DEFLACIONANDO O PIB

UNIVERSIDADE FEDERAL DA PARAIBA

DEPARTAMENTO DE ECONOMIA

DISCIPLINA: ECONOMETRIA

PROF: SINÉZIO FERNANDES MÁIA

ALUNA: RITA DE CÁSSIA PEREIRA DA COSTA

AULA - ESTATÍSTICA DESCRITIVA

FORMATANDO A BASE DE DADOS

INSTALANDO E LIBERANDO PACOTES

#install.packages("fBasics")
#install.packages("moments")
#install.packages("mFilter")
library(moments)
library(fBasics)
library(tidyverse)
library(readxl)
library(mFilter)
library(knitr)

CAMINHO UTILIZADO

setwd("C:/Users/ritaq/OneDrive/Documentos/ECONOMETRIA/dados")
rm(list = ls())
options(scipen = 9999)
options(max.print = 100000)

## CARREGANDO OS DADOS
pibac12 = read.table("PIBAC12B.txt", head = T);
pibac12

RENOMEANDO

names(pibac12) = c("pib")

TRANSFORMANDO OS DADOS EM SÉRIE TEMPORAL

pib <- ts(pibac12, frequency = 12, start = c(2003,1), end = c(2024,05))
pib

VISUALIZAÇÃO DA SÉRIE TEMPORAL

plot(pib, xlab = "Anos", ylab = "R$ Milhões", bty = "l", lwd = "2", col = "red",
     main = "Gráf.1: Produto Interno Bruto, 2003-2024 (Acum. 12 Meses)")

ESTATÍSITCA DESCRITIVA - PIB NOMINAL

HISTOGRAMA - INSPEÇÃO VISUAL DA DISTRIBUIÇÃO DE PROBABILIDADE DOS DADOS

É POSSÍVEL DEDUZIR QUE OS DADOS NÃO POSSUEM DISTRIBUIÇÃO NORMAL DOS DADOS

hist(pib, nclass = 30, col = "darkgreen", labels = T, main = "Histograma do PIB Acum 12 Meses", 
     xlab = "PIB", ylab = "Frequencia")

VALOR MÍNIMO

[1] 1502124

MÉDIA

[1] 5258296

MEDIANA

[1] 5190039

VALOR MÁXIMO

[1] 11095774

DESVIO PADRÃO

[1] 2643432

COEFICIENTE DE VARIAÇÃO - DISPERSÃO ENTORNO DA MÉDIA

[1] 50.27165

TESTE DE ASSIMETRIA

OS DADOS POSSUEM ASSIMETRIA POSITIVA, POIS A RIGOR, O VALOR DO TESTE DEVERIA SER ZERO

skewness(pib)

[1] 0.4288421
attr(,"method")
[1] "moment"

CURTOSE - GRAU DE ACHATAMENTO

OS DADOS POSSUEM ALTA VARIABILIDADE, SENDO UMA DISTRIBUIÇÃO PLATICÚRTICA, ALÉM DISSO A RIGOR, O VALOR DO TESTE DEVERIA SER 3

kurtosis(pib)

[1] -0.7590445
attr(,"method")
[1] "excess"

TESTES DE NORMALIDADE

TESTE DE JARQUE-BERA

PELO TESTE A PROBABILIDADE DE ACEITAR A HIPÓTESE NULA É ZERO, SENDO QUE NA HIPÓTESE NULA, A VARIÁVEL SE DISTRIBUI NORMALMENTE SEGUINDO A DISTRIBUIÇÃO QUI-QUADRADA COM 2 GRAUS DE LIBERDADE. OU SEJA, OS DADOS NÃO POSSUEM UMA DISTRUBUIÇÃO NORMAL, CONFIRMANDO O HISTOGRAMA E O TESTE DE ASSIMETRIA

jarqueberaTest(pib)

Title:
 Jarque - Bera Normalality Test

Test Results:
  STATISTIC:
    X-squared: 13.8577
  P VALUE:
    Asymptotic p Value: 0.0009791 

TESTE DE QQ-PLOT

CONFIRMANDO QUE OS DADOS NÃO POSSUEM DISTRIBUIÇÃO NORMAL

qqnorm(pib, col="blue")
qqline(pib, col="red")

shapiro.test(pib)

    Shapiro-Wilk normality test

data:  pib
W = 0.94502, p-value = 0.00000003071

DEFLACIONANDO A SÉRIE

IMPORTANDO O NUMERO ÍNDICE

setwd("C:/Users/ritaq/OneDrive/Documentos/ECONOMETRIA/dados")
options(scipen = 9999)
options(max.print = 100000)

## CARREGANDO OS DADOS  
indice = read.table("numeroindice.txt", head = T)

MANIPULANDO A BASE

indice <- indice |> 
  select(
    numeroindice
  )

RENOMEANDO

names(indice) = c("numero_indice")

TRANSFORMANDO OS DADOS EM SÉRIE TEMPORAL

indice <- ts(indice, frequency = 12, start = c(2003,1), end = c(2024,05))
indice

VERIFICANDO SE AS SÉRIES TEMPORAIS POSSEM OS MESMOS COMPRIMENTOS - PIB E O NÚMERO ÍNDICE

length(pib) == length(indice)

