O objetivo deste pacote é calcular as medidas de núcleos de inflação divulgadas pelo Banco Central do Brasil a partir dos dados desagregados do IPCA/IBGE. O pacote contempla o cálculo dos núcleos por exclusão e estatísticos comumente acompanhados pela autoridade monetária: IPCA-EX0, IPCA-EX1, IPCA-EX2, IPCA-EX3, IPCA-MA, IPCA-MS e IPCA-DP.
Este pacote desenvolvido em R e faz parte dos cursos da Análise Macro.
Instalação
O pacote pode ser instalado através do GitHub com o remotes:
if(!require("remotes")) install.packages("remotes")
remotes::install_github("analisemacropro/nucleos")Funcionalidades
Resumo das principais funcionalidade do pacote:
| Tipo | Núcleo | Função |
|---|---|---|
| Exclusão | IPCA-EX0 | nucleos::core_adhoc() |
| Exclusão | IPCA-EX1 | nucleos::core_adhoc() |
| Exclusão | IPCA-EX2 | nucleos::core_adhoc() |
| Exclusão | IPCA-EX3 | nucleos::core_adhoc() |
| Média aparada | IPCA-MA | nucleos::core_ma() |
| Média aparada | IPCA-MS | nucleos::core_ms() |
| Dupla ponderação | IPCA-DP | nucleos::core_dp() |
Utilização
Exemplos de utilização, primeiro colete os dados:
# Carregar pacotes para exemplos
if(!require("pacman")) install.packages("pacman")
#> Loading required package: pacman
pacman::p_load("nucleos", "dplyr", "magrittr")
# Coletar e tratar dados desagregados do IPCA
ipca_core <- nucleos::get_ipca(table = c(1419, 7060), period = "all") %>%
nucleos::group_desc()
#> Fetching SIDRA data...
#> Considering all categories once 'classific' was set to 'all' (default)
#> Considering all categories once 'classific' was set to 'all' (default)
#> Considering all categories once 'classific' was set to 'all' (default)
#> Considering all categories once 'classific' was set to 'all' (default)
# Resultado
ipca_core
#> # A tibble: 53,227 x 8
#> date table code desc pct_change weight snipc group
#> <date> <chr> <dbl> <chr> <dbl> <dbl> <chr> <chr>
#> 1 2012-01-01 1419 7169 Índice geral 0.56 100 "" Geral
#> 2 2012-01-01 1419 7170 1.Alimentação e beb~ 0.86 23.1 "1" Grupo
#> 3 2012-01-01 1419 7171 11.Alimentação no d~ 0.68 15.2 "11" Subgr~
#> 4 2012-01-01 1419 7172 1101.Cereais, legum~ 5.44 0.822 "1101" Item
#> 5 2012-01-01 1419 7173 1101002.Arroz 1.32 0.505 "1101~ Subit~
#> 6 2012-01-01 1419 7175 1101051.Feijão - mu~ 16.0 0.0216 "1101~ Subit~
#> 7 2012-01-01 1419 7176 1101052.Feijão - pr~ 5.42 0.0537 "1101~ Subit~
#> 8 2012-01-01 1419 7177 1101053.Feijão - ma~ 1.17 0.0336 "1101~ Subit~
#> 9 2012-01-01 1419 12222 1101073.Feijão - ca~ 15.1 0.207 "1101~ Subit~
#> 10 2012-01-01 1419 41128 1101075.Feijão - br~ NA NA "1101~ Subit~
#> # ... with 53,217 more rowsCalculando o IPCA-EX0:
# Núcleo IPCA-EX0
ipca_ex0 <- nucleos::core_adhoc(
core = "ex0", # pode ser também ex1, ex2, ex3
data = ipca_core,
change = "pct_change", # nome da coluna com variações mensais
weight = "weight", # nome da coluna dos pesos
code = "code", # nome da coluna de identificação do código do elemento
date = "date" # nome da coluna de datas
)
# Resultado
ipca_ex0
#> # A tibble: 115 x 2
#> date ipca_ex0
#> <date> <dbl>
#> 1 2012-01-01 0.57
#> 2 2012-02-01 0.65
#> 3 2012-03-01 0.21
#> 4 2012-04-01 0.71
#> 5 2012-05-01 0.26
#> 6 2012-06-01 -0.1
#> 7 2012-07-01 0.44
#> 8 2012-08-01 0.39
#> 9 2012-09-01 0.39
#> 10 2012-10-01 0.49
#> # ... with 105 more rowsExemplos para os demais núcleos (consulte a documentação das funções para detalhes):
# Núcleo IPCA-MA
ipca_ma <- ipca_core %>%
dplyr::filter(group == "Item") %>%
nucleos::core_ma(., "pct_change", "weight", "date")
# Núcleo IPCA-MS
ipca_ms <- ipca_core %>%
dplyr::filter(group == "Item") %>%
nucleos::core_ms(., "pct_change", "weight", "code", "date")
# Núcleo IPCA-DP
ipca_dp <- ipca_core %>%
nucleos::core_dp(., "pct_change", "weight", "code", "group", "date")