei se vamos para uma recessão e nem vou fazer um ajuste de um modelo ARIMA aqui. Mas sei que, quando eu disse ao pessoal do Nepom que eu queria de algum deles um comentário sobre o IBC-Br, eu tinha em mente algo similar ao que fiz neste breve texto.

Para se analisar a questão da recessão, creio, o melhor é conjugar a análise destes dados com outras séries importantes. Acho que o pessoal do Nepom vai mostrar um pouco deste tipo de trabalho na próxima apresentação (sim, é aberta ao público), dia 25 de Fevereiro, lá na faculdade. Geralmente começa às 16:00 horas.

Consumo e Renda no Japão (2004-2010) – outra discussão de Econometria Aplicada

Vamos falar de consumo e renda hoje. Aliás, vamos falar de função consumo. Vamos aproveitar a boa vontade do Statistics Bureau do governo japonês e aproveitar a oportunidade para fazer uma reflexão sobre a mais famosa das funções em Ciências Econômicas desde Keynes: a função consumo. Para os aficcionados do gênero, nada mais importa na vida se você não observar esta coisinha aqui: Ct = a + bYt + εt, no qual nosso último termo é o famoso erro aleatório lá dos livros de Econometria.

Então segura que vem mais Econometria!

Os dados, da tabela 20-6, são referentes aos gastos e renda das famílias (Average of Monthly Income and Expenditures per Household (Workers’ Households) de todo o país. A série só é contínua (dados mensais) a partir de 2004. Assim, nossa análise se inicia neste ano. Antes de mais nada, vejamos o gráfico de nossas séries (trabalharei com apenas duas delas).

japao_consumo_Familias

Nada como uma economia estagnada, não? Sem muito rigor, percebe-se que as séries todas giram em torno das respectivas médias que, por sinal, parecem relativamente constantes (alguém diria: a série parece ser estacionária). A economia japonesa, aliás, está estagnada? Julgue você mesmo pelo gráfico abaixo (gerado com os dados do FED).

Embora os dados sejam distintos, dá para se ter uma idéia de como a vida de uma família mediana tem sofrido em termos de consumo. Não daria mesmo para esperar uma renda média crescente ao longo do tempo. Eis aí um aspecto qualitativo da estacionariedade de uma série: ninguém gosta de renda estacionária, mas sim de renda com tendência de aumento. Enfim, vamos em frente.

Olha a sazonalidade….será?

Os dados aparentam ter algum aspecto sazonal? É difícil ver pelos seis gráficos anteriores. Então, novamente, façamos uso do bom e velho gráfico da sazonalidade, intuitivo e simples. Neste post farei uso de duas das variáveis acima: gastos em consumo e salários. Eis os gráficos pertinentes.

wage_sazonal cons_sazonal

A evidência de que há sazonalidade parece ser justificada (alguém poderia querer usar os famosos gráficos das funções de autocorrelação e autocorrelação parcial e, creio, é uma boa idéia).

Então veio a hora: vamos ver a função consumo? Consumo em função da renda. A teoria me diz que devo considerar apenas as duas variáveis, mas minha análise dos dados da amostra me diz que devo olhar para a sazonalidade. Uma forma simplificada – e nem sempre correta – de analisar a sazonalidade é usar dummies sazonais. Bem, no quadro abaixo, a coluna (2) nos dá os resultados da regressão linear incluindo as dummies.

sazonalidade_e_tendencia_fazem_falta

Bom, eu sei que há várias observações – e não me refiro ao número de observações da amostra – a serem feitas aqui. Primeiro, para os que adoram um R ao quadrado, bem, reparem como a sazonalidade não pode ser desprezada. A regressão sem as dummies sazonais tem um R ao quadrado bem baixo (ajustado por graus de liberdade ou não).

Mas este ajuste não nos diz muita coisa se os resíduos da regressão não se aproximarem de algumas hipóteses, uma delas, a de normalidade. Abaixo, vemos como os resíduos das duas regressões se comportam com respeito a uma distribuição Normal teórica (os famosos gráficos Q-Q).

residuos_r

residuos_r2

Pode não ser a distribuição mais normal do mundo, não é? Em termos de autocorrelação dos resíduos, sob a hipótese nula de que a mesma é de primeira ordem, aplicando um teste de Breusch-Godfrey, obtemos um resultado que diferencia mais ainda as duas regressões. No primeiro caso, temos uma alta probabilidade de se rejeitar esta hipótese, ao contrário da segunda regressão (a que inclui as dummies sazonais).

