O Projeto tem como objetivo estudar e criar análises a partir de dados
sobre o PIB do Brasil ao longo de um período de tempo, utilizando
ferramentas de manipulação e visualização de dados como o R e suas
bibliotecas: ggplot2, tidyverse, geo_br, etc.
Por meio das análises realizadas pelos membros do grupo 4 do econdata,
espera-se obter insights sobre a economia regional do Brasil, observando
padrões, tendências e relações entre diferentes variáveis que nos
ajudarão no entendimento da performance econômica e das características
individuais de cada estado do Brasil.
O principal estado a ser analisado neste trabalho específico será o Rio
de Janeiro, por escolha dos membros do grupo, mas buscamos ao longo da
análise situá-lo com o restante dos estados brasileiros afim de obtermos
uma análise mais completa.
library(tidyverse)
library(descr)
library(geobr)
library(RColorBrewer)
library(scales)
library(viridis)
library(rmarkdown)
Devido a inconsistências na base de dados, o PIB do RJ informado na base
das UFs e o PIB do RJ obtido ao somar o pib de todos os
municípios do estado na base municípios é diferente.
Escolhemos utilizar o PIB obtido com a soma dos PIBs de cada município
do estado do Rio de Janeiro.
## [1] "Em 2002, a contribuição do RJ para o PIB nacional é de aproximadamente 12.38%"
## [1] "Em 2019, a contribuição do RJ para o PIB nacional é de aproximadamente 10.56%"
Como podemos ver, a importância do RJ para o PIB nacional diminuiu de
2002 para 2019, isso pode se dar tanto pelo maior crescimento do PIB de
outros estados em comparação com o RJ nesse período, ou por uma
diminuição do PIB do RJ nesse período, o que não é o caso.
Portanto, concluímos que em comparação com o crescimento do PIB do RJ,
outros estados se saíram melhor entre 2002 e 2019.
## Em 2002, a proporção de impostos pagos em relação ao PIB do estado é de aproximadamente 14.30374 %
## Em 2019, a proporção de impostos pagos em relação ao PIB do estado é de aproximadamente 15.24162 %
## A medida de correlação encontrada para o gráfico acima é de 0.02199135 , indicando uma correlação bem baixa entre as variáveis analisadas.
## Using year 2010
## A medida de correlação encontrada para o gráfico acima é de 0.355777 , indicando uma correlação moderada positiva.
## A a medida de correlação encontrada para o gráfico acima é de 0.2737476 , indicando uma correlação fraca positiva.
## A a medida de correlação encontrada para o gráfico acima é de 0.3710591 , indicando uma correlação moderada positiva.
## A a medida de correlação encontrada para o gráfico acima é de 0.5116182 , indicando uma correlação moderada positiva.
## A a medida de correlação encontrada para o gráfico acima é de 0.3114099 , indicando uma correlação moderada/fraca positiva.
## A a medida de correlação encontrada para o gráfico acima é de 0.1298188 , indicando uma correlação fraca positiva.
## A a medida de correlação encontrada para o gráfico acima é de 0.3908755 , indicando uma correlação maior do que no âmbito dos municípios.
nada muito surpreendente neste gráfico (desinteressante)