TURISMO NO BRASIL

Conta Satélite do Turismo (CST) no Brasil Um Estudo Preliminar FORNATUR – Seminário em Campos de Jordão São Paulo, Abril de 2011.

PREVISÕES DESEMPENHO AGRÍCOLA NORDESTE EM 2021 – RELEASE FEVEREIRO

O IBGE divulgou a primeira estimativa para a safra agrícola brasileira em 2021. As informações, dispostas na tabela 1, abaixo, mostram que área plantada terá expansão de 1,4%. Entre a produção das lavouras destaca-se as quedas esperadas na produção de algodão herbáceo (-16,5%), girassol (-17,5%), castanha-de-caju (-18,1%), batata inglesa 3ª safra (-32,7%) e café (-33,6%). Com base nessa primeira divulgação da LSPA foi possível traçar um panorama para a agricultura da região nordeste, onde se analisa e estima-se o VBP – Valor Bruto da Produção – para o ano de 2021 bem como a expectativa de crescimento da produção regional. Para o ano de 2021, espera-se uma retração de 1,12% na produção agrícola enquanto que o Valor Bruto da Produção deve alcançar R$ 98,8 bilhões. Não foi fornecido texto alternativo para esta imagem A Bahia detém o primeiro lugar na produção agrícola da região, respondendo por 40,4% do VBP local. Destaca-se ainda, com base nos dados da tabela as quedas de produção esperadas na Paraíba (-1,19%), Bahia (-1,76%), Sergipe (-7,88%), Pernambuco (-8,55%) e Ceará (-12,4%). Já Maranhão, Piauí e Alagoas têm expectativa de crescimento na produção agrícola. O café apresenta a maior expectativa de retração e isso está associado à bianualidade da cultura (em 2020 tivemos grande expansão dessa lavoura a qual se concentra basicamente no estado da Bahia. Além do café, a expectativa de retração também é observada na cultura do algodão – também com produção centralizada na Bahia – (-13,66%) e a produção de cereais em geral (-1,58%) – nesse caso, espera-se quedas na produção de milho e feijão. Não foi fornecido texto alternativo para esta imagem Entre os destaques positivos estão a soja, com expectativa de crescimento de 4,96% e a laranja (6,56%). A produção de soja se concentra na Bahia, Maranhão e Piauí enquanto a produção de laranja se destaca na Bahia e em Alagoas.

Inflação em Salvador foi de 0,18% em fevereiro

O índice de inflação oficial do Brasil (IPCA) registrou alta de 0,43% em fevereiro, puxado pela alta nos preços dos alimentos (0,78%) e educação (3,53%). Entre as unidades da federação pesquisadas, a maior alta foi observada em Rio Branco (1,12%), seguido de Belém (0,93%) e Goiania (0,87%).

Índice de inflação (IPCA) - fevereiro/2019

VARIAÇÃO MENSAL
UF	Índice geral	Alimentação e bebidas	Habitação	Artigos de res.	Vestuário	Transportes	Saúde e cuid. pessoais	Despesas pessoais	Educação	Comunic.
Brasil	0,43	0,78	0,38	0,2	-0,33	-0,34	0,49	0,18	3,53	0,00
Belém	0,93	1,4	1,74	0,58	0,46	-0,63	0,18	0,19	4,13	-0,09
Fortaleza	0,69	0,47	0,98	1,29	-1,02	0,92	0,31	0,34	4,18	0,00
Recife	0,59	1,01	-0,04	-0,27	1,02	-0,02	0,52	-0,28	4,63	0,01
Salvador	0,18	-0,04	0,37	-0,01	-0,41	-0,39	0,06	0,04	4,66	-0,06
Belo Horizonte	0,51	1,36	0,48	-0,08	-0,59	-0,06	0,24	0,22	2,62	0,07
Vitória	0,70	1,09	0,99	0,55	0,04	0,91	0,46	0,36	-0,07	-0,05
Rio de Janeiro	0,48	0,74	0,49	0,13	-0,48	-0,89	0,65	0,5	4,65	0,03
São Paulo	0,44	0,61	0,33	0,14	-0,16	0,1	0,48	0,13	3,04	0,00
Curitiba	0,18	1,12	-0,44	0,42	-0,66	-0,780	0,57	0,02	2,81	-0,04
Porto Alegre	0,15	0,2	0,32	0,2	-0,48	-1,39	0,85	0,24	4,14	-0,04
Rio Branco	1,12	1,06	6,37	0,28	-0,66	-0,88	1,55	-0,01	3,03	-0,09
São Luiz	0,43	0,62	-0,65	-0,41	-0,44	1,05	0,54	0,24	2,67	0,18
Aracaju	0,54	1,09	-0,57	0,54	-0,71	-0,93	0,26	0,44	5,93	-0,17
Campo Grande	0,52	1,98	-0,18	-0,19	0,59	-1,18	1,02	0,14	3	0,10
Goiania	0,87	1,61	0,23	0,91	-1,14	1,14	0,63	0,09	3,79	-0,08
Brasília	-0,18	0,96	0,24	0,49	-0,87	-2,85	0,4	0,15	1,96	-0,01
Fonte: IBGE

