PIB

rm(list = ls())

library(sidrar)

Warning: pacote 'sidrar' foi compilado no R versão 4.5.3

library(geobr)

Warning: pacote 'geobr' foi compilado no R versão 4.5.3

library(sf)

Warning: pacote 'sf' foi compilado no R versão 4.5.3

Linking to GEOS 3.14.1, GDAL 3.12.1, PROJ 9.7.1; sf_use_s2() is TRUE

library(dplyr)

Warning: pacote 'dplyr' foi compilado no R versão 4.5.3

Anexando pacote: 'dplyr'

Os seguintes objetos são mascarados por 'package:stats':

    filter, lag

Os seguintes objetos são mascarados por 'package:base':

    intersect, setdiff, setequal, union

library(ggplot2)

Warning: pacote 'ggplot2' foi compilado no R versão 4.5.3

library(tidyverse)

Warning: pacote 'tidyverse' foi compilado no R versão 4.5.3

Warning: pacote 'tibble' foi compilado no R versão 4.5.3

Warning: pacote 'tidyr' foi compilado no R versão 4.5.3

Warning: pacote 'readr' foi compilado no R versão 4.5.3

Warning: pacote 'purrr' foi compilado no R versão 4.5.3

Warning: pacote 'stringr' foi compilado no R versão 4.5.3

Warning: pacote 'forcats' foi compilado no R versão 4.5.3

Warning: pacote 'lubridate' foi compilado no R versão 4.5.3

── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ forcats   1.0.1     ✔ stringr   1.6.0
✔ lubridate 1.9.5     ✔ tibble    3.3.1
✔ purrr     1.2.2     ✔ tidyr     1.3.2
✔ readr     2.2.0     

── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag()    masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

── 1. COLETA ──────────────────────────────────────────────────────────────────

dados_raw <- get_sidra(
  api = "/t/5938/n3/all/v/37,513,517,6575,525,543/p/2002,2021/d/v37%200,v513%200,v517%200,v6575%200,v525%200,v543%200"
)

All others arguments are desconsidered when 'api' is informed

── 2. LIMPEZA ─────────────────────────────────────────────────────────────────

dados <- dados_raw %>%
  select(
    cod_uf   = `Unidade da Federação (Código)`,
    uf       = `Unidade da Federação`,
    ano      = `Ano`,
    variavel = `Variável`,
    valor    = `Valor`
  ) %>%
  mutate(
    cod_uf = as.numeric(cod_uf),
    ano    = as.integer(ano),
    valor  = as.numeric(valor),
    variavel_label = case_when(
      grepl("^Produto Interno Bruto",    variavel) ~ "PIB corrente",
      grepl("agropecuária",              variavel, ignore.case = TRUE) ~ "VAB Agropecuária",
      grepl("indústria",                 variavel, ignore.case = TRUE) ~ "VAB Indústria",
      grepl("serviços, exclusive",       variavel, ignore.case = TRUE) ~ "VAB Serviços",
      grepl("administração, defesa",     variavel, ignore.case = TRUE) ~ "VAB Adm. Pública",
      grepl("Impostos, líquidos",        variavel, ignore.case = TRUE) ~ "Impostos líquidos",
      TRUE ~ variavel
    )
  )

Confirma os rótulos

dados %>% distinct(variavel, variavel_label)

                                                                                                                                variavel
1                                                                                               Produto Interno Bruto a preços correntes
2                                                                              Valor adicionado bruto a preços correntes da agropecuária
3                                                                                 Valor adicionado bruto a preços correntes da indústria
4 Valor adicionado bruto a preços correntes dos serviços, exclusive administração, defesa, educação e saúde públicas e seguridade social
5                      Valor adicionado bruto a preços correntes da administração, defesa, educação e saúde públicas e seguridade social
6                                                                     Impostos, líquidos de subsídios, sobre produtos a preços correntes
     variavel_label
1      PIB corrente
2  VAB Agropecuária
3     VAB Indústria
4      VAB Serviços
5  VAB Adm. Pública
6 Impostos líquidos

