CAGED estatístico (microdados, 2007 a 2019)¶
Resumo¶
O CAGED (Cadastro Geral de Empregados e Desempregados) registra cada admissão e desligamento de trabalhadores sob o regime da CLT, declarados pelos estabelecimentos. Esta é a série "estatística" que o MTE divulgou até dezembro de 2019; em 2020 foi substituída pelo Novo CAGED (datasets caged-2020-*), com outra metodologia, e as duas séries não são comparáveis diretamente.
São microdados individuais, mas a fonte os classifica como não identificados: não há nome, CPF nem PIS. As colunas abaixo descrevem pessoas e, combinadas, podem permitir reidentificação; trate como dado pessoal. Este repositório não reproduz valores individuais.
Ficha técnica¶
| Campo | Valor |
|---|---|
| Dataset | pdet/caged |
| Órgão | Ministério do Trabalho e Emprego (MTE), Programa de Disseminação das Estatísticas do Trabalho (PDET) |
| Página oficial | ftp://ftp.mtps.gov.br/pdet/microdados/CAGED/ |
| Licença | Não informada pela fonte. O Comunicado MTPS 192/12 e a Nota Técnica MTPS 088/12 (ftp://ftp.mtps.gov.br/pdet/microdados/) descrevem os microdados como não identificados e não declaram licença nem termo de uso |
| Periodicidade | mensal; série encerrada em 2019-12, substituída pelo Novo CAGED em 2020 |
| Cobertura | 2007-01 a 2019-12 |
| Unidade (uma linha) | movimentação (admissão ou desligamento) de um trabalhador celetista em um mês |
| Granularidade | espacial: município do estabelecimento; temporal: mês |
| Formato bruto | 7z com um TXT por mês (CAGEDEST_MMAAAA.txt), latin-1, separador ponto e vírgula |
| Estado no lake | convertido |
| Partições | ano, mes |
| Chave | — |
| Colunas | 42 |
| Unidades de medida | salario_mensal: R$; saldo_mov: movimentações (+1 admissão, -1 desligamento); tempo_emprego: meses; qtd_hora_contrat: horas por semana |
| Dados pessoais | sexo (sexo); raca_cor (raça/cor); idade (idade); ind_portador_defic (saúde (deficiência); idem tipo_defic); grau_instrucao (escolaridade); cbo_2002_ocupacao (ocupação); salario_mensal (renda individual); municipio (localização (município do estabelecimento); idem uf e as colunas de bairro, distrito e região); tempo_emprego (dados do vínculo (tempo de emprego, competência de admissão ou desligamento)) |
| Eras | 2008-01: entra a classe CNAE convertida (CNAE 1.0 a partir da CNAE 2.0); 2017-11: indicadores de trabalho parcial e intermitente passam a existir, preenchidos desde 2018-05 (com retroação a 2017-11) |
| Revisado em | 2026-11-10 |
| Versão do fetcher | 0.8.3 |
Origem e coleta¶
- O fetcher baixa os arquivos mensais do FTP do PDET (
ftp://ftp.mtps.gov.br/pdet/microdados/CAGED/) e guarda emcaged/<ano>/[email protected]. O lake converte a versão mais recente de cada mês. - Conferido no bruto em 2026-11-10: 156 arquivos, de 2007-01 a 2019-12, sem lacuna, uma versão cada.
- O layout oficial é
CAGEDEST_layout_Atualizado.xls(atualizado em 2018-06-21), na pasta de documentação do FTP.
Conteúdo¶
- Uma linha por movimentação (admissão ou desligamento). Amostra convertida: 2007-01 (2.182.618 linhas, saldo +105.468) e 2019-12 (2.289.007 linhas, saldo -307.311).
- Cobertura nominal: 2007-01 a 2019-12 (156 meses seguidos). O PDET anuncia microdados do CAGED estatístico desde janeiro de 2009 no comunicado MTPS 192/12 (de 2012); a pasta tem 2007 em diante.
