diff --git a/.DS_Store b/.DS_Store deleted file mode 100644 index b301e3b..0000000 Binary files a/.DS_Store and /dev/null differ diff --git a/.gitignore b/.gitignore index 3e5f427..f6dd0d5 100755 --- a/.gitignore +++ b/.gitignore @@ -5,13 +5,23 @@ _utils/ .vscode/ */main.pdf +*/main.html */main.tex */main_files/ */_cache/ */*/figure-latex/ */*.pdf +boletim.Rmd +abstract.html +abstract.pdf +index.pdf +index.html + cache_bcb/ +*/cache_bcb/ + +.DS_Store # R FILES ## History files diff --git a/abstract.Rmd b/abstract.Rmd index b72a271..2265994 100755 --- a/abstract.Rmd +++ b/abstract.Rmd @@ -8,15 +8,15 @@ output: :::: {.center data-latex=""} ::: {.minipage data-latex="{.7\linewidth}"} -O Boletim de Conjuntura Econômica do Estado do Tocantins é uma das atividades do Grupo \abbr{pet} de Ciências Econômicas da [abbr:@uft] e tem como objetivo apresentar a evolução das principais variáveis macroeconômicas do estado. Esta edição tem um novo formato com dados trimestrais de 2021, estando a periodicidade das informações limitada à divulgação de dados pelas fontes oficiais e organizações. Este ano, mais uma vez contamos com a parceria do Conselho Regional de Economia ([abbr:@coreconto]). As informações contidas são destinadas a cidadãos, gestores públicos e empresários, sendo provenientes de fontes oficiais de organizações públicas. +O Boletim de Conjuntura Econômica do Estado do Tocantins é uma das atividades do Grupo \abbr{pet} de Ciências Econômicas da [abbr:@uft] e tem como objetivo apresentar a evolução das principais variáveis macroeconômicas do estado. Esta edição tem um novo formato com dados trimestrais de 2022, estando a periodicidade das informações limitada à divulgação de dados pelas fontes oficiais e organizações. Este ano, mais uma vez contamos com a parceria do Conselho Regional de Economia ([abbr:@coreconto]). As informações contidas são destinadas a cidadãos, gestores públicos e empresários, sendo provenientes de fontes oficiais de organizações públicas. Os textos e as análises apresentados têm caráter informativo. Os comentários não refletem obrigatoriamente os posicionamentos públicos do [abbr:@coreconto] ou da [abbr:@uft]. As análises podem ou não sofrer alterações, caso se confirmem, em função da revisão de dados pelas fontes no que concerne ao período da análise, a mudanças na conjuntura econômica e social decorrentes de atos governamentais e a forças exógenas, como, por exemplo, o caso da pandemia da COVID-19. O momento com a pandemia se tornou um desafio para as sociedades brasileira e mundial. Neste número, o Boletim traz dados sobre o Produto Interno Bruto ([abbr:@pib]), contas públicas, taxa de pobreza, coeficiente de Gini, mercado de trabalho, comércio exterior e agricultura. O [abbr:@pib] corresponde à soma de toda a riqueza de uma nação num determinado período de tempo. Nesta edição, apresentamos o [abbr:@pib] pelo lado da demanda e da oferta. Pelo lado da demanda, ele é constituído pela soma do consumo das famílias, governo, investimentos e exportações líquidas; pelo lado da oferta, ele é constituído pela soma de tudo o que é produzido por todos os setores. -As contas públicas estaduais, compreendem as receitas e as despesas do governo. As receitas podem ser provenientes de tributos, transferências, contribuição e de outras fontes, e as despesas, de diferentes setores, como saúde, educação, pessoal, indústria, entre outros. Inclui-se também a capacidade de pagamento do estado, sua situação fiscal, que compreende endividamento, poupança corrente e liquidez. No campo social, temos a taxa de pobreza e o Índice de Gini. O coeficiente de Gini é uma medida utilizada para calcular a desigualdade na distribuição de renda. Varia entre zero e um: zero significa completa igualdade de renda e um, completa desigualdade. Por consequência, quanto mais próximo de um, maior é a concentração de renda. +As contas públicas estaduais, compreendem as receitas e as despesas do governo. As receitas podem ser provenientes de tributos, transferências, contribuição e de outras fontes, e as despesas, de diferentes setores, como saúde, educação, pessoal, indústria, entre outros. Inclui-se também a capacidade de pagamento do Estado, sua situação fiscal, que compreende endividamento, poupança corrente e liquidez. No campo social, temos a taxa de pobreza e o Índice de Gini. O coeficiente de Gini é uma medida utilizada para calcular a desigualdade na distribuição de renda. Varia entre zero e um: zero significa completa igualdade de renda e um, completa desigualdade. Por consequência, quanto mais próximo de um, maior é a concentração de renda. -A variável Emprego corresponde ao número de pessoas ocupadas formalmente. Apresenta o perfil do empregado (idade, gênero, etnia, grau de instruções), o saldo de emprego do Tocantins e da Região Norte bem como os setores de contratação e demissão, seguro desemprego e rendimento médio. O tópico comércio exterior traz a evolução dos dados do saldo comercial em dólares de 2012 a 2021. Apresenta os principais produtos exportados e importados e os países com os quais o Tocantins tem relação comercial. A agricultura apresenta informações sobre soja, milho e arroz bem como informações sobre a pecuária, em especial, a bovinocultura. +A variável Emprego corresponde ao número de pessoas ocupadas formalmente. Apresenta o perfil do empregado (idade, gênero, etnia, grau de instruções), o saldo de emprego do Tocantins e da Região Norte bem como os setores de contratação e demissão, seguro desemprego e rendimento médio. O tópico comércio exterior traz a evolução dos dados do saldo comercial em dólares de 2012 a 2022. Apresenta os principais produtos exportados e importados e os países com os quais o Tocantins tem relação comercial. A agricultura apresenta informações sobre soja, milho e arroz bem como informações sobre a pecuária, em especial, a bovinocultura. \ Prof. Dr. Nilton Marques de Oliveira -- Tutor [abbr:@pet] Ciências Econômicas diff --git a/abstract.html b/abstract.html deleted file mode 100644 index 1dd5742..0000000 --- a/abstract.html +++ /dev/null @@ -1,475 +0,0 @@ - - - - - - - - - - - - - -abstract.knit - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
- - - - - - - -
-

Apresentação

-
-
-

O Boletim de Conjuntura Econômica do Estado do Tocantins é uma das -atividades do Grupo de Ciências Econômicas da [abbr:@uft] e tem como objetivo apresentar a -evolução das principais variáveis macroeconômicas do estado. Esta edição -tem um novo formato com dados trimestrais de 2020, estando a -periodicidade das informações limitada à divulgação de dados pelas -fontes oficiais e organizações. Este ano contamos com a parceria do -Conselho Regional de Economia ([abbr:@coreconto]). As informações contidas são -destinadas a cidadãos, gestores públicos e empresários, sendo -provenientes de fontes oficiais de organizações públicas.

-

Os textos e as análises apresentados têm caráter informativo. Os -comentários não refletem obrigatoriamente os posicionamentos públicos do -[abbr:@coreconto] ou da [abbr:@uft]. As análises podem ou não sofrer -alterações, caso se confirmem, em função da revisão de dados pelas -fontes no que concerne ao período da análise, a mudanças na conjuntura -econômica e social decorrentes de atos governamentais e a forças -exógenas, como, por exemplo, o caso da pandemia da COVID-19 este ano. O -momento com a pandemia se tornou um desafio para as sociedades -brasileira e mundial.

-

Neste número, o Boletim traz dados sobre o Produto Interno Bruto -([abbr:@pib]), contas públicas, taxa de -pobreza, coeficiente de Gini, mercado de trabalho, comércio exterior e -agricultura. O [abbr:@pib] corresponde à -soma de toda a riqueza de uma nação num determinado período de tempo. -Nesta edição, apresentamos o [abbr:@pib] -pelo lado da demanda e da oferta. Pelo lado da demanda, ele é -constituído pela soma do consumo das famílias, governo, investimentos e -exportações líquidas; pelo lado da oferta, ele é constituído pela soma -de tudo o que é produzido por todos os setores. Observou-se retração no -primeiro semestre de 2020 na economia brasileira, que se refletiu nos -demais estados, inclusive, no Tocantins.

-

As contas públicas estaduais, compreendem as receitas e as despesas -do governo. As receitas podem ser provenientes de tributos, -transferências, contribuição e de outras fontes, e as despesas, de -diferentes setores, como saúde, educação, pessoal, indústria, entre -outros. Inclui-se também a capacidade de pagamento do estado, sua -situação fiscal, que compreende endividamento, poupança corrente e -liquidez. No campo social, temos a taxa de pobreza e o Índice de Gini. O -coeficiente de Gini é uma medida utilizada para calcular a desigualdade -na distribuição de renda. Varia entre zero e um: zero significa completa -igualdade de renda e um, completa desigualdade. Por consequência, quanto -mais próximo de um, maior é a concentração de renda.

-

A variável Emprego corresponde ao número de pessoas ocupadas -formalmente. Apresenta o perfil do empregado (idade, gênero, etnia, grau -de instruções), o saldo de emprego do Tocantins e da Região Norte bem -como os setores de contratação e demissão, seguro desemprego e -rendimento médio. O tópico comércio exterior traz a evolução dos dados -do saldo comercial em dólares de 2009 a 2019. Apresenta os principais -produtos exportados e importados e os países com os quais o Tocantins -tem relação comercial. A agricultura apresenta informações sobre soja, -milho e arroz bem como informações sobre a pecuária, em especial, a -bovinocultura.

-


-Prof. Dr. Nilton Marques de Oliveira – Tutor [abbr:@pet] Ciências Econômicas

-
-
-
- - - - -
- - - - - - - - - - - - - - - diff --git a/abstract.pdf b/abstract.pdf deleted file mode 100644 index 66008dc..0000000 Binary files a/abstract.pdf and /dev/null differ diff --git a/build.R b/build.R index 31bd6d0..abe25b8 100755 --- a/build.R +++ b/build.R @@ -1 +1 @@ -bookdown::render_book("index.Rmd", output_format = "bookdown::pdf_book") \ No newline at end of file +bookdown::render_book("index.Rmd", output_format = "bookdown::pdf_book") diff --git a/cache_bcb/4109ea5db60b352a b/cache_bcb/4109ea5db60b352a deleted file mode 100755 index bf3d7df..0000000 Binary files a/cache_bcb/4109ea5db60b352a and /dev/null differ diff --git a/cap_agricultura/main.Rmd b/cap_agricultura/main.Rmd index cec15fe..9c80028 100755 --- a/cap_agricultura/main.Rmd +++ b/cap_agricultura/main.Rmd @@ -28,18 +28,17 @@ B <- 1000000000 triForm <- function(x) paste0(substr(x, 6, 6),"T\n",substr(x, 1, 4)) ``` + # Agronegócio -O setor agropecuário é considerado importante para o Brasil, é um setor que a cada ano cresce e se torna mais presente no PIB brasileiro. Em 2021 o agronegócio representou 27,4% do PIB do Brasil, um crescimento de 8,36% em relação a 2020. No estado do Tocantins o agronegócio representa pouco mais de 15% do PIB. Nesta seção do Boletim apresenta-se os dados da agricultura: área de produção, área colhida, produção de cereais e oleaginosas e seu rendimento médio. Em seguida, a análise dos dados de abates de animais e produção de leite. +O setor agropecuário atualmente representa 20,3% do PIB do Tocantins, conforme o último dado disponibilizado pelo IBGE, destacando o estado na produção de grãos na Região Norte do Brasil. Nesta seção serão apresentados os dados referentes a área plantada, área colhida, produção e rendimento médio das principais safras, subsequente os dados do abate de bovinos. -O Estado do Tocantins utilizou em 2021 em média um total de 1.601.185 hectares do seu território para a produção agrícola por semestre. Dentre os principais produtos plantados no estado como mostra a Figura [fig:@producao], destacam-se a cana-de-açúcar e a soja com maiores proporções, responsáveis por 23,4% e 27,3% respectivamente. O milho ocupa a 3° posição entre os produtos cultivados no estado nesse período, com 9,1%. A produção de arroz e mandioca também obtiveram destaque ao representar 5,4% e 2,0% respectivamente, fechando assim o ranking dos cinco produtos com os melhores desempenhos na agricultura tocantinense. -Dentre os cinco principais produtos cultivados no estado do Tocantins, rendimento médio pode ser observado na Figura [fig:@rendim_medio] mostra como as características próprias de cada um deles tem resultado determinante no cálculo da área que deve ser plantada, visando a qualidade em que será colhida. O cálculo é feito pela divisão entre quilogramas colhidos pela área plantada, significando que, quanto maior o valor do rendimento médio, menor é a área necessária para sua colheita. Sendo assim, os dados mostram que o maior rendimento médio é o da cana-de-açúcar com 79,9%, depois a mandioca, com um rendimento médio de 15,8%, seguido pelo milho com um total de 7,9%, o arroz com com 5,5% e por fim a soja com um rendimento médio de 3,2%, ou seja, necessita então de uma área maior a ser plantada para colher sua quantidade desejada. +Destacam-se no estado como principais produtos cultivados a soja, esta com participação de 37,72% na produção das lavouras apresentadas, e a cana-de-açúcar, responsável por 34,20%. Ocupando a terceira posição no ranking da produção, o milho representando 17,58%, seguido pelo arroz e mandioca, com 7,46% e 3,04% respectivamente, assim, completando o ranking com as cinco maiores produções agrícolas tocantinenses com o total de 1.680.992 hectares de área plantada. -  -```{r producao, fig.cap= "Produção Tocantins", fig.subcap="Em milhões de toneladas. Estimativa anual", fig.source = "\\acrshort{ibge}", wrap = "open"} -# Produção - Tocantins 2020 +```{r producao, fig.cap= "Produção Tocantins", fig.subcap="Em milhões de toneladas. Estimativa anual", fig.source = "\\acrshort{ibge}, 2022.", wrap = "open"} +# Produção - Tocantins 2022 # Os produtos são Arroz, milho 1 safra, milho 2 safra, soja, cana de açucar e mandioca produtos <- c(39432, 39441, 39442, 39443, 39456, 39467) @@ -48,7 +47,7 @@ produtos <- c(39432, 39441, 39442, 39443, 39456, 39467) prod <- get_sidra( x = 6588, variable = 35, - period = "202112", + period = "202212", header = TRUE, geo = "State", geo.filter = list("State" = 17), @@ -57,7 +56,7 @@ prod <- get_sidra( prod %>% filter( - `Mês (Código)` == "202112", + `Mês (Código)` == "202212", `Produto das lavouras (Código)` %in% produtos ) %>% transmute( @@ -77,11 +76,11 @@ prod %>%   -```{r rendim_medio, fig.cap= "Rendimento médio das lavouras", fig.subcap="Mil quilogramas por hectare. Estimativa anual", fig.source = "\\acrshort{sidra}"} +```{r rendim_medio, fig.cap= "Rendimento médio das lavouras", fig.subcap="Mil quilogramas por hectare. Estimativa anual", fig.source = "\\acrshort{sidra}/IBGE, 2022."} rend_medio <- get_sidra( x = 6588, variable = 36, - period = "202112", + period = "202212", geo = "State", geo.filter = list("State" = 17), header = TRUE, @@ -106,12 +105,12 @@ rend_medio %>%   -```{r area_plantada, fig.cap= "Área plantada das lavouras", fig.subcap="Em mil hectares. Estimativa anual", fig.source = "\\acrshort{sidra}", wrap = "close"} +```{r area_plantada, fig.cap= "Área plantada das lavouras", fig.subcap="Em mil hectares. Estimativa anual", fig.source = "\\acrshort{sidra}/IBGE, 2022.", wrap = "close"} # Área Plantada area_plan <- get_sidra( x = 6588, variable = 216, - period = "202112", + period = "202212", geo = "State", geo.filter = list("State" = 17), header = TRUE, @@ -135,19 +134,18 @@ area_plan %>% ``` -Com base na safra de 2021 tem-se os dados das áreas plantadas e colhidas no estado do Tocantins, que são apresentados na Figura [fig:@area_plantada] e consequentemente os cereais e oleaginosas que mais precisam de espaço para a sua produção. No ano de 2021 o Tocantins utilizou-se de 1.601.185 para a plantação. A soja é o produto que utilizou o maior espaço para seu cultivo com 1.098.912 hectares ocupando assim 68,6% de toda a área plantada, em seguida o milho com 18% da área destinada à plantação, sendo os dois produtos que mais utilizam espaço para a sua produção. O arroz corresponde 8,02%, a cana-de-açúcar com 2,4% e a mandioca com 0,96%. Dos 1.601.185 hectares plantados, 1.600.335 foram colhidos correspondendo a um total de 99,95% de área colhida. - -O estado tocantinense também é conhecido pela sua produção agropecuária e derivados. A produção de leite em solo tocantinense no ano de 2021 foi de 128.975(mil litros), apesar de uma produção grande, o estado ainda não se tornou referência no segmento, ficando com menos de 1% na produção nacional. Mantendo valores constantes na sua produção, não apresenta grande variação nos últimos trimestres do ano em relação aos períodos iniciais. +O rendimento médio das principais produções do Tocantins podem ser observados na Figura [fig:@rendim_medio], este mostra como as características próprias de cada um deles tem resultado determinante no cálculo da área destinada à plantação, visando a qualidade em que será colhida. O cálculo é feito a partir da divisão entre quilogramas colhidos pela área plantada em hectare, de maneira que, quanto maior o valor do rendimento médio, menor é a área necessária para sua colheita. Conforme os dados disponibilizados, o maior rendimento médio é o da cana-de-açúcar com 79.145 kg/ha, seguido pelo da mandioca com valor de 17.177 kg/ha, o milho com 8.480 kg/ha, o arroz e soja, com respectivamente 5.349 kh/ha e 2.943 kg/ha, sendo estas a que possuem maior necessidade de área destinada à plantação e produção da quantidade desejada. -Já o setor de abate de animais apresenta resultados significativos para a economia estadual. Analisando esse setor, a Figura [fig:@abates] apresenta dados a partir do primeiro trimestre de 2021. Podendo ser observado um crescimento do primeiro ao terceiro trimestre no total de abates, com uma pequena redução ao final do ano de 2021 mas nada muito siginifativo. +Observa-se na Figura [fig:@area_plantada] a área plantada das safras de 2022; é possível constatar, também, através do rendimento médio, mostrando àquelas que requerem maior área destinada à plantação, em que foram destinados 1.680.992 hectares no Tocantins às cinco maiores lavouras, em que destes 99,05%, 1.665.084 hectares, correspondem a área colhida. A soja se destaca como produto a utilizar a maior parte do total destinado às produções, ocupando 1.144.764 hectares, correspondendo a 68,10% da área total, em seguida o milho com utilização de 21,24% da área, o arroz corresponde a 7,41%, a cana-de-açúcar 2,30%, e a mandioca, plantação a utilizar menos do espaço destinado à cultura, com 0,95%. +Já nos resultados do abate de bovinos, no decorrer dos quatro trimestres o gado bovino apresentou o total de abate de 770.508 cabeças, com destaque no terceiro trimestre correspondente a 27,36% dos abates totais e constância numérica ao longo dos quatro trimestres; as vacas com o abate total de 290.349 cabeças, com 28,57% dos abates no primeiro trimestre e decréscimo de abates ao longo dos próximos; e as novilhas com o total de 16.742 cabeças nos dois primeiros trimestres, não constando os resultados do terceiro e quarto trimestre, em que os valores foram inibidos para não identificar o informante. -```{r abates, fig.cap= "Abate dos principais animais", fig.subcap = "Mil cabeças", fig.source = "\\acrshort{sidra}", wrap = TRUE} +```{r abates, fig.cap= "Abate dos principais animais", fig.subcap = "Mil cabeças", fig.source = "\\acrshort{sidra}/IBGE, 2022.", wrap = TRUE} # Abate de frangos, bovinos, vacas por trimestre # Unidade em Cabeças abate_bovino <- get_sidra( x = 1092, - period = c("202101", "202102", "202103", "202104"), + period = c("202201", "202202", "202203", "202204"), geo = "State", geo.filter = list("State" = 17), header = TRUE, @@ -168,7 +166,7 @@ abate_bovino <- get_sidra( # Unidade em cabeças abate_frango <- get_sidra( x = 1094, - period = c("202101", "202102", "202103", "202104"), + period = c("202201", "202202", "202203", "202204"), geo = "State", geo.filter = list("State" = 17), header = TRUE, @@ -188,7 +186,7 @@ bind_rows( select(`Trimestre (Código)`, tipo, Valor) %>% drop_na() %>% mutate(tri = triForm(`Trimestre (Código)`)) %>% - ggplot(aes(factor(tri, levels = c("1T\n2021", "2T\n2021", "3T\n2021", "4T\n2021")), Valor, fill = tipo)) + + ggplot(aes(factor(tri, levels = c("1T\n2022", "2T\n2022", "3T\n2022", "4T\n2022")), Valor, fill = tipo)) + geom_bar(stat = "identity", position = "dodge") + scale_y_continuous(labels = function(n) n / m) ``` \ No newline at end of file diff --git a/cap_agricultura/main.html b/cap_agricultura/main.html deleted file mode 100644 index bb1775b..0000000 --- a/cap_agricultura/main.html +++ /dev/null @@ -1,484 +0,0 @@ - - - - - - - - - - - - - -main.knit - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
- - - - - - - -

e— documentclass: report output: pdf_document: template: -../template/boletim.tex pandoc_args: -“–lua-filter=../filter/crossref.lua” —

-
-

Agronegócio

-

A agricultura é importante para o Brasil, é um setor que cresce de -forma exponencial e alavanca a economia de inúmeros estados da -federação. O agronegócio representou 21,4% do PIB nacional em 2019, -demonstrando o quão providencial para o país. Já para o Tocantins, sua -participação está abaixo da média nacional, com menos de 15% do PIB -estadual. Conforme a A Figura [fig:@producao]

-

O agronegócio é um setor de grande relevância para o Brasil que -cresce de forma exponencial e alavanca a economia de alguns estados da -federação. Além disso, corresponde a 26,6% do PIB nacional em 2020, -demonstrando a sua importância para o país. Já no Tocantins, o -agronegócio teve destaque no ano de 2020 com um crescimento de 120%. -Nesta seção do Boletim apresenta-se os seguintes dados da agricultura: -área de produção, colheita, produção de cereais e oleaginosas e o seu -rendimento médio. Em seguida, analisa-se os dados de produção de leite, -ovos, aves e o abate de animais.

-

O estado do Tocantins utilizou 1.542.876 hectares do seu território -para a produção agrícola no segundo semestre de 2020. Dentre os cincos -principais produtos plantados no estado, conforme a Figura [fig:@producao], destaca-se a soja e a -cana-de-açúcar com as maiores proporções, responsáveis por 38.20% e -36.08% do total produzido. O milho ocupa a terceira posição entre os -produtos mais cultivados no estado, com 12.04%. A produção de arroz e -mandioca também ganham destaque ao representar um montante de 8.72% e -2.95%, respectivamente, fechando assim o ranking dos cincos produtos com -os melhores desempenhos na agricultura tocantinense.

-

Dentre os cinco principais produtos cultivados na agricultura -tocantinense, o rendimento médio demonstrado na Figura [fig:@rendim_medio], mostra como as -características próprias de cada um deles tem resultado determinante no -cálculo da área que deve ser plantada, visando a quantidade em que será -colhida. O cálculo é feito pela divisão entre quilogramas colhidos pela -área plantada, ou seja, quanto maior o valor do rendimento médio, menor -é a área necessária para sua colheita. Os dados mostram que o maior -rendimento médio entre estes produtos é da cana-de-açúcar, chegando a -73.1%. O segundo produto é a mandioca, com um rendimento médio de 14.7%, -seguido pelo milho, ao total de 7.3%, arroz, com 5% e por último, a -soja, com um rendimento médio de 2.9%, ou seja, necessitando de uma -vasta área plantada para colher sua quantidade desejada.

-

Baseando-se no primeiro semestre tem-se os dados das áreas plantadas -e colhidas, apresentado na Figura [fig:@area_plantada] e consequentemente, os -cereais e oleaginosas que mais usam o espaço tocantinense para a -produção. No segundo semestre de 2020, o Tocantins utilizou-se de -1.542.876 hectares para plantação. A maior área é utilizada para o -plantio de soja que usufruiu de 981.101 hectares para a produção, -totalizando 63.6% da área, em seguida vem o milho que utiliza 13.4% do -território. O arroz corresponde 8.3%, em seguida cana com 2.5% e -mandioca com 1%.

-

O estado tocantinense é conhecido pela sua produção agropecuária e -seus derivados. A fabricação de leite em solo tocantinense no ano de -2020 foi de aproximadamente 130.689 mil litros, sendo que no segundo -semestre o número de produção foi de 59.718 mil litros havendo assim uma -queda comparado ao primeiro semestre.Já a produção de ovos foi de 36.479 -ovos, sendo 20.540 ovos no segundo semestre podendo destacar que houve -aumento relacionado ao primeiro semestre.

-

Já o setor de abate de animais apresenta resultados significativos -para a economia estadual devido aos impactos da pandemia. Analisando -esse setor, a Figura [fig:@abates] -apresenta dados a partir do primeiro trimestre de 2020. O primeiro -trimestre apresenta números altos e logo em seguida há uma queda, o -segundo trimestre, decorrente do efeito da pandemia e do isolamento -social. No terceiro trimestre ainda há uma constância em relação aos -efeitos da pandemia que se estende até o quarto trimestre.Os resultados -foram ruins e desconexos com a série histórica, como resultado da -pandemia houve uma piora no que se diz respeito ao abate de animais no -segundo semestre de 2020.

