Arcabouço teórico

A lei de Okun é uma equação que relaciona o hiato do produto com o hiato do desemprego. Em teoria, essa relação deve ser negativa, ou seja, caso o país passe por um um hiato positivo (PIB Real maior que o PIB Potencial), o hiato do desemprego deve ser negativo (Desemprego Real menor que o Desemprego Natural). Vamos verificar na prática essa relação?

Especificações

\[ \begin{aligned} (U_{t} - U_{t}^*) = \beta(Y_{t} - Y_{t}^*) \ (1) \\ ln(U_{t})- ln(U_{t}^*) = \alpha + \beta(ln(Y_{t}) - ln(Y_{t}^*)) \ (2) \\ U_{t} = \alpha + \beta(Y_{t} - Y_{t}^*) \ (3) \end{aligned} \]

\(U_{t}\) = Nível de emprego

\(U_{t}^*\) = Desemprego Natural

\(Y_{t}\) = Produto Real

\(Y_{t}^*\) = Produto Potencial

Coleta de dados

Podemos coletar os dados com o pacote rbcb, usando a função get_series(). Para o nosso caso, temos a série de desocupação, correspondente ao código 24369. No caso so PIB, o código 4380. O periodo deve ser de março de 2012 até fevereiro de 2019, totalizando assim 84 observações.

Transformando os dados

Como podemos ver, nosso PIB não está deflacionado, não apresentando queda. Por isso, vamos deflaciona - lo usando o pacote deflateBR e a função deflate.

Hiatos

Tanto como o PIB potencial tanto como o Desemprego Natural irão ser estimados pelo filtro HP. Nós podemos usar o pacote mFilter e a função hpfilter() para estima -los. Depois, poderemos criar as séries de hiatos, tanto para o produto como para o desemprego. Lembre se que temos que calcular o hiato percentual e mutiplica - lo por 100. Tabém não se esqueça de criar série logarizadas das variaveis especificadas na segunda equação.

Modelagem

Depois de criadas todas as variaveis, iremos criar os 3 modelos de acordo as especificações citadas. Feito isso, iremos tabelar as estatisticas usando a função stargazer() do pacote de mesmo nome. Há diversos outros modos de reportar as estatisicas dos seus modelos, sinta - se à vontade para isso.

**Estatisticas**

	Dependent variable:

	Hiato_desemprego	log_Hiato_desemprego	desemprego
	(1)	(2)	(3)

Hiato_produto	-0.269^**		-0.041
	(0.102)		(0.115)

log_Hiato_produto		-0.269^**
		(0.103)

Constant		-0.001	9.531^***
		(0.002)	(0.272)


Observations	84	84	84
R²	0.077	0.078	0.002
Adjusted R²	0.066	0.066	-0.011
Residual Std. Error	2.212 (df = 83)	0.022 (df = 82)	2.496 (df = 82)
F Statistic	6.940^** (df = 1; 83)	6.901^** (df = 1; 82)	0.126 (df = 1; 82)

Note:	p<0.1; p<0.05; p<0.01

Lei de Okun

Lucas Mendes