Taxa de desemprego no Brasil : variáveis determinantes para prever o patamar

• Autor(a) principal: Silveira, Raiane Padilha
• Data de Publicação: 2022
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/250639
• topic: Desemprego; Macroeconomia; Brasil; Unemployment rate; Time series; Machine leaning; Macroeconomics; Selection of variables

Neste trabalho foram utilizadas técnicas clássicas de séries temporais e algoritmos de aprendizado de máquina para prever o patamar da taxa de desemprego no Brasil. Para isso, foram utilizados dados macroeconômicos de 2000 a 2021, coletados de fontes como IBGE, IPEA, Banco Central, entre outras. As variáveis foram selecionadas através da revisão bibliográfica presente neste trabalho e para redução de dimensionalidade foram aplicadas as técnicas de componentes principais e correlação de Spearman. Os resultados mostram que os modelos de aprendizado de máquina apresentam menor erro absoluto e menor raiz do erro quadrático médio quando comparado aos modelos clássicos de séries temporais. As variáveis finais constantes nos modelos de aprendizagem de máquina como relevantes para previsão são: Dívida Pública, Indicador de Custo de Crédito, Índice de Gini, Número de Famílias Atendidas pelo Bolsa Família, Salário Mínimo, Taxa de Pobreza e Taxa Selic. Este estudo é uma abordagem da previsão do patamar da taxa de desemprego no Brasil em relação aos fatores macroeconômicos.