-
- - - - -
- - - - - - - - - - - - - - - diff --git a/cap_balancacomercial/.DS_Store b/cap_balancacomercial/.DS_Store deleted file mode 100644 index c811101..0000000 Binary files a/cap_balancacomercial/.DS_Store and /dev/null differ diff --git a/cap_balancacomercial/bc.xlsx b/cap_balancacomercial/bc.xlsx deleted file mode 100755 index cc95cb9..0000000 Binary files a/cap_balancacomercial/bc.xlsx and /dev/null differ diff --git a/cap_balancacomercial/bc_2021.xlsx b/cap_balancacomercial/bc_2021.xlsx deleted file mode 100755 index 39b86af..0000000 Binary files a/cap_balancacomercial/bc_2021.xlsx and /dev/null differ diff --git a/cap_balancacomercial/cap_balancacomercialbc_2022.xlsx b/cap_balancacomercial/cap_balancacomercialbc_2022.xlsx new file mode 100644 index 0000000..df0d6bd Binary files /dev/null and b/cap_balancacomercial/cap_balancacomercialbc_2022.xlsx differ diff --git a/cap_balancacomercial/main.Rmd b/cap_balancacomercial/main.Rmd index 0ca9f3d..79b570e 100755 --- a/cap_balancacomercial/main.Rmd +++ b/cap_balancacomercial/main.Rmd @@ -26,50 +26,56 @@ b <- 1000000000 # Comércio Exterior -A balança comercial resulta nos registros de importação o qual define-se pela compra ou recebimento de um bem e as exportações nos referimos a venda ou envio de determinado serviço para um país. Esse saldo Comercial é considerado positivo quando há valores das exportações maiores que o das importações, havendo assim um superávit. Quando esse valor é negativo, ou seja, quando os valores das importações são maiores que os das exportações, falamos que ocorre um déficit. A balança comercial não considera a quantidade de produtos que entram ou saem de um país, mas os recursos gerados pela transação, e o comportamento segue a balança comercial do Brasil, com o Tocantins apresentando superávit. +A balança comercial registra as transações de importação, que envolvem a compra ou recebimento de bens de outros países, e as exportações, que se referem à venda ou envio de serviços para o exterior. O saldo comercial é considerado positivo quando o valor das exportações supera o das importações, resultando em um superávit. Por outro lado, quando o valor das importações é maior do que o das exportações, ocorre um déficit. A balança comercial não leva em consideração apenas a quantidade de produtos que entram ou saem de um país, mas sim os recursos gerados por essas transações. No contexto do Brasil, a balança comercial do Tocantins, por exemplo, apresenta um superávit, o que significa que a região exporta mais do que importa, resultando em um saldo positivo em sua balança comercial. -No ano de 2021, o estado do Tocantins atingiu um valor de US$1,85 bilhão em exportações, valor correspondente à uma variação de 23,2% em relação ao ano de 2020, levando o estado a atingir o 16º lugar no país entre os maiores exportadores. +De acordo com o Gráfico [fig:@total], no ano de 2022, as exportações do Tocantins fecharam em aproximadamente US$ 3,1 bilhões e as importações totalizaram US$ 881,3 milhões. Diante desses desempenhos, as exportações e importações tiveram um aumento de 67% e 44%, respectivamente. o saldo da Balança Comercial (exportações menos importações) ficou em US$ 2,2 bilhões, representando um crescimento de 79% em comparação com o ano de 2021. A balança comercial apresenta os aspectos da comercialização de exportação e importação no estado do Tocantins. Durante o decorrer desses últimos 5 anos o saldo comercial tem oscilado, mas sempre se mantendo com um saldo superavitário. Dentre os estados brasileiros, o Tocantins ocupou a 14ª posição nas exportações e o 19º lugar nas importações no período em análise. O Tocantins representou 0,9% das exportações e 0,3% das importações do país ```{r produtos_expo, fig.cap = "Principais produtos exportados", fig.subcap = "Em milhões de US$", fig.source = "\\acrshort{comex}", wrap = TRUE} # Produtos exportados -readxl::read_excel("cap_balancacomercial/bc_2021.xlsx", sheet = "produtos_export") %>% +read_xlsx("cap_balancacomercial/cap_balancacomercialbc_2022.xlsx", sheet = "produtos_export") %>% ggplot(aes(data, valor, fill = produto)) + geom_bar(stat = "identity", position = "dodge", gap = "s") + scale_y_continuous(labels = function(x) x / m) + guides(fill = guide_legend(nrow = 2, byrow = TRUE)) ``` -Já os valores de produtos importados pelo estado neste mesmo período foram de US$614 milhões, o que representa uma variação 44,8% em relação ao ano de 2020, colocando o Tocantins na 20 º posição no ranking nacional de importações por estados. +Carne bovina fresca, congelada ou refrigerada desempenhou um papel notável no ano de 2022, representando 19% do total das exportações do estado, atingindo um valor de US$ 573 milhões segundo o gráfico 4.1.1. Além disso, é relevante observar que esse setor registrou um aumento considerável de 58,3% em comparação com anos anteriores. -A balança comercial apresenta os aspectos da comercialização de exportação e importação no estado do Tocantins. Durante o decorrer desses últimos 5 anos o saldo comercial tem oscilado, mas sempre se mantendo com um saldo superavitário. Em 2021 o saldo comercial registrou seu maior numero com um superavit de US$ 2,5 bilhão. +\ +Matérias brutas de animais teve uma participação de 5,8% no total da exportação estadual, a um valor de 178 milhões, valor este que apresentou uma variação de 322%. Os dados referentes ao ano de 2022 nos mostra como as matérias brutas de animais tem crescido ao decorrer do ano e tem sido uma fonte nova de riqueza para o estado. +\ +(Milho não moído) O milho correspondeu a 14% das exportações estaduais em 2022, registrando um valor de US$ 422 milhões. Esse valor apresentou um aumento significativo em relação ao ano anterior. -Carne bovina (fresca/congelada ou refrigerada) descreve a 20% do total exportado no ano de 2021, atingindo o valor de US$ 362 milhões, o que corresponde a uma pequena diminuição de participação referente ao ano de 2020 com 24% do total. Registrando uma queda na variação de 11,4% no ano de 2021. -Matérias brutas de animais teve uma participação de 0,86% no total da exportação estadual, a um valor de 15,9 milhões, valor este que apresentou uma variação de 16,6%. Os dados referentes ao ano de 2021 nos mostra como as matérias brutas de animais tem crescido ao decorrer do ano e tem sido uma fonte nova de riqueza para o estado. +Entre os produtos exportados pelo Tocantins, a soja assumiu a liderança, com uma impressionante participação de 58% e um valor total de US$ 1,8 bilhão. As exportações registraram um aumento de 41%. -(Milho não moído) O milho correspondeu a 5,8% das exportações estaduais em 2021, registrando um valor de US$ 108 milhões. Esse valor significa uma queda de -11% em relação ao ano exportado de 2020, após dois anos consecutivos de alta as exportações demonstraram essa queda. - -A soja é o principal produto exportado pelo estado representando 69% de todas as exportações tocantinenses, gerou uma receita em 2021 com um valor de US$1,28 Bilhões. Em 2017 a 2019, a soja manteve seu aumento no valor e quantidade exportada, no ano de 2021 o valor apresentou um crescimento de 47% maior que o ano comparado a 2020. Superando assim as expectativas dos produtores. +O acumulado de importações de Adubos ou fertilizantes é um fator notável na economia do estado em 2022, atingindo um valor de US$ 247 milhões, o que equivale a uma parcela significativa de 28% do total das importações. ```{r produtos_import, fig.cap = "Principais produtos importados", fig.subcap = "Em milhões de US$", fig.source = "\\acrshort{comex}", wrap = TRUE} # Produtos importados -readxl::read_excel("cap_balancacomercial/bc_2021.xlsx", sheet = "produtos_import") %>% +read_xlsx("cap_balancacomercial/cap_balancacomercialbc_2022.xlsx", sheet = "produtos_import") %>% ggplot(aes(data, valor, fill = produto)) + geom_bar(stat = "identity", position = "dodge", gap = "s") + scale_y_continuous(labels = function(x) x / m) + - guides(fill = guide_legend(nrow = 2, byrow = TRUE)) + guides(fill = guide_legend(nrow = 3, byrow = TRUE)) ``` -O acumulado de importações de Adubos ou fertilizantes mostra um continuo aumento ao longo dos anos da amostra, com exceção de 2020 onde houveram reduções nas importações do produto. Já no ano de 2021 o nível de importações de adubos ou fertilizantes de volta ao patamar de 2019 e mais um acréscimo alcançando a casa dos 100 milhões de dólares em importações. +Ao observar o Gráfico [fig:@produtos_import], a importação de lentes e itens óticos teve recuperação em 2021, mas 2022 teve uma leve redução, O item é o de menor valor de importações dos cinco itens aqui apontados, atingindo um valor de 17,1 milhões e com participação de 1,9%. mas com peso significativo nas importações do estado. +\ + +Óleos e combustíveis são extremamente significativos na pauta, sendo o item de maior valor de importação do período selecionado. O item sofreu queda significativa em 2019, mas se recuperou nos anos seguintes. Nos anos de 2020 o volume importado alcançou os 100 milhões de dólares e, em 2021, os 300 milhões de dólares. +\ + +Nas importações tiveram destaque os óleos e combustíveis com um total de US$ 439 milhões e participação de 50% no total importado. +\ -A importação de lentes e itens óticos teve pouca variação nos anos de 2017, 2018 e 2019. Contudo, houve leve redução em 2020 e recuperação em 2021. O item é o de menor valor de importações dos cinco itens aqui apontados, mas com peso significativo nas importações do estado. ```{r total, fig.cap = "Balança Comercial do estado", fig.subcap = "Em bilhões de USD", fig.source = "\\acrshort{comex}", wrap = TRUE} -# Saldo, Exportação e Importaçao 2009--2019 +# Saldo, Exportação e Importaçao 2012--2022 c("export", "import", "saldo") %>% purrr::map( - ~readxl::read_excel("cap_balancacomercial/bc_2021.xlsx", sheet = .x) %>% + ~readxl::read_xlsx("cap_balancacomercial/cap_balancacomercialbc_2022.xlsx", sheet = .x) %>% dplyr::mutate(conta = .x) ) %>% purrr::map_dfr(~tidyr::unnest(.)) %>% @@ -87,38 +93,30 @@ c("export", "import", "saldo") %>% scale_x_date(labels = date_format("%Y"), date_breaks = "1 year") ``` -Óleos e combustíveis são extremamente significativos na pauta, sendo o item de maior valor de importação do período selecionado. O item sofreu queda significativa em 2019, mas se recuperou nos anos seguintes. Nos anos de 2020 o volume importado alcançou os 100 milhões de dólares e, em 2021, os 300 milhões de dólares. - -Assim como óleos e combustíveis, os produtos residuais de petróleo também apresentaram aumento considerável em 2021. Nos anos anteriores, se manteve relativamente baixo tendo algum aumento no valor importado em 2020. No entanto, em 2021 o valor importado chega próximo dos 100 milhões em importações. - -Os demais produtos da pauta de importações não apresentaram variação significativa. Nos cinco anos do período selecionado os demais produtos se mantiveram abaixo dos 50 milhões de valor importado. De maneira que não demonstraram nem peso significativo nem variação significativa na pauta. - - - -A tabela [tab:@origem] apresenta os principais parceiros comerciais do Tocantins e seus principais blocos econômicos que exportaram e importaram no ano de 2021. O estado do Tocantins é mais um estado do norte do país e também está nas nossas pautas quando o assunto é exportação e, mesmo sendo um estado relativamente pequeno está na 16ª colocação no ranking de maiores exportadores brasileiros. No ano de 2021 teve uma participação de 34,9% em exportações. +Ainda no Gráfico [fig:@produtos_import], nota-se que, diferente dos óleos e combustíveis, os produtos residuais de petróleo apresentaram somente um ligeiro aumento nas importações para o ano de 2022 em relação ao ano de 2021. Nos anos anteriores, se manteve, relativamente, ainda mais baixo, tendo algum aumento no valor importado em 2020. Em 2021, o valor importado chega próximo dos 100 milhões em importações, todavia em diante não apresenta um crescimento de vulto considerável. Os demais produtos da pauta de importações não apresentaram, também, variação significativa. Nos cinco anos do período selecionado os demais produtos se mantiveram abaixo dos 50 milhões de valor importado de maneira que não demonstraram, nem peso significativo, nem variação significativa na pauta. +\ -Em 2021 o Tocantins comercializou seus produtos para 77 paises, entre eles a china, seu principal parceiro, que teve participação de 56% no total das exportações. Nas importações os EUA se destacaram com 61% de representatividade, Oleos de petroleo, de minerais betuminosos e adubos fertilizantes estão entre os produtos mais importados pelo estado. -Na Tabela [tab:@origem] podemos ver o quão influente a China é nas exportações dos produtos tocantinenses, sendo responsável por 56% do valor total exportado em 2021. Este é um dos quesitos em que a balança comercial do Tocantins se assemelha a brasileira, que também tem os chineses como seu maior parceiro de exportações. A diversidade de países com relações comerciais com o Tocantins é visível na tabela [tab:@origem], pois além da China, grande compradora dos grãos e carnes produzidos no estado, encontrasse também países como Espanha, representando 8,3% do total exportado (aumentou), países baixos 3,4%, Tailândia com 3,4%. +A Tabela [tab:@origem] apresenta os principais parceiros comerciais do Tocantins e seus principais blocos econômicos que exportaram e importaram no ano de 2022. Quando o assunto é exportação, o Tocantins desempenha um papel de relevo comparado ao pouco tempo que o estado tem de existência, e mesmo sendo relativamente pequeno, está na 14a colocação no ranking de maiores exportadores brasileiros. No ano de 2022 teve uma variação de 67,3% de aumento das exportações em relação ao ano de 2021 atingindo o valor bruto de 3,1 bilhões em dólares. Em 2022, o Tocantins comercializou seus produtos com 80 países, entre eles a China, seu principal parceiro, que teve participação de 52% no total das exportações, reduzindo em 4% em comparação ao ano passado. A diversidade de países com relações comerciais com o Tocantins é visível na Tabela [tab:@origem], pois além da China, grande compradora dos grãos e carnes produzidos no estado, encontra-se também países como Espanha, representando 12% do total exportado, que, aproximadamente, aumentou 4% e Tailândia com 4,3%, no qual não cresceu de forma tão expressiva ao comparar com o ano passado (cerca de 0,7%). Nas importações os EUA se destacaram com 36% de representatividade, Óleos de petróleo de minerais betuminosos e adubos fertilizantes estão entre os produtos mais importados pelo estado. Outros países no qual o Tocantins aparece dependente nas importações são Rússia, a própria China, Argentina e Venezuela. ```{r origem} dplyr::bind_cols( tribble( ~x, ~y, - "China", 56, - "Espanha", 8.3, - "Países Baixos", 3.4, - "Tailândia", 3.4, - "Egito", 2.9 + "China", 52, + "Espanha", 12, + "Tailândia", 4.3, + "Turquia", 4.0, + "Arábia Saudita", 2.7 ), tribble( ~x, ~y, - "EUA", 61, - "China", 12, - "Rússia", 12, - "Argentina", 4.5, - "Egito", 2.1 + "EUA", 36, + "Rússia", 27, + "China", 10, + "Argentina", 7.9, + "Venezuela", 3.2 ) ) %>% kbl( diff --git a/cap_contaspublicas/.DS_Store b/cap_contaspublicas/.DS_Store deleted file mode 100644 index 7b3292c..0000000 Binary files a/cap_contaspublicas/.DS_Store and /dev/null differ diff --git a/cap_contaspublicas/main.Rmd b/cap_contaspublicas/main.Rmd index 7770c71..99cdd28 100755 --- a/cap_contaspublicas/main.Rmd +++ b/cap_contaspublicas/main.Rmd @@ -2,7 +2,6 @@ documentclass: report output: pdf_document: - keep_tex: true template: ../template/boletim.tex pandoc_args: "--lua-filter=../filter/crossref.lua" --- @@ -36,7 +35,7 @@ petknitr::setup() -O resultado primário das contas públicas do estado do Tocantins até o sexto bimestre de 2021, de acordo com a Figura [fig:@resultado_primario] foi de 630 milhões de reais, valor menor que o do mesmo período do ano anterior, 780 milhões. Veja o Quadro [box: @resultado_primario] para mais detalhes sobre o resultado primário. As receitas primárias cresceram 14% no sexto bimestre de 2021, como mostra a Figura [fig:@variacao_rcl]. As despesas primárias cresceram 10%. No sexto bimestre de 2020 as receitas tinham crescido 17% e as despesas 12,82%. Comparando o crescimento das despesas primárias no sexto bimestre de 2021, a taxa de crescimento foi menor que em 2020. O menor crescimento das despesas contribuiu para um superavit primário de pouco mais de R$ 630 milhões até o sexto bimestre de 2021. +O resultado primário das contas públicas do estado do Tocantins até o sexto bimestre de 2022, de acordo com a Figura [fig:@resultado_primario] foi de 180 milhões de reais, valor consideravelmente menor que o do mesmo período do ano anterior, 630 milhões. Veja a Figura [box: @resultado_primario] para mais detalhes sobre o resultado primário. As receitas primárias cresceram 24,1% no sexto bimestre de 2022, como mostra a Figura [fig:@variacao_rcl]. As despesas primárias cresceram 18%. No sexto bimestre de 2021 as receitas tinham crescido 14% e as despesas 9%. Comparando o crescimento das despesas primárias no sexto bimestre de 2022, a taxa de crescimento foi maior que 2021. Ainda que tenha sido registrado um aumento das despesas, a variação das receitas se mostrou maior, contribuindo para um superavit primário de pouco mais de R$ 180 milhões até o sexto bimestre de 2022. No terceiro bimestre de 2022, o resultado primário o seu ponto mais alto do ano. Após o terceiro bimestre o resultado primário permaneceu em queda, finalizando o ano de 2022, 71,43% inferior ao mesmo período de 2021. ::: {.smbox data-latex="[label={box:resultado_primario}]{O que é o resultado primário?}"} @@ -44,13 +43,13 @@ O resultado primário é um dos principais indicadores das contas públicas. Ele ::: -A Dívida Consolidada Liquida (DCL) do estado teve, em 2021, redução de 11% em relação a 31 de dezembro de 2020. A Dívida Consolidada Liquida de 2021 em relação ao ano de 2020 indica uma tendência de queda. Essa tendência pode ser observada na Figura [fig:@variacao_dcl]. +Dívida Consolidada Liquida (DCL) do estado teve, em 2022, redução de 20,21% em relação ao ano de 2020. A DCL que era de 4,75bi em 2021, passou a ser de 3,89bi em 2022. A Dívida Consolidada Liquida de 2022 em relação ao ano de 2021 indica uma tendência de queda. Essa tendência pode ser observada na Figura [fig:@variacao_dcl]. ```{r resultado_primario, fig.cap= "Resultado primário", fig.subcap="em relação a RCL", fig.source = "\\acrshort{rreo}", wrap = "open"} # Pedidos Seguro desemprego mensal tibble( - value = c(0.27, 0.24, 0.39, 0.64, 0.84, 0.78, 0.56, 0.47, 0.7, 0.79, 0.96, 0.63), - mes = seq(as.Date("2020-01-01"), as.Date("2021-12-01"), by = "2 month") + value = c(0.56, 0.47, 0.7, 0.79, 0.96, 0.63, 0.67, 0.72, 0.89, 0.76, 0.63, 0.18), + mes = seq(as.Date("2021-01-01"), as.Date("2022-12-01"), by = "2 month") ) %>% ggplot(aes(mes, value)) + geom_line() + @@ -63,12 +62,12 @@ tibble( ```{r variacao_rcl, fig.cap= "Variação das receitas e despesas", fig.subcap="em relação a RCL", fig.source = "\\acrshort{rreo}", wrap = "close"} # Saldo de Empregos Norte e Tocantins tibble( - `Receitas` = c(6, 17, 16, 14), - Despesas = c(12.08, 12.82, 5, 10), - mes = c("2020.3", "2020.6", "2021.3", "2021.6") + `Receitas` = c(16, 14, 29.4, 24.1), + Despesas = c(3, 9, 21, 18), + mes = c("2021.3", "2021.6", "2022.3", "2022.6") ) %>% pivot_longer(!mes, names_to = "local", values_to = "saldo") %>% - ggplot(aes(factor(mes, levels = c("2020.3", "2020.6", "2021.3", "2021.6")), saldo, fill = local)) + + ggplot(aes(factor(mes, levels = c("2021.3", "2021.6", "2022.3", "2022.6")), saldo, fill = local)) + geom_bar(stat = "identity", position = "dodge") + scale_y_continuous(labels = scales::label_comma()) ``` @@ -76,11 +75,12 @@ tibble( ```{r variacao_dcl, fig.cap= "Variação da Dívida Consolidada Liquida", fig.subcap="(DCL)", fig.source = "\\acrshort{rreo}", wrap = TRUE} # Saldo de Empregos Norte e Tocantins tibble( - `DCL` = c(5.5, 5.78, 5.88, 5.76, 5.83, 5.31, 5.51, 5.29, 5.13, 5.12, 5.07, 4.75), - mes = c("2020.1", "2020.2", "2020.3", "2020.4", "2020.5", "2020.6", "2021.1", "2021.2", "2021.3", "2021.4", "2021.5", "2021.6") + `DCL` = c(5.51, 5.29, 5.13, 5.12, 5.07, 4.75, 4.53, 4.32, 4.25, 4.19, 4.25, 3.79), + mes = c("2021.1", "2021.2", "2021.3", "2021.4", "2021.5", "2021.6", "2022.1", "2022.2", "2022.3", "2022.4", "2022.5", "2022.6") ) %>% pivot_longer(!mes, names_to = "local", values_to = "saldo") %>% - ggplot(aes(factor(mes, levels = c("2020.1", "2020.2", "2020.3", "2020.4", "2020.5", "2020.6", "2021.1", "2021.2", "2021.3", "2021.4", "2021.5", "2021.6")), saldo, fill = local)) + - geom_bar(stat = "identity", position = "dodge") + - scale_y_continuous(labels = scales::label_comma()) + ggplot(aes(factor(mes, levels = c("2021.1", "2021.2", "2021.3", "2021.4", "2021.5", "2021.6", "2022.1", "2022.2", "2022.3", "2022.4", "2022.5", "2022.6")), saldo, fill = local)) + + geom_bar(stat = "identity", position = position_dodge(width = 0.7)) + + scale_y_continuous(labels = scales::label_comma(), breaks = seq(0, 6, 1)) + # Defina os breaks conforme necessário + theme(axis.text.y = element_text(margin = margin(r = 10))) # Ajuste a margem conforme necessário ``` diff --git a/cap_contaspublicas/main.pdf b/cap_contaspublicas/main.pdf deleted file mode 100644 index 1521079..0000000 Binary files a/cap_contaspublicas/main.pdf and /dev/null differ diff --git a/cap_contaspublicas/main.tex b/cap_contaspublicas/main.tex deleted file mode 100755 index b3634f7..0000000 --- a/cap_contaspublicas/main.tex +++ /dev/null @@ -1,273 +0,0 @@ -\documentclass[twocolumn, a4paper, 10pt]{report} -\usepackage[top=2cm, bottom=2cm, left=2cm, right=2cm]{geometry} -\usepackage[lining]{ebgaramond} -\usepackage[T1]{fontenc} -\usepackage[utf8]{inputenc} -\usepackage[portuguese]{babel} -\usepackage{xcolor} -\usepackage{graphicx} -\usepackage{caption} -\usepackage{subcaption} -\usepackage{tikz} -\usepackage{multicol} -\usepackage{float} -\usepackage{fancyhdr} -\usepackage{titletoc} -\usepackage[explicit]{titlesec} -\usepackage{setspace} -\usepackage{tcolorbox} -\usepackage{pagecolor} -\usepackage{hyperref} -\usepackage{datetime} -\usepackage{kvsetkeys} -\usepackage{lipsum} % generate paragraph -\usepackage{xstring} - -% Required by KableExtra R package -%\usepackage{xcolor} -\usepackage{booktabs} -\usepackage{longtable} -\usepackage{array} -\usepackage{multirow} -\usepackage{wrapfig} -%\usepackage{float} -\usepackage{colortbl} -\usepackage{pdflscape} -\usepackage{tabu} -\usepackage{threeparttable} -\usepackage{threeparttablex} -\usepackage[normalem]{ulem} -\usepackage{makecell} - -\usepackage[acronym,toc]{glossaries} -\makenoidxglossaries -\IfFileExists{tex/abbreviations.tex}{\input{tex/abbreviations.tex}}{\input{../tex/abbreviations.tex}} - -% Cores -\definecolor{primarycolor}{RGB}{0, 96, 157} -\definecolor{secondarycolor}{RGB}{34, 192, 221} -\definecolor{boxbackground}{RGB}{225, 233, 246} -\definecolor{primarytext}{RGB}{0, 0, 0} -\definecolor{secondarytext}{RGB}{180, 180, 180} - -% Text Layout -\setlength\parindent{10pt} % Tamanho da indentação do paragrafo -\parskip = 1pt -\setlength{\columnsep}{15pt} % Espaço entre as colunas -\setstretch{1} % Altura da linha -\setcounter{tocdepth}{0} % Table of contents depth, imprime apenas chapter e section - -% Figures Caption Config -\captionsetup{ - format=plain, - justification=raggedright, - singlelinecheck=false, - font={normalsize,color=primarycolor}, - labelfont={color=primarycolor}, - labelsep=space, - skip=0pt -} -\renewcommand{\thesubfigure}{.\arabic{subfigure}} -\DeclareCaptionLabelFormat{opening}{Figura~\thechapter.\arabic{figure}.\arabic{subfigure}} -\captionsetup[subfigure]{ - labelformat=opening, - font={normalsize,color=primarycolor}, - labelsep=space, - skip=2pt -} -\setkeys{Gin}{width=\linewidth} % \includegraphics por padrão terá comprimento igual a \linewidth -% Links Config -\hypersetup{ - colorlinks=true, - linkbordercolor=white, - linkcolor=primarytext, - urlcolor=primarytext, - urlbordercolor=white, %links externos - citecolor=primarytext, - pdftitle={}, - pdfauthor={PET - Ciências Econômicas, Universidade Federal do Tocantins}, - pdfsubject={}, - pdfcreator={LaTeX}, - pdfproducer={PET - Ciências Econômicas}, - pdfkeywords={Tocantins, Economia, boletim}, - bookmarks=true -} - -% Numeração da Pagina -% Clear the header and footer -\fancyhf{} % clear all -\fancyhead{} -\fancyfoot{} -\fancypagestyle{plain}{ - \renewcommand{\headrulewidth}{0pt} - \renewcommand{\footrulewidth}{0pt} - \fancyfoot[RE,RO]{\footnotesize\textcolor{secondarytext}{\leftmark}\quad\thepage} -} -\pagestyle{plain} - -% Table Of Contents Style -\titlecontents{chapter}[70pt] - {\LARGE\color{primarycolor}\bigskip} - {\thecontentslabel.~} - {} - {\enspace---\enspace\contentspage} - -\titlecontents{section}[100pt] - {\large\color{primarycolor}\bigskip} - {} - {} - {\enspace---\contentspage} - -\titlecontents{subsection}[130pt] - {\normalsize\color{primarycolor}\bigskip} - {} - {} - {\enspace---\contentspage} - - -% Style Chapter, section and subsection -\titleformat{\chapter}[display] - {\filright} - {\scriptsize\color{secondarytext}\MakeUppercase\chaptertitlename~\thechapter} - {5pt} % margem superior - {\fontsize{50pt}{50pt}\selectfont\color{primarycolor}#1}\titlespacing*{\chapter} - {0pt}{0pt}{20pt} %controls vertical margins on title - -\titleformat{\section} - {\large\filright\color{primarycolor}} - {} - {0pt} - {#1} - -\titleformat{\subsection} - {\large\filright\color{primarycolor}} - {} - {0pt} - {#1} - -% Pandoc output require -\providecommand{\tightlist}{% - \setlength{\itemsep}{0pt}\setlength{\parskip}{0pt}} - -% Box Config -\newtcolorbox[auto counter,number within=chapter]{smbox}[2][]{ - %float=p, - colback=boxbackground, - colframe=boxbackground, - arc=0mm, - valign=center, - top=0pt, - left=10pt, - right=10pt, - bottom=10pt, - toptitle=20pt, - bottomtitle=0pt, - width=\linewidth, - fonttitle=\color{primarycolor}, - title=Quadro~\thetcbcounter~#2,#1 -} - -\newcommand{\source}[1]{\scriptsize{Fonte: #1}\\} - -\newcommand{\notes}[1]{{\scriptsize{Nota:#1}}} - -\newcommand{\subcap}[1]{{\scriptsize\color{primarycolor}#1\newline}} - -\newcommand{\abbr}[1]{\acrshort{#1}} - -\newcommand{\trimestres}[1][1-4]{ - \IfEqCase{#1}{% - {1-4}{1T: 1º trimestre, 2T: 2º trimestre, 3T: 3º trimestre, 4T: 4º trimestre}% - {1-3}{1T: 1º trimestre, 2T: 2º trimestre, 3T: 3º trimestre}% - {1-2}{1T: 1º trimestre, 2T: 2º trimestre} - {2-3}{2T: 2º trimestre, 3T: 3º trimestre} - {2-4}{2T: 2º trimestre, 3T: 3º trimestre, 4T: 4º trimestre} - {3-4}{3T: 3º trimestre, 4T: 4º trimestre} - {1}{1T: 1º trimestre} - {2}{2T: 2º trimestre} - {3}{3T: 3º trimestre} - {4}{4T: 4º trimestre} - }[] -} -\newcommand{\bimestres}[1][1-4]{ - \IfEqCase{#1}{% - {1-4}{1B: 1º bimestre, 2B: 2º bimestre, 3B: 3º bimestre, 4B: 4º bimestre}% - {1-3}{1B: 1º bimestre, 2B: 2º bimestre, 3B: 3º bimestre}% - {1-2}{1B: 1º bimestre, 2B: 2º bimestre} - {2-3}{2B: 2º bimestre, 3B: 3º bimestre} - {2-4}{2B: 2º bimestre, 4B: 3º bimestre, 4B: 4º bimestre} - {3-4}{3B: 3º bimestre, 4B: 4º bimestre} - {1}{1B: 1º bimestre} - {2}{2B: 2º bimestre} - {3}{3B: 3º bimestre} - {4}{4B: 4º bimestre} - {5}{5B: 5º bimestre} - {6}{6B: 6º bimestre} - }[] -} - -\begin{document} - - \hypertarget{contas-puxfablicas-estadual}{% - \chapter{Contas Públicas - Estadual}\label{contas-puxfablicas-estadual}} - - O resultado primário das contas públicas do estado do Tocantins até - o sexto bimestre de 2021, de acordo com a Figura - \ref{fig:resultado_primario} foi de 630 milhões de reais, valor - menor que o do mesmo período do ano anterior, 780 milhões. Veja o - Quadro \ref{box:resultado_primario} para mais detalhes sobre o - resultado primário. As receitas primárias cresceram 14\% no sexto - bimestre de 2021, como mostra a Figura \ref{fig:variacao_rcl}. As - despesas primárias cresceram 10\%. No sexto bimestre de 2020 as - receitas tinham crescido 17\% e as despesas 12,82\%. Comparando o - crescimento das despesas primárias no sexto bimestre de 2021, a taxa - de crescimento foi menor que em 2020. O menor crescimento das - despesas contribuiu para um superavit primário de pouco mais de R\$ - 630 milhões até o sexto bimestre de 2021. - - \begin{smbox}[label={box:resultado_primario}]{O que é o resultado primário?} - O resultado primário é um dos principais indicadores das contas - públicas. Ele representa o esforço fiscal de um estado para diminuir - o estoque da dívida. Ele é resultado da diferença entre as receitas - e despesas (excluindo as receitas e despesas com juros). O superavit - primário ou resultado primário positivo ocorre quando as receitas - primárias são maiores que as despesas primárias. Indica a economia - do governo para pagamento da dívida. O inverso, quando despesas - primárias excedem as receitas primárias, há déficit primário ou - resultado primário negativo, incorrendo em aumento da dívida. - - \end{smbox} - - A Dívida Consolidada Liquida (DCL) do estado teve, em 2021, redução - de 11\% em relação a 31 de dezembro de 2020. A Dívida Consolidada - Liquida de 2021 em relação ao ano de 2020 indica uma tendência de - queda. Essa tendência pode ser observada na Figura - \ref{fig:variacao_dcl}. - - \begin{figure}[!h] - \begin{subfigure}{\linewidth} - \caption{Resultado primário\label{fig:resultado_primario}} - \subcap{em relação a RCL} - \includegraphics{main_files/figure-latex/resultado_primario-1.pdf} - \source{\acrshort{rreo}} - \end{subfigure} - - \begin{subfigure}{\linewidth} - \caption{Variação das receitas e despesas\label{fig:variacao_rcl}} - \subcap{em relação a RCL} - \includegraphics{main_files/figure-latex/variacao_rcl-1.pdf} - \source{\acrshort{rreo}} - \end{subfigure} - \end{figure} - - \begin{figure}[!h] - \begin{subfigure}{\linewidth} - \caption{Variação da Dívida Consolidada Liquida\label{fig:variacao_dcl}} - \subcap{(DCL)} - \includegraphics{main_files/figure-latex/variacao_dcl-1.pdf} - \source{\acrshort{rreo}} - \end{subfigure} - \end{figure} - - \end{document} \ No newline at end of file diff --git a/cap_contaspublicas/planilhas/Tabelas_Boletim_Financas_2019.xlsx b/cap_contaspublicas/planilhas/Tabelas_Boletim_Financas_2019.xlsx deleted file mode 100755 index 80655e2..0000000 Binary files a/cap_contaspublicas/planilhas/Tabelas_Boletim_Financas_2019.xlsx and /dev/null differ diff --git a/cap_contaspublicas/planilhas/Tabelas_Boletim_Financas_2020.xlsx b/cap_contaspublicas/planilhas/Tabelas_Boletim_Financas_2020.xlsx deleted file mode 100755 index 5d5b5b2..0000000 Binary files a/cap_contaspublicas/planilhas/Tabelas_Boletim_Financas_2020.xlsx and /dev/null differ diff --git a/cap_contaspublicas/rgf_2015_2020_2q_to.rds b/cap_contaspublicas/rgf_2015_2020_2q_to.rds deleted file mode 100755 index 5dc60d6..0000000 Binary files a/cap_contaspublicas/rgf_2015_2020_2q_to.rds and /dev/null differ diff --git a/cap_contaspublicas/rgf_2018_2020_to.rds b/cap_contaspublicas/rgf_2018_2020_to.rds deleted file mode 100755 index bc691de..0000000 Binary files a/cap_contaspublicas/rgf_2018_2020_to.rds and /dev/null differ diff --git a/cap_contaspublicas/rgf_norte_2018_2020.rds b/cap_contaspublicas/rgf_norte_2018_2020.rds deleted file mode 100755 index 58321da..0000000 Binary files a/cap_contaspublicas/rgf_norte_2018_2020.rds and /dev/null differ diff --git a/cap_contaspublicas/rreo_2018_2020_to.rds b/cap_contaspublicas/rreo_2018_2020_to.rds deleted file mode 100755 index f7d01e9..0000000 Binary files a/cap_contaspublicas/rreo_2018_2020_to.rds and /dev/null differ diff --git a/cap_contaspublicas/rreo_norte_2018_2020.rds b/cap_contaspublicas/rreo_norte_2018_2020.rds deleted file mode 100755 index ecd95d6..0000000 Binary files a/cap_contaspublicas/rreo_norte_2018_2020.rds and /dev/null differ diff --git a/cap_emprego/.DS_Store b/cap_emprego/.DS_Store deleted file mode 100644 index ea6f65a..0000000 Binary files a/cap_emprego/.DS_Store and /dev/null differ diff --git a/cap_emprego/main.Rmd b/cap_emprego/main.Rmd index fe011bc..020922e 100644 --- a/cap_emprego/main.Rmd +++ b/cap_emprego/main.Rmd @@ -6,7 +6,7 @@ output: pandoc_args: "--lua-filter=../filter/crossref.lua" --- -```{r setup, include=F, message=F, warning=F} +```{r include=FALSE, message=FALSE, warning=FALSE} library(tidyverse) library(knitr) library(scales) @@ -18,10 +18,8 @@ library(sidrar) library(lubridate) library(petknitr) -petgg::set_theme(base_family = "EB Garamond") - petknitr::setup() - +petgg::set_theme(base_family = "EB Garamond") m <- 1000 M <- 1000000 @@ -30,117 +28,108 @@ B <- 1000000000 # Mercado de Trabalho -Os empregos são indicadores para a atividade econômica de um país. Por isso, o governo federal realiza inúmeras pesquisas sobre os empregos formais e informais. O Cadastro Geral de Empregados e Desempregados (CAGED) reúne inúmeras informações sobre os empregos formais, entre admissões, desligamentos, salários, funções, cargos, etc. Também usa-se os dados da Pesquisa Nacional por Amostra de Domicílios PNAD-C para calcular a taxa de desemprego, ocupação, renda média dos trabalhadores. Também usa-se os dados da Pesquisa Nacional por Amostra de Domicílios PNAD-C para calcular a taxa de desemprego, ocupação, renda média dos trabalhadores.Os empregos são indicadores para a atividade econômica de um país. Por isso, o governo federal realiza inúmeras pesquisas sobre os empregos formais e informais. O Cadastro Geral de Empregados e Desempregados (CAGED) reúne inúmeras informações sobre os empregos formais, entre admissões, desligamentos, salários, funções, cargos, etc. Também usa-se os dados da Pesquisa Nacional por Amostra de Domicílios PNAD-C para calcular a taxa de desemprego, ocupação, renda média dos trabalhadores. Também usa-se os dados da Pesquisa Nacional por Amostra de Domicílios PNAD-C para calcular a taxa de desemprego, ocupação, renda média dos trabalhadores. +Os empregos constituem indicadores essenciais para a avaliação da atividade econômica de um país. Nesse sentido, o governo federal conduz diversas pesquisas abrangendo tanto o emprego formal quanto o informal. O Cadastro Geral de Empregados e Desempregados (CAGED) consolida uma ampla gama de informações relacionadas aos empregos formais, abrangendo admissões, desligamentos, salários, funções, cargos, entre outros. Adicionalmente, são utilizados os dados da Pesquisa Nacional por Amostra de Domicílios (PNADC) para calcular indicadores como a taxa de desemprego, ocupação e renda média dos trabalhadores. -## Saldo de empregos +Fica evidente na Figura [fig:@saldo] que mesmo com um cenário de insegurança política em um ano eleitoral conturbado, há uma evolução na estrutura do mercado de trabalho de 2022 que se manteve similar à de 2021, demonstrando por sua vez uma recuperação dos níveis críticos de desestruturação econômica nacional e regional geradas pela pandemia do COVID-19. Observa-se que no primeiro trimestre de 2022, o saldo de desemprego manteve-se em terreno positivo. Destaca-se que mesmo o Tocantins não representando um grande volume comparativo ao total da região norte, existe uma clara similaridade em relação ao sentido de ambos os dados, nota-se que enquanto o Tocantins apresenta seu maior saldo anual mensal em agosto com 2328 postos de emprego, a região norte tem seu pico em junho com 22894 postos conquistados. Já em dezembro observa-se um saldo negativo, essa estrutura de sazonalidade é similar ao ano anterior, o Tocantins amargou um redução -2615 em seu saldo de postos de trabalho enquanto a região norte registrou -31568, parte dessa queda se dá principalmente pelas expectativas dos agentes econômicos em relação ao ano posterior. -A Figura [fig: @saldo] +O setor de serviços registrou o maior crescimento, destacando-se especialmente nas áreas de informação, comunicação e atividades financeiras, imobiliárias, profissionais e administrativas. O comércio, por sua vez, figurou como o segundo maior gerador de postos de trabalho, com o comércio varejista de mercadorias, em especial supermercados e artigos de vestuário, liderando as contratações. A indústria apresentou o terceiro maior crescimento no emprego no mês, evidenciando um saldo positivo, por último o setor de construção se destaca com uma perda total gerada de -573. -```{r saldo, fig.cap= "Saldo de Empregos", fig.subcap="Saldo Anual", fig.source = "Ministério do trabalho", wrap = "open"} +```{r saldo, fig.cap= "Saldo de empregos ao longo de 2022", fig.subcap="Em Mil", fig.source = "\\acrshort{caged}, 2022.", wrap = "open"} # Saldo de Empregos Norte e Tocantins +# Dados diponíveis no BI do Novo CADEG https://app.powerbi.com/view?r=eyJrIjoiNWI5NWI0ODEtYmZiYy00Mjg3LTkzNWUtY2UyYjIwMDE1YWI2IiwidCI6IjNlYzkyOTY5LTVhNTEtNGYxOC04YWM5LWVmOThmYmFmYTk3OCJ9&pageName=ReportSectionb52b07ec3b5f3ac6c749 tibble( - `Região Norte` = c(2992,10913,-6623,-31590,-11238,6382,16203,23304,21840, 21150, 14806, -9390), - Tocantins = c(221,1492,-126,-2882,-1292,1213,1774,2136,2028,1385,1062,220), - mes = c("jan","fev", "mar", "abr", "mai", "jun", "jul", "ago", "set", "out", "nov", "dez") + `Região Norte` = c(4594, 15925, 8037, 12421, 16962, 22894, 18979, 20949, 19836, 7560, 2155, -31568), + Tocantins = c(1485, 2416, 410, 641, 1957, 1575, 2560, 2328, 2035, 1075, 766, -2615), + mes = c("jan", "fev", "mar", "abr", "mai", "jun", "jul", "ago", "set", "out", "nov", "dez") ) %>% - pivot_longer(!mes, names_to = "local", values_to = "saldo") %>% - ggplot(aes(factor(mes, levels = c("jan","fev", "mar", "abr", "mai", "jun", "jul", "ago", "set", "out", "nov", "dez")), saldo, fill = local)) + - geom_bar(stat = "identity", position = "dodge") + - scale_y_continuous(labels = function(n) n/m) + pivot_longer(!mes, names_to = "local", values_to = "saldo") %>% + ggplot(aes(factor(mes, levels = c("jan", "fev", "mar", "abr", "mai", "jun", "jul", "ago", "set", "out", "nov", "dez")), saldo, fill = local)) + + geom_bar(stat = "identity", position = "dodge") + + scale_y_continuous(labels = function(n) n / m) ``` -```{r saldo_setor_to, fig.cap= "Saldo por setores", fig.subcap="XXXX", fig.source = "Ministério do trabalho"} +```{r saldo_setor_to, fig.cap = "Saldo por setores em 2022", fig.subcap="Em Mil", fig.source = "\\acrshort{caged}, 2022."} # Saldo por Setores no Tocantins +# Dados diponíveis no BI do Novo CADEG https://app.powerbi.com/view?r=eyJrIjoiNWI5NWI0ODEtYmZiYy00Mjg3LTkzNWUtY2UyYjIwMDE1YWI2IiwidCI6IjNlYzkyOTY5LTVhNTEtNGYxOC04YWM5LWVmOThmYmFmYTk3OCJ9&pageName=ReportSectionb52b07ec3b5f3ac6c749 + tibble( - Saldo = c(542,495,2979,1543,1442), - Setores = c("Agricultura","Indústrias", "Construção", "Comércio", "Serviços") + Saldo = c(2042, 1516, -573, 3981, 7667), + Setores = c("Agricultura", "Indústrias", "Construção", "Comércio", "Serviços") ) %>% - ggplot(aes(Setores, Saldo)) + - geom_bar(stat = "identity") + - scale_y_continuous(labels = function(n) n/m) + ggplot(aes(Setores, Saldo)) + + geom_bar(stat = "identity") + + scale_y_continuous(labels = function(n) n / m) ``` -```{r pedido_segudo_desem, fig.cap= "Pedidos seguro-desemprego", fig.subcap="XXXX", fig.source = "IBGE", wrap = "close"} -# Pedidos Seguro desemprego trimestral +```{r pedido_segudo_desem, fig.cap= "Pedidos de seguro desemprego em 2022", fig.subcap="Em Mil", fig.source = "\\acrshort{ibge}, 2022.", wrap = "close"} +# Pedidos Seguro desemprego mensal +# Fonte: Séries históricas do seguro-desempro +# Disponível em: http://pdet.mte.gov.br/component/content/article?id=1778 +# Tabela 3.1 tibble( - value = c(9833, 9833, 8832, 8784, 9642, 9324, 9155, 8182, 8785, 10642, 7535, 8072), - trimestre = seq(as.Date("2018-01-01"), as.Date("2020-12-01"), by = "quarter") + value = c(8794, 7682, 10100, 9182, 9816, 9812, 9264, 10005, 8989, 9164, 8757, 8699), + mes = seq(as.Date("2022-01-01"), as.Date("2022-12-01"), by = "month") ) %>% - ggplot(aes(trimestre, value)) + - geom_line() + - scale_y_continuous(labels = function(x) x/m) + - scale_x_date( - breaks = scales::breaks_width("90 day"), - labels = function(x) zoo::format.yearqtr(x, "%qT\n%Y") - ) + ggplot(aes(mes, value)) + + geom_line() + + scale_y_continuous(labels = function(x) x / m) + + scale_x_date( + labels = date_format("%b\n%Y"), date_breaks = "1 month" + ) ``` -```{r reg_emprego, fig.cap= "Regressão seguro desemprego/taxa de desemprego", fig.subcap="XXXX", fig.source = "PNAD-C", wrap = TRUE} -Dados <- data.frame(taxaDesemprego = c(11,11.3,9.8,10.4,12.3,11.4,10.5,9.1,11.2,12.5,12.2,11.6), - Pedidos_SeguroDesemprego = c(9833,9833,8832,8784,9642,9324,9155,8182,8785,10642,7535, 8072)) +Já os pedidos de seguro desemprego funcionam como um termômetro claro para evidenciar a estrutura do emprego nacional, uma medida macroeconômica destinada a proporcionar uma rede de segurança para trabalhadores recentemente demitidos. Em termos mais claros, o aumento nos pedidos de seguro-desemprego indica que o mercado de trabalho não está operando de forma otimizada. Da mesma forma, uma baixa incidência de pedidos reflete uma reação positiva a um período econômico favorável. +O que pode ser observado comparativamente entre as Figuras [fig:@pedido_segudo_desem] e [fig:@taxa_desemprego] é um movimento semelhante entre a taxa de desemprego e os pedidos de seguro-desemprego. A partir de fevereiro de 2022, os pedidos sofrem uma redução, mas apresentam oscilações no decorrer do ano. Em relação ao ano anterior, o valor mínimo do seguro-desemprego aumentou. Ao comparar com a taxa de desemprego, percebe-se que a taxa se reduz, resultando em uma diminuição nos pedidos de seguro-desemprego. Isso demonstra claramente como a taxa é crucial para a avaliação de políticas macroeconômica. Vale destacar o comportamento dos pedidos de seguro desemprego seguiram uma estrutura diametralmente oposta do registrado no boletim de 2021, onde a economia tendeu a crescer a partir do segundo trimestre do ano. +É realizado uma regressão na Figura [fig:@reg_emprego] para definir o quão importante é a taxa de desemprego em relação ao seguro desemprego, para o mercado de trabalho, o gráfico leva em consideração dados trimestrais de 2020 a 2022. +O mercado de trabalho no Brasil tem apresentado uma trajetória de notável dinamismo, caracterizada por uma significativa expansão da população ocupada, o que teve um impacto expressivo na redução do desemprego. A Figura [fig:@pop_ocupada] ilustra que, no segundo trimestre, houve uma diminuição na taxa de desocupação, revertendo o aumento registrado no primeiro trimestre do ano. Esse movimento sugere uma recuperação do padrão sazonal desse indicador, um salto do primeiro trimestre de 2022 para o quarto trimestre de 2022, saindo de 50,8% para um patamar de aproximadamente 55,09% - #Modelo/Gráfico +A Figura [fig:@rendimentos] apresenta o rendimento médio mensal, calculado a partir da média das remunerações dos trabalhadores extraída da população ocupada por meio de trabalho principal. A renda média nominal no Tocantins no terceiro trimestre de 2022 foi a segunda mais elevada se situando na faixa de R$ 2300 a 2500 evidenciando um claro aumento a partir do segundo trimestre, historicamente o estado se mantem abaixo da renda nacional e superior a renda média da região norte. O nível de ocupação no Tocantins manteve-se estável com esses resultados, não apresentando variação estatisticamente significativa. No entanto, de maneira geral, é observável pelo gráfico que a renda média no Brasil é superior à da região Norte e do estado do Tocantins, possivelmente devido ao fato de abranger regiões mais desenvolvidas em termos produtivos, como o Sul e Sudeste. - modelo <- lm(data = Dados, formula = Pedidos_SeguroDesemprego~taxaDesemprego) +```{r reg_emprego, fig.cap= "Relação seguro desemprego x taxa de desocupação", fig.subcap="Variação Trimestral entre 2020 a 2022", fig.source = "\\acrshort{mte}", wrap = TRUE} +#Fonte: Seguro desemprego +#Séries históricas do seguro-desempro +#Disponível em: http://pdet.mte.gov.br/component/content/article?id=1778 +#Tabela 3.1 +#Foi pego os dados mensais do seguro, realizado a média a cada 3 meses para chegar a um valor trimestral +#Taxa de desocupação: Sidra Tabela 4092 +#(Distribuição percentual das pessoas de 14 anos ou mais de idade (%): 1 de 1 casas decimais) - ggplot(Dados, aes(x = taxaDesemprego, y = Pedidos_SeguroDesemprego)) + geom_point() + geom_smooth(method = lm, se = FALSE) + - labs(x= "Taxa de desemprego", y= "Seguro Desemprego") + theme_petgg(axis_title = T, base_family = "EB Garamond") +reg_data <- tibble( + taxa_desocupacao = c(6.8, 7.2, 7.0, 6.7, 10.5, 9.6, 6.6, 5.9, 5.7, 3.4, 3.5, 3.2), + pedidos_seguro_desemprego = c(13060, 13265, 14256, 10837, 9990, 9606, 8897, 8603, 8859, 9603, 9419, 8873) +) +ggplot(reg_data, aes(x = taxa_desocupacao, y = pedidos_seguro_desemprego)) + + geom_point() + + geom_smooth(method = lm, se = FALSE) + + labs(x = "Taxa de desocupação", y = "Seguro Desemprego") + + theme_petgg(axis_title = T, base_family = "EB Garamond") + + scale_y_continuous(limits = c(8000, 15000), breaks = seq(8000, 15000, 2000)) ``` -```{r tabela, fig.source = "Ministério do trabalho"} -# Tabelas -caged_idade <- tibble( - carac = c("14-34", "35-65", "65+"), - Admitidos = c(48048, 19009, 89), - Demitidos = c(40740, 17446, 190), - Saldo = Admitidos - Demitidos -) -caged_sexo <- tibble( - carac = c("Homem", "Mulher"), - Admitidos = c(46634, 20513), - Demitidos = c(40358, 19518), - Saldo = Admitidos - Demitidos -) -caged_instru <- tibble( - carac = c("A", "F.C", "M.I.C", "M.C", "S.C", "P.G"), - Admitidos = c(219,3621,4745,45486,4457,316), - Demitidos = c(237, 3343, 4456, 39888, 3984, 319), - Saldo = Admitidos - Demitidos -) -bind_rows(caged_idade, caged_sexo, caged_instru) %>% - kableExtra::kbl( - caption = "XXX", - align = "lrrr", - format.args = list(big.mark = ".", decimal.mark = ",", scientific = FALSE), - booktabs = T, - col.names = c("", "Admitidos", "Demitidos", "Saldo") - ) %>% - kable_styling(full_width = T) %>% - pack_rows("Idade", 1, 3) %>% - pack_rows("Sexo", 4, 5) %>% - pack_rows("Escolaridade", 6,7) -``` -```{r taxa_desemprego, fig.cap= "taxa de desemprego", fig.subcap="XXXX", fig.source = "PNAD-C", wrap = "open"} +```{r taxa_desemprego, fig.cap= "Taxa de desemprego no Tocantins", fig.subcap="Variaçao trimestral", fig.source = "\\acrshort{ibge}, 2022.", wrap = "open"} df <- get_sidra( x = 4092, geo = "State", header = T, - period = "201201-202004" + period = "202201-202204" ) %>% janitor::clean_names() df %>% filter( unidade_da_federacao == "Tocantins", - condicao_em_relacao_a_forca_de_trabalho_e_condicao_de_ocupacao %in% c("Força de trabalho - desocupada", "Força de trabalho"), + condicao_em_relacao_a_forca_de_trabalho_e_condicao_de_ocupacao %in% c( + "Força de trabalho - desocupada", + "Força de trabalho" + ), unidade_de_medida == "Mil pessoas" ) %>% select(trimestre_codigo, condicao_em_relacao_a_forca_de_trabalho_e_condicao_de_ocupacao, valor) %>% @@ -150,107 +139,108 @@ df %>% ) %>% rowwise() %>% mutate( - taxa_des = `Força de trabalho - desocupada`/ `Força de trabalho` * 100, + taxa_des = `Força de trabalho - desocupada` / `Força de trabalho` * 100, quarter = trimestre_codigo %>% stringr::str_replace("(?<=\\d{4})\\d", "Q"), tri = zoo::as.yearqtr(quarter) %>% as.Date() ) %>% ggplot(aes(tri, taxa_des)) + - geom_line() + - scale_x_date( - breaks = scales::breaks_width("3 month", offset = -30), - labels = function(x) zoo::format.yearqtr(x, "%qT\n%Y"), - limits = c(as.Date("2019-01-01"), as.Date("2020-10-01")) - ) + geom_line() + + scale_x_date( + breaks = scales::breaks_width("3 month", offset = -59), + labels = function(x) zoo::format.yearqtr(x, "%qT\n%Y") + ) +``` + +```{r pop_ocupada, fig.cap= "População ocupada no Tocantins", fig.subcap="Variaçao trimestral", fig.source = "\\acrshort{ibge}, 2022."} +sidrar::get_sidra( + x = 4092, + header = T, + geo = "State", + period = "202101-202104" +) %>% + janitor::clean_names() %>% + filter( + unidade_da_federacao == "Tocantins", + condicao_em_relacao_a_forca_de_trabalho_e_condicao_de_ocupacao %in% c( + "Força de trabalho - ocupada", + "Total" + ), + unidade_de_medida == "Mil pessoas" + ) %>% + select(trimestre_codigo, condicao_em_relacao_a_forca_de_trabalho_e_condicao_de_ocupacao, valor) %>% + pivot_wider( + names_from = condicao_em_relacao_a_forca_de_trabalho_e_condicao_de_ocupacao, + values_from = valor + ) %>% + rowwise() %>% + mutate( + pop_ocu = `Força de trabalho - ocupada` / `Total` * 100, + quarter = trimestre_codigo %>% stringr::str_replace("(?