- Conferência de linhas: 2007-01: 2.182.618 e 2019-12: 2.289.007, iguais às linhas do TXT menos o cabeçalho.
- As séries
caged-ajustestrazem as declarações fora do prazo; o saldo "com ajuste" soma as duas.
Variáveis¶
Os nomes vêm do cabeçalho do TXT, normalizado. Rótulos de código: layout oficial do CAGED estatístico. A coluna Período mostra em quais dos 2 meses amostrados (2007, 2019) a coluna existe. Todas as colunas são texto.
| Coluna no lake | Na fonte | Tipo | Descrição | Unidade / códigos | Período |
|---|---|---|---|---|---|
admitidos_desligados |
ADMITIDOS/DESLIGADOS | texto | Admissão ou desligamento | 1 admissão, 2 desligamento (no lake aparece como 01 e 02) |
todo |
competencia_declarada |
COMPETENCIA | texto | Competência (mês/ano) em que a movimentação foi declarada | AAAAMM | todo |
municipio |
MUNICIPIO | texto | Município de localização do estabelecimento | código de 6 dígitos (IBGE sem dígito verificador); ignorado como <UF>9999 ou -1 |
todo |
ano_declarado |
ANO COMP | texto | Ano em que a movimentação foi declarada (o layout diz “de 1996 até 2009”, mas o campo traz o ano de cada arquivo) | AAAA | todo |
cbo_2002_ocupacao |
CBO 2002 | texto | Ocupação pela CBO 2002 | 6 dígitos; -1 ignorado | todo |
cnae_1_0_classe |
CLAS CNAE 10 | texto | Classe de atividade econômica pela CNAE/95, convertida a partir da classe CNAE 2.0, disponível a partir de 01/2008 | 5 dígitos; 0 não informado; -1 ignorado | todo |
cnae_2_0_classe |
CLAS CNAE 20 | texto | Classe de atividade econômica pela CNAE 2.0 | 5 dígitos | todo |
cnae_2_0_subclas |
SB CLAS 20 | texto | Subclasse de atividade econômica pela CNAE 2.0, a partir de 2006 | 7 dígitos | todo |
faixa_empr_inicio_jan |
FX EMP JAN | texto | Tamanho do estabelecimento em janeiro do ano de referência | 1 até 4, 2 de 5 a 9, 3 de 10 a 19, 4 de 20 a 49, 5 de 50 a 99, 6 de 100 a 249, 7 de 250 a 499, 8 de 500 a 999, 9 mil ou mais, -1 ignorado | todo |
grau_instrucao |
GRAU INSTR | texto | Grau de instrução ou escolaridade | 1 analfabeto, 2 até 5ª incompleto, 3 5ª completo, 4 6ª a 9ª, 5 fundamental completo, 6 médio incompleto, 7 médio completo, 8 superior incompleto, 9 superior completo, 10 mestrado, 11 doutorado, -1 ignorado | todo |
qtd_hora_contrat |
HORAS CONT P | texto | Quantidade de horas contratuais por semana | horas por semana; -1 ignorado | todo |
ibge_subsetor |
IBGE subsetor | texto | Subsetor econômico segundo o IBGE | 1 a 25; -1 ignorado | todo |
idade |
IDADE P | texto | Idade do trabalhador | anos | todo |
ind_aprendiz |
IND APRENDIZ | texto | Indicador de movimentação referente a contrato de aprendizagem | 0 não, 1 sim | todo |
ind_portador_defic |
PORT DEFIC | texto | Indicador de empregado portador de deficiência habilitado ou beneficiário reabilitado | 0 não, 1 sim | todo |
raca_cor |
RACACOR | texto | Raça e cor do trabalhador, disponível a partir de 01/2007 | 1 indígena, 2 branca, 4 preta, 6 amarela, 8 parda, 9 não identificado, -1 ignorado; {ñ em 3.172 linhas de 2007-01 (provável “{ñ class}”, que o layout manda tratar como ignorado) |
todo |
salario_mensal |
SAL MENSAL | texto | Salário mensal em moeda corrente | R$, vírgula decimal (000000,00) |
todo |
saldo_mov |
SALDO MOV | texto | Saldo de movimentação | 1 para admissão e -1 para desligamento; formato varia (000001, 01, -1, -00001) |
todo |
sexo |
SEXO | texto | Sexo do trabalhador | 1 masculino, 2 feminino, -1 ignorado | todo |
tempo_emprego |
TEMP EMP P | texto | Tempo de emprego do trabalhador | meses, vírgula decimal (0600,0) |
todo |
tipo_estab |