[1] TRUE

VISUALIZAÇÃO DA SÉRIE TEMPORAL DO NÚMERO ÍNDICE

par(mfrow=c(1,2))
plot(indice)
plot(pib)

PIB REAL

DEFLACIONANDO O PIB NOMINAL

pibR <- (pib/indice)*100
pibR

VISUALIZAÇÃO PARA O PIB REAL

par(mfrow=c(1,1))
plot(pibR, xlab = "Anos", ylab = "R$ Milhões", bty = "l", lwd = "2", col = "red",
     main = "Gráf.2: Produto Interno Bruto, 2003-2024 (Acum. 12 Meses)")

ESTATÍSITCA DESCRITIVA - PIB REAL

HISTOGRAMA - INSPEÇÃO VISUAL DA DISTRIBUIÇÃO DE PROBABILIDADE DOS DADOS

É POSSÍVEL DEDUZIR QUE OS DADOS NÃO POSSUEM DISTRIBUIÇÃO NORMAL DOS DADOS

hist(pibR, nclass = 30, col = "darkgreen", labels = T, main = "Histograma do PIB REAL Acum 12 Meses",       xlab = "PIB", ylab = "Frequencia")

VALOR MÍNIMO

[1] 4976902

MÉDIA

[1] 8465021

MEDIANA

[1] 9138659

VALOR MÁXIMO

[1] 11118615

DESVIO PADRÃO

[1] 1711226

COEFICIENTE DE VARIAÇÃO - DISPERSÃO ENTORNO DA MÉDIA

Coef.var.PIB = sd(pib)/mean(pib)*100 
Coef.var.PIB

[1] 50.27165

plot(pibR, xlab = "Anos", ylab = "R$ Milhões", bty = "l", lwd = "2", col = "blue",
     main = "Gráf.3: Produto Interno Bruto, 2003-2024 (Acum. 12 Meses)")
abline(h=mean(pibR), col="red", lwd= "3")

TESTE DE ASSIMETRIA

OS DADOS POSSUEM ASSIMETRIA POSITIVA, POIS A RIGOR, O VALOR DO TESTE DEVERIA SER ZERO

skewness(pib)

[1] 0.4288421
attr(,"method")
[1] "moment"

CURTOSE - GRAU DE ACHATAMENTO

OS DADOS POSSUEM ALTA VARIABILIDADE

kurtosis(pib)

[1] -0.7590445
attr(,"method")
[1] "excess"

TESTES DE NORMALIDADE

TESTE DE JARQUE-BERA

PELO TESTE A PROBABILIDADE DE ACEITAR A HIPÓTESE NULA É ZERO, NO QUAL A HIPÓTESE NULA A VARIÁVEL SE DISTRIBUI NORMALMENTE SEGUINDO A DISTRIBUIÇÃO QUI-QUADRADA COM 2 GRAUS DE LIBERDADE. OU SEJA, OS DADOS NÃO POSSUEM UMA DISTRUBUIÇÃO NORMAL, CONFIRMANDO O HISTOGRAMA E O TESTE DE ASSIMETRIA

jarqueberaTest(pib)

Title:
 Jarque - Bera Normalality Test

Test Results:
  STATISTIC:
    X-squared: 13.8577
  P VALUE:
    Asymptotic p Value: 0.0009791 

TESTE DE QQ-PLOT

qqnorm(pib, col="blue") 
qqline(pib, col="red") 

shapiro.test(pib)

    Shapiro-Wilk normality test

data:  pib
W = 0.94502, p-value = 0.00000003071

ANÁLISE COMPARATIVA ENTRE PIB REAL E PIB NOMINAL

Ativ = cbind(pib,pibR)
Ativ
plot(Ativ)

plot(Ativ[,1])

plot(Ativ[,2])

par(mfrow=c(1,1))
par = (mar = c(5,4,4,5)+.1)
plot(pib, xlim = c(2003,2024), xlab = "", ylab = "PIB", col = "red")
par(new = T)
plot(pibR, xlim = c(2003,2024), xlab = "", ylab = "PIB", col = "blue")
axis(4)
mtext(pibR, side = 4, line = 3)
mtext("Gráf. 4: PIB vs PIBR", side = 3, line = 1, fant = 2)

Warning in mtext("Gráf. 4: PIB vs PIBR", side = 3, line = 1, fant = 2): "fant"
não é um parâmetro gráfico

mtext("Vermelho: PIB, Azul: PIBR", side = 1, line = 3)

par(mfrow=c(1,2))
plot(pib)
plot(pibR)

CALCULANDO O HIATO DO PRODUTO

DECOMPOSIÇÃO MODELO CLÁSSICO - FORMA ADITIVA

pibRa <- decompose(pibR, type = "additive")
pibRa
summary(pibRa)

par(mfrow = c(1,1))
plot(pibRa)

PIB POTENCIAL (tendência)

pib.t <- pibRa$trend
pib.t

VIZUALIZAÇÃO DO PIB POTENCIAL

plot(pib.t)