<=\\d{4})\\d", "Q"), + tri = zoo::as.yearqtr(quarter) %>% as.Date() + ) %>% + ggplot(aes(tri, pop_ocu)) + + geom_line() + + scale_x_date( + breaks = scales::breaks_width("3 month", offset = -59), + labels = function(x) zoo::format.yearqtr(x, "%qT\n%Y") + ) ``` -```{r rendimentos, fig.cap= "Rendimento médio mensal", fig.subcap="XXXX", fig.source = "PNAD-C"} + +```{r rendimentos, fig.cap= "Rendimento médio mensal", fig.subcap="Em mil R$", fig.source = "\\acrshort{ibge}, 2022.", wrap = "close"} # Rendimentos - Tocantins rendi <- get_sidra( x = 5439, geo = "State", header = T, - period = "201201-202004" + period = "202201-202204" ) %>% janitor::clean_names() rendimento_to <- rendi %>% - filter(unidade_da_federacao == "Tocantins", posicao_na_ocupacao_no_trabalho_principal == "Total", unidade_de_medida == "Reais", variavel == "Rendimento médio real do trabalho principal, efetivamente recebido no mês de referência, pelas pessoas de 14 anos ou mais de idade, ocupadas na semana de referência, com rendimento de trabalho") %>% - mutate(quarter = trimestre_codigo %>% stringr::str_replace("(?<=\\d{4})\\d", "Q"), - tri = zoo::as.yearqtr(quarter) %>% as.Date()) - - - - -#Rendimentos - Brasil + filter(unidade_da_federacao == "Tocantins", posicao_na_ocupacao_no_trabalho_principal == "Total", unidade_de_medida == "Reais", variavel == "Rendimento médio mensal real das pessoas de 14 anos ou mais de idade ocupadas na semana de referência com rendimento de trabalho, habitualmente recebido no trabalho principal") %>% + mutate( + quarter = trimestre_codigo %>% stringr::str_replace("(?<=\\d{4})\\d", "Q"), + tri = zoo::as.yearqtr(quarter) %>% as.Date() + ) +# Rendimentos - Brasil rendi_br <- get_sidra( x = 5439, header = T, - period = "201201-202004" + period = "202201-202204" ) %>% janitor::clean_names() rendimento_brasil <- rendi_br %>% - filter(nivel_territorial == "Brasil", posicao_na_ocupacao_no_trabalho_principal == "Total", unidade_de_medida == "Reais", variavel == "Rendimento médio real do trabalho principal, efetivamente recebido no mês de referência, pelas pessoas de 14 anos ou mais de idade, ocupadas na semana de referência, com rendimento de trabalho") %>% - mutate(quarter = trimestre_codigo %>% stringr::str_replace("(?<=\\d{4})\\d", "Q"), - tri = zoo::as.yearqtr(quarter) %>% as.Date()) - + filter(nivel_territorial == "Brasil", posicao_na_ocupacao_no_trabalho_principal == "Total", unidade_de_medida == "Reais", variavel == "Rendimento médio mensal real das pessoas de 14 anos ou mais de idade ocupadas na semana de referência com rendimento de trabalho, habitualmente recebido no trabalho principal") %>% + mutate( + quarter = trimestre_codigo %>% stringr::str_replace("(?<=\\d{4})\\d", "Q"), + tri = zoo::as.yearqtr(quarter) %>% as.Date() + ) # Rendimento - Norte - rendi_norte <- get_sidra( x = 5439, header = T, geo = "Region", - period = "201201-202004" + period = "202201-202204" ) %>% janitor::clean_names() rendimento_norte <- rendi_norte %>% - filter(grande_regiao == "Norte", unidade_de_medida == "Reais", posicao_na_ocupacao_no_trabalho_principal == "Total", variavel == "Rendimento médio real do trabalho principal, efetivamente recebido no mês de referência, pelas pessoas de 14 anos ou mais de idade, ocupadas na semana de referência, com rendimento de trabalho") %>% - mutate(quarter = trimestre_codigo %>% stringr::str_replace("(?<=\\d{4})\\d", "Q"), - tri = zoo::as.yearqtr(quarter) %>% as.Date()) - - -# Gráficos - -ggplot() + geom_line(rendimento_to, mapping = aes(tri, valor, colour = "Tocantins")) + geom_line(rendimento_brasil, mapping = aes(tri, valor, colour = "Brasil")) + geom_line(rendimento_norte, mapping = aes(tri, valor, colour = "Região Norte")) + scale_color_manual(values = petgg::colors[1:3]) + - scale_x_date( - breaks = scales::breaks_width("3 month", offset = -30), - labels = function(x) zoo::format.yearqtr(x, "%qT\n%Y"), - limits = c(as.Date("2019-01-01"), as.Date("2020-10-01")) - ) - - - - - -``` - -```{r pop_ocupada, fig.cap= "População ocupada", fig.subcap="XXXX", fig.source = "PNAD-C", wrap = "close"} - -pop_ocupada <- get_sidra( - x = 4092, - header = T, - geo = "State", - period = "201901-202004" -) %>% janitor::clean_names() + filter(grande_regiao == "Norte", unidade_de_medida == "Reais", posicao_na_ocupacao_no_trabalho_principal == "Total", variavel == "Rendimento médio mensal real das pessoas de 14 anos ou mais de idade ocupadas na semana de referência com rendimento de trabalho, habitualmente recebido no trabalho principal") %>% + mutate( + quarter = trimestre_codigo %>% stringr::str_replace("(?<=\\d{4})\\d", "Q"), + tri = zoo::as.yearqtr(quarter) %>% as.Date() + ) -pop_ocupada_to <- pop_ocupada %>% - filter(unidade_da_federacao == "Tocantins", - condicao_em_relacao_a_forca_de_trabalho_e_condicao_de_ocupacao %in% c("Força de trabalho", "Total"), - unidade_de_medida == "Mil pessoas") %>% - select(trimestre_codigo, condicao_em_relacao_a_forca_de_trabalho_e_condicao_de_ocupacao, valor) %>% - pivot_wider(names_from = condicao_em_relacao_a_forca_de_trabalho_e_condicao_de_ocupacao, - values_from = valor) %>% - rowwise() %>% - mutate(pop_ocu = `Força de trabalho` / `Total` * 100, - quarter = trimestre_codigo %>% - stringr::str_replace("(?<=\\d{4})\\d", "Q"), - tri = zoo::as.yearqtr(quarter) %>% as.Date()) %>% - ggplot(aes(tri, pop_ocu)) + - geom_line() + +ggplot() + + geom_line(rendimento_to, mapping = aes(tri, valor, colour = "Tocantins")) + + geom_line(rendimento_brasil, mapping = aes(tri, valor, colour = "Brasil")) + + geom_line(rendimento_norte, mapping = aes(tri, valor, colour = "Região Norte")) + + scale_color_manual(values = petgg::colors[1:3]) + scale_x_date( - breaks = scales::breaks_width("3 month", offset = -30), -labels = function(x) zoo::format.yearqtr(x, "%qT\n%Y") + breaks = scales::breaks_width("3 month", offset = -59), + labels = function(x) zoo::format.yearqtr(x, "%qT\n%Y"), + limits = c(as.Date("2022-01-01"), as.Date("2022-11-01")) ) -pop_ocupada_to -``` +``` \ No newline at end of file diff --git a/cap_example/.DS_Store b/cap_example/.DS_Store deleted file mode 100644 index 4b7c3ac..0000000 Binary files a/cap_example/.DS_Store and /dev/null differ diff --git a/cap_introducao/.DS_Store b/cap_introducao/.DS_Store deleted file mode 100644 index 72a1edf..0000000 Binary files a/cap_introducao/.DS_Store and /dev/null differ diff --git a/cap_introducao/cache_bcb/4109ea5db60b352a b/cap_introducao/cache_bcb/4109ea5db60b352a deleted file mode 100755 index bf3d7df..0000000 Binary files a/cap_introducao/cache_bcb/4109ea5db60b352a and /dev/null differ diff --git a/cap_introducao/main.Rmd b/cap_introducao/main.Rmd index 0d67ddd..02871a7 100755 --- a/cap_introducao/main.Rmd +++ b/cap_introducao/main.Rmd @@ -27,20 +27,20 @@ petknitr::setup() # Panorama Econômico -Segundo dados do IPEA (2022), a recuperação da atividade econômica dos efeitos da pandemia continua ocorrendo de forma heterogênea. Por um lado, serviços e comércio têm se beneficiado da melhora das condições sanitárias. Por outro, a indústria apresenta resultados negativos em parte devido aos mesmos choques de oferta que afetam a inflação, como escassez de matérias-primas e custos de energia. O mercado de trabalho vem dando sinais positivos e já registra a menor taxa de desocupação dessazonalizada desde maio de 2020, mas ainda apresenta indicadores gerais em níveis desfavoráveis. As condições gerais do mercado de crédito têm mostrado estabilidade e será importante monitorar os efeitos do aumento do Imposto sobre Operações Financeiras (IOF) nos próximos meses. O setor externo tem apresentado desempenho positivo, com aumento das exportações e diminuição do déficit em transações correntes. Enquanto isso, a taxa de câmbio se mantém desvalorizada e volátil. +Após dois anos de desaquecimento das atividades econômicas decorrentes dos impactos da pandemia da covid-19, a economia brasileira se recupera a passos lentos. A baixa das atividades econômicas se reflete em taxas de inflação mensal e acumulada baixas, uma queda geral nos volumes de vendas do comércio varejista e em taxas de crescimento modestas dos componentes do PIB pelo lado da demanda. -O ano de 2021, ao mesmo tempo em que foi um tempo de continuidade da pandemia do coronavírus, foi um período de recuperação do cenário destrutivo que foi o ano anterior. A omissão e o atraso quanto a políticas que atenuassem os efeitos danosos desse incidente geraram um cenário desafiador para a gestão de 2022. +Nos pormenores, conforme dados do IBGE expostos na Tabela [tab:@inflacao], em todos os meses do ano de 2022 a inflação mensal foi menor do que 2% e, menor que 1% em todos, exceto fevereiro, março e abril. A maior taxa mensal observada de aumento nos preços se deu no mês de abril, numa máxima anual de 1,62%. Além de uma inflação em geral distante de ser alarmante, os meses de julho, agosto e setembro apresentaram uma modesta deflação na economia brasileira, que voltou a se inflacionar levemente a partir de outubro. A inflação acumulada anual fechou em 5,79%, enquanto o decrescimento da inflação acumulada em 12 meses ao longo do ano de 2022 mostra que o padrão de inflação do ano foi menor do que o de 2021, que havia terminado o ano com uma inflação acumulada de 10,21%. -O ano de 2021 começou no mês de janeiro com um IPCA acumulado de 0,25%, como mostra a Tabela [tab:@inflacao], padrão que não se manteve e em fevereiro os preços ao consumidor amplo aumentaram em 0,86% em relação ao mês anterior, acumulando alta de 1,11%. O mês seguinte foi pior, apresentando elevação de preços de 0,93% e totalizando um acumulado de 2,05%. Já em abril, o índice do acumulado se elevou para 2,36%, expressão de uma baixa do processo inflacionário no mês. A progressão da inflação se acelera mais uma vez em maio com o índice igual a 3,22%. Em junho, a taxa de aumento nos preços sofre uma queda, e o índice registrado é de 3,77%. Já em julho, o índice sobe em um ponto percentual, alcançando o valor de 4,76%, aumento sensível em relação ao mês anterior. Em agosto do mesmo ano, o índice registrado é de 5,67%, enquanto o índice de setembro é de 6,90%, marcando um avanço da inflação. Em outubro, esse avanço atinge seu pico no ano, com o índice atingindo a marca de 8,24%. Em novembro, a situação toma níveis similares aos de fevereiro e março em termos do índice mensal, e o acumulado registrado é de 9,26%. O ano de 2021 foi fechado em dezembro com uma inflação acumulada de pouco mais de 10%, completando dois dígitos expressivos. +Quanto ao PIB pelo lado da demanda, analisando seus componentes de forma trimestral, pode-se observar uma tendência de crescimento trimestral de todos os seus componentes, excetuando-se o setor agropecuário, que fechou o ano com decréscimo de aproximadamente 3%, conforme se demonstra na Figura [fig:@PIB_demanda]. Todos os componentes iniciaram sua trajetória de crescimento trimestral do ano de 2022 no negativo, tendo como única exceção os impostos líquidos sobre produtos, componente com maior crescimento trimestral médio do ano analisado. As indústrias extrativas abriram o ano com queda, aprofundaram-se em decrescimento no segundo trimestre e iniciaram uma trajetória de recuperação a partir do terceiro trimestre, finalizando o ano com um crescimento leve de menos de 1,5%. -Quanto ao PIB, na perspectiva da demanda, pode-se repartir a análise entre os setores de agropecuária, indústria, serviços e a participação dos impostos sobre os produtos num recorte trimestral completo, como mostra a Figura [fig:@PIB_demanda]. Os componentes dos impostos sobre produtos tiveram um crescimento de 0,5% no primeiro trimestre de 2021. Houve um aumento de 2,3% no segundo trimestre e de 0,8% no terceiro, terminando o ano com um crescimento positivo de 0,2% no quarto trimestre. Já o setor da agropecuária apresentou registros modestos ao longo dos quatro trimestres, com um crescimento de 0,6% no primeiro trimestre, não apresentando variação no segundo. No terceiro trimestre, o crescimento foi negativo no valor de -0,5%, terminando o ano no quarto semestre com uma variação próxima de 0%. Em relação à indústria, o primeiro trimestre registrou um crescimento positivo de 0,9%, e no segundo um crescimento novamente positivo de 3,0%. Já no terceiro trimestre, o crescimento registrado foi de 0,2%, alcançando um patamar negativo de -0,2% no quarto trimestre do ano. Por fim, o setor de serviços apresentou o crescimento mais expressivo: apesar de ter começado negativamente no primeiro trimestre, com uma variação de -0,6%, houve um salto para um crescimento de 7,0% no segundo trimestre, seguido por uma continuação decrescente do crescimento com um registro de variação positiva de 3,5% no terceiro trimestre e de 1,6% no quarto. +O volume de vendas do comércio varejista, obtido pela Pesquisa Mensal de Comércio (PMC) do IBGE e demonstrado na Figura [fig:@pmc_ibge], mostra resultados abaixo do desejado para o ano de 2022. Todos os estados analisados apresentaram queda no volume de vendas em relação ao mesmo período do ano anterior. A maior queda observada se deu no estado do Amazonas, que começou o ano com o maior índice e fechou o ano no quarto trimestre com o menor índice. O estado do Tocantins seguiu a tendência brasileira de queda do volume de vendas, porém a queda se deu a níveis menores do que o nacional. Na Figura [fig:@PIB_evolucao], em relação ao trimestre anterior, observa-se que o primeiro trimestre de 2021 apresentou uma variação de 1,1% no PIB, um crescimento expressivo quando comparado com o crescimento negativo de -0,2% no segundo trimestre do ano. Já no terceiro trimestre, o país retoma o crescimento no valor baixo de 0,1%, finalizando o ano com uma retomada do crescimento no valor de 0,7%, consolidando uma lenta recuperação em relação ao período pandêmico do ano anterior. -```{r inflacao, fig.cap = "Índice Nacional de Preços ao Consumidor Amplo - IPCA", fig.subcap="Em porcentagem", fig.source = "IBGE", wrap = T} +```{r inflacao, fig.cap = "Índice Nacional de Preços ao Consumidor Amplo - IPCA", fig.subcap="Em porcentagem", fig.source = "IBGE, 2022.", wrap = T} ipca <- get_sidra( 1737, - period = "202101-202112" + period = "202201-202212" ) %>% tibble::as_tibble() %>% filter( @@ -69,52 +69,60 @@ kableExtra::kbl( ``` -Quanto à Pesquisa Mensal de Comércio (PMC), que permite ser avaliado o desempenho do comércio varejista, observam-se em geral resultados negativos. O estado do Amazonas começou o ano em janeiro com uma variação de -25,8% em relação ao mesmo mês do ano anterior, resultado muito discrepante em relação às outras unidades federativas escolhidas. A tendência de queda alta no estado do Amazonas em contraposição a uma leve queda no Brasil em geral se repete em fevereiro e março, enquanto Tocantins e Pará têm um diagnóstico que os contrapõe: todas as variações na receita nominal das vendas do comércio varejista no Tocantins são negativas de fevereiro a dezembro de forma expressiva, porém relativamente estável, enquanto o Pará apresenta crescimento positivo considerável e oscilante. A tendência do Brasil em geral no mesmo período é de crescimento a taxas decrescentes, terminando o ano com uma variação positiva de 1,1% em dezembro em relação ao mesmo mês no ano anterior. +Observando-se a Figura [fig:@pms_ibge], em que são demonstrados os resultados do Índice de volume de serviços da Pesquisa Mensal de Serviços (PMS) do IBGE, nota-se que, em comparação aos outros estados apresentados e ao país, o estado do Tocantins teve a maior trajetória de ascensão do setor de serviços no ano analisado, terminando o ano com um índice acima de 14%. Enquanto o Amazonas apresentou resultados acima do padrão nacional, o estado do Pará ficou abaixo da federação. -Os indicadores da Pesquisa Mensal de Serviços (PMS) também produzida pelo IBGE podem oferecer um panorama sob o qual é possível avaliar o desempenho da atividade econômica do setor de serviços nas unidades federativas selecionadas (Tocantins, Amazonas e Pará) e o Brasil. Enquanto o diagnóstico da PMC é negativo, o da PMS, por sua vez, é o oposto. Na Figura [fig:@pms_ibge], observa-se que os meses de janeiro e fevereiro significaram uma tendência de retração para todas as quatro unidades liderada pelo Brasil em geral e pelo Tocantins, que apresentou uma retração no valor de -7,7% em janeiro e excetuando-se o Amazonas, que apresentou um modesto crescimento de 3,8% em relação ao mesmo mês do ano anterior em fevereiro. Os meses seguintes foram marcados por uma retomada progressiva do crescimento também liderada pelo Tocantins, que apresentou os maiores índices positivos de março a dezembro entre as quatro unidades federativas analisadas. O crescimento se apresentou estável nesse período, excetuando-se a leve queda de -0,2% em março registrada no Brasil em geral. O ano termina com outubro, novembro e dezembro apresentando indicadores sensivelmente positivos para todas as unidades consideradas. - -```{r PIB_demanda, fig.cap = "PIB e componentes de demanda: evolução das taxas de crescimento (2021)", fig.subcap = "Em porcentagem", fig.source = "IBGE", wrap = T} +```{r PIB_demanda, fig.cap = "PIB e componentes de demanda: evolução das taxas de crescimento (2022)", fig.subcap = "Em porcentagem", fig.source = "IBGE, 2022.", wrap = T} tibble( - ano = seq(ymd("2021-01-01"), ymd("2021-12-31"), by = "3 month"), - Impostos_Sobre_Produtos = c(0.5,2.3,0.8,0.2), - Agropecuaria = c(0.6,0.0,-0.5,0.0), - Industria = c(0.9,3.0,0.2,-0.2), - Servicos = c(-0.6,7.0,3.5,1.6) + ano = seq(ymd("2022-01-01"), ymd("2022-12-31"), by = "3 month"), + Agropecuaria = c(-5.2,-0.9,3.2,-2.9), + Industria = c(-1.2,2.1,2.8,2.6), + Industria_Extrativas = c(-2.0,-3.7,-2.6,1.4), + Industrias_de_Transformação = c(-4.7,0.5,1.7,1.0), + Impostos_liquidos_sobre_produtos = c(0.5,2.1,3.3,2.4) + ) %>% ggplot(aes(ano)) + - geom_line(aes(y = Impostos_Sobre_Produtos, colour = "Impostos Sobre Produtos")) + + geom_line(aes(y = Industria_Extrativas, colour = "Indústria Extrativas")) + geom_line(aes(y = Agropecuaria, colour = "Agropecuária")) + geom_line(aes(y = Industria, colour = "Indústria")) + - geom_line(aes(y = Servicos, colour = "Serviços")) + + geom_line(aes(y = Industrias_de_Transformação, colour = "Indústrias de Transformação")) + + geom_line(aes(y = Impostos_liquidos_sobre_produtos, colour = "Impostos liquídos sobre produtos")) + + scale_x_date( breaks = scales::breaks_width("3 month", offset = -30), labels = function(x) zoo::format.yearqtr(x, "%qT\n%Y") - ) + ) + + theme(legend.position = "bottom") + + guides(color = guide_legend(ncol = 2)) ``` -```{r PIB_evolucao, fig.cap = "PIB: Evolução das taxas de crescimento trimestral e dessazonalizado (2021) em comparação com 2020", fig.subcap = "Em porcentagem", fig.source = "IBGE", wrap = "open"} +```{r PIB_evolucao, fig.cap = "PIB: Evolução das taxas de crescimento trimestral (2022) em comparação com 2021", fig.subcap = "Em porcentagem", fig.source = "IBGE, 2022.", wrap = "open"} tibble( - ano = seq(ymd("2020-01-01"), ymd("2021-12-30"), by = "3 month"), - Variacao_contra_o_mesmo_trimestre_do_ano_anterior = c(-0.1,10.7,-3.7,-0.9,1.3,12.3,4.0,1.6), - Variacao_contra_o_trimestre_anterior = c(-2.4,-8.8,7.9,3.1,1.1,-0.2,0.1,0.7) + ano = seq(ymd("2021-01-01"), ymd("2022-12-30"), by = "3 month"), + Variacao_contra_o_mesmo_trimestre_do_ano_anterior = c(1.7,12.4,4.4,2.1,2.4,3.7,3.6,1.9), + Variacao_contra_o_trimestre_anterior = c(0.9,-0.2,0.4,1.1,0.9,1.0,0.4,0.1) + ) %>% ggplot(aes(ano)) + - geom_line(aes(y = Variacao_contra_o_mesmo_trimestre_do_ano_anterior, colour = "Variação Contra o Mesmo Trimestre do Ano Anterior")) + - geom_line(aes(y = Variacao_contra_o_trimestre_anterior, colour = "Variação Contra o Trimestre Anterior")) + + geom_line(aes(y = Variacao_contra_o_mesmo_trimestre_do_ano_anterior, colour = "Variação em volume em relação ao mesmo trimestre do ano anterior - %")) + + geom_line(aes(y = Variacao_contra_o_trimestre_anterior, colour = "Variação em volume em relação ao trimestre imediatamente anterior - %")) + + scale_x_date( breaks = scales::breaks_width("3 month", offset = -30), labels = function(x) zoo::format.yearqtr(x, "%qT\n%Y") - ) + ) + + theme(legend.position = "bottom") + + guides(color = guide_legend(nrow = 2)) ``` -```{r pmc_ibge, fig.cap = "Volume de vendas no comércio varejista", fig.subcap = "Variação acumulada no ano (base: igual período do ano anterior)", fig.source = "IBGE"} +```{r pmc_ibge, fig.cap = "Volume de vendas no comércio varejista", fig.subcap = "Variação acumulada no ano (base: igual período do ano anterior)", fig.source = "IBGE, 2022."} # Pesquisa Mensal de Comércio, https://sidra.ibge.gov.br/pesquisa/pmc/tabelas -## Tabela 3416 - Índices de volume e de receita nominal de vendas no comércio varejista, por tipos de índice (2014 = 100) +## Tabela 8881 - Índice e variação da receita nominal e do volume de vendas no comércio varejista ampliado (2022 = 100) pmc_br <- get_sidra( - x = 3416, + x = 8881, geo = "Brazil", - period = "202101-202112", + period = "202201-202212", header = T ) %>% as_tibble() %>% @@ -122,10 +130,10 @@ pmc_br <- get_sidra( select(mes_codigo, variavel, tipos_de_indice, valor) %>% mutate(geo = "Brasil") pmc_uf <- get_sidra( - x = 3416, + x = 8881, geo = "State", geo.filter = list("State" = c(13, 15, 17)), - period = "202101-202112", + period = "202201-202212", header = T ) %>% as_tibble() %>% @@ -134,8 +142,8 @@ pmc_uf <- get_sidra( select(mes_codigo, variavel, tipos_de_indice, valor, geo) vol_vendas <- bind_rows(pmc_br, pmc_uf) %>% filter( - variavel == "Índice de volume de vendas no comércio varejista", - tipos_de_indice == "Variação acumulada no ano (base: igual período do ano anterior)" + variavel == "PMC - Variação acumulada no ano (em relação ao mesmo período do ano anterior)", + tipos_de_indice == "Índice de receita nominal de vendas no comércio varejista ampliado" ) %>% mutate( date = paste0(mes_codigo, "01") %>% ymd(), @@ -152,13 +160,13 @@ vol_vendas %>% scale_y_continuous(labels = scales::label_number(suffix = "%", accuracy = 1)) ``` -```{r pms_ibge, fig.cap= "Índice de volume de serviços", fig.subcap="Variação acumulada no ano (base: igual período do ano anterior)", fig.source = "IBGE", wrap = "close"} +```{r pms_ibge, fig.cap= "Índice de volume de serviços", fig.subcap="Variação acumulada no ano (base: igual período do ano anterior)", fig.source = "IBGE, 2022.", wrap = "close"} # Pesquisa Mensal de Serviçoes, https://sidra.ibge.gov.br/pesquisa/pms/tabelas -## Tabela 6442 +## Tabela 5906 pms_br <- get_sidra( - x = 6442, + x = 5906, geo = "Brazil", - period = "202101-202112", + period = "202201-202212", header = T ) %>% as_tibble() %>% @@ -166,10 +174,10 @@ pms_br <- get_sidra( select(mes_codigo, variavel, tipos_de_indice, valor) %>% mutate(geo = "Brasil") pms_uf <- get_sidra( - x = 6442, + x = 5906, geo = "State", geo.filter = list("State" = c(13, 15, 17)), - period = "202101-202112", + period = "202201-202212", header = T ) %>% as_tibble() %>% @@ -178,8 +186,8 @@ pms_uf <- get_sidra( select(mes_codigo, variavel, tipos_de_indice, valor, geo) bind_rows(pms_br, pms_uf) %>% filter( - variavel == "Índice de volume de serviços", - tipos_de_indice == "Variação acumulada no ano (base: igual período do ano anterior)" + variavel == "PMS - Variação acumulada no ano (em relação ao mesmo período do ano anterior)", + tipos_de_indice == "Índice de volume de serviços" ) %>% mutate( date = paste0(mes_codigo, "01") %>% ymd(), @@ -191,5 +199,8 @@ bind_rows(pms_br, pms_uf) %>% breaks = scales::breaks_width("2 month"), labels = scales::date_format("%b\n%Y") ) + - scale_y_continuous(labels = scales::label_number(suffix = "%", accuracy = 1)) + scale_y_continuous( + breaks = seq(-2, 18, 4), + labels = scales::label_number(suffix = "%", accuracy = 1) + ) ``` \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/.gitignore b/cap_social/boletim-1.0.0/.gitignore deleted file mode 100644 index c6234eb..0000000 --- a/cap_social/boletim-1.0.0/.gitignore +++ /dev/null @@ -1,89 +0,0 @@ -# Boletim -tex/boletim.pdf -# PDF Caps -tex/conteudo/**/main.pdf - -# Utils files -.editorconfig -**/utils/ - -# R FILES - -## History files -*.Rhistory -*.Rapp.history - -## Session Data files -*.RData - -## User-specific files -.Ruserdata - -## RStudio files -.Rproj.user/ - -## knitr and R markdown default cache directories -*_cache/ -/cache/ - -## Temporary files created by R markdown -*.utf8.md -*.knit.md - -## R Environment Variables -.Renviron - -# TEX FILES -*.tex~ - -## Core latex/pdflatex auxiliary files: -*.aux -*.lof -*.log -*.lot -*.fls -*.out -*.toc -*.fmt -*.fot -*.cb -*.cb2 -.*.lb -*.snm -*.nav -*.fdb_latexmk -*.gz -*.idx -*.xdv -*.xml -*.ilg -*.ind -__latexindent_temp.tex -*.acn -*.glo -*.glsdefs -*.ist -## Intermediate documents: -*.dvi -*.xdv -*-converted-to.* -*.ps -*.eps - - -## Bibliography auxiliary files (bibtex/biblatex/biber): -*.bbl -*.bcf -*.blg -*-blx.aux -*-blx.bib -*.run.xml - -# Arquivos Word -*.doc -*.docx -*.~lock.bc.xlsx# -# Outros -*.zip -*.rar -*.7z diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.1 UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.1 UF.xls deleted file mode 100644 index 0114019..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.1 UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.10.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.10.xls deleted file mode 100644 index a558d84..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.10.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.12 UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.12 UF.xls deleted file mode 100644 index 9d4938f..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.12 UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.13 UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.13 UF.xls deleted file mode 100644 index 9779761..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.13 UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.14 UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.14 UF.xls deleted file mode 100644 index 8484516..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.14 UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.14.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.14.xls deleted file mode 100644 index 1c31941..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.14.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.14a UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.14a UF.xls deleted file mode 100644 index c6d9a66..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.14a UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.14a.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.14a.xls deleted file mode 100644 index 1392ab5..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.14a.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.15 UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.15 UF.xls deleted file mode 100644 index 7737bf8..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.15 UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.16.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.16.xls deleted file mode 100644 index 4b28c39..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.16.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.16a.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.16a.xls deleted file mode 100644 index 849a24d..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.16a.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.16b.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.16b.xls deleted file mode 100644 index 6ee589d..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.16b.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.17 UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.17 UF.xls deleted file mode 100644 index 21fdb9e..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.17 UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.17a UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.17a UF.xls deleted file mode 100644 index dc1848b..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.17a UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.18.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.18.xls deleted file mode 100644 index 8a94989..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.18.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.18a.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.18a.xls deleted file mode 100644 index 178ac2a..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.18a.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.19.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.19.xls deleted file mode 100644 index 2f7de9a..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.19.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.2 UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.2 UF.xls deleted file mode 100644 index 8f742ab..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.2 UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.20.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.20.xls deleted file mode 100644 index 7f9136a..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.20.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.21 UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.21 UF.xls deleted file mode 100644 index abf1d3c..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.21 UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.22 UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.22 UF.xls deleted file mode 100644 index f4eece1..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.22 UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.22.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.22.xls deleted file mode 100644 index c8b6395..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.22.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.23 UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.23 UF.xls deleted file mode 100644 index 8683856..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.23 UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.23.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.23.xls deleted file mode 100644 index 33b6a1c..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.23.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.24 UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.24 UF.xls deleted file mode 100644 index 598bf0a..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.24 UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.25.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.25.xls deleted file mode 100644 index ddaf4ba..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.25.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.25a.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.25a.xls deleted file mode 100644 index 217187e..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.25a.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.25b.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.25b.xls deleted file mode 100644 index 2cf22db..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.25b.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.26 UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.26 UF.xls deleted file mode 100644 index 7d198ec..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.26 UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.26a UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.26a UF.xls deleted file mode 100644 index 3ea04c9..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.26a UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.26b UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.26b UF.xls deleted file mode 100644 index 31a9d77..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.26b UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.27.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.27.xls deleted file mode 100644 index 803728e..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.27.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.27a.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.27a.xls deleted file mode 100644 index d5b9f41..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.27a.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.28 UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.28 UF.xls deleted file mode 100644 index ce766e4..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.28 UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.28.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.28.xls deleted file mode 100644 index 9333edd..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.28.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.29 UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.29 UF.xls deleted file mode 100644 index f2b35eb..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.29 UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.29.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.29.xls deleted file mode 100644 index c4db0ea..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.29.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.3 UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.3 UF.xls deleted file mode 100644 index f4d9d95..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.3 UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.4 UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.4 UF.xls deleted file mode 100644 index a9c4512..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.4 UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.5.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.5.xls deleted file mode 100644 index 71dbe42..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.5.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.6.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.6.xls deleted file mode 100644 index cebf192..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.6.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.7 UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.7 UF.xls deleted file mode 100644 index e72b5c2..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.7 UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.8.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.8.xls deleted file mode 100644 index 2e45dc5..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.8.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.9 UF.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.9 UF.xls deleted file mode 100644 index 84a9dd4..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/Tabela 2.9 UF.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/gini.pdf b/cap_social/boletim-1.0.0/2_Rendimento_xls/gini.pdf deleted file mode 100644 index a0f2249..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/gini.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/2_Rendimento_xls/tabela_gini.xls b/cap_social/boletim-1.0.0/2_Rendimento_xls/tabela_gini.xls deleted file mode 100644 index d7bf418..0000000 Binary files a/cap_social/boletim-1.0.0/2_Rendimento_xls/tabela_gini.xls and /dev/null differ diff --git a/cap_social/boletim-1.0.0/README.md b/cap_social/boletim-1.0.0/README.md deleted file mode 100644 index f019efe..0000000 --- a/cap_social/boletim-1.0.0/README.md +++ /dev/null @@ -1,19 +0,0 @@ -# Boletim de Conjuntura Econômica - -O Boletim de Conjuntura Econômica do Tocantins é uma publicação semestral do Programa de Educação Tutorial (PET) do curso de Ciências Econômicas da Universidade Federal do Tocantins (UFT). - -## :tada: Lançamentos - -| :bookmark: Versão | :calendar: Data de publicação | :floppy_disk: | -| :---------------- | :---------------------------: | :---------------------------------------------------------------: | -| 2020, v. 9 nº 1 | 24/02/2021 | [Download](../../releases/download/v1.0.0/boletim_2020_v9_n1.pdf) | - -Versões anteriores a 2020 estão disponíveis em [histórico de lançamento](https://github.com/peteconomia/boletim_hist) - -## :books: Documentação - -Para mais detalhe sobre a elaboração do boletim veja a [documentação](/docs) - -## :grey_question: Contribuindo - -Comentários, recomendações ou dúvidas podem ser submetidas abrindo uma [issue](../../issues) ou pelo email [peteconomia@uft.edu.br](mailto:peteconomia@uft.edu.br) \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/docs/README.md b/cap_social/boletim-1.0.0/docs/README.md deleted file mode 100644 index 316d3fa..0000000 --- a/cap_social/boletim-1.0.0/docs/README.md +++ /dev/null @@ -1,104 +0,0 @@ -# :books: Documentação - -## Planejamento - -- [ ] Reformulação do Boletim de conjuntura na parte estética, dados, informações e apresentação -- [ ] Criação de um banco de Dados para deixar o Boletim o mais atualizado possível. -- [ ] Apresentação de dados estaduais apresentando o setor privado, público, financeiro e social. -- [ ] Criação de uma introdução do Boletim com dados nacionais sobre inflação, PIB, renda, moeda, etc. -- [ ] Criação de uma plataforma para a divulgação do Boletim -- [ ] Levantamento de dados em âmbito trimestral. -- [ ] Criação de um boletim referente aos meses de Janeiro a Março, para padronização -- [ ] Promover alterações na seção do PIB, deixando mais prático e de fácil leitura -- [ ] Colocar dados sobre cadeias produtivas, produtos que o Estado trabalha, balança comercial(Valores, quantidades, públicos alvos, etc). -- [ ] Utilizar o corpo docente para formulação do boletim, propondo correções e orientações de setores avaliados -- [ ] Abordar indicadores fiscais estaduais previsto pela LRF. -- [ ] Propor a entrega do Boletim em Outubro, respeitando os dados trimestrais. -- [ ] Melhorar qualidade dos textos, tornando o boletim didático para não economistas -- [ ] Propor uma metodologia para as pesquisas do Boletim -- [ ] Realizar divulgações do Boletim de conjuntura no periodo trimestral. -- [ ] Procurar fontes de dados compativeis ao Estado. - -## Dados - -| Tema | Frequência | Fonte | -| ----------------------- | ------------------------- | ------------------------ | -| Fiscais/Contas Públicas | Bimestral e Quadrimestral | Siconfi/Tesouro Nacional | -| Emprego | Trimestral e Mensal | CAGED, RAIS | -| Social | Trimestal e Anual | PNAD/IBGE | -| Agricultura | Mensal | SIDRA/IBGE | -| Balança Comercial | Trimestral e Mensal | FIETO, MDIC | -| PIB | Trimestral | IBGE | - - -### Dados Fiscais/Contas Públicas - -Os dados fiscais são extraíos do Siconfi/Tesouro Nacional, os de frequência bimestral estão no Relatório Resumido de Execução Orçamentária (RREO), nele é apresentado dados da execução orçamentária para todos os entes da federação, sendo possível obter dados à nivel de município. Dados de frequência quadrimestral estão contidos no Relatório de Gestão Fiscal (RGF). O RGF é menos detalhado que RREO, nele há demonstrativo da despesa com pessoal, dívida consolidada, operações de crédito, entre outros. - -Publicações do Tesouro Nacional: -* [RREO](https://www.tesourotransparente.gov.br/publicacoes/rreo-em-foco-estados-e-municipios/2020/16) -* [RGF](https://www.tesourotransparente.gov.br/publicacoes/rgf-em-foco-estados-e-municipios/2020/27?ano_selecionado=2020) - -### Emprego -Os dados dos empregos são extraidos do CAGED (Cadastro Geral de Empregados e Desempregados) que possuem frequência mensal submetidos a competência do Ministério do Trabalho, dele são apresentados informações sobre o emprego formal, como saldo de empregos, salários de contratação, perfil, idade, genêro. Também, são usados os dados da PNAD-Continua divulgadas pelo IBGE, com a frequência mensal, trimestral e anual, nela temos informações sobre a taxa de desemprego, rendimentos, ocupação e etc. - -Publicações do Ministério do Trabalho e IBGE: -* [CAGED](http://pdet.mte.gov.br/novo-caged) -* [PNAD-Continua](https://www.ibge.gov.br/estatisticas/sociais/trabalho/9171-pesquisa-nacional-por-amostra-de-domicilios-continua-mensal.html?=&t=o-que-e) -* [Seguro-desemprego](http://pdet.mte.gov.br/seguro-desemprego) - -### Indicadores Sociais - -Apresentação dos principais indicadores sociais do estado do Tocantins, quais sejam, Taxa de Pobreza, Taxa de Extrema Pobreza e Índice de Gini. Os dados são divulgados pelo IBGE a partir de dados da PNAD Contínua e são disponibilizados a partir da divulgação do documento Síntese dos Indicadores Sociais. - -* [Síntese dos Indicadores Sociais](https://www.ibge.gov.br/estatisticas/sociais/protecao-social/9221-sintese-de-indicadores-sociais.html?=&t=o-que-e) - -### Agricultura -Os dados da agricultura são extraidos do IBGE, pelo SIDRA (Sistema IBGE de Recuperação Automática), que possuem a frequência variada, mas, frequentemente mensal. Nela, temos os dados da produção agricola, rendimento médio, plantio por hectáres, abates de bovinos, suinos, frangos, produção de leite e produção de ovos. - -Publicações do SIDRA: - -* [Abate](https://sidra.ibge.gov.br/home/abate/brasil) -* [Leite](https://sidra.ibge.gov.br/home/leite/brasil) -* [Produção de Ovos de Galinha](https://sidra.ibge.gov.br/home/pog/brasil) -* [Levantamento Sistemático da Produção Agrícola](https://sidra.ibge.gov.br/home/lspa/brasil) - - -### Balança Comercial -Os dados da balança comercial são extraídos diretamente do COMEX STAT(plataforma oficial do MDIC(Ministério da Indústria e Comércio)) e são disponibilizados dados mensais para todas as cidades, estados, produotos e setores necessários para a pesquisa! - -* [Tocantins](http://comexstat.mdic.gov.br/pt/comex-vis) - -## Convenções - -### Estatísticas - -* Dados desconhecidos/nulos: indicado por `...` -* O hífen (`-`) entre dois valores, como 2019-2020, indica um intervalo incluindo o primeiro e último valor -* O sinal de mais (`+`) no final de um valor, como 65+, indica valores maiores e igual a ele - -### Gráficas - -A padronização dos gráficos é feita pelo pacote [petgg](https://github.com/peteconomia/petgg) - -* Título autoexplicativo - -* Não é necessário título para os eixos, exceto para gráficos de dispersão - -* Fonte do título, eixos e legenda é a mesma do texto - -* Tamanho da fonte dos eixos e legendas são iguais - -* Posição da legenda é abaixo do gráfico - -* Título do gráfico inicia com letra maiúscula, a partir da primeira palavra inicia com letra minúscula (exceto para substantivos próprios). Mesma recomendação para tabelas - -### Comandos LaTeX - -* `\source{}` para colocar a fonte do gráfico ou tabela -* `\notes{}` para colocar notas no gráfico ou tabela -* `\footnote{}` para notas de rodapé -* `\abbr{}` ou `\acrshort{}` para usar uma sigla - * A lista de siglas estão no arquivo [`siglas.tex`](../tex/conteudo/siglas.tex) - -* `\trimestres` ou `\bimestres` para printar as abreviações dos trimestres ou bimestres. Utilize dentro de `\notes{}` \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/docs/figs/icon.png b/cap_social/boletim-1.0.0/docs/figs/icon.png deleted file mode 100644 index a7af3d0..0000000 Binary files a/cap_social/boletim-1.0.0/docs/figs/icon.png and /dev/null differ diff --git a/cap_social/boletim-1.0.0/scripts/EscritaMarkdown.Rmd b/cap_social/boletim-1.0.0/scripts/EscritaMarkdown.Rmd deleted file mode 100644 index 99564e4..0000000 --- a/cap_social/boletim-1.0.0/scripts/EscritaMarkdown.Rmd +++ /dev/null @@ -1,148 +0,0 @@ ---- -title: "Boletim - PET." -author: "Felipe Ferreira" -date: "23/09/2020" -output: - pdf_document: default - html_document: - df_print: paged ---- - -```{r setup, include=FALSE} -knitr::opts_chunk$set(echo = TRUE) -library(readxl) -library(kableExtra) -library(purrr) - -toPerc <- function(x) paste0(x, "%") -``` - -## Tabelas - Grau de instruçao - -```{r echo = F} -Dados_atualizados <- data.frame( - Instrução = c("Analfabeto", "Até 5ª Incompleto", "5ª Completo Fundamental", "6ª a 9ª Fundamental", "Fundamental Completo", "Médio Incompleto", "Médio Completo", "Superior Incompleto", "Superior Completo", "Mestrado", "Doutorado", "Pós-Graduação completa"), - Admitidos = map_chr(c(0.36, 2.63, 1.52, 3.89, 5.74, 6.66, 66.70, 3.97, 7.67, 0.23, 0.07, 0.55), toPerc), - Demitidos = map_chr(c(0.34, 2.00, 1.72, 3.86, 5.78, 7.39, 67.21, 4.40, 6.65, 0.17, 0.05, 0.41 -), toPerc) -) - -Dados_atualizados %>% - kable(., - caption = "Admitidos e Demitidos por Grau de Instrução", - align = "lrr", - digits = 2, - booktabs = T, - format.args = list(decimal.mark = ",", scientific = FALSE), - "latex" - ) %>% - kable_styling(full_width = T) %>% - column_spec(1, width = "4cm") -``` - -## Tabelas - Setores de trabalho. - -```{r echo = F} -Setores <- data.frame( Setor = c("Agricultura, Pecuária, Produção Florestal, Pesca e Aquicultura", "Indústrias Extrativas", "Indústrias de Transformação", "Eletricidade e Gás", "Água, Esgoto, Atividades de Gestão de Resíduos e Descontaminação", "Construção", "Comércio, Reparação de Veículos Automotores e Motocicletas", "Transporte, Armazenagem e Correio", "Alojamento e Alimentação", "Informação e Comunicação", "Atividades Financeiras, de Seguros e Serviços Relacionados", "Atividades Imobiliárias", "Atividades Profissionais, Científicas e Técnicas", "Atividades Administrativas e Serviços Complementares", "Administração Pública, Defesa e Seguridade Social", "Educação", "Saúde Humana e Serviços Sociais", "Artes, Cultura, Esporte e Recreação", "Outras Atividades de Serviços"), - Admitidos = c(1421, 105, 1639, 44, 77, 1871, 5794, 1365, 1039, 273, 129, 64, 719, 1453, 5, 873, 720, 94, 436), - Demitidos = c(1164, 62, 1562, 63, 65, 2071, 5699, 964, 1032, 208, 72, 57, 511, 1351, 3565,565, 547, 64, 448) -) - -Setores %>% - kable(., - caption = "Admitidos e Demitidos por Setor", - align = "lrr", - digits = 2, - booktabs = T, - format.args = list(decimal.mark = ",", scientific = FALSE), - "latex" - ) %>% - kable_styling(full_width = T) - -``` - -## Tabelas - Por Idade - -```{r echo = F} -idade_admitidos_demitidos <- data.frame( - Idade = c("14-34", "35-65", "65+"), - Admitidos = c(12933, 5270, 21), - Demitidos = c(11375, 5677, 59) -) - -idade_admitidos_demitidos %>% - kable(., - caption = "Admitidos e Demitidos por Idade", - align = "lrr", - digits = 2, - booktabs = T, - format.args = list(decimal.mark = ",", scientific = FALSE), - "latex" - ) %>% - kable_styling(full_width = T) -``` - -## Tabela - Por sexo - -```{r echo = F} -Sexo <- data.frame( - Sexo = c("Homem", "Mulher"), - Admitidos = c(11043, 6243), - Demitidos = c(10869, 5736) -) - -Sexo %>% - kable(., - caption = "Admitidos e Demitidos por Sexo", - align = "lrr", - digits = 2, - booktabs = T, - format.args = list(decimal.mark = ",", scientific = FALSE), - "latex" - ) %>% - kable_styling(full_width = T) -``` - -```{r} -Exportação <- data.frame( - Pais= c("China", "Espanha", "Hong Kong", "Bangladesh", "Rússia"), - Participacao= c(63, 6.2, 3.3, 3.1, 2.8), - Valores = c(500, 49.5, 26.4, 24.4, 21.9), - Produtos = c("Soja [1], Carnes [1]", "Soja [2]; Milho [1]", "Carnes [2]", "Soja [3], Algodão [1]´", "Carnes [3]´") -) - -Exportação %>% - kable(., - caption = "Exportação", - align = "lrr", - digits = 2, - booktabs = T, - format.args = list(decimal.mark = ",", scientific = FALSE), - "latex" - ) %>% - kable_styling(full_width = T) -``` - - -```{r} -Importação <- data.frame( - Pais= c("China", "Rússia", "Arábia Saudita", "México", "República Tcheca"), - Participacao= c(31, 26, 9.2, 4.6, 4.1), - Valores = c(18.4, 14.4, 9.2, 2.69, 4.1), - Produtos = c("Instrumentos [1], Adubos [1]", "Adubos [1]", "Adubos [1]", "Adubos [1], Plásticos [1]", "Camas [1]") -) - -Importação %>% - kable(., - caption = "Importação", - align = "lrr", - digits = 2, - booktabs = T, - format.args = list(decimal.mark = ",", scientific = FALSE), - "latex" - ) %>% - kable_styling(full_width = T) - -``` - - diff --git a/cap_social/boletim-1.0.0/scripts/EscritaMarkdown.pdf b/cap_social/boletim-1.0.0/scripts/EscritaMarkdown.pdf deleted file mode 100644 index 67d94fa..0000000 Binary files a/cap_social/boletim-1.0.0/scripts/EscritaMarkdown.pdf and /dev/null differ diff --git "a/cap_social/boletim-1.0.0/scripts/Gr\303\241ficos - Empregos.R" "b/cap_social/boletim-1.0.0/scripts/Gr\303\241ficos - Empregos.R" deleted file mode 100644 index 8a672a3..0000000 --- "a/cap_social/boletim-1.0.0/scripts/Gr\303\241ficos - Empregos.R" +++ /dev/null @@ -1,377 +0,0 @@ -# Pacotes - -library(RCurl) -library(tidyverse) -library(survey) -library(convey) -library(PNADcIBGE) -library(ecoseries) -library(ipeadatar) -library(devtools) -library(RCurl) -library(readr) -library(timeDate) -library(safejoin) -library(petgg) -library(extrafont) - - -# Saldo do Tocantins - -#Dados - -Tocantins<- data.frame("Empregos" = 1:10, "Saldo" = c(199,1482,-86,-2850,-1251,1240,1810,2096,1790,1504), "Meses" = c("Jan","Fev", "Mar", "Abr", "Mai", "Jun", "Jul", "Ago", "Set", "Out")) - - -#Gráfico - -Tocantins %>% - mutate(Meses = factor(Meses, levels=c("Jan","Fev", "Mar", "Abr", "Mai", "Jun", "Jul", "Ago", "Set", "Out"))) %>% - ggplot(aes(x=Meses, y = Saldo)) + - geom_bar(stat='identity', position = "dodge" ) + - scale_y_continuous(limits = c(-4500, 4500), breaks = seq(from = -4000, to = 4000, by = 1000)) + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - labs(x= " ", y = " ") - -# Saldo Região NORTE - - -#Dados - -Norte <- data.frame("Empregos" = 1:10, "Saldo" = c(2764,10419,-6370,-30747,-11146,6093,16015,22483,20640, 