Em Salvador, a inflação de fevereiro fechou em 0,18%, a 14ª do país. No ano, os preços na capital baiana registram elevação de 0,55%. No mês de fevereiro, o ítem que mais contribuiu para a elevação do nível geral de preços foi Educação (4,66%). Por outro lado, o ítem alimentos apontou retração de 0,04% - apesar da queda no segmento de alimentos, os preços do feijão continuam em elevação (25,96% em fevereiro e 24,1% em janeiro.

Inflação (IPCA) Salvador - Fevereiro 2019
Índice geral e grupos de produtos e serviços	Variação mensal (%)	Variação acumulada no ano (%)	Variação acumulada em 12 meses (%)
Índice geral	0,18	0,55	3,68
Alimentação e bebidas	-0,04	0,62	4,73
Habitação	0,37	0,69	7,36
Artigos de residência	-0,01	0,54	5,94
Vestuário	-0,41	-1,82	-0,55
Transportes	-0,39	0,46	1,08
Saúde e cuidados pessoais	0,06	0,16	3,23
Despesas pessoais	0,04	0,35	2,64
Educação	4,66	4,74	6,14
Comunicação	-0,06	0,14	-0,32
Fonte: IBGE - Índice Nacional de Preços ao Consumidor Amplo

2ª previsão da safra de grãos baiana aponta redução de 16,7%

Os dados de previsão para a Safra baiana em 2019 apontam retração de 16,7%, conforme pode-se verificar na tabela a seguir.

Safra oleaginosas: Bahia, 2019
Culturas	2018	2019	Var.
Cereais, leguminosas e oleaginosas	9.323.119	7.766.825	-16,7%
Algodão herbáceo	1.248.154	1.064.578	-14,7%
Milho (1ª Safra)	1.963.740	1.538.400	-21,7%
Milho (2ª Safra)	47.400	319.440	573,9%
Soja	6.244.800	4.944.000	-20,8%
Sorgo	72.396	72.360	0,0%
Trigo	30.000	30.000	0,0%
Amendoim (1ª Safra)	1.197	1.380	15,3%
Amendoim (2ª Safra)	3.564	3.168	-11,1%
Arroz	9.126	3.852	-57,8%
Feijão (1ª Safra)	146.300	99.240	-32,2%
Feijão (2ª Safra)	25.722	89.592	248,3%
Café canephora	140.400	129.600	-7,7%
Fonte: IBGE/LSPA

Os principais destaques negativos foram observados nas culturas de soja (-20,8%), milho 1ª safra (-21,7%) e feijão 1ª safra (-32,2%). As quedas observadas decorrem dos efeitos da estiagem em algumas regiões do estado bem como da irregularidade de chuvas na região oeta da Bahia.Esse desempenho negativo tende a se refletir nos preços de alguns produtos agrícolas, particularmente aqueles consumidos diretamente pelas famílias baianas, como no caso do feijão, o qual tem pressionado os índices de preços na Bahia. Por outro lado, destaca-se o crescimento de 26% na produção de banana, 22% na produção de mandioca, 19% na produção de tomate e cana-de-açúcar. Neste caso, a perspectiva é de que os impactos sobre os preços finais sejam positivos, contribuindo assim para queda de preços nesse produtos.