PIB CÍCLICO

pib.c <- pibRa$random
pib.c

VIZUALIZAÇÃO DO PIB CÍCLICO

plot(pib.c)

HIATO DO PRODUTO

pib.h <- pibR - pib.t
pib.h

VIZUALIZAÇÃO DO HIATO DO PRODUTO

plot(pib.h)

DECOMPOSIÇÃO MODELO CLÁSSICO - FORMA MULTIPLICATIVA

pibRm <- decompose(pibR, type = "multiplicative")
pibRm
summary(pibRm)

par(mfrow = c(1,1))
plot(pibRm)

PIB POTENCIAL (tendência)

pib.t <- pibRm$trend
pib.t

VIZUALIZAÇÃO DO PIB POTENCIAL

plot(pib.t)

PIB CÍCLICO

pib.c <- pibRm$random
pib.c

VISUALIZAÇÃO DO PIB CÍCLICO

plot(pib.c)

HIATO DO PRODUTO

pib.h <- pibR - pib.t
pib.h

VISUALIZAÇÃO DO HIATO DO PRODUTO

plot(pib.h)

DECOMPOSIÇÃO PELO FILTRO HODRICK PRESCOTT

pib.hp <- hpfilter(na.omit(pibR, type = "lambda", freq = 1400))
hiato <- pib.hp$cycle;
hiato

VISUALIZAÇÃO

plot(hiato, col = "blue", lwd = "4", main = "Gráf. 5 - hiato do produto 2003-2024")
abline(h=0, col = "red", lwd = "3")

PROJETANDO O PIB NOMINAL

CALCULANDO A TAXA DE CRESCIMENTO - FORMA MATEMÁTICA FINANCEIRA

pib
n = length(pib)
head(pib)
tail(pib)

txpib <- ((pib[n]/pib[1])-1)*100
txpib

[1] 638.6725

TAXA DE CRESCIMENTO MENSAL - ARITMÉTICA

txpib_a <- ((pib[n]-pib[1])/pib[1]*n)*100
txpib_a

[1] 164138.8

TAXA DE CRESCIMENTO MENSAL - GEOMÉTRICA

txpib_g <- ((pib[n]/pib[1]^(1/n))-1)*100
txpib_g

[1] 1049841362

PREVISÃO - COM MATEMÁTICA FINANCEIRA PARA O PIB NOMINAL

FORMA ARITMÉTICA

tail(pib)

          pib
[1,] 10856112
[2,] 10917576
[3,] 10971802
[4,] 10987323
[5,] 11036525
[6,] 11095774

VFpibL = pib[n]*(1+(txpib_a/100))
VFpibL

[1] 18223570465

pib[n]

[1] 11095774

FORMA GEOMÉTRICA

VFpibG = pib[n]*(1+(txpib_g/100))
VFpibG

[1] 116488033845689

pib[n]

[1] 11095774

TAXA DE CRESCIMENTO - MODELO SEMILOGARITMICOS/ LOG/LIN

SÉRIE DE TENDÊNCIA

t = seq(1,n)

TAXA DE CRESCIMENTO

taxa = lm(log(pib)~t)
taxa

Call:
lm(formula = log(pib) ~ t)