20658), "Meses" = c("Jan","Fev", "Mar", "Abr", "Mai", "Jun", "Jul", "Ago", "Set", "Out")) - -#Gráfico - -Norte %>% - mutate(Meses = factor(Meses, levels=c("Jan","Fev", "Mar", "Abr", "Mai", "Jun", "Jul", "Ago", "Set", "Out"))) %>% - ggplot(aes(x=Meses, y = Saldo)) + - geom_bar(stat='identity') + - scale_y_continuous(limits = c(-35000, 25000), breaks = seq(from = -35000, to = 25000, by = 10000)) - - -# Série de Empregos - Tocantins - Trimestral - -# Dados - -Saldo_Total_TO <- data.frame("Empregos" = 1:6, "Saldo" = c(324,141,1226,-1336,1595,-2861), "Trimestres" = c("1T/2019","2T/2019", "3T/2019", "4T/2019", "1T/2020","2T/2020")) - -# Gráfico - - -Saldo_Total_TO %>% - mutate(Trimestres = factor(Trimestres, levels=c("1T/2019","2T/2019", "3T/2019", "4T/2019", "1T/2020","2T/2020"))) %>% - ggplot(aes(x=Trimestres, y = Saldo)) + - geom_bar(stat='identity') + - scale_y_continuous(limits = c(-3500, 3500), breaks = seq(from = -3500, to = 3500, by = 1000)) - - - # Série de Empregos - Região Norte - Trimestral - - # Dados - -Saldo_TotalN <- data.frame("Empregos" = 1:6, "Saldo" = c(-8175,11204,27053,-5456,6813,-35800), "Trimestres" = c("1T/2019","2T/2019", "3T/2019", "4T/2019", "1T/2020","2T/2020")) - - # Gráficos - -Saldo_TotalN %>% - mutate(Trimestres = factor(Trimestres, levels=c("1T/2019","2T/2019", "3T/2019", "4T/2019", "1T/2020","2T/2020"))) %>% - ggplot(aes(x=Trimestres, y = Saldo)) + - geom_bar(stat='identity') + - scale_y_continuous(limits = c(-45000, 45000), breaks = seq(from = -45000, to = 45000, by = 10000)) - - - # Saldo por Setores - - - # Dados - - - Setores <- data.frame("Empregos" = 1:5, "Saldo" = c(277,109,961,-1950,-660), "Setores" = c("Agricultura","Indústrias", "Construção", "Comércio", "Serviços")) - - - - # Gráficos - - Setores %>% - mutate(Setores = factor(Setores, levels=c("Agricultura","Indústrias", "Construção", "Comércio", "Serviços"))) %>% - ggplot(aes(x=Setores, y = Saldo)) + - geom_bar(stat='identity') + - scale_y_continuous(limits = c(-2500, 2500),breaks = seq(from = -2000, to = 2500, by = 500)) + - labs(x=" ") - - - - # Saldo por Idade - - - # Dados - - Idade <- data.frame("Empregos" = 1:3, "Saldo" = c(-254, -1810, -63), "Idade" = c("14-34", "35-64", "65+")) - - - # Gráficos - - Idade %>% - mutate(Setores = factor(Idade, levels=c("14-34", "35-64", "65+"))) %>% - ggplot(aes(x=Idade, y = Saldo)) + - geom_bar(stat='identity') + - scale_y_continuous(limits = c(-2000, 2500),breaks = seq(from = -2000, to = 2500, by = 500)) + - theme(plot.title = element_text(hjust = 0.5, size = 2)) + - labs(x=" ") - - - - # Saldo por Genêro - - - # Dados - - Sexo <- data.frame("Genero" = 1:2, "Saldo" = c(182,-1448), "Sexo" = c("Homem", "Mulher")) - - - - # Gráficos - - - Sexo %>% - mutate(Sexo = factor(Sexo, levels=c("Homem", "Mulher"))) %>% - ggplot(aes(x=Sexo, y = Saldo)) + - geom_bar(stat='identity') + - scale_y_continuous(limits = c(-2000, 1000),breaks = seq(from = -2000, to = 2500, by = 500)) + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - labs(x = " ") - - - # Saldo por etnia - - #Dados - - Etnia <- data.frame("Raça" = 1:6, "Saldo" = c(-443, -75, -777,-72,630, -527), "Etnia" = c("Branca", "Preta", "Parda", "Amarela", "N/Informado", "N/indentificado")) - - - # Gráficos - - m <- 1000 - - - Etnia %>% - mutate(Etnia = factor(Etnia, levels=c("Branca", "Preta", "Parda", "Amarela", "N/Informado", "N/indentificado"))) %>% - ggplot(aes(x=Etnia, y = Saldo)) + - geom_bar(stat='identity', position = "dodge") + - scale_y_continuous(labels = function(n) n/m) + - labs(x= " ") - - - # Taxa de Desemprego Tocantins - - # Dados - - # Usar o pacote do IPEA - - data<-ipeadata(c("PNADC_TXDES_UF")) - - dados_to <- data %>% - filter(tcode == 17) - - - # Gráficos - - dados_to %>% - ggplot(aes(x = date, y = value, group = 1)) + - geom_line(size = 0.9) + - scale_y_continuous(limits = c(0, 15), breaks = seq(from = -0, to = 15, by = 3)) + - labs( x= "Período" , y= "Taxa") + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - geom_rect( xmin = as.Date("2019-01-01"), - xmax = as.Date("2019-04-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) + - geom_rect(xmin = as.Date("2019-10-01"), - xmax = as.Date("2020-01-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) + - geom_text(aes(label = value)) - - - # Pedidos Seguro desemprego - - # Dados - - y <- c(9833, 9833, 8832, 8784, 9642, 9324, 9155, 8182, 8785, 10642) - x <- c("1T/2018","2T/2018", "3T/2018", "4T/2018", "1T/2019","2T/2019", "3T/2019", "4T/2019","1T/2020","2T/2020") - - dados <- data.frame(x,y) - - - # Gráficos - - dados %>% - mutate(x = factor(x, levels=c("1T/2018","2T/2018", "3T/2018", "4T/2018", "1T/2019","2T/2019", "3T/2019", "4T/2019","1T/2020","2T/2020"))) %>% - ggplot(aes(x=x, y = y, group = 1)) + - geom_bar(stat = "identity") + - scale_y_continuous(limits = c(0, 15000), breaks = seq(from = 0, to = 15000, by = 2500)) + - labs( x= " ", y= "Seguro Desemprego") + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - geom_text(aes(label = y, y = y + 3), position = position_dodge(width = 0.9), vjust = -0.30) - - - # Relação Pedidos Seguro Desemprego x Taxa de desemprego - - # Dados/Exemplo - - - Dados <- data.frame(taxaDesemprego = c(11,11.3,9.8,10.4,12.3,11.4,10.5,9.1,11.2,12.5), - Pedidos_SeguroDesemprego = c(9833,9833,8832,8784,9642,9324,9155,8182,8785,10642)) - - ggplot(Dados, aes(x = taxaDesemprego, y = Pedidos_SeguroDesemprego)) + geom_point() - - - #Modelo/Gráfico - - modelo <- lm(data = Dados, formula = Pedidos_SeguroDesemprego~taxaDesemprego) - modelo$coefficients - summary(modelo) - - dados <- data.frame(x,y) - - ggplot(Dados, aes(x = taxaDesemprego, y = Pedidos_SeguroDesemprego)) + geom_point() + geom_smooth(method = lm, se = FALSE) + - labs(x= "Taxa de desemprego", y= "Seguro Desemprego") + theme(plot.title = element_text(hjust = 0.5, size = 13)) + theme_petgg(axis_title = T) - - - # Testes - - shapiro.test(modelo$residuals) - - - # População Ocupada - Tocantins - - - # Dados - Usando o IPEA - - data_populaçãoOCUP <- ipeadata(c("PNADC_TXPARTFT_UF")) - - Dados_TOCANTINS <- data_populaçãoOCUP %>% - filter(tcode == 17) - - - # Gráficos - - Dados_TOCANTINS %>% - ggplot(aes(x = date, y = value, group = 1)) + - geom_line(size = 0.9) + - scale_y_continuous(limits = c(0, 70), breaks = seq(from = -0, to = 70, by = 20)) + - labs(x= " " , y= "Taxa") + - theme(plot.title = element_text(hjust = 0.5, size = 6)) + - geom_rect( xmin = as.Date("2019-01-01"), - xmax = as.Date("2019-04-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) + - geom_rect(xmin = as.Date("2019-10-01"), - xmax = as.Date("2020-01-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) - - - # Rendimento médio - Tocantins - - - # Dados - - rendimento_TO <- ipeadata(c("PNADC_RENDREALPRINCHAB_UF")) - - rendimento_tocantins <- rendimento_TO %>% - filter(tcode == 17) - - # Gráficos - - rendimento_tocantins %>% - ggplot(aes(x = date, y = value, group = 1)) + - geom_line(size = 0.9) + - scale_y_continuous(limits = c(0, 3500), breaks = seq(from = -0, to = 3500, by = 500)) + - labs(x= " " , y= "Rendimento") + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - geom_rect( xmin = as.Date("2019-01-01"), - xmax = as.Date("2019-04-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) + - geom_rect(xmin = as.Date("2019-10-01"), - xmax = as.Date("2020-01-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) - - - # Rendimento médio - Região Norte - - # Dados - - rendimento_TO <- ipeadata(c("PNADC_RENDREALPRINCHAB_UF")) - - - rendimento_norte <- rendimento_TO %>% - filter(tcode == 1) - - # Gráficos - - rendimento_norte %>% - ggplot(aes(x = date, y = value, group = 1)) + - geom_line(size = 0.9) + - scale_y_continuous(limits = c(0, 3500), breaks = seq(from = -0, to = 3500, by = 500)) + - labs(x= " " , y= "Rendimento") + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - geom_rect( xmin = as.Date("2019-01-01"), - xmax = as.Date("2019-04-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) + - geom_rect(xmin = as.Date("2019-10-01"), - xmax = as.Date("2020-01-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) - - - # Rendimento médio - Brasil - - # Dados - - rendimento_TO <- ipeadata(c("PNADC_RENDREALPRINCHAB_UF")) - - rendimento_br <- rendimento_TO %>% - filter(tcode == 0) - - - # Gráficos - - rendimento_br %>% - ggplot(aes(x = date, y = value, group = 1)) + - geom_line(size = 0.9) + - scale_y_continuous(limits = c(0, 3500), breaks = seq(from = -0, to = 3500, by = 500)) + - labs(x= " " , y= "Rendimento") + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - geom_rect( xmin = as.Date("2019-01-01"), - xmax = as.Date("2019-04-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) + - geom_rect(xmin = as.Date("2019-10-01"), - xmax = as.Date("2020-01-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) - \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/scripts/Indicadores sociais.R b/cap_social/boletim-1.0.0/scripts/Indicadores sociais.R deleted file mode 100644 index 85d0168..0000000 --- a/cap_social/boletim-1.0.0/scripts/Indicadores sociais.R +++ /dev/null @@ -1,191 +0,0 @@ -library(tidyverse) -library(devtools) -library(petgg) -library(scales) -library(extrafont) - -extrafont:: font_import() -extrafont::loadfonts() -petgg::set_theme(base_family = "EB Garamond") - -#Criando os vetores taxa de pobreza linha US$5,50 PPC por dia - -ano <- c(2012,2013,2014,2015,2016,2017,2018,2019,2020) -tx_pob_no <- c(0.4251,0.4136,0.3827,0.4051,0.4370,0.4243,0.4127,0.4160) -tx_pob_to <- c(0.3867,0.3651,0.3184,0.3370,0.3378,0.3218,0.3154,0.3269) -tx_pob_br <- c(0.2646,0.2489,0.2280,0.2370,0.2551,0.2600,0.2528,0.2471) - -tx_pob <- data.frame(ano, tx_pob_no, tx_pob_to, tx_pob_br) - -#Criando o gr?fico - - -graf_taxas <- ggplot(tx_pob, aes(x = ano))+ - geom_line(aes(y = tx_pob_no, colour = "Norte"))+ - geom_line(aes(y = tx_pob_to, colour = "Tocantins"))+ - geom_line(aes(y = tx_pob_br, colour = "Brasil"))+ - scale_colour_manual( - values = petgg::colors[1:3])+ - scale_y_continuous(labels=percent_format(accuracy = 1))+ - scale_x_continuous(labels = ano, breaks = ano) -graf_taxas - -#Criando os vetores taxa de extrema pobreza US$1,90 PPC por dia - -tx_expob_br <- c(0.0576,0.0510,0.0449,0.0489,0.0584,0.0644,0.0652,0.0654) -tx_expob_no <- c(0.0969,0.0834,0.0755,0.0904,0.0975,0.101,0.110,0.115) -tx_expob_to <- c(0.0559,0.0624,0.0514,0.0552,0.0578,0.0529,0.0659,0.0798) - -tx_expob <- data.frame(ano, tx_expob_br, tx_expob_no, tx_expob_to) - -#Criando o gr?fico - -graf_taxas2 <- ggplot(tx_expob, aes(x = ano))+ - geom_line(aes(y = tx_expob_br, colour = "Brasil"))+ - geom_line(aes(y = tx_expob_no, colour = "Norte"))+ - geom_line(aes(y = tx_expob_to, colour = "Tocantins"))+ - scale_colour_manual( - values = petgg::colors[1:3])+ - scale_y_continuous(labels=percent_format(accuracy = 1))+ - scale_x_continuous(labels = ano, breaks = ano) -graf_taxas2 -#?ndice de Gini - -gini_br <- c(0.540,0.533,0.526,0.524,0.537,0.538,0.545,0.543, 0.542) -gini_no <- c(0.544,0.541,0.518,0.525,0.523,0.530,0.551,0.537,0.537) -gini_to <- c(0.509,0.514,0.495,0.504,0.489,0.497,0.528,0.530,0.564) - -gini <- data.frame(ano, gini_br, gini_no, gini_to) - -#Criando o gr?fico - -graf_gini <- ggplot(gini, aes(x = ano))+ - geom_line(aes(y = gini_br, colour = "Brasil"))+ - geom_line(aes(y = gini_no, colour = "Norte"))+ - geom_line(aes(y = gini_to, colour = "Tocantins"))+ - scale_colour_manual( - values = petgg::colors[1:3])+ - scale_x_continuous(labels = ano, breaks = ano) -graf_gini - - -#N?mero de pobres (linha US$5,50 PPC por dia) - -pobs_br <- c(52262,49585,45816,48031,52153,53588,52522,51742) -pobs_no <- c(6986043,6894044,6471273,6949167,7597200,7474832,7369607,7533580) -pobs_to <- c(555166,530646,468778,502177,509155,490438,486184,509574) -pobs_pmw <- c(41321,61611,59853,42745,51228,57760,70886,56646) - -pobs <- data.frame(ano, pobs_br, pobs_no, pobs_to, pobs_pmw) - -#Criando o gr?fico - -#Brasil -graf_pobs_br <- ggplot(pobs, aes(x = ano))+ - geom_line(aes(y = pobs_br), size = 1.5)+ - labs(x = "Ano", y = "N?mero de Pobres", - title = "N?mero de Pobres no Brasil (1000 pessoas)", - subtitle = "Linha de US$5,50 PPC por dia", - caption = "Fonte: IBGE(2019)") -graf_pobs_br - -#Norte -graf_pobs_no <- ggplot(pobs, aes(x = ano))+ - geom_line(aes(y = pobs_no), size = 1.5)+ - labs(x = "Ano", y = "N?mero de Pobres", - title = "N?mero de Pobres no Norte", - subtitle = "Linha de US$5,50 PPC por dia", - caption = "Fonte: IBGE(2019)") -graf_pobs_no - -#Tocantins -graf_pobs_to <- ggplot(pobs, aes(x = ano))+ - geom_line(aes(y = pobs_to), size = 1.5)+ - labs(x = "Ano", y = "N?mero de Pobres", - title = "N?mero de Pobres no Tocantins", - subtitle = "Linha de US$5,50 PPC por dia", - caption = "Fonte: IBGE(2019)") -graf_pobs_to - -#Palmas -graf_pobs_pmw <- ggplot(pobs, aes(x = ano))+ - geom_line(aes(y = pobs_pmw), size = 1.5)+ - labs(x = "Ano", y = "N?mero de Pobres", - title = "N?mero de Pobres em Palmas", - subtitle = "Linha de US$5,50 PPC por dia", - caption = "Fonte: IBGE(2019)") -graf_pobs_pmw - -#N?mero de extremamente pobres - -expob_br <- c(11379,10153,9033,9917,11929,13268,13537,13689) -expob_no <- c(1592794,1389536,1276162,1551179,1694412,1780327,1969653,2073241) -expob_to <- c(80222,90667,75726,82297,87158,80683,101505,124457) -expob_pmw <- c(1860,7117,5401,9375,10024,5346,9691,12884) - -expobs <- data.frame(ano, expob_br, expob_no, expob_to, expob_pmw) - -#Criando os gr?ficos - -#Brasil -graf_expobs_br <- ggplot(expobs, aes(x = ano))+ - geom_line(aes(y = expob_br), size = 1.5)+ - labs(x = "Ano", y = "N?mero de Extremamente Pobres", - title = "N?mero de Extremamente Pobres no Brasil (1000 pessoas)", - subtitle = "Linha de US$1,90 PPC por dia", - caption = "Fonte: IBGE(2019)") -graf_expobs_br - -#Norte -graf_expobs_no <- ggplot(expobs, aes(x = ano))+ - geom_line(aes(y = expob_no), size = 1.5)+ - labs(x = "Ano", y = "N?mero de Extremamente Pobres", - title = "N?mero de Extremamente Pobres no Norte", - subtitle = "Linha de US$1,90 PPC por dia", - caption = "Fonte: IBGE(2019)") -graf_expobs_no - -#Tocantins -graf_expobs_to <- ggplot(expobs, aes(x = ano))+ - geom_line(aes(y = expob_to), size = 1.5)+ - labs(x = "Ano", y = "N?mero de Extremamente Pobres", - title = "N?mero de Extremamente Pobres no Tocantins", - subtitle = "Linha de US$1,90 PPC por dia", - caption = "Fonte: IBGE(2019)") -graf_expobs_to - -#Palmas -graf_expobs_pmw <- ggplot(expobs, aes(x = ano))+ - geom_line(aes(y = expob_pmw), size = 1.5)+ - labs(x = "Ano", y = "N?mero de Extremamente Pobres", - title = "N?mero de Extremamente Pobres em Palmas", - subtitle = "Linha de US$1,90 PPC por dia", - caption = "Fonte: IBGE(2019)") -graf_expobs_pmw - -#Salvando as imagens - -#ggsave(filename = "C:/Users/lucas/OneDrive/?rea de Trabalho/Boletim/pobreza.jpg", -# plot = graf_taxas) -#ggsave(filename = "C:/Users/lucas/OneDrive/?rea de Trabalho/Boletim/extrema_pobreza.jpg", -# plot = graf_taxas2) -#ggsave(filename = "C:/Users/lucas/OneDrive/?rea de Trabalho/Boletim/gini.jpg", -# plot = graf_gini) -#ggsave(filename = "C:/Users/lucas/OneDrive/?rea de Trabalho/Boletim/ren.jpg", -# plot = graf_ren_cor) -#ggsave(filename = "C:/Users/lucas/OneDrive/?rea de Trabalho/Boletim/pobres_br.jpg", -# plot = graf_pobs_br) -#ggsave(filename = "C:/Users/lucas/OneDrive/?rea de Trabalho/Boletim/pobres_no.jpg", -# plot = graf_pobs_no) -#ggsave(filename = "C:/Users/lucas/OneDrive/?rea de Trabalho/Boletim/pobres_to.jpg", -# plot = graf_pobs_to) -#ggsave(filename = "C:/Users/lucas/OneDrive/?rea de Trabalho/Boletim/pobres_pmw.jpg", -# plot = graf_pobs_pmw) -#ggsave(filename = "C:/Users/lucas/OneDrive/?rea de Trabalho/Boletim/expobres_br.jpg", -# plot = graf_expobs_br) -#ggsave(filename = "C:/Users/lucas/OneDrive/?rea de Trabalho/Boletim/expobres_no.jpg", -# plot = graf_expobs_no) -#ggsave(filename = "C:/Users/lucas/OneDrive/?rea de Trabalho/Boletim/expobres_to.jpg", -# plot = graf_expobs_to) -#ggsave(filename = "C:/Users/lucas/OneDrive/?rea de Trabalho/Boletim/expobres_pmw.jpg", -# plot = graf_expobs_pmw) \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/scripts/Intro.R b/cap_social/boletim-1.0.0/scripts/Intro.R deleted file mode 100644 index 21ef54f..0000000 --- a/cap_social/boletim-1.0.0/scripts/Intro.R +++ /dev/null @@ -1,183 +0,0 @@ -library(devtools) -library(tidyverse) -library(sidrar) -library(RColorBrewer) -library(petgg) -library(scales) - -petgg::set_theme(base_family = "EB Garamond") -my_colors <- RColorBrewer::brewer.pal(8, "Blues") - -#Importando dados de pib (taxa acumulada de quatro trimestres -#e em rela??o ao trimestre anterior) - -pib <- get_sidra(5932, - variable = 6562, - period = c("201902-202003"), - geo = "Brazil", - classific = 'c11255', - header = TRUE, - format = 1, - digits = "default") - -pib_an <- get_sidra(5932, variable = 6564, - period = c("202001-202003"), - geo = "Brazil", - classific = 'c11255', - header = TRUE, - format = 1, - digits = "default") - -pib <- rename(pib, - Trimestre = `Trimestre (Código)`, - Setores_e_subsetores = `Setores e subsetores (Código)`, - Variável = `Variável (Código)`) - -pib_an <- rename(pib_an, - Trimestre = `Trimestre (Código)`, - Setores_e_subsetores = `Setores e subsetores (Código)`, - Variável = `Variável (Código)`) - -#Separando dados PIB -var_pib <- pib %>% - filter(Setores_e_subsetores == '90707') - -var_pib_an <- pib_an %>% - filter(Setores_e_subsetores == '90707') - -#Gr?fico PIB -graf_pib_ac <- ggplot(var_pib, aes(x=Trimestre, y = Valor))+ - geom_bar(stat="identity", position = "dodge")+ - #theme(axis.text.y=element_blank())+ylab("")+ - scale_x_discrete(labels=c("201902"="2T/2019","201903"="3T/2019", - "201904"="4T/2019","202001"="1T/2020", - "202002"="2T/2020","202003"="3T/2020"))+ - geom_text(aes(label = paste(Valor),vjust = ifelse(Valor >= 0, -0.3, 1)), - position = position_dodge(width = 0.7),size=4, show.legend = FALSE)+ - labs(caption = "Fonte: IBGE") -graf_pib_ac - -#Varia??o do total do PIB em rela??o ao trimestre anterior(dessazonalizado) -graf_pib_an <- ggplot(var_pib_an, aes(x=Trimestre, y = Valor))+ - geom_bar(stat="identity")+ - scale_y_continuous(labels = function(n) paste0(n, "%"))+ - scale_x_discrete(labels=c("202001"="1T","202002"="2T", - "202003"="3T"))+ - geom_text(aes(label = paste(Valor),vjust = ifelse(Valor >= 0, -0.3, 1)), - position = position_dodge(width = 0.7),size=4, show.legend = FALSE) -graf_pib_an - -#Separando dados da DA -da <- pib %>% - filter(Trimestre == '202001' - |Trimestre == '202002' - |Trimestre == '202003') -da <- da %>% - filter(Setores_e_subsetores == '93404' - |Setores_e_subsetores == '93405' - | Setores_e_subsetores == '93406' - | Setores_e_subsetores == '93407' - | Setores_e_subsetores == '93408') - -new_da <- da %>% - group_by(Setores_e_subsetores) - -da_an <- pib_an %>% - filter(Trimestre == '202001' - |Trimestre == '202002' - |Trimestre == '202003') -da_an <- da_an %>% - filter(Setores_e_subsetores == '93404' - |Setores_e_subsetores == '93405' - | Setores_e_subsetores == '93406' - | Setores_e_subsetores == '93407' - | Setores_e_subsetores == '93408') - -new_da_an <- da_an %>% - group_by(Setores_e_subsetores) - -#Gr?fico DA -graf_da <- ggplot(new_da, aes(x=Setores_e_subsetores, y = Valor, fill = Trimestre))+ - geom_bar(stat="identity", position = "dodge")+ - scale_x_discrete(labels=c("93404" = "Consumo\ndas famílias","93405" = "Consumo\ndo governo", - "93406" = "Investimentos", "93407" = "Exportações", "93408" = "Importações"))+ - #theme(axis.text.y=element_blank())+ylab("")+ - scale_fill_manual(labels = c("1T", "2T", "3T"), - values = c("#9ECAE1","#4292C6","#084594"))+ - geom_text(aes(label = paste(Valor),vjust = ifelse(Valor >= 0, -0.2, 1)), show.legend = F) -graf_da - -graf_da_an <- ggplot(new_da_an, aes(x=Setores_e_subsetores, y = Valor, fill = Trimestre))+ - geom_bar(stat="identity", position = "dodge", gap="m")+ - scale_y_continuous(labels = function(x) paste0(x,"%")) + - scale_x_discrete(labels=c("93404" = "Consumo\ndas famílias","93405" = "Consumo\ndo governo", - "93406" = "Investimentos", "93407" = "Exportações", "93408" = "Importações"))+ - scale_fill_manual(labels = c("1T", "2T", "3T"), - values = petgg::colors[1:3])+ - geom_text(aes(label = paste(Valor),vjust = ifelse(Valor >= 0, -0.2, 1)), - position = position_dodge(width = 0.7), show.legend = FALSE, size = 3.6) -graf_da_an - -#Separando dados da Oferta -oferta <- pib %>% - filter(Trimestre == '202001' - |Trimestre == '202002' - |Trimestre == '202003') - -oferta <- oferta %>% - filter(Setores_e_subsetores == '90687' - |Setores_e_subsetores == '90691' - | Setores_e_subsetores == '90696') - -new_oferta <- oferta %>% - group_by(Setores_e_subsetores) - -oferta_an <- pib_an %>% - filter(Trimestre == '202001' - |Trimestre == '202002' - |Trimestre == '202003') - -oferta_an <- oferta_an %>% - filter(Setores_e_subsetores == '90687' - |Setores_e_subsetores == '90691' - | Setores_e_subsetores == '90696') - -new_oferta_an <- oferta_an %>% - group_by(Setores_e_subsetores) - -#Gr?ficos oferta -graf_oferta <- ggplot(new_oferta, aes(x=Setores_e_subsetores, y = Valor, fill = Trimestre))+ - geom_bar(stat="identity", position = "dodge")+ - scale_y_continuous(labels = function(x) paste0(x,"%"))+ - scale_x_discrete(labels=c("90687" = "Agropecuária","90691" = "Indústria", - "90696" = "Serviços"))+ - scale_fill_manual(labels = c("1T/2020", "2T/2020", "3T/2020"), - values = petgg::colors[1:3])+ - geom_text(aes(label = paste(Valor),vjust = ifelse(Valor >= 0, -0.3, 1)), - position = position_dodge(width = 0.7),size=3.6, show.legend = FALSE) -graf_oferta - -graf_oferta_an <- ggplot(new_oferta_an, aes(x=Setores_e_subsetores, y = Valor, fill = Trimestre))+ - geom_bar(stat="identity", position = "dodge", gap ="m")+ - scale_y_continuous(labels = function(x) paste0(x,"%"))+ - scale_x_discrete(labels=c("90687" = "Agropecuária","90691" = "Indústria", - "90696" = "Serviços"))+ - scale_fill_manual(labels = c("1T", "2T", "3T"), - values = petgg::colors[1:3])+ - geom_text(aes(label = paste(Valor),vjust = ifelse(Valor >= 0, -0.3, 1)), - position = position_dodge(width = 0.7),size=3.6, show.legend = FALSE) -graf_oferta_an - -#Salvando os gr?ficos -#ggsave(filename = "C:/Users/lucas/OneDrive/?rea de Trabalho/Boletim/pib_ac.jpg", -# plot = graf_pib_ac) -ggsave(filename = "C:/Users/lucas/OneDrive/?rea de Trabalho/Instagram PET/pib_an.pdf", - plot = graf_pib_an) -#ggsave(filename = "C:/Users/lucas/OneDrive/?rea de Trabalho/Boletim/demanda.jpg", -# plot = graf_da) -#ggsave(filename = "C:/Users/lucas/OneDrive/?rea de Trabalho/Boletim/oferta.jpg", -# plot = graf_oferta) -ggsave(filename = "C:/Users/lucas/OneDrive/?rea de Trabalho/Instagram PET/demanda.jpg", - plot = graf_da_an) -ggsave(filename = "C:/Users/lucas/OneDrive/?rea de Trabalho/Instagram PET/oferta.jpg", - plot = graf_oferta_an) diff --git a/cap_social/boletim-1.0.0/scripts/PMC.R b/cap_social/boletim-1.0.0/scripts/PMC.R deleted file mode 100644 index 0e3a3ea..0000000 --- a/cap_social/boletim-1.0.0/scripts/PMC.R +++ /dev/null @@ -1,17 +0,0 @@ -library(sidrar) -library(tidyverse) -library(petgg) - -petgg::set_theme(base_family = "EB Garamond") - -pmc <- get_sidra(api = "/t/3416/n1/all/n3/17/v/564/p/last%2011/c11046/33534/d/v564%201") %>% - mutate(date = parse_date(`Mês (Código)`, format = '%Y%m')) %>% - select(`Brasil e Unidade da Federação`, Valor, date) - -pmc_plot <- ggplot(pmc, aes(x=date, y = Valor, fill = `Brasil e Unidade da Federa??o`))+ - geom_bar(stat="identity", position = position_dodge(width = 25), width = 25)+ - scale_x_date(date_labels="%b",date_breaks ="1 month")+ - geom_text(aes(label = paste(Valor),vjust = ifelse(Valor >= 0, -0.3, 1)), - position = position_dodge(width = 25),size=3, show.legend = FALSE)+ - scale_y_continuous(labels = function(n) paste0(n, "%")) -pmc_plot diff --git a/cap_social/boletim-1.0.0/scripts/README.md b/cap_social/boletim-1.0.0/scripts/README.md deleted file mode 100644 index 84e0f6e..0000000 --- a/cap_social/boletim-1.0.0/scripts/README.md +++ /dev/null @@ -1,2 +0,0 @@ -# Scripts `R` - diff --git "a/cap_social/boletim-1.0.0/scripts/Regress\303\243o de empregos.R" "b/cap_social/boletim-1.0.0/scripts/Regress\303\243o de empregos.R" deleted file mode 100644 index 4a8c994..0000000 --- "a/cap_social/boletim-1.0.0/scripts/Regress\303\243o de empregos.R" +++ /dev/null @@ -1,48 +0,0 @@ -library(readxl) -library(tidyverse) -library(ggplot2) -library(dplyr) - -#Exemplo - - -Dados <- data.frame(taxaDesemprego = c(11,11.3,9.8,10.4,12.3,11.4,10.5,9.1,11.2,12.5), - Pedidos_SeguroDesemprego = c(9833,9833,8832,8784,9642,9324,9155,8182,8785,10642)) - -ggplot(Dados, aes(x = taxaDesemprego, y = Pedidos_SeguroDesemprego)) + geom_point() - -#Modelo - -modelo <- lm(data = Dados, formula = Pedidos_SeguroDesemprego~taxaDesemprego) -modelo$coefficients -summary(modelo) - -dados <- data.frame(x,y) - -ggplot(Dados, aes(x = taxaDesemprego, y = Pedidos_SeguroDesemprego)) + geom_point() + geom_smooth(method = lm, se = FALSE, fill = "#4682B4") + theme_classic() + - labs(x= "Taxa de desemprego", y= "Seguro Desemprego") + theme(plot.title = element_text(hjust = 0.5, size = 13)) - -shapiro.test(modelo$residuals) - -cor(Dados, x =taxaDesemprego, y = Pedidos_SeguroDesemprego) - - - -#Modelo 10 - Regressão - Erro. - -Dados <- data.frame(Saldo_Caged = c(-429, 1116, -363, 144, 44, -47, -16, 818, 424, 509, -115, -1730, 212, 1446, -60, -2061, -1206, 1202, 1409), - Taxa_Desemprego = c(9.0,10.7,11.2,10.8,13.1,12.6,11.7,11.8,10.5,11,11.3,9.8,10.4,12.3,11.4,10.5,9.1,11.2,12.5)) - -ggplot(Dados, aes(x = Taxa_Desemprego, y = Saldo_Caged)) + geom_point() - -modelo <- lm(data = Dados, formula = Saldo_Caged~Taxa_Desemprego) - -modelo$coefficients - -summary(modelo) - -ggplot(Dados, aes(x = Taxa_Desemprego, y = Saldo_Caged)) + geom_point() + geom_smooth(method = lm, se = FALSE, fill = "#4682B4") + theme_classic() + - labs(title="Relação Taxa de Desemprego x Saldo do Caged - TO", x= "Taxa de desemprego", y= "Seguro Desemprego", caption = "Fonte: Ministério do Trabalho \n Elaborado por: PET Economia") + theme(plot.title = element_text(hjust = 0.5, size = 13)) - - - diff --git a/cap_social/boletim-1.0.0/scripts/Script Etnia.R b/cap_social/boletim-1.0.0/scripts/Script Etnia.R deleted file mode 100644 index 2adc3fc..0000000 --- a/cap_social/boletim-1.0.0/scripts/Script Etnia.R +++ /dev/null @@ -1,293 +0,0 @@ -library(RCurl) -library(tidyverse) -library(survey) -library(convey) -library(PNADcIBGE) -library(ecoseries) -library(ipeadatar) -library(devtools) -library(RCurl) -library(readr) -library(timeDate) -library(safejoin) -library(petgg) -library(extrafont) - - - - -# Rodar o c?digo da fun??o at? o ?ltimo colchete. -get_caged <- function(type = NULL, month = NULL, year = NULL, dir = tempdir()) { - if (is.null(type)) { - stop("Select a type, 1 or 2") - } - if (is.null(month)) { - stop("Select a month, a value between 1 and 12") - } - if (type == 2) { - if (is.null(year)) { - stop("Select a year") - } - if (year < 2020) { - stop("year arg >= 2020") - } - current_year <- timeDate::getRmetricsOptions("currentYear") - if (year > current_year) { - stop(paste0("year arg <=", current_year)) - } - } - types <- c("Estabelecimentos", "Movimenta%E7%F5es") # 1 or 2 - months <- c( - "Janeiro", - "Fevereiro", - "Março", - "Abril", - "Maio", - "Junho", - "Julho", - "Agosto", - "Setembro", - "Outubro", - "Novembro", - "Dezembro" - ) - ftp_url <- "ftp://ftp.mtps.gov.br/pdet/microdados/NOVO CAGED/" - response <- function(url) { - req <- RCurl::getURL( - utils::URLencode(paste0(ftp_url, url, "/")), - .encoding = "ISO-8859-1", - dirlistonly = TRUE - ) - resul <- unlist(strsplit(req, "\n")) # "\r\n" for windows - return(resul) - } - current_month <- function(src) { - months_index <- c() - for (i in src) { - months_index <- c(months_index, which(i == months)) - } - current <- max(months_index) - return(current) - } - # Estabelecimentos - if (type == 1) { - dir_months <- response(types[type]) - this_month_index <- current_month(dir_months) - sub_current_dir <- response( - paste0(types[type], "/", months[this_month_index]) - ) - file <- sub_current_dir[ - substr(sub_current_dir, 1, 16) == paste0("CAGEDESTAB", "2020", ifelse(month < 10, paste0("0", month), month)) - ] - if (length(file) == 0) { - stop("File not found!!!") - } - utils::download.file( - url = utils::URLencode( - paste0(ftp_url, types[type], "/", months[this_month_index], "/", file) - ), - destfile = paste0(dir, "/", file), - mode = "wb" - ) - result <- readr::read_csv2( - archive::archive_read(paste0(dir, "/", file)), - na = c("NA"), - progress = show_progress() - ) - return(result) - } - # Movimentações - if (type == 2) { - dir_year <- response(paste0(types[type])) - check_year <- dir_year[substr(dir_year, 1, 4) == paste0(year)] - if (length(check_year) == 0) { - stop("File not found!!!") - } - dir_months <- response(paste0(types[type], "/", year)) - this_month_index <- current_month(dir_months) - sub_current_dir <- response( - paste0(types[type], "/", year, "/", months[this_month_index]) - ) - file <- sub_current_dir[ - substr(sub_current_dir, 1, 14) == paste0("CAGEDMOV", year, ifelse(month < 10, paste0("0", month), month)) - ] - if (length(file) == 0) { - stop("File not found!!!") - } - utils::download.file( - url = utils::URLencode( - paste0( - ftp_url, - types[type], - "/", - year, - "/", - months[this_month_index], - "/", - file - ) - ), - destfile = paste0(dir, "/", file), - mode = "wb" - ) - result <- readr::read_csv2( - archive::archive_read(paste0(dir, "/", file)), - na = c("NA"), - progress = show_progress() - ) - return(result) - } -} - - -#Agora rodar o primeiro script, ir? fazer o download dos dados. -caged_Janeiro <- get_caged(type = 2, month = 1, year = 2020) -caged_Fevereiro <- get_caged(type = 2, month = 2, year = 2020) -caged_Março <- get_caged(type = 2, month = 3, year = 2020) -caged_Abril <- get_caged(type = 2, month = 4, year = 2020) -caged_Maio <- get_caged(type = 2, month = 5, year = 2020) -caged_Junho <- get_caged(type = 2, month = 6, year = 2020) -caged_Julho <- get_caged(type = 2, month = 7, year = 2020) -caged_Agosto <- get_caged(type = 2, month = 8, year =2020) -caged_Setembro <- get_caged(type = 2, month = 9, year =2020) -caged_Outubro <- get_caged(type = 2, month = 10, year =2020) -caged_Novembro <- get_caged(type = 2, month = 11, year = 2020) - - - - - -# RAÇA/COR DOS ADMITIDOS -caged_TO_RA1 <- caged_Janeiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(raçacor) - -caged_TO_RA2 <- caged_Fevereiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(raçacor) - -caged_TO_RA3 <- caged_Março %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(raçacor) - -caged_TO_RA4 <- caged_Abril %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(raçacor) - -caged_TO_RA5 <- caged_Maio %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(raçacor) - -caged_TO_RA6 <- caged_Junho %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(raçacor) - -caged_TO_RA7 <- caged_Julho %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(raçacor) - -caged_TO_RA8 <- caged_Agosto %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(raçacor) - -caged_TO_RA9 <- caged_Setembro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(raçacor) - -#Resultado Parciais - -Resultado <- safe_left_join(caged_TO_RA1, caged_TO_RA2, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_2 <- safe_left_join(caged_TO_RA3, caged_TO_RA4, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_3 <- safe_left_join(caged_TO_RA5, caged_TO_RA6, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - -#FInal - -Resultado_Final <- safe_left_join(Resultado, Resultado_2, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_Final2 <- safe_left_join(Resultado_Final, Resultado_3, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - - -# RA?A/COR DOS DEMITIDOS -caged_TO_RD1 <- caged_Janeiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(raçacor) - -caged_TO_RD2 <- caged_Fevereiro %>% - filter(uf == 17) %>% - filter(saldomovimentação== -1) %>% - count(raçacor) - -caged_TO_RD3 <- caged_Março %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(raçacor) - -caged_TO_RD4 <- caged_Abril %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(raçacor) - -caged_TO_RD5 <- caged_Maio %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(raçacor) - -caged_TO_RD6 <- caged_Junho %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(raçacor) - -caged_TO_RD7 <- caged_Julho %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(raçacor) - -caged_TO_RD8 <- caged_Agosto %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(raçacor) - -caged_TO_RD9 <- caged_Setembro%>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(raçacor) - - -#Resultado Parciais - -Resultado <- safe_left_join(caged_TO_RD1, caged_TO_RD2, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_2 <- safe_left_join(caged_TO_RD3, caged_TO_RD4, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_3 <- safe_left_join(caged_TO_RD5, caged_TO_RD6, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - -#FInal - -Resultado_Final <- safe_left_join(Resultado, Resultado_2, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_Final2 <- safe_left_join(Resultado_Final, Resultado_3, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) diff --git a/cap_social/boletim-1.0.0/scripts/caged.R b/cap_social/boletim-1.0.0/scripts/caged.R deleted file mode 100644 index fe71ab8..0000000 --- a/cap_social/boletim-1.0.0/scripts/caged.R +++ /dev/null @@ -1,143 +0,0 @@ -# Script para obter dados do novo CAGED - -# 1) install.packages(c("RCurl", "readr", "timeDate")) -# 2) install archive via devtools -# 2.1) install.packages("devtools") -# 2.2) For windows, install Rtools -# 2.3) devtools::install_github("jimhester/archive") - -# Argumentos -## type é um inteiro, 1 ou 2 -## month é um inteiro entre 1 e 12 -## year é um inteiro, ano - -# Exemplo -## get_caged(type = 1, month = 2, year = 2020) - - -library(RCurl) -library(readr) -library(timeDate) -library(archive) - -get_caged <- function(type = NULL, month = NULL, year = NULL, dir = tempdir()) { - if (is.null(type)) { - stop("Select a type, 1 or 2") - } - if (is.null(month)) { - stop("Select a month, a value between 1 and 12") - } - if (type == 2) { - if (is.null(year)) { - stop("Select a year") - } - if (year < 2020) { - stop("year arg >= 2020") - } - current_year <- timeDate::getRmetricsOptions("currentYear") - if (year > current_year) { - stop(paste0("year arg <=", current_year)) - } - } - types <- c("Estabelecimentos", "Movimenta%E7%F5es") # 1 or 2 - months <- c( - "Janeiro", - "Fevereiro", - "Março", - "Abril", - "Maio", - "Junho", - "Julho", - "Agosto", - "Setembro", - "Outubro", - "Novembro", - "Dezembro" - ) - ftp_url <- "ftp://ftp.mtps.gov.br/pdet/microdados/NOVO CAGED/" - response <- function(url) { - req <- RCurl::getURL( - utils::URLencode(paste0(ftp_url, url, "/")), - .encoding = "ISO-8859-1", - dirlistonly = TRUE - ) - resul <- unlist(strsplit(gsub("\r\n", "\n", req), "\n")) - return(resul) - } - current_month <- function(src) { - months_index <- c() - for (i in src) { - months_index <- c(months_index, which(i == months)) - } - current <- max(months_index) - return(current) - } - # Estabelecimentos - if (type == 1) { - dir_months <- response(types[type]) - this_month_index <- current_month(dir_months) - sub_current_dir <- response( - paste0(types[type], "/", months[this_month_index]) - ) - file <- sub_current_dir[ - substr(sub_current_dir, 1, 16) == paste0("CAGEDESTAB", "2020", ifelse(month < 10, paste0("0", month), month)) - ] - if (length(file) == 0) { - stop("File not found!!!") - } - utils::download.file( - url = utils::URLencode( - paste0(ftp_url, types[type], "/", months[this_month_index], "/", file) - ), - destfile = paste0(dir, "/", file), - mode = "wb" - ) - result <- readr::read_csv2( - archive::archive_read(paste0(dir, "/", file)), - na = c("NA"), - progress = show_progress() - ) - return(result) - } - # Movimentações - if (type == 2) { - dir_year <- response(paste0(types[type])) - check_year <- dir_year[substr(dir_year, 1, 4) == paste0(year)] - if (length(check_year) == 0) { - stop("File not found!!!") - } - dir_months <- response(paste0(types[type], "/", year)) - this_month_index <- current_month(dir_months) - sub_current_dir <- response( - paste0(types[type], "/", year, "/", months[this_month_index]) - ) - file <- sub_current_dir[ - substr(sub_current_dir, 1, 14) == paste0("CAGEDMOV", year, ifelse(month < 10, paste0("0", month), month)) - ] - if (length(file) == 0) { - stop("File not found!!!") - } - utils::download.file( - url = utils::URLencode( - paste0( - ftp_url, - types[type], - "/", - year, - "/", - months[this_month_index], - "/", - file - ) - ), - destfile = paste0(dir, "/", file), - mode = "wb" - ) - result <- readr::read_csv2( - archive::archive_read(paste0(dir, "/", file)), - na = c("NA"), - progress = show_progress() - ) - return(result) - } -} \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/scripts/caged_dados.R b/cap_social/boletim-1.0.0/scripts/caged_dados.R deleted file mode 100644 index af56bc0..0000000 --- a/cap_social/boletim-1.0.0/scripts/caged_dados.R +++ /dev/null @@ -1,1769 +0,0 @@ -library(RCurl) -library(tidyverse) -library(survey) -library(convey) -library(PNADcIBGE) -library(ecoseries) -library(ipeadatar) -library(devtools) -library(RCurl) -library(readr) -library(timeDate) -library(safejoin) - -#Diretório -setwd("~/Área de Trabalho/UFT/Boletim - PET/Dados Emprego") - - - -# Rodar o c?digo da fun??o at? o ?ltimo colchete. -get_caged <- function(type = NULL, month = NULL, year = NULL, dir = tempdir()) { - if (is.null(type)) { - stop("Select a type, 1 or 2") - } - if (is.null(month)) { - stop("Select a month, a value between 1 and 12") - } - if (type == 2) { - if (is.null(year)) { - stop("Select a year") - } - if (year < 2020) { - stop("year arg >= 2020") - } - current_year <- timeDate::getRmetricsOptions("currentYear") - if (year > current_year) { - stop(paste0("year arg <=", current_year)) - } - } - types <- c("Estabelecimentos", "Movimenta%E7%F5es") # 1 or 2 - months <- c( - "Janeiro", - "Fevereiro", - "Março", - "Abril", - "Maio", - "Junho", - "Julho", - "Agosto", - "Setembro", - "Outubro", - "Novembro", - "Dezembro" - ) - ftp_url <- "ftp://ftp.mtps.gov.br/pdet/microdados/NOVO CAGED/" - response <- function(url) { - req <- RCurl::getURL( - utils::URLencode(paste0(ftp_url, url, "/")), - .encoding = "ISO-8859-1", - dirlistonly = TRUE - ) - resul <- unlist(strsplit(req, "\n")) # "\r\n" for windows - return(resul) - } - current_month <- function(src) { - months_index <- c() - for (i in src) { - months_index <- c(months_index, which(i == months)) - } - current <- max(months_index) - return(current) - } - # Estabelecimentos - if (type == 1) { - dir_months <- response(types[type]) - this_month_index <- current_month(dir_months) - sub_current_dir <- response( - paste0(types[type], "/", months[this_month_index]) - ) - file <- sub_current_dir[ - substr(sub_current_dir, 1, 16) == paste0("CAGEDESTAB", "2020", ifelse(month < 10, paste0("0", month), month)) - ] - if (length(file) == 0) { - stop("File not found!!!") - } - utils::download.file( - url = utils::URLencode( - paste0(ftp_url, types[type], "/", months[this_month_index], "/", file) - ), - destfile = paste0(dir, "/", file), - mode = "wb" - ) - result <- readr::read_csv2( - archive::archive_read(paste0(dir, "/", file)), - na = c("NA"), - progress = show_progress() - ) - return(result) - } - # Movimentações - if (type == 2) { - dir_year <- response(paste0(types[type])) - check_year <- dir_year[substr(dir_year, 1, 4) == paste0(year)] - if (length(check_year) == 0) { - stop("File not found!!!") - } - dir_months <- response(paste0(types[type], "/", year)) - this_month_index <- current_month(dir_months) - sub_current_dir <- response( - paste0(types[type], "/", year, "/", months[this_month_index]) - ) - file <- sub_current_dir[ - substr(sub_current_dir, 1, 14) == paste0("CAGEDMOV", year, ifelse(month < 10, paste0("0", month), month)) - ] - if (length(file) == 0) { - stop("File not found!!!") - } - utils::download.file( - url = utils::URLencode( - paste0( - ftp_url, - types[type], - "/", - year, - "/", - months[this_month_index], - "/", - file - ) - ), - destfile = paste0(dir, "/", file), - mode = "wb" - ) - result <- readr::read_csv2( - archive::archive_read(paste0(dir, "/", file)), - na = c("NA"), - progress = show_progress() - ) - return(result) - } -} - - -#Agora rodar o primeiro script, ir? fazer o download dos dados. -caged_Janeiro <- get_caged(type = 2, month = 1, year = 2020) -caged_Fevereiro <- get_caged(type = 2, month = 2, year = 2020) -caged_Março <- get_caged(type = 2, month = 3, year = 2020) -caged_Abril <- get_caged(type = 2, month = 4, year = 2020) -caged_Maio <- get_caged(type = 2, month = 5, year = 2020) -caged_Junho <- get_caged(type = 2, month = 6, year = 2020) -caged_Julho <- get_caged(type = 2, month = 7, year = 2020) -caged_Agosto <- get_caged(type = 2, month = 8, year =2020) -caged_Setembro <- get_caged(type = 2, month = 9, year =2020) -caged_Outubro <- get_caged(type = 2, month = 10, year =2020) -caged_Novembro <- get_caged(type = 2, month = 11, year = 2020) - - -# Dados TOcantins - Janeiro -caged_Tocantins <- caged_Janeiro %>% - filter(uf==17) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação = sum(saldomovimentação), .groups = "drop") - - -#Dados Tocantins - Fevereiro - -caged_Tocantins2 <- caged_Fevereiro %>% - filter(uf==17) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação = sum(saldomovimentação), .groups = "drop") - -#Dados Tocantins - Mar?o - -Caged_Tocantins3 <- caged_Março %>% - filter(uf==17) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação = sum(saldomovimentação), .groups = "drop") - -#Dados Tocantins - Abril - -Caged_Tocantins4 <- caged_Abril %>% - filter(uf==17) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação = sum(saldomovimentação), .groups = "drop") - -#Dados Tocantins - Maio - -Caged_Tocantins5 <- caged_Maio %>% - filter(uf==17) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação = sum(saldomovimentação), .groups = "drop") - -#Dados Tocantins - Junho - -Caged_Tocantins6 <- caged_Junho %>% - filter(uf==17) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação = sum(saldomovimentação), .groups = "drop") - -#Dados Tocantins - Julho - -Caged_Tocantins7 <- caged_Julho %>% - filter(uf==17) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação = sum(saldomovimentação), .groups = "drop") - -#Dados Tocantins - Agosto - -Caged_Tocantins8 <- caged_Agosto %>% - filter(uf==17) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação= sum(saldomovimentação), .groups = "drop") - - -#Dados Tocantins - Setembro - -Caged_Tocantins9 <- caged_Setembro %>% - filter(uf==17) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação= sum(saldomovimentação), .groups = "drop") - - -#Dados Tocantins - Outubro - -Caged_Tocantins10 <- caged_Outubro %>% - filter(uf==17) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação= sum(saldomovimentação), .groups = "drop") - - - -#Dados Norte - Janeiro - -Caged_Norte1 <- caged_Janeiro %>% - filter(região==1) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação = sum(saldomovimentação), .groups = "drop") - -#Dados Norte - Fevereiro - -Caged_Norte2 <- caged_Fevereiro %>% - filter(região==1) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação = sum(saldomovimentação), .groups = "drop") - -#Dados Norte - Mar?o - -Caged_Norte3 <- caged_Março %>% - filter(região==1) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação = sum(saldomovimentação), .groups ="drop") - -#Dados Norte - Abril - -Caged_Norte4 <- caged_Abril %>% - filter(região==1) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação = sum(saldomovimentação), .groups ="drop") - -#Dados Norte - Maio - -Caged_Norte5 <- caged_Maio %>% - filter(região==1) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação = sum(saldomovimentação), .groups ="drop") - -#Dados Norte - Junho - -Caged_Norte6 <- caged_Junho %>% - filter(região==1) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação = sum(saldomovimentação), .groups ="drop") - -#Dados Norte - Julho - -Caged_Norte7 <- caged_Julho %>% - filter(região==1) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação = sum(saldomovimentação), .groups ="drop") - - -# Dados Norte - Agosto - -Caged_Norte8 <- caged_Agosto %>% - filter(região == 1) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação = sum(saldomovimentação), .groups = "drop") - -#Dados Norte - Setembro - -Caged_Norte9 <- caged_Setembro %>% - filter(região == 1) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação= sum(saldomovimentação), .groups = "drop") - -#Dado Norte - Outubro - -Caged_Norte10 <- caged_Outubro %>% - filter(região == 1) %>% - group_by(saldomovimentação) %>% - summarise(saldomovimentação= sum(saldomovimentação), .groups = "drop") - - - -# GRAU DE INSTRU??O DOS ADMITIDOS -caged_TO_GIA1 <- caged_Janeiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(graudeinstrução) - -caged_TO_GIA2 <- caged_Fevereiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(graudeinstrução) - -caged_TO_GIA3 <- caged_Março %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(graudeinstrução) - -caged_TO_GIA4 <- caged_Abril %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(graudeinstrução) - -caged_TO_GIA5 <- caged_Maio %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(graudeinstrução) - -caged_TO_GIA6 <- caged_Junho %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(graudeinstrução) - -caged_TO_GIA7 <- caged_Julho%>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(graudeinstrução) - - -caged_TO_GIA8 <- caged_Agosto %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(graudeinstrução) - -caged_TO_GIA9 <- caged_Setembro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(graudeinstrução) - -#Resultado Parciais - -Resultado <- safe_left_join(caged_TO_GIA1, caged_TO_GIA2, by = c("graudeinstrução"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_2 <- safe_left_join(caged_TO_GIA3, caged_TO_GIA4, by = c("graudeinstrução"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_3 <- safe_left_join(caged_TO_GIA5, caged_TO_GIA6, by = c("graudeinstrução"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -#FInal - -Resultado_Final <- safe_left_join(Resultado, Resultado_2, by = c("graudeinstrução"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_Final2 <- safe_left_join(Resultado_Final, Resultado_3, by = c("graudeinstrução"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - -# GRAU DE INSTRU??O DOS DEMITIDOS -caged_TO_GID1 <- caged_Janeiro%>% - filter(uf == 17) %>% - filter(saldomovimentação== -1) %>% - count(graudeinstrução) - -caged_TO_GID2 <- caged_Fevereiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(graudeinstrução) - -caged_TO_GID3 <- caged_Março %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(graudeinstrução) - -caged_TO_GID4 <- caged_Abril%>% - filter(uf == 17) %>% - filter(saldomovimentação== -1) %>% - count(graudeinstrução) - -caged_TO_GID5 <- caged_Maio%>% - filter(uf == 17) %>% - filter(saldomovimentação== -1) %>% - count(graudeinstrução) - -caged_TO_GID6 <- caged_Junho%>% - filter(uf == 17) %>% - filter(saldomovimentação== -1) %>% - count(graudeinstrução) - -caged_TO_GID7 <- caged_Julho%>% - filter(uf == 17) %>% - filter(saldomovimentação== -1) %>% - count(graudeinstrução) - -caged_TO_GID8 <- caged_Agosto%>% - filter(uf == 17) %>% - filter(saldomovimentação== -1) %>% - count(graudeinstrução) - -caged_TO_GID9 <- caged_Setembro%>% - filter(uf == 17) %>% - filter(saldomovimentação== -1) %>% - count(graudeinstrução) - - -#Resultado Parciais - -Resultado <- safe_left_join(caged_TO_GID1, caged_TO_GID2, by = c("graudeinstrução"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_2 <- safe_left_join(caged_TO_GID3, caged_TO_GID4, by = c("graudeinstrução"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_3 <- safe_left_join(caged_TO_GID5, caged_TO_GID6, by = c("graudeinstrução"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - -#FInal - -Resultado_Final <- safe_left_join(Resultado, Resultado_2, by = c("graudeinstrução"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_Final2 <- safe_left_join(Resultado_Final, Resultado_3, by = c("graudeinstrução"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - - - - -# SETOR DE TRABALHO DOS ADMITIDOS -caged_TO_SA1 <- caged_Janeiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(seção) - -caged_TO_SA2 <- caged_Fevereiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(seção) - -caged_TO_SA3 <- caged_Março %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(seção) - -caged_TO_SA4 <- caged_Abril %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(seção) - -caged_TO_SA5 <- caged_Maio %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(seção) - -caged_TO_SA6 <- caged_Junho %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(seção) - -caged_TO_SA7 <- caged_Julho %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(seção) - -caged_TO_SA8 <- caged_Agosto %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(seção) - -caged_TO_SA9 <- caged_Setembro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(seção) - -#Resultado Parciais - -Resultado <- safe_left_join(caged_TO_SA1, caged_TO_SA2, by = c("seção"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_2 <- safe_left_join(caged_TO_SA3, caged_TO_SA4, by = c("seção"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_3 <- safe_left_join(caged_TO_SA5, caged_TO_SA6, by = c("seção"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - -#FInal - -Resultado_Final <- safe_left_join(Resultado, Resultado_2, by = c("seção"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_Final2 <- safe_left_join(Resultado_Final, Resultado_3, by = c("seção"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - - -# SETOR DE TRABALHO DOS DEMITIDOS -caged_TO_SD1 <- caged_Janeiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(seção) - -caged_TO_SD2 <- caged_Fevereiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(seção) - -caged_TO_SD3 <- caged_Março%>% - filter(uf == 17) %>% - filter(saldomovimentação== -1) %>% - count(seção) - -caged_TO_SD4 <- caged_Abril%>% - filter(uf == 17) %>% - filter(saldomovimentação== -1) %>% - count(seção) - -caged_TO_SD5 <- caged_Maio%>% - filter(uf == 17) %>% - filter(saldomovimentação== -1) %>% - count(seção) - -caged_TO_SD6 <- caged_Junho%>% - filter(uf == 17) %>% - filter(saldomovimentação== -1) %>% - count(seção) - -caged_TO_SD7 <- caged_Julho%>% - filter(uf == 17) %>% - filter(saldomovimentação== -1) %>% - count(seção) - -caged_TO_SD8 <- caged_Agosto%>% - filter(uf == 17) %>% - filter(saldomovimentação== -1) %>% - count(seção) - -caged_TO_SD9 <- caged_Setembro%>% - filter(uf == 17) %>% - filter(saldomovimentação== -1) %>% - count(seção) - -#Resultado Parciais - -Resultado <- safe_left_join(caged_TO_SD1, caged_TO_SD2, by = c("seção"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_2 <- safe_left_join(caged_TO_SD3, caged_TO_SD4, by = c("seção"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_3 <- safe_left_join(caged_TO_SD5, caged_TO_SD6, by = c("seção"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - -#FInal - -Resultado_Final <- safe_left_join(Resultado, Resultado_2, by = c("seção"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_Final2 <- safe_left_join(Resultado_Final, Resultado_3, by = c("seção"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -#Gráfico de Setores - 1T - -Setores <- data.frame("Empregos" = 1:5, "Saldo" = c(277,109,961,-1950,-660), "Setores" = c("Agricultura","Indústrias", "Construção", "Comércio", "Serviços")) - - -Setores %>% - mutate(Setores = factor(Setores, levels=c("Agricultura","Indústrias", "Construção", "Comércio", "Serviços"))) %>% - ggplot(aes(x=Setores, y = Saldo)) + - geom_bar(stat='identity', colour = ifelse(Setores$Saldo > 0, "#104E8B", "#8b1010"), fill = ifelse(Setores$Saldo > 0, "#104E8B", "#8B1010")) + theme_classic() + - geom_hline(yintercept=0, colour="black", linetype="dashed") + - scale_y_continuous(limits = c(-2500, 2500),breaks = seq(from = -2000, to = 2500, by = 1000)) + - labs(x=" ") + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + geom_text(aes(y = Saldo + 2.4 * sign(Saldo),label=Saldo), color="black", position = position_dodge(0.9), size=4) - -ggplot(Setores, aes(Setores, Saldo)) + - geom_bar(stat = "identity") + - geom_text(aes(label=Saldo)) + - scale_y_continuous(limits = c(-2000, 2000),breaks = seq(from = -2000, to = 2000, by = 1000)) + - geom_text(aes(y = Saldo + 0.4 * sign(Saldo),label=Saldo), color="yellow", position = position_dodge(width = 0.4), size=4) - -# IDADE DOS ADMITIDOS -caged_TO_IA1 <- caged_Janeiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(idade) - -caged_TO_IA2 <- caged_Fevereiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(idade) - -caged_TO_IA3 <- caged_Março %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(idade) - -caged_TO_IA4 <- caged_Abril %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(idade) - -caged_TO_IA5 <- caged_Maio %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(idade) - -caged_TO_IA6 <- caged_Junho %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(idade) - -caged_TO_IA7 <- caged_Julho %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(idade) - -caged_TO_IA8 <- caged_Agosto %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(idade) - -caged_TO_IA9 <- caged_Setembro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(idade) - - -#Resultado Parciais - -Resultado <- safe_left_join(caged_TO_IA1, caged_TO_IA2, by = c("idade"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_2 <- safe_left_join(caged_TO_IA3, caged_TO_IA4, by = c("idade"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_3 <- safe_left_join(caged_TO_IA5, caged_TO_IA6, by = c("idade"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - -#FInal - -Resultado_Final <- safe_left_join(Resultado, Resultado_2, by = c("idade"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_Final2 <- safe_left_join(Resultado_Final, Resultado_3, by = c("idade"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - - - -# IDADE DOS DEMITIDOS -caged_TO_ID1 <- caged_Janeiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(idade) - -caged_TO_ID2 <- caged_Fevereiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(idade) - -caged_TO_ID3 <- caged_Março %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(idade) - -caged_TO_ID4 <- caged_Abril %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(idade) - -caged_TO_ID5 <- caged_Maio %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(idade) - - -caged_TO_ID6 <- caged_Junho %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(idade) - -caged_TO_ID7 <- caged_Julho %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(idade) - -caged_TO_ID8 <- caged_Agosto %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(idade) - -caged_TO_ID9 <- caged_Setembro %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(idade) - -#Resultado Parciais - -Resultado <- safe_left_join(caged_TO_ID1, caged_TO_ID2, by = c("idade"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_2 <- safe_left_join(caged_TO_ID3, caged_TO_ID4, by = c("idade"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_3 <- safe_left_join(caged_TO_ID5, caged_TO_ID6, by = c("idade"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - -#FInal - -Resultado_Final <- safe_left_join(Resultado, Resultado_2, by = c("idade"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_Final2 <- safe_left_join(Resultado_Final, Resultado_3, by = c("idade"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - -# SEXO DOS ADMITIDOS -caged_TO_SA1 <- caged_Janeiro %>% - filter(uf == 17) %>% - filter(saldomovimentação== 1) %>% - count(sexo) - -caged_TO_SA2 <- caged_Fevereiro %>% - filter(uf == 17) %>% - filter(saldomovimentação== 1) %>% - count(sexo) - -caged_TO_SA3 <- caged_Março %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(sexo) - -caged_TO_SA4 <- caged_Abril %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(sexo) - -caged_TO_SA5 <- caged_Maio %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(sexo) - -caged_TO_SA6 <- caged_Junho %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(sexo) - -caged_TO_SA7 <- caged_Julho %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(sexo) - -caged_TO_SA8 <- caged_Agosto %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(sexo) - -caged_TO_SA9 <- caged_Setembro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(sexo) - -#Resultado Parciais - -Resultado <- safe_left_join(caged_TO_SA1, caged_TO_SA2, by = c("sexo"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_2 <- safe_left_join(caged_TO_SA3, caged_TO_SA4, by = c("sexo"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_3 <- safe_left_join(caged_TO_SA5, caged_TO_SA6, by = c("sexo"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - -#FInal - -Resultado_Final <- safe_left_join(Resultado, Resultado_2, by = c("sexo"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_Final2 <- safe_left_join(Resultado_Final, Resultado_3, by = c("sexo"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - - -# SEXO DOS DEMITIDOS -caged_TO_SD1 <- caged_Janeiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(sexo) - -caged_TO_SD2 <- caged_Fevereiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(sexo) - -caged_TO_SD3 <- caged_Março %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(sexo) - -caged_TO_SD4 <- caged_Abril %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(sexo) - -caged_TO_SD5 <- caged_Maio %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(sexo) - -caged_TO_SD6 <- caged_Junho %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(sexo) - -caged_TO_SD7 <- caged_Julho %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(sexo) - -caged_TO_SD8 <- caged_Agosto %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(sexo) - -caged_TO_SD9 <- caged_Setembro %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(sexo) - - -#Resultado Parciais - -Resultado <- safe_left_join(caged_TO_SD1, caged_TO_SD2, by = c("sexo"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_2 <- safe_left_join(caged_TO_SD3, caged_TO_SD4, by = c("sexo"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_3 <- safe_left_join(caged_TO_SD5, caged_TO_SD6, by = c("sexo"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - -#FInal - -Resultado_Final <- safe_left_join(Resultado, Resultado_2, by = c("sexo"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_Final2 <- safe_left_join(Resultado_Final, Resultado_3, by = c("sexo"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - -#gráficos - -Sexo <- data.frame("Genero" = 1:2, "Saldo" = c(182,-1448), "Sexo" = c("Homem", "Mulher")) - -Sexo %>% - mutate(Sexo = factor(Sexo, levels=c("Homem", "Mulher"))) %>% - ggplot(aes(x=Sexo, y = Saldo)) + - geom_bar(stat='identity', colour = ifelse(Sexo$Saldo > 0, "#104E8B", "#8b1010"), fill = ifelse(Sexo$Saldo > 0, "#104E8B", "#8B1010"), width = 0.3) + theme_classic() + - geom_hline(yintercept=0, colour="black", linetype="dashed") + - scale_y_continuous(limits = c(-2000, 1000),breaks = seq(from = -2000, to = 2500, by = 1000)) + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - labs(x = " ") + - geom_text(aes(label = Saldo, y = Saldo + 0.08), position = position_dodge(0.9), vjust = 0.1) - - -# RAÇA/COR DOS ADMITIDOS -caged_TO_RA1 <- caged_Janeiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(raçacor) - -caged_TO_RA2 <- caged_Fevereiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(raçacor) - -caged_TO_RA3 <- caged_Março %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(raçacor) - -caged_TO_RA4 <- caged_Abril %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(raçacor) - -caged_TO_RA5 <- caged_Maio %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(raçacor) - -caged_TO_RA6 <- caged_Junho %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(raçacor) - -caged_TO_RA7 <- caged_Julho %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(raçacor) - -caged_TO_RA8 <- caged_Agosto %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(raçacor) - -caged_TO_RA9 <- caged_Setembro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(raçacor) - -#Resultado Parciais - -Resultado <- safe_left_join(caged_TO_RA1, caged_TO_RA2, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_2 <- safe_left_join(caged_TO_RA3, caged_TO_RA4, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_3 <- safe_left_join(caged_TO_RA5, caged_TO_RA6, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - -#FInal - -Resultado_Final <- safe_left_join(Resultado, Resultado_2, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_Final2 <- safe_left_join(Resultado_Final, Resultado_3, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - - -# RA?A/COR DOS DEMITIDOS -caged_TO_RD1 <- caged_Janeiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(raçacor) - -caged_TO_RD2 <- caged_Fevereiro %>% - filter(uf == 17) %>% - filter(saldomovimentação== -1) %>% - count(raçacor) - -caged_TO_RD3 <- caged_Março %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(raçacor) - -caged_TO_RD4 <- caged_Abril %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(raçacor) - -caged_TO_RD5 <- caged_Maio %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(raçacor) - -caged_TO_RD6 <- caged_Junho %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(raçacor) - -caged_TO_RD7 <- caged_Julho %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(raçacor) - -caged_TO_RD8 <- caged_Agosto %>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(raçacor) - -caged_TO_RD9 <- caged_Setembro%>% - filter(uf == 17) %>% - filter(saldomovimentação == -1) %>% - count(raçacor) - - -#Resultado Parciais - -Resultado <- safe_left_join(caged_TO_RD1, caged_TO_RD2, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_2 <- safe_left_join(caged_TO_RD3, caged_TO_RD4, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_3 <- safe_left_join(caged_TO_RD5, caged_TO_RD6, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - -#FInal - -Resultado_Final <- safe_left_join(Resultado, Resultado_2, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - -Resultado_Final2 <- safe_left_join(Resultado_Final, Resultado_3, by = c("raçacor"), - conflict = ~ .x+ ifelse(is.na(.y),0,.y)) - - - -#gráficos - -Etnia <- data.frame("Raça" = 1:7, "Saldo" = c(-443, -75, -777,-72, -2,630, -527), "Etnia" = c("Branca", "Preta", "Parda", "Amarela", "Indígena", "N/Informada", "N/indentficada")) - -Etnia %>% - mutate(Etnia = factor(Etnia, levels=c("Branca", "Preta", "Parda", "Amarela", "Indígena", "N/Informada", "N/indentficada"))) %>% - ggplot(aes(x=Etnia, y = Saldo)) + - geom_bar(stat='identity', colour = ifelse(Etnia$Saldo > 0, "#104E8B", "#8b1010"), fill = ifelse(Etnia$Saldo > 0, "#104E8B", "#8B1010"), width = 0.3) + theme_classic() + - geom_hline(yintercept=0, colour="black", linetype="dashed") + - scale_y_continuous(limits = c(-800, 1500),breaks = seq(from = -800, to = 1500, by = 500)) + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - labs(x= " ") + - geom_text(aes(label = Saldo, y = Saldo + 0.09), position = position_dodge(0.9), vjust = 0.1) - - - -# DEFICIENCIA FISICA DOS ADMITIDOS -caged_TO_DFA1 <- caged_janeiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(tipodedeficiência) - -caged_TO_DFA2 <- caged_fevereiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(tipodedeficiência) - -caged_TO_DFA3 <- caged_março %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(tipodedeficiência) - -caged_TO_DFA4 <- caged_Abril %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(tipodedeficiência) - -caged_TO_DFA5 <- caged_Maio %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(tipodedeficiência) - -caged_TO_DFA6 <- caged_Junho %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(tipodedeficiência) - -caged_TO_DFA7 <- caged_Julho %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(tipodedeficiência) - -caged_TO_DFA8 <- caged_Agosto %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(tipodedeficiência) - -caged_TO_DFA9 <- caged_Setembro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - count(tipodedeficiência) - - -# DEFICIENCIA FISICA DOS DEMITIDOS -caged_TO_DFD1 <- caged_data_janeiro %>% - filter(uf == 17) %>% - filter(saldomovimenta??o == -1) %>% - count(tipodedefici?ncia) - -caged_TO_DFD2 <- caged_data_fevereiro %>% - filter(uf == 17) %>% - filter(saldomovimenta??o == -1) %>% - count(tipodedefici?ncia) - -caged_TO_DFD3 <- caged_data_mar?o %>% - filter(uf == 17) %>% - filter(saldomovimenta??o == -1) %>% - count(tipodedefici?ncia) - -caged_TO_DFD3 <- caged_data_mar?o %>% - filter(uf == 17) %>% - filter(saldomovimenta??o == -1) %>% - count(tipodedefici?ncia) - - -#Cargos - -caged_cargosA <- caged_janeiro %>% - filter(uf == 17) %>% - filter(saldomovimentação == 1) %>% - select %in% c(cbo2002ocupação, salário) %>% - count(salário) - - -#gráfico - Tocantins - - -Tocantins<- data.frame("Empregos" = 1:10, "Saldo" = c(199,1482,-86,-2850,-1251,1240,1810,2096,1790,1504), "Meses" = c("Janeiro","Fevereiro", "Março", "Abril", "Maio", "Junho", "Julho", "Agosto", "Setembro", "Outubro")) -arrange(Tocantins) - - - -Tocantins %>% - mutate(Meses = factor(Meses, levels=c("Janeiro", "Fevereiro", "Março", "Abril", "Maio", "Junho", "Julho", "Agosto", "Setembro", "Outubro"))) %>% - ggplot(aes(x=Meses, y = Saldo)) + - geom_bar(stat='identity', colour = ifelse(Tocantins$Saldo > 0, "#3182BD", "#08519C"), fill = ifelse(Tocantins$Saldo > 0, "#3182BD", "#08519C")) + theme_classic() + - geom_hline(yintercept=0, colour="black", linetype="dashed") + - scale_y_continuous(limits = c(-4500, 4500), breaks = seq(from = -4000, to = 4000, by = 1000)) + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - labs(x= " ", y = " ") + - geom_text(aes(y = Saldo + 0.9 * sign(Saldo),label=Saldo), color="black", position = position_dodge(width = 1), size=4) - - -ggplot(Lala, aes(Meses, Saldo)) + - geom_bar(stat = "identity") + - geom_text(aes(label=Saldo)) + - geom_text(aes(y = Saldo + 0.4 * sign(Saldo),label=Saldo), color="yellow", position = position_dodge(width = 0.4), size=4) - - - - -#Gráfico - Norte. - -Norte <- data.frame("Empregos" = 1:10, "Saldo" = c(2764,10419,-6370,-30747,-11146,6093,16015,22483,20640, 20658), "Meses" = c("Janeiro","Fevereiro", "Março", "Abril", "Maio", "Junho", "Julho", "Agosto", "Setembro", "Outubro")) - -#Gráfico - -Norte %>% - mutate(Meses = factor(Meses, levels=c("Janeiro", "Fevereiro", "Março", "Abril", "Maio", "Junho", "Julho", "Agosto", "Setembro", "Outubro"))) %>% - ggplot(aes(x=Meses, y = Saldo)) + - geom_bar(stat='identity', colour = ifelse(Norte$Saldo > 0, "#3182BD", "#08519C"), fill = ifelse(Norte$Saldo > 0, "#3182BD", "#08519C")) + - theme_classic() + - geom_hline(yintercept=0, colour="black", linetype="dashed") + - geom_text(aes(label = Saldo, y = Saldo + 0.05), position = position_dodge(width = 0.9), vjust = 0.1) + - scale_y_continuous(limits = c(-35000, 25000), breaks = seq(from = -35000, to = 25000, by = 10000)) + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + labs(x= " ", y = " ") - - - -#Download dos Dados Caged - 2019. - - -repository_update_CAGED <- function() { - url_path <- "ftp://ftp.mtps.gov.br/pdet/microdados/CAGED/" - RCurl::getURL(url_path) %>% - strsplit(., "\n") %>% - { - .[[1]] %>% - strsplit(x = ., split = "") %>% - lapply(X = ., - FUN = function(x) {dplyr::tibble("name_path" = suppressWarnings(as.numeric(x[2])), - "date_update" = as.Date(x[1], tryFormats = c("%m-%d-%y")))}) %>% - dplyr::bind_rows() %>% - dplyr::filter(!is.na(`name_path`)) %>% - dplyr::mutate("url_path" = paste0(`url_path`, `name_path`), - "date_check" = Sys.Date()) %>% - dplyr::select(`url_path`, `name_path`, `date_update`, `date_check`) - } -} - - -available_CAGED <- function(m = "01", y = "2019") { - url_path <- "ftp://ftp.mtps.gov.br/pdet/microdados/CAGED" - url_file <- file.path(url_path, y, paste0("CAGEDEST_", m, y, ".7z")) - check_file <- RCurl::url.exists(url_file) - if(check_file) { - cat("\n Dados e endere?o dispon?vel! Ref.:", paste(m, y, sep = "/"), "\n") - } else { - cat("\n Dados OU endere?o INDISPON?VEL! M?s/Ano:", paste(m, y, sep = "/"), "\n") - } - invisible(check_file) -} - - -download_CAGED <- function(m = "12", y = "2019", dir.output = ".") { - m <- if (is.null(m)) { format(Sys.Date(), "%m") } else { m } - y <- if (is.null(y)) { format(Sys.Date(), "%Y") } else { y } - - url_path <- "ftp://ftp.mtps.gov.br/pdet/microdados/CAGED" - url_file <- file.path(url_path, y, paste0("CAGEDEST_", m, y, ".7z")) - dir_file <- file.path(dir.output, paste("CAGEDEST_", m, y, ".7z", sep = "")) - - check_file <- available_CAGED(m, y) - if (check_file) { - utils::download.file(url = url_file, destfile = dir_file, mode = "wb") - } else { - stop("\n Erro ao realizar download do arquivo! \n") - } - - invisible(list(check_file = check_file, - dir_file = dir_file)) -} - - -download_CAGED(m="12", y="2019") - - - - -for (i in 1:5) { - - txt_file <- str_c('data/raw/CAGEDMOV20200', i, '.txt') - - Dados_Caged <- - read_delim(file = "CAGEDEST_112019.txt", - delim = ";", - trim_ws = TRUE, - escape_double = FALSE, - locale = locale( - decimal_mark = ",", - grouping_mark = ".", - encoding = "ISO-8859-1" - ) - ) -} - - - -Dados_tocantins <- Dados_Caged %>% - count(`Admitidos/Desligados`) - -#Leitura de Dados Tocantins - Janeiro - -Dados_Tocantins_Janeiro <- Dados_Caged %>% - filter(UF==17) %>% - count(`Admitidos/Desligados`) - -#Leitura de Dados Norte - Janeiro - -Dados_Norte_Janeiro <- Dados_Caged %>% - filter(UF %in% c(17,11,12,13,14,15,16)) %>% - count(`Admitidos/Desligados`) - - -#Gr?ficos - -Saldo_Total_TO <- data.frame("Empregos" = 1:6, "Saldo" = c(324,141,1226,-1336,1595,-2861), "Trimestres" = c("1T-2019","2T-2019", "3T-2019", "4T-2019", "1T-2020","2T-2020")) -Saldo_TotalN <- data.frame("Empregos" = 1:6, "Saldo" = c(-8175,11204,27053,-5456,6813,-35800), "Trimestres" = c("1T-2019","2T-2019", "3T-2019", "4T-2019", "1T-2020", "2T-2020")) - - - -Saldo_Total_TO %>% - mutate(Trimestres = factor(Trimestres, levels=c("1T-2019", "2T-2019", "3T-2019", "4T-2019", "1T-2020", "2T-2020"))) %>% - ggplot(aes(x=Trimestres, y = Saldo)) + - geom_bar(stat='identity', colour = ifelse(Saldo_Total_TO$Saldo > 0, "#104E8B", "#8b1010"), fill = ifelse(Saldo_Total_TO$Saldo > 0, "#104E8B", "#8b1010")) + - theme(panel.border = element_blank(), panel.grid.major = element_blank(), panel.grid.minor = element_blank(),) + - geom_hline(yintercept=0, colour="black", linetype="dashed")+ - theme_classic() + - scale_y_continuous(limits = c(-3000, 2500)) + - labs(x = " ") + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + geom_text(aes(label = Saldo, y = Saldo + 0.05), position = position_dodge(0.9), vjust = 0.1) - - -Saldo_TotalN %>% - mutate(Trimestres = factor(Trimestres, levels=c("1T-2019", "2T-2019", "3T-2019", "4T-2019", "1T-2020", "2T-2020"))) %>% - ggplot(aes(x=Trimestres, y = Saldo)) + - geom_bar(stat='identity', colour = ifelse(Saldo_TotalN$Saldo > 0, "#104E8B", "#8b1010"), fill = ifelse(Saldo_TotalN$Saldo > 0, "#104e8b", "#8B1010")) + - theme_classic() + - geom_hline(yintercept=0, colour="black", linetype="dashed") + - scale_y_continuous(limits = c(-50000, 50000)) + - labs(x = " ") + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + geom_text(aes(label = Saldo, y = Saldo + 0.05), position = position_dodge(0.9), vjust = 0.1) - - -#Desemprego - -dadosPNADc_brutos <- get_pnadc(year = 2019, quarter = 4, vars = c("UF","VD4001", "VD4002"), design = TRUE) - - -taxa_Desemprego <-svyby(~VD4002 == "Pessoas desocupadas", ~interaction(UF=="Tocantins"), dadosPNADc_brutos, svyratio, denominator = ~VD4001 == "Pessoas na for?a de trabalho", na.rm = T, vartype = "cv") - - -cv(taxa_Desemprego) -confint(taxa_Desemprego) - -# TAXA DE DESEMPREGO 01/18 - -dadosPNADc_brutos <- get_pnadc(year = 2018, quarter = 1, vars = c("UF","VD4001", "VD4002"), design = TRUE) - -txDesemprego1_18 <-svyby(~VD4002 == "Pessoas desocupadas", ~interaction(UF == "Tocantins"), dadosPNADc_brutos, svyratio, denominator = ~VD4001 == "Pessoas na for?a de trabalho", na.rm = T, vartype = "cv") - -cv(txDesemprego1_18) -confint(txDesemprego1_18) - - - -# TAXA DE DESEMPREGO 02/18 - -dadosPNADc_brutos <- get_pnadc(year = 2018, quarter = 2, vars = c("UF","VD4001", "VD4002"), design = TRUE) - -txDesemprego2_18 <-svyby(~VD4002 == "Pessoas desocupadas", ~interaction(UF == "Tocantins"), dadosPNADc_brutos, svyratio, denominator = ~VD4001 == "Pessoas na for?a de trabalho", na.rm = T, vartype = "cv") - -cv(txDesemprego2_18) -confint(txDesemprego2_18) - - -# TAXA DE DESEMPREGO 03/18 - -dadosPNADc_brutos <- get_pnadc(year = 2018, quarter = 3, vars = c("UF","VD4001", "VD4002"), design = TRUE) - -txDesemprego3_18 <-svyby(~VD4002 == "Pessoas desocupadas", ~interaction(UF == "Tocantins"), dadosPNADc_brutos, svyratio, denominator = ~VD4001 == "Pessoas na for?a de trabalho", na.rm = T, vartype = "cv") - -cv(txDesemprego3_18) -confint(txDesemprego3_18) - - - -# TAXA DE DESEMPREGO 04/18 - -dadosPNADc_brutos <- get_pnadc(year = 2018, quarter = 4, vars = c("UF","VD4001", "VD4002"), design = TRUE) - -txDesemprego4_18 <-svyby(~VD4002 == "Pessoas desocupadas", ~interaction(UF == "Tocantins"), dadosPNADc_brutos, svyratio, denominator = ~VD4001 == "Pessoas na for?a de trabalho", na.rm = T, vartype = "cv") - -cv(txDesemprego4_18) -confint(txDesemprego4_18) - - - -# TAXA DE DESEMPREGO 01/19 - -dadosPNADc_brutos <- get_pnadc(year = 2019, quarter = 1, vars = c("UF","VD4001", "VD4002"), design = TRUE) - -txDesemprego1_19 <-svyby(~VD4002 == "Pessoas desocupadas", ~interaction(UF == "Tocantins"), dadosPNADc_brutos, svyratio, denominator = ~VD4001 == "Pessoas na for?a de trabalho", na.rm = T, vartype = "cv") - -cv(txDesemprego1_19) -confint(txDesemprego1_19) - - - -# TAXA DE DESEMPREGO 02/19 - -dadosPNADc_brutos <- get_pnadc(year = 2019, quarter = 2, vars = c("UF","VD4001", "VD4002"), design = TRUE) - -txDesemprego2_19 <-svyby(~VD4002 == "Pessoas desocupadas", ~interaction(UF == "Tocantins"), dadosPNADc_brutos, svyratio, denominator = ~VD4001 == "Pessoas na for?a de trabalho", na.rm = T, vartype = "cv") - -cv(txDesemprego2_19) -confint(txDesemprego2_19) - - - -# TAXA DE DESEMPREGO 03/19 - -dadosPNADc_brutos <- get_pnadc(year = 2019, quarter = 3, vars = c("UF","VD4001", "VD4002"), design = TRUE) - -txDesemprego3_19 <-svyby(~VD4002 == "Pessoas desocupadas", ~interaction(UF == "Tocantins"), dadosPNADc_brutos, svyratio, denominator = ~VD4001 == "Pessoas na for?a de trabalho", na.rm = T, vartype = "cv") - -cv(txDesemprego3_19) -confint(txDesemprego3_19) - - - -# TAXA DE DESEMPREGO 04/19 - -dadosPNADc_brutos <- get_pnadc(year = 2019, quarter = 4, vars = c("UF","VD4001", "VD4002"), design = TRUE) - -txDesemprego4_19 <-svyby(~VD4002 == "Pessoas desocupadas", ~interaction(UF == "Tocantins"), dadosPNADc_brutos, svyratio, denominator = ~VD4001 == "Pessoas na for?a de trabalho", na.rm = T, vartype = "cv") - -cv(txDesemprego4_19) -confint(txDesemprego4_19) - - - -# TAXA DE DESEMPREGO 01/20 - -dadosPNADc_brutos <- get_pnadc(year = 2020, quarter = 1, vars = c("UF","VD4001", "VD4002"), design = TRUE) - -txDesemprego1_20 <-svyby(~VD4002 == "Pessoas desocupadas", ~interaction(UF == "Tocantins"), dadosPNADc_brutos, svyratio, denominator = ~VD4001 == "Pessoas na for?a de trabalho", na.rm = T, vartype = "cv") - -cv(txDesemprego1_20) -confint(txDesemprego1_20) - - - -# TAXA DE DESEMPREGO 02/20 - -dadosPNADc_brutos <- get_pnadc(year = 2020, quarter = 2, vars = c("UF","VD4001", "VD4002"), design = TRUE) - -txDesemprego2_20 <-svyby(~VD4002 == "Pessoas desocupadas", ~interaction(UF == "Tocantins"), dadosPNADc_brutos, svyratio, denominator = ~VD4001 == "Pessoas na força de trabalho", na.rm = T, vartype = "cv") - -cv(txDesemprego2_20) -confint(txDesemprego2_20) - -# TAXA DE DESEMPREGO 03/20 - -dadosPNADc_brutos <- get_pnadc(year = 2020, quarter = 3, vars = c("UF","VD4001", "VD4002"), design = TRUE) - -txDesemprego2_20 <-svyby(~VD4002 == "Pessoas desocupadas", ~interaction(UF == "Tocantins"), dadosPNADc_brutos, svyratio, denominator = ~VD4001 == "Pessoas na força de trabalho", na.rm = T, vartype = "cv") - -cv(txDesemprego2_20) -confint(txDesemprego2_20) - -#Usando o IpeadataR - -taxa_desemprego <- series_ipeadata(1847514623, periodicity = c("Q"),save = "") - -data<-ipeadata(c("PNADC_TXDES_UF")) - -data_populaçãoOCUP <- ipeadata(c("PNADC_POPOCUP_UF")) - -dados_TO1 <- data_populaçãoOCUP %>% - filter(tcode == 17) - -dados_BR <- data %>% - filter(tcode == 0) - -dados_to <- data %>% - filter(tcode == 17) - -write.csv2(dados_to, file = "Taxa de desemprego - TO.csv") - -dados_to %>% - ggplot(aes(x = date, y = value, group = 1)) + - geom_line(size = 0.9, colour = "#4682B4") + - theme_classic() + - scale_y_continuous(limits = c(0, 15), breaks = seq(from = -0, to = 15, by = 3)) + - labs( x= "Período" , y= "Taxa") + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - geom_rect( xmin = as.Date("2019-01-01"), - xmax = as.Date("2019-04-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) + - geom_rect(xmin = as.Date("2019-10-01"), - xmax = as.Date("2020-01-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) + - geom_text(aes(label = value)) - -dados_BR %>% - ggplot(aes(x = date, y = value, group = 1)) + - geom_line(size = 0.9, colour = "#4682B4") + - theme_classic() + - scale_y_continuous(limits = c(0, 15), breaks = seq(from = -0, to = 15, by = 3)) + - labs(title="Taxa de Desemprego - TO", x= "Período" , y= "Taxa", caption = "Fonte: IBGE \n Elaborado por: PET Economia") + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - geom_rect( xmin = as.Date("2019-01-01"), - xmax = as.Date("2019-04-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) + - geom_rect(xmin = as.Date("2019-10-01"), - xmax = as.Date("2020-01-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) -#Trabalho Parcial ou Integral - Janeiro. Admitidos/Desligados - Tocantins - - -Trab_ParcialouIntegral <- caged_janeiro %>% - filter(uf==17) %>% - filter(saldomovimentação == 1) %>% - count(indtrabparcial) - -Trab_ParcialouIntegralNorte <- caged_data_janeiro %>% - filter(regi?o == 1) %>% - filter(saldomovimenta??o == 1) %>% - count(indtrabparcial) - - - -Trab_ParcialouIntegral <- caged_data_janeiro %>% - filter(uf==17) %>% - filter(saldomovimenta??o == -1) %>% - count(indtrabparcial) - -Trab_ParcialouIntegralNorte <- caged_data_janeiro %>% - filter(regi?o == 1) %>% - filter(saldomovimenta??o == 1) %>% - count(indtrabparcial) - - -#Trabalho Parcial ou Integral - Fevereiro - Tocantins e Regi?o Norte - - -Trab_ParcialouIntegral2 <- caged_data_fevereiro %>% - filter(uf==17) %>% - filter(saldomovimenta??o == 1) %>% - count(indtrabparcial) - -Trab_ParcialouIntegralNorte2 <- caged_data_fevereiro %>% - filter(regi?o == 1) %>% - filter(saldomovimenta??o == 1) %>% - count(indtrabparcial) - -Trab_ParcialouIntegral2 <- caged_data_fevereiro %>% - filter(uf==17) %>% - filter(saldomovimenta??o == -1) %>% - count(indtrabparcial) - -Trab_ParcialouIntegralNorte2 <- caged_data_fevereiro %>% - filter(regi?o==1) %>% - filter(saldomovimenta??o == 1) %>% - count(indtrabparcial) - - -#Trabalho Parcial ou Integral - Mar?o - Tocantins - -Trab_ParcialouIntegral3 <- caged_data_mar?o %>% - filter(uf==17) %>% - filter(saldomovimenta??o == 1) %>% - count(indtrabparcial) - -Trab_ParcialouIntegralNorte3 <- caged_data_fevereiro %>% - filter(regi?o==1) %>% - filter(saldomovimenta??o == 1) %>% - count(indtrabparcial) - -Trab_ParcialouIntegral3 <- caged_data_mar?o%>% - filter(uf==17) %>% - filter(saldomovimenta??o == -1) %>% - count(indtrabparcial) - -Trab_ParcialouIntegralNorte3 <- caged_data_fevereiro %>% - filter(regi?o==1) %>% - filter(saldomovimenta??o == 1) %>% - count(indtrabparcial) - -#Categoria do Trabalhador - Tocantins ou Regi?o Norte - Janeiro - -categoriaTrabalhadores <- caged_Janeiro %>% - filter(uf==17) %>% - count(cbo2002ocupação) %>% - filter(n >= 300) - -#Categoria do Trabalhador - Tocantins - Fevereiro -categoriaTrabalhadores2 <- caged_Fevereiro %>% - filter(uf==17) %>% - filter(saldomovimentação == 1) %>% - count(cbo2002ocupação) %>% - filter(n >= 350) - - -#Categoria do Trabalhador - Tocantins - Mar?o - -CategoriasTrabalhadores3 <- caged_Março %>% - filter(uf==17) %>% - filter(saldomovimentação == 1) %>% - count(cbo2002ocupação) %>% - filter(n >= 350) - -CategoriasTrabalhadores3 <- caged_Abril %>% - filter(uf==17) %>% - filter(saldomovimentação == 1) %>% - count(cbo2002ocupação) %>% - filter(n >= 350) - - -CategoriasTrabalhadores3 <- caged_Maio %>% - filter(uf==17) %>% - filter(saldomovimentação == 1) %>% - count(cbo2002ocupação) %>% - filter(n >= 350) - -CategoriasTrabalhadores3 <- caged_Junho %>% - filter(uf==17) %>% - filter(saldomovimentação == 1) %>% - count(cbo2002ocupação) %>% - filter(n >= 350) - -CategoriasTrabalhadores3 <- caged_Julho %>% - filter(uf==17) %>% - filter(saldomovimentação == 1) %>% - count(cbo2002ocupação) %>% - filter(n >= 350) - -CategoriasTrabalhadores3 <- caged_Agosto %>% - filter(uf==17) %>% - filter(saldomovimentação == 1) %>% - count(cbo2002ocupação) %>% - filter(n >= 350) - -CategoriasTrabalhadores3 <- caged_Setembro %>% - filter(uf==17) %>% - filter(saldomovimentação == 1) %>% - count(cbo2002ocupação) %>% - filter(n >= 350) - - -#Join dos dados - -#Pedidos de Seguro Desemprego - -y <- c(9833, 9833, 8832, 8784, 9642, 9324, 9155, 8182, 8785, 10642) -x <- c("1T-2018","2T-2018", "3T-2018", "4T-2018", "1T-2019","2T-2019", "3T-2019", "4T-2019","1T-2020","2T-2020") - -dados <- data.frame(x,y) - - -dados %>% - mutate(x = factor(x, levels=c("1T-2018","2T-2018", "3T-2018", "4T-2018", "1T-2019","2T-2019", "3T-2019", "4T-2019","1T-2020","2T-2020"))) %>% - ggplot(aes(x=x, y = y, group = 1)) + geom_line(size = 0.9, colour = "#4682B4")+ - theme_classic() + - scale_y_continuous(limits = c(3000, 15000), breaks = seq(from = 0, to = 15000, by = 5000)) + - labs(title="Pedidos de Seguro desemprego - TO", x= "Per?odo", y= "Seguro Desemprego", caption = "Fonte: Minist?rio do Trabalho \n Elaborado por: PET Economia") + theme(plot.title = element_text(hjust = 0.5, size = 13)) - - -dados %>% - mutate(x = factor(x, levels=c("1T-2018","2T-2018", "3T-2018", "4T-2018", "1T-2019","2T-2019", "3T-2019", "4T-2019","1T-2020","2T-2020"))) %>% - ggplot(aes(x=x, y = y, group = 1)) + - geom_bar(stat = "identity", width = 0.5, fill = "#4682B4")+ - theme_classic() + - scale_y_continuous(limits = c(0, 15000), breaks = seq(from = 0, to = 13000, by = 2500)) + - labs( x= " ", y= "Seguro Desemprego") + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - geom_text(aes(label = y, y = y + 1), position = position_dodge(0.9), vjust = 0.1) - - - -#População ocupada - - -data_populaçãoOCUP <- ipeadata(c("PNADC_TXPARTFT_UF")) - -Dados_TOCANTINS <- data_populaçãoOCUP %>% - filter(tcode == 17) - -Dados_TOCANTINS %>% - ggplot(aes(x = date, y = value, group = 1)) + - geom_line(size = 0.9, colour = "#4682B4") + - theme_classic() + - scale_y_continuous(limits = c(0, 70), breaks = seq(from = -0, to = 70, by = 20)) + - labs(x= " " , y= "Taxa") + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - geom_rect( xmin = as.Date("2019-01-01"), - xmax = as.Date("2019-04-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) + - geom_rect(xmin = as.Date("2019-10-01"), - xmax = as.Date("2020-01-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) - -#Rendimento médio - - - - - -rendimento_TO <- ipeadata(c("PNADC_RENDREALPRINCHAB_UF")) - -rendimento_tocantins <- rendimento_TO %>% - filter(tcode == 17) - -rendimento_br <- rendimento_TO %>% - filter(tcode == 0) - -rendimento_norte <- rendimento_TO %>% - filter(tcode == 1) - - -rendimento_tocantins %>% - ggplot(aes(x = date, y = value, group = 1)) + - geom_line(size = 0.9, colour = "#4682B4") + - theme_classic() + - scale_y_continuous(limits = c(0, 3500), breaks = seq(from = -0, to = 3500, by = 500)) + - labs(x= " " , y= "Rendimento") + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - geom_rect( xmin = as.Date("2019-01-01"), - xmax = as.Date("2019-04-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) + - geom_rect(xmin = as.Date("2019-10-01"), - xmax = as.Date("2020-01-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) - - -rendimento_br %>% - ggplot(aes(x = date, y = value, group = 1)) + - geom_line(size = 0.9, colour = "#4682B4") + - theme_classic() + - scale_y_continuous(limits = c(0, 3500), breaks = seq(from = -0, to = 3500, by = 500)) + - labs(x= " " , y= "Rendimento") + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - geom_rect( xmin = as.Date("2019-01-01"), - xmax = as.Date("2019-04-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) + - geom_rect(xmin = as.Date("2019-10-01"), - xmax = as.Date("2020-01-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) - - -rendimento_norte %>% - ggplot(aes(x = date, y = value, group = 1)) + - geom_line(size = 0.9, colour = "#4682B4") + - theme_classic() + - scale_y_continuous(limits = c(0, 3500), breaks = seq(from = -0, to = 3500, by = 500)) + - labs(x= " " , y= "Rendimento") + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - geom_rect( xmin = as.Date("2019-01-01"), - xmax = as.Date("2019-04-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) + - geom_rect(xmin = as.Date("2019-10-01"), - xmax = as.Date("2020-01-01"), - ymin = -Inf, - ymax = Inf, - # deixar o retangulo mais transparente - alpha = 0.01) - - - - - -Setores <- data.frame("Empregos" = 1:3, "Saldo" = c(-254, -1810, -63), "Setores" = c("14-34", "35-64", "65+")) - - - -Setores %>% - mutate(Setores = factor(Setores, levels=c("14-34", "35-64", "65+"))) %>% - ggplot(aes(x=Setores, y = Saldo)) + - geom_bar(stat='identity', width = 0.5, colour = ifelse(Setores$Saldo > 0, "#104E8B", "#8b1010"), fill = ifelse(Setores$Saldo > 0, "#104E8B", "#8B1010")) + theme_classic() + - geom_hline(yintercept=0, colour="black", linetype="dashed") + - scale_y_continuous(limits = c(-2000, 2500),breaks = seq(from = -2000, to = 2500, by = 1000)) + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - labs(x=" ") + - geom_text(aes(label = Saldo, y = Saldo + 2), position = position_dodge(0.9), vjust = 0.1) - - - - -#PNAD COVID - - -PNADCovid <- read_xlsx("PNADCOVID.xlsx") - - diff --git a/cap_social/boletim-1.0.0/scripts/capa.R b/cap_social/boletim-1.0.0/scripts/capa.R deleted file mode 100644 index 6ee1a79..0000000 --- a/cap_social/boletim-1.0.0/scripts/capa.R +++ /dev/null @@ -1,24 +0,0 @@ -# Script para gerar figura de fundo da capa -# Instalação do geobr -library(geobr) -library(ggplot2) - -# remove os eixos, grade e deixa o fundo transparent -config <- theme( - panel.background = element_rect(fill = "transparent", color = NA), - plot.background = element_rect(fill = "transparent", color = NA), - axis.title = element_blank(), - axis.text = element_blank(), - axis.ticks = element_blank(), - panel.grid.major = element_blank(), - panel.grid.minor = element_blank() -) - -# read_municipality é uma função do pacote geobr -all_muni_to <- geobr::read_municipality(code_muni = "TO", year= 2010) - -ggplot() + - geom_sf(data=all_muni_to, fill="#0B6AA5", color="#00609D", size=.3, show.legend = FALSE) + - theme_minimal() + - config + - ggsave('../tex/logos/bg.pdf', height = 20, units = "cm", dpi= 30, useDingbats = TRUE) # salva como pdf diff --git a/cap_social/boletim-1.0.0/scripts/escritasetores.Rmd b/cap_social/boletim-1.0.0/scripts/escritasetores.Rmd deleted file mode 100644 index a5b9928..0000000 --- a/cap_social/boletim-1.0.0/scripts/escritasetores.Rmd +++ /dev/null @@ -1,124 +0,0 @@ ---- -title: "Escrita2" -author: "Felipe Ferreira" -date: "28/09/2020" -output: pdf_document ---- - -```{r setup, include=FALSE} -knitr::opts_chunk$set(echo = TRUE) -``` - -## R Markdown - -This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see . - -When you click the **Knit** button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this: - -```{r latex_document} -library(kableExtra) -library(tidyverse) -Setores_Admissoes <- data.frame( Setor = c("Agricultura, Pecuária, Produção Florestal, Pesca e Aquicultura", "Indústrias Extrativas", "Indústrias de Transformação", "Eletricidade e Gás", "Água, Esgoto, Atividades de Gestão de Resíduos e Descontaminação", "Construção", "Comércio, Reparação de Veículos Automotores e Motocicletas", "Transporte, Armazenagem e Correio", "Alojamento e Alimentação", "Informação e Comunicação", "Atividades Financeiras, de Seguros e Serviços Relacionados", "Atividades Imobiliárias", "Atividades Profissionais, Científicas e Técnicas", "Atividades Administrativas e Serviços Complementares", "Administração Pública, Defesa e Seguridade Social", "Educação", "Saúde Humana e Serviços Sociais", "Artes, Cultura, Esporte e Recreação", "Outras Atividades de Serviços"), - Total = c(1421, 105, 1639, 44, 77, 1871, 5794, 1365, 1039, 273, 129, 64, 719, 1453, 5, 873, 720, 94, 436)) - -Setores_Admissoes %>% - kable(., digits = 2, format.args = list(decimal.mark = ",", scientific = FALSE), "latex") %>% - footnote(general = "Fonte:Caged") %>% - kable_styling(latex_options =c("striped")) - -#Demissoes - -Setores_Demissões <- data.frame( Setor = c("Agricultura, Pecuária, Produção Florestal, Pesca e Aquicultura", "Indústrias Extrativas", "Indústrias de Transformação", "Eletricidade e Gás", "Água, Esgoto, Atividades de Gestão de Resíduos e Descontaminação", "Construção", "Comércio, Reparação de Veículos Automotores e Motocicletas", "Transporte, Armazenagem e Correio", "Alojamento e Alimentação", "Informação e Comunicação", "Atividades Financeiras, de Seguros e Serviços Relacionados", "Atividades Imobiliárias", "Atividades Profissionais, Científicas e Técnicas", "Atividades Administrativas e Serviços Complementares", "Administração Pública, Defesa e Seguridade Social", "Educação", "Saúde Humana e Serviços Sociais", "Artes, Cultura, Esporte e Recreação", "Outras Atividades de Serviços"), - Total = c(1164, 62, 1562, 63, 65, 2071, 5699, 964, 1032, 208, 72, 57, 511, 1351, 3565,565, 547, 64, 448)) - -Setores_Demissões %>% - kable(., digits = 2, format.args = list(decimal.mark = ",", scientific = FALSE), "latex") %>% - footnote(general = "Fonte:Caged") %>% - kable_styling(latex_options =c("striped")) - - -# Resultados - Idades - Admitidos - -Resultado_Idade <- data.frame(Idade = c("14-34", "35-65", "65+"), - Total = c(12933, 5270, 21)) - -Resultado_Idade2 <- Resultado_Idade %>% - filter(Idade %in% c(65:100)) %>% - summarise(Total = sum(Total), .groups = "drop") - - -Resultado_Idade %>% - kable(., digits = 2, format.args = list(decimal.mark = ",", scientific = FALSE), "latex") %>% - footnote(general = "Fonte:Caged") %>% - kable_styling(latex_options =c("striped")) - -# Resultado - Idades - Demitidos. - - -Resultado_Idade_D <- data.frame( Idade = c(14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70,71,72), - Total = c(1, 7, 36, 102, 381, 630, 739, 774, 799, 801, 801, 753, 765, 682, 690, 653, 582, 537, 608, 540, 494, 464, 465, 427, 402, 332, 326, 294, 276, 263, 230, 251, 172, 152, 125, 137, 112, 110, 93, 78, 73, 83, 62, 55, 42, 42, 32, 28, 28, 14, 15, 11, 11, 9, 6, 2, 1, 2, 2)) - - -Resultado_IdadeD <- Resultado_Idade_D %>% - filter(Idade %in% c(64:100)) %>% - summarise(Total = sum(Total), .groups = "drop") - - - -Resultado_IdadeDD <- data.frame(Idade = c("14-34", "35-65", "65+"), - Total = c(11375, 5677, 59)) - - -Resultado_IdadeDD %>% - kable(., digits = 2, format.args = list(decimal.mark = ",", scientific = FALSE), "latex") %>% - footnote(general = "Fonte:Caged") %>% - kable_styling(latex_options =c("striped")) - - - - -Saldo <- data.frame("Empregos" = 1:3, "Saldo" = c(1558, -407, -38), "Setores" = c("14-34", "35-64", "65+")) - -Setores <- data.frame("Empregos" = 1:3, "Saldo" = c(1558, -407, -38), "Setores" = c("14-34", "35-64", "65+")) - - - -Setores %>% - mutate(Setores = factor(Setores, levels=c("Agricultura","Indústrias", "Construção", "Comércio", "Serviços"))) %>% - ggplot(aes(x=Setores, y = Saldo)) + - geom_bar(stat='identity', colour = ifelse(Setores$Saldo > 0, "#104E8B", "#8b1010"), fill = ifelse(Setores$Saldo > 0, "#104E8B", "#8B1010")) + theme_classic() + - geom_hline(yintercept=0, colour="black", linetype="dashed") + - scale_y_continuous(limits = c(-200, 2500),breaks = seq(from = -200, to = 2500, by = 1000)) + - labs(title="Saldo de Empregos por setores 1T-2020 - Tocantins", y= "Saldo de empregos", x= " ", caption = "Fonte: Ministério do Trabalho \n Elaborado por Amanda Vargas, Felipe Ferreira, Lara Resende e Gabrielle Dias - PET Economia") + - theme(plot.title = element_text(hjust = 0.5, size = 13)) + - geom_text(aes(label = Saldo, y = Saldo + 0.08), position = position_dodge(0.9), vjust = 0.1) - - -#Sexo dos Admitidos - - -SexoD <- data.frame(Sexo = c("Homem", "Mulher"), - Total = c(10869, 5736)) -SexoD %>% - kable(., digits = 2, format.args = list(decimal.mark = ",", scientific = FALSE), "latex") %>% - footnote(general = "Fonte:Caged") %>% - kable_styling(latex_options =c("striped")) - - -#Sexo dos demitidos - -SexoA <- data.frame(Sexo = c("Homem", "Mulher"), - Total = c(11043, 6243)) - -SexoA %>% - kable(., digits = 2, format.args = list(decimal.mark = ",", scientific = FALSE), "latex") %>% - footnote(general = "Fonte:Caged") %>% - kable_styling(latex_options =c("striped")) - - -``` - - - - - diff --git a/cap_social/boletim-1.0.0/tex/Makefile b/cap_social/boletim-1.0.0/tex/Makefile deleted file mode 100644 index 6639b95..0000000 --- a/cap_social/boletim-1.0.0/tex/Makefile +++ /dev/null @@ -1,22 +0,0 @@ -MAIN_TEX=boletim.tex -OUTPUT=boletim.pdf - -# build using pdflatex - pdftex - engine -build: - latexmk -pdf ${MAIN_TEX} - -basic: - pdflatex ${MAIN_TEX} - -buildcaps: - for i in conteudo/**/main.tex; do \ - latexmk -pdf -cd $$i; \ - done - -clean: - rm -f *~ *.aux *.log *.dvi *.ps *.bbl *.blg *.out *.snm *.toc *.nav *.lof *.fls *.xdv *.fdb_latexmk .log __latexindent_temp.tex - -cleanall: clean - rm ${OUTPUT} - -publish: clean build \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/tex/README.md b/cap_social/boletim-1.0.0/tex/README.md deleted file mode 100644 index be9bbc4..0000000 --- a/cap_social/boletim-1.0.0/tex/README.md +++ /dev/null @@ -1,20 +0,0 @@ -# Template - -Estrutura Básica: - -* `boletim.tex` é o arquivo principal -* O diretório [`conteudo`](./conteudo/) guarda arquivos principais do boletim, capa, contracapa, preâmbulo (configurações), apresentação e os capítulos. -* O diretório [`logos`](./logos/) contém todas as logos -* `Makefile` é um utilítário para compilar `boletim.tex` com bibliografia e outras configurações adicionais - -Para compilar o arquivo pdf compile `boletim.tex`: - -```bash -make build -``` - -Compilar a versão final: - -```bash -make publish -``` \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/tex/boletim.tex b/cap_social/boletim-1.0.0/tex/boletim.tex deleted file mode 100644 index f2ddec0..0000000 --- a/cap_social/boletim-1.0.0/tex/boletim.tex +++ /dev/null @@ -1,36 +0,0 @@ -\input{conteudo/preamble} - -\title{Boletim de Conjuntura 2020} -\author{PET Economia, Universidade Federal do Tocantins} -\date{\today} - -\begin{document} - - \onecolumn - \pagenumbering{gobble} % disable page number - %\pagestyle{empty} - - \input{conteudo/capa} - \input{conteudo/contracapa} - \input{conteudo/ficha} - - \input{conteudo/toc} - - \pagenumbering{roman} - \input{conteudo/print_siglas} - \input{conteudo/apresentacao} - - \twocolumn - - \pagenumbering{arabic} - - \input{conteudo/cap_introducao/rascunho} - \input{conteudo/cap_contaspublicas/rascunho} - \input{conteudo/cap_social/rascunho} - \input{conteudo/cap_emprego/rascunho} - \input{conteudo/cap_balancacomercial/rascunho} - \input{conteudo/cap_agricultura/rascunho} - - \input{conteudo/fim} - -\end{document} \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/tex/conteudo/README.md b/cap_social/boletim-1.0.0/tex/conteudo/README.md deleted file mode 100644 index 0fc603d..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/README.md +++ /dev/null @@ -1,19 +0,0 @@ -# Conteúdo - -Cada capítulo é uma pasta, genericamente nomeada da seguinte forma: `cap_temadocapitulo` - -* [`cap_introducao`](./cap_introducao): Panorama Econômico -* [`cap_social`](./cap_social): Indicadores Sociais -* [`cap_balancacomercial`](./cap_balancacomercial): Comércio Exterior -* [`cap_contaspulicas`](./cap_contaspublicas): Contas Públicas Estadual -* [`cap_agricultura`](./cap_agricultura): Agronegócio - -## Arquivos básicos: - -* `preamble.tex`: configurações -* `capa.tex`: capa -* `contracapa.tex`: contracapa (página em branco) -* `siglas.tex`: lista de siglas -* `ficha.tex`: ficha técnina -* `apresentacao.tex`: apresentação -* `fim.tex`: última página \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/tex/conteudo/apresentacao.tex b/cap_social/boletim-1.0.0/tex/conteudo/apresentacao.tex deleted file mode 100644 index 8b3433e..