Esse vai ser bem curtinho porque estou de férias. A minha conterrânea Milena1, mostrou uma animação bem interessante sobre inflação nos EUA (ou UK; não lembro direito). Perguntou se dava para fazer algo parecido com os dados do Brasil.
O Gráfico abaixo mostra o quanto a inflação cresceu ao longo dos meses em relação à janeiro de 2020. Ou seja: a barra de “Alimentação e bebidas” aponta para 15,3%, isso significa que o preço naquele mês era 15,3% maior que o preço de janeiro de 2020.
No dia 10/6, o IBGE divulgou os rendimentos de outras fontes, coletado pela PNADC durante a 5ª visita de cada trimestre de 2021; clique aqui para acessar o release completo. Isso me mostrou duas coisas:
Meu modelo de previsão errou bem mais do que eu gostaria. Por que? A relação entre rendimento do trabalho e rendimento de outras fontes mudou muito com a retirada do auxílio emergencial; É possível estimar a taxa de pobreza por estratos geográficos (outra novidade).
Ontem, eu estava vendo stories no Instagram e me deparei com uma aula com as palavras “Amostragem por cotas e pós-estratificação”. Isso me lembrou de um comentário que fiz na aula de amostragem da semana passada: se você não tem uma amostragem probabilística, sua inferência necessariamente se baseia em um modelo, seja ele sobre o modo como a amostra foi selecionada ou sobre o comportamento da variável na população.
Atualização (25/07/2022): eu e prof. Pedro Silva (ENCE/IBGE) fizemos uma apresentação no IPEA sobre Método dos Conglomerados Primários e estimação de variância do estimador de calibração usando a PNADC. Os slides estão disponíveis neste link.
Recentemente, a PNAD Contínua passou por duas mudanças:
Mudança de pós-estratificação para raking; Mudança no método de estimação da variância dos estimadores, do Método do Conglomerado Primário para bootstrap. Mas o que isso significa? E como considerar isso na estimação usando o R?