Materiais da apresentação no Congresso do IBDP.
# base será colocada nos releases.
pgfn <- readr::read_rds("data-raw/pgfn.rds")Tipo de crédito
# tabela
pgfn |>
count(tipo_credito, sort = TRUE) |>
mutate(prop = scales::percent(n / sum(n))) |>
knitr::kable()| tipo_credito | n | prop |
|---|---|---|
| OUTROS | 5838365 | 98.3284% |
| CONTRIBUICAO NAO REPASSADA | 59766 | 1.0066% |
| AFERICAO INDIRETA | 32093 | 0.5405% |
| Não Informado | 3290 | 0.0554% |
| SOLIDARIEDADE | 1952 | 0.0329% |
| ARREMATACAO | 1138 | 0.0192% |
| SUCUMBENCIA | 583 | 0.0098% |
| RECLAMATORIA TRABALHISTA JUST TRABALHO | 416 | 0.0070% |
| NATUREZA NAO PREVIDENCIARIA | 15 | 0.0003% |
Situação da inscrição
pgfn |>
count(tipo_situacao_inscricao, sort = TRUE) |>
mutate(prop = scales::percent(n / sum(n))) |>
knitr::kable()| tipo_situacao_inscricao | n | prop |
|---|---|---|
| Em cobrança | 4756355 | 80.105% |
| Benefício Fiscal | 1165621 | 19.631% |
| Garantia | 9556 | 0.161% |
| Suspenso por decisão judicial | 5093 | 0.086% |
| Em negociação | 993 | 0.017% |
# mapa
estados <- geobr::read_state(showProgress = FALSE)
#> Loading required namespace: sf
#> Using year 2010
codigos <- estados |>
as_tibble() |>
select(code_state, abbrev_state)
populacao <- abjData::pnud_uf |>
filter(ano == 2010) |>
select(code_state = uf, popt) |>
left_join(codigos, "code_state")
pgfn_uf <- pgfn |>
group_by(abbrev_state = uf_unidade_responsavel) |>
summarise(
n = n(),
valor = sum(valor_consolidado)
) |>
left_join(populacao, "abbrev_state") |>
mutate(
n_pop = n / popt,
vl_pop = valor / popt
)
estados |>
left_join(pgfn_uf, c("abbrev_state")) |>
ggplot() +
geom_sf(aes(fill = vl_pop), color = "black", size = .1) +
scale_fill_viridis_c(
begin = .2, end = .8,
option = "A", trans = "log10"
) +
theme_void() +
labs(
title = "Dívida total / população"
)
pgfn_mes <- pgfn |>
mutate(data = lubridate::floor_date(data_inscricao, "month")) |>
filter(data >= "2008-01-01") |>
count(data)
pgfn_mes |>
ggplot(aes(x = data, y = n/1e3)) +
geom_line(size = 1) +
theme_minimal() +
scale_x_date(date_breaks = "1 year", date_labels = "%Y") +
labs(
x = "Mês", y = "Quantidade (milhares)",
title = "Quantidade de inscrições ao longo dos anos"
)
library(tsibble)
#>
#> Attaching package: 'tsibble'
#> The following objects are masked from 'package:base':
#>
#> intersect, setdiff, union
library(fable)
#> Carregando pacotes exigidos: fabletools
pgfn_tsibble <- pgfn_mes |>
mutate(data = yearmonth(data), n = sqrt(n/1e3)) |>
as_tsibble(index = data)
fit <- pgfn_tsibble |>
model(
model = ARIMA(n ~ pdq(2,1,2) + PDQ(1,1,1))
)
fit |>
forecast(h = 12) |>
mutate(.mean = (.mean^2), n = (n^2)) |>
autoplot(pgfn_tsibble |> mutate(n = (n^2))) +
theme_minimal() +
labs(
x = "Mês",
y = "Quantidade (milhares)",
title = "Quantidade de inscrições ao longo dos anos"
)
Link da apresentação aqui.