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/apresentacao.tex +++ /dev/null @@ -1,19 +0,0 @@ -\chapter*{Apresentação} -\addcontentsline{toc}{chapter}{Apresentação} -\begin{center} - \begin{minipage}[t]{.7\linewidth} - \paragraph{} O Boletim de Conjuntura Econômica do Estado do Tocantins é uma das atividades do Grupo \abbr{pet} de Ciências Econômicas da \abbr{uft} e tem como objetivo apresentar a evolução das principais variáveis macroeconômicas do estado. Esta edição tem um novo formato com dados trimestrais de 2020, estando a periodicidade das informações limitada à divulgação de dados pelas fontes oficiais e organizações. Este ano contamos com a parceria do Conselho Regional de Economia (\abbr{coreconto}). As informações contidas são destinadas a cidadãos, gestores públicos e empresários, sendo provenientes de fontes oficiais de organizações públicas. - - \paragraph{} Os textos e as análises apresentados têm caráter informativo. Os comentários não refletem obrigatoriamente os posicionamentos públicos do \abbr{coreconto} ou da \abbr{uft}. As análises podem ou não sofrer alterações, caso se confirmem, em função da revisão de dados pelas fontes no que concerne ao período da análise, a mudanças na conjuntura econômica e social decorrentes de atos governamentais e a forças exógenas, como, por exemplo, o caso da pandemia da COVID-19 este ano. O momento com a pandemia se tornou um desafio para as sociedades brasileira e mundial. - - \paragraph{} Neste número, o Boletim traz dados sobre o Produto Interno Bruto (\abbr{pib}), contas públicas, taxa de pobreza, coeficiente de Gini, mercado de trabalho, comércio exterior e agricultura. O \abbr{pib} corresponde à soma de toda a riqueza de uma nação num determinado período de tempo. Nesta edição, apresentamos o \abbr{pib} pelo lado da demanda e da oferta. Pelo lado da demanda, ele é constituído pela soma do consumo das famílias, governo, investimentos e exportações líquidas; pelo lado da oferta, ele é constituído pela soma de tudo o que é produzido por todos os setores. Observou-se retração no primeiro semestre de 2020 na economia brasileira, que se refletiu nos demais estados, inclusive, no Tocantins. - - \paragraph{} As contas públicas estaduais, compreendem as receitas e as despesas do governo. As receitas podem ser provenientes de tributos, transferências, contribuição e de outras fontes, e as despesas, de diferentes setores, como saúde, educação, pessoal, indústria, entre outros. Inclui-se também a capacidade de pagamento do estado, sua situação fiscal, que compreende endividamento, poupança corrente e liquidez. No campo social, temos a taxa de pobreza e o Índice de Gini. O coeficiente de Gini é uma medida utilizada para calcular a desigualdade na distribuição de renda. Varia entre zero e um: zero significa completa igualdade de renda e um, completa desigualdade. Por consequência, quanto mais próximo de um, maior é a concentração de renda. - - \paragraph{} A variável Emprego corresponde ao número de pessoas ocupadas formalmente. Apresenta o perfil do empregado (idade, gênero, etnia, grau de instruções), o saldo de emprego do Tocantins e da Região Norte bem como os setores de contratação e demissão, seguro desemprego e rendimento médio. O tópico comércio exterior traz a evolução dos dados do saldo comercial em dólares de 2009 a 2019. Apresenta os principais produtos exportados e importados e os países com os quais o Tocantins tem relação comercial. A agricultura apresenta informações sobre soja, milho e arroz bem como informações sobre a pecuária, em especial, a bovinocultura. - \\ - \\ - Prof. Dr. Nilton Marques de Oliveira -- Tutor \abbr{pet} Ciências Econômicas - \end{minipage} -\end{center} -\thispagestyle{empty} \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/abate_total-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/abate_total-1.pdf deleted file mode 100644 index b9259af..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/abate_total-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/abates-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/abates-1.pdf deleted file mode 100644 index 75744e5..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/abates-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/area_plantada-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/area_plantada-1.pdf deleted file mode 100644 index b89d3a1..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/area_plantada-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/galinha_poedeiras-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/galinha_poedeiras-1.pdf deleted file mode 100644 index 2a0f332..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/galinha_poedeiras-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/ovos_galinha-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/ovos_galinha-1.pdf deleted file mode 100644 index 71b8b67..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/ovos_galinha-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/prod_leite-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/prod_leite-1.pdf deleted file mode 100644 index a3dd0e3..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/prod_leite-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/producao-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/producao-1.pdf deleted file mode 100644 index f554b2c..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/producao-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/rendim_medio-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/rendim_medio-1.pdf deleted file mode 100644 index 00b1b2c..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/fig/rendim_medio-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/main.tex b/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/main.tex deleted file mode 100644 index 9357b2b..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/main.tex +++ /dev/null @@ -1,9 +0,0 @@ -\input{../preamble} - -\title{Agricultura} -\author{} -\date{\today} - -\begin{document} -\input{rascunho} -\end{document} diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/rascunho.tex b/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/rascunho.tex deleted file mode 100644 index 1447ff4..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/rascunho.tex +++ /dev/null @@ -1,56 +0,0 @@ -\chapter{Agronegócio} -\par A agricultura é importante para o Brasil, é um setor que cresce de forma exponencial e alavanca a economia de inúmeros estados da federação. O agronegócio representou 21,4\% do \acrshort{pib} nacional em 2019, demonstrando o quão providencial é para o país. Já para o Tocantins, sua participação está abaixo da média nacional, com menos de 15\% do \acrshort{pib} estadual. Nesta sessão do Boletim apresenta-se os seguintes dados da agricultura; Área de produção, colhida, produção de cereais e oleaginosas e o seu rendimento médio. Em seguida, analise-se os dados de abates de animais, produção de ovos de galinha e leite. - -% \section{Produção} -\par O estado do Tocantins utilizou 1.520.698 hectares do seu território para a produção agrícola no primeiro semestre de 2020. Dentre os 5 principais produtos plantados no estado, conforme a Figura \ref{fig:lavouras}, destaca-se a cana-de-açúcar e a soja com as maiores proporções, responsáveis por 38.2\% e 36.2\% do total produzido. O milho ocupa a terceira posição entre os produtos mais cultivados no estado neste período, com 14.5\%. A produção de arroz e mandioca também ganha destaque ao representar um montante de 8.2\% e 3\%, respectivamente, fechando assim o ranking dos cinco produtos com os melhores desempenhos na agricultura tocantinense. - -\begin{figure}[!h] - \begin{subfigure}{\linewidth} - \caption{Produção das principais lavouras} - \subcap{Em milhões de toneladas. Estimativa anual de setembro} - \includegraphics{fig/producao-1.pdf} - \source{\acrshort{sidra}/\acrshort{ibge}} - \label{fig:lavouras} - \end{subfigure} - \begin{subfigure}{\linewidth} - \caption{Rendimento médio das lavouras} - \subcap{Mil quilogramas por hectare. Estimativa anual de setembro} - \includegraphics{fig/rendim_medio-1.pdf} - \source{\acrshort{sidra}/\acrshort{ibge}} - \label{fig:rendimento} - \end{subfigure} - \begin{subfigure}{\linewidth} - \caption{Área plantada das lavouras} - \subcap{Em mil hectares. Estimativa anual de setembro} - \includegraphics{fig/area_plantada-1.pdf} - \source{\acrshort{sidra}/\acrshort{ibge}} - \label{fig:areaplantada} - \end{subfigure} -\end{figure} - -% \section{Rendimento Médio} -\par Dentre os cinco principais produtos cultivados na agricultura tocantinense, o rendimento médio demonstrado na Figura \ref{fig:rendimento} mostra como as características próprias de cada um deles tem resultado determinante no cálculo da área que deve ser plantada, visando a quantidade em que será colhida. O cálculo é feito pela divisão entre quilogramas colhidos pela área plantada, significando que, quanto maior o valor do rendimento médio, menor é a área necessária para sua colheita. Sendo assim, os dados mostram que o maior rendimento médio entre estes produtos é da cana-de-açúcar, chegando ao elevado valor de 70,7\%. O segundo produto é a mandioca, com um rendimento médio de 14,3\%, seguido pelo milho, ao total de 7.7\%, arroz, com 4,7\% e por fim, a soja, com um rendimento médio de 2,6\%, ou seja, precisando então de uma vasta área plantada para colher sua quantidade desejada. - -% \section{Áreas plantadas e colhidas} - -\par Baseando-se no primeiro semestre tem-se os dados das áreas plantadas e colhidas, apresentado na Figura \ref{fig:areaplantada} e consequentemente, os cereais e oleaginosas que mais usam o espaço tocantinense para a produção. No primeiro semestre de 2020, o Tocantins utilizou-se de 1.427.342 hectares para plantação. O maior espaço disso é para a Soja que utilizou-se de 975.513 hectares para a produção, demonstrando que a soja utiliza-se de uma grande quantidade de hectares para a sua produção. Então, a soja tem 68.7\% de utilização do espaço de plantio, em seguida vem o milho que utiliza 18.8\% do território, os dois espaços mais usado para a plantação. O arroz corresponde 8.8\%, em seguida cana com 2.7\% e mandioca com 1\%. - -% \section{Produção de leite} -\par O estado tocantinense é conhecido pela sua produção agropecuária e os seus derivados. A fabricação de leite em solo tocantinense no ano de 2019 foi de 132.237 (mil litros), apesar de uma produção grande, o estado ainda não se tornou referência no segmento ficando com menos de 1 percentual na produção do Brasil. O estado mantém valores constantes na sua produção, e não apresenta grande variação nos últimos cinco trimestres. Por fim, sua produção no primeiro trimestre do ano de 2020 teve uma produção de 37.273 (mil litros), apresentando um aumento pequeno comparado ao valor do quarto semestre de 2019 que teve uma produção de 36.369 (mil litros). -\begin{smbox}[label={labelbox},nameref={Agricultura}]{Produção em evidência e Agronegócio em geral} - O estado do Tocantins tem uma economia pautada no agronegócio (não apenas a do Tocantins, a brasileira em si). Com as frequentes desvalorizações cambiais recentes, tornou-se atrativo produzir commodities como a Soja. O câmbio e a qualidade do solo justificam o desejo de se produzir soja no Tocantins. O argumento da riqueza gerada pela soja pode ser visto na sessão em que é apresentado os balanços de pagamentos estaduais, e o valor que esse produto gera ao estado. -\\ - No Brasil existem inúmeros órgãos que cuidam e divulgam dados sobre agricultura, sejam municipais, estaduais ou federativo. Uma referencia impar destes dados é o \acrshort{sidra} (Sistema IBGE de Recuperação Automática). Outra referência para agricultura é o \acrshort{ipea} (Instituto de Pesquisa Econômica Aplicada), além das secretarias estaduais e municipais que realizam pesquisas próprias. No Tocantins, a \acrshort{fieto} (Federação das Indústrias do Estado do Tocantins) e a secretaria da fazenda do estado realizam pesquisas similares. -\end{smbox} - -\par Já o setor de abate de animais apresenta resultados significativos para a economia estadual. Analisando esse setor, a Figura \ref{fig:abate} apresenta dados a partir do trimestre de 2019. Compreendendo o semestre do ano vigente, é apresentado um bom primeiro trimestre (antes do efeito da pandemia e o isolamento social), na qual, o Tocantins apresentava a sua melhor performance no abate de animais, sendo conduzido pelo abate de aves, em que passou de 4.000 mil cabeças de aves no primeiro trimestre. Bois, novilhas e vacas tiveram resultados constantes. Já no segundo trimestre, os resultados foram ruins e desconexos com a série histórica, porém, a justificativa desse resultado ruim é o efeito da pandemia na economia. O que demonstra que nesse primeiro semestre, o trimestre inicial apresentou ótimos resultados e o segundo foi ruim. - - -\begin{figure}[!h] - \caption{Abate dos principais animais} - \subcap{Mil cabeças} - \includegraphics{fig/abates-1.pdf} - \source{\acrshort{sidra}/\acrshort{ibge}} - \label{fig:abate} - \notes{\trimestres} -\end{figure} diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/rascunhoR.Rmd b/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/rascunhoR.Rmd deleted file mode 100644 index 843af01..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/rascunhoR.Rmd +++ /dev/null @@ -1,243 +0,0 @@ ---- -output: latex_fragment ---- - -```{r setup, include=F, message=F, warning=F} -library(tidyverse) -library(sidrar) -library(rmarkdown) -library(knitr) -library(scales) -library(petgg) -library(extrafont) - -petgg::set_theme(base_family = "EB Garamond") - -knitr::opts_chunk$set( - echo = FALSE, - eval = TRUE, - fig.path = "fig/", - message = FALSE, - warning = FALSE, - dpi = 300, - dev = "cairo_pdf" -) -m <- 1000 -M <- 1000000 -B <- 1000000000 - -# converte AAAAMM para formato MT/AAAA -triForm <- function(x) paste0(substr(x, 6, 6),"T\n",substr(x, 1, 4)) -``` - -```{r producao, include=T} -# Produção - Tocantins 2020 - -# Os produtos são Arroz, milho 1 safra, milho 2 safra, soja, cana de açucar e mandioca -produtos <- c(39432, 39441, 39442, 39443, 39456, 39467) - -# Série histórica da estimativa anual da área plantada, área colhida, produção e rendimento médio dos produtos das lavouras -prod <- get_sidra(x = 6588, - variable = 35, - period = sapply(1:9, function(n) paste0("20200",n)), - header = TRUE, - format = 4) - -prod %>% - filter( - `Mês (Código)` == "202009", - `Produto das lavouras (Código)` %in% produtos - ) %>% - transmute( - produto = `Produto das lavouras`, - valor = Valor - ) %>% - mutate( - produto = str_extract(produto, ".[a-z]+") - ) %>% - group_by(produto) %>% - summarise(total = sum(valor)) %>% - ggplot() + - geom_bar(aes(x = produto, y = total), stat = "identity") + - scale_y_continuous(labels = function(n) n/M) - -``` - -```{r rendim_medio} -rend_medio <- get_sidra(x = 6588, - variable = 36, - period = "202009", - geo = "State", - geo.filter = list("State" = 17), - header = TRUE, - format = 4) - -rend_medio %>% - filter(`Produto das lavouras (Código)` %in% produtos) %>% - transmute( - produto = `Produto das lavouras`, - valor = Valor - ) %>% - mutate( - produto = str_extract(produto, ".[a-z]+") - ) %>% - group_by(produto) %>% - summarise(total = sum(valor)) %>% - ggplot() + - geom_bar(aes(x = produto, y = total), stat = "identity") + - scale_y_continuous(labels = function(n) n/m) -``` - -```{r area_plantada} -# Área Plantada -area_plan <- get_sidra(x = 6588, - variable = 216, - period = "202009", - geo = "State", - geo.filter = list("State" = 17), - header = TRUE, - format = 4) - -area_plan %>% - filter(`Produto das lavouras (Código)` %in% produtos) %>% - transmute( - produto = `Produto das lavouras`, - valor = Valor - ) %>% - mutate( - produto = str_extract(produto, ".[a-z]+") - ) %>% - group_by(produto) %>% - summarise(total = sum(valor)) %>% - ggplot() + - geom_bar(aes(x = produto, y = total), stat = "identity") + - scale_y_continuous(labels = function(n) n/m) -``` -```{r prod_leite} -# tibble( -# litros=c(33189, 32958, 29721, 36369, 37273), -# trimestre=c("1T/2019","2T/2019", "3T/2019", "4T/2019", "1T/2020") -# ) %>% -# ggplot() + -# geom_bar(aes(factor(trimestre, levels = trimestre), litros), stat = "identity") + -# scale_y_continuous(labels = function(n) n/m) -``` - - -```{r abate_total} -# Abate de animais - Tocantins - -# abate_total <- get_sidra(x = 1092, -# variable = 284, -# period = c("201904", "202001", "202002", "202003"), -# geo = "State", -# geo.filter = list("State" = 17), -# header = TRUE, -# format = 4) -# -# abate_total %>% -# filter( -# `Tipo de inspeção` == "Total", -# `Referência temporal` == "Total do trimestre", -# `Tipo de rebanho bovino` == "Total" -# ) %>% -# mutate(data = triForm(`Trimestre (Código)`)) %>% -# ggplot() + -# geom_bar( -# aes(factor(data, levels = c("4T/2019", "1T/2020", "2T/2020", "3T/2020")), Valor), -# stat = "identity" -# ) + -# scale_y_continuous(labels = function(n) n/m) -``` - - -```{r abates} -# Abate de frangos, bovinos, vacas por trimestre -# Unidade em Cabeças -abate_bovino <- get_sidra( - x = 1092, - period = c("201903" ,"201904", "202001", "202002"), - geo = "State", - geo.filter = list("State" = 17), - header = TRUE, - format = 4 - ) %>% filter( - `Tipo de rebanho bovino` %in% c( - "Novilhos", - "Novilhas", - "Bois", - "Vacas" - ), - `Referência temporal` == "Total do trimestre", - `Tipo de inspeção` == "Total", - `Variável` == "Animais abatidos" - ) %>% - select(`Trimestre (Código)`, `Tipo de rebanho bovino`, Valor) - -# Unidade em cabeças -abate_frango <- get_sidra(x = 1094, - period = c("201903", "201904", "202001", "202002"), - geo = "State", - geo.filter = list("State" = 17), - header = TRUE, - format = 4 - ) %>% filter( - `Referência temporal` == "Total do trimestre", - `Tipo de inspeção` == "Total", - `Variável` == "Animais abatidos" - ) %>% - select(`Trimestre (Código)`, Valor) - -bind_rows( - abate_bovino %>% mutate(tipo = `Tipo de rebanho bovino`), - abate_frango %>% mutate(tipo = "Frango") -) %>% - select(`Trimestre (Código)`, tipo, Valor) %>% - drop_na() %>% - mutate(tri = triForm(`Trimestre (Código)`)) %>% - ggplot(aes(factor(tri, levels = c("3T\n2019", "4T\n2019", "1T\n2020", "2T\n2020")), Valor, fill = tipo)) + - geom_bar(stat = "identity", position = "dodge") + - scale_y_continuous(labels = function(n) n/m) -``` -```{r galinha_poedeiras} - -# prod_galinhas <- get_sidra( -# x = 915, -# period = c("201904", "202004", "202001", "202002", "202003"), -# geo = "State", -# geo.filter = list("State" = 17), -# header = TRUE, -# format = 4 -# ) -# -# # Cabeça -# prod_galinhas %>% -# filter( -# Variável == "Número de cabeças de galinhas poedeiras nos estabelecimentos agropecuários", -# `Referência temporal` == "Total do trimestre" -# ) %>% -# mutate(data = triForm(`Trimestre (Código)`)) %>% -# ggplot() + -# geom_bar( -# aes(factor(data, levels = c("4T/2019", "1T/2020", "2T/2020", "3T/2020")), Valor), -# stat = "identity" -# ) + -# scale_y_continuous(labels = function(n) n/M) -``` - -```{r ovos_galinha} -# Quantidade de ovos produzidos, Mil dúzias - -# prod_galinhas %>% -# filter( -# Variável == "Quantidade de ovos produzidos", -# `Referência temporal` == "Total do trimestre" -# ) %>% -# mutate(data = triForm(`Trimestre (Código)`)) %>% -# ggplot() + -# geom_bar( -# aes(factor(data, levels = c("4T/2019", "1T/2020", "2T/2020", "3T/2020")), Valor), -# stat = "identity" -# ) -``` - diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/rascunhoR.tex b/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/rascunhoR.tex deleted file mode 100644 index 8f4746a..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_agricultura/rascunhoR.tex +++ /dev/null @@ -1,7 +0,0 @@ -\includegraphics{fig/producao-1.pdf} - -\includegraphics{fig/rendim_medio-1.pdf} - -\includegraphics{fig/area_plantada-1.pdf} - -\includegraphics{fig/abates-1.pdf} diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/bc.xlsx b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/bc.xlsx deleted file mode 100644 index cc95cb9..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/bc.xlsx and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/adubos1-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/adubos1-1.pdf deleted file mode 100644 index 9aada06..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/adubos1-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/carne1-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/carne1-1.pdf deleted file mode 100644 index 60d33d4..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/carne1-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/farelos1-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/farelos1-1.pdf deleted file mode 100644 index c4ae677..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/farelos1-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/inst1-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/inst1-1.pdf deleted file mode 100644 index 0b31b95..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/inst1-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/lentes1-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/lentes1-1.pdf deleted file mode 100644 index 0233b5d..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/lentes1-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/oleo-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/oleo-1.pdf deleted file mode 100644 index 55b94c4..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/oleo-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/outros1-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/outros1-1.pdf deleted file mode 100644 index dabf84e..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/outros1-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/produtos_expo-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/produtos_expo-1.pdf deleted file mode 100644 index 50934a3..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/produtos_expo-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/produtos_import-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/produtos_import-1.pdf deleted file mode 100644 index 31aefd8..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/produtos_import-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/sal1-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/sal1-1.pdf deleted file mode 100644 index 6377157..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/sal1-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/soja1-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/soja1-1.pdf deleted file mode 100644 index e6b887d..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/soja1-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/total-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/total-1.pdf deleted file mode 100644 index 2aaa07a..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/total-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/transf1-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/transf1-1.pdf deleted file mode 100644 index 9804e01..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/transf1-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/ultimo-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/ultimo-1.pdf deleted file mode 100644 index ae127d1..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/ultimo-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/unnamed-chunk-1-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/unnamed-chunk-1-1.pdf deleted file mode 100644 index 44fb461..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/fig/unnamed-chunk-1-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/main.tex b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/main.tex deleted file mode 100644 index e3e7bba..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/main.tex +++ /dev/null @@ -1,9 +0,0 @@ -\input{../preamble} - -\title{Rascunho} -\author{} -\date{\today} - -\begin{document} -\input{rascunho} -\end{document} diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/rascunho.tex b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/rascunho.tex deleted file mode 100644 index 0f2edc3..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/rascunho.tex +++ /dev/null @@ -1,152 +0,0 @@ -\chapter{Comércio Exterior} - -\par A balança comercial define a diferença entre o registro de exportação de bens e serviços, adquiridos e vendidos de um país e a transação de compra de importação. Portanto, se o valor total das exportações for maior que o valor total das importações, o saldo é considerado positivo e também é chamado de superavit comercial. Por outro lado, se as importações forem maiores que as exportações, haverá deficit ou saldo negativo. A balança comercial não considera a quantidade de produtos que entram ou saem de um país, mas sim os recursos gerados pela transação, o comportamento acompanha a balança comercial do Brasil e o Tocantins apresenta um saldo superavitário. - - -\par No primeiro semestre de 2020 (jan-jun), o estado do Tocantins atingiu um valor de US\$806,5 milhões em exportações, valor correspondente à uma variação de 40,6\% em relação ao mesmo período de 2019, levando o estado a atingir o 16º lugar no país entre os maiores exportadores. - -\par Já os valores de produtos importados pelo estado neste mesmo período foi de US\$58,7 milhões, o que representa uma variação negativa de -17,1\% em relação ao primeiro semestre de 2019, deixando o Tocantins na 25º posição no ranking nacional de importações por estados. - -\par Sendo assim, o saldo total da balança comercial tocantinense no primeiro semestre de 2020 foi superavitário, valor de US\$747,8 milhões. Dados estes, capazes de demonstrar que o estado do Tocantins têm uma balança comercial favorável, a cada ano se consolidando ainda mais como um estado considerado exportador. - -%\section{Produtos Exportados} - -\par Soja representa 76\% do valor total de produtos exportados no primeiro semestre de 2020, com um valor de US\$605 milhões. De 2016 a 2018, a soja vinha apresentando constante aumento no valor e quantidade exportado nos primeiros semestres destes anos, mas a série foi interrompida por uma queda de de 21,5\% em 2019 em comparação a 2018. Em 2020, o valor voltou a subir, chegando a ser 32,9\% maior do que o mesmo período que no ano anterior. - -\begin{figure}[!h] - \begin{subfigure}{\linewidth} - \caption{Principais produtos exportados} - \subcap{Valor acumulado de jan--jun. Em milhões de U\$} - \includegraphics{fig/produtos_expo-1.pdf} - \source{\acrshort{comex}} - \notes{ - Carne bovina: fresca/congelada ou refrigerada. - Demais produtos: indústria de tranformação. - Farelos de soja: outros alimentos (excluidos cereais não moidos). - } - \end{subfigure} -\end{figure} - - -A carne bovina (fresca/congelada ou refrigerada) correspondeu a 19\% do total exportado no primeiro semestre de 2020, atingindo o valor de US\$153 milhões, o que significa crescimento de 125,6\% em relação ao mesmo período de 2019 onde o valor foi US\$67,8 milhões. O histórico salto dos valores atingidos em 2020 podem significar uma nova fase para o futuro da carne bovina produzida no Tocantins ao se reafirmar como uma possível potência na produção e exportação deste produto no país. - - -Farelos de soja e outros alimentos (excluídos cereais não moídos), farinhas de carnes e outros animais foram responsável pela participação em 1\% das exportações estaduais no primeiro semestre de 2020, gerando um valor de US\$7,99 milhões, mesmo ao sofrer uma considerável queda de 61,6\% do valor em relação ao mesmo período do ano anterior, estes produtos continuam sendo uma importante fonte de renda na agricultura estadual. - - -Demais Produtos (indústria de transformação) obtiveram uma participação de 0,91\% nos valores exportados no estado, ao valor de US\$7,17 milhões, 18\% a menos do que o valor no mesmo período do ano anterior. Tais números não foram novidade para o setor, que vem demonstrando constante queda desde 2016 onde o valor exportado chegou a atingir US\$23,9 milhões. A única exceção ocorreu no ano de 2019 onde o valor foi 3,2\% em relação ao de 2018. Estes dados demonstram que o foco das exportações tocantinenses ainda são, e cada vez mais se reafirmam nos produtos agrícolas, que estão em constantes crescentes, ao contrário dos produzido na indústria de transformação. - - -\par Matérias brutas de animais têm uma participação de 0,88\% no total da exportação estadual, a um valor de US\$6,99 milhões, valor este 11,5\% menor do que o arrecadado no mesmo período de 2019, ano onde houve o pico da exportação de matérias brutas de animais, atingindo US\$7,9 milhões. Apesar da ligeira queda ocorrida este ano, o produto se mostra bastante estável na parte das exportações, com interessantes aumentos em relação a anos anteriores, se colocando como uma nova potência nas fontes de renda do estado. - -%\section{Produtos Importados} - -\par Adubos ou fertilizantes químicos (exceto fertilizantes brutos), representaram a maior participação nas importações do estado, sendo responsável por 53\% dos valores importados pelo tocantins no primeiro semestre deste ano. Apresenta uma série de crescimento constante nos últimos 5 anos, atingindo um valor de US\$ 31,3 milhões em 2020, significando um aumento de 7,7\% em relação ao mesmo período do ano passado. - -\begin{figure}[!h] - \begin{subfigure}{\linewidth} - \caption{Principais produtos importados} - \subcap{Valor acumulado de jan--jun. Em milhões de US\$} - \includegraphics{fig/produtos_import-1.pdf} - \source{\acrshort{comex}} - \notes{ - Adubos ou fertilizantes: fertilizantes químicos (exceto fertilizantes brutos). - Demais produtos: indústria de tranformação. - Instrumentos médicos: Intrumentos e aparelhos para usos medicinais, cirúrgicos, dentários ou veterinários. - Óleos combustíveis: Óleos combustíveis de petróleo ou de minerais betuminosos (exceto óleos brutos) - } - \end{subfigure} -\end{figure} - -\par Após uma série de crescimento na importação de lentes e itens ópticos no primeiro semestre dos últimos dois anos, onde em 2019 atingiu seu pico à uma valor de US\$9 milhões, em 2020 houve uma queda de 57,7\% em relação ao mesmo período do ano passado, sendo gastos apenas US\$3,80 milhões na compra de materiais ópticos. - - -\par Demais produtos (indústria de transformação), refere-se a 4,8\% do valor total das importações do estado. Após seguidas altas entre 2016 e 2018. O setor atingiu seu maior desempenho na participação da balança comercial tocantinense no final desse período, embora tenha apresentado consideráveis quedas nos anos seguintes, atingindo seu menor índice na série histórica em 2020, 46,6\% a menos que em 2019 no valor de US\$ 2,84 milhões. - -\par Ao apresentar um raro crescimento exponencial no ano de 2017 em comparação aos resultados de 2016, óleos combustíveis de petróleo ou de minerais betuminosos (exceto óleos brutos), apresentou três consecutivas quedas nos anos seguintes, atingindo em 2020 uma variação negativa 32,6\% com um valor de US\$ 5,76 milhões. - - -\par Devido a pandemia da COVID-19, o estado do Tocantins decidiu investir o equivalente a US\$2,45 milhões na compra de produtos e equipamentos médicos (instrumentos e aparelhos para usos medicinais, cirúrgicos, dentários ou veterinários) para suprir a demanda de sua população. Esses investimentos explicam o aumento de 24000\% nos valores importados em relação ao mesmo período de 2019. - -%\subsection{Países Parceiros} - -\par O Tocantins mantém relações comerciais com mais de 100 países ao redor do planeta, estabelecendo negócios em todos os continentes, seja com países potências na economia mundial, ou até mesmo com países de menor expressão no cenário econômico global. Essa diversidade de parceiros comerciais do estado é de considerável importância para que a expansão de suas divisas possa continuar trazendo benefícios para a economia tocantinense. - - -\begin{table}[!h] - \caption{\label{tab:exportação}Destino das Exportações} - \subcap{Partipação no período jan--jun de 2020. Valor em milhões de US\$} - \begin{tabu} to \linewidth {>{\raggedright}X>{\raggedleft}X>{\raggedleft}X>{\raggedright}X} - \toprule - Pais & \% & US\$ & Produtos\\ - \midrule - China & 63,0 & 500,0 & Soja[1] e Carnes[3] \\ - Espanha & 6,2 & 49,5 & Soja[1][2] e Milho[6] \\ - Hong Kong & 3,3 & 26,4 & Carnes[3][4] \\ - Bangladesh & 3,1 & 24,4 & Soja[1] e Algodão[7]\\ - Rússia & 2,8 & 21,9 & Carnes[3][5]\\ - \bottomrule - \end{tabu} - \source{\acrshort{comex}} - \notes{ - 1: Soja triturada, exceto para semeadura. - 2: Farinhas e pellets, da extração do óleo de soja. - 3: Carnes desossadas de bovino congeladas. - 4: Bexigas e estômago de animais, exceto peixes; frescas, etc; e outras miudezas comestíveis de bovinos congelados. - 5: linguas de bovino congeladas e fígados de bovino congelados. - 6: Milho em grão (exceto para semeadura). - 7: Algodão não cardado, nem penteado, simplesmente debulhado. - } -\end{table} - -\begin{table}[!h] - \caption{\label{tab:importação}Origem das Importações} - \subcap{Partipação no período jan--jun de 2020. Valor em milhões de US\$} - \begin{tabu} to \linewidth {>{\raggedright}X>{\raggedleft}X>{\raggedleft}X>{\raggedright}X} - \toprule - Pais & \% & US\$ & Produtos\\ - \midrule - China & 31,0 & 18,40 & Itens Ópticos e Médicos [8], Adubos [1]\\ - Rússia & 26,0 & 14,40 & Adubos e fertilizantes\\ - Arábia Saudita & 9,2 & 9,20 & Adubos e fertilizantes\\ - México & 4,6 & 2,69 & Adubos e fertilizantes, Plásticos [9]\\ - República Tcheca & 4,1 & 4,10 & Camas [10]\\ - \bottomrule - \end{tabu} - \source{\acrshort{comex}} - \notes{ - 8: Instrumentos e aparelhos de óptica, de fotografia, de medida, de controle ou de precisão, instrumentos e aparelhos médico-cirúrgicos, suas partes e acessórios. - 9: Plasticos e seus derivados. - 10: Camas dotadas de mecanismo clínico - } -\end{table} - - -\par Na Tabela \ref{tab:exportação} pode-se ver o quão influente a China é nas exportações dos produtos tocantinenses, sendo responsável por 63\% do valor total exportado ano primeiro semestre de 2020. Este é um dos quesitos em que a balança comercial se assemelha à balança comercial brasileira, tendo a China como seu maior parceiro de exportações. A diversidade de países com relações comerciais com o Tocantins é visível na Tabela \ref{tab:exportação}, pois além da China, grande compradora dos grãos e carnes produzidos no estado, encontra-se também países como Espanha, representando 6,2\% do total exportado, Hong Kong, com 3,3\%; Bangladesh sendo 3,1\% e Rússia com 2,8\% - - -\par Em relação às importações, a Tabela \ref{tab:importação} mostra que a China também aparece como a principal parceira do estado, comprovando assim o tamanho de sua influência no saldo da balança comercial local, representando 31\% do total importado pelo estado no primeiro semestre de 2020, seguido pela Rússia com, 26\%, sendo os dois principais países dos quais o Tocantins compra produtos. Mas em comparação à Tabela \ref{tab:importação} de exportações, encontra-se mudanças, como a participação de países como Arábia Saudita, que foi responsável por 9,2\% das importações do Tocantins, sendo o terceiro principal parceiro nesta lista, seguido por México, com 4,6\% e República Tcheca com 4,1\%. - - -%\subsection {Série Histórica da Balança Comercial} - -\par As exportações do estado quase sempre se mantiveram em uma crescente, tendo apenas dois anos em que o estado não obteve resultados positivos constantes. Em 2016 o estado teve seu maior declínio, saindo de US\$ 901 milhões no ano de 2015, para US\$ 633 milhões, uma variação negativa de -29,8\%. Contudo em 2017 ouve uma recuperação com um crescimento de 50,3\%, e um valor de US\$ 951. Em 2018 o Tocantins bateu recorde em exportação com um valor de US\$ 1,2 bilhões, mas não se mantendo constante em 2019 e perdendo 7,8\% desse valor em suas exportações. No Acumulado de 10 anos o estado conseguiu exportar US\$ 8,106 bilhões, com uma variação de 172,1\% de 2019 em relação à 2009. - -\begin{figure}[!h] - \begin{subfigure}{\linewidth} - \caption{Balança Comercial do estado} - \subcap{Valor acumulado de jan--jun. Em bilhões de US\$} - \includegraphics{fig/total-1.pdf} - \source{\acrshort{comex}} - \label{fig:balanca} - \end{subfigure} -\end{figure} - - -\par Os valores das importações do Tocantins de 2009 à 2019 apresentam falta de estabilidade em seu crescimento, seguido um padrão de 2 anos de crescimento e 2 anos de baixa em seus valores importados. Enquanto em 2010 apresentou um valor recorde de variação na importação no período analisado de 88,4\%, e também um valor bruto superior aos outros 9 anos, com US\$ 240 milhões de importados. - -\par Historicamente o Tocantins apresenta sempre um saldo superavitário em sua balança comercial \ref{fig:balanca}, onde o menor valor dos últimos 10 anos foi a marca de de US\$ 104 milhões ainda em 2009. Já seu valor recorde foi de US\$ 975 milhões de dólares no ano de 2018, ano este onde o estado atingiu sua máxima histórica nos valores de exportação. - -\par De 2010 à 2019 o estado tem um saldo acumulado de US\$ 6,1 bilhões, com uma variação de 320,6\% deste período. Tais dados mostram o potencial do estado em adquirir riqueza exportando seus produtos. - -%\par Os valores de importação e exportação estão em US\$ FOB(Free on board), que significa que todos os custos e riscos de transporte da mercadoria passam a ser do comprador das mesmas à partir do momento em que são despachadas. \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/rascunhoR.Rmd b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/rascunhoR.Rmd deleted file mode 100644 index f1904fc..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/rascunhoR.Rmd +++ /dev/null @@ -1,61 +0,0 @@ ---- -output: latex_fragment ---- - -```{r setup, include=F, message=F, warning=F} -library(tidyverse) -library(rmarkdown) -library(knitr) -library(scales) -library(petgg) -library(extrafont) -library(knitr) -library(kableExtra) - -petgg::set_theme(base_family = "EB Garamond") - -knitr::opts_chunk$set( - echo = FALSE, - eval = TRUE, - fig.path = "fig/", - message = FALSE, - warning = FALSE, - dev = "cairo_pdf", - dpi = 300 -) -M <- 1000000 -B <- 1000000000 -``` - -```{r produtos_expo} -# Produtos exportados -readxl::read_excel("bc.xlsx", sheet = "produtos_export") %>% - ggplot(aes(data, valor, fill = name)) + - geom_bar(stat = "identity", position = "dodge", gap = "s") + - scale_y_continuous(labels = function(x) x/M) -``` - -```{r produtos_import} -# Produtos importados -readxl::read_excel("bc.xlsx", sheet = "produtos_import") %>% - ggplot(aes(data, valor, fill = name)) + - geom_bar(stat = "identity", position = "dodge", gap = "s") + - scale_y_continuous(labels = function(x) x/M) + - guides(fill = guide_legend(nrow=2, byrow=TRUE)) -``` - -```{r total, include=T} -# Saldo, Exportação e Importaçao 2009--2019 -bind_rows( - readxl::read_excel("bc.xlsx", sheet = "export") %>% - mutate(conta = "Exportações"), - readxl::read_excel("bc.xlsx", sheet = "import") %>% - mutate(conta = "Importações"), - readxl::read_excel("bc.xlsx", sheet = "saldo") %>% - mutate(conta = "Saldo") -) %>% - ggplot(aes(x = data, y = valor, color = conta)) + - geom_line() + - scale_y_continuous(labels = function(n) n/B) + - scale_x_datetime(labels = date_format("%Y"), date_breaks = "1 year") -``` \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/rascunhoR.tex b/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/rascunhoR.tex deleted file mode 100644 index e0d1476..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_balancacomercial/rascunhoR.tex +++ /dev/null @@ -1,5 +0,0 @@ -\includegraphics{fig/produtos_expo-1.pdf} - -\includegraphics{fig/produtos_import-1.pdf} - -\includegraphics{fig/total-1.pdf} diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/IPCA.rds b/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/IPCA.rds deleted file mode 100755 index 2502c16..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/IPCA.rds and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/fig/desp_pessoal_rcl-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/fig/desp_pessoal_rcl-1.pdf deleted file mode 100644 index 0dd5197..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/fig/desp_pessoal_rcl-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/fig/divida_rcl-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/fig/divida_rcl-1.pdf deleted file mode 100644 index 93c554a..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/fig/divida_rcl-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/fig/var_despesa_categoria-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/fig/var_despesa_categoria-1.pdf deleted file mode 100644 index 7187d78..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/fig/var_despesa_categoria-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/fig/var_receita_despesa_primaria-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/fig/var_receita_despesa_primaria-1.pdf deleted file mode 100644 index e50570c..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/fig/var_receita_despesa_primaria-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/figs.tex b/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/figs.tex deleted file mode 100644 index e0d0be8..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/figs.tex +++ /dev/null @@ -1,55 +0,0 @@ -\begin{figure}[!h] - \begin{subfigure}{\linewidth} - \caption{\label{fig:var_receita_despesa_primaria}Variação da receita e despesa primária} - \subcap{Variação acumulada (base: igual período do ano anterior)} - \includegraphics{fig/var_receita_despesa_primaria-1.pdf} - \source{\abbr{siconfi}/Tesouro Nacional} - \notes{\bimestres[3-4]} - \end{subfigure} - \begin{subfigure}{\linewidth} - \caption{\label{fig:var_despesa_categoria}Variação da despesa por categoria} - \subcap{Variação acumulada (base: igual período do ano anterior)} - \includegraphics{fig/var_despesa_categoria-1.pdf} - \source{\abbr{siconfi}/Tesouro Nacional} - \notes{\bimestres[4]} - \end{subfigure} - \begin{subfigure}{\linewidth} - \caption{\label{fig:desp_pessoal_rcl}Despesa total com pessoal em relação à RCL} - \subcap{RCL e despesa acumulada até agosto} - \includegraphics{fig/desp_pessoal_rcl-1.pdf} - \source{\abbr{siconfi}/Tesouro Nacional} - \end{subfigure} -\end{figure} - - -\begin{figure}[!h] - \begin{subfigure}{\linewidth} - \caption{\label{fig:divida_rcl}Dívida Consolidada Líquida em relação à RCL} - \subcap{RCL e DCL acumulada até agosto} - \includegraphics{fig/divida_rcl-1.pdf} - \source{\abbr{siconfi}/Tesouro Nacional} - \end{subfigure} -\end{figure} - -\begin{table}[!h] - \caption{\label{tab:capag}Nota da capacidade de pagamento} - \subcap{Indicadores da CAPAG} - \begin{tabu} to \linewidth {>{\raggedright}X>{\centering}X>{\centering}X>{\centering}X>{\centering}X>{\centering}X>{\centering}X} - \toprule - \multicolumn{1}{c}{ } & \multicolumn{2}{c}{Endividamento} & \multicolumn{2}{c}{\makecell[c]{Poupança\\Corrente}} & \multicolumn{2}{c}{Liquidez} \\ - \cmidrule(l{3pt}r{3pt}){2-3} \cmidrule(l{3pt}r{3pt}){4-5} \cmidrule(l{3pt}r{3pt}){6-7} - UF & 2019 & 2020 & 2019 & 2020 & 2019 & 2020\\ - \midrule - AC & B & B & B & B & A & A\\ - AM & A & A & B & B & A & A\\ - AP & B & B & A & A & A & -\\ - PA & A & A & B & B & A & A\\ - RO & B & A & A & A & C & A\\ - \addlinespace - RR & A & A & A & A & C & C\\ - TO & A & B & B & C & C & C\\ - \bottomrule - \end{tabu} - \source{Boletim de Finanças dos Entes Subnacionais, 2019–-2020/Tesouro Nacional} - \notes{Amapá teve nota suspensa} - \end{table} diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/ipca.R b/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/ipca.R deleted file mode 100644 index 81233d5..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/ipca.R +++ /dev/null @@ -1,27 +0,0 @@ -#library(ipeadatar) -#library(dplyr) - -# Retorna a inflação acumulada ou a inflação mensal (número-índice) -# Exemplos: -# ipca("2019-01", "2019-12") retorna a inflação acumulada de 2019 -# ipca("2020-06") retorna a inflação de junho de 2020 -get_ipca <- function(from, to = NULL, RDSfile = NULL) { - response <- c() - if (is.null(RDSfile)) { - response <- ipeadatar::ipeadata("PRECOS12_IPCA12", language = "br") - } else { - response <- RDSfile - } - day_month <- ifelse( - nrow( - dplyr::filter(response, date == as.Date(paste0(from, "-01")) - 31) != 0 - ), 31, 30 - ) - ipca_index <- dplyr::filter( - response, - date == as.Date(paste0(from, "-01")) - day_month | - date == as.Date(paste0(ifelse(is.null(to), from, to), "-01")) - ) - calc_ipca_acc <- ipca_index$value[2] / ipca_index$value[1] - return(calc_ipca_acc) -} diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/main.tex b/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/main.tex deleted file mode 100644 index 6818620..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/main.tex +++ /dev/null @@ -1,9 +0,0 @@ -\input{../preamble} - -\title{Contas} -\author{} -\date{\today} - -\begin{document} -\input{rascunho} -\end{document} diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/planilhas/Tabelas_Boletim_Financas_2019.xlsx b/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/planilhas/Tabelas_Boletim_Financas_2019.xlsx deleted file mode 100644 index 80655e2..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/planilhas/Tabelas_Boletim_Financas_2019.xlsx and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/planilhas/Tabelas_Boletim_Financas_2020.xlsx b/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/planilhas/Tabelas_Boletim_Financas_2020.xlsx deleted file mode 100644 index 5d5b5b2..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/planilhas/Tabelas_Boletim_Financas_2020.xlsx and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/rascunho.Rmd b/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/rascunho.Rmd deleted file mode 100644 index 56471a1..