diff --git a/.DS_Store b/.DS_Store new file mode 100644 index 0000000..b301e3b Binary files /dev/null and b/.DS_Store differ diff --git a/.editorconfig b/.editorconfig old mode 100644 new mode 100755 diff --git a/.gitattributes b/.gitattributes old mode 100644 new mode 100755 diff --git a/.gitignore b/.gitignore old mode 100644 new mode 100755 index 807fcb0..3e5f427 --- a/.gitignore +++ b/.gitignore @@ -8,6 +8,8 @@ _utils/ */main.tex */main_files/ */_cache/ +*/*/figure-latex/ +*/*.pdf cache_bcb/ diff --git a/Makefile b/Makefile old mode 100644 new mode 100755 diff --git a/README.md b/README.md old mode 100644 new mode 100755 index de06944..dffc216 --- a/README.md +++ b/README.md @@ -6,9 +6,10 @@ O Boletim de Conjuntura Econômica do Tocantins é uma publicação semestral do | :bookmark: Versão | :calendar: Data de publicação | :floppy_disk: | | :---------------- | :---------------------------: | :---------------------------------------------------------------: | +| 2021, v. 10 nº 1 | 16/12/2022 | [Download](../../releases/download/v2.0.0/boletim.pdf) | | 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-log) +Versões anteriores a 2021 estão disponíveis em [histórico de lançamento](https://github.com/peteconomia/boletim-log) ## :books: Documentação @@ -16,4 +17,4 @@ 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 +Comentários, recomendações ou dúvidas podem ser submetidas abrindo uma [issue](../../issues) ou pelo email [peteconomia@uft.edu.br](mailto:peteconomia@uft.edu.br) diff --git a/_bookdown.yml b/_bookdown.yml old mode 100644 new mode 100755 index 23e2bd9..6cbddce --- a/_bookdown.yml +++ b/_bookdown.yml @@ -4,5 +4,4 @@ output_dir: "output" book_filename: "boletim" rmd_files: ["index.Rmd", "abstract.Rmd"] rmd_subdir: [ - "cap_example" -] \ No newline at end of file + "cap_introducao", "cap_social", "cap_agricultura", "cap_balancacomercial", "cap_contaspublicas", "cap_emprego"] \ No newline at end of file diff --git a/abstract.Rmd b/abstract.Rmd old mode 100644 new mode 100755 index c2d85fb..b72a271 --- a/abstract.Rmd +++ b/abstract.Rmd @@ -1,16 +1,26 @@ +--- +output: + pdf_document: default + html_document: default +--- # Apresentação {.unnumbered} :::: {.center data-latex=""} ::: {.minipage data-latex="{.7\linewidth}"} -Tempor dolor quis cupidatat eiusmod pariatur pariatur quis fugiat veniam excepteur. Anim culpa id veniam ex nostrud do aliqua. Laborum sit mollit eu dolore qui Lorem ex aliqua laboris nostrud laborum mollit aliqua qui. Enim consequat culpa amet sunt. Culpa consectetur ex elit est elit dolor culpa magna eu. Et ipsum aliquip nostrud commodo aliqua dolore mollit excepteur. Duis eiusmod in amet duis anim. -In eu culpa esse sunt eu Lorem. Laborum ea labore dolore adipisicing quis irure in ipsum laborum anim nulla. Id et sit fugiat proident. Aute deserunt enim deserunt ipsum et magna minim adipisicing magna mollit ipsum labore. Tempor cillum culpa ea ea consectetur sint sunt qui fugiat duis laborum voluptate sint. Nulla in sint nulla excepteur occaecat. Laboris proident labore ut sint enim tempor fugiat non non. +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. -Amet occaecat sint eiusmod quis anim cupidatat do sunt irure tempor aute veniam magna fugiat. Velit elit tempor Lorem commodo est est. Cupidatat enim commodo irure dolor sint nisi cupidatat pariatur sint. +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. -Irure duis pariatur esse eiusmod dolor duis laborum eu enim. Do aliqua labore id ut reprehenderit aute ut eu laboris aliquip aliqua adipisicing sit. Proident laboris excepteur tempor qui voluptate. +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. + +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. + +\ +Prof. Dr. Nilton Marques de Oliveira -- Tutor [abbr:@pet] Ciências Econômicas -Consequat laborum velit esse non anim quis nulla consequat eu. Consequat culpa ipsum officia adipisicing commodo consectetur officia velit elit. Reprehenderit qui adipisicing amet et occaecat eiusmod tempor aliquip dolor aliquip reprehenderit dolor nulla. Est nulla in exercitation laboris eiusmod Lorem mollit dolor ea cupidatat laboris Lorem. Proident voluptate aliqua esse id aute eu exercitation. Proident consequat non voluptate mollit reprehenderit elit amet ea aliqua. Ipsum Lorem enim irure amet eiusmod voluptate incididunt quis exercitation nostrud anim ut cupidatat ipsum. ::: :::: diff --git a/abstract.html b/abstract.html new file mode 100644 index 0000000..1dd5742 --- /dev/null +++ b/abstract.html @@ -0,0 +1,475 @@ + + + + + + + + + + + + + +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 new file mode 100644 index 0000000..66008dc Binary files /dev/null and b/abstract.pdf differ diff --git a/boletim.Rproj b/boletim.Rproj new file mode 100755 index 0000000..38c83a1 --- /dev/null +++ b/boletim.Rproj @@ -0,0 +1,17 @@ +Version: 1.0 + +RestoreWorkspace: Default +SaveWorkspace: Default +AlwaysSaveHistory: Default + +EnableCodeIndexing: Yes +UseSpacesForTab: Yes +NumSpacesForTab: 2 +Encoding: UTF-8 + +RnwWeave: Sweave +LaTeX: pdfLaTeX + +BuildType: Makefile + +SpellingDictionary: pt_BR diff --git a/build.R b/build.R old mode 100644 new mode 100755 index abe25b8..31bd6d0 --- a/build.R +++ b/build.R @@ -1 +1 @@ -bookdown::render_book("index.Rmd", output_format = "bookdown::pdf_book") +bookdown::render_book("index.Rmd", output_format = "bookdown::pdf_book") \ No newline at end of file diff --git a/cache_bcb/4109ea5db60b352a b/cache_bcb/4109ea5db60b352a new file mode 100755 index 0000000..bf3d7df Binary files /dev/null and b/cache_bcb/4109ea5db60b352a differ diff --git a/cap_agricultura/main.Rmd b/cap_agricultura/main.Rmd old mode 100644 new mode 100755 index 475bd77..cec15fe --- a/cap_agricultura/main.Rmd +++ b/cap_agricultura/main.Rmd @@ -6,33 +6,20 @@ output: pandoc_args: "--lua-filter=../filter/crossref.lua" --- -```{r setup, include=F, message=F, warning=F} +```{r include=F, message=F, warning=F} library(tidyverse) -library(knitr) library(scales) library(zoo) library(ipeadatar) library(petgg) -library(extrafont) library(kableExtra) library(sidrar) library(lubridate) library(petknitr) -library(rmarkdown) +petknitr::setup() +petgg::set_theme() -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 @@ -41,231 +28,167 @@ B <- 1000000000 triForm <- function(x) paste0(substr(x, 6, 6),"T\n",substr(x, 1, 4)) ``` -## Agricultura - -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] +# Agronegócio -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 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 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. +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 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. +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. -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. - -```{r producao, fig.cap= "Produção Tocantins", fig.subcap="12 meses", fig.source = "IBGE", wrap = "open"} +```{r producao, fig.cap= "Produção Tocantins", fig.subcap="Em milhões de toneladas. Estimativa anual", fig.source = "\\acrshort{ibge}", wrap = "open"} # 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 = "202012", - header = TRUE, - geo = "State", - geo.filter = list("State" = 17), - format = 4) +prod <- get_sidra( + x = 6588, + variable = 35, + period = "202112", + header = TRUE, + geo = "State", + geo.filter = list("State" = 17), + format = 4 +) prod %>% - filter( - `Mês (Código)` == "202012", - `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) - + filter( + `Mês (Código)` == "202112", + `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, fig.cap= "Rendimento médio", fig.subcap="Saldo Anual", fig.source = "IBGE"} -rend_medio <- get_sidra(x = 6588, - variable = 36, - period = "202012", - geo = "State", - geo.filter = list("State" = 17), - header = TRUE, - format = 4) +  + + +```{r rendim_medio, fig.cap= "Rendimento médio das lavouras", fig.subcap="Mil quilogramas por hectare. Estimativa anual", fig.source = "\\acrshort{sidra}"} +rend_medio <- get_sidra( + x = 6588, + variable = 36, + period = "202112", + 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) +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, fig.cap= "Área Plantada", fig.subcap="Saldo Anual", fig.source = "IBGE", wrap = "close"} +  + +```{r area_plantada, fig.cap= "Área plantada das lavouras", fig.subcap="Em mil hectares. Estimativa anual", fig.source = "\\acrshort{sidra}", wrap = "close"} # Área Plantada -area_plan <- get_sidra(x = 6588, - variable = 216, - period = "202012", - geo = "State", - geo.filter = list("State" = 17), - header = TRUE, - format = 4) +area_plan <- get_sidra( + x = 6588, + variable = 216, + period = "202112", + 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) + 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 +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. -# 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) -``` +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. + +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. -```{r abates, fig.cap= "Abate de animais", fig.subcap="Saldo Anual", fig.source = "CAGED", wrap = "open"} + +```{r abates, fig.cap= "Abate dos principais animais", fig.subcap = "Mil cabeças", fig.source = "\\acrshort{sidra}", wrap = TRUE} # Abate de frangos, bovinos, vacas por trimestre # Unidade em Cabeças abate_bovino <- get_sidra( - x = 1092, - period = c("202001", "202002", "202003", "202004"), - 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) - + x = 1092, + period = c("202101", "202102", "202103", "202104"), + 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("202001", "202002", "202003", "202004"), - 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) +abate_frango <- get_sidra( + x = 1094, + period = c("202101", "202102", "202103", "202104"), + 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("1T\n2020", "2T\n2020", "3T\n2020", "4T\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" -# ) -``` + 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("1T\n2021", "2T\n2021", "3T\n2021", "4T\n2021")), 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 new file mode 100644 index 0000000..bb1775b --- /dev/null +++ b/cap_agricultura/main.html @@ -0,0 +1,484 @@ + + + + + + + + + + + + + +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 new file mode 100644 index 0000000..c811101 Binary files /dev/null and b/cap_balancacomercial/.DS_Store differ diff --git a/cap_balancacomercial/bc.xlsx b/cap_balancacomercial/bc.xlsx old mode 100644 new mode 100755 diff --git a/cap_balancacomercial/bc_2020.xlsx b/cap_balancacomercial/bc_2020.xlsx deleted file mode 100644 index 7eda832..0000000 Binary files a/cap_balancacomercial/bc_2020.xlsx and /dev/null differ diff --git a/cap_balancacomercial/bc_2021.xlsx b/cap_balancacomercial/bc_2021.xlsx new file mode 100755 index 0000000..39b86af Binary files /dev/null and b/cap_balancacomercial/bc_2021.xlsx differ diff --git a/cap_balancacomercial/main.Rmd b/cap_balancacomercial/main.Rmd old mode 100644 new mode 100755 index c5d56a4..0ca9f3d --- a/cap_balancacomercial/main.Rmd +++ b/cap_balancacomercial/main.Rmd @@ -6,73 +6,70 @@ output: pandoc_args: "--lua-filter=../filter/crossref.lua" --- -```{r setup, include=F, message=F, warning=F} +```{r include=F, message=F, warning=F} library(tidyverse) library(scales) library(petgg) library(petknitr) library(kableExtra) +library(readxl) + petgg::set_theme(base_family = "EB Garamond") petknitr::setup() + m <- 1000000 b <- 1000000000 ``` + # Comércio Exterior -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 podemos chamá-lo de superávit comercial. Por outro lado, se as importações forem maiores que as exportações, haverá déficit 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. +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. + + +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. -No ano de 2020, o estado do Tocantins atingiu um valor de US$1,37 bilhão em exportações, valor correspondente à uma variação de 23,2% em relação ao ano de 2019, levando o estado a atingir o 17º lugar no país entre os maiores exportadores. ```{r produtos_expo, fig.cap = "Principais produtos exportados", fig.subcap = "Em milhões de US$", fig.source = "\\acrshort{comex}", wrap = TRUE} # Produtos exportados -readxl::read_excel("bc_2020.xlsx", sheet = "produtos_export") %>% +readxl::read_excel("cap_balancacomercial/bc_2021.