Resumo
As discussões sobre o salário mínimo se iniciaram na década de 1930 visando diminuir desigualdades sociais e melhorar a relação entre trabalhadores, empregadores e estado. No ano 2000, o governo federal aprovou uma lei que permite aos estados fixarem pisos salariais acima do mínimo federal. A presente proposta procura ajustar um modelo SARIMA a série dos salários mínimos estaduais com objetivo de fazer previsões futuras. As séries foram ajustadas com a metodologia de Box & Jenkins com utilização dos softwares R e GRETL. Foi observada uma tendência crescente histórica ao longo dos anos para a série mensal de salário mínimo real, com desaceleração a partir de 2015 e concluiu-se que o modelo SARIMA se ajustou de forma significativa aos dados ao ponto de fazer previsões seguras para os próximos meses.
Palavras-chave: Séries temporais. Salário Mínimo. Modelos SARIMA. Previsões.
Temporal adjustment of the real minimum wage with SARIMA models
Abstract
Discussions on the minimum wage began in the 1930 with the aim of reducing social inequalities and improving the relationship between workers, employers and the state. In 2000, the federal government passed a law that allows states to set salary floors above the federal minimum. The present proposal aims to adjust a SARIMA model to the series of state minimum wages in order to make future predictions. The series were adjusted using the Box & Jenkins methodology using R and GRETL software. And a historical growing trend was observed in the series over the years for the monthly series of real minimum wage, with a deceleration from 2015, and it is concluded that the SARIMA model has adjusted significantly to the data to the point of making safe predictions for the next months.
Keywords: Time series. Minimum wage. SARIMA Models. Forecasts.
Referências
ANDRADE, C. H. C. Manual de introdução ao pacote econométrico Gretl. 2013. Disponível em: <https://s3.amazonaws.com/academia.edu.documents/39579087/Gretl.pdf.> Acesso em: 25 mai. 2022.
ARAúJO, M. F. C. et al. Precipitação pluviométrica mensal no estado do rio de janeiro: sazonalidade e tendência. Bioscience Journal, Uberlândia, v. 25, n. 4, p. 90–100, 2009.
BARBOSA, L. M. D. L. H. A evolução recente da distribuição de renda brasileira sob a ótica das estruturas sócio-ocupacionais. Rio de Janeiro, 2012.
BOX, G. E. et al. Time series analysis. : forecasting and control. 3. New Jersey: Prentice Hall, 1994.
CAEIRO, F.; MATEUS, A. Randtests:. testing randomness in R. [S.1.], 2014. R package version 1.0. Disponível em: <https://CRAN.R-project.org/package=randtests.> Acesso em: 25 mai. 2022.
EHLERS, R. Apostila Análise de Séries Temporais. 5. ed. ed. UFPR: Curitiba, 94p, 2009.
GUJARATI, D. N.; PORTER, D. C. Econometria básica-5. [S.l.]: Amgh Editora, 2011.
HANKE, J. E.; WICHERN, D. W. Business forecasting. [S.l.]: Pearson Educación, 2005.
HOSTIN, E. G.; DIANA, M. H. N. O sujeito mínimo do salário: os discursos e as representações do trabalho e do trabalhador na criação do salário mínimo no brasil (1920-1940). 2016. Disponível em: <https://eventos.ifc.edu.br/wp-content/uploads/sites/22/2016/12/> Acesso em: 25 mai. 2022.
HYNDMAN, R. J.; KHANDAKAR, Y. Automatic time series forecasting: the forecast package for R. Journal of Statistical Software, [S.l.], v. 26, n. 3, p. 1–22, 2008. Disponível em: <http://www.jstatsoft.org/article/view/v027i03.> Acesso em: 25 mai. 2022.
IPEA. Instituto de pesquisas econômicas e aplicadas. Tema: Economia, 2022. Disponível em: <http://www.ipeadata.gov.br/Default.aspx.> Acesso em: 25 mai. 2022.
KARAS, M.; URBANEK, J. Runstats:. fast computation of running statistics for time series. [S.1.], 2019. R package version 1.1.0. Disponível em: <https://CRAN.R-project.org/package=runstats.> Acesso em: 25 mai. 2022.
MCLEOD, A. I.; ZHANG, Y. Improved subset autoregression: With R package. Journal of Statistical Software, v. 28, n. 2, p. 1–28, 2008. Disponível em: Acesso em: 25 mai. 2020.
MARQUES, R. A. Ajuste temporal do salário mínimo real com modelos SARIMA. 16
MEDEIROS, C. A. d. A influência do salário mínimo sobre a taxa de salários no brasil na última década. Economia e Sociedade, Campinas, v. 24, p. 263–292, 2015.
MORETTIN, P. A.; TOLOI, C. M. d. C. Análise de séries temporais. 2. ed. São Paulo: Edgard Blucher, 2006.
PARRA, F. Descomponer:. seasonal adjustment by frequency analysis [S.1.], 2021. R package version 1.6. Disponível em: <https://CRAN.R-project.org/package=descomponer>.
PFAFF, B. Analysis of integrated and cointegrated time series with R. 2. ed. New York: Springer, 2008. Disponível em: <http://www.pfaffikus.de.> Acesso em: 25 mai. 2022.
PRADO, A. et al. Valorização do salário mínimo reduz a desigualdade. Banco Nacional de Desenvolvimento Econômico e Social, 2006.
TRAPLETTI, A.; HORNIK, K. Tseries:. time series analysis and computational finance [S.1.], 2022. R package version 0.10-51. Disponível em: <https://CRAN.R-project.org/package=tseries>.
ZEILEIS, A.; HOTHORN, T. Diagnostic checking in regression relationships. R News, v. 2, n. 3, p. 7–10, 2002. Disponível em : <https://CRAN.R-project.org/doc/Rnews/.> Acesso em: 25 mai. 2022.
Este trabalho está licensiado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Copyright (c) 2022 Array