Então, à primeira vista, parece haver um trade-off entre os modelos. No primeiro caso, não se consegue captar os efeitos sazonais com exatidão. No segundo, temos um padrão de autocorrelação que não deveria estar nos resíduos. Você pode visualizar isto nas funções de autocorrelação dos resíduos das respectivas regressões. Eles estão a seguir.

acf_residinicial

acf_resid2

Viu só como estas coisas não são assim tão simples? Veja só o aspecto da sazonalidade. Uma coisa que fizemos foi supor que ela é aditiva. Cada efeito mensal se soma ao anterior. Entretanto, ela não precisa ser assim, como nos ensinam lá nas aulas sobre modelos ARIMA com sazonalidade (SARIMA).

Então, uma opção seria estimar uma espécie de função consumo dentro deste arcabouço (as chamadas funções de transferência). De certa forma, isto equivale a estimar um modelo autoregressivo com defasagens distribuídas (ADL). Para mais detalhes, veja o que se diz aqui: um modelo ADL com uma suposta estrutura racional para as defasagens equivaleria a uma função de transferência. Caso você não queira detalhes técnicos, apenas imagine que estou, pragmaticamente, tentando captar a autoregressão incluindo-a como uma variável defasada na minha equação estimada (2) da tabela acima.

Fazendo isto, obtenho uma nova função consumo e os erros parecem não possuir autocorrelação de primeira ordem. A regressão é esta:

consumo_japao_com_ar

Repare que, neste modelo, a propensão marginal a consumir no longo prazo é bem baixa (0.167/(1-0.408)) = 0.28. Assim, um aumento de 1 Yen no salário geraria um aumento de consumo de 0.28 centavos de Yen.

A volta da prática para a teoria…e vice-versa

Ok, estimamos a função e, pensando apenas no problema de auto-correlação, incluímos a variável dependente defasada. O leitor mais chegado na teoria vai me perguntar: mas e agora? Isto aí “representa” alguma teoria sobre o consumo?

Para nossa sorte, sim. Esta função consumo pode ser encarada como a contrapartida empírica do modelo da função consumo sujeito à existência de hábito (inércia no consumo). Charemza & Deadman (2002) mostram que este modelo é derivado a partir da seguinte estrutura:

Cdt = a + bYt

Ct – Ct-1 = (1-γ)(Cdt – Ct-1) + ut

Cd é o consumo desejado, ut é um erro aleatório e, claro, 0 < γ <1 é um parâmetro que ilustra o “hábito”. Em outras palavras, a variação do consumo é uma função da diferença do consumo desejado e do consumo efetivo passado sujeito, obviamente, a um erro aleatório aditivo.

Quando você resolve este sistema – você tem que fazer isto para fazer com que a variável não-observável, Cd, desapareça (por que? Porque você não tem dados da mesma para estimar) – você encontra a seguinte função consumo:

Ct = (1- γ)a + γCt-1 + (1- γ)bYt + ut.

Não é preciso pensar muito para ver que a inclusão das dummies sazonais apenas controlam o efeito da sazonalidade e nossos parâmetros seriam:

(1- γ)a = 45.217

γ = 0.408

(1- γ)b = 0.167

Logo, a = 76.38 e b = 0.28. Note que a propensão marginal a consumir, no curto prazo, não é tão diferente daquela de nossa equação (2). Também observe que só conseguimos obter os parâmetros estruturais porque estimamos a sua forma reduzida (em português: estimamos a forma reduzida da função consumo algebricamente obtida a partir das duas equações estruturais deste modelo e, com os parâmetros estimados desta forma, conseguimos obter os parâmetros da forma estrutural).

Aliás, um modelo estrutural bem maior e mais complicado, para a economia japonesa é este.

Bom, mas o que dizer de nossos resultados? Longe de mim reinvindicar algo além de um exercício para discussão de econometria aplicada. Mas considere este texto para discussão Carroll (2000), em sua versão preliminar, no mesmo ano, no NBER. Digo, considere o resumo.

‘Risky Habits’ and the Marginal Propensity to Consume Out of Permanent Income, or, How Much Would a Permanent Tax Cut Boost Japanese Consumption?
Christopher D. Carroll
NBER Working Paper No. 7839
Issued in August 2000
NBER Program(s): ME PE
Papers in variety of disparate literatures have recently suggested that habit formation in consumption may explain several empirical puzzles, ranging from the level and cyclical variability of the equity premium (Abel (1990,1999); Constantinides (1990); Jermann (1998); Campbell and Cochrane (1999)) to the excess smoothness’ of aggregate consumption (Fuhrer (2000)) to the apparent fact that increases in economic growth cause subsequent increases in aggregate saving rates (Carroll and Weil (1994); Bosworth (1993); Attanasio, Picci, and Scorcu (2000); Rodrik (1999); Loayza, Schmidt-Hebbel, and Serv‚n (2000)). This paper examines an implication of these models that has mostly been overlooked: Habits strong enough to solve these puzzles imply an immediate marginal propensity to consume out of permanent shocks of much less than one. When the model is calibrated to roughly match the rise in the Japanese saving rate over the postwar period, it implies that the immediate MPC out of permanent tax cuts may be as low as 30 percent, suggesting that calls for permanent income tax cut as a quick means of stimulating aggregate demand in Japan may be misguided.