Coefficients:
(Intercept)            t  
  14.377271     0.007411  

TAXA DE CRESCIMENTO - EM UM PONTO NO TEMPO

cresc = (taxa$coeff[2])
cresc

         t 
0.00741064 

cresc.med = cresc*100
cresc.med

       t 
0.741064 

DENTRO DA AMOSTRA

previsao = taxa$fitted.values
previsao

       1        2        3        4        5        6        7        8 
14.38468 14.39209 14.39950 14.40691 14.41432 14.42173 14.42915 14.43656 
       9       10       11       12       13       14       15       16 
14.44397 14.45138 14.45879 14.46620 14.47361 14.48102 14.48843 14.49584 
      17       18       19       20       21       22       23       24 
14.50325 14.51066 14.51807 14.52548 14.53289 14.54030 14.54772 14.55513 
      25       26       27       28       29       30       31       32 
14.56254 14.56995 14.57736 14.58477 14.59218 14.59959 14.60700 14.61441 
      33       34       35       36       37       38       39       40 
14.62182 14.62923 14.63664 14.64405 14.65146 14.65888 14.66629 14.67370 
      41       42       43       44       45       46       47       48 
14.68111 14.68852 14.69593 14.70334 14.71075 14.71816 14.72557 14.73298 
      49       50       51       52       53       54       55       56 
14.74039 14.74780 14.75521 14.76262 14.77003 14.77745 14.78486 14.79227 
      57       58       59       60       61       62       63       64 
14.79968 14.80709 14.81450 14.82191 14.82932 14.83673 14.84414 14.85155 
      65       66       67       68       69       70       71       72 
14.85896 14.86637 14.87378 14.88119 14.88860 14.89602 14.90343 14.91084 
      73       74       75       76       77       78       79       80 
14.91825 14.92566 14.93307 14.94048 14.94789 14.95530 14.96271 14.97012 
      81       82       83       84       85       86       87       88 
14.97753 14.98494 14.99235 14.99976 15.00718 15.01459 15.02200 15.02941 
      89       90       91       92       93       94       95       96 
15.03682 15.04423 15.05164 15.05905 15.06646 15.07387 15.08128 15.08869 
      97       98       99      100      101      102      103      104 
15.09610 15.10351 15.11092 15.11833 15.12575 15.13316 15.14057 15.14798 
     105      106      107      108      109      110      111      112 
15.15539 15.16280 15.17021 15.17762 15.18503 15.19244 15.19985 15.20726 
     113      114      115      116      117      118      119      120 
15.21467 15.22208 15.22949 15.23690 15.24432 15.25173 15.25914 15.26655 
     121      122      123      124      125      126      127      128 
15.27396 15.28137 15.28878 15.29619 15.30360 15.31101 15.31842 15.32583 
     129      130      131      132      133      134      135      136 
15.33324 15.34065 15.34806 15.35548 15.36289 15.37030 15.37771 15.38512 
     137      138      139      140      141      142      143      144 
15.39253 15.39994 15.40735 15.41476 15.42217 15.42958 15.43699 15.44440 
     145      146      147      148      149      150      151      152 
15.45181 15.45922 15.46663 15.47405 15.48146 15.48887 15.49628 15.50369 
     153      154      155      156      157      158      159      160 
15.51110 15.51851 15.52592 15.53333 15.54074 15.54815 15.55556 15.56297 
     161      162      163      164      165      166      167      168 
15.57038 15.57779 15.58520 15.59262 15.60003 15.60744 15.61485 15.62226 
     169      170      171      172      173      174      175      176 
15.62967 15.63708 15.64449 15.65190 15.65931 15.66672 15.67413 15.68154 
     177      178      179      180      181      182      183      184 
15.68895 15.69636 15.70378 15.71119 15.71860 15.72601 15.73342 15.74083 
     185      186      187      188      189      190      191      192 
15.74824 15.75565 15.76306 15.77047 15.77788 15.78529 15.79270 15.80011 
     193      194      195      196      197      198      199      200 
15.80752 15.81493 15.82235 15.82976 15.83717 15.84458 15.85199 15.85940 
     201      202      203      204      205      206      207      208 
15.86681 15.87422 15.88163 15.88904 15.89645 15.90386 15.91127 15.91868 
     209      210      211      212      213      214      215      216 
15.92609 15.93351 15.94092 15.94833 15.95574 15.96315 15.97056 15.97797 
     217      218      219      220      221      222      223      224 
15.98538 15.99279 16.00020 16.00761 16.01502 16.02243 16.02984 16.03725 
     225      226      227      228      229      230      231      232 
16.04466 16.05208 16.05949 16.06690 16.07431 16.08172 16.08913 16.09654 
     233      234      235      236      237      238      239      240 
16.10395 16.11136 16.11877 16.12618 16.13359 16.14100 16.14841 16.15582 
     241      242      243      244      245      246      247      248 
16.16323 16.17065 16.17806 16.18547 16.19288 16.20029 16.20770 16.21511 
     249      250      251      252      253      254      255      256 
16.22252 16.22993 16.23734 16.24475 16.25216 16.25957 16.26698 16.27439 
     257 
16.28181 

FORA DA AMOSTRA

tail(pib)

vfpibz = pib[]*(1+(cresc.med/100))
vfpibz

          Jan      Feb      Mar      Apr      May      Jun      Jul      Aug
2003  1513255  1533309  1555172  1575942  1592570  1607179  1625080  1641770
2004  1747553  1757897  1778576  1796818  1817022  1841849  1865613  1889490
2005  1991588  2010041  2027593  2046537  2064683  2081754  2095310  2114094
2006  2206877  2224031  2241634  2252382  2273141  2288398  2310386  2332631
2007  2452452  2477189  2505030  2535593  2564608  2594365  2621985  2647278
2008  2766779  2797438  2821652  2856177  2884593  2921255  2961925  2996827
2009  3144893  3155488  3177247  3187558  3200656  3211552  3221801  3235865
2010  3397638  3438796  3488975  3537554  3585110  3630584  3678367  3728611
2011  3958165  4007494  4045741  4089026  4141739  4189365  4228092  4270911
2012  4445685  4481148  4522594  4554088  4587927  4619722  4661719  4705909
2013  4895471  4926266  4963411  5024485  5064251  5103899  5147798  5183087
2014  5415848  5473681  5516567  5550029  5590263  5617048  5651610  5681829
2015  5843049  5854376  5892980  5910522  5921625  5951055  5971469  5989215
2016  6047586  6071496  6084183  6108083  6132503  6163850  6178729  6208321
2017  6348185  6368725  6401795  6418703  6453438  6474006  6500677  6526076
2018  6673302  6702676  6731406  6781787  6792982  6835541  6879690  6923112
2019  7082291  7119140  7132076  7158169  7212296  7225425  7265724  7296415
2020  7479463  7521474  7555249  7508942  7470540  7480663  7492475  7500389
2021  7731106  7820705  7956703  8128811  8283852  8410960  8534159  8665230
2022  9125396  9171521  9242993  9337698  9448935  9559161  9663208  9770233
2023 10243235 10321875 10419501 10492253 10553944 10604486 10646830 10696861
2024 10998482 11053110 11068746 11118313 11178001                           
          Sep      Oct      Nov      Dec
2003  1667176  1692590  1711519  1730682
2004  1908240  1924396  1947827  1972259
2005  2129714  2148414  2166951  2186670
2006  2353868  2380150  2404899  2427305
2007  2668911  2695757  2718208  2740422
2008  3042906  3082432  3111490  3132849
2009  3252091  3276481  3312577  3357739
2010  3776751  3818864  3869721  3914644
2011  4304612  4337694  4371050  4408814
2012  4738712  4786695  4822017  4850440
2013  5228501  5273137  5317185  5371130
2014  5725840  5759341  5787734  5821779
2015  5997500  6009944  6025113  6040220
2016  6233303  6251821  6284632  6315788
2017  6546000  6575296  6603346  6634282
2018  6955645  6999400  7033409  7056046
2019  7339015  7376743  7407252  7443889
2020  7529737  7553625  7596044  7665989
2021  8780204  8881013  8990015  9078928
2022  9866755  9974841 10067842 10154374
2023 10745301 10809047 10879443 10936563
2024                                    