── 3. MALHA ───────────────────────────────────────────────────────────────────

mapa <- read_state(year = 2020)

ℹ Using year/date 2020

── 4. FUNÇÃO PARA UM MAPA INDIVIDUAL GRANDE ──────────────────────────────────

gerar_mapa <- function(var_label, ano_sel, titulo_fill = var_label,
                       fmt = NULL, paleta = "plasma") {
  
  df <- dados %>% filter(variavel_label == var_label, ano == ano_sel)
  
  mapa_dados <- mapa %>%
    left_join(df, by = c("code_state" = "cod_uf"))
  
  if (is.null(fmt))
    fmt <- function(x) scales::comma(x, big.mark = ".", decimal.mark = ",")
  
  ggplot(mapa_dados) +
    geom_sf(aes(fill = valor)) +
    scale_fill_viridis_c(option = paleta, labels = fmt, na.value = "grey80") +
    theme_void() +
    labs(
      title = paste0(var_label, " – ", ano_sel),
      fill  = titulo_fill
    )
}

── 5. FORMATAÇÕES ─────────────────────────────────────────────────────────────

fmt_bi    <- function(x) paste0(round(x / 1e3, 1), " bi")
fmt_reais <- function(x) paste0("R$ ", scales::comma(x, big.mark = ".", decimal.mark = ","))
fmt_pct   <- function(x) paste0(round(x, 1), "%")

── 6. GERA CADA MAPA INDIVIDUALMENTE ─────────────────────────────────────────

PIB CORRENTE

gerar_mapa("PIB corrente", 2002, fmt = fmt_bi)

gerar_mapa("PIB corrente", 2021, fmt = fmt_bi)

VAB AGROPECUÁRIA

gerar_mapa("VAB Agropecuária", 2002, fmt = fmt_bi, paleta = "inferno")

gerar_mapa("VAB Agropecuária", 2021, fmt = fmt_bi, paleta = "inferno")

VAB INDÚSTRIA

gerar_mapa("VAB Indústria", 2002, fmt = fmt_bi)

gerar_mapa("VAB Indústria", 2021, fmt = fmt_bi)

VAB SERVIÇOS

gerar_mapa("VAB Serviços", 2002, fmt = fmt_bi, paleta = "magma")

gerar_mapa("VAB Serviços", 2021, fmt = fmt_bi, paleta = "magma")

VAB ADM. PÚBLICA

gerar_mapa("VAB Adm. Pública", 2002, fmt = fmt_bi, paleta = "cividis")

gerar_mapa("VAB Adm. Pública", 2021, fmt = fmt_bi, paleta = "cividis")

COLETA E LIMPEZA DE DADOS

rm(list = ls())

library(sidrar)
library(geobr)
library(sf)
library(dplyr)
library(ggplot2)
library(tidyverse)

dados_raw <- get_sidra(
  api = "/t/5938/n3/all/v/37,513,517,6575,525,543/p/2002,2021/d/v37%200,v513%200,v517%200,v6575%200,v525%200,v543%200"
)

All others arguments are desconsidered when 'api' is informed

#limpeza
dados <- dados_raw %>%
  select(
    cod_uf   = `Unidade da Federação (Código)`,
    uf       = `Unidade da Federação`,
    ano      = `Ano`,
    variavel = `Variável`,
    valor    = `Valor`
  ) %>%
  mutate(
    cod_uf = as.numeric(cod_uf),
    ano    = as.integer(ano),
    valor  = as.numeric(valor),
    variavel_label = case_when(
      grepl("^Produto Interno Bruto",    variavel) ~ "PIB corrente",
      grepl("agropecuária",              variavel, ignore.case = TRUE) ~ "VAB Agropecuária",
      grepl("indústria",                 variavel, ignore.case = TRUE) ~ "VAB Indústria",
      grepl("serviços, exclusive",       variavel, ignore.case = TRUE) ~ "VAB Serviços",
      grepl("administração, defesa",     variavel, ignore.case = TRUE) ~ "VAB Adm. Pública",
      grepl("Impostos, líquidos",        variavel, ignore.case = TRUE) ~ "Impostos líquidos",
      TRUE ~ variavel
    )
  )

