Pular para conteúdo

RAIS - vínculos (microdados)

Resumo

A RAIS (Relação Anual de Informações Sociais) é o registro administrativo anual de todos os vínculos formais de emprego declarados pelos estabelecimentos. Os microdados do PDET trazem um registro por vínculo, com o perfil do trabalhador (sexo, idade, raça/cor, escolaridade, nacionalidade), o vínculo (tipo, admissão, desligamento, remuneração, ocupação) e o estabelecimento (atividade econômica, tamanho, município).

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/rais-vinculos
Órgão Ministério do Trabalho e Emprego (MTE), Programa de Disseminação das Estatísticas do Trabalho (PDET)
Página oficial ftp://ftp.mtps.gov.br/pdet/microdados/RAIS/
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 anual (o ano-base é publicado no ano seguinte, com republicações)
Cobertura 1985 a 2025
Unidade (uma linha) vínculo empregatício declarado na RAIS no ano-base
Granularidade espacial: município do estabelecimento (e, a partir de 2002, do local de trabalho); temporal: ano
Formato bruto 7z com um TXT por UF (1985 a 2017) ou por macrorregião (2018 em diante); latin-1, separador ponto e vírgula; republicações de 2023 em diante em CSV com vírgula, aspas e extensão .COMT
Estado no lake parcial
Partições ano, regiao
Chave —
Colunas 77
Unidades de medida vl_remun_dezembro_sm: salários mínimos; vl_remun_media_sm: salários mínimos; vl_remun_dezembro_nom: R$; vl_remun_media_nom: R$; vl_salario_contratual: R$; tempo_emprego: meses; qtd_hora_contr: horas por semana; qtd_dias_afastamento: dias; vl_rem_janeiro_cc: R$ (idem os demais meses, sufixos cc e sc)
Dados pessoais sexo_trabalhador (sexo); raca_cor (raça/cor); idade (idade); faixa_etaria (idade (faixa)); nacionalidade (nacionalidade); ano_chegada_brasil (origem (ano de chegada ao Brasil)); ind_portador_defic (saúde (deficiência)); tipo_defic (saúde (tipo de deficiência)); causa_afastamento_1 (saúde/afastamento (acidente, doença, licença); idem causa_afastamento_2 e 3 e qtd_dias_afastamento); grau_instrucao_2005_1985 (escolaridade; idem escolaridade_apos_2005); cbo_ocupacao (ocupação; idem cbo_94_ocupacao e cbo_ocupacao_2002); vl_remun_dezembro_nom (renda individual; idem vl_remun_media_nom, as colunas sm, vl_salario_contratual e vl_remcc/_sc); mes_admissao (datas do vínculo (mês de admissão e de desligamento, tempo de emprego)); municipio (localização (município do estabelecimento); idem mun_trab, bairros*, distritos_sp e regioes_adm_df)
Eras 1994-01: entram horas contratuais, idade, natureza jurídica do estabelecimento, tipo de admissão e CBO/CNAE de 1994/1995; 1996-01: entram bairros de Fortaleza e do Rio de Janeiro e regiões administrativas do DF; 1999-01: entram remunerações nominais em R$ e indicador de CEI vinculado; 2002-01: entram causas e dias de afastamento e município de trabalho; 2004-01: entra a CNAE 2.0 (classe e subclasse); 2006-01: entram escolaridade pós-2005 e raça/cor; 2007-01: entram indicador e tipo de deficiência; 2015-01: entram as remunerações mensais de janeiro a novembro; 2017-01: entram os indicadores de trabalho parcial e intermitente; 2018-01: arquivos passam de UF para macrorregião (norte, nordeste, mgesrj, sp, sul, centrooeste); 2022-01: entra a macrorregião ni (não identificado); 2023-01: republicações em CSV com vírgula, aspas, extensão .COMT e outros nomes de coluna; o conversor as lê (ver Conteúdo)
Revisado em 2026-11-10
Versão do fetcher 0.8.3