PROJETANDO O PIB REAL

CALCULANDO A TAXA DE CRESCIMENTO - FORMA MATEMÁTICA FINANCEIRA

n = length(pibR) 
head(pibR) 

         pib
[1,] 4988927
[2,] 4976902
[3,] 4986534
[4,] 5004587
[5,] 5026728
[6,] 5080460

tail(pibR)

          pib
[1,] 11102454
[2,] 11118615
[3,] 11081860
[4,] 11079809
[5,] 11087293
[6,] 11095774

txpibR <- ((pibR[n]/pibR[1])-1)*100 
txpibR

[1] 122.408

TAXA DE CRESCIMENTO MENSAL - ARITMÉTICA

txpibR_a <- ((pibR[n]-pibR[1])/pib[1]*n)*100 
txpibR_a

[1] 104482.7

TAXA DE CRESCIMENTO MENSAL - GEOMÉTRICA

txpibR_g <- ((pibR[n]/pibR[1]^(1/n))-1)*100 
txpibR_g

[1] 1044949418

PREVISÃO - COM MATEMÁTICA FINANCEIRA PARA O PIB REAL

FORMA ARITMÉTICA

tail(pibR) 

          pib
[1,] 11102454
[2,] 11118615
[3,] 11081860
[4,] 11079809
[5,] 11087293
[6,] 11095774

VFpibRL = pibR[n]*(1+(txpibR_a/100)) 
VFpibRL 

[1] 11604263234

pibR[n]

[1] 11095774

FORMA GEOMÉTRICA

VFpibRG = pibR[n]*(1+(txpibR_g/100)) 
VFpibRG 

[1] 115945234838075

pibR[n] 

[1] 11095774

TAXA DE CRESCIMENTO - MODELO SEMILOGARITMICOS/ LOG/LIN

SÉRIE DE TENDÊNCIA

t = seq(1,n)

TAXA DE CRESCIMENTO

taxa_ = lm(log(pibR)~t) 
taxa_

Call:
lm(formula = log(pibR) ~ t)