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/rascunho.Rmd +++ /dev/null @@ -1,364 +0,0 @@ ---- -documentclass: report -output: latex_fragment ---- -```{r setup, include = FALSE, message = FALSE, warning = FALSE} -library(tidyverse) -library(ipeadatar) -library(knitr) -library(kableExtra) -library(scales) -library(formattable) -library(extrafont) -library(petgg) -library(siconfir) - -petgg::set_theme(base_family = "EB Garamond") - -knitr::opts_chunk$set( - echo = FALSE, - eval = TRUE, - fig.path = "fig/", - message = FALSE, - warning = FALSE, - dpi = 300, - dev = "cairo_pdf" -) - -# Utils -source("ipca.R") - -# Converte dataid para uma string. Exemplo: 20201 -> 1B\n2020 -dateB <- function(x) {paste0(substr(x, 5, 5), "B", "\n", substr(x, 1, 4))} - -# Calcula o nível preços acumulado. Exemplo ipca("2020-06) -> 1.0026 -ipca_file <- readRDS("IPCA.rds") -ipca <- function(from, to = NULL) get_ipca(from, to, ipca_file) - -# O Deflacionamento é feito colocando à preços de agosto de 2018 -current_price <- "2020-08" - -# Converte dataid para uma string no formato AAAA-MM, sendo MM o último mês do bimestre -dateStr <- function(x) { - bimest <- c("02", "04", "06", "08", "11", "12") # bimestres do ano - paste0(substring(x, 1, 4), "-", bimest[as.numeric(substring(x, 5, 5))]) -} - -# converte dataid para uma string no formato AAAA-MM, sendo MM o último mês do quadrimestre -dateQ <- function(x) { - quadris <- c("abr", "ago", "dez") - paste0( - quadris[as.numeric(substring(as.character(x), 5, 5))], - "\n", - substring(as.character(x), 1, 4) - ) -} - -# Coloca valores no formato da moeda brasileira -curBR <- function(x, to = 4, s = T) { - formattable::currency( - x, - symbol = "R$", - digits = 2L, - big.mark = ifelse(s, ",", "."), - decimal.mark = ifelse(s, ".", ",") - ) %>% - substring(., 1, to + ifelse(s, 2, 99)) -} -``` - -```{r} -# Pegando dados do RREO/Siconfi. Para 2020 só ate o 4 bimestre. Os dados foram extraidos dia 02/11 -#data_raw <- get_rreo( -# exercicio = c(2018:2020), -# bimestre = c(1:6), # Do 1º ao 6º bimestre -# id_ente = c(12, 16, 13, 15, 11, 14, 17) # código do ibge de todos entes da região norte -#) - -# Dados extraídos dia 10/11/2020 -#rgf_norte <- get_rgf( -# exercicio = c(2018:2020), -# periodo = c(1:2), # quadrimestre -# co_poder = c("E", "L", "J", "M", "D"), -# id_ente = c(12, 16, 13, 15, 11, 14, 17) -#) -#saveRDS(rgf_norte, 'rgf_norte_2018_2020.rds') -``` - -```{r} -# dataid é necessário para usar lag(), o formato é AAAAB, AAAA é o ano e B o bimestre -# data no formato AAAA-MM, MM é o último mês do bimestre -rreo_norte <- read_rds("rreo_norte_2018_2020.rds") %>% - mutate( - dataid = paste0(exercicio, periodo) %>% as.numeric(), - data = dateStr(dataid), - ) %>% - select(dataid, data, uf, anexo, coluna, cod_conta, conta, valor) - -rgf_norte <- read_rds("rgf_norte_2018_2020.rds") %>% - mutate( - dataid = paste0(exercicio, periodo) %>% as.numeric(), - data = dateQ(dataid) - ) %>% - select(dataid, data, uf, anexo, coluna, cod_conta, conta, valor) -``` - -# Contas Públicas Estadual - -```{r} -# Receita e despesa primária do Estado. -# Resultado primário obtidos até cada bimestre -rdp <- rreo_norte %>% - filter( - anexo == "RREO-Anexo 06", - uf == "TO", - coluna %in% c("RECEITAS REALIZADAS (a)", "DESPESAS PAGAS (a)"), - cod_conta %in% c( - "ReceitasPrimariasCorrentes", - "RREO6DespesasPrimariasCorrentes" - ) - ) %>% - select(dataid, data, cod_conta, valor) %>% - pivot_wider(names_from = cod_conta, values_from = valor) %>% - rowwise() %>% - ungroup() %>% # para usar lag() - mutate( - rec_real = ReceitasPrimariasCorrentes / ipca(data) * ipca(current_price), - des_real = RREO6DespesasPrimariasCorrentes / ipca(data) * ipca(current_price), - resul_real = rec_real - des_real, - rec_var = rec_real - lag(rec_real, order_by = data), - des_var = des_real - lag(des_real, order_by = data) - ) -``` - -O resultado primário do estado até o quarto bimestre de 2020 foi de cerca de R\$ 1,08 bilhões, valor 73% maior que o resultado primário no mesmo período de 2019, quando foi pouco mais de R\$ 622 milhões. Veja o Quadro \ref{resultado_primario} para mais detalhes sobre o resultado primário. - - - - - - -As receitas primárias cresceu 10\% no quarto bimestre de 2020, como mostra a Figura \ref{fig:var_receita_despesa_primaria}. As despesas primárias cresceu 2,03\%. No quarto bimestre de 2019 as receitas tinham crescido 9,55\% e as despesas 6,48\%. Comparando o crescimento das despesas primárias no quarto bimestre de 2020 a taxa de crescimento foi menor que em 2019. O baixo crescimento da despesas contribuiu para um superávit primário de pouco mais de R\$ 1,08 bilhões até o quarto bimestre de 2020. - - - - - - - - -A Figura \ref{fig:var_despesa_categoria} exibe as despesas por categorias. Destaque para as despesas com assistência social, que cresceu cerca de 133\% no quarto bimestre de 2020. Previdência social, saúde e judiciário cresceu 16,2\%, 12,9\% e 18,8\% respectivamente. Por outro lado, administração, segurança pública e educação recuaram. - -\begin{smbox}[label={resultado_primario}, nameref={O que é o resultado primário}]{O que é o resultado primário} -O resultado primário é um dos principais indicadores das contas públicas, representa o esforço fiscal para diminuir o estoque da dívida. Ele é resultado da diferença entre as receitas e despesas (excluindo as receitas e despesas com juros). O superávit primário ou resultado primário positivo ocorre quandos as receitas primárias é maior que as despesas primárias. Indica a economia do governo para pagamento da dívida. O inverso, quando despesas primárias excedem as receitas primárias há déficit primário ou resultado primário negativo, incorrendo em aumento da dívida. -\end{smbox} - -```{r var_receita_despesa_primaria, include=T} -# Variação de receita e despesa primária acumulada por bimestre -receita_despesa_primaria <- rdp %>% - select(dataid, data, rec_real, des_real) %>% - filter(dataid %in% c(20181:20184, 20191:20194, 20201:20204)) %>% - mutate( - rec_tx = (rec_real / lag(rec_real, n = 4L) -1), - des_tx = (des_real / lag(des_real, n = 4L) -1) - ) %>% - pivot_longer(rec_tx:des_tx) %>% - drop_na() - -receita_despesa_primaria %>% - filter(dataid %in% c(20193,20194,20203,20204)) %>% - ggplot(aes(factor(dateB(dataid)), value, fill = name)) + - geom_bar(stat = "identity", position = "dodge") + - labs(x = NULL, y = NULL) + - scale_fill_discrete(labels = c("Despesa", "Receita")) + - scale_y_continuous(labels = scales::percent) -``` - - -```{r echo=F} -# Despesa por categoria -dcategoria <- rreo_norte %>% - filter( - uf == "TO", - anexo == "RREO-Anexo 02", - coluna == "DESPESAS LIQUIDADAS ATÉ O BIMESTRE (d)", - cod_conta == "RREO2TotalDespesas", # não pega despesas intra - conta %in% c( - "Judiciária", - "Administração", - "Segurança Pública", - "Assistência Social", - "Previdência Social", - "Saúde", - "Educação" - ) - ) %>% - select(dataid, data, conta:valor) %>% - filter(dataid %in% c(20181:20184,20191:20194,20201:20204)) %>% - rowwise() %>% - mutate( - valor_real = valor / ipca(data) * ipca(current_price) - ) %>% - ungroup() %>% - mutate( - tx_real = (valor_real / lag(valor_real, order_by = dataid, n = 28L)) -1 - ) -``` - - -```{r var_despesa_categoria, include=T} -dcategoria %>% - filter(dataid %in% c(20194, 20204)) %>% - drop_na() %>% - ggplot() + - geom_bar( - aes((factor(dateB(dataid))), tx_real, fill = conta), - stat = "identity", - position = "dodge", - gap = "m" - ) + - labs(x = NULL, y = NULL) + - scale_y_continuous(labels = scales::percent) -``` - - - -Despesas com pessoal em relação a receita corrente líquida (\abbr{rcl}), conforme Figura \ref{fig:desp_pessoal_rcl}, encontra-se em 42,1\% em agosto de 2020, valor abaixo do limite máximo de 49\% estabelecido na Lei de Responsabilidade Fiscal (\abbr{lrf}) para o poder Executivo \footnote{A \abbr{rcl}, de acordo com a \abbr{lrf}, deve ser apurada somando-se as receitas arrecadadas no mês em referência e nos onze anteriores. No entanto, pelo fato dessa publicação cobrir dados até cerca do primero semestre optou-se pela utilização da \abbr{rcl} acumulada até o respectivo bimestre}. Em agosto de 2015 a \abbr{rcl} destinada ao pagamento de pessoal correspondia a 51,5\%, valor acima do limite máximo. O comprometimento da \abbr{rcl} ao pagamento de pessoal extrapolou o limite em 2015, 2016, 2017 e 2018. - -A dívida consolidada líquida (\abbr{dcl}) do estado em proporção a \abbr{rcl} até agosto apresentou queda. Em agosto de 2020 essa indicador ficou em 44,1\%, valor abaixo do limite definido pelo Senado Federal para os estados, de duas vezes a \abbr{rcl}. Entre 2017 e 2018 a \abbr{dcl} em proporção à \abbr{rcl} aumentou, saindo de 30\% para 52,3\% em 2019, conforme Figura \ref{fig:divida_rcl}. - -```{r desp_pessoal_rcl, echo=F} -# Despesa total com pessoal em relação à Receita Corrente Líquida Ajustada até o 2o quadrimestre, apenas executivo -# 2015 e 2016 a RCL não é ajustada -#despesa_pessoal_rcl <- get_rgf(year = 2015:2020, period = 2, id = 17) -rgf_to <- readRDS("rgf_2015_2020_2q_to.rds") -despesa_pessoal_rcl <- rgf_to %>% - mutate( - dataid = paste0(exercicio, periodo) %>% as.numeric(), - data = dateStr(dataid) - ) %>% - filter( - anexo == "RGF-Anexo 06", - stringr::str_detect(coluna, "% SOBRE A RCL"), - cod_conta == "DespesaTotalComPessoalDemonstrativoSimplificado" - ) %>% - select(dataid, data, valor) - -despesa_pessoal_rcl %>% - ggplot(aes(factor(dataid %>% dateQ()), valor, group = 1)) + - geom_line() + - scale_y_continuous(labels = function(x) paste0(x, "%")) -``` - - -```{r divida_rcl, echo=F} -# Dívida Consolidada Líquida até o 2o quadrimestre em relação à RC -# 2020 a RCL é ajustada -divida_consolidada_liquida <- rgf_to %>% - filter( - anexo == "RGF-Anexo 02", - coluna == "Até o 2º Quadrimestre", - cod_conta == "DividaConsolidadaLiquida" - ) - -receita_corrente_liquida <- rgf_to %>% - filter( - anexo == "RGF-Anexo 02", - coluna == "Até o 2º Quadrimestre", - cod_conta == "RGF2ReceitaCorrenteLiquida" - ) - -dcl_rcl <- left_join( - divida_consolidada_liquida, - receita_corrente_liquida, - by = "exercicio" -) %>% - select(exercicio, periodo.x, valor.x, valor.y) %>% - rename(dcl = valor.x, rcl = valor.y, periodo = periodo.x) %>% - mutate( - dataid = paste0(exercicio, periodo) %>% as.numeric(), - divida_rcl = dcl / rcl - ) - -dcl_rcl %>% - ggplot(aes(dataid %>% dateQ() %>% factor(), divida_rcl, group = 1)) + - geom_line() + - scale_y_continuous(labels = scales::percent) -``` - - -```{r echo=F, include=FALSE} -# Balanço Orçamentário - Anexo 01 -# DESPESAS EMPENHADAS ATÉ O BIMESTRE (f) -# bo <- rreo_norte %>% -# filter( -# dataid %in% c(20181:20204), -# anexo == "RREO-Anexo 01", -# coluna %in% c("No Bimestre (b)", "DESPESAS LIQUIDADAS NO BIMESTRE") -# ) %>% -# select(!c(coluna,anexo)) -``` - - - -O indicador da capacidade de pagamento (\abbr{capag}) do estado traz informações a cerca da situação fiscal dos estados e municípios. O índice é composto por três componentes: endividamento, poupança corrente e liquidez. Estados e municípios recebem uma nota final, A, B, C ou D. - -O Tocantins ficou com nota C em 2019 e 2020. Mesmo mantendo a mesma nota entre 2019--2020, apresentou pioras em todos os indicadores. O envididamento do estado que representa a \abbr{dcl} em proporção à \abbr{rcl} saltou de 46,35\% para 67,6\%. A poupança corrente que corresponde despesas corrente e receitas correntes ajustadas (\abbr{rca}) também mostrou uma leve piora, saindo de 94,56\% para 95,9\%. A liquidez do estado cresceu de 539,4% para 577,5\% em 2020. - -Endividamento e poupança corrente estão em melhor condição, pois estão mais próximo do limite para receber uma melhor nota. Para obter uma nota A no índice de endividamento o estado deve conservá-lo abaixo de 60%, atualmente está em 67,6\%. A poupança corrente recebeu nota C em 2020 conforme Tabela \ref{tab:capag_uf}. Uma elevação na nota da poupança corrente para B requer uma relação despesas correntes e \abbr{rca} menor que 95\%, em 2020 ficou em 95,85\%. A liquidez do estado encontra-se em situação mais delicada, em 2020 fechou em 577,5\%, valor quase cinco vezes acima do limite para tirar nota A. - - - - - -Dentre os estados da região Norte, Tocantins e Roraima foram os que apresentaram pior desempenho, conforme disposto na Tabela \ref{tab:capag_uf}. Rondônia aparece com a melhor perfomance, saiu da nota B para A entre 2019--2020. A redução no endividamento e na liquidez garantiu nota A em todos os indicadores. - - - - - - - -```{r capag_uf, echo = F, include=T} - -capag_2019 <- readxl::read_excel( - "planilhas/Tabelas_Boletim_Financas_2019.xlsx", - sheet = "Tabela 19", - skip = 1, - col_types = "guess" -) %>% select(1:8) %>% - mutate(ano = 2019) - -capag_2020 <- readxl::read_excel( - "planilhas/Tabelas_Boletim_Financas_2020.xlsx", - sheet = "Tabela_25", - skip = 1, - col_types = "guess" -) %>% - select(1:8) %>% - mutate(ano = 2020) - -# rearranjando as colunas pra criar a tabela -capag_uf_norte <- tibble( - UF = capag_2020$UF, - DC_2019 = capag_2019$Nota...4, - DC_2020 = capag_2020$Nota...4, - PC_2019 = capag_2019$Nota...6, - PC_2020 = capag_2020$Nota...6, - IL_2019 = capag_2019$Nota...8, - IL_2020 = capag_2020$Nota...8 - ) %>% - filter(UF %in% c("AC", "AM", "AP", "PA", "RO", "RR", "TO")) - -capag_uf_norte %>% - kable(., - caption = "Indicadores da capacidade de pagamento", - booktabs = T, - align = "lcccccc", - col.names = c("UF", rep(c("2019","2020"),3)), - format = "latex" - ) %>% - kable_styling(full_width = T) %>% - add_header_above(c(" " = 1, "Endividamento" = 2, "Poupança\nCorrente" = 2, "Liquidez" = 2)) - -``` \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/rascunho.tex b/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/rascunho.tex deleted file mode 100644 index 9392222..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/rascunho.tex +++ /dev/null @@ -1,127 +0,0 @@ -\hypertarget{contas-puxfablicas-estadual}{% -\chapter{Contas Públicas Estadual}\label{contas-puxfablicas-estadual}} - -O resultado primário do estado até o quarto bimestre de 2020 foi de -cerca de R\$ 1,08 bilhões, valor 73\% maior que o resultado primário no -mesmo período de 2019, quando foi pouco mais de R\$ 622 milhões. Veja o -Quadro \ref{resultado_primario} para mais detalhes sobre o resultado -primário. - -As receitas primárias cresceram 10\% no quarto bimestre de 2020, como -mostra a Figura \ref{fig:var_receita_despesa_primaria}. As despesas -primárias cresceram 2,03\%. No quarto bimestre de 2019 as receitas tinham -crescido 9,55\% e as despesas 6,48\%. Comparando o crescimento das -despesas primárias no quarto bimestre de 2020, a taxa de crescimento foi -menor que em 2019. O baixo crescimento das despesas contribuiu para um -superavit primário de pouco mais de R\$ 1,08 bilhões até o quarto -bimestre de 2020. - -A Figura \ref{fig:var_despesa_categoria} exibe as despesas por -categorias. Destaque para as despesas com assistência social, que -cresceram cerca de 133\% no quarto bimestre de 2020. Previdência social, -saúde e judiciário cresceram 16,2\%, 12,9\% e 18,8\% respectivamente. Por -outro lado, administração, segurança pública e educação recuaram. - -\begin{smbox}[label={resultado_primario}, nameref={O que é o resultado primário}]{O que é o resultado primário?} -O resultado primário é um dos principais indicadores das contas públicas. Ele representa o esforço fiscal de um estado para diminuir o estoque da dívida. Ele é resultado da diferença entre as receitas e despesas (excluindo as receitas e despesas com juros). O superavit primário ou resultado primário positivo ocorre quando as receitas primárias são maiores que as despesas primárias. Indica a economia do governo para pagamento da dívida. O inverso, quando despesas primárias excedem as receitas primárias, há deficit primário ou resultado primário negativo, incorrendo em aumento da dívida. -\end{smbox} - -\begin{figure}[!h] - \begin{subfigure}{\linewidth} - \caption{\label{fig:var_receita_despesa_primaria}Variação da receita e despesa primária} - \subcap{Variação acumulada (base: igual período do ano anterior)} - \includegraphics{fig/var_receita_despesa_primaria-1.pdf} - \source{\abbr{siconfi}/Tesouro Nacional} - \notes{\bimestres[3-4]} - \end{subfigure} - \begin{subfigure}{\linewidth} - \caption{\label{fig:var_despesa_categoria}Variação da despesa por categoria} - \subcap{Variação acumulada (base: igual período do ano anterior)} - \includegraphics{fig/var_despesa_categoria-1.pdf} - \source{\abbr{siconfi}/Tesouro Nacional} - \notes{\bimestres[4]} - \end{subfigure} - \begin{subfigure}{\linewidth} - \caption{\label{fig:desp_pessoal_rcl}Despesa total com pessoal em relação à RCL} - \subcap{RCL e despesa acumulada até agosto} - \includegraphics{fig/desp_pessoal_rcl-1.pdf} - \source{\abbr{siconfi}/Tesouro Nacional} - \end{subfigure} -\end{figure} - -As despesas com pessoal em relação a receita corrente líquida (\abbr{rcl}) encontra-se em 42,1\% em agosto -de 2020, conforme Figura \ref{fig:desp_pessoal_rcl}. Esse valor é inferior ao limite máximo de 49\% estabelecido na Lei de -Responsabilidade Fiscal (\abbr{lrf}) para o poder Executivo -\footnote{A \abbr{rcl}, de acordo com a \abbr{lrf}, deve ser apurada somando-se as receitas arrecadadas no mês em referência e nos onze anteriores. No entanto, pelo fato dessa publicação cobrir dados apenas do primeiro semestre, optou-se pela utilização da \abbr{rcl} acumulada até o respectivo bimestre}. -Em agosto de 2015, a \abbr{rcl} destinada ao pagamento de pessoal -correspondia a 51,5\%, valor acima do limite máximo. O comprometimento -da \abbr{rcl} ao pagamento de pessoal extrapolou o limite em 2015, 2016, -2017 e 2018. - -A dívida consolidada líquida (\abbr{dcl}) do estado em proporção a -\abbr{rcl} até agosto apresentou queda. Em agosto de 2020 essa indicador -ficou em 44,1\%, valor abaixo do limite definido pelo Senado Federal -para os estados, de duas vezes a \abbr{rcl}. Entre 2017 e 2018 a -\abbr{dcl} aumentou em proporção à \abbr{rcl}, saindo de 30\% para -52,3\% em 2019, conforme Figura \ref{fig:divida_rcl}. - -\begin{figure}[!h] - \begin{subfigure}{\linewidth} - \caption{\label{fig:divida_rcl}Dívida Consolidada Líquida em relação à RCL} - \subcap{RCL e DCL acumulada até agosto} - \includegraphics{fig/divida_rcl-1.pdf} - \source{\abbr{siconfi}/Tesouro Nacional} - \end{subfigure} -\end{figure} - -O indicador da capacidade de pagamento (\abbr{capag}) traz -informações a cerca da situação fiscal dos estados e municípios. O -índice é composto por três componentes: endividamento, poupança corrente -e liquidez. Estados e municípios recebem uma nota final, A, B, C ou D. - -O Tocantins ficou com nota C em 2019 e 2020. Mesmo mantendo a mesma nota -no biênio 2019-2020, apresentou pioras em todos os indicadores. O -endividamento do estado que representa a \abbr{dcl} em proporção à -\abbr{rcl} saltou de 46,35\% para 67,6\%. A poupança corrente que -corresponde a despesas e receitas correntes ajustadas -(\abbr{rca}) também mostrou uma leve piora, saindo de 94,56\% para -95,9\%. A liquidez do estado cresceu de 539,4\% para 577,5\% em 2020. - -Endividamento e poupança corrente estão em melhor condição, -mais próximos do limite para receber uma melhor nota. Para obter uma nota -A no índice de endividamento, o estado deve conservá-lo abaixo de 60\%, -atualmente está em 67,6\%. A poupança corrente recebeu nota C em 2020 -conforme Tabela \ref{tab:capag_uf}. Uma elevação na nota da poupança -corrente para B requer uma relação despesas correntes e \abbr{rca} menor -que 95\%. Esse indicador ficou em 95,85\% em 2020. A liquidez do estado encontra-se em -situação mais delicada, fechou em 577,5\% em 2020, valor quase cinco -vezes acima do limite para tirar nota A. - -Dentre os estados da região Norte, Tocantins e Roraima foram os que -apresentaram pior desempenho, conforme disposto na Tabela -\ref{tab:capag_uf}. Rondônia aparece com a melhor performance, saiu da -nota B para A entre 2019--2020. A redução no endividamento e na liquidez -garantiu nota A em todos os indicadores. - -\begin{table} - -\caption{\label{tab:capag_uf}Nota dos indicadores da CAPAG} -\subcap{Indicadores da CAPAG} -\begin{tabu} to \linewidth {>{\raggedright}X>{\centering}X>{\centering}X>{\centering}X>{\centering}X>{\centering}X>{\centering}X} -\toprule -\multicolumn{1}{c}{ } & \multicolumn{2}{c}{Endividamento} & \multicolumn{2}{c}{\makecell[c]{Poupança\\Corrente}} & \multicolumn{2}{c}{Liquidez} \\ -\cmidrule(l{3pt}r{3pt}){2-3} \cmidrule(l{3pt}r{3pt}){4-5} \cmidrule(l{3pt}r{3pt}){6-7} -UF & 2019 & 2020 & 2019 & 2020 & 2019 & 2020\\ -\midrule -AC & B & B & B & B & A & A\\ -AM & A & A & B & B & A & A\\ -AP & B & B & A & A & A & -\\ -PA & A & A & B & B & A & A\\ -RO & B & A & A & A & C & A\\ -RR & A & A & A & A & C & C\\ -TO & A & B & B & C & C & C\\ -\bottomrule -\end{tabu} -\source{Boletim de Finanças dos Entes Subnacionais, 2019–-2020/Tesouro Nacional} -\notes{Amapá teve nota suspensa} -\end{table} diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/rgf_2015_2020_2q_to.rds b/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/rgf_2015_2020_2q_to.rds deleted file mode 100644 index 5dc60d6..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/rgf_2015_2020_2q_to.rds and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/rgf_norte_2018_2020.rds b/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/rgf_norte_2018_2020.rds deleted file mode 100644 index 58321da..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/rgf_norte_2018_2020.rds and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/rreo_norte_2018_2020.rds b/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/rreo_norte_2018_2020.rds deleted file mode 100644 index ecd95d6..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_contaspublicas/rreo_norte_2018_2020.rds and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Pedidos seguro desemprego.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Pedidos seguro desemprego.pdf deleted file mode 100644 index 06f7ba3..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Pedidos seguro desemprego.pdf and /dev/null differ diff --git "a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Popula\303\247\303\243o Ocupada.pdf" "b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Popula\303\247\303\243o Ocupada.pdf" deleted file mode 100644 index cea695e..0000000 Binary files "a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Popula\303\247\303\243o Ocupada.pdf" and /dev/null differ diff --git "a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Rendimento m\303\251dio - Brasil.pdf" "b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Rendimento m\303\251dio - Brasil.pdf" deleted file mode 100644 index dbbb442..0000000 Binary files "a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Rendimento m\303\251dio - Brasil.pdf" and /dev/null differ diff --git "a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Rendimento m\303\251dio - Regi\303\243o Norte.pdf" "b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Rendimento m\303\251dio - Regi\303\243o Norte.pdf" deleted file mode 100644 index e6792ae..0000000 Binary files "a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Rendimento m\303\251dio - Regi\303\243o Norte.pdf" and /dev/null differ diff --git "a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Rendimento m\303\251dio - Tocantins.pdf" "b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Rendimento m\303\251dio - Tocantins.pdf" deleted file mode 100644 index 1c0894d..0000000 Binary files "a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Rendimento m\303\251dio - Tocantins.pdf" and /dev/null differ diff --git "a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo de empregos - Regi\303\243o Norte.pdf" "b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo de empregos - Regi\303\243o Norte.pdf" deleted file mode 100644 index 2d60e6d..0000000 Binary files "a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo de empregos - Regi\303\243o Norte.pdf" and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo de empregos - Tocantins.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo de empregos - Tocantins.pdf deleted file mode 100644 index 1f82f74..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo de empregos - Tocantins.pdf and /dev/null differ diff --git "a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo de empregos por faixa et\303\241ria.pdf" "b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo de empregos por faixa et\303\241ria.pdf" deleted file mode 100644 index 3614155..0000000 Binary files "a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo de empregos por faixa et\303\241ria.pdf" and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo por etnia.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo por etnia.pdf deleted file mode 100644 index a89878e..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo por etnia.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo por genero.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo por genero.pdf deleted file mode 100644 index ffd1020..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo por genero.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo por setores.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo por setores.pdf deleted file mode 100644 index a799ca2..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo por setores.pdf and /dev/null differ diff --git "a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo por trimestre - Regi\303\243o Norte.pdf" "b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo por trimestre - Regi\303\243o Norte.pdf" deleted file mode 100644 index 8304e40..0000000 Binary files "a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo por trimestre - Regi\303\243o Norte.pdf" and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo por trimestre - Tocantins.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo por trimestre - Tocantins.pdf deleted file mode 100644 index aa182f6..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/Saldo por trimestre - Tocantins.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/pedido_segudo_desem-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/pedido_segudo_desem-1.pdf deleted file mode 100644 index 1ecd1af..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/pedido_segudo_desem-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/pop_ocupada-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/pop_ocupada-1.pdf deleted file mode 100644 index 2145b39..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/pop_ocupada-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/reg_emprego-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/reg_emprego-1.pdf deleted file mode 100644 index f3fbd57..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/reg_emprego-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/reg_emprego-2.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/reg_emprego-2.pdf deleted file mode 100644 index 3487121..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/reg_emprego-2.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/rend_medio-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/rend_medio-1.pdf deleted file mode 100644 index 5e2fac7..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/rend_medio-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/saldo-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/saldo-1.pdf deleted file mode 100644 index 2baa4ba..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/saldo-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/saldo_setor_to-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/saldo_setor_to-1.pdf deleted file mode 100644 index f0c71bf..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/saldo_setor_to-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/taxa de desemprego - Tocantins.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/taxa de desemprego - Tocantins.pdf deleted file mode 100644 index a6b9c42..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/taxa de desemprego - Tocantins.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/tx_desemprego_to-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/tx_desemprego_to-1.pdf deleted file mode 100644 index 6fe0e5f..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/fig/tx_desemprego_to-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/main.tex b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/main.tex deleted file mode 100644 index 2fefc43..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/main.tex +++ /dev/null @@ -1,9 +0,0 @@ -\input{../preamble} - -\title{Empregos} -\author{} -\date{\today} - -\begin{document} -\input{rascunho} -\end{document} diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/rascunho.tex b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/rascunho.tex deleted file mode 100644 index 1d511f6..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/rascunho.tex +++ /dev/null @@ -1,183 +0,0 @@ -\chapter{Mercado de Trabalho} - -\par Os empregos são indicadores para a atividade econômica de um país. Por isso, o governo federal realiza inúmeras pesquisas sobre os empregos formais e informais. O Cadastro Geral de Empregados e Desempregados (\acrshort{caged}) reúne inúmeras informações sobre os empregos formais, entre admissões, desligamentos, salários, funções, cargos, etc. Também usa-se os dados da Pesquisa Nacional por Amostra de Domicílios \acrshort{pnadc} para calcular a taxa de desemprego, ocupação, renda média dos trabalhadores. Também usa-se os dados da Pesquisa Nacional por Amostra de Domicílios \acrshort{pnadc} para calcular a taxa de desemprego, ocupação, renda média dos trabalhadores. - -\begin{smbox}[label={labelbox},nameref={Empregos}]{Origem dos dados} - O \abbr{caged} tem um inicio da série em 1992 para o Brasil. Para os estados tem de inicio por volta de 1996, sempre feito pelo Ministério do Trabalho. Porém, um problema nacional é a nossa mudança de metodologias que ocorrem em decorrer desse período. O \acrshort{caged} e divulgado todos os meses, por voltado dos dias 02 até o dia 10 do mês vigente. -\end{smbox} - -\par Analisando os dados do saldo de emprego até o segundo trimestre. É de se visualizar o impacto da COVID-19 nos meses que o isolamento social teve uma maior latência. - -\begin{figure}[!h] - \begin{subfigure}{\linewidth} - \caption{Saldo de empregos ao longo de 2020} - \subcap{Em mil.} - \label{fig:empregos} - \includegraphics{fig/saldo-1.pdf} - \source{Ministério do Trabalho} - \end{subfigure} - \begin{subfigure}{\linewidth} - \caption{Saldo de empregos por setores} - \label{fig:setores} - \subcap{Em mil. No primeiro semestre de 2020.} - \includegraphics{fig/saldo_setor_to-1.pdf} - \source{Ministério do Trabalho} - \end{subfigure} -\end{figure} - -\par Entendendo a situação tocantinense, observa-se que o impacto dos empregos no Tocantins foram consideráveis, gerando uma perda total de -4.127. Um impacto considerável, porém, a partir de um afrouxamento do isolamento social ocorre uma recuperação destes empregos nos meses seguintes. - -\par Já no caso da Região Norte, compreendemos um movimento bem similar ao do Tocantins, apresentado na Figura \ref{fig:empregos}. Existe uma semelhança bem especifica no período de impacto que os empregos sofreram, muito similar ao caso tocantinense. Possíveis efeitos do isolamento social para a contenção da atual pandemia. - -\par Um ponto importante para entender o contexto dessas admissões e demissões é compreender os setores que mais contratam e consequentemente também demitem, na Figura \ref{fig:setores}. Por isso, é usado a \acrshort{cnae} (Classificação Nacional de Atividades Econômicas), pois realizam cortes nos setores econômicos. - -\par No primeiro semestre do ano vigente, as admissões e contratações ocorreram de forma desigual nos setores econômicos, alguns lidaram de forma melhor com os efeitos do Covid-19 e outros não conseguiram recuperar os postos de trabalhos perdidos. Demonstrando a importância do setor na economia tocantinense, apresentando um saldo negativo de -1.984 vagas no período semestral, o comércio foi o setor mais impactado pela crise econômica. Conforme, relatado nas primeiras sessões, a economia tocantinense tem um perfil voltado para os serviços, comércio e a agricultura, uma visualização destas variações é apresentado na Figura \ref{fig:setores}. Se o comércio e os serviços apresentaram resultados negativos, outros setores conseguiram se destacar no meio da pandemia. Agricultura, construção civil e a indústria obtiveram resultados positivos, sendo o segundo com um saldo de 996 contratações. - - -\par Com o saldo apresentado na Figura \ref{fig:setores}, é necessário entender a formação dos admitidos e demitidos, como a faixa etária e o gênero. A Tabela \ref{tab:idadesEgeneros} apresenta esses dados e as suas variações. No primeiro semestre do ano, indivíduos com faixa etária entre 14 a 34 anos, tiveram mais postos de trabalhos disponíveis, com um valor bruto de 12.933 contratações. Com uma predominância masculina nestas vagas, com um valor total de 11.043. E por fim, os admitidos tinham uma formação maior no ensino médio completo com um total de 20.158 vagas. - -\par Já nos desligamentos, a faixa etária que sofre mais com as demissões são trabalhadores da faixa etária de 14 até 34 anos, similar aos admitidos. O valor total das demissões nessa faixa etária é de 11.375, número inferior ao de admitidos, gerando um saldo positivo de 1.558 vagas. Já no componente do gênero, os homens apresentaram as maiores demissões, com 11.043 e um saldo positivo de 174 postos de trabalho. As mulheres, entretanto conseguiram manter seus empregos e tiveram um saldo maior, com 507 vagas. Já no quesito formação acadêmica, é bem similar aos admitidos, na qual pessoas com ensino médio completo foram os maiores contratados, neste caso, as demissões foram superiores, ocorreu uma perda de postos de trabalhos de 21.228 vagas e um saldo negativo de -1.070 para quem tem ensino médio completo. - - -\begin{table}[!h] - - \caption{\label{tab:idadesEgeneros}Perfil dos Admitidos e Demitidos no CAGED} - \subcap{Dados acumulados do primeiro semestre de 2020.} - \begin{tabu} to \linewidth {>{\raggedright}X>{\raggedleft}X>{\raggedleft}X>{\raggedleft}X} - \toprule - & Admitidos & Demitidos & Saldo\\ - \midrule - \addlinespace[0.3em] - \multicolumn{4}{l}{Idade}\\ - \hspace{1em}14-34 & 12.933 & 11.375 & 1.558\\ - \hspace{1em}35-65 & 5.270 & 5.677 & -407\\ - \hspace{1em}65+ & 21 & 59 & -38\\ - \addlinespace[0.3em] - \multicolumn{4}{l}{Sexo}\\ - \hspace{1em}Homem & 11.043 & 10.869 & 174\\ - \hspace{1em}Mulher & 6.243 & 5.736 & 507\\ - \addlinespace[0.3em] - \multicolumn{4}{l}{Escolaridade} \\ - \hspace{1em}A & 108 & 109 & -1\\ - \hspace{1em}F.C & 1.727 & 1.816 & -89\\ - \hspace{1em}M.I.C & 1.997 & 2.321 & -324\\ - \hspace{1em}M.C & 20.158 & 21.228 & -1.070\\ - \hspace{1em}S.C & 2.332 & 2.106 & 226\\ - \hspace{1em}P.G & 168 & 130 & 38\\ - \bottomrule - \end{tabu} - \source{Ministério do Trabalho} - \notes{A: Analfabetos, F.C: Fundamental completo, M.I.C: Médio incompleto, M.C: Médio completo, S.C: Superior completo, P.G: Pós-graduação} -\end{table} - - -\par As mulheres conseguiram manter os seus empregos, mesmo havendo menos contrações do que os homens, um ponto interessante desse primeiro semestre é de como as mulheres conseguiram manter os seus empregos formais do que os homens. Outro ponto observado é a variação de empregos pela escolaridade, na Tabela \ref{tab:idadesEgeneros} foi apresentado as maiores variações, entretanto, os dados por escolaridade tem outras separações além do que foi apresentado na tabela, são esses, até o quinto ano incompleta, o quinto ano completo, do sexto ao nono ano, superior incompleto, mestrado e doutorado. Essas classificações tiveram uma menor variação comparado ao que foi apresentado na Tabela \ref{tab:idadesEgeneros}. - - -\begin{smbox}[label={labelbox},nameref={Desigualdade por gênero}]{Desigualdade por gênero no mercado de trabalho} - Já é um tópico bem usual que o mercado de trabalho formal é um quanto desigual para as mulheres, existe uma vasta literatura sobre desigualdades salarias, vagas de empregos, oportunidades, etc. Alguns estudos buscam interpretar o efeito que uma equidade no mercado de trabalho possa gerar na economia como tudo, estudos que provocam essa afirmativa tendem a afirmar que o mercado de trabalho brasileiro é desigual em oportunidades e por consequência na renda. Na literatura ainda é possível fazer cortes e analisar que essa desigualdade envolvem também localidades, etnia, grau de instrução e um outro fator que está em evidência é o capital humano herdado pelos pais e como isso gera oportunidades melhores aos filhos desses pais com instrução elevada. - \footnote{Abram, L. (2006). Desigualdades de gênero e raça no mercado de trabalho brasileiro.} - -\end{smbox} - - - -\par Outro ponto apresentado é o saldo de empregos por etnia, na Figura \ref{fig:sel2020} é observado o movimento de empregos por diferentes etnias, como também é visto situações em que os indivíduos não preferem declarar a sua etnia. Pessoas que se declararam pardas, tiveram maiores perdas de postos de trabalho, com um valor de 654 vagas, seguidas por brancos, pretos e não informados. Já o único saldo positivo é de indivíduos que preferiram não informar a sua etnia, e com um valor correspondente de 545 vagas de trabalho. Concluindo a apresentação dos dados oriundos do \acrshort{caged}, um adendo importante para se entender é que as profissões onde ocorrem as maiores contratações são auxiliares de escritório, operadores de caixa, faxineiros, vendedores de comércios varejistas, serventes de obras, motoristas de caminhão e assistentes administrativos. - - -\begin{figure}[!h] -\begin{subfigure}{\linewidth} - \caption{Saldo de empregos por etnia} - \subcap{Em mil. No primeiro semestre de 2020} - \label{fig:sel2020} - \includegraphics{fig/Saldo por etnia.pdf} - \source{Ministério do Trabalho} -\end{subfigure} -\end{figure} - - - - -\subsection{Ocupação} - -\par A taxa de desemprego é fornecida pela \acrshort{pnadc}. É divulgada pelo \acrshort{ibge} de forma trimestral e para todos os estados da federação, ela calcula a população ocupada pela desocupação, assim, estimulando a taxa de desemprego. No curso do boletim, será exposto a atual taxa de desemprego tocantinense. - -\begin{figure}[!h] - \begin{subfigure}{\linewidth} - \caption{Taxa de desemprego no Tocantins} - \subcap{Variaçao trimestral} - \includegraphics{fig/tx_desemprego_to-1.pdf} - \source{\acrshort{ibge}} - \notes{\trimestres} - \label{fig:desemprego} - \end{subfigure} - \begin{subfigure}{\linewidth} - \caption{População ocupada no Tocantins} - \subcap{Variaçao trimestral} - \includegraphics{fig/pop_ocupada-1.pdf} - \source{\acrshort{ibge}} - \notes{\trimestres} - \label{fig:ocupada} - \end{subfigure} - \begin{subfigure}{\linewidth} - \caption{Pedidos de seguro desemprego} - \subcap{Em mil} - \includegraphics{fig/pedido_segudo_desem-1.pdf} - \source{\acrshort{ibge}} - \notes{\trimestres} - \label{fig:seguro} - \end{subfigure} -\end{figure} - -\par A taxa de desemprego no Tocantins estava num movimento de queda a partir do primeiro trimestre de 2019, conforme a Figura \ref{fig:desemprego}, porém, a partir do quarto trimestre de 2019 até o primeiro trimestre de 2020 ocorre um movimento de elevação da taxa de desemprego. A taxa de desocupação teve uma elevação a partir do quarto trimestre de 2019, quando se encontrava em 9\%. A taxa sofre de um processo de elevação, chegando a 11,9 \% no primeiro trimestre desse ano e tem uma estimação de que irá terminar o atual semestre em 12,5\%. - - - -\par Outro termômetro claro para o setor de empregos são os pedidos seguro-desemprego, são apresentados na Figura \ref{fig:seguro}, uma politica macroeconômico para gerar uma segurança branda para o trabalhador recém demitido. Num contexto mais claro, significa que se ocorre uma elevação dos pedidos seguro desemprego, expressa que o mercado de trabalho não está em um bom funcionamento. O inverso é claro também, se a poucos pedidos é uma reação a um bom momento econômico. O que pode ser observado é o movimento similar da taxa de desemprego e os pedidos-seguro desemprego, quando os pedidos sofrem uma elevação considerável a partir do quarto trimestre de 2019. No primeiro semestre desse ano é notado o alto movimento de solicitações desse beneficio, o que condiz com a alta taxa de desemprego e o momento de crise econômica provocada pela COVID-19. - -\par Fazendo uma comparação com a taxa de desemprego, é apresentado a noção de que a taxa se eleva e gera um aumento nos pedidos de seguro desemprego, uma demonstração clara de como a taxa é crucial para a avaliação macroeconômica. É realizado uma regressão na Figura \ref{fig:regressao} para definir o quão importante é a taxa de desemprego em relação ao seguro desemprego, para o mercado de trabalho. - -\begin{smbox}[label={labelbox},nameref={Desigualdade por gênero}]{Metódos econométricos} - Usando uma técnica para provar a correlação da taxa de seguro desemprego e pedidos de seguro desemprego. Essa técnica é a regressão linear simples, quando existe apenas uma variável resposta e uma variável explicativa, por isso chama-se de regressão linear simples. A formula é determinada por $y = \alpha + \beta x$ e $\beta = \overline{y} - \overline{\alpha x}$. - \\ - Por fim, utilizando um processo econométrico vemos que a relação é forte, para se ter a ideia o \textbf{R} que é referente ao processo de correlação nos aponta um número de 0,70 (quanto mais próximo de 1 for, mais forte é a relação) e o \textbf{R}$^{2}$ é de 0,66. Ou seja, essa correlação é muito forte. -\end{smbox} - - - -\par Outro ponto crucial é a população economicamente ativa ocupada, é uma demonstração da população economicamente ativa que está trabalhando. - - - -\par A taxa de ocupação tocantinense, conforme a Figura \ref{fig:ocupada} é bem estável pelos dados, sempre na faixa de 60\%, o que demonstra uma certa estabilidade dessa população. Comparando a taxa do primeiro trimestre de 2019, foi de 59\% e no prímeiro trimestre de 2020 foi de 57,5\%. Uma queda percentual da população ocupada. - - - -\par O rendimento médio do Tocantins é derivado dos rendimentos dos trabalhadores, nele, é possível estimar a renda média produzida pelos agentes econômicos. É fruto do trabalho da população ocupada, sejam trabalhos principais ou habituais. - -\begin{figure}[!h] - \begin{subfigure}{\linewidth} - \caption{Rendimento médio real} - \subcap{Em mil R\$} - \includegraphics{fig/rend_medio-1.pdf} - \source{\acrshort{ibge}} - \notes{\trimestres} - \end{subfigure} - \begin{subfigure}{\linewidth} - \caption{Relação taxa de desemprego x pedidos seguro desemprego} - \subcap{No primeiro semestre de 2020.} - \includegraphics[width=\linewidth]{fig/reg_emprego-2.pdf} - \source{Ministério do Trabalho} - \label{fig:regressao} - \end{subfigure} -\end{figure} - - -\par A renda dos trabalhadores tocantinenses está na faixa dos R\$ 1.700,00 e R\$ 1.800,00 por alguns anos, no primeiro período de 2019, a renda foi de R\$ 1.807,00 e no primeiro trimestre de 2020, foi de R\$ 1.867. Ou seja, a partir do primeiro trimestre de 2019, houve um ganho de renda muito considerável. É claro que o rendimento médio comparado com outros estados brasileiros é bem baixa, iremos comparar com a renda da região norte e do Brasil em geral. - - -\par A região Norte tem uma renda média menor que a do estado do Tocantins, por exemplo, no primeiro trimestre de 2019, a renda nortenha foi de R\$ 1.637,12 e no primeiro trimestre de 2020 o resultado de R\$ 1.725,25. Houve um aumento de renda desses trabalhadores, mas, abaixo do Tocantins. - - - -\par No caso da renda média nacional, acontece um "gap" maior, a renda nacional no primeiro trimestre de 2019 foi de R\$ 2.159,51 e no primeiro trimestre de 2020, foi de R\$ 2.261,29. A região Norte e o estado do Tocantins estão com um nível de renda menor que o Brasil no geral, mas, a renda média nacional é puxada por regiões que o desenvolvimento é maior e por consequência, uma maior produtividade. Os eixos nacionais (Sul e Sudeste) tem os seus níveis de renda maiores. diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/rascunhoR.Rmd b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/rascunhoR.Rmd deleted file mode 100644 index fe3f3be..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/rascunhoR.Rmd +++ /dev/null @@ -1,200 +0,0 @@ ---- -output: latex_fragment ---- - -```{r setup, include=F, message=F, warning=F} -library(tidyverse) -library(knitr) -library(scales) -library(zoo) -library(ipeadatar) -library(petgg) -library(extrafont) -library(kableExtra) -petgg::set_theme(base_family = "EB Garamond") - -knitr::opts_chunk$set( - echo = FALSE, - eval = TRUE, - fig.path = "fig/", - message = FALSE, - warning = FALSE, - dev = "cairo_pdf", - dpi = 300 -) -m <- 1000 -M <- 1000000 -B <- 1000000000 -``` - -```{r saldo} -# Saldo de Empregos Norte e Tocantins - -tibble( - `Região Norte` = c(2764,10419,-6370,-30747,-11146,6093,16015,22483,20640, 20658), - Tocantins = c(199,1482,-86,-2850,-1251,1240,1810,2096,1790,1504), - mes = c("jan","fev", "mar", "abr", "mai", "jun", "jul", "ago", "set", "out") -) %>% - pivot_longer(!mes, names_to = "local", values_to = "saldo") %>% - ggplot(aes(factor(mes, levels = c("jan","fev", "mar", "abr", "mai", "jun", "jul", "ago", "set", "out")), saldo, fill = local)) + - geom_bar(stat = "identity", position = "dodge") + - scale_y_continuous(labels = function(n) n/m) -``` - -```{r saldo_setor_to} -# Saldo por Setores no Tocantins -tibble( - Saldo = c(277,109,961,-1950,-660), - Setores = c("Agricultura","Indústrias", "Construção", "Comércio", "Serviços") -) %>% - ggplot(aes(Setores, Saldo)) + - geom_bar(stat = "identity") + - scale_y_continuous(labels = function(n) n/m) -``` - -```{r tx_desemprego_to} -# Taxa de desemprego trimestral -ipeadatar::ipeadata("PNADC_TXDES_UF") %>% - filter(tcode == 17) %>% - ggplot(aes(date, value)) + - geom_rect( - xmin = as.Date("2019-01-01"), - xmax = as.Date("2019-04-01"), - ymin = -Inf, - ymax = Inf, - ) + - geom_rect( - xmin = as.Date("2019-10-01"), - xmax = as.Date("2020-01-01"), - ymin = -Inf, - ymax = Inf - ) + - geom_line() + - scale_x_date( - breaks = scales::breaks_width("9 month"), - labels = function(x) zoo::format.yearqtr(x, "%qT\n%Y") - ) + - scale_y_continuous(labels = scales::label_number(suffix = "%", accuracy = 1)) -``` - -```{r pedido_segudo_desem} -# Pedidos Seguro desemprego trimestral - -tibble( - value = c(9833, 9833, 8832, 8784, 9642, 9324, 9155, 8182, 8785, 10642), - trimestre = seq(as.Date("2018-01-01"), as.Date("2020-06-01"), by = "quarter") -) %>% - ggplot(aes(trimestre, value)) + - geom_line() + - scale_y_continuous(labels = function(x) x/m) + - scale_x_date( - breaks = scales::breaks_width("90 day"), - labels = function(x) zoo::format.yearqtr(x, "%qT\n%Y") - ) -``` - -```{r pop_ocupada} -# População Ocupada - Tocantins Trimestral -# Força de Trabalho - Taxa de Participação -ipeadatar::ipeadata("PNADC_TXPARTFT_UF") %>% - filter(tcode == 17) %>% - ggplot(aes(date, value)) + - geom_rect( - xmin = as.Date("2019-01-01"), - xmax = as.Date("2019-04-01"), - ymin = -Inf, - ymax = Inf - ) + - geom_rect( - xmin = as.Date("2019-10-01"), - xmax = as.Date("2020-01-01"), - ymin = -Inf, - ymax = Inf - ) + - geom_line() + - scale_x_date( - breaks = scales::breaks_width("9 month"), - labels = function(x) zoo::format.yearqtr(x, "%qT\n%Y") - ) + - scale_y_continuous(labels = scales::label_number(suffix = "%", accuracy = 1)) -``` - -```{r rend_medio} -# Rendimento médio real - trab. principal - habitual - mensal -# Trimestral -ipeadatar::ipeadata("PNADC_RENDREALPRINCHAB_UF", language = "br") %>% - filter(tcode %in% c(0,1,17)) %>% - select(date, value, uname) %>% - mutate(uname = case_when( - uname == "Brasil" ~ "Brasil", - uname == "Regiões" ~ "Região Norte", - uname == "Estados" ~ "Tocantins" - )) %>% - ggplot(aes(date, value, colour = uname)) + - geom_rect( - xmin = as.Date("2019-01-01"), - xmax = as.Date("2019-04-01"), - ymin = -Inf, - ymax = Inf, - colour = NA - ) + - geom_rect( - xmin = as.Date("2019-10-01"), - xmax = as.Date("2020-01-01"), - ymin = -Inf, - ymax = Inf, - colour = NA - ) + - geom_line() + - scale_x_date( - breaks = scales::breaks_width("9 month"), - labels = function(x) zoo::format.yearqtr(x, "%qT\n%Y") - ) + - scale_y_continuous(labels = function(x) x/m) -``` -```{r reg_emprego} -Dados <- data.frame(taxaDesemprego = c(11,11.3,9.8,10.4,12.3,11.4,10.5,9.1,11.2,12.5), - Pedidos_SeguroDesemprego = c(9833,9833,8832,8784,9642,9324,9155,8182,8785,10642)) - - - - - #Modelo/Gráfico - - modelo <- lm(data = Dados, formula = Pedidos_SeguroDesemprego~taxaDesemprego) - modelo$coefficients - summary(modelo) - - - ggplot(Dados, aes(x = taxaDesemprego, y = Pedidos_SeguroDesemprego)) + geom_point() + geom_smooth(method = lm, se = FALSE) + - labs(x= "Taxa de desemprego", y= "Seguro Desemprego") + theme_petgg(axis_title = T, base_family = "EB Garamond") - -``` - -```{r} -# Tabelas - -caged_idade <- tibble( - carac = c("14-34", "35-65", "65+"), - Admitidos = c(12933, 5270, 21), - Demitidos = c(11375, 5677, 59), - Saldo = Admitidos - Demitidos -) -caged_sexo <- tibble( - carac = c("Homem", "Mulher"), - Admitidos = c(11043, 6243), - Demitidos = c(10869, 5736), - Saldo = Admitidos - Demitidos -) -bind_rows(caged_idade, caged_sexo) %>% - kable( - caption = "XXX", - align = "lrrr", - format.args = list(big.mark = ".", decimal.mark = ",", scientific = FALSE), - booktabs = T, - col.names = c("", "Admitidos", "Demitidos", "Saldo") - ) %>% - kable_styling(full_width = T) %>% - pack_rows("Idade", 1, 3) %>% - pack_rows("Sexo", 4, 5) -``` \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/rascunhoR.tex b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/rascunhoR.tex deleted file mode 100644 index ffd3bd9..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/rascunhoR.tex +++ /dev/null @@ -1,60 +0,0 @@ -\includegraphics{fig/saldo-1.pdf} - -\includegraphics{fig/saldo_setor_to-1.pdf} - -\includegraphics{fig/tx_desemprego_to-1.pdf} - -\includegraphics{fig/pedido_segudo_desem-1.pdf} - -\includegraphics{fig/pop_ocupada-1.pdf} - -\includegraphics{fig/rend_medio-1.pdf} - -\begin{verbatim} -## (Intercept) taxaDesemprego -## 3093.4990 566.9133 -\end{verbatim} - -\begin{verbatim} -## -## Call: -## lm(formula = Pedidos_SeguroDesemprego ~ taxaDesemprego, data = Dados) -## -## Residuals: -## Min 1Q Median 3Q Max -## -657.93 -225.58 19.25 295.72 503.45 -## -## Coefficients: -## Estimate Std. Error t value Pr(>|t|) -## (Intercept) 3093.5 1431.4 2.161 0.06268 . -## taxaDesemprego 566.9 130.2 4.355 0.00243 ** -## --- -## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 -## -## Residual standard error: 408.9 on 8 degrees of freedom -## Multiple R-squared: 0.7033, Adjusted R-squared: 0.6662 -## F-statistic: 18.96 on 1 and 8 DF, p-value: 0.00243 -\end{verbatim} - -\includegraphics{fig/reg_emprego-1.pdf} - -\begin{table} - -\caption{\label{tab:unnamed-chunk-1}XXX} -\centering -\begin{tabu} to \linewidth {>{\raggedright}X>{\raggedleft}X>{\raggedleft}X>{\raggedleft}X} -\toprule - & Admitidos & Demitidos & Saldo\\ -\midrule -\addlinespace[0.3em] -\multicolumn{4}{l}{\textbf{Idade}}\\ -\hspace{1em}14-34 & 12.933 & 11.375 & 1.558\\ -\hspace{1em}35-65 & 5.270 & 5.677 & -407\\ -\hspace{1em}65+ & 21 & 59 & -38\\ -\addlinespace[0.3em] -\multicolumn{4}{l}{\textbf{Sexo}}\\ -\hspace{1em}Homem & 11.043 & 10.869 & 174\\ -\hspace{1em}Mulher & 6.243 & 5.736 & 507\\ -\bottomrule -\end{tabu} -\end{table} diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/rascunhofigs.tex b/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/rascunhofigs.tex deleted file mode 100644 index 42ab840..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_emprego/rascunhofigs.tex +++ /dev/null @@ -1,38 +0,0 @@ -\begin{figure}[!h] -\begin{subfigure}{\linewidth} - \caption{Saldo de empregos ao longo de 2020} - \subcap{Em mil} - \includegraphics{fig/saldo-1.pdf} -\end{subfigure} -\begin{subfigure}{\linewidth} - \caption{Saldo de empregos por setor em zzz de 2020} - \subcap{Em mil} - \includegraphics{fig/saldo_setor_to-1.pdf} -\end{subfigure} -\end{figure} - -\begin{figure}[!h] -\begin{subfigure}{\linewidth} - \caption{Taxa de desemprego no Tocantins} - \subcap{Variaçao trimestral} - \includegraphics{fig/tx_desemprego_to-1.pdf} -\end{subfigure} -\begin{subfigure}{\linewidth} - \caption{População ocupada no Tocantins} - \subcap{Variaçao trimestral} - \includegraphics{fig/pop_ocupada-1.pdf} -\end{subfigure} -\begin{subfigure}{\linewidth} - \caption{Pedidos de seguro desemprego} - \subcap{Em mil} - \includegraphics{fig/pedido_segudo_desem-1.pdf} -\end{subfigure} -\end{figure} - -\begin{figure}[!h] - \begin{subfigure}{\linewidth} - \caption{Rendimento médio real} - \subcap{Em R\$} - \includegraphics{fig/rend_medio-1.pdf} - \end{subfigure} -\end{figure} diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pib_demanda.