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) + 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 foi de US$254 milhões, o que representa uma variação 51,5% em relação ao a 2019, deixando o Tocantins na 22º posição no ranking nacional de importações por estados. - -Historicamente o Tocantins apresenta sempre um saldo superavitário em sua balança comercial, onde o menor valor dos últimos 10 anos foi uma expressiva marca de de US\$ 104 milhões ainda em 2010. Em 2020, o saldo tocantinense atingiu seu maior recorde em todos os tempos, ao atingir um valor superavitário de US\$ 1,11 bilhão. - -Soja representa 64% do valor total de produtos exportados em 2020, a um valor US$872 milhões. De 2016 a 2018, a soja vinha apresentando constante aumento no valor e quantidade exportad, mas a série foi interrompida por uma queda de de 22,4% em 2019 em comparação a 2018. Em 2020 o valor voltou a subir, chegando a ser 12,9% maior do que no ano anterior. - -Carne bovina (fresca/congelada ou refrigerada) correspondeu a 24% do total exportado no ano de 2020, atingindo o valor de US$ 325 milhões, o que significa crescimento de 83,3% em relação a 2019, onde o valor foi US$ 177 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. +Já os valores de produtos importados pelo estado neste mesmo período foram de US$614 milhões, o que representa uma variação 44,8% em relação ao ano de 2020, colocando o Tocantins na 20 º posição no ranking nacional de importações por estados. -Milho foi responsável por 8,8% das exportações estaduais em 2020, gerando um valor de US$ 121 milhões. Esse valor significa um crescimento de 54% em relação ao valor total exportado no anterior, onde se recuperou da queda sofrida em 2018. O aumento das exportações do milho pelo segundo ano consecutivo devolve a confiança no produto como uma das principais fontes de dinheiro da balança comercial tocantinense. +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. -Demais produtos (indústria de transformação) obtiveram uma participação de 1,1% nos valores exportados no estado, ao valor de US$ 14,4 milhões, 27,8% 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$ 44 milhões. A única exceção ocorreu no ano de 2019 onde o valor foi 3,6% 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. +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. -Matérias brutas de animais teve uma participação de 1% no total da exportação estadual, a um valor de US$ 13,7 milhões, valor este 8% menor do que o arrecadado em 2019, ano onde houve o pico da exportação de matérias brutas de animais, atingindo US$ 14,9 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. +(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. -Óleos combustíveis de petróleo ou de minerais betuminosos (exceto óleos brutos) após dois anos de quedas consecutivas nas importações desses óleos, em 2020, o produto apre -sentou um elevado crescimento de 981,9% em relação ao ano de 2019. Esse aumento significa o total de US$ 105 milhões, o maior montante já gasto pelo estado em sua importação. - -Adubos ou fertilizantes químicos (exceto fertilizantes brutos) foi em 2020 responsável por 21% dos valores importados pelo Tocantins. Após os dois anos anteriores mostrarem queda no valor total importado, o produto voltou a obter aumento em suas vendas para o estado, obtendo o total de US$ 53,2 milhões em 2020. - -Produtos residuais de petróleo e materiais relacionados foi um dos produtos com maior crescimento nas importações em relação ao ano anterior Em 2020, o aumento de sua compra correspondeu cerca de US$ 25 milhões e sendo 1551,3% maior do que em 2019. +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$1,28 Bilhões. Em 2017 a 2019, a soja manteve seu aumento no valor e quantidade exportada, no ano de 2021 o valor apresentou um crescimento de 47% maior que o ano comparado a 2020. Superando assim as expectativas dos produtores. ```{r produtos_import, fig.cap = "Principais produtos importados", fig.subcap = "Em milhões de US$", fig.source = "\\acrshort{comex}", wrap = TRUE} # Produtos importados -readxl::read_excel("bc_2020.xlsx", sheet = "produtos_import") %>% +readxl::read_excel("cap_balancacomercial/bc_2021.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)) ``` -Os demais produtos da indústria de transformação apresentou, pelo terceiro ano seguido, queda no montante final de importações para o Tocantins, sendo em 2020, um decréscimo de 40% em comparação com 2019. O valor total gasto na compra desses produtos foi de US$ 12 milhões. +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. -As lentes e itens ópticos voltaram a apresentar aumento nas suas importações para o Tocantins após queda em 2019, onde quebrou uma série histórica de três anos consecutivos de crescimento. Em 2020, o valor total gasto em suas importações correspondeu a US$ 10,3 milhões, e houve uma queda de 46,4% em relação ao total importado em 2019. +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 c("export", "import", "saldo") %>% purrr::map( - ~readxl::read_excel("bc_2020.xlsx", sheet = .x) %>% + ~readxl::read_excel("cap_balancacomercial/bc_2021.xlsx", sheet = .x) %>% dplyr::mutate(conta = .x) ) %>% purrr::map_dfr(~tidyr::unnest(.)) %>% @@ -90,34 +87,45 @@ c("export", "import", "saldo") %>% scale_x_date(labels = date_format("%Y"), date_breaks = "1 year") ``` -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 extrema importância para que a expansão de suas divisas possa continuar trazendo benefícios para a economia tocantinense. +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. + +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%. -Na Tabela [tab:@import_export] podemos ver o quão influente a China é nas exportações dos produtos tocantinenses, sendo responsável por 57% do valor total exportado em 2020. 