Inflação de Salvador recua em Fevereiro

O IBGE divulgou a prévia da inflação para o mês de fevereiro (IPCA-15). Segundo os dados, a inflação teve alta de 0,34% e foi puxada segmento de Educação com alta de 3,52%. Já os segmentos de Transportes e Vestuários registraram deflação no mês (-0,46% e -0,92% respectivamente). Entre as unidades da federação a maior alta foi observada em Belém (0,63%), seguido por Belo Horizonte (0,62%) e Fortaleza (0,55%). A tabela abaixo exibe as variações do índice e subíndices nas principais capitais e regiões metropolitanas do país.

IPCA - 15: Variação fevereiro/2019
	Geral	Alm/Beb.	Hab	Art. Res	Vest	Transp	Saude	Desp.pes.	Educ.	Comuni
Brasil	0,34	0,64	0,18	0,47	-0,92	-0,46	0,56	0,30	3,52	0,05
Belém	0,63	0,84	0,60	0,77	0,16	-0,77	0,96	0,10	4,15	-0,08
Fortaleza	0,55	0,21	1,19	0,66	-0,45	-0,22	0,90	0,58	4,16	0,25
Recife	0,46	1,21	-0,53	0,36	-0,85	-0,19	0,60	-0,13	4,56	-0,09
Salvador	0,11	-0,31	0,21	0,33	-0,74	-0,68	0,92	0,07	4,61	0,12
Belo Horiz.	0,62	1,21	0,25	0,40	-0,24	0,23	0,57	0,51	2,63	0,09
Rio de Janeiro	0,41	0,68	0,62	0,54	-1,85	-0,75	0,23	0,47	4,69	0,09
São Paulo	0,41	0,58	0,00	0,40	-0,95	0,26	0,53	0,31	2,99	0,08
Curitiba	0,15	0,76	-0,33	0,80	-0,89	-0,62	0,63	0,15	2,38	-0,02
Porto Alegre	0,10	0,66	0,32	0,11	-2,00	-1,87	0,90	0,32	4,24	-0,07
Goiania	-0,04	0,77	0,35	1,13	-1,49	-2,10	0,04	0,16	3,66	-0,01
Brasília	-0,15	0,66	0,06	0,37	-0,25	-2,33	0,10	0,27	2,00	-0,03

No acumulado do ano (janeiro e fevereiro) o índice geral para o Brasil aponta alta de 0,6%, sendo as maior alta em Belo Horizonte (1,1%).

IPCA - 15: Variação acumulada no ano/2019
	Geral	Alm/Beb.	Hab	Art. Res	Vest.	Transp	Saúde	Desp.pes.	Educ.	Comun.
Brasil	0,64	1,52	0,27	1,05	-1,07	-0,93	1,24	0,74	3,84	0,10
Belém	1,02	1,90	0,12	0,47	0,12	-0,74	1,83	0,39	4,23	0,06
Fortaleza	0,59	0,84	0,42	1,08	-0,72	-1,30	1,81	0,85	4,52	0,28
Recife	0,59	1,83	-1,40	-0,19	-0,25	-0,90	1,54	0,12	4,87	0,36
Salvador	0,91	1,78	0,23	0,62	-1,40	0,32	1,17	0,29	4,79	0,25
Belo Horiz.	1,10	2,52	0,55	1,07	-0,26	-0,08	1,40	1,08	2,79	0,29
Rio de Jan.	1,01	1,84	0,99	1,37	-1,40	-0,77	0,96	1,33	5,10	0,15
São Paulo	0,62	0,98	0,19	1,62	-1,17	-0,21	1,25	0,58	3,47	0,04
Curitiba	0,07	1,49	-0,68	0,85	-1,25	-1,89	0,91	0,57	2,74	0,02
Porto Aleg.	0,38	1,62	1,10	0,48	-2,70	-3,13	1,60	1,03	4,55	-0,11
Goiania	0,04	1,14	0,11	1,32	-1,81	-2,45	0,76	0,55	3,52	0,01
Brasília	-0,08	1,67	0,21	1,25	-0,11	-3,75	0,53	0,43	2,10	-0,05
Fonte: IBGE

O índice da prévia de inflação em Salvador ficou abaixo do registrado em janeiro, quando a capital baiana teve a maior alta entre os locais pesquisados (0,8%). Em fevereiro, a inflação observada foi de 0,11% acumulando em 2019, alta de 0,9% (4ª maior entre as unidades pesquisadas). Já nos 12 meses, a alta inflacionária na capital baiana alcança 3,59%. Assim como observado no Brasil, o segmento de Educação foi o que registrou a maior alta (4,6%). Já o segmento de alimentos e bebidas registrou retração de 0,3% depois de ser o grande vilão da inflação na capital baiana em janeiro (destaque para a queda de 10,8% nos preços da farinha e 20,2% nos preços do tomate).