4. FUNÇÃO PARA UM MAPA INDIVIDUAL GRANDE

#malha
mapa <- read_state(year = 2020)

ℹ Using year/date 2020

#mapa individual
gerar_mapa <- function(var_label, ano_sel, titulo_fill = var_label,
                       fmt = NULL, paleta = "plasma") {
  
  df <- dados %>% filter(variavel_label == var_label, ano == ano_sel)
  
  mapa_dados <- mapa %>%
    left_join(df, by = c("code_state" = "cod_uf"))
  
  if (is.null(fmt))
    fmt <- function(x) scales::comma(x, big.mark = ".", decimal.mark = ",")
  
  ggplot(mapa_dados) +
    geom_sf(aes(fill = valor)) +
    scale_fill_viridis_c(option = paleta, labels = fmt, na.value = "grey80") +
    theme_void() +
    labs(
      title = paste0(var_label, " – ", ano_sel),
      fill  = titulo_fill
    )
}

#formatações
fmt_bi    <- function(x) paste0(round(x / 1e3, 1), " bi")
fmt_reais <- function(x) paste0("R$ ", scales::comma(x, big.mark = ".", decimal.mark = ","))
fmt_pct   <- function(x) paste0(round(x, 1), "%")

#mapa individual
#corrente
gerar_mapa("PIB corrente", 2002, fmt = fmt_bi)

gerar_mapa("PIB corrente", 2021, fmt = fmt_bi)

#vab agro
gerar_mapa("VAB Agropecuária", 2002, fmt = fmt_bi, paleta = "inferno")

gerar_mapa("VAB Agropecuária", 2021, fmt = fmt_bi, paleta = "inferno")

#vap indo
gerar_mapa("VAB Indústria", 2002, fmt = fmt_bi)

gerar_mapa("VAB Indústria", 2021, fmt = fmt_bi)

# vab serv
gerar_mapa("VAB Serviços", 2002, fmt = fmt_bi, paleta = "magma")

gerar_mapa("VAB Serviços", 2021, fmt = fmt_bi, paleta = "magma")

# vab adm pub
gerar_mapa("VAB Adm. Pública", 2002, fmt = fmt_bi, paleta = "cividis")

gerar_mapa("VAB Adm. Pública", 2021, fmt = fmt_bi, paleta = "cividis")

FORMATAÇÕES

fmt_bi    <- function(x) paste0(round(x / 1e3, 1), " bi")
fmt_reais <- function(x) paste0("R$ ", scales::comma(x, big.mark = ".", decimal.mark = ","))
fmt_pct   <- function(x) paste0(round(x, 1), "%")

#mapa individual
#corrente
gerar_mapa("PIB corrente", 2002, fmt = fmt_bi)

gerar_mapa("PIB corrente", 2021, fmt = fmt_bi)

#vab agro
gerar_mapa("VAB Agropecuária", 2002, fmt = fmt_bi, paleta = "inferno")

gerar_mapa("VAB Agropecuária", 2021, fmt = fmt_bi, paleta = "inferno")

#vap indo
gerar_mapa("VAB Indústria", 2002, fmt = fmt_bi)

gerar_mapa("VAB Indústria", 2021, fmt = fmt_bi)

# vab serv
gerar_mapa("VAB Serviços", 2002, fmt = fmt_bi, paleta = "magma")

gerar_mapa("VAB Serviços", 2021, fmt = fmt_bi, paleta = "magma")

# vab adm pub
gerar_mapa("VAB Adm. Pública", 2002, fmt = fmt_bi, paleta = "cividis")

gerar_mapa("VAB Adm. Pública", 2021, fmt = fmt_bi, paleta = "cividis")

COLETA — SÉRIE NACIONAL DE DEFLATOR E VOLUME FUNÇÃO PARA UM MAPA INDIVIDUAL GRANDE

anos <- 2001:2021

deflator_volume_raw <- get_sidra(
  api = paste0("/t/6784/n1/all/v/9810,9811/p/", paste(anos, collapse = ",")))