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, pois além da China, grande compradora dos grãos e carnes produzidos no estado, encontra-se também países como Espanha, representando 5,7% do total exportado, Hong Kong com 3,66%, Egito sendo 3,4% e Tailândia com 3,03%. -```{r} +```{r origem} dplyr::bind_cols( tribble( ~x, ~y, - "China", 57, - "Espanha", 5.7, - "Hong Kong", 3.7, - "Egito", 3.4, - "Tailândia", 3 + "China", 56, + "Espanha", 8.3, + "Países Baixos", 3.4, + "Tailândia", 3.4, + "Egito", 2.9 ), tribble( ~x, ~y, - "EUA", 48, - "China", 17, - "Rússia", 11, - "Argentina", 7.3, - "Uruguai", 2.7 + "EUA", 61, + "China", 12, + "Rússia", 12, + "Argentina", 4.5, + "Egito", 2.1 ) ) %>% kbl( booktabs = TRUE, col.names = c("", "Exportação", "", "Importação"), - caption = "Origem das Exmportações e Importações", - label = "import_export", + caption = "Origem das Exportações e Importações\\label{tab:import_export}", + # label = "import_export", centering = FALSE ) %>% footnote( diff --git a/cap_contaspublicas/.DS_Store b/cap_contaspublicas/.DS_Store new file mode 100644 index 0000000..7b3292c Binary files /dev/null and b/cap_contaspublicas/.DS_Store differ diff --git a/cap_contaspublicas/IPCA.rds b/cap_contaspublicas/IPCA.rds deleted file mode 100755 index 2502c16..0000000 Binary files a/cap_contaspublicas/IPCA.rds and /dev/null differ diff --git a/cap_contaspublicas/fig/desp_pessoal_rcl-1.pdf b/cap_contaspublicas/fig/desp_pessoal_rcl-1.pdf deleted file mode 100644 index 0dd5197..0000000 Binary files a/cap_contaspublicas/fig/desp_pessoal_rcl-1.pdf and /dev/null differ diff --git a/cap_contaspublicas/fig/divida_rcl-1.pdf b/cap_contaspublicas/fig/divida_rcl-1.pdf deleted file mode 100644 index 93c554a..0000000 Binary files a/cap_contaspublicas/fig/divida_rcl-1.pdf and /dev/null differ diff --git a/cap_contaspublicas/fig/var_despesa_categoria-1.pdf b/cap_contaspublicas/fig/var_despesa_categoria-1.pdf deleted file mode 100644 index 7187d78..0000000 Binary files a/cap_contaspublicas/fig/var_despesa_categoria-1.pdf and /dev/null differ diff --git a/cap_contaspublicas/fig/var_receita_despesa_primaria-1.pdf b/cap_contaspublicas/fig/var_receita_despesa_primaria-1.pdf deleted file mode 100644 index e50570c..0000000 Binary files a/cap_contaspublicas/fig/var_receita_despesa_primaria-1.pdf and /dev/null differ diff --git a/cap_contaspublicas/figs.tex b/cap_contaspublicas/figs.tex deleted file mode 100644 index e0d0be8..0000000 --- a/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_contaspublicas/ipca.R b/cap_contaspublicas/ipca.R deleted file mode 100644 index 81233d5..0000000 --- a/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_contaspublicas/main.Rmd b/cap_contaspublicas/main.Rmd new file mode 100755 index 0000000..7770c71 --- /dev/null +++ b/cap_contaspublicas/main.Rmd @@ -0,0 +1,86 @@ +--- +documentclass: report +output: + pdf_document: + keep_tex: true + template: ../template/boletim.tex + pandoc_args: "--lua-filter=../filter/crossref.lua" +--- + +```{r setup, include=FALSE} +library(tidyverse) +library(scales) +library(zoo) +library(kableExtra) +library(petgg) +library(petknitr) +library(siconfir) +library(sidrar) +library(ipeadatar) +library(lubridate) +library(formattable) + +m <- 1000 +M <- 1000000 +B <- 1000000000 + + +petgg::set_theme() +petknitr::setup() +#knitr::opts_knit$set(root.dir = here::here()) + + +``` + +# Contas Públicas Estadual + + + +O resultado primário das contas públicas do estado do Tocantins até o sexto bimestre de 2021, de acordo com a Figura [fig:@resultado_primario] foi de 630 milhões de reais, valor menor que o do mesmo período do ano anterior, 780 milhões. Veja o Quadro [box: @resultado_primario] para mais detalhes sobre o resultado primário. As receitas primárias cresceram 14% no sexto bimestre de 2021, como mostra a Figura [fig:@variacao_rcl]. As despesas primárias cresceram 10%. No sexto bimestre de 2020 as receitas tinham crescido 17% e as despesas 12,82%. Comparando o crescimento das despesas primárias no sexto bimestre de 2021, a taxa de crescimento foi menor que em 2020. O menor crescimento das despesas contribuiu para um superavit primário de pouco mais de R$ 630 milhões até o sexto bimestre de 2021. + + +::: {.smbox data-latex="[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. +::: + + +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]. + +```{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") +) %>% + ggplot(aes(mes, value)) + + geom_line() + + scale_y_continuous(labels = scales::percent) + + scale_x_date( + labels = date_format("%b\n%Y"), date_breaks = "2 month" + ) +``` + +```{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") +) %>% + 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)) + + geom_bar(stat = "identity", position = "dodge") + + scale_y_continuous(labels = scales::label_comma()) +``` + +```{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") +) %>% + 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()) +``` diff --git a/cap_contaspublicas/main.pdf b/cap_contaspublicas/main.pdf index ec30682..1521079 100644 Binary files a/cap_contaspublicas/main.pdf and b/cap_contaspublicas/main.pdf differ diff --git a/cap_contaspublicas/main.tex b/cap_contaspublicas/main.tex old mode 100644 new mode 100755 index 6818620..b3634f7 --- a/cap_contaspublicas/main.tex +++ b/cap_contaspublicas/main.tex @@ -1,9 +1,273 @@ -\input{../preamble} +\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} -\title{Contas} -\author{} -\date{\today} +% 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} -\input{rascunho} -\end{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 old mode 100644 new mode 100755 diff --git a/cap_contaspublicas/planilhas/Tabelas_Boletim_Financas_2020.xlsx b/cap_contaspublicas/planilhas/Tabelas_Boletim_Financas_2020.xlsx old mode 100644 new mode 100755 diff --git a/cap_contaspublicas/rascunho.Rmd b/cap_contaspublicas/rascunho.Rmd deleted file mode 100644 index 56471a1..0000000 --- a/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_contaspublicas/rascunho.tex b/cap_contaspublicas/rascunho.tex deleted file mode 100644 index 9392222..0000000 --- a/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_contaspublicas/rgf_2015_2020_2q_to.rds b/cap_contaspublicas/rgf_2015_2020_2q_to.rds old mode 100644 new mode 100755 diff --git a/cap_contaspublicas/rgf_2018_2020_to.rds b/cap_contaspublicas/rgf_2018_2020_to.rds new file mode 100755 index 0000000..bc691de Binary files /dev/null and b/cap_contaspublicas/rgf_2018_2020_to.rds differ diff --git a/cap_contaspublicas/rgf_norte_2018_2020.rds b/cap_contaspublicas/rgf_norte_2018_2020.rds old mode 100644 new mode 100755 diff --git a/cap_contaspublicas/rreo_2018_2020_to.rds