Desempenho da agricultura em 2019

O primeiro levantamento da produção agrícola na Bahia, para o ano de 2019, aponta queda na produção de importantes lavouras cultivadas no estado.

O grupo de cereais e leguminosas aponta queda de 16,7%, com destaque para as perdas na produção de Algodão Herbáceo (-14,7%) Milho 1ª safra (-21,7%), Soja (-20,8%) e Feijão 1ª safra (-32,2%). O desempneho negativo da agricultura e, particularmente dessas culturas, decorre da irregularida climática observada nas fases de desenvolvimento das culturas, gerando assim menor produtividade. 

Por outro lado, o levantamento aponta crescimento na produção de Mandioca (21,6%), Tomate (19,6%) e Banana (26,4%).  O crescimento na produção dessas lavouras tende a contribuir positivamente para os índices de inflação na Bahia, visto que parte significativa da produção dessas lavouras é comercializada no território baiano. 

Lavoura Baiana em 2019
Produto das lavouras	janeiro 2018		janeiro 2019
	Área plantada (Hectares)	Produção (Toneladas)	Área plantada (Hectares)	Produção (Toneladas)
1 Cereais, leguminosas e oleaginosas	3.043.505	9.323.119	3.084.505	7.766.825
1.1 Algodão herbáceo	267.180	1.248.154	292.180	1.064.578
1.10 Feijão (3ª Safra)	0	0	0	0
1.11 Girassol	0	0	0	0
1.12 Mamona	35.000	17.500	35.000	16.000
1.13 Milho (1ª Safra)	383.300	1.963.740	363.300	1.538.400
1.14 Milho (2ª Safra)	233.300	47.400	233.300	319.440
1.15 Soja	1.600.000	6.244.800	1.640.000	4.944.000
1.16 Sorgo	80.350	72.396	80.350	72.360
1.17 Trigo	5.000	30.000	5.000	30.000
1.18 Triticale	0	0	0	0
1.2 Amendoim (1ª Safra)	1.415	1.197	1.415	1.380
1.3 Amendoim (2ª Safra)	3.300	3.564	3.300	3.168
1.4 Arroz	7.220	9.126	3.220	3.852
1.5 Aveia	0	0	0	0
1.6 Centeio	0	0	0	0
1.7 Cevada	0	0	0	0
1.8 Feijão (1ª Safra)	217.000	146.300	217.000	99.240
1.9 Feijão (2ª Safra)	210.440	25.722	210.440	89.592
10 Café canephora	52.000	140.400	52.000	129.600
11 Cana-de-açúcar	91.000	4.680.000	91.000	5.580.000
12 Castanha-de-caju	20.000	3.000	20.000	3.000
15 Fumo	8.000	8.480	8.000	8.160
17 Juta	0	0	0	0
18 Laranja	61.500	830.000	61.500	787.500
21 Mandioca	250.505	1.527.575	250.500	1.857.500
24 Tomate	6.740	230.800	6.740	275.800
25 Uva	2.154	75.378	2.069	74.142
4 Banana	88.000	823.000	88.000	1.040.000
5 Batata - inglesa (1ª Safra)	1.700	68.000	1.700	68.000
6 Batata - inglesa (2ª Safra)	1.806	72.090	1.806	72.120
7 Batata - inglesa (3ª Safra)	1.500	63.000	1.500	60.000
8 Cacau	480.045	122.568	450.045	119.718
9 Café arábica	102.000	108.840	98.000	103.200
Total	4.210.455		4.217.365

Indústria baiana 2018

O IBGE divulgou os dados da PIM - Pesquisa Indústria Mensal - relativos ao mês de dezembro e fechamento do ano. Segundo os dados, a maior retração mensal (dez/2018-de/2017) ocorreu em Pernambuco (-7,6%), seguido de São Paulo (-5,2%) e Amazonas (-5,1%). Pará (6,1%) e Espírito Santo (3,4%) registram as maiores expansões. A Bahia apontou crecimento de 1,3% (4ª maior taxa de crescimento). No ano, o crecimento da indústria baiana foi de apenas 0,8%.