TIPO ESTBL | texto | Tipo de estabelecimento | 1 CNPJ, 3 CEI, 9 não identificado, -1 ignorado | todo |
tipo_defic |
TP DEFIC | texto | Tipo de deficiência ou beneficiário habilitado | 0 não deficiente, 1 física, 2 auditiva, 3 visual, 4 intelectual, 5 múltipla, 6 reabilitado, -1 ignorado; {ñ em todas as linhas de 2007-01 |
todo |
tipo_mov_desagregado |
TP MOV DESAG | texto | Tipo de movimento | 1 primeiro emprego, 2 reemprego, 3 transferência (admissão), 4 a 9 desligamentos (sem justa causa, com justa causa, a pedido, aposentadoria, morte, transferência), 10 reintegração, 11 término de contrato, 25 contrato por prazo determinado, 43 término de prazo determinado, 90 acordo, -1 ignorado | todo |
uf |
UF | texto | Unidade da Federação de localização do estabelecimento (o layout intitula o campo como município por engano) | código IBGE de 2 dígitos, ex.: 35 São Paulo | todo |
bairros_sp |
BAIRRO_SP | texto | Bairro do município de São Paulo | código (planilha do layout) | todo |
bairros_fortaleza |
BAIRRO FORT | texto | Bairro de Fortaleza | código (planilha do layout) | todo |
bairros_rj |
BAIRRO_RJ | texto | Bairro do Rio de Janeiro | código (planilha do layout) | todo |
distritos_sp |
DISTRITO_SP | texto | Distrito de São Paulo | código (planilha do layout) | todo |
regioes_adm_df |
REG ADM DF | texto | Região Administrativa do Distrito Federal | código (planilha do layout) | todo |
mesorregiao |
Mesorregiao | texto | Mesorregião | código (planilha do layout) | todo |
microrregiao |
Microrregiao | texto | Microrregião | código (planilha do layout) | todo |
regiao_adm_rj |
Região Adm RJ | texto | Região administrativa do Rio de Janeiro | código (planilha do layout) | todo |
regiao_adm_sp |
Região Adm SP | texto | Região administrativa de São Paulo | código (planilha do layout) | todo |
regiao_corede |
Regiao Corede | texto | Região Corede (RS) | código (planilha do layout) | todo |
regiao_corede_04 |
Regiao Corede 04 | texto | Região Corede 04 (RS) | código (planilha do layout) | todo |
regiao_gov_sp |
Regiao Gov SP | texto | Região de governo de São Paulo | código (planilha do layout) | todo |
regiao_senac_pr |
Regiao Senac PR | texto | Região Senac (PR) | código (planilha do layout) | todo |
regiao_senai_pr |
Regiao Senai PR | texto | Região Senai (PR) | código (planilha do layout) | todo |
regiao_senai_sp |
Regiao Senai SP | texto | Região Senai (SP) | código (planilha do layout) | todo |
sub_regiao_senai_pr |
Sub-Regiao Senai PR | texto | Sub-região Senai (PR) | código (planilha do layout) | todo |
ind_trab_parcial |
IND TRAB PARCIAL | texto | Indicador de movimentação em contrato parcial (a partir de 05/2018, retroagindo a 11/2017) | 0 não, 1 sim; vazio nos meses anteriores | 2019 (anos amostrados) |
ind_trab_intermitente |
IND TRAB INTERMITENTE | texto | Indicador de movimentação em contrato intermitente (a partir de 05/2018, retroagindo a 11/2017) | 0 não, 1 sim; vazio nos meses anteriores | 2019 (anos amostrados) |
No lake¶
- Dataset
pdet/caged, particionado poranoemes:ano=2019/mes=12/caged_201912.parquet. Um Parquet por mês;anoé inteiro emesé texto com zero à esquerda. - A partição vem do nome do arquivo (
caged_201912@…7z). - O conversor extrai o TXT com
7z, lê com DuckDB (latin-1,;) e grava tudo como texto. Se o cabeçalho não temmunicipioesexo, recusa o arquivo. - Chave: não há. Nulos: as colunas que não existem em um mês aparecem vazias na união dos arquivos (
ind_trab_parcialeind_trab_intermitenteem 2007); nas demais colunas não há vazios na amostra. - Linhas: iguais às do TXT menos o cabeçalho nos dois meses amostrados.