b/cap_contaspublicas/rreo_2018_2020_to.rds new file mode 100755 index 0000000..f7d01e9 Binary files /dev/null and b/cap_contaspublicas/rreo_2018_2020_to.rds differ diff --git a/cap_contaspublicas/rreo_norte_2018_2020.rds b/cap_contaspublicas/rreo_norte_2018_2020.rds old mode 100644 new mode 100755 diff --git a/cap_emprego/.DS_Store b/cap_emprego/.DS_Store new file mode 100644 index 0000000..ea6f65a Binary files /dev/null and b/cap_emprego/.DS_Store differ diff --git a/cap_example/.DS_Store b/cap_example/.DS_Store new file mode 100644 index 0000000..4b7c3ac Binary files /dev/null and b/cap_example/.DS_Store differ diff --git a/cap_example/main.Rmd b/cap_example/main.Rmd old mode 100644 new mode 100755 index 294efe2..33b7e0f --- a/cap_example/main.Rmd +++ b/cap_example/main.Rmd @@ -18,6 +18,7 @@ petknitr::setup() ``` # Título +## Subtítulo Cillum consequat velit ut sunt laborum Lorem in. Laboris ex aute in consectetur. Adipisicing enim laborum deserunt est est minim ullamco commodo commodo ut fugiat amet fugiat. Culpa anim nostrud id ullamco qui eiusmod. Quis do deserunt elit voluptate ullamco voluptate. Magna nostrud aute ullamco elit et. @@ -33,8 +34,11 @@ Consequat amet nostrud officia ea exercitation exercitation consectetur. Nostrud Duis ullamco cupidatat et sint dolor aliqua. [abbr: @pib] Amet ad labore sunt esse in ad id nisi officia culpa. Proident fugiat laborum nisi laborum officia tempor excepteur ut veniam enim deserunt. ::: + Veja o Quadro [box: @ex_box] + + Fugiat culpa fugiat labore fugiat labore ut irure amet ex non commodo enim. Ea magna sunt ullamco ullamco deserunt excepteur aliqua et ullamco et aliquip excepteur nostrud exercitation. Est cillum nostrud enim elit in eiusmod dolore ut nisi laboris velit. Eu sint cupidatat amet cillum ex ut. Ex exercitation voluptate quis ullamco mollit qui aliquip proident sit. Aliquip exercitation adipisicing dolore proident officia laboris. Ad ullamco adipisicing consequat ad cupidatat eu magna excepteur irure. Dolor ut qui enim magna. @@ -56,6 +60,11 @@ ggplot(diamonds, aes(depth, color = cut)) + Conforme Figura [fig: @label], [fig: @diamonds] e [fig: @dist_diamongs] +```{r aa, fig.cap = "Dist Diamonds", fig.subcap="Depth by cut", fig.source = "IBGE", wrap = TRUE} +ggplot(diamonds, aes(depth, color = cut)) + + geom_density() +``` + Aute eiusmod in proident in ut anim ipsum duis aute ea sint. Quis exercitation sint dolore non est consequat laboris. Duis proident sunt quis minim aliqua. Ut enim nostrud proident sint elit elit eiusmod officia. Sint duis consequat tempor eiusmod ea pariatur labore laboris non veniam commodo cupidatat. A Tabela [tab: @eco] diff --git a/cap_introducao/.DS_Store b/cap_introducao/.DS_Store new file mode 100644 index 0000000..72a1edf Binary files /dev/null and b/cap_introducao/.DS_Store differ diff --git a/cap_introducao/cache_bcb/4109ea5db60b352a b/cap_introducao/cache_bcb/4109ea5db60b352a new file mode 100755 index 0000000..bf3d7df Binary files /dev/null and b/cap_introducao/cache_bcb/4109ea5db60b352a differ diff --git a/cap_introducao/main.Rmd b/cap_introducao/main.Rmd old mode 100644 new mode 100755 index 128a031..0d67ddd --- a/cap_introducao/main.Rmd +++ b/cap_introducao/main.Rmd @@ -2,12 +2,11 @@ documentclass: report output: pdf_document: - keep_tex: true template: ../template/boletim.tex pandoc_args: "--lua-filter=../filter/crossref.lua" --- -```{r setup, include=F, message=F, warning=F} +```{r include=F, message=F, warning=F} library(tidyverse) library(lubridate) library(scales) @@ -23,140 +22,116 @@ library(petknitr) # library(rbcb) library(meedr) petgg::set_theme(base_family = "EB Garamond") -petknitr::setup(cache = TRUE) +petknitr::setup() ``` # Panorama Econômico -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. +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. -As expectativas de crescimento para a economia brasileira situavam-se em torno de 2,3% ainda no início do ano como mostra a Figura [fig:@pib_expec]. As taxas esperadas para a indústria e o setor de serviços seguiam próximas ao valor esperado para o PIB. Já para o setor agropecuário, a expectativa de crescimento era um pouco mais otimista, com uma variação esperada por volta de 3%. Durante o 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 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%. +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. -```{r pib_expec, fig.cap = "Expectativa de crescimento anual do PIB Nacional", fig.subcap="Média por setor", fig.source = "BCB", wrap = "open"} -# Expectativa de crescimento anual do PIB Nacional -expec_anual <- meedr::get_annual( - indicator = c("PIB Agropecuária", "PIB Indústria", "PIB Serviços", "PIB Total"), - first_date = "2020-01-01", -) +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. -expec_anual %>% - filter( - reference_date == 2020, - date >= "2020-01-01" & date <= "2020-12-31" - ) %>% - ggplot(aes(date, mean, colour = indicator)) + - 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)) -``` - -```{r pib_demanda, fig.cap= "Variação trimestral do PIB pelo lado da demanda", fig.subcap="Taxa trimestre contra trimestre imediatamente anterior", fig.source = "IBGE"} -contas_nacionais <- get_sidra(5932, - period = c("202001-202004"), - geo = "Brazil", - classific = "c11255", - header = TRUE, - digits = "default" -) %>% - as_tibble() %>% - janitor::clean_names() +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. -contas_nacionais %>% - filter( - variavel == "Taxa trimestre contra trimestre imediatamente anterior", - setores_e_subsetores %in% c( - "Despesa de consumo das famílias", - "Despesa de consumo da administração pública", - "Formação bruta de capital fixo", - "Exportação de bens e serviços", - "Importação de bens e serviços (-)" - ) - ) %>% - select(trimestre_codigo, valor, setores_e_subsetores) %>% - mutate( - trimestre_codigo = stringr::str_match(trimestre_codigo, "\\d{1}$"), - valor = valor / 100, - setores_e_subsetores = case_when( - setores_e_subsetores == "Despesa de consumo das famílias" ~ "Consumo das famílias", - setores_e_subsetores == "Despesa de consumo da administração pública" ~ "Consumo do governo", - setores_e_subsetores == "Formação bruta de capital