Origem e coleta

  • O fetcher baixa os arquivos do FTP do PDET (ftp://ftp.mtps.gov.br/pdet/microdados/RAIS/), pasta de microdados de vínculos, e guarda cada um sem alteração em rais-vinculos/<ano>/rais-vinculos_<ano>[-<região>]@AAAAMMDD.7z. Antes de 2018 o arquivo é por UF (-ac, -sp…); de 2018 em diante é por macrorregião (-norte, -nordeste, -mgesrj, -sp, -sul, -centrooeste, e -ni desde 2022). Há ainda um arquivo sem região em 1985 a 1997 (IGNORANDOS<ano>.txt, vínculos de UF ignorada).
  • Quando a fonte republica um arquivo, o carimbo @AAAAMMDD muda e o lake converte só o mais novo (conferido no bruto em 2026-11-10: 951 arquivos, 950 chaves; a chave rais-vinculos_1986-sp tem duas versões, de 2026-04-24 e 2026-11-05).
  • O fetcher guarda também a documentação (layouts em XLS por período). O dicionário oficial por ano está nos arquivos RAIS_vinculos_layout*.xls da pasta de documentação do FTP.

Conteúdo

  • Unidade: um vínculo declarado no ano-base. O indicador vinculo_ativo_31_12 separa os vínculos ativos no fim do ano dos já encerrados.
  • Cobertura nominal (listagem do bruto, conferido em 2026-11-10): ano-base de 1985 a 2025; 951 arquivos. 1985 a 1997 têm arquivo por UF (25 a 27 UFs por ano, pois o Tocantins só aparece a partir de 1989 e o Maranhão a partir de 1986) e um de UF ignorada; 1998 a 2017, 27 UFs; 2018 a 2021, 6 macrorregiões; 2022 a 2025, 7 (com ni).
  • Amostra convertida para este documento (não é o conjunto inteiro): 16 arquivos/anos (1985, 1994, 1996, 1998, 1999, 2001, 2002, 2003, 2004, 2006, 2007, 2015, 2016, 2017, 2018, 2022); as colunas e a contagem de linhas valem para esses arquivos.
  • Conferência de linhas: em todos os arquivos convertidos o número de linhas do lake é o de linhas do TXT menos o cabeçalho (por exemplo rais-vinculos_2018-norte: 3.682.332 linhas).
  • 2023 a 2025: conferidos por amostra. O dado das republicações está num arquivo com extensão .COMT (por exemplo RAIS_VINC_PUB_NI.COMT). O conversor o lê (a partir do quantilica-analytics 0.11.2; antes recusava o arquivo com "contains no data files"). Foram convertidos e conferidos cinco dos 21 arquivos de 2023 a 2025 no bruto: 2023-ni (2.400 linhas), 2024-ni (16.544), 2025-ni (6.208), 2023-centrooeste (8.247.439) e 2025-norte (5.645.037). Em todos o número de linhas do Parquet é igual ao de linhas do arquivo menos o cabeçalho. Os outros 16 arquivos (regiões mgesrj, nordeste, sp e sul, mais centrooeste, norte e ni nos anos que faltam) não foram convertidos nem abertos; por isso o estado do dataset segue parcial. O esquema de referência (77 colunas) não inclui os nomes novos de 2023 em diante, listados abaixo.
  • Eras do layout (datas por ano-base, conferidas nos layouts oficiais e na amostra): ver a lista eras do cabeçalho.

Variáveis

Os nomes das colunas vêm do cabeçalho de cada arquivo, normalizado (minúsculas, sem acento, _). O mesmo conceito tem nomes diferentes entre eras (por exemplo cbo_ocupacao, cbo_94_ocupacao e cbo_ocupacao_2002); a coluna Período mostra em quais dos 16 anos amostrados cada nome aparece. Os rótulos de código vêm dos layouts oficiais (RAIS_vinculos_layout*.xls). Todas as colunas são texto.