Crescimento indústria de Transformação
UF	dez/18	2018
Amazonas	-5.05	5.23
Bahia	1.29	0.83
Ceará	-2.91	0.41
Espírito Santo	3.38	-0.94
Goiás	1.06	-4.45
Mato Grosso	-2.27	-0.13
Minas Gerais	1.83	-0.99
Pará	6.06	9.55
Paraná	0.63	1.85
Pernambuco	-7.58	4.06
Rio de Janeiro	-0.53	1.75
Rio Grande do Sul	-2.48	5.49
Santa Catarina	-1.37	4.03
São Paulo	-5.20	0.87
Fonte:IBGE

O crescimento da indústria baiana em dezembro foi determinado pelo desempenho positivo da indústria mineral (12,7%) e transformação (0,7%). Dentro da indústria de transformação, os destaques positivos forão: Refino de petróelo (12,5%) e metalurgia (31,7%). Por outro lado, outros produtos químicos (-19,7%), veículos automotores (-9,3%) e equipmentos de informática (-50,9%) registraram as maiores retrações. Apesar de ter registrado queda em dezembro, o seguimento de veículos automores fechou o ano com expansão de 7,9%; também contribuiu positiviamente para o deempenho da indústria baiana os segmentos de metalurgia (7,2%) e produtos alimentícios (2,3%).

Desempenho indústria Bahia 2018
	Mensal	Ano
Indústria geral	1.41	0.83
Extrativas	12.68	1.97
Transformação	0.70	0.79
Produtos alimentícios	1.90	2.28
Bebidas	15.53	10.12
Celulose, papel e produtos de papel	-4.38	1.60
Coque, derivados do petróleo e biocombustíveis	12.52	1.33
Outros produtos químicos	-19.67	-6.22
Borracha e de material plástico	0.11	-1.05
Minerais não-metálicos	21.74	-8.59
Metalurgia	31.69	7.17
Equipamentos de informática	-50.94	3.76
Veículos automotores	-9.31	7.86
Fonte:IBGE

A figura a seguir exibe o crescimento da indústria de transformação baiana entre 2002 e 2018. Conforme se pode observar, onsiderando-se o nível atual de produção (índice 2012=100) é o praticamente o mesmo de 2005; ou seja a nossa indústria esta produzindo na mesma capacidade que estávamos no ano de 2005. O ponto positivo é que a partir de 2016 a tendencia de queda pela qual passava a industria baiana se reverteu e agora a mesma aponta uma trajetória de crescimento. Em função disso, as projeções para 2019 e 2020, calculadas a partir de modelo próprio, apontam para crescimentos de (4,8% em 2019) e 1,4% em 2020. Essas projeções são iniciais e tendem a se ajustar ao longo do ano conforme forem divulgadas novas infomrações conjunturais.

Mercado de trabalho no Brasil em 2018

Os dados da PNAD - Pesquisa Nacional por Amostra de Domicílio - mostram que a taxa de desemprego no Brasil fechou o ano de 2018 (trimestres de out/nov/dez) em 11,6% a mesma do mês anterior e 0,2 p.p inferior ao mesmo período do ano anterior. Ao todo, a pesquia apurou um total de 93.002 milhões de pessoas ocupadas. O gráfico a seguir exibe  evolução da taxa de desempego no Brasil durante o ano de 2018. 

Conforme se pode observar, a taxa de desemprego no Brasil exibiu padrão de crescimento no início do ano, mas a partir de março passou a apresentar uma trajetória de queda, alcançando, em dezembro, o seu menor nível desde junho de 2016. Do total de pessoas ocupadas (93 milhões) apenas 63,1% contribuíam para o INSS, taxa inferior à observada no mesmo período do ano anterior.

A tabela a seguir exibe os níveis de ocupação no Brasil por categorias. O setor que mais se destacou na criação de vaga foi o "Setor público", com variação de 0,06%. ram o setor de "Domésticos com carteira assinada" experimentaram a maior retração (-0,05%). 