Coefficients:
(Intercept)            t  
  15.572546     0.002759  

TAXA DE CRESCIMENTO - EM UM PONTO NO TEMPO

cresc = (taxa_$coeff[2]) 
cresc 

          t 
0.002758593 

cresc.med = cresc*100 
cresc.med

        t 
0.2758593 

DENTRO DA AMOSTRA

previsaoR = taxa_$fitted.values 
previsao

       1        2        3        4        5        6        7        8 
14.38468 14.39209 14.39950 14.40691 14.41432 14.42173 14.42915 14.43656 
       9       10       11       12       13       14       15       16 
14.44397 14.45138 14.45879 14.46620 14.47361 14.48102 14.48843 14.49584 
      17       18       19       20       21       22       23       24 
14.50325 14.51066 14.51807 14.52548 14.53289 14.54030 14.54772 14.55513 
      25       26       27       28       29       30       31       32 
14.56254 14.56995 14.57736 14.58477 14.59218 14.59959 14.60700 14.61441 
      33       34       35       36       37       38       39       40 
14.62182 14.62923 14.63664 14.64405 14.65146 14.65888 14.66629 14.67370 
      41       42       43       44       45       46       47       48 
14.68111 14.68852 14.69593 14.70334 14.71075 14.71816 14.72557 14.73298 
      49       50       51       52       53       54       55       56 
14.74039 14.74780 14.75521 14.76262 14.77003 14.77745 14.78486 14.79227 
      57       58       59       60       61       62       63       64 
14.79968 14.80709 14.81450 14.82191 14.82932 14.83673 14.84414 14.85155 
      65       66       67       68       69       70       71       72 
14.85896 14.86637 14.87378 14.88119 14.88860 14.89602 14.90343 14.91084 
      73       74       75       76       77       78       79       80 
14.91825 14.92566 14.93307 14.94048 14.94789 14.95530 14.96271 14.97012 
      81       82       83       84       85       86       87       88 
14.97753 14.98494 14.99235 14.99976 15.00718 15.01459 15.02200 15.02941 
      89       90       91       92       93       94       95       96 
15.03682 15.04423 15.05164 15.05905 15.06646 15.07387 15.08128 15.08869 
      97       98       99      100      101      102      103      104 
15.09610 15.10351 15.11092 15.11833 15.12575 15.13316 15.14057 15.14798 
     105      106      107      108      109      110      111      112 
15.15539 15.16280 15.17021 15.17762 15.18503 15.19244 15.19985 15.20726 
     113      114      115      116      117      118      119      120 
15.21467 15.22208 15.22949 15.23690 15.24432 15.25173 15.25914 15.26655 
     121      122      123      124      125      126      127      128 
15.27396 15.28137 15.28878 15.29619 15.30360 15.31101 15.31842 15.32583 
     129      130      131      132      133      134      135      136 
15.33324 15.34065 15.34806 15.35548 15.36289 15.37030 15.37771 15.38512 
     137      138      139      140      141      142      143      144 
15.39253 15.39994 15.40735 15.41476 15.42217 15.42958 15.43699 15.44440 
     145      146      147      148      149      150      151      152 
15.45181 15.45922 15.46663 15.47405 15.48146 15.48887 15.49628 15.50369 
     153      154      155      156      157      158      159      160 
15.51110 15.51851 15.52592 15.53333 15.54074 15.54815 15.55556 15.56297 
     161      162      163      164      165      166      167      168 
15.57038 15.57779 15.58520 15.59262 15.60003 15.60744 15.61485 15.62226 
     169      170      171      172      173      174      175      176 
15.62967 15.63708 15.64449 15.65190 15.65931 15.66672 15.67413 15.68154 
     177      178      179      180      181      182      183      184 
15.68895 15.69636 15.70378 15.71119 15.71860 15.72601 15.73342 15.74083 
     185      186      187      188      189      190      191      192 
15.74824 15.75565 15.76306 15.77047 15.77788 15.78529 15.79270 15.80011 
     193      194      195      196      197      198      199      200 
15.80752 15.81493 15.82235 15.82976 15.83717 15.84458 15.85199 15.85940 
     201      202      203      204      205      206      207      208 
15.86681 15.87422 15.88163 15.88904 15.89645 15.90386 15.91127 15.91868 
     209      210      211      212      213      214      215      216 
15.92609 15.93351 15.94092 15.94833 15.95574 15.96315 15.97056 15.97797 
     217      218      219      220      221      222      223      224 
15.98538 15.99279 16.00020 16.00761 16.01502 16.02243 16.02984 16.03725 
     225      226      227      228      229      230      231      232 
16.04466 16.05208 16.05949 16.06690 16.07431 16.08172 16.08913 16.09654 
     233      234      235      236      237      238      239      240 
16.10395 16.11136 16.11877 16.12618 16.13359 16.14100 16.14841 16.15582 
     241      242      243      244      245      246      247      248 
16.16323 16.17065 16.17806 16.18547 16.19288 16.20029 16.20770 16.21511 
     249      250      251      252      253      254      255      256 
16.22252 16.22993 16.23734 16.24475 16.25216 16.25957 16.26698 16.27439 
     257 
16.28181 

FORA DA AMOSTRA

tail(pibR) 

vfpibRz = pibR[]*(1+(cresc.med/100)) 
vfpibRz

          Jan      Feb      Mar      Apr      May      Jun      Jul      Aug
2003  5002689  4990632  5000290  5018393  5040595  5094475  5140937  5176136
2004  5363854  5362889  5400592  5435871  5469102  5504745  5525486  5557857
2005  5691252  5710291  5725232  5728882  5751496  5800210  5823422  5865655
2006  5966373  5988199  6009752  6025911  6075373  6129022  6176177  6232527
2007  6437930  6474381  6523009  6586129  6642894  6701208  6756336  6789600
2008  6946229  6988954  7015773  7062772  7077130  7114430  7175450  7239730
2009  7459923  7444113  7480483  7468909  7464515  7463060  7468950  7490319
2010  7705587  7738569  7810874  7874745  7946434  8047230  8152326  8260376
2011  8469245  8506740  8520614  8545972  8615647  8701665  8768075  8824223
2012  8955537  8986537  9050647  9055716  9090278  9145959  9189588  9238819
2013  9289873  9292556  9318825  9381892  9421285  9470421  9549013  9591454
2014  9733709  9770236  9757020  9750873  9776588  9784294  9843513  9871468
2015  9801862  9702494  9639235  9599770  9547155  9519400  9493197  9500508
2016  9163868  9118036  9097969  9078329  9044081  9058605  9033498  9037000
2017  9130520  9129934  9154456  9165801  9186923  9237449  9253297  9271834
2018  9331708  9342886  9374496  9423927  9401875  9343057  9372472  9440124
2019  9543222  9551802  9497924  9478644  9537919  9554326  9589394  9619320
2020  9672945  9703018  9739772  9710177  9697368  9685326  9665823  9652865
2021  9562429  9590772  9667641  9846233  9951435 10050860 10101109 10167786
2022 10225632 10174555 10090379 10086846 10159259 10209368 10391153 10544199
2023 10851639 10843861 10869253 10878784 10917637 10978703 11009331 11035683
2024 11149286 11112430 11110374 11117878 11126383                           
          Sep      Oct      Nov      Dec
2003  5215553  5279745  5320702  5352441
2004  5594545  5617195  5646629  5668705
2005  5888383  5895868  5914210  5946621
2006  6276091  6325292  6371312  6399954
2007  6832785  6880871  6911912  6917210
2008  7331985  7393952  7436881  7467023
2009  7509855  7545051  7597026  7672213
2010  8329543  8359724  8401322  8445644
2011  8846964  8876785  8898772  8930998
2012  9250492  9289352  9302088  9283580
2013  9641746  9668946  9697349  9706432
2014  9891548  9907810  9906133  9887283
2015  9462552  9405063  9334523  9268946
2016  9066111  9069465  9100682  9118443
2017  9285285  9287832  9301409  9304047
2018  9439177  9456002  9521944  9538283
2019  9679353  9719393  9710069  9647154
2020  9629010  9577193  9546018  9505592
2021 10184556 10174310 10202264 10228498
2022 10679337 10733000 10788836 10814514
2023 11056910 11095874 11136955 11133081
2024                                    