Coluna no lake Na fonte Tipo Descrição Unidade / códigos Período
bairros_sp BAIRRO_SP / Bairros SP texto Bairro do município de São Paulo onde fica o estabelecimento código de 4 posições (planilha do layout) todo
motivo_desligamento CAUSA DESLI / Motivo Desligamento texto Causa do desligamento do vínculo no ano rótulos abreviados do layout: 0 NAO DESL ANO; 10 DEM COM JC, 11 DEM SEM JC, 12 TERM CONTR; 20 DESL COM JC, 21 DESL SEM JC, 22 POSS OUT CAR; 30 e 31 TRANS C/ONUS e S/ONUS, 32 READAP/REDIS, 33 CESSAO, 34 REDISTRIBUIÇÃO; 40 MUD. REGIME; 50 REFORMA; 60 FALECIMENTO, 62 a 64 falecimentos por acidente ou doença; 70 a 80 APOS…; 90 DESL POR ACORDO; -1 IGNORADO todo
distritos_sp DISTRITO_SP / Distritos SP texto Distrito do município de São Paulo código (planilha do layout) todo
vinculo_ativo_31_12 EMP EM 31/12 / Vínculo Ativo 31/12 texto Indicador de vínculo ativo em 31/12 0 não, 1 sim todo
faixa_etaria FAIXA ETÁRIA texto Faixa etária do trabalhador código de 2 dígitos (planilha FAIXAS do layout); 99 aparece em 7 linhas de 2018-norte todo
faixa_remun_dezem_sm FAIXA REMUN DEZEM (SM) texto Faixa da remuneração de dezembro em salários mínimos código de 2 dígitos (planilha FAIXAS) todo
faixa_remun_media_sm FAIXA REMUN MEDIA (SM) texto Faixa da remuneração média do ano em salários mínimos código de 2 dígitos (planilha FAIXAS) todo
faixa_tempo_emprego FAIXA TEMPO DE EMPREGO texto Faixa de tempo de emprego código de 2 dígitos (planilha FAIXAS) todo
grau_instrucao_2005_1985 GR INSTRUCAO 2005 a 1985 texto Grau de instrução, nos layouts até 2005 1 analfabeto a 11 doutorado (layout); -1 ignorado 1985 a 2004 (anos amostrados)
mes_admissao MÊS ADMISSAO texto Mês de admissão do trabalhador 00 a 12 (00 quando não admitido no ano) todo
mes_desligamento MÊS DESLIGAMENTO texto Mês de desligamento do trabalhador (o layout repete a descrição de admissão por engano) 00 a 12 todo
municipio MUNICIPIO texto Município de localização do estabelecimento código de 6 dígitos (IBGE sem o dígito verificador) todo
nacionalidade NACIONALIDAD texto Nacionalidade do trabalhador códigos 10 e 20 a 80+ (planilha do layout, ex.: 10 brasileira) todo
vl_remun_dezembro_sm REM DEZEMBRO texto Remuneração de dezembro em salários mínimos salários mínimos, vírgula decimal todo
vl_remun_media_sm REM MEDIA texto Remuneração média do ano em salários mínimos salários mínimos, vírgula decimal todo
sexo_trabalhador SEXO texto Sexo do trabalhador 1 masculino, 2 feminino, -1 ignorado; em 2018-norte o valor vem com espaços à esquerda (01) todo
tamanho_estabelecimento TAMESTAB texto Tamanho do estabelecimento pelos empregados ativos em 31/12 1 zero, 2 até 4, 3 de 5 a 9, 4 de 10 a 19, 5 de 20 a 49, 6 de 50 a 99, 7 de 100 a 249, 8 de 250 a 499, 9 de 500 a 999, 10 mil ou mais todo
tempo_emprego TEMP EMPR texto Tempo de emprego do trabalhador meses, vírgula decimal (599,9) todo
tipo_estab TIPO ESTBL (código) texto Tipo de estabelecimento: código (a primeira das duas colunas do arquivo com o mesmo título) 1 CNPJ, 3 CEI, 5 CAEPF, 9 não identificado, -1 ignorado todo
tipo_estab_1 TIPO ESTBL (nome) texto Tipo de estabelecimento: nome (a segunda coluna do arquivo com o mesmo título; o conversor acrescenta _1 ao nome repetido) texto como CNPJ, CEI, CAEPF todo
tipo_vinculo TP VINCULO texto Tipo de vínculo empregatício 15 a 97 (CLT urbano/rural PF/PJ, estatutário, avulso, temporário, aprendiz, diretor, contratos por prazo e por lei); -1 ignorado todo