All others arguments are desconsidered when 'api' is informed

LIMPEZA

deflator_volume <- deflator_volume_raw %>%
  select(
    ano      = `Ano`,
    variavel = `Variável`,
    valor    = `Valor`
  ) %>%
  mutate(
    ano    = as.integer(ano),
    valor  = as.numeric(valor),
    variavel_label = case_when(
      grepl("deflator", variavel, ignore.case = TRUE) ~ "Deflator (efeito preços)",
      grepl("volume",   variavel, ignore.case = TRUE) ~ "Volume (crescimento real)",
      TRUE ~ variavel
    )
  )

PERÍODOS CRÍTICOS PARA DESTACAR

periodos_criticos <- tibble::tribble(
  ~inicio, ~fim,   ~label,
  2008.5,  2009.5, "Crise financeira\nglobal",
  2014.5,  2016.5, "Recessão\n2014–2016",
  2019.5,  2020.5, "Pandemia\n(COVID-19)"
)

GRÁFICO — VOLUME x DEFLATOR COM CONTEXTO HISTÓRICO

ggplot() +
  geom_rect(
    data = periodos_criticos,
    aes(xmin = inicio, xmax = fim, ymin = -Inf, ymax = Inf),
    fill = "grey85", alpha = 0.5
  ) +
  geom_text(
    data = periodos_criticos,
    aes(x = (inicio + fim) / 2, y = Inf, label = label),
    vjust = 1.3, size = 2.8, color = "grey40", lineheight = 0.85
  ) +
  geom_hline(yintercept = 0, linetype = "dashed", color = "grey60") +
  geom_line(
    data = deflator_volume,
    aes(x = ano, y = valor, color = variavel_label),
    linewidth = 1.1
  ) +
  geom_point(
    data = deflator_volume,
    aes(x = ano, y = valor, color = variavel_label),
    size = 1.8
  ) +
  scale_color_manual(values = c(
    "Volume (crescimento real)" = "#2c7fb8",
    "Deflator (efeito preços)"  = "#d95f02"
  )) +
  scale_x_continuous(breaks = seq(2001, 2021, 2)) +
  labs(
    title    = "PIB do Brasil: crescimento real (volume) vs efeito de preços (deflator)",
    subtitle = "Variação anual, 2001–2021 — áreas sombreadas marcam períodos de crise",
    x = NULL, y = "Variação (%)", color = NULL
  ) +
  theme_minimal() +
  theme(legend.position = "bottom")

DEFININDO AS SUBFASES

deflator_volume_fases <- deflator_volume %>%
  filter(variavel_label == "Volume (crescimento real)") %>%
  mutate(
    fase = case_when(
      ano >= 2001 & ano <= 2008 ~ "2001-2008\nBoom de commodities",
      ano >= 2009 & ano <= 2014 ~ "2009-2014\nEstabilidade pós-crise",
      ano >= 2015 & ano <= 2016 ~ "2015-2016\nRecessão",
      ano >= 2017 & ano <= 2021 ~ "2017-2021\nRecuperação e pandemia",
      TRUE ~ NA_character_
    ),
    fase = factor(fase, levels = c(
      "2001-2008\nBoom de commodities",
      "2009-2014\nEstabilidade pós-crise",
      "2015-2016\nRecessão",
      "2017-2021\nRecuperação e pandemia"
    ))
  ) %>%
  filter(!is.na(fase))

VOLATILIDADE (DESVIO-PADRÃO) POR SUBFASE

volatilidade_fases <- deflator_volume_fases %>%
  group_by(fase) %>%
  summarise(
    media_crescimento = mean(valor),
    desvio_padrao      = sd(valor),
    minimo             = min(valor),
    maximo             = max(valor),
    n_anos             = n(),
    .groups = "drop"
  )

volatilidade_fases

# A tibble: 4 × 6
  fase                      media_crescimento desvio_padrao minimo maximo n_anos
  <fct>                                 <dbl>         <dbl>  <dbl>  <dbl>  <int>
1 "2001-2008\nBoom de comm…              3.72         1.89     1.1    6.1      8
2 "2009-2014\nEstabilidade…              2.8          2.76    -0.1    7.5      6
3 "2015-2016\nRecessão"                 -3.4          0.141   -3.5   -3.3      2
4 "2017-2021\nRecuperação …              1.16         2.89    -3.3    4.8      5