PREVISÃO - COM MODELO ECONOMÉTRICO PARA O PIB NOMINAL

TAXA DE CRESCIMENTO - MODELO SEMILOGARITMICOS/ LOG/LIN

SÉRIE DE TENDÊNCIA

t = seq(1,n) 

TAXA DE CRESCIMENTO

taxa = lm(log(pibR)~t) 
taxa

Call:
lm(formula = log(pibR) ~ t)

Coefficients:
(Intercept)            t  
  15.572546     0.002759  

TAXA DE CRESCIMENTO - EM UM PONTO NO TEMPO

cresc = (taxa$coeff[2]) 
cresc 

          t 
0.002758593 

cresc.med = cresc*100 
cresc.med

        t 
0.2758593 

DENTRO DA AMOSTRA

previsao = taxa$fitted.values 
previsao

       1        2        3        4        5        6        7        8 
15.57530 15.57806 15.58082 15.58358 15.58634 15.58910 15.59186 15.59461 
       9       10       11       12       13       14       15       16 
15.59737 15.60013 15.60289 15.60565 15.60841 15.61117 15.61392 15.61668 
      17       18       19       20       21       22       23       24 
15.61944 15.62220 15.62496 15.62772 15.63048 15.63324 15.63599 15.63875 
      25       26       27       28       29       30       31       32 
15.64151 15.64427 15.64703 15.64979 15.65255 15.65530 15.65806 15.66082 
      33       34       35       36       37       38       39       40 
15.66358 15.66634 15.66910 15.67186 15.67461 15.67737 15.68013 15.68289 
      41       42       43       44       45       46       47       48 
15.68565 15.68841 15.69117 15.69392 15.69668 15.69944 15.70220 15.70496 
      49       50       51       52       53       54       55       56 
15.70772 15.71048 15.71323 15.71599 15.71875 15.72151 15.72427 15.72703 
      57       58       59       60       61       62       63       64 
15.72979 15.73254 15.73530 15.73806 15.74082 15.74358 15.74634 15.74910 
      65       66       67       68       69       70       71       72 
15.75185 15.75461 15.75737 15.76013 15.76289 15.76565 15.76841 15.77116 
      73       74       75       76       77       78       79       80 
15.77392 15.77668 15.77944 15.78220 15.78496 15.78772 15.79047 15.79323 
      81       82       83       84       85       86       87       88 
15.79599 15.79875 15.80151 15.80427 15.80703 15.80979 15.81254 15.81530 
      89       90       91       92       93       94       95       96 
15.81806 15.82082 15.82358 15.82634 15.82910 15.83185 15.83461 15.83737 
      97       98       99      100      101      102      103      104 
15.84013 15.84289 15.84565 15.84841 15.85116 15.85392 15.85668 15.85944 
     105      106      107      108      109      110      111      112 
15.86220 15.86496 15.86772 15.87047 15.87323 15.87599 15.87875 15.88151 
     113      114      115      116      117      118      119      120 
15.88427 15.88703 15.88978 15.89254 15.89530 15.89806 15.90082 15.90358 
     121      122      123      124      125      126      127      128 
15.90634 15.90909 15.91185 15.91461 15.91737 15.92013 15.92289 15.92565 
     129      130      131      132      133      134      135      136 
15.92840 15.93116 15.93392 15.93668 15.93944 15.94220 15.94496 15.94771 
     137      138      139      140      141      142      143      144 
15.95047 15.95323 15.95599 15.95875 15.96151 15.96427 15.96702 15.96978 
     145      146      147      148      149      150      151      152 
15.97254 15.97530 15.97806 15.98082 15.98358 15.98634 15.98909 15.99185 
     153      154      155      156      157      158      159      160 
15.99461 15.99737 16.00013 16.00289 16.00565 16.00840 16.01116 16.01392 
     161      162      163      164      165      166      167      168 
16.01668 16.01944 16.02220 16.02496 16.02771 16.03047 16.03323 16.03599 
     169      170      171      172      173      174      175      176 
16.03875 16.04151 16.04427 16.04702 16.04978 16.05254 16.05530 16.05806 
     177      178      179      180      181      182      183      184 
16.06082 16.06358 16.06633 16.06909 16.07185 16.07461 16.07737 16.08013 
     185      186      187      188      189      190      191      192 
16.08289 16.08564 16.08840 16.09116 16.09392 16.09668 16.09944 16.10220 
     193      194      195      196      197      198      199      200 
16.10495 16.10771 16.11047 16.11323 16.11599 16.11875 16.12151 16.12426 
     201      202      203      204      205      206      207      208 
16.12702 16.12978 16.13254 16.13530 16.13806 16.14082 16.14357 16.14633 
     209      210      211      212      213      214      215      216 
16.14909 16.15185 16.15461 16.15737 16.16013 16.16288 16.16564 16.16840 
     217      218      219      220      221      222      223      224 
16.17116 16.17392 16.17668 16.17944 16.18220 16.18495 16.18771 16.19047 
     225      226      227      228      229      230      231      232 
16.19323 16.19599 16.19875 16.20151 16.20426 16.20702 16.20978 16.21254 
     233      234      235      236      237      238      239      240 
16.21530 16.21806 16.22082 16.22357 16.22633 16.22909 16.23185 16.23461 
     241      242      243      244      245      246      247      248 
16.23737 16.24013 16.24288 16.24564 16.24840 16.25116 16.25392 16.25668 
     249      250      251      252      253      254      255      256 
16.25944 16.26219 16.26495 16.26771 16.27047 16.27323 16.27599 16.27875 
     257 
16.28150 