Ocupação por categoria: Brasil - 2017/2018
Categorias	2017	2018	Variação
Total	92.108	93.002	0,01%
Empregado	62.277	62.447	0,00%
Empregado no setor privado, exclusive trabalhador doméstico	44.435	44.539	0,00%
Empregado no setor privado, exclusive trabalhador doméstico - com carteira de trabalho assinada	33.321	32.997	-0,01%
Empregado no setor privado, exclusive trabalhador doméstico - sem carteira de trabalho assinada	11.115	11.542	0,04%
Trabalhador doméstico	6.370	6.274	-0,02%
Trabalhador doméstico - com carteira de trabalho assinada	1.876	1.781	-0,05%
Trabalhador doméstico - sem carteira de trabalho assinada	4.494	4.493	0,00%
Empregado no setor público	11.472	11.634	0,01%
Empregado no setor público, exclusive militar e funcionário público estatutário - com carteira de trabalho assinada	1.162	1.230	0,06%
Empregado no setor público, exclusive militar e funcionário público estatutário - sem carteira de trabalho assinada	2.490	2.472	-0,01%
Empregado no setor público - militar e funcionário público estatutário	7.819	7.932	0,01%
Empregador	4.409	4.532	0,03%
Empregador com CNPJ	3.512	3.624	0,03%
Empregador sem CNPJ	897	908	0,01%
Conta própria	23.198	23.848	0,03%
Conta própria com CNPJ	4.471	4.698	0,05%
Conta própria sem CNPJ	18.727	19.150	0,02%
Trabalhador familiar auxiliar	2.223	2.175	-0,02%
Contribuição previdenciária	57.994	58.733	0,013%
Fonte: IBGE

A figura a seguir exibe a ocupação por setores de atividade econômica. Conforme se pode observar, o setor que tem maior participação na ocupação é o "Comércio, reparação de veículos automotores e motos" com 19% dos postos de trabalho, seguido da "Administração pública" (18%) e indústria geral (13%).

Administração pública e Serviços financeiros, comunicação e atividades imobiliárias foram as atividades com maiores remunerações ao fim de 2018 (R$ 3.353,00 e R$ 3.277,00 respectivamente). A menor remuneração foi observada no setor de Serviços domésticos (R$ 879,00).

Salvador tem maior variação no IPCA-15 em janeiro

O IBGE divulgou o índice de inflação para o mês de janeiro (Brasil e capitais). O Índice Nacional de Preços ao Consumidor Amplo - IPCA-15 difere do Índice Nacional de Preços ao Consumidor Amplo - IPCA, apenas no que se refere ao período de coleta que abrange o período compreendido entre o dia 16 do mês anterior 15 do mês de referência, além da abrangência geográfia (O IPCA contempla maior número de Regiões Metropolitanas e municípios da Capital). Atualmente a população-objetivo do IPCA-15 abrange as famílias com rendimentos de 1 a 40 salários mínimos, qualquer que seja a fonte. residentes em 11 áreas urbanas das regiões de abrangência do SNIPC, as quais são: regiões metropolitanas de Belém, Fortaleza, Recife, Salvador, Belo Horizonte, Rio de Janeiro, São Paulo, Curitiba, Porto Alegre, além do Distrito Federal e do município de Goiânia.

A variação observado para o Brasil foi de 0,3%, enquanto que Salvador registrou  a maior variação entre os locais pesquisados (0,8%); por outro lado Curitiba registrou deflação de 0,08%. 