Ou seja, o autor diz que a propensão marginal a consumir em modelos com “hábito”, neste caso, pode ser bem baixa e ainda faz uma ligação muito simples e interessante com o que falo sobre mudanças permanentes e temporárias nas aulas de Análise Macroeconômica IV.

Coincidência ou não, nosso exercício também nos deu uma propensão marginal a consumir baixa. Legal, não? Torço sempre para que estas coisas não sejam coincidências…

Tá, e agora?

Agora o negócio é trabalhar. Bom, para quem é novo por aqui, eu usei o R, meu programa econométrico favorito (inclusive, usei o pacote do R, stargazer, que gera as tabelas automaticamente, o que me poupa um bocado de trabalho). Caso você queira uma sugestão, eu lhe sugiro o R.

A idéia deste post gigante surgiu, simplesmente, do desejo de gerar um material didático que fosse de fácil acesso para aqueles que já ouviram falar de Econometria (minha definição de “ouviram falar”, claro, é bem específica…). A discussão do consumo unifica três das quatro disciplinas que tenho que lecionar na faculdade. Não é tão ruim quando você pensa que está ao lado de gente como Milton Friedman ou Robert Hall, ensinando suas teorias, dando notícia das mesmas ou, sei lá, simplesmente ilustrando alguns modelos.

Como sempre, deixamos de lado muita coisa porque senão teríamos um post gigante sobre o tema. Ah, o leitor pode ver que tenho tratado do tema “economia japonesa” com alguma frequência por aqui (por um motivo muito óbvio, creio).

No final disto tudo, talvez a melhor coisa seja pensar no Japão com uma bela imagem.

Totoro

Até a próxima!

Bibliografia

Carroll, Christopher D. “Risks Habits’ And The Marginal Propensity To Consume Out Of Permanent Income, Or, How Much Would A Permanent Tax Cut Boost Japanese Consumption?,” International Economic Journal, 2000, v14(4,Winter), 1-40

Charemza, W.W. & Deadman, D.F. New Directions in Econometric Practice, Edward Elgar, 1997 (2nd edition).

A produção industrial é manchete…vamos falar dela então!

O prof. Pastore afirma, com razão, no Estadão hoje que não é fácil interpretar os sinais emitidos pela série da PIM-PF, conhecida como produção industrial mensal, divulgada pelo IBGE. Ele está certo. O problema de extração de sinal não é trivial, exceto em problemas triviais, claro.

Pois é. A notícia é que a PIM-PF, na série dessazonalizada, caiu 3.5%. O leitor mais frequente sabe que já andei brincando com a série da PIM-PF por aqui. Hoje eu não vou apresentar previsões desta série, mas apenas um gráfico (ah sim, gráficos e tudo o mais feitos no software livre R).

pim_pf_2014

 

O que temos aqui é a produção industrial logaritmizada (lprod), no período Jan/1991 a Dez/2013. Não lhe tirei a sazonalidade e, portanto, o leitor deve tomar cuidado antes de comparar meu texto com a divulgação do IBGE ou qualquer outro artigo sobre o tema.

Ah sim, no gráfico, você pode observar, eu apliquei um destes testes de quebras estruturais endógenas, só para ver o que ele poderia me dizer, gerando os cortes verticais no gráfico. As barras vermelhas no eixo horizontal são os intervalos de confiança para as quebras estimadas (os meses de quebra são: Abr/1994, Abr/2000, Fev/2004 e Abr/2007) e não vamos entrar em detalhes sobre isto aqui deixando como lembrete aos leitores que, sim o prof. Pastore tem razão: não é trivial estudar a série.

Outro gráfico que acho extremamente didático para ajudar a entender uma série de tempo é o que está aí embaixo.

lprod_month

 

 

Repare no eixo horizontal. O que temos aí são os meses. Então, “J” significa que o primeiro rabisco ali, à esquerda, são os valores da variável alinhados cronologicamente, sempre para Janeiro. Ou seja, vemos que a produção industrial havia crescido persistentemente (ou quase, há umas pequenas quedas, mas nada que interrompa a trajetória de subida observada) desde 1991, em todos os “Janeiros”. A barra horizontal é a média dos valores de todos os valores de Janeiro na amostra.