FORA DA AMOSTRA

tail(pibR) 

vfpibRz = pibR[]*(1+(cresc.med/100)) 
vfpibRz

          Jan      Feb      Mar      Apr      May      Jun      Jul      Aug
2003  5002689  4990632  5000290  5018393  5040595  5094475  5140937  5176136
2004  5363854  5362889  5400592  5435871  5469102  5504745  5525486  5557857
2005  5691252  5710291  5725232  5728882  5751496  5800210  5823422  5865655
2006  5966373  5988199  6009752  6025911  6075373  6129022  6176177  6232527
2007  6437930  6474381  6523009  6586129  6642894  6701208  6756336  6789600
2008  6946229  6988954  7015773  7062772  7077130  7114430  7175450  7239730
2009  7459923  7444113  7480483  7468909  7464515  7463060  7468950  7490319
2010  7705587  7738569  7810874  7874745  7946434  8047230  8152326  8260376
2011  8469245  8506740  8520614  8545972  8615647  8701665  8768075  8824223
2012  8955537  8986537  9050647  9055716  9090278  9145959  9189588  9238819
2013  9289873  9292556  9318825  9381892  9421285  9470421  9549013  9591454
2014  9733709  9770236  9757020  9750873  9776588  9784294  9843513  9871468
2015  9801862  9702494  9639235  9599770  9547155  9519400  9493197  9500508
2016  9163868  9118036  9097969  9078329  9044081  9058605  9033498  9037000
2017  9130520  9129934  9154456  9165801  9186923  9237449  9253297  9271834
2018  9331708  9342886  9374496  9423927  9401875  9343057  9372472  9440124
2019  9543222  9551802  9497924  9478644  9537919  9554326  9589394  9619320
2020  9672945  9703018  9739772  9710177  9697368  9685326  9665823  9652865
2021  9562429  9590772  9667641  9846233  9951435 10050860 10101109 10167786
2022 10225632 10174555 10090379 10086846 10159259 10209368 10391153 10544199
2023 10851639 10843861 10869253 10878784 10917637 10978703 11009331 11035683
2024 11149286 11112430 11110374 11117878 11126383                           
          Sep      Oct      Nov      Dec
2003  5215553  5279745  5320702  5352441
2004  5594545  5617195  5646629  5668705
2005  5888383  5895868  5914210  5946621
2006  6276091  6325292  6371312  6399954
2007  6832785  6880871  6911912  6917210
2008  7331985  7393952  7436881  7467023
2009  7509855  7545051  7597026  7672213
2010  8329543  8359724  8401322  8445644
2011  8846964  8876785  8898772  8930998
2012  9250492  9289352  9302088  9283580
2013  9641746  9668946  9697349  9706432
2014  9891548  9907810  9906133  9887283
2015  9462552  9405063  9334523  9268946
2016  9066111  9069465  9100682  9118443
2017  9285285  9287832  9301409  9304047
2018  9439177  9456002  9521944  9538283
2019  9679353  9719393  9710069  9647154
2020  9629010  9577193  9546018  9505592
2021 10184556 10174310 10202264 10228498
2022 10679337 10733000 10788836 10814514
2023 11056910 11095874 11136955 11133081
2024