ibge_subatividade IBGE subatividade texto Subatividade do estabelecimento (IBGE) código de 2 posições (planilha do layout) 1985 (anos amostrados)
ibge_subsetor IBGE Subsetor texto Subsetor IBGE 80 do estabelecimento 1 a 25 (ex.: 1 extrativa mineral) 1985, 2015 a 2022 (anos amostrados)
cbo_ocupacao Ocupação texto Ocupação do trabalhador (CBO anterior) código de 5 posições (planilha do layout) 1985 (anos amostrados)
cbo_94_ocupacao CBO 94 Ocupação texto Ocupação pela CBO 1994 código de 5 posições 1994 a 2002 (anos amostrados)
cnae_95_classe CLAS CNAE 95 / CNAE 95 Classe texto Classe de atividade econômica pela CNAE/95 (CNAE 1.0 revisada em 2002, 614 categorias) 5 dígitos 1994 a 2022 (anos amostrados)
faixa_hora_contrat FAIXA HORA CONTRAT texto Faixa de horas contratuais código de 2 dígitos (planilha FAIXAS) 1994 a 2022 (anos amostrados)
qtd_hora_contr HORAS CONTR / Qtd Hora Contr texto Quantidade de horas contratuais por semana horas por semana (com espaços à esquerda em alguns anos) 1994 a 2022 (anos amostrados)
idade IDADE texto Idade do trabalhador anos (com espaços à esquerda em alguns anos) 1994 a 2022 (anos amostrados)
natureza_juridica NAT JURIDICA texto Natureza jurídica do estabelecimento (CONCLA/2002 desde a RAIS 2008) 4 dígitos 1994 a 2022 (anos amostrados)
tipo_admissao TIPO ADM texto Tipo de admissão 1 primeiro emprego, 2 reemprego, 3 e 4 transferência, 6 reintegração, 7 recondução, 8 reversão, 9 requisição, 10 a 14 serviço público; 0 não admitido no ano; -1 ignorado 1994 a 2022 (anos amostrados)
bairros_fortaleza BAIRRO FORT / Bairros Fortaleza texto Bairro do município de Fortaleza código de 4 posições (planilha do layout) 1996 a 2022 (anos amostrados)
bairros_rj BAIRRO_RJ / Bairros RJ texto Bairro do município do Rio de Janeiro código de 4 posições (planilha do layout) 1996 a 2022 (anos amostrados)
regioes_adm_df REG ADM DF / Regiões Adm DF texto Região Administrativa do Distrito Federal código (planilha do layout) 1996 a 2022 (anos amostrados)
ind_cei_vinculado IND DE CEI VINC texto Indicador de CEI vinculado 0 não, 1 sim 1999 a 2022 (anos amostrados)
vl_remun_dezembro_nom REM DEZ (R$) texto Remuneração de dezembro em valor nominal R$, vírgula decimal 1999 a 2022 (anos amostrados)
vl_remun_media_nom REM MED (R$) texto Remuneração média do ano em valor nominal R$, vírgula decimal 1999 a 2022 (anos amostrados)
ind_simples IND SIMPLES texto Indicador de estabelecimento optante pelo SIMPLES 0 não, 1 sim 2001 a 2022 (anos amostrados)
causa_afastamento_1 CAUS AFAST 1 texto Causa do primeiro afastamento do empregado no ano-base rótulos abreviados do layout: 10 ACI TRB TIP, 20 ACI TRB TJT, 30 DOEN REL TR, 40 DOEN NREL TR, 50 LIC MATERNID, 60 SERV MILITAR, 70 LIC SEM VENC, 80 LIC COM VENC, 85 SUSP TEMP DE TRAB, 90 ACID DOENC TRAB, 99 SEM AFASTAMENTOS, -1 ignorado 2002 a 2022 (anos amostrados)
causa_afastamento_2 CAUS AFAST 2 texto Causa do segundo afastamento no ano-base mesmos códigos de causa_afastamento_1 2002 a 2022 (anos amostrados)
causa_afastamento_3 CAUS AFAST 3 texto Causa do terceiro afastamento no ano-base mesmos códigos de causa_afastamento_1 2002 a 2022 (anos amostrados)
mun_trab MUN TRAB texto Município onde o empregado trabalha ou presta serviço código de 6 dígitos 2002 a 2022 (anos amostrados)
qtd_dias_afastamento QT DIAS AFAS texto Quantidade total de dias de afastamento no ano-base dias 2002 a 2022 (anos amostrados)
cbo_ocupacao_2002 CBO 2002 / CBO Ocupação 2002 texto Ocupação pela CBO 2002 código de 6 posições 2003 a 2022 (anos amostrados)
cnae_2_0_classe CLAS CNAE 20 / CNAE 2.0 Classe texto Classe de atividade econômica pela CNAE 2.0 5 dígitos 2004 a 2022 (anos amostrados)
cnae_2_0_subclasse SB CLAS 20 / CNAE 2.0 Subclasse texto Subclasse de atividade econômica pela CNAE 2.0 7 dígitos 2004 a 2022 (anos amostrados)
escolaridade_apos_2005 GR INSTRUCAO OU ESCOLARIDADE APÓS 2005 texto Grau de instrução (a partir da RAIS 2008) 1 analfabeto a 11 doutorado; em 2018-norte o valor vem com espaços à esquerda 2006 a 2022 (anos amostrados)
raca_cor RACA_COR texto Raça e cor do trabalhador 1 indígena, 2 branca, 4 preta, 6 amarela, 8 parda, 9 não identificado, -1 ignorado; 99 também aparece em 2018-norte (1,1 milhão de linhas) sem constar do layout lido 2006 a 2022 (anos amostrados)
ind_portador_defic PORT DEFIC texto Indicador de empregado portador de deficiência habilitado ou beneficiário reabilitado 0 não, 1 sim 2007 a 2022 (anos amostrados)
tipo_defic TP DEFIC texto Tipo de deficiência ou beneficiário habilitado 0 não deficiente, 1 física, 2 auditiva, 3 visual, 4 mental, 5 múltipla, 6 reabilitado, -1 ignorado 2007 a 2022 (anos amostrados)
vl_rem_janeiro_cc Vl Rem Janeiro CC texto Remuneração do trabalhador em janeiro (valor nominal), nos layouts 2015 a 2018 (sufixo CC) R$, vírgula decimal 2015 a 2018 (anos amostrados)
vl_rem_fevereiro_cc Vl Rem Fevereiro CC texto Remuneração do trabalhador em fevereiro (valor nominal), nos layouts 2015 a 2018 (sufixo CC) R$, vírgula decimal 2015 a 2018 (anos amostrados)
vl_rem_marco_cc Vl Rem Março CC texto Remuneração do trabalhador em março (valor nominal), nos layouts 2015 a 2018 (sufixo CC) R$, vírgula decimal 2015 a 2018 (anos amostrados)
vl_rem_abril_cc Vl Rem Abril CC texto Remuneração do trabalhador em abril (valor nominal), nos layouts 2015 a 2018 (sufixo CC) R$, vírgula decimal 2015 a 2018 (anos amostrados)
vl_rem_maio_cc Vl Rem Maio CC texto Remuneração do trabalhador em maio (valor nominal), nos layouts 2015 a 2018 (sufixo CC) R$, vírgula decimal 2015 a 2018 (anos amostrados)
vl_rem_junho_cc Vl Rem Junho CC texto Remuneração do trabalhador em junho (valor nominal), nos layouts 2015 a 2018 (sufixo CC) R$, vírgula decimal 2015 a 2018 (anos amostrados)
vl_rem_julho_cc Vl Rem Julho CC texto Remuneração do trabalhador em julho (valor nominal), nos layouts 2015 a 2018 (sufixo CC) R$, vírgula decimal 2015 a 2018 (anos amostrados)
vl_rem_agosto_cc Vl Rem Agosto CC texto Remuneração do trabalhador em agosto (valor nominal), nos layouts 2015 a 2018 (sufixo CC) R$, vírgula decimal 2015 a 2018 (anos amostrados)
vl_rem_setembro_cc Vl Rem Setembro CC texto Remuneração do trabalhador em setembro (valor nominal), nos layouts 2015 a 2018 (sufixo CC) R$, vírgula decimal 2015 a 2018 (anos amostrados)
vl_rem_outubro_cc Vl Rem Outubro CC texto Remuneração do trabalhador em outubro (valor nominal), nos layouts 2015 a 2018 (sufixo CC) R$, vírgula decimal 2015 a 2018 (anos amostrados)
vl_rem_novembro_cc Vl Rem Novembro CC texto Remuneração do trabalhador em novembro (valor nominal), nos layouts 2015 a 2018 (sufixo CC) R$, vírgula decimal 2015 a 2018 (anos amostrados)
ano_chegada_brasil Ano Chegada Brasil texto Ano de chegada ao Brasil do trabalhador estrangeiro AAAA; 0000 quando não se aplica 2016 a 2022 (anos amostrados)
ind_trab_parcial IND TRAB PARCIAL texto Indicador de contrato de trabalho parcial (a partir de 2017) 0 não, 1 sim 2017 a 2022 (anos amostrados)
ind_trab_intermitente IND TRAB INTERMITENTE texto Indicador de contrato de trabalho intermitente (a partir de 2017) 0 não, 1 sim 2017 a 2022 (anos amostrados)
tipo_salario Tipo Salário texto Tipo (unidade de pagamento) do salário contratual; o layout oficial lido não o descreve 1 a 7 (em 2018-norte) 2018 (anos amostrados)
vl_salario_contratual Vl Salário Contratual texto Salário contratual; o layout oficial lido não o descreve valor com ponto como separador de milhar e vírgula decimal (ex.: 9.973.858,20) em 2018-norte 2018 (anos amostrados)
vl_rem_janeiro_sc Vl Rem Janeiro SC texto Remuneração do trabalhador em janeiro (valor nominal), nos layouts a partir de 2020 (sufixo SC; o layout oficial não explica a mudança de CC para SC) R$, vírgula decimal 2022 (anos amostrados)
vl_rem_fevereiro_sc Vl Rem Fevereiro SC texto Remuneração do trabalhador em fevereiro (valor nominal), nos layouts a partir de 2020 (sufixo SC; o layout oficial não explica a mudança de CC para SC) R$, vírgula decimal 2022 (anos amostrados)
vl_rem_marco_sc Vl Rem Março SC texto Remuneração do trabalhador em março (valor nominal), nos layouts a partir de 2020 (sufixo SC; o layout oficial não explica a mudança de CC para SC) R$, vírgula decimal 2022 (anos amostrados)
vl_rem_abril_sc Vl Rem Abril SC texto Remuneração do trabalhador em abril (valor nominal), nos layouts a partir de 2020 (sufixo SC; o layout oficial não explica a mudança de CC para SC) R$, vírgula decimal 2022 (anos amostrados)
vl_rem_maio_sc Vl Rem Maio SC texto Remuneração do trabalhador em maio (valor nominal), nos layouts a partir de 2020 (sufixo SC; o layout oficial não explica a mudança de CC para SC) R$, vírgula decimal 2022 (anos amostrados)
vl_rem_junho_sc Vl Rem Junho SC texto Remuneração do trabalhador em junho (valor nominal), nos layouts a partir de 2020 (sufixo SC; o layout oficial não explica a mudança de CC para SC) R$, vírgula decimal 2022 (anos amostrados)
vl_rem_julho_sc Vl Rem Julho SC texto Remuneração do trabalhador em julho (valor nominal), nos layouts a partir de 2020 (sufixo SC; o layout oficial não explica a mudança de CC para SC) R$, vírgula decimal 2022 (anos amostrados)
vl_rem_agosto_sc Vl Rem Agosto SC texto Remuneração do trabalhador em agosto (valor nominal), nos layouts a partir de 2020 (sufixo SC; o layout oficial não explica a mudança de CC para SC) R$, vírgula decimal 2022 (anos amostrados)
vl_rem_setembro_sc Vl Rem Setembro SC texto Remuneração do trabalhador em setembro (valor nominal), nos layouts a partir de 2020 (sufixo SC; o layout oficial não explica a mudança de CC para SC) R$, vírgula decimal 2022 (anos amostrados)
vl_rem_outubro_sc Vl Rem Outubro SC texto Remuneração do trabalhador em outubro (valor nominal), nos layouts a partir de 2020 (sufixo SC; o layout oficial não explica a mudança de CC para SC) R$, vírgula decimal 2022 (anos amostrados)
vl_rem_novembro_sc Vl Rem Novembro SC texto Remuneração do trabalhador em novembro (valor nominal), nos layouts a partir de 2020 (sufixo SC; o layout oficial não explica a mudança de CC para SC) R$, vírgula decimal 2022 (anos amostrados)

No lake

  • Dataset pdet/rais-vinculos, particionado por ano e regiao: ano=2017/regiao=ac/rais-vinculos_2017-ac.parquet. Um Parquet por arquivo da fonte.
  • A partição vem do nome do arquivo, não das linhas: rais-vinculos_2025-sul@…7z vira ano=2025/regiao=sul. regiao guarda a UF (1985 a 2017) ou a macrorregião (2018 em diante). Arquivo sem região vai para regiao=__HIVE_DEFAULT_PARTITION__ (os 13 arquivos de UF ignorada, 1985 a 1997).
  • ano é inteiro; regiao é texto.
  • O conversor extrai o TXT do .7z com o programa 7z, lê com o DuckDB (latin-1, separador ;) e grava todas as colunas como texto. Se o cabeçalho não tem tempo_emprego, o arquivo é recusado. Se ; não acha o cabeçalho, tenta com , (formato novo).
  • Renomeação: cabeçalhos com sufixo - Código (formato de 2023 em diante) perdem o sufixo, mas só para nomes que existem nos layouts antigos; os demais ficam com o sufixo ou com o nome novo (ver abaixo).
  • O cabeçalho tem dois títulos iguais (Tipo Estab); o segundo vira tipo_estab_1.
  • Chave: não há; o vínculo não tem identificador. Nulos: nenhum nas colunas da amostra de 2022 e antes (os campos vêm preenchidos com 0, -1 ou espaços); de 2023 em diante há campos vazios (ver Cuidados de uso).
  • Linhas: contagem do lake igual à do TXT menos o cabeçalho nos 16 anos amostrados. Para 2023 a 2025, igual nos cinco arquivos conferidos (ver Conteúdo).

Colunas das republicações de 2023 em diante (62 colunas em 2023-ni, 2024-ni, 2025-ni, 2023-centrooeste e 2025-norte; mesmo conjunto nos cinco), com a coluna equivalente nos layouts anteriores. Os 20 nomes abaixo não estão no esquema de referência:

Nome em 2023 em diante Equivalente anterior
ind_vinculo_ativo_31_12 vinculo_ativo_31_12
faixa_rem_media_sm faixa_remun_media_sm
faixa_rem_dez_sm faixa_remun_dezem_sm
ind_estabelecimento_participante_simples ind_simples
municipio_trab mun_trab
regiao_adm_df regioes_adm_df
vl_rem_dezembro_nom vl_remun_dezembro_nom
vl_rem_dezembro_sm vl_remun_dezembro_sm
vl_rem_media_nom vl_remun_media_nom
vl_rem_media_sm vl_remun_media_sm
sexo sexo_trabalhador
tipo_admissao_trabalhador tipo_admissao
tipo_estabelecimento tipo_estab
tipo_estabelecimento_nome tipo_estab_1
tipo_deficiencia tipo_defic
ind_trabalho_intermitente ind_trab_intermitente
ind_trabalho_parcial ind_trab_parcial
cbo_2002_ocupacao cbo_ocupacao_2002
ind_vinculo_abandonado — (nova)
categoria_trabalhador — (nova)

As demais colunas de 2023 em diante têm os mesmos nomes dos layouts de 2022.

Cuidados de uso

  • 2023 a 2025: só parte está no lake. O formato novo é lido, mas só cinco dos 21 arquivos de 2023 a 2025 foram convertidos na conferência (ver Conteúdo). As séries por região completas terminam em 2022; confira a partição ano/regiao antes de assumir cobertura.
  • Formato dos valores muda em 2023. Nos arquivos de 2023 em diante os decimais usam ponto (17.4, 1835.00), sem espaços à esquerda (tempo_emprego incluído); no arquivo 2022-ni usam vírgula, com espaços (0,7). Nos cinco arquivos conferidos de 2023 a 2025, parte das colunas vl_* vem vazia e vira nula no lake (3,5 milhões de nulos em 2023-centrooeste), enquanto em 2022-ni as colunas vl_* não têm nulos. Trate vírgula e ponto antes de juntar anos.
  • 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.
  • O mesmo valor tem formatos diferentes entre anos. Em 2018-norte, sexo_trabalhador e escolaridade_apos_2005 vêm com 18 espaços à esquerda (01), em 2017 e 2022 não; idade e qtd_hora_contr têm espaços à esquerda em alguns anos. Aplique trim e converta para inteiro antes de juntar anos.
  • Mesmo conceito, nomes diferentes. Nomes de coluna mudam com o layout (cbo_ocupacao, cbo_94_ocupacao, cbo_ocupacao_2002; vl_rem_*_cc e vl_rem_*_sc; vl_salario_contratual só em 2018). Faça a união por conceito, não por nome.
  • Duas colunas de tipo de estabelecimento. tipo_estab (código) e tipo_estab_1 (nome) vêm do mesmo título duplicado no arquivo.
  • Vínculos de UF ignorada. 1985 a 1997 têm um arquivo à parte (regiao=__HIVE_DEFAULT_PARTITION__); somas por UF não os incluem.
  • Raça/cor 99. Em 2018-norte, 1.119.280 de 3.682.332 linhas têm raca_cor 99, código que o layout lido não lista (conferido em 2026-11-10).
  • Contagem em 31/12. Para estoque de empregos use vinculo_ativo_31_12 = 1; sem o filtro, o arquivo inclui vínculos encerrados antes do fim do ano.
  • Valores com ponto de milhar. vl_salario_contratual em 2018-norte usa ponto de milhar e vírgula decimal, ao contrário das demais colunas.
  • 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

Número de vínculos ativos em 31/12 por macrorregião em um ano de layout recente (colunas em texto, com trim):

import duckdb

duckdb.sql("""
    SELECT regiao, count(*) AS vinculos_ativos
    FROM read_parquet('lake/pdet/rais-vinculos/ano=2018/**/*.parquet', hive_partitioning = true)
    WHERE trim(vinculo_ativo_31_12) = '1'
    GROUP BY regiao ORDER BY regiao
""").show()

Referências

  • Microdados RAIS e CAGED do PDET (FTP): ftp://ftp.mtps.gov.br/pdet/microdados/
  • Comunicado MTPS 192/12: ftp://ftp.mtps.gov.br/pdet/microdados/COMUNICADO_microdados.pdf
  • Nota Técnica MTPS 088/12: ftp://ftp.mtps.gov.br/pdet/microdados/NOTA_TECNICA_microdados.pdf
  • Layouts da RAIS (RAIS_vinculos_layout*.xls), na pasta de documentação do mesmo FTP.