Cuidados de uso¶
- Tudo é texto, sem normalização de formato. O conversor não converte tipos nem tira zeros à esquerda ou espaços: o mesmo código aparece como
1,01ou000001, e valores decimais usam vírgula (0000686,80). Converta e normalize antes de comparar anos. - Saldo em formatos diferentes.
saldo_movaparece como000001e-00001em 2007-01 e como01e-1em 2019-12 (conferido em 2026-11-10); converta para inteiro antes de somar. O saldo de 2019-12 é -307.311 e o de 2007-01 é +105.468. - Valores ignorados. Os campos usam
-1,{ñe0para ignorado ou não informado;tipo_deficde 2007-01 é{ñem todas as linhas. Trate antes de agregar. - Declarações fora do prazo ficam em outro dataset. O saldo do mês aqui não inclui os ajustes (
caged-ajustes). - Descontinuidade em 2020. A série vai até 2019-12; o Novo CAGED começa em 2020-01 com outra metodologia (eSocial e imputação) e não é comparável direto.
- Dois níveis de região.
uf(código IBGE de 2 dígitos) emunicipio(6 dígitos) estão em colunas separadas, apesar de o layout oficial intitular o campoUFcomo município. - Colunas regionais por estado.
regiao_senai_pr,regiao_coredee similares são recortes de um estado; fora dele a fonte grava o marcador{ñou{ñ c(o “{ñ class}” do layout, truncado), que significa não classificado. Em 2019-12,regiao_senai_pré{ñem 2.116.676 de 2.289.007 linhas. - Cautela com variáveis recentes ou muito desagregadas. A Nota Técnica MTPS 088/12 avisa que Indicador de Pessoa com Deficiência, Tipo de Deficiência, Subclasse de atividade econômica, Ocupação e Raça/Cor devem ser usadas com cautela: algumas são recentes e, no nível de desagregação fino, podem ter inconsistências; em nível agregado o uso não fica comprometido.
- Dado pessoal. Veja o inventário no cabeçalho.
Exemplos¶
Saldo (admissões menos desligamentos) por UF em dezembro de 2019, com a conversão do saldo para inteiro:
import duckdb
duckdb.sql("""
SELECT uf, sum(CAST(saldo_mov AS INTEGER)) AS saldo
FROM read_parquet('lake/pdet/caged/ano=2019/mes=12/*.parquet')
GROUP BY uf ORDER BY saldo
""").show()
Referências¶
- Microdados do PDET (FTP): ftp://ftp.mtps.gov.br/pdet/microdados/
- Comunicado MTPS 192/12 e Nota Técnica MTPS 088/12, na mesma pasta.
- Layout
CAGEDEST_layout_Atualizado.xls, na pasta de documentação do FTP.