fixo" ~ "Investimentos", - setores_e_subsetores == "Exportação de bens e serviços" ~ "Exportações", - setores_e_subsetores == "Importação de bens e serviços (-)" ~ "Importações" - ) - ) %>% - ggplot(aes(setores_e_subsetores, valor, fill = trimestre_codigo)) + - geom_bar(stat = "identity", position = "dodge", gap = "s") + - scale_y_continuous(labels = scales::percent) -``` +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 pib_oferta, fig.cap = "Variação trimestral do PIB pelo lado da oferta", fig.subcap = "Taxa trimestre contra trimestre imediatamente anterior", fig.source = "IBGE", wrap = "close"} -contas_nacionais %>% - filter( - variavel == "Taxa trimestre contra trimestre imediatamente anterior", - setores_e_subsetores %in% c( - "Agropecuária - total", - "Indústria - total", - "Serviços - total" +```{r inflacao, fig.cap = "Índice Nacional de Preços ao Consumidor Amplo - IPCA", fig.subcap="Em porcentagem", fig.source = "IBGE", wrap = T} +ipca <- get_sidra( + 1737, + period = "202101-202112" +) %>% +tibble::as_tibble() %>% +filter( + Variável %in% + c( + "IPCA - Variação mensal", + "IPCA - Variação acumulada em 12 meses", + "IPCA - Variação acumulada no ano" ) ) %>% - select(trimestre_codigo, valor, setores_e_subsetores) %>% - mutate( - trimestre_codigo = stringr::str_match(trimestre_codigo, "\\d{1}$"), - valor = valor / 100, - setores_e_subsetores = stringr::str_match(setores_e_subsetores, "\\w+") + select(c(Mês, Variável, Valor)) + +ipca %>% + tidyr::pivot_wider(names_from = Variável, values_from = Valor) %>% + mutate(`Mês` = stringr::str_remove(`Mês`, "\\s+\\d+$")) %>% + +kableExtra::kbl( + caption = "Inflação Percentual \\label{tab:inflacao}", + align = "lrrr", + format.args = list(big.mark = ".", decimal.mark = ",", scientific = FALSE), + booktabs = T, + col.names = c("", "Mensal", "Acumulado no Ano", "Acumulado em 12 meses") ) %>% - ggplot(aes(setores_e_subsetores, valor, fill = trimestre_codigo)) + - geom_bar(stat = "identity", position = "dodge", gap = "s") + - scale_y_continuous(labels = scales::percent) + kable_styling(full_width = T) + ``` -No primeiro trimestre de 2020, o PIB brasileiro encolheu 1,5% de acordo com dados oficiais do 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 9,7%, 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. Já no quarto trimestre, houve um crescimento de 3,2%. O crescimento no ano vigente foi negativo -4,4, apresentando uma queda no PIB, os estimulos fiscais e monetários amenizavam as expectativas que foram apresentados na Figura [fig:@pib_expec]. Já pelo lado da demanda, é apresentado um desempenho conflituoso, no terceiro trimestre que é o período pós um forte lockdown, ocorre uma variação negativa nos agregados do PIB, o consumo das familias apresenta uma queda de -4,1%. O consumo do governo demonstra uma queda de -3,7%. Os investimentos demonstram uma retração de -4% e as exportações e importações, vão apresentando uma queda de -1,8% e -9% respectivamente. A Figura apresenta as relações por completo [fig:@pib_demanda]. - -Já no quarto trimestre o desempenho economico continua ruim no contexto de uma pandemia, com uma variação negativa. O consumo das familias foi de -5,5% e assim, o consumo do governo apresentou uma queda consecutiva de -4,7%, os investimentos tiveram uma melhora em relação ao terceiro trimestre, continuando com uma variação negativa de -0,8%. Exportações e importações apresentaram as maiores quedas, nas quais -2,5% e -10%. Em que as exportações melhoraram nesse contexto, porém com uma piora das importações. -Pelo lado da oferta, Figura [fig:@pib_oferta] apresenta o desempenho economico pelo lado da oferta. O primeiro agregado é a agropecuária que iniciou 2020 com um crescimento de 1,6% no primeiro trimestre, no segundo apresentou 1,9 e no terceiro, outro crescimento de 1,8% e por fim, no último trimestre, houve um efeito positivo de 2%. Assim, a Agricultura apresenta um desempenho superior ao restante da economia, mesmo numa situação pandêmica. Outro agregado da oferta, é a indústria, na qual o primeiro trimestre obteve um crescimento de 0,5%. Já no segundo trimestre inicia-se uma sequência de quedas, na qual o primeiro resultado do 2T é -3,2% e no terceiro e quatro trimestre de 2020 houve uma sequeência de quedas no valor de -3,5%, de forma consecutiva. E por fim, um dos principais agregados para a economia brasileira são os de serviços, em que tiveram os maiores impactos na economia. Iniciando o trimestre com um crescimento de 1%, já no contexto pandêmico houve uma sequeência de quedas nos valores de -1,9%, -3,5% e -4,5%. Assim, o desempenho pelo lado das firmas foram afetados pela pandemia e consequentemente, o isolamento social, como é o caso dos serviços e da indústria. Entretanto, a agricultura apresentou números positivos e assim, diminuindo o impacto negativo do PIB. +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. -Alternativamente, a análise dos dados da Pesquisa Mensal do Comércio (PMC) pode fornecer uma noção de como a economia do estado performou ao longo do ano. A Figura [fig:@pmc_ibge] apresenta os dados de variação mensal do volume de vendas do comércio para o Brasil e para o Tocantins. O período inicial do ano apresentava bons indices para a PMC, na qual, os estados da região Norte e o Brasil desempenhava de forma regular. Entretanto, com o avanço da pandemia é visível os choques que sofreram, em que o período mais critico da pandemia, a queda foi similar e brusca para as regiões e para o país. Fazendo um recorte para a região Norte, em que o pior resultado se encontra para o mês de Maio, no qual a pandemia e o isolamento social torna-se essenciais para o controle da doença. Amazonas apresenta um desempenho de -3,6%, enquanto o Pará tem um resultado de -3,6% e o Tocantins por fim, -0,1%, o melhor resultado entre os três estados. O estado tocantinense apresenta resultados melhores que os vizinhos do Norte e do Brasil em geral, em que apresentou uma queda de -4,0%. +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. -A recuperação ocorre quando as medidas de isolamento sofrem de um relaxamento, assim, na segunda metade do ano é visível uma forte recuperação nas vendas, na qual o principal destaque é o estado do Pará que