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pib_demanda.pdf deleted file mode 100644 index 2f84e31..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pib_demanda.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pib_expec-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pib_expec-1.pdf deleted file mode 100644 index fa01f34..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pib_expec-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pib_oferta.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pib_oferta.pdf deleted file mode 100644 index 9abe5f1..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pib_oferta.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pib_total.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pib_total.pdf deleted file mode 100644 index 07ca023..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pib_total.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pmc_ibge-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pmc_ibge-1.pdf deleted file mode 100644 index 6cba829..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pmc_ibge-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pmc_volume.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pmc_volume.pdf deleted file mode 100644 index 558ce56..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pmc_volume.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pms_ibge-1.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pms_ibge-1.pdf deleted file mode 100644 index 4793f66..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/fig/pms_ibge-1.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/main.tex b/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/main.tex deleted file mode 100644 index 4d41ea8..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/main.tex +++ /dev/null @@ -1,9 +0,0 @@ -\input{../preamble} - -\title{Introdução} -\author{} -\date{\today} - -\begin{document} -\input{rascunho} -\end{document} diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/rascunho.tex b/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/rascunho.tex deleted file mode 100644 index 61041e7..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/rascunho.tex +++ /dev/null @@ -1,65 +0,0 @@ -\chapter{Panorama Econômico} -\par A eclosão da pandemia do coronavírus tem se mostrado o maior choque enfrentado pela economia brasileira em anos recentes, tanto pelo lado da demanda com a contração do consumo das famílias e dos investimentos, quanto pelo lado da oferta, com a interrupção de diversas atividades produtivas e falência de empresas. A fragilidade fiscal do Estado brasileiro e as altas taxas de desemprego observadas desde a recessão de 2015/2016 ajudam a compor um cenário bastante desafiador para a economia nacional, em especial para o estado do Tocantins. -%\par Nesse sentido, espera-se também um grande choque na economia tocantinense. Os indicadores que serão apresentados ao longo das seções deste Boletim farão um retrato de como esse grande choque afetou e poderá afetar a economia do nosso estado. -\begin{figure}[!h] - \begin{subfigure}{\linewidth} - \caption{Expectativa de crescimento anual do PIB Nacional} - \subcap{Média por setor} - \label{fig:expectativa_pib} - \includegraphics{fig/pib_expec-1.pdf} - \source{\abbr{bcb}} - \end{subfigure} - \begin{subfigure}{\linewidth} - \caption{Variação trimestral do PIB pelo lado da demanda} - \subcap{Com ajuste sazonal} - \label{fig:pib_demanda} - \includegraphics{fig/pib_demanda.pdf} - \source{\abbr{ibge}} - \notes{\trimestres[1-3]} - \end{subfigure} - \begin{subfigure}{\linewidth} - \caption{Variação trimestral do PIB pelo lado da oferta} - \subcap{Com ajuste sazonal} - \label{fig:pib_oferta} - \includegraphics{fig/pib_oferta.pdf} - \source{\abbr{ibge}} - \notes{\trimestres[1-3]} - \end{subfigure} -\end{figure} -\par As expectativas de crescimento para a economia brasileira situavam-se em torno de 2,3\% ainda no início do ano como mostra a Figura \ref{fig:expectativa_pib}. As taxas esperadas para a indústria e o setor de serviços seguiam próximas ao valor esperado para o \abbr{pib}. Já para o setor agropecuário, a expectativa de crescimento era um pouco mais otimista, com uma variação esperada por volta de 3\%. Durante praticamento todo primeiro trimestre, as expectativas mantiveram-se estáveis até o início da pandemia em meados de março, apresentando tendência de redução a partir da propagação da covid-19. Em abril, as projeções de crescimento esperavam uma queda do \abbr{pib} para o ano de 2020, tornando-se cada vez mais pessimistas nos meses subsequentes. O período de maior pessimismo foi no meio do ano, onde se esperava uma contração maior que 6\%. -%\par Já no primeiro trimestre a economia brasileira encolheu 1.5\% de acordo com dados oficiais do IBGE. Pelo lado da demanda, como é mostrado na \ref{fig:pib_demanda}, a maior contração foi no consumo das famílias e nas exportações, com quedas de -2\% e -1,9\%, respectivamente. Investimento foi o único que apresentou um crescimento de 2,4\%. Cabe destacar que a pandemia só inicia no fim do trimestre, o que pode indicar que já havia uma perca de dinamismo da atividade econômica antes mesmo da chegada do vírus, dado a magnitude da contração observada. -\par No primeiro trimestre de 2020, o \abbr{pib} brasileiro encolheu 1,5\% de acordo com dados oficiais do \abbr{ibge}. Cabe destacar que a pandemia teve início apenas no fim desse período, o que pode indicar que já havia uma perda de dinamismo da atividade econômica antes mesmo da chegada do vírus, dada a magnitude da contração observada. O segundo trimestre foi o de maior contração, com uma queda de 9,6\%, muito em função dos maiores esforços de isolamento social feitos nesse período. No terceiro trimestre, houve um crescimento de 7,7\%, que apesar de alto, não foi suficiente para repor as perdas do início do ano. -\begin{smbox}[label={labelbox},nameref={Cálculo do PIB e as suas óticas}]{Cálculo do PIB e as suas óticas} - O \abbr{pib} é a soma do valor de todos os bens e serviços finais produzidos por um país durante um ano. É possível calcula-lo por três óticas diferentes, pela oferta, somando tudo aquilo que é produzido por todos os setores, pela da demanda, somando o consumo das famílias, consumo do governo, investimentos e exportações liquidas (exportações menos importações) e também pela ótica da renda, somando toda renda da população. O resultado das três óticas é sempre o mesmo. -\end{smbox} -\par No lado da demanda, é possível notar que todos os componentes registraram queda em algum dos períodos analisados, conforme disposto na Figura \ref{fig:pib_demanda}. Como já foi abordado, o segundo semestre foi o que apresentou os piores resultados, com apenas as exportações registrando uma alta de 1,6\%. No movimento de retomada do terceiro trimestre, é possível observar que grande parte do aumento de 7,7\% é explicado pela retomada do consumo das famílias e dos investimentos, tendo em vista o tamanho desses componentes no \abbr{pib}. -\par Pelo lado da oferta, a Figura \ref{fig:pib_oferta} mostra que o único setor com resultados mais estáveis foi o agropecuário, setor menos afetado pelos esforços de isolamento, o que em parte explica o bom desempenho das exportações pelo lado da demanda. No setor de serviços, que representa mais de 70\% do \abbr{pib}, as quedas de 1.5\% e 9,4\% nos dois primeiros trimestres pesaram bastante. As quedas de 0,9\% e 13\% da indústria demonstram a fragilidade desse setor dentro da economia brasileira. -%\par No quarto trimestre as expectativas do PIB total apresentou um leve crescimento, as últimas projeções de 2020 apontam contração de -4,36\%. Já a mediana das expectativas do PIB da industria mostrou uma leve recuperação nos útimos três meses, finalizando o ano com -3,9\%. Serviçõs também exibiu uma tímida recuperação, finalizando com -4,8\%. O setor agropecuário, menos afetado, ao longo de todo o ano teve expectativa de crescimento acima de 1,5\%, teve reduções ao longo de 2020, mas finalizou o ano com projeção de crescimento de 2,32\%. -\par Um ponto a ser colocado é que os dados oficias do \abbr{pib} de 2020 para estados ainda não foram divulgados pelo \abbr{ibge}, impossibilitando uma análise mais profunda sobre o desempenho da economia tocantinense no mesmo período. Alternativamente, a análise dos dados da Pesquisa Mensal do Comércio (\abbr{pmc}) pode fornecer uma noção de como a economia do estado performou ao longo do ano. A Figura \ref{fig:pmc} apresenta os dados de variação mensal do volume de vendas do comércio para o Brasil e para o Tocantins. - -\begin{smbox}[label={labelbox},nameref={Pesquisa Mensal do Comércio(PMC)}]{Pesquisa Mensal do Comércio (PMC)} -A \abbr{pmc} produz indicadores que permitem acompanhar o comportamento conjuntural do comércio varejista no país, investigando a receita bruta de revenda nas empresas formalmente constituídas, com 20 ou mais pessoas ocupadas, e cuja atividade principal é o comércio varejista. -\end{smbox} - -\par O período de março a abril apresentou maiores contrações no volume de serviços tanto para o Tocantins quanto para os dois estados apresentados, conforme a Figura \ref{fig:pms}. Amazonas e Pará tiveram quedas superiores ao da economia tocantinense. Enquanto o Tocantins teve uma queda de 3\%, esses dois estados tiveram queda superior a 3,5\%. Ao final do primeiro semestre, o volume de serviços no tocantinense não conseguiu recuperar suas baixas, como ocorreu com o volume de vendas no comércio varejista. A queda dos serviços continuou declinante até atingir -6,5\% em meses seguintes. Os estados do Amazonas e Pará conseguiram estabilizar essa queda, apresentando valores de -1,5\% a -2,0\%. O primeiro semestre foi o mais adverso para os índices de desempenho do setor de serviços, não sinalizando tendência de recuperação, números preocupantes para o estado do Tocantins. - -\par O comércio varejista também sofreu baixas nesse mesmo período. Os estados do Pará e Amazonas apresentaram quedas para o setor similares ao volume de serviços. Na Figura \ref{fig:pmc}, os estados do Amazonas e Pará apresentaram quedas mais bruscas do que as registradas para o Tocantins. No Amazonas, a queda foi de -4,8\% no primeiro trimestre, enquanto o Pará apresentou queda de -4,2\%. O Tocantins teve uma queda de -0,8\%. Isso demonstra que aqueles dois estados foram os mais atingidos pelo efeito da atual pandemia. Diferentemente do volume de serviços, ocorreu uma recuperação nas vendas do comércio varejista, muito provavelmente, em função dos pacotes econômicos adotados pelo Governo Federal. Os estados do Amazonas e Pará apresentaram valores positivos no índice, chegando aos resultados de 4,7\% e 5,9\%. Isso demonstra uma recuperação ocorrida ao final do primeiro semestre. Por fim, o Tocantins apresentou um valor menor do que os estados da região, com 2,7\%. Diferentemente dos dois estados outrora citados, o volume de vendas para o Tocantins não chegou a apresentar resultados tão baixos ao ponto de conseguir manter bons números de vendas no comércio varejista. -%\par A atividade comercial no estado do Tocantins é de grande importância para a construção do PIB estadual. Até a atual formulação deste boletim, são apresentados dois índices que compõe a PMC, são eles: Serviços e Vendas no comércio varejista. -%\par Na Figura \ref{fig:pmc}, o setor de serviços sofrem com maiores variações. Analisando os dados a partir de março de 2019 até setembro do nosso ano de exercício, é apresentado uma recuperação desse setor até Março do ano atual. Uma justificativa para as variações negativas do setor de serviços até o atual momento, são as medidas de isolamento social para a contenção do Covid-19, assim, se encerra um período de variações positivas no setor que teve inicio em março de 2019. -%\par O comércio varejista tem uma relação evidente com o setor de serviços, entretanto, não sofreu com altas variações como o setor de serviços. Em março de 2019, o setor vinha de uma queda semelhante ao de serviços, mas, a partir desse momento obteve variações positivas até março do atual ano. A queda na variação do comércio varejista foi amenizada, mesmo no contexto da Covid-19 pelos estímulos que a economia recebeu para lidar com a atual pandemia, o que pode se justificar essa queda mais suavizada do que o setor de serviços. -\begin{figure}[!h] - \begin{subfigure}{\linewidth} - \caption{Variação mensal do volume de vendas no comércio varejista} - \label{fig:pmc} - \subcap{Variação acumulada no ano (base: igual período do ano anterior)} - \includegraphics{fig/pmc_ibge-1.pdf} - \source{\abbr{ibge}} - \end{subfigure} - \begin{subfigure}{\linewidth} - \caption{Variação mensal do volume de serviços} - \label{fig:pms} - \subcap{Variação acumulada no ano (base: igual período do ano anterior)} - \includegraphics{fig/pms_ibge-1.pdf} - \source{\abbr{ibge}} - \end{subfigure} -\end{figure} \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/rascunhoR.Rmd b/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/rascunhoR.Rmd deleted file mode 100644 index a35a63f..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/rascunhoR.Rmd +++ /dev/null @@ -1,148 +0,0 @@ ---- -output: latex_fragment ---- - -```{r setup, include=F, message=F, warning=F} -library(tidyverse) -library(lubridate) -library(scales) -library(knitr) -library(scales) -library(sidrar) -library(petgg) -library(extrafont) -library(kableExtra) -library(janitor) - -petgg::set_theme(base_family = "EB Garamond") - -knitr::opts_chunk$set( - echo = FALSE, - eval = TRUE, - fig.path = "fig/", - message = FALSE, - warning = FALSE, - dev = "cairo_pdf", - dpi = 300 -) -m <- 1000 -M <- 1000000 -B <- 1000000000 -``` - -```{r pmc_ibge} -# Pesquisa Mensal de Comércio, https://sidra.ibge.gov.br/pesquisa/pmc/tabelas -## Tabela 3416 - Índices de volume e de receita nominal de vendas no comércio varejista, por tipos de índice (2014 = 100) - -pmc_br <- get_sidra( - x = 3416, - geo = "Brazil", - period = "201901-202008", - header = T - ) %>% - as_tibble() %>% - clean_names() %>% - select(mes_codigo, variavel, tipos_de_indice, valor) %>% - mutate(geo = "Brasil") - -pmc_uf <- get_sidra( - x = 3416, - geo = "State", - geo.filter = list("State" = c(13, 15, 17)), - period = "201901-202008", - header = T - ) %>% - as_tibble() %>% - clean_names() %>% - mutate(geo = unidade_da_federacao) %>% - select(mes_codigo, variavel, tipos_de_indice, valor, geo) - -vol_vendas <- bind_rows(pmc_br, pmc_uf) %>% - filter( - variavel == "Índice de volume de vendas no comércio varejista", - tipos_de_indice == "Variação acumulada no ano (base: igual período do ano anterior)" - ) %>% - mutate( - date = paste0(mes_codigo, "01") %>% ymd(), - var = "Vendas no comércio varejista", - ) %>% - select(date, var, geo, valor) - -vol_vendas %>% - ggplot(aes(date, valor, colour = geo)) + - geom_line() + - scale_x_date( - breaks = scales::breaks_width("2 month"), - labels = scales::date_format("%b\n%Y") - ) + - scale_y_continuous(labels = scales::label_number(suffix = "%", accuracy = 1)) -``` - -```{r pms_ibge} -# Pesquisa Mensal de Serviçoes, https://sidra.ibge.gov.br/pesquisa/pms/tabelas -## Tabela 6442 -pms_br <- get_sidra( - x = 6442, - geo = "Brazil", - period = "201901-202008", - header = T - ) %>% - as_tibble() %>% - clean_names() %>% - select(mes_codigo, variavel, tipos_de_indice, valor) %>% - mutate(geo = "Brasil") - -pms_uf <- get_sidra( - x = 6442, - geo = "State", - geo.filter = list("State" = c(13, 15, 17)), - period = "201901-202008", - header = T - ) %>% - as_tibble() %>% - clean_names() %>% - mutate(geo = unidade_da_federacao) %>% - select(mes_codigo, variavel, tipos_de_indice, valor, geo) - -vol_services <- bind_rows(pms_br, pms_uf) %>% - filter( - variavel == "Índice de volume de serviços", - tipos_de_indice == "Variação acumulada no ano (base: igual período do ano anterior)" - ) %>% - mutate( - date = paste0(mes_codigo, "01") %>% ymd(), - var = "Serviços" - ) %>% - select(date, var, geo, valor) - -vol_services %>% - ggplot(aes(date, valor, colour = geo)) + - geom_line() + - scale_x_date( - breaks = scales::breaks_width("2 month"), - labels = scales::date_format("%b\n%Y") - ) + - scale_y_continuous(labels = scales::label_number(suffix = "%", accuracy = 1)) -``` - -```{r pib_expec} -# Expectativa de crescimento anual do PIB Nacional -expec_anual <- rbcb::get_annual_market_expectations( - indic = c("PIB Agropecuária", "PIB Industrial", "PIB Serviços", "PIB Total") -) - -expec_anual %>% - filter( - reference_year == 2020, - date >= "2020-01-01" & date <= "2020-12-31" - ) %>% - ggplot(aes(date, mean, colour = indic)) + - geom_line() + - scale_x_date( - breaks = scales::breaks_width("21 days"), - labels = scales::date_format("%e\n%b"), - expand = c(0, 5) - #limits = as.Date(c("2020-01-01", "2020-12-31")) - ) + - scale_y_continuous(labels = scales::label_number(suffix = "%", accuracy = 1)) -``` \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/rascunhoR.tex b/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/rascunhoR.tex deleted file mode 100644 index 83f029e..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_introducao/rascunhoR.tex +++ /dev/null @@ -1,5 +0,0 @@ -\includegraphics{fig/pmc_ibge-1.pdf} - -\includegraphics{fig/pms_ibge-1.pdf} - -\includegraphics{fig/pib_expec-1.pdf} diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_social/fig/gini.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_social/fig/gini.pdf deleted file mode 100644 index 7d79178..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_social/fig/gini.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_social/fig/taxa_expobreza.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_social/fig/taxa_expobreza.pdf deleted file mode 100644 index 3bee8c5..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_social/fig/taxa_expobreza.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_social/fig/taxa_pobreza.pdf b/cap_social/boletim-1.0.0/tex/conteudo/cap_social/fig/taxa_pobreza.pdf deleted file mode 100644 index 8d66e05..0000000 Binary files a/cap_social/boletim-1.0.0/tex/conteudo/cap_social/fig/taxa_pobreza.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_social/main.tex b/cap_social/boletim-1.0.0/tex/conteudo/cap_social/main.tex deleted file mode 100644 index ab04e53..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_social/main.tex +++ /dev/null @@ -1,9 +0,0 @@ -\input{../preamble} - -\title{Indicadores Sociais} -\author{} -\date{\today} - -\begin{document} -\input{rascunho} -\end{document} diff --git a/cap_social/boletim-1.0.0/tex/conteudo/cap_social/rascunho.tex b/cap_social/boletim-1.0.0/tex/conteudo/cap_social/rascunho.tex deleted file mode 100644 index b43ec91..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/cap_social/rascunho.tex +++ /dev/null @@ -1,41 +0,0 @@ -\chapter{Indicadores Sociais} -\par Para identificar os níveis de pobreza de uma população, é primordial a classificação de aspectos para um padrão de vida digno e satisfatório, como dieta balanceada, vestimentas adequadas, acesso a serviços de saúde e educação, ambiente sadio, etc. -\begin{figure}[!h] - \begin{subfigure}{\linewidth} - \caption{Taxa de pobreza} - \subcap{Linha de US\$5,50 PPC} - \label{fig:pob} - \includegraphics{fig/taxa_pobreza.pdf} - \source{\abbr{ibge}} - \end{subfigure} - \begin{subfigure}{\linewidth} - \caption{Taxa de extrema pobreza} - \label{fig:expob} - \subcap{Linha de US\$1,90 PPC} - \includegraphics{fig/taxa_pobreza.pdf} - \source{\abbr{ibge}} - \end{subfigure} - \begin{subfigure}{\linewidth} - \caption{Índice de Gini} - \label{fig:gini} - \subcap{Coeficiente de desigualdade} - \includegraphics{fig/gini.pdf} - \source{\abbr{ibge}} - \end{subfigure} -\end{figure} -%\par No Brasil, a Constituição Federal do Brasil de 1988, garante no Art. 6º que todos têm direitos sociais, estabelecendo dimensões para o bem-estar da população, como a educação, a saúde, a alimentação, o trabalho, a moradia, o transporte, o lazer, a segurança, a previdência social, a proteção à maternidade e à infância e a assistência aos desamparados. -% \par Nesse sentido, cabe a pergunta: Como andam os indicadores sociais tocantinenses levando em conta os últimos anos foram marcados por um baixo crescimento econômico e pioras no mercado de trabalho? É possível ver na Figura \ref{fig:pob} a evolução da taxa de pobreza do estado entre 2012 e 2019, comparando com o desempenho da região Norte e com o Brasil. -\par A Figura \ref{fig:pob} apresenta a evolução da taxa pobreza para região Norte, Tocantins e Brasil. Apesar do contexto, a taxa de pobreza do Tocantins apresentou uma queda de 38,67\% para 32,69\%, o que em números absolutos representou uma saída de cerca de 45 mil pessoas dessa condição. Uma queda expressiva, ainda mais se comparada o valor para a região Norte, que permaneceu praticamente estável durante o período, levando a um aumento da diferença em relação ao Tocantins. Já se comparada à taxa brasileira, a taxa tocantinense ainda é maior, porém houve uma diminuição dessa diferença, uma vez que a taxa nacional não apresentou grandes quedas nos anos analisados. Cabe porém um destaque com relação aos dados relacionados ao ano de 2019. Neste ano, mesmo com uma queda da taxa brasileira de 25,28\% para 24,71\%, no estado do Tocantins houve um aumento da taxa saindo de 31,54\% para 32,69\%. - -\par Por outro lado, olhando com uma linha de pobreza menor, a dos extremamente pobres, os resultados não seguiram a mesma tendência, indicando um maior impacto do cenário apresentado para essa faixa. Os resultados são apresentados na Figura \ref{fig:expob}. - -\par A taxa de extrema pobreza apresentou alta entre 2012 e 2019 no estado, saindo de 5,59\% para 7,98\%. Em termos absolutos de pessoas vivendo nessa condição, tem-se a mínima em 2014 onde a partir daí ocorre uma alta de 64,35\%, um detalhe que em muitas vezes pode passar desapercebido olhando somente para a taxa que neste período saiu de 5,14\% para 7,98\%. O mesmo comportamento pode ser observado no indicador para o Brasil e com mais intensidade ainda para região Norte. - -\par Sobre desigualdade de renda, é possível perceber que houve uma leve alta do índice de Gini no estado ao longo dos anos apresentados, saindo de 0,509 para 0,530, como pode ser visto na Figura \ref{fig:gini}. Essa alta vem seguindo a tendência dos outros indicadores apresentados até então. Padrão semelhante ao observado para o Brasil e região Norte. -%\begin{smbox}[label={labelbox},nameref={tx_pobre_gini}]{Taxa de pobreza e índice de Gini} -% É um índice que demonstra o grau de concentração de renda de um determinado grupo. Seus resultados variam entre 0 e 1. Quanto mais próximo de 0, mais igual é aquele grupo, e quanto mais próximo de 1, mas desigual é aquele grupo. -% Uma das formas mais comuns de se mensurar pobreza é através de uma linha de pobreza absoluta, que define como pobres aqueles que vivem com uma renda inferior ao valor adotado pela linha. Neste sentido, o Banco Mundial sugere linhas que se adaptam melhor para as condições de vida de determinados países. Para um país de rendimento médio-alto, é sugerido uma linha de US\$5,50 \acrshort{ppc}. -%\end{smbox} -\par Os resultados apresentados nessa seção são produto, como já mencionado, do baixo crescimento econômico dos últimos anos e as suas consequências no mercado de trabalho, com aumento da taxa de desemprego, precarização dos trabalhos e aumento do trabalho informal. A crise fiscal enfrentada pela União e pelo estado do Tocantins de certa forma também contribui para esse quadro, uma vez que gastos com serviços básicos para a população são muitas vezes limitados nesse tipo de contexto, perpetuando o cenário apresentado. - - diff --git a/cap_social/boletim-1.0.0/tex/conteudo/capa.tex b/cap_social/boletim-1.0.0/tex/conteudo/capa.tex deleted file mode 100644 index 38f5e45..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/capa.tex +++ /dev/null @@ -1,26 +0,0 @@ -\newpagecolor{primarycolor} -\begin{titlepage} - \begin{flushleft} - \color{white} - \fontsize{50}{50} - \selectfont - Boletim de - \\ Conjuntura - \\ Econômica - \end{flushleft} - \begin{tikzpicture}[overlay, scale=1] - \node[anchor=center] at (8.5,-8){\includegraphics{logos/bg.pdf}}; - \end{tikzpicture} - \vspace{\fill} - \begin{flushleft} - \color{white} - {\Large Volume 9 \\[5pt] Número 1} - \\[1cm] - \fontsize{50}{50}\selectfont - 2020 - \hfill - \includegraphics[width=1.6cm]{logos/pet.png} - \includegraphics[width=1.8cm]{logos/uft.png} - \end{flushleft} - \end{titlepage} -\newpagecolor{white} \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/tex/conteudo/contracapa.tex b/cap_social/boletim-1.0.0/tex/conteudo/contracapa.tex deleted file mode 100644 index 911851f..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/contracapa.tex +++ /dev/null @@ -1,2 +0,0 @@ -% from https://tex.stackexchange.com/questions/34934/add-a-new-empty-page -\newpage\null\thispagestyle{empty}\newpage \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/tex/conteudo/ficha.tex b/cap_social/boletim-1.0.0/tex/conteudo/ficha.tex deleted file mode 100644 index c187f53..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/ficha.tex +++ /dev/null @@ -1,30 +0,0 @@ -\begin{tcolorbox}[colback=boxbackground, colframe=boxbackground, arc=0mm, top=15pt] -Boletim de Conjuntura Econômica do Tocantins é um trabalho realizado pelo Programa de Educação Tutorial (\abbr{pet}) do curso de Ciências Econômicas da Universidade Federal do Tocantins (\abbr{uft}). -\\ -\par{\bf Equipe:} -\begin{itemize} - \item{Coordenação:} Prof. Dr. Nilton Marques de Oliveira - \item{Consultor:} Prof. Dr. Marcleiton Ribeiro Morais - \item{Panorama Econômico:} Lucas Strieder Azevedo, Felipe Ferreira de Sousa, Pedro Victor de Sá Castro, Gabrielle Dias Miranda Santos, Laralisse Carvalho de Oliveira, Lara Resende Castro, Tiago Martins Cirqueira - \item{Contas Públicas Estadual:} Pedro Victor de Sá Castro, Aleksander Bovo Silva, Tiago Martins Cirqueira - \item{Indicadores Sociais:} Lucas Strieder Azevedo, Maria Claudia Lemos Oliveira, Daniela Moreira Lopes, Filipe Bastos Romão - \item{Mercado de Trabalho:} Felipe Ferreira de Sousa, Amanda Vargas Lira, Gabrielle Dias Miranda Santos, Lara Resende Castro - \item{Comércio Exterior:} Jean Lucas Machado, Laralisse Carvalho de Oliveira, Heder Soares Azevedo Cordeiro Junior - \item{Agronegócio:} Felipe Ferreira de Sousa, Jean Lucas Machado, Micauane Oliveira Sousa, Emanuel Pedro Santiago -\end{itemize} -\par{\bf Dados e Elaboração:} - Este boletim é de acesso livre, seu arquivo em pdf bem como todos os demais arquivos usados na sua elaboração estão disponíveis em um repositório público no endereço \href{https://github.com/peteconomia/boletim}{https://github.com/peteconomia/boletim}. -\\ -\par{\bf Informações de Contato:} -\begin{itemize} - \item{Telefone:} (63) 3229--4915 - \item{Email:} \href{mailto:peteconomia@uft.edu.br}{peteconomia@uft.edu.br} - \item{Local:} Universidade Federal do Tocantins (UFT), Palmas, Bloco II, Sala 29. 109 Norte Av. NS-15, ALCNO-14. Plano Diretor Norte. CEP: 77001--090. Av. Juscelino Kubitscheck -\end{itemize} -\par{\bf Direitos de Reprodução:} -É permitida a reprodução do conteúdo desse documento, desde que mencionada a fonte: Boletim de Conjuntura Econômica do Tocantins, Palmas v. 9 nº 1 Fev. 2021 p. 1--21. -\end{tcolorbox} -\vspace{\fill} -\begin{center} - \includegraphics[width=3.5cm]{logos/corecon.png} -\end{center} \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/tex/conteudo/fim.tex b/cap_social/boletim-1.0.0/tex/conteudo/fim.tex deleted file mode 100644 index 60a7df4..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/fim.tex +++ /dev/null @@ -1,15 +0,0 @@ -\clearpage -\newpagecolor{primarycolor} -\color{white} -\onecolumn -\pagestyle{empty} % Hide page number -\vspace*{\fill} -\centering -\normalsize{PET -- Ciências Econômicas} -\begin{figure}[H] - \centering - \includegraphics[width=1.6cm]{logos/pet.png} - \hspace{5pt} - \includegraphics[width=1.8cm]{logos/uft.png} -\end{figure} -\normalsize{Universidade Federal do Tocantins} \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/tex/conteudo/preamble.tex b/cap_social/boletim-1.0.0/tex/conteudo/preamble.tex deleted file mode 100644 index 1f809dc..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/preamble.tex +++ /dev/null @@ -1,219 +0,0 @@ -\documentclass[twocolumn, a4paper, 10pt]{report} -\usepackage[top=2cm, bottom=2cm, left=2cm, right=2cm]{geometry} % Margens -\usepackage[lining]{ebgaramond} % Fonte Garamond -\usepackage[T1]{fontenc} -\usepackage[utf8]{inputenc} % latex >= 2018 not require inputenc package -\usepackage[portuguese]{babel} -\usepackage{xcolor} -\usepackage{graphicx} -\usepackage{caption} -\usepackage{subcaption} -\usepackage{tikz} -\usepackage{multicol} -\usepackage{float} -%\usepackage{fontspec} % fontspec not work with pdflatex engine -\usepackage{fancyhdr} -\usepackage{titletoc} -\usepackage[explicit]{titlesec} -\usepackage{setspace} % Altura da linha -\usepackage{tcolorbox} % Para Box -\usepackage{pagecolor} % altera cor da página usada na capa -\usepackage{hyperref} -\usepackage{datetime} % Para compilar no PC do Lucas -\usepackage{kvsetkeys} % Para compilar no PC do Lucas -\usepackage{lipsum} % generate paragraph -\usepackage{xstring} -\usepackage[acronym,toc]{glossaries} -\makenoidxglossaries -\IfFileExists{conteudo/siglas.tex}{\input{conteudo/siglas.tex}}{\input{../siglas.tex}} - -% Required by KableExtra R package -%\usepackage{xcolor} -\usepackage{booktabs} -\usepackage{longtable} -\usepackage{array} -\usepackage{multirow} -\usepackage{wrapfig} -%\usepackage{float} -\usepackage{colortbl} -\usepackage{pdflscape} -\usepackage{tabu} -\usepackage{threeparttable} -\usepackage{threeparttablex} -\usepackage[normalem]{ulem} -\usepackage{makecell} - -% Caminhos para cada capítulo -\graphicspath{ - {conteudo/cap_introducao/} - {conteudo/cap_contaspublicas/} - {conteudo/cap_social/} - {conteudo/cap_emprego/} - {conteudo/cap_balancacomercial/} - {conteudo/cap_agricultura/} -} - -% Cores -\definecolor{primarycolor}{RGB}{0, 96, 157} -\definecolor{secondarycolor}{RGB}{34, 192, 221} -\definecolor{boxbackground}{RGB}{225, 233, 246} -\definecolor{primarytext}{RGB}{0, 0, 0} -\definecolor{secondarytext}{RGB}{180, 180, 180} - -% Text Layout -\setlength\parindent{10pt} % Tamanho da indentação do paragrafo -\parskip = 1pt -\setlength{\columnsep}{15pt} % Espaço entre as colunas -\setstretch{1} % Altura da linha -\setcounter{tocdepth}{0} % Table of contents depth, imprime apenas chapter e section - -% Figures Caption Config -\captionsetup{ - format=plain, - justification=raggedright, - singlelinecheck=false, - font={normalsize,color=primarycolor}, - labelfont={color=primarycolor}, - labelsep=space, - skip=0pt -} -\renewcommand{\thesubfigure}{.\arabic{subfigure}} -\DeclareCaptionLabelFormat{opening}{Figura~\thechapter.\arabic{figure}.\arabic{subfigure}} -\captionsetup[subfigure]{ - labelformat=opening, - font={normalsize,color=primarycolor}, - labelsep=space, - skip=2pt -} -\setkeys{Gin}{width=\linewidth} % \includegraphics por padrão terá comprimento igual a \linewidth -% Links Config -\hypersetup{ - colorlinks=true, - linkbordercolor=white, - linkcolor=primarytext, - urlcolor=primarytext, - urlbordercolor=white, %links externos - citecolor=primarytext, - pdftitle={Boletim de Conjuntura Econômica do Tocantins 2020, v. 9 nº 1}, - pdfauthor={PET - Ciências Econômicas, Universidade Federal do Tocantins}, - pdfsubject={volume 9, número 1, v1.0.0}, - pdfcreator={LaTeX}, - pdfproducer={PET - Ciências Econômicas}, - pdfkeywords={Tocantins, Economia, boletim}, - bookmarks=true -} - -% Numeração da Pagina -% Clear the header and footer -\fancyhf{} % clear all -\fancyhead{} -\fancyfoot{} -\fancypagestyle{plain}{ - \renewcommand{\headrulewidth}{0pt} - \renewcommand{\footrulewidth}{0pt} - \fancyfoot[RE,RO]{\footnotesize\textcolor{secondarytext}{\leftmark}\quad\thepage} -} -\pagestyle{plain} - -% Table Of Contents Style -\titlecontents{chapter}[70pt] - {\LARGE\color{primarycolor}\bigskip} - {\thecontentslabel.~} - {} - {\enspace---\enspace\contentspage} - -\titlecontents{section}[100pt] - {\large\color{primarycolor}\bigskip} - {} - {} - {\enspace---\contentspage} - -\titlecontents{subsection}[130pt] - {\normalsize\color{primarycolor}\bigskip} - {} - {} - {\enspace---\contentspage} - - -% Style Chapter, section and subsection -\titleformat{\chapter}[display] - {\filright} - {\scriptsize\color{secondarytext}\MakeUppercase\chaptertitlename~\thechapter} - {5pt} % margem superior - {\fontsize{50pt}{50pt}\selectfont\color{primarycolor}#1}\titlespacing*{\chapter} - {0pt}{0pt}{20pt} %controls vertical margins on title - -\titleformat{\section} - {\large\filright\color{primarycolor}} - {} - {0pt} - {#1} - -\titleformat{\subsection} - {\large\filright\color{primarycolor}} - {} - {0pt} - {#1} -% New Commands - -% Box Config -\newtcolorbox[auto counter,number within=chapter]{smbox}[2][]{ - %float=p, - colback=boxbackground, - colframe=boxbackground, - arc=0mm, - valign=center, - top=10pt, - left=10pt, - right=10pt, - bottom=10pt, - toptitle=20pt, - bottomtitle=0pt, - width=\linewidth, - fonttitle=\color{primarycolor}, - title=Quadro~\thetcbcounter~#2,#1 -} -\newenvironment{bbox}[1] - {\begin{table*}\begin{smbox}{#1}\begin{multicols}{2}} - {\end{multicols}\end{smbox}\end{table*}} - -\newcommand{\source}[1]{\scriptsize{Fonte: #1}\\} - -\newcommand{\notes}[1]{{\scriptsize{Nota:#1}}} - -\newcommand{\subcap}[1]{ - {\scriptsize \color{primarycolor}#1\newline\newline} -} - -\newcommand{\abbr}[1]{\acrshort{#1}} - -\newcommand{\trimestres}[1][1-4]{ - \IfEqCase{#1}{% - {1-4}{1T: 1º trimestre, 2T: 2º trimestre, 3T: 3º trimestre, 4T: 4º trimestre}% - {1-3}{1T: 1º trimestre, 2T: 2º trimestre, 3T: 3º trimestre}% - {1-2}{1T: 1º trimestre, 2T: 2º trimestre} - {2-3}{2T: 2º trimestre, 3T: 3º trimestre} - {2-4}{2T: 2º trimestre, 3T: 3º trimestre, 4T: 4º trimestre} - {3-4}{3T: 3º trimestre, 4T: 4º trimestre} - {1}{1T: 1º trimestre} - {2}{2T: 2º trimestre} - {3}{3T: 3º trimestre} - {4}{4T: 4º trimestre} - }[] -} -\newcommand{\bimestres}[1][1-4]{ - \IfEqCase{#1}{% - {1-4}{1B: 1º bimestre, 2B: 2º bimestre, 3B: 3º bimestre, 4B: 4º bimestre}% - {1-3}{1B: 1º bimestre, 2B: 2º bimestre, 3B: 3º bimestre}% - {1-2}{1B: 1º bimestre, 2B: 2º bimestre} - {2-3}{2B: 2º bimestre, 3B: 3º bimestre} - {2-4}{2B: 2º bimestre, 4B: 3º bimestre, 4B: 4º bimestre} - {3-4}{3B: 3º bimestre, 4B: 4º bimestre} - {1}{1B: 1º bimestre} - {2}{2B: 2º bimestre} - {3}{3B: 3º bimestre} - {4}{4B: 4º bimestre} - {5}{5B: 5º bimestre} - {6}{6B: 6º bimestre} - }[] -} \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/tex/conteudo/print_siglas.tex b/cap_social/boletim-1.0.0/tex/conteudo/print_siglas.tex deleted file mode 100644 index 7a82c9c..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/print_siglas.tex +++ /dev/null @@ -1,2 +0,0 @@ -\printnoidxglossary[toctitle=Siglas, title=Siglas, type=\acronymtype, nonumberlist] -\thispagestyle{empty} diff --git a/cap_social/boletim-1.0.0/tex/conteudo/siglas.tex b/cap_social/boletim-1.0.0/tex/conteudo/siglas.tex deleted file mode 100644 index 792079b..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/siglas.tex +++ /dev/null @@ -1,25 +0,0 @@ -% Utilize o comando \acrshort{} ou \abbr{} para usar a sigla. Exemplo \acrshort{pib} ou \abbr{pib} -\newacronym{pib}{PIB}{Produto Interno Bruto} -\newacronym{ibge}{IBGE}{Instituto Brasileiro de Geografia e Estatistica} -\newacronym{bcb}{BCB}{Banco Central do Brasil} -\newacronym{capag}{CAPAG}{Capacidade de Pagamento} -\newacronym{pmc}{PMC}{Pesquisa Mensal do Comércio} -\newacronym{ppc}{PPC}{Paridade do poder de compra} -\newacronym{caged}{CAGED}{Cadastro Geral de Empregados e Desempregados} -\newacronym{cnae}{CNAE}{Classificação Nacional de Atividades Econômicas} -\newacronym{pnadc}{PNAD-C}{Pesquisa Nacional por Amostra de Domicílios Contínua} -\newacronym{mdic}{MDIC}{Ministério da Indústria, Comércio Exterior e Serviços} -\newacronym{fob}{FOB}{Free on Board} -\newacronym{comex}{COMEX STAT}{Estatísticas do Comércio Exterior Brasileiro} -\newacronym{sidra}{SIDRA}{Sistema IBGE de Recuperação Automática} -\newacronym{ipea}{IPEA}{Instituto de Pesquisa Econômica Aplicada} -\newacronym{fieto}{FIETO}{Federação das Indústrias do Estado do Tocantins} -\newacronym{icms}{ICMS}{Imposto sobre Circulação de Mercadorias e Serviços} -\newacronym{rcl}{RCL}{Receita Corrente Líquida} -\newacronym{rca}{RCA}{Receita Corrente Ajustada} -\newacronym{lrf}{LRF}{Lei de Responsabilidade Fiscal} -\newacronym{dcl}{DCL}{Dívida Consolidada Líquida} -\newacronym{siconfi}{SICONFI}{Sistema de Informações Contábeis e Fiscais do Setor Público Brasileiro} -\newacronym{coreconto}{CORECON-TO}{Conselho Regional de Economia do Tocantins} -\newacronym{uft}{UFT}{Universidade Federal do Tocantins} -\newacronym{pet}{PET}{Programa de Educação Tutorial} \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/tex/conteudo/toc.tex b/cap_social/boletim-1.0.0/tex/conteudo/toc.tex deleted file mode 100644 index 0b725a8..0000000 --- a/cap_social/boletim-1.0.0/tex/conteudo/toc.tex +++ /dev/null @@ -1,5 +0,0 @@ -\clearpage -{\hypersetup{linkcolor=primarycolor} - \tableofcontents\thispagestyle{empty} -} -\clearpage \ No newline at end of file diff --git a/cap_social/boletim-1.0.0/tex/logos/bg.pdf b/cap_social/boletim-1.0.0/tex/logos/bg.pdf deleted file mode 100644 index 8fce4b3..0000000 Binary files a/cap_social/boletim-1.0.0/tex/logos/bg.pdf and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/logos/corecon.png b/cap_social/boletim-1.0.0/tex/logos/corecon.png deleted file mode 100644 index 84811a6..0000000 Binary files a/cap_social/boletim-1.0.0/tex/logos/corecon.png and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/logos/pet.png b/cap_social/boletim-1.0.0/tex/logos/pet.png deleted file mode 100644 index b54a2a0..0000000 Binary files a/cap_social/boletim-1.0.0/tex/logos/pet.png and /dev/null differ diff --git a/cap_social/boletim-1.0.0/tex/logos/uft.png b/cap_social/boletim-1.0.0/tex/logos/uft.png deleted file mode 100644 index 5392d64..0000000 Binary files a/cap_social/boletim-1.0.0/tex/logos/uft.png and /dev/null differ diff --git a/cap_social/caged.xlsx b/cap_social/caged.xlsx new file mode 100644 index 0000000..8e5ce2a Binary files /dev/null and b/cap_social/caged.xlsx differ diff --git a/cap_social/main.Rmd b/cap_social/main.Rmd index e0e8c14..f651652 100755 --- a/cap_social/main.Rmd +++ b/cap_social/main.Rmd @@ -19,29 +19,30 @@ petknitr::setup() # Indicadores Sociais -Para identificar os níveis de pobreza de uma população, é primordial a classificação de aspectos para um padrão de vida digno e satisfatório, como dieta balanceada, vestimentas adequadas, acesso a serviços de saúde e educação, ambiente sadio, etc. -A Figura [fig:@pobreza] apresenta a evolução da taxa pobreza para região Norte, Tocantins e Brasil. Em uma análise dos anos de 2014 à 2020, observa-se que 2016 foi o ano em que a taxa de pobreza estava mais alta para as 3 regiões apresentadas. Apesar do contexto, a taxa de pobreza do Tocantins apresentou uma queda de 33,2% em 2014 para 30,2% em 2020, o que em números absolutos representou uma saída de cerca de 45 mil pessoas dessa condição. O valor para a região Norte também apresenta queda significativa: de 2014 a 2019 vinha apresentando crescimento dessa taxa, e de 2019 para 2020 reduziu de 43,1% para 36,8%. Já se comparada à taxa brasileira, a taxa tocantinense ainda é maior, porém houve uma diminuição dessa diferença, uma vez que a taxa nacional não apresentou grandes quedas nos anos analisados. +No cenário socioeconômico atual, os indicadores sociais desempenham um papel essencial na avaliação do bem-estar da população. Neste contexto, dados que abrangem a incidência de pobreza e extrema pobreza, juntamente com o Índice de Gini, fornecem insights cruciais sobre a distribuição de renda e a desigualdade social. Esses tópicos serão analisados nessa sessão. +A Figura [fig:@pobreza] apresenta a evolução da taxa pobreza para as regiões Norte, Tocantins e Brasil, a uma linha de U$5,50 PPC. Em uma análise dos anos de 2014 à 2021, observa-se que houve aumento significativo da taxa até 2016 para as três regiões analisadas, apresentando alguns comportamentos de queda a partir de 2017, mas voltando a crescer em 2021. O ano 2020 apresentou as menores taxas de pobreza quando comparado a partir de 2014, para as três regiões analisadas. Em contrapartida, em 2021 essas taxas voltam a crescer de forma significativa, e o Brasil apresenta a maior taxa de pobreza desde 2014 (29,4%). Já no Norte do país como um todo e no estado do Tocantins, em 2021 apresentaram as segundas maiores taxas do período, atrás apenas de 2016. -Por outro lado, olhando com uma linha de pobreza menor, a dos extremamente pobres, os resultados não seguiram a mesma tendência, indicando um maior impacto do cenário apresentado para essa faixa. Apesar da taxa de pobreza seguir um padrão nesses anos analisados, sempre com as taxas do Norte maiores que as do Tocantins e as do Tocantins maiores que a do Brasil, não é isso que se observa na taxa de extrema pobreza. Aqui, o Tocantins apresenta em média taxas menores que a do Brasil, com o Norte ainda se sobressaindo das outras duas regiões. Os resultados são apresentados na Figura [fig:@extrema_pobreza]. +Por outro lado, olhando para uma linha de U$1,90 PPC relativa a extrema pobreza, os resultados não seguem a mesma tendência, indicando um impacto ainda maior no cenário. Seguindo a taxa de pobreza, a extrema pobreza também aumentou consideravelmente em 2021 nas três regiões analisadas. Os índices de pobreza no Brasil, de acordo com o Ipea, vinham em uma tendência de alta até 2020, ano em que os valores transferidos pelo Auxílio Emergencial conseguiram anular o choque da covid-19 e até reduziram as taxas de pobreza. Porém, o estudo afirma que a redução das transferências em 2021 foi muito maior do que quaisquer melhoras no mercado de trabalho, e a pobreza voltou a subir, dando seu maior salto anual desde 1990. +[fig:@extrema_pobreza]. -Nota-se que a taxa de extrema pobreza apresenta alta entre 2014 e 2019 na região Norte e no país, mas de 2019 para 2020 ocorre uma queda significativa nessa taxa. No norte do Brasil, a extrema pobreza passa de 11,9% para 8,47%, enquanto no Brasil essa taxa sai de 6,81% para 5,70%. Já o Tocantins teve um comportamento um pouco mais instável que as outras duas regiões analisadas: crescimento da taxa de 2014 a 2016, uma queda em 2017, e então um aumento significativo de 2017 para 2019, saindo de 5,39% para 8,34%. Ao fim, o Tocantins também apresenta uma queda em 2020, de 8,34% para 5,84%. +O índice de GINI é uma medida de desigualdade em uma distribuição, geralmente utilizada para medir a desigualdade de renda em uma sociedade. Varia de 0 a 1, onde 0 representa total igualdade (todos têm a mesma renda) e 1 representa total desigualdade (uma única pessoa tem toda a renda). -Sobre desigualdade de renda, é possível perceber que houve uma alta e baixas do índice de Gini nas três regiões ao longo de 2014 a 2017. Porém, em 2018 houve um aumento significativo, principalmente no Tocantins, saindo de 0,495 para 0,529, como pode ser visto na Figura [fig:@gini]. Essa alta vem seguindo a tendência dos outros indicadores apresentados até então, e nesse ano apresenta a maior taxa para as três regiões observadas. Assim como segue o padrão dos outros gráficos, uma queda considerável ocorreu do ano de 2019 para 2020, apresentando as menores taxas para as três regiões observadas. Porém, devido a pandemia do COVID-19, o índice de GINI cresceu de forma expressiva de 2020 para 2021, apresentando um crescimento do grau de concentração de renda das famílias. +Em relação à desigualdade de renda, o índice de Gini nas três regiões variou de 2014 a 2017. No entanto, em 2018, houve um aumento significativo, especialmente no Tocantins, indo de 0,495 para 0,529, conforme a [fig:@gini].Os gráficos mostram uma queda considerável de 2019 para 2020, atingindo as menores taxas nas três regiões. No entanto, devido à pandemia do COVID-19, o índice de GINI cresceu consideravelmente de 2020 para 2021, indicando maior concentração de renda nas famílias. Segundo a carta de conjuntura do IPEA, o índice de Gini continuou a diminuir até o primeiro trimestre de 2022, após o pico de desigualdade causado pela pandemia. Isso pode ser atribuído ao aumento do Auxílio Brasil, especialmente em um ano eleitoral, com a proporção de domicílios beneficiários subindo de 8,6% em 2021 para 16,9% um ano depois. ```{r} # linha US$5,50 PPC por dia tx_pobreza <- tibble( - ano = seq(ymd("2014-01-01"), ymd("2020-01-01"), by = "1 year"), - Norte = c(0.3950,0.4280,0.4530,0.4370,0.4260,0.4310,0.3680), - Tocantins = c(0.3320,0.3500,0.3520,0.3350,0.3290,0.3420,0.3020), - Brasil = c(0.2380,0.2470,0.2680,0.2710,0.2640,0.2590,0.2410) + ano = seq(ymd("2014-01-01"), ymd("2021-01-01"), by = "1 year"), + Norte = c(0.3950,0.4280,0.4530,0.4370,0.4260,0.4310,0.3680,0.449), + Tocantins = c(0.3320,0.3500,0.3520,0.3350,0.3290,0.3420,0.3020,0.331), + Brasil = c(0.2380,0.2470,0.2680,0.2710,0.2640,0.2590,0.2410,0.294) ) tx_extrema_pobreza <- tibble( - ano = seq(ymd("2014-01-01"), ymd("2020-01-01"), by = "1 year"), - Brasil = c(0.0468,0.0580,0.0612,0.0671,0.0680,0.0681,0.0570), - Norte = c(0.0786,0.0940,0.1018,0.1049,0.1143,0.1190,0.0847), - Tocantins = c(0.0539,0.0579,0.0603,0.0539,0.0679,0.0834,0.0584), + ano = seq(ymd("2014-01-01"), ymd("2021-01-01"), by = "1 year"), + Brasil = c(0.0468,0.0580,0.0612,0.0671,0.0680,0.0681,0.0570,0.084), + Norte = c(0.0786,0.0940,0.1018,0.1049,0.1143,0.1190,0.0847,0.1248), + Tocantins = c(0.0539,0.0579,0.0603,0.0539,0.0679,0.0834,0.0584,0.0722), ) ``` @@ -68,10 +69,10 @@ tx_extrema_pobreza %>% ```{r, gini, fig.cap = "Índice de Gini", fig.subcap = "Coeciente de desigualdade", fig.source = "IBGE", wrap = "close"} tibble( - ano = seq(ymd("2014-01-01"), ymd("2021-01-01"), by = "1 year"), - Brasil = c(0.525,0.524,0.537,0.539,0.545,0.544,0.524,0.544), - Norte = c(0.517,0.524,0.523,0.529,0.551,0.537,0.495,0.528), - Tocantins = c(0.498,0.506,0.489,0.495,0.529,0.530,0.485,0.517) + ano = seq(ymd("2014-01-01"), ymd("2022-01-01"), by = "1 year"), + Brasil = c(0.525,0.524,0.537,0.539,0.545,0.544,0.524,0.544,0.518), + Norte = c(0.517,0.524,0.523,0.529,0.551,0.537,0.495,0.528,0.509), + Tocantins = c(0.498,0.506,0.489,0.495,0.529,0.530,0.485,0.517,0.507) ) %>% ggplot(aes(ano)) + geom_line(aes(y = Brasil, colour = "Brasil")) + diff --git a/docs/.DS_Store b/docs/.DS_Store deleted file mode 100644 index f953d3a..0000000 Binary files a/docs/.DS_Store and /dev/null differ diff --git a/index.Rmd b/index.Rmd index 627c9fc..0157d3b 100755 --- a/index.Rmd +++ b/index.Rmd @@ -1,25 +1,25 @@ --- title: Boletim de Conjuntura Econômica do Tocantins -volume: 10 +volume: 11 number: 1 -year: 2022 -month: dezembro +year: 2023 +month: Dezembro pages: 1--17 tag: v2.0.0 coordinator: Prof. Dr. Nilton Marques de Oliveira team: - theme: Panorama Econômico - students: Lucas Ruan Araújo de Olivera, Vicenzo Teixeira Mensato + students: Vicenzo Teixeira Mensato - theme: Contas Públicas Estadual - students: Pedro Afonso Castro Gomes, Klannarrara Wanderffanny Xavier + students: Pedro Afonso Castro Gomes, Klannarrara Wanderffanny Xavier, Tarcisio Iago Silva Nunes - theme: Indicadores Sociais - students: Giovana Francini Mazetto, Izadora Farias de Alencar, Klanarrara Wanderffany Xavier, Heder Soares Junior + students: Giovana Francini Mazetto - theme: Mercado de Trabalho - students: Izadora Farias de Alencar, Lara Resende Castro + students: João Gilberto Nolêto Perna da Silva, Laralisse Carvalho de Oliveira - theme: Comércio Exterior - students: Augusto Rother Durigon, Laralisse Carvalho de Oliveira, Pedro Afonso Castro Gomes + students: Laralisse Carvalho de Oliveira, Lorenzo Costa Miranda - theme: Agronegócio - students: Tiago Sousa Silva + students: Thallyta Ferreira tel: (63) 3229--4915 email: peteconomia@uft.edu.br fullversion: true diff --git a/template/.DS_Store b/template/.DS_Store deleted file mode 100644 index 1ba58e7..0000000 Binary files a/template/.DS_Store and /dev/null differ diff --git a/utils/_common.R b/utils/_common.R deleted file mode 100755 index e69de29..0000000