Previsão de desemprego em regiões metropolitanas do Brasil : um exercício empírico usando modelos SARIMA, VAR E VER

Abstract

O presente trabalho propõe o encontro de um modelo econométrico dentro das classes SARIMA, VAR e VEC para prever o desemprego em algumas regiões metropolitanas do Brasil no período de 2014 a 2016. Os comportamentos da série de desemprego, assim como de outras séries de variáveis econômicas são de extrema importância nas decisões de políticas públicas. Neste trabalho utilizamos séries da taxa de desemprego da Pesquisa de Emprego e Desemprego (PED) do Departamento Intersindical de Estatística e Estudos Socioeconômicos (DIEESE) de três regiões metropolitanas: Porto Alegre (RS), São Paulo (SP) e Salvador (BA). Propomos o uso de modelos sazonal autorregressivo integrado médias móveis (SARIMA), com ou sem variáveis exógenas (representadas por variáveis macroeconômicas), e modelos vetorial autorregressivo (VAR) e vetorial de correção de erros (VEC) para previsão de desemprego. Escolhemos três indicadores macroeconômicos para incorporar a análise: o Índice de Atividade Econômica do Banco Central, a Taxa de Juros e a Produção Industrial Mensal. Comparamos as previsões dos modelos candidatos através do teste de Diebold-Mariano. Com base no teste e na análise gráfica dos resultados deste estudo, concluímos que, de maneira geral, o modelo VEC produz uma previsão superior, principalmente quando ocorre uma crise econômica no país a partir de 2015.

The present work proposes looking for an econometric model (within the SARIMA, VAR and VEC classes) to predict unemployment in some metropolitan areas of Brazil from 2014 to 2016. The behaviour of the unemployment series, as well as other series of economic variables, is of extreme importance in public policy decisions This paper uses unemployment time series from the “Pesquisa de Emprego e Desemprego” (PED) of the “Departamento Intersindical de Estatística e Estudos Socioeconômicos” (DIEESE) of three metropolitan regions: Porto Alegre (RS), São Paulo (SP) and Salvador (BA). We use seasonal autoregressive integrated moving average (SARIMA), with or without exogenous variables (represented by macroeconomic variables), vector autoregressive (VAR) and vector error correction (VEC) models for unemployment prediction. We choose three macroeconomic indicators to incorporate into our analysis: the Central Bank's Economic Activity Index, the Monthly Interest Rate and the Monthly Industrial Production. We compare the predictions of the models using Diebold-Mariano test. Based on the test and graphical analyses of the results of this study, we conclude that, in general, the VEC model produces better forecasts, especially when an economic crisis takes place in the country in the beginning of 2015.