Para todos os meses temos retas positivamente inclinadas com uma perigosa inflexão ao final (ou seja, nos meses dos anos mais recentes). Eis aí o mau desempenho da indústria de que todos falam. Eu não dessazonalizei a série, mas os que o fizeram acabaram de divulgar na imprensa suas tristezas com a esta série…

Os leitores que cursam Econometria certamente acharão este post simples, incompleto e meio bobo. Mas se os outros leitores, os que não são muito próximos à área, ou que estão iniciando seus trabalhos em Economia por este semestre chegarem aqui e aprenderem algo novo, já estou satisfeito. Atiçar a curiosidade é sempre bom. Bem, quase sempre.

 

Séries de tempo para todos

Eu sei, eu sei. Você queria mesmo era ver a série de gastos da presidência da república com cartões de crédito, mas, sabe como é, segredo de estado porque estamos em guerrra. Em outros tempos, um automóvel extra na garagem faria 90% dos jornalistas pedirem um impeachment, mas eles são todos de esquerda e, assim, já viu, né?

Ok, talvez eles não se deixem levar pela ideologia. Curiosamente, eles sempre acusam os economistas de se deixarem levar pela mesma, embora se achem livres da mesma. Talvez tenham que passar por um simples teste para entenderem que não são mais iluminados que o resto da humanidade.

Dito isto, vamos para assuntos menos indigestos. Escolhi dar mais uma dica: a de séries de tempo. Não é este nosso título? Pois é. Suponha que você seja mais um professor de Estatística ou de Econometria que precisa mostrar para os alunos como é que se aprende a trabalhar com séries de tempo. Eles, obviamente, com preguiça, vão chorar, rastejar, emular ataques de pânico, ligarão para os pais, subirão pelas paredes, enfim, farão de tudo para não trabalharem. Uma das coisas que farão será dizer que não encontram dados. Bem, é hora de colocar em ação o BOPE (vide figura acima).

Não tem dados? Não mesmo? Bem, aqui vai um contra-exemplo. Não tem nem jeito, né? Aliás, nesta lista, chamo a atenção para esta base aqui, organizada por tema. Ah sim, claro, há também a opção de procurar os links da barra lateral deste blog.

Como bônus, para os amigos de História Econômica (não, não vou falar do Angus Maddison de novo), há uma base muito interessante sobre tráfico de escravos no Atlântico que é esta aqui. Eu sei que não é a melhor base de dados, mas já ajuda, né? Agora, uma dica legal é a MoxLad (antiga OxLad), para aqueles que preferem séries menos irregulares.

Existem muitas séries de tempo por aí, para qualquer um usar em seus estudos ou pesquisas. O problema é que os estudantes ainda não entendem que “estudos” e “pesquisas” não são palavras alienígenas, mas fazem parte de seu dia-a-dia. Aprender a trabalhar com séries de tempo não rende apenas satisfação pessoal ou auto-realização. Rende também algum dinheiro em alguns casos. Ou eu deveria ter dito o contrário?

 

Para compensar meu silêncio…

Meus 6 leitores devem ter notado meu silêncio. Bom, em resumo, viagem e internet nem sempre combinam muito bem, logo, ficou bem parado este blog. Para compensar, alguns momentos R do dia para os amigos.

1. R salvando vidas

2. Consumo e Renda em renda…com séries de tempo irregulares

3. R e metereologia

4. Análise de discurso em “Os Simpsons”…com R

5. Excel e R: manipulando arquivos

Por enquanto é isto, pessoal. O trabalho acumulado aqui inclui uma imensa faxina e reorganização de papéis que Deus me livre…

Faltou só o futebol…

Mas é o seguinte, embora o IPCA tenha mudado a metodologia a partir de jul/06, resolvi trabalhar com um período mais amplo (1999-2011). Acumulei as variações mensais e coloquei a base lá em agosto de 1999. Queria ver como andava a inflação em cerveja comprada no supermercado (azul) a do bar (vermelho) e, claro, já que a alegria do povo é a cerveja, o futebol e o “carnaval, resolvi analisar o IPCA no item “motel”. Tudo na região metropolitana de Belo Horizonte. Faltou o futebol, claro, mas aposto que algum analista levantará a hipótese de que há uma bolha “motelística” em BH.

De minha parte, acho que é mesmo o aumento de renda real (agora interrompido pelo banco central rousseffiano-mantegado) pós-sistema de metas de inflação (e, com defasagens, claro, o efeito do Plano Real). Entra mais gente no mercado com mais grana e começa a busca por um lugar diferente do, digamos, drive-in