IPCA - 15: Variação em janeiro/2019
	Índice geral	Alimentação e bebidas	Habitação	Artigos de residência	Vestuário	Transportes	Saúde e cuidados pessoais	Despesas pessoais	Educação	Comunicação
Brasil	0,3	0,87	0,08	0,58	-0,16	-0,47	0,68	0,43	0,31	0,06
Belém	0,39	1,05	-0,48	-0,3	-0,04	0,04	0,86	0,28	0,08	0,14
Fortaleza	0,04	0,63	-0,76	0,42	-0,28	-1,08	0,91	0,26	0,35	0,03
Recife	0,13	0,61	-0,87	-0,54	0,6	-0,7	0,94	0,25	0,29	0,46
Salvador	0,8	2,09	0,02	0,29	-0,66	1,01	0,25	0,22	0,18	0,13
Belo Horizonte	0,48	1,29	0,3	0,67	-0,03	-0,31	0,82	0,56	0,15	0,2
Rio de Janeiro	0,59	1,15	0,36	0,83	0,47	-0,02	0,74	0,86	0,39	0,06
São Paulo	0,21	0,4	0,19	1,21	-0,22	-0,46	0,71	0,28	0,47	-0,04
Curitiba	-0,08	0,72	-0,35	0,05	-0,37	-1,280	0,27	0,42	0,35	0,04
Porto Alegre	0,27	0,95	0,77	0,37	-0,71	-1,29	0,7	0,71	0,3	-0,04
Goiania	0,08	0,37	-0,23	0,19	-0,33	-0,36	0,72	0,39	-0,14	0,02
Brasília	0,07	1	0,15	0,88	0,14	-1,46	0,43	0,15	0,11	-0,02
Fonte: IBGE

Na capital baiana, o ítem que mais contribuiu para a elevação de preços foi "Alimentação de bebidas" (2,09%). Dentro deste ítem, os produtos que registraram as maiores variações de preços foram: Cebola (41,6%), Batata inglesa (39,2%) Maracujá (22,5%), Repolho (18,9%) Tuberculos, raízes e legumes (18,77%) e Feijão carioca (18,3%).

CONSTRUINDO UM MODELO ARIMA SAZONAL

Primeiramente, tome a série onde serão executados os testes.

Abra o software EVIEWS conforme as seguintes instruções: Clique em "File", "New", "Workfile". Na nova janela, em “Data Specification”, escolha "Monthly" e digite 1980.01 para a "Start Date" e 2000.07 para " End Date ". Para inserir seus dados você tem duas opções: Clicando em File – Import – Import from File, e selecione o arquivo Excel que contém os dados e que deve estar previamente preparado para tal. Outra forma é abri o arquivo Excel e copiar as séries que serão analisadas. Após isso clicar em Quick – Empty Group (Edit Series) e, na nova janela que se abrir clicar com o botão direito do mouse e selecione paste. Pronto. Agora é só renomear as séries e fechar a janela onde foram inseridos os dados

Agora dê um duplo clique na série "Exportar" para verificar os dados e selecione "View", "Line" para ter uma ideia geral sobre a série temporal, isto é, se é estacionária ou não. Além disso, escolha "View", "Correlograma" – “Level”, para identificar o padrão de comportamento dos componentes do modelo (ou seja, estimar o ARIMA p, d, q). Os gráficos resultantes são:

A partir do gráfico de linha, você pode ver que é possível que a série temporal tenha tendência de crescimento com ciclos sazonais, o que implica em não estacionaridade. Além disso, no gráfico do correlograma, o ACF’s (Autocorrelation) é estável com queda linear e há picos sazonais significativos de PACFs (Partial Correlation) nas defasagens 1 e 13, isto é, um período de 12 defasagens que equivale à sazonalidade. Tomando a primeira diferença de export obtemos o gráfico a seguir, o qual ainda apresenta padrão de sazonalidade devido à inconstância da variância nos últimos períodos:

Este gráfico mostra que a primeira diferença da série tem variância não estacionária. Portanto, a série deve sofrer uma transformação logarítmica para se tornar variância estacionária. A fim de gerar uma transformação logaritmo da série original, ou seja, Log (exportação) basta clicar em "GENR" e digitar "lnexport = Log (exportação)." O gráfico de linha de lnexport e seu correlograma são apresentados a seguir:

O gráfico seguinte exibe a primeira diferença de "lnexport":

Como mostrado acima, a transformação logarítmica ainda não resolveu o problema da variância não estacionária. E a partir do gráfico de correlograma de "lnexport", ainda encontramos um pico sazonal significativo na FACP no 13º período; isso implica necessidade de se tomar a diferença de 12 períodos sazonais para alcançar a estacionaridade da série.