apresentou uma recuperação ao ponto de chegar a 9,4% em Dezembro, uma recuperação iniciada em julho. O estado do Amazonas apresentou uma forte recuperação, em grau menor ao vizinho, mas apresentando um resultado positivo de 7,3% no mês de dezembro. O Tocantins apresentou um resultado pior, em que havia uma recuperação iniciada no mês de julho, apresentando 3,3% de crescimento nas vendas. Entretanto, o final do ano para o Tocantins demonstra resultados negativos, chegando a uma queda de -0,1% no mês de dezembro. Destoando dos vizinhos, já o Brasil inicia-se a sua recuperação no mês de outubro, apresentando um resultado positivo de 0,9% e chegando a dezembro, com um resultado de 1,2%. +```{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} +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) +) %>% + ggplot(aes(ano)) + + geom_line(aes(y = Impostos_Sobre_Produtos, colour = "Impostos Sobre Produtos")) + + geom_line(aes(y = Agropecuaria, colour = "Agropecuária")) + + geom_line(aes(y = Industria, colour = "Indústria")) + + geom_line(aes(y = Servicos, colour = "Serviços")) + + scale_x_date( + breaks = scales::breaks_width("3 month", offset = -30), + labels = function(x) zoo::format.yearqtr(x, "%qT\n%Y") + ) +``` -Já o setor de serviços, conforme a Figura [fig:@pms_ibge] apresenta um desempenho similar dos outros indicadores. Na qual, o inicio de 2020 apresentava um desempenho positivo, até o choque da pandemia no setor que conforme a Figura [fig:@pib_oferta] aportou, é de importância para as contas nacionais. A região Norte apresenta a queda da pesquisa, de forma similar, mas de latência diferente. O Amazonas apresentou uma queda continua, saindo dos 11,5% em janeiro para -2,2% em maio. O resultado negativo persiste até novembro, em que o desempenho é negativo nesse período. O mês de Dezembro apresenta uma melhora de 0,6%. Já o estado do Pará inicia o ano com um resultado de 1,6% e apresentado resulstados positivos até o mês de março. Entretanto, o desempenho torna-se negativo até o final do ano, em que apresenta um desempenho negativo, sendo julho o pior mês, com um resultado de -3,4. +```{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"} +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) +) %>% + 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")) + + scale_x_date( + breaks = scales::breaks_width("3 month", offset = -30), + labels = function(x) zoo::format.yearqtr(x, "%qT\n%Y") + ) +``` -Já o estado do Tocantins, inicia o ano com um resultado de 10,4% nos serviços, até apresentar seguintes quedas entre os meses de fevereiro e abril, em que os resultados tornam-se negativos, por causa da pandemia. Tocantins apresenta as maiores quedas no setor de serviços, em que os resultados são os piores da região Norte chegando a apresentar uma queda de -6,7 em Setembro e chegando a dezembro a um resultado negativo de -6,4%. Já o Brasil segue a mesma tendência, em que inicia-se o ano com um resultado positivo de 1,6% e termina o ano com um resultado negativo de -7,8%. -```{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", wrap = "open"} +```{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"} # 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 = "202001-202012", + period = "202101-202112", 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 = "202001-202012", + period = "202101-202112", 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", @@ -167,7 +142,6 @@ vol_vendas <- bind_rows(pmc_br, pmc_uf) %>% var = "Vendas no comércio varejista", ) %>% select(date, var, geo, valor) - vol_vendas %>% ggplot(aes(date, valor, colour = geo)) + geom_line() + @@ -178,33 +152,30 @@ 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"} # Pesquisa Mensal de Serviçoes, https://sidra.ibge.gov.br/pesquisa/pms/tabelas ## Tabela 6442 pms_br <- get_sidra( x = 6442, geo = "Brazil", - period = "202001-202012", + period = "202101-202112", 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 = "202001-202012", + period = "202101-202112", header = T ) %>% as_tibble() %>% clean_names() %>% mutate(geo = unidade_da_federacao) %>% select(mes_codigo, variavel, tipos_de_indice, valor, geo) - bind_rows(pms_br, pms_uf) %>% filter( variavel == "Índice de volume de serviços", diff --git a/cap_social/main.Rmd b/cap_social/main.Rmd new file mode 100755 index 0000000..e0e8c14 --- /dev/null +++ b/cap_social/main.Rmd @@ -0,0 +1,81 @@ +--- +documentclass: report +output: + pdf_document: + template: ../template/boletim.tex + pandoc_args: "--lua-filter=../filter/crossref.lua" +--- + +```{r include=F, message=F, warning=F} +library(tidyverse) +library(lubridate) +library(sidrar) +library(scales) +library(petgg) +library(petknitr) +petgg::set_theme(base_family = "EB Garamond") +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. + +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]. + +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%. + +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. + + +```{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) +) +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), +) +``` + +```{r, pobreza, fig.cap = "Taxa de pobreza", fig.subcap = "Linha de US$5,50 PPC", fig.source = "IBGE", wrap = "open"} +tx_pobreza %>% + ggplot(aes(ano)) + + geom_line(aes(y = Brasil, colour = "Brasil")) + + geom_line(aes(y = Norte, colour = "Norte")) + + geom_line(aes(y = Tocantins, colour = "Tocantins")) + + scale_y_continuous(labels = scales::percent) + + scale_x_date(breaks = scales::breaks_width("1 year"), date_labels = "%Y") +``` + + +```{r, extrema_pobreza, fig.cap = "Taxa de extrema pobreza", fig.subcap = "Linha de US$1,90 PPC", fig.source = "IBGE"} +tx_extrema_pobreza %>% + ggplot(aes(ano)) + + geom_line(aes(y = Brasil, colour = "Brasil")) + + geom_line(aes(y = Norte, colour = "Norte")) + + geom_line(aes(y = Tocantins, colour = "Tocantins")) + + scale_y_continuous(labels = scales::percent) + + scale_x_date(breaks = scales::breaks_width("1 year"), date_labels = "%Y") +``` + +```{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) +) %>% + ggplot(aes(ano)) + + geom_line(aes(y = Brasil, colour = "Brasil")) + + geom_line(aes(y = Norte, colour = "Norte")) + + geom_line(aes(y = Tocantins, colour = "Tocantins")) + + scale_x_date(breaks = scales::breaks_width("1 year"), date_labels = "%Y") +``` \ No newline at end of file diff --git a/cap_social/rascunho.tex b/cap_social/rascunho.tex deleted file mode 100644 index b43ec91..0000000 --- a/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/docs/.DS_Store b/docs/.DS_Store new file mode 100644 index 0000000..f953d3a Binary files /dev/null and b/docs/.DS_Store differ diff --git a/docs/README.md b/docs/README.md old mode 100644 new mode 100755 index 9f160c3..dcec7bd --- a/docs/README.md +++ b/docs/README.md @@ -6,6 +6,8 @@ O Boletim de Conjuntura é escrito em RMarkdown, uma extensão do markdown para ## Compilando o PDF + + ### Dependências - [Pandoc](https://pandoc.org/installing.html) diff --git a/docs/figs/icon.png b/docs/figs/icon.png old mode 100644 new mode 100755 diff --git a/docs/rmarkdown.md b/docs/rmarkdown.md old mode 100644 new mode 100755 diff --git a/filter/crossref.lua b/filter/crossref.lua old mode 100644 new mode 100755 index 9a10814..1fcee0c --- a/filter/crossref.lua +++ b/filter/crossref.lua @@ -16,7 +16,8 @@ local refs = { alg = {cmd = '\\ref{alg:%s}'}, appendix = {cmd = '\\ref{appendix:%s}'}, page = {cmd = '\\pageref{%s}'}, - name = {cmd = '\\nameref{%s}'} + name = {cmd = '\\nameref{%s}'}, + box = {cmd = "\\ref{box:%s}"} } diff --git a/images/bg.pdf b/images/bg.pdf old mode 100644 new mode 100755 diff --git a/images/corecon.png b/images/corecon.png old mode 100644 new mode 100755 diff --git a/images/pet.png b/images/pet.png old mode 100644 new mode 100755 diff --git a/images/uft.png b/images/uft.png old mode 100644 new mode 100755 diff --git a/index.Rmd b/index.Rmd old mode 100644 new mode 100755 index 0f0d9f7..627c9fc --- a/index.Rmd +++ b/index.Rmd @@ -1,32 +1,31 @@ --- title: Boletim de Conjuntura Econômica do Tocantins -volume: 9 -number: 2 -year: 2020 -month: março -pages: 1--21 -tag: v1.0.0 +volume: 10 +number: 1 +year: 2022 +month: dezembro +pages: 1--17 +tag: v2.0.0 coordinator: Prof. Dr. Nilton Marques de Oliveira -co: Prof. Dr. Marcleiton Ribeiro Morais team: - theme: Panorama Econômico - students: 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 + students: Lucas Ruan Araújo de Olivera, Vicenzo Teixeira Mensato - theme: Contas Públicas Estadual - students: Pedro Victor de Sá Castro, Aleksander Bovo Silva, Tiago Martins Cirqueira + students: Pedro Afonso Castro Gomes, Klannarrara Wanderffanny Xavier - theme: Indicadores Sociais - students: Lucas Strieder Azevedo, Maria Claudia Lemos Oliveira, Daniela Moreira Lopes, Filipe Bastos Romão + students: Giovana Francini Mazetto, Izadora Farias de Alencar, Klanarrara Wanderffany Xavier, Heder Soares Junior - theme: Mercado de Trabalho - students: Felipe Ferreira de Sousa, Amanda Vargas Lira, Gabrielle Dias Miranda Santos, Lara Resende Castro - - theme: Comércio Exterior - students: Jean Lucas Machado, Laralisse Carvalho de Oliveira, Heder Soares Azevedo Cordeiro Junior + students: Izadora Farias de Alencar, Lara Resende Castro + - theme: Comércio Exterior + students: Augusto Rother Durigon, Laralisse Carvalho de Oliveira, Pedro Afonso Castro Gomes - theme: Agronegócio - students: Felipe Ferreira de Sousa, Jean Lucas Machado, Micauane Oliveira Sousa, Emanuel Pedro Santiago + students: Tiago Sousa Silva tel: (63) 3229--4915 email: peteconomia@uft.edu.br fullversion: true documentclass: report output: bookdown::pdf_book: - template: template/template.tex - pandoc_args: "--lua-filter=filter/boletim.lua" ---- \ No newline at end of file + template: template/boletim.tex + pandoc_args: "--lua-filter=filter/crossref.lua" +--- diff --git a/scripts/caged.R b/scripts/caged.R old mode 100644 new mode 100755 diff --git a/scripts/capa.R b/scripts/capa.R old mode 100644 new mode 100755 diff --git a/scripts/ipca.R b/scripts/ipca.R new file mode 100755 index 0000000..4f9e8f7 --- /dev/null +++ b/scripts/ipca.R @@ -0,0 +1,37 @@ +#library(ipeadatar) +#library(dplyr) +#library(lubridate) + +# Retorna a inflação acumulada ou a inflação mensal (número-índice) +# Exemplos: +# ipca("2019-01-01", "2019-12-01") retorna a inflação acumulada de 2019 +# ipca("2020-06-01") retorna a inflação de junho de 2020 + +ipca <- function(from, to = NULL) { + + from <- lubridate::as_date(from) + to <- if (rlang::is_null(to)) { + from + } else { + lubridate::as_date(to) + } + + if (rlang::is_na(from)) { + rlang::abort("`from` date format is invalid") + } + if (rlang::is_na(to)) { + rlang::abort("`to` date format is invalid") + } + + file <- paste0(tempdir(), "/", "ipeadata_PRECOS12_IPCA12.rds") + + if (!file.exists(file)) { + ipeadatar::ipeadata("PRECOS12_IPCA12", language = "br") %>% + readr::write_rds(file = file) + } + + readr::read_rds(file) %>% + dplyr::filter(date == from %m-% base::months(1) | date == to) -> result + + result$value[2] / result$value[1] +} diff --git a/scripts/utils.R b/scripts/utils.R new file mode 100755 index 0000000..4d81c97 --- /dev/null +++ b/scripts/utils.R @@ -0,0 +1,20 @@ +# Converte uma data para o formato bimestre, ex: "2020-02-01" -> "1B\n2020" +date_label_bimester <- function(date, label = "B", sep = "\n") { + + if (!lubridate::is.Date(date)) { + rlang::abort("`date` should be format date") + } + + bimesters <- list( + "1" = 1:2, + "2" = 3:4, + "3" = 5:6, + "4" = 7:8, + "5" = 9:10, + "6" = 11:12 + ) + + purrr::keep(bimesters, ~lubridate::month(date) %in% .x) %>% + names() %>% + paste0(label, sep, lubridate::year(date)) +} \ No newline at end of file diff --git a/template/.DS_Store b/template/.DS_Store new file mode 100644 index 0000000..1ba58e7 Binary files /dev/null and b/template/.DS_Store differ diff --git a/template/boletim.tex b/template/boletim.tex old mode 100644 new mode 100755 diff --git a/tex/abbreviations.tex b/tex/abbreviations.tex old mode 100644 new mode 100755 index 792079b..e8bb38f --- a/tex/abbreviations.tex +++ b/tex/abbreviations.tex @@ -22,4 +22,6 @@ \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 +\newacronym{pet}{PET}{Programa de Educação Tutorial} +\newacronym{mte}{MTE}{Ministério do Trabalho e Emprego} +\newacronym{rreo}{RREO}{Relatório Resumido da Execução Orçamentária} \ No newline at end of file diff --git a/utils/_common.R b/utils/_common.R old mode 100644 new mode 100755