GRÁFICO — VOLATILIDADE POR SUBFASE

ggplot(volatilidade_fases, aes(x = fase, y = desvio_padrao, fill = fase)) +
  geom_col(width = 0.6) +
  geom_text(aes(label = round(desvio_padrao, 1)), vjust = -0.5, size = 3.5) +
  scale_fill_brewer(palette = "Set2") +
  labs(
    title    = "Volatilidade do crescimento real do PIB por subfase",
    subtitle = "Desvio-padrão da variação anual do volume, 2001-2021",
    x = NULL, y = "Desvio-padrão (pontos percentuais)"
  ) +
  theme_minimal() +
  theme(legend.position = "none")

BOXPLOT DA DISTRIBUIÇÃO POR SUBFASE

ggplot(volatilidade_fases, aes(x = fase)) +
  geom_segment(aes(y = minimo, yend = maximo, xend = fase),
               color = "grey70", linewidth = 1.5) +
  geom_point(aes(y = media_crescimento), size = 5, color = "#2c7fb8") +
  geom_hline(yintercept = 0, linetype = "dashed", color = "grey50") +
  labs(
    title    = "Variação do crescimento real do PIB por subfase",
    subtitle = "A linha mostra o intervalo (mínimo–máximo); o ponto é a média da fase",
    x = NULL, y = "Variação anual do volume (%)"
  ) +
  theme_minimal(base_size = 12) +
  theme(panel.grid.minor = element_blank())

COLETA — ÍNDICE DE COMMODITIES BRASIL (IC-Br)

install.packages(“httr”) install.packages(“lubridate”) library(httr) library(lubridate)

url_icbr <- "https://api.bcb.gov.br/dados/serie/bcdata.sgs.29042/dados?formato=csv&dataInicial=01/01/2000&dataFinal=31/12/2021"

icbr_raw <- read.csv2(url_icbr, stringsAsFactors = FALSE)

icbr_anual <- icbr_raw %>%
  mutate(
    data  = as.Date(data, format = "%d/%m/%Y"),
    ano   = year(data),
    valor = as.numeric(valor)
  ) %>%
  group_by(ano) %>%
  summarise(indice_medio = mean(valor, na.rm = TRUE), .groups = "drop") %>%
  arrange(ano) %>%
  mutate(variacao_icbr = (indice_medio / lag(indice_medio) - 1) * 100) %>%
  filter(ano >= 2001, ano <= 2021)

JUNTANDO PIB REAL E COMMODITIES

comparacao_pib_commodities <- deflator_volume %>%
  filter(variavel_label == "Volume (crescimento real)") %>%
  select(ano, crescimento_pib = valor) %>%
  left_join(icbr_anual %>% select(ano, variacao_icbr), by = "ano")

GRÁFICO — PIB REAL x PREÇO DE COMMODITIES (BARRAS)

comparacao_long <- comparacao_pib_commodities %>% pivot_longer( cols = c(crescimento_pib, variacao_icbr), names_to = “variavel”, values_to = “valor” ) %>% mutate( variavel = case_when( variavel == “crescimento_pib” ~ “PIB real (volume)”, variavel == “variacao_icbr” ~ “Preço de commodities (IC-Br)”, TRUE ~ variavel ) )

ggplot(comparacao_long, aes(x = ano, y = valor, fill = variavel)) + geom_col(position = “dodge”) + geom_hline(yintercept = 0, linetype = “dashed”, color = “grey50”) + scale_fill_manual(values = c( “PIB real (volume)” = “#2c7fb8”, “Preço de commodities (IC-Br)” = “#d95f02” )) + scale_x_continuous(breaks = seq(2001, 2021, 2)) + labs( title = “PIB real vs preço de commodities (IC-Br)”, subtitle = “Variação anual, 2001–2021”, x = NULL, y = “Variação (%)”, fill = NULL ) + theme_minimal() + theme(legend.position = “bottom”)