Para verificarmos se a diferença sazonal pode gerar estacionaridade ou não, clique em "Genr", digite "d12lexport = lexport - lexport (-12)". Em seguida, tem-se uma nova série criada - "d12lexport" no "Workfile", e vamos usá-la para traçar um gráfico de linha para ver se alcançamos ou não a estacionaridade. O resultado é exibido no gráfico a seguir:

Depois de tirar 12 períodos sazonais de "lnexport", a série "d12lexport" tornou-se estacionária. Isso implica que a série de lnexport é integrada I(1)¹².

Agora, o 12º período sazonal de lnexport é "d12lexport" e parece estar livre do problema de variância não estacionária.  A partir de agora podemos procurar o melhor modelo ARIMA.

Vamos então reiniciar os procedimentos de identificação anteriores. Dos ACF’s e FACP’s, podemos supor primeiro existir AR (1), AR (2) e AR (3), porque existem três picos significativos; a FACP (1), FACP (2) e FACP (3), e MA (1), MA (2) e MA (3), porque existem alguns picos significativos em ACF (1), ACF (2), e ACF (3), e depois da quarta defasagens as ACFs diminuem lentamente.

Assim, podemos experimentar o "(3, 1, 3)¹² 1, 1" e especificar a equação ARIMA como:

Para vermos se os resíduos apresenta ruído branco, clicamos em View -   Residual Diganostics – Correlogram-Q-Statistics. Abaixo é exibido o gráfico para esse teste:

Como é possível observar, a diferença na 12ª ordem não atingiu o ruído branco, pois existem ainda picos significativos para as ACFs e PACFs nas lags 12 e 25, respectivamente. Vamos então adicionar a correção para as componente sazonais AR (12) ou MA (12). Qual deles é o melhor? Para termos a resposta é preciso comparar os resultados obtidos através das estatísticas de BIC, SEE e R² ajustado.

Em primeiro lugar, vamos adicionar AR (12) para a equação de regressão anterior, o resultado é:

Com a introdução do AR (12) obtivemos os seguintes resíduos:

O resultado obtido não é melhor do que antes, em termos de BIC, SEE e R² ajustado, pois ainda existe um pico significativo nas defasagens 12 da ACF’s PACF’s, o que significa que o resíduo deste modelo ainda não atingiu ruído branco.

Podemos tentar outra possibilidade adicionando MA (12) com a especificação anterior. O resultado é:

Teste de diagnóstico de resíduos:

Este resultado parece ser melhor do que o anterior visto que os resíduos alcançaram o ruído branco; no entanto, os coeficientes de MA (1) e MA (3) não são significativos e o AR tem raízes iguais a 1, significando que não é satisfeita a condição invertibilidade. Portanto, devemos eliminar os parâmetros MA (1) e MA (3) no modelo a seguir:

Equação e diagnóstico de resíduos:

O Q-teste dos resíduos parece não ter problema, no entanto, as raízes invertidas do AR não satisfazem, por conseguinte, outro modelo deve ser tentado, a fim de obter o melhor resultado.

Alternativamente, podemos começar a partir da primeira diferença de lnexport. Os correlogramas são:

A ACF e FACP são significativos a 12 lags, indicando que aparece o efeito de 12 períodos sazonais, por conseguinte, a fim de gerar o processo estacionário, podemos tentar levar a diferença do período de 12 dlnexport para remover o 12-período sazonal efeito. Clique em "GENR" e digite "d12dlexport = dlexport - dlexport (-12)". Os correlogramas da d12dlexport são:

Assim, há um pico significativo de ACFs e dois picos significativos de PACFs, podemos suspeitar que o d12dlexport tem AR (2) e MA (1), então podemos tentar estimar o ARIMA.

Diagnóstico de resíduo:

Desde o teste Q, que ainda observar a significativa de ACF e PACF em 12 de lag. A fim de eliminar o efeito de 12-período, podemos tentar outro modelo ARIMA como:

Desde as estatísticas t de AR (12) e MA (1) é insignificante, então eles podem ser descartados e re-experimentar outro modelo ARIMA como: and the Q-test is

Ou podemos tentar and the Q-test is

We can summary the result for several trials and errors as in the following table:

Dos vários modelos experimentais, o ARIMA (0,1,0) 1,1, (2,1,0) 12 (0,0,1) 12 seria escolhido como o melhor, uma vez que satisfeita a condição de invertibilidade e Q-testar e tem uma BIC relativamente menor e maior R2 ajustado.The selected best model can be expressed as