Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufjf.br/jspui/handle/ufjf/16346
Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
emanuelebastoscosta.pdfPDF/A572.66 kBAdobe PDFVista previa
Visualizar/Abrir
Clase: Trabalho de Conclusão de Curso
Título : Análise da evolução da folha de pagamento da Prefeitura de Juiz de Fora no período de 2018-2022: uma abordagem via modelos de séries temporais
Autor(es): Costa, Emanuele Bastos
Orientador: Zanini, Alexandre
Miembros Examinadores: Perobelli, Fernando Salgueiro
Resumo: O propósito desta pesquisa é estudar a evolução das despesas com a folha de pagamento de servidores aposentados da Prefeitura Municipal de Juiz de Fora (PMJF), visando construir um modelo de previsão, com base na análise de séries temporais, que permita projetar estas despesas. Espera-se, assim, poder auxiliar o município em suas tomadas de decisão no que tange, por exemplo, ao planejamento orçamentário. Com essa finalidade, foram levantados e estudados dados mensais das despesas com os aposentados da prefeitura de Juiz de Fora entre os anos de 2018 até 2022 e, a partir disso, a pesquisa aplicou dois modelos de análise de dados: Método de Amortecimento Exponencial (MAE) e Metodologia Univariada de Box e Jenkins (MBJ). Foi realizada uma competição entre estes dois métodos para selecionar o método vencedor a ser utilzado no cálculo das previsões. Além disso, como embasamento teórico, foi desenvolvido um estudo sobre o Regime Próprio de Previdência Social e suas especificidades e o Orçamento Público. Como resultado, verificou-se que as despesas com aposentadorias da PMJF apresentam um comportamento crescente, sendo necessária a observação dessa evolução para que não aconteça uma situação de incompatibilidade com a receita arrecadada. Usando o modelo matemático selecionado, vê-se que a projeção para um horizonte de dois anos indica um crescimento na ordem de 11% em média no período de 2023 a 2024.
Resumen : The purpose of this research is to study the evolution of payroll expenses for retired employees of the Municipal Government of Juiz de Fora, aiming to build a forecast model, based on time series analysis, that allows these expenses to be projected. It is expected, therefore, to be able to assist the municipality in its decision-making regarding, for example, budget planning. For this purpose, monthly data on expenses with retirees from the city of Juiz de Fora were collected and studied between the years 2018 and 2022 and, from this, the research applied two data analysis models: Exponential Amortization Method (MAE ) and Box and Jenkins Univariate Methodology (MBJ). A competition was held between these two methods to select the winning method to be used in calculating the forecasts. Furthermore, as a theoretical basis, a study was developed on the Social Security Regime and its specificities and the Public Budget. As a result, it was found that PMJF's pension expenses show an increasing behavior, making it necessary to observe this evolution so that there is no situation of incompatibility with the revenue collected. Using the selected mathematical model, it can be seen that the projection for a two-year horizon indicates growth of around 11% on average in the period from 2023 to 2024.
Palabras clave : Regime próprio de previdência social
Own social security regime
Despesa pública
Public expenditure
Aposentadoria
Retirement
Modelo de previsão
Forecasting model
Séries temporais
Time series
CNPq: CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA
Idioma: por
País: Brasil
Editorial : Universidade Federal de Juiz de Fora (UFJF)
Sigla de la Instituición: UFJF
Departamento: Faculdade de Economia
Clase de Acesso: Acesso Aberto
Attribution 3.0 Brazil
Licenças Creative Commons: http://creativecommons.org/licenses/by/3.0/br/
URI : https://repositorio.ufjf.br/jspui/handle/ufjf/16346
Fecha de publicación : 5-dic-2023
Aparece en las colecciones: Ciências Econômicas - Campus JF - TCC Graduação



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons