Pular para conteúdo

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 em caged/<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-ajustes trazem 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 por ano e mes: ano=2019/mes=12/caged_201912.parquet. Um Parquet por mês; ano é inteiro e mes é 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 tem municipio e sexo, recusa o arquivo.
  • Chave: não há. Nulos: as colunas que não existem em um mês aparecem vazias na união dos arquivos (ind_trab_parcial e ind_trab_intermitente em 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, 01 ou 000001, e valores decimais usam vírgula (0000686,80). Converta e normalize antes de comparar anos.
  • Saldo em formatos diferentes. saldo_mov aparece como 000001 e -00001 em 2007-01 e como 01 e -1 em 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, {ñ e 0 para ignorado ou não informado; tipo_defic de 2007-01 é {ñ em 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) e municipio (6 dígitos) estão em colunas separadas, apesar de o layout oficial intitular o campo UF como município.
  • Colunas regionais por estado. regiao_senai_pr, regiao_corede e similares são recortes de um estado; fora dele a fonte grava o marcador {ñ ou {ñ c (o “{ñ class}” do layout, truncado), que significa não classificado. Em 2019-12, regiao_senai_pr é {ñ em 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.