Introdução à análise de indicadores socioeconômicos em estudos de trabalho em R

V Encontro Internacional Teoria Valor Trabalho e Ciências Sociais

---

1 Objetivos do minicurso

• Apresentar um panorama dos indicadores socioeconômicos do mundo do trabalho disponíveis para consulta.

• Introduzir as possibilidades de análise da linguagem R para pesquisas desagregadas

---

2 Bases de Dados

library(rsconnect)
library(knitr)
library(tidyverse)
library(readxl)
library(kableExtra)

bds_trabalho = read_xlsx("./BDs_Trabalho.xlsx")

#bds_trabalho$Pesquisa = paste0("[", bds_trabalho$Pesquisa, "](", bds_trabalho$`Links para Consulta`, ")")

bds_trabalho = bds_trabalho %>% 
  mutate (Pesquisa = paste0("[", bds_trabalho$Pesquisa, "](", bds_trabalho$`Links para Consulta`, ")")) %>% 
  select (-`Links para Consulta`) 

kbl(bds_trabalho, booktabs = T, longtable = F) %>%
  kable_styling(full_width = F, font_size = 14, latex_options = "scale_down",
                bootstrap_options = c("striped", "bordered", "hover")) %>%
  column_spec(1, bold = T, color = "red", width_min = "8cm") %>%
  column_spec(6, width_min = "8cm") %>% 
  column_spec(7, width_min = "5cm") %>% 
  pack_rows(index = c("Nacional" = 9, "Regional" = 3, "Internacional" = 5))

Pesquisa	Mantenedor	Tipo	Periodicidade	Divulgação	Observações	Pacote R
Nacional
PNAD - Contínua - Pesquisa Nacional por Amostra de Domicílios	IBGE	Amostral	2012 - Atual	Trimestral	Pesquisas adicionais aprofundadas divulgadas anualmente	sidrar PNADcIBGE basedosdados
PNAD - Pesquisa Nacional por Amostra de Domicílios	IBGE	Amostral	1967 - 2015	Descontinuada	Importante para séries históricas ou recortes temporais	sidrar
PNADCOVID19	IBGE	Amostral	2020 (9 meses)	Descontinuada	Pesquisa específica para a pandemia com características de classificação de ocupações específica	sidrar PNADCOVID basedosdados
PME - Pesquisa Mensal de Emprego	IBGE	Amostral	1980 - 2016	Descontinuada	Absorvida pela PNADc / Restrita a 6 (seis) regiões metropolitanas	sidrar
RAIS - Relação Anual de Informações Sociais	Antigo M.TE	Censitária	1985-2019	Descontinuada	Principais variáveis investigadas empregos em 31 de dezembro e admitidos e desligados segundo gênero, faixa etária, grau de escolaridade, tempo de serviço e rendimentos, desagregados em nível ocupacional, geográfico e setorial. Análises Estruturais	raisr basedosdados
CAGED - Cadastro Geral de Empregados e Desempregados	Antigo M.TE	Censitária	2007-2019	Descontinuada	Principais variáveis investigadas: um conjunto de informações que possibilita o cálculo do índice de emprego, taxa de rotatividade e a flutuação de emprego, desagregados em nível geográfico, setorial e ocupacional. Análises Conjunturais	basedosdados
Novo CAGED - eSocial - Sistema de Escrituração Digital das Obrigações Fiscais, Previdenciárias e Trabalhistas	ME	Censitária	2020 - Atual	Mensal	Últimos estabelecimentos entram em novembro de 2021. Além de trabalhista é previdenciário e tributário. Mudança relevante entre CAGED e eSocial quanto a QUEM deve declarar	NA
Radar SIT	UnB e ME	Censitária	1995 ou 2012 - Atual	Não Informado	Base com dados dos AFTs para Acidentes de Trabalho e Trabalho Escravo	NA
Migração Internacional	MJ	Diversas Bases	NA	NA	Coordenação Geral de Imigração Laboral (CGIL) / Sistema de Registro Nacional Migratório (SISMIGRA) / Sistema de Tráfego Internacional (STI) / STI-MAR (Sistema de Tráfego Internacional - Módulo de Alertas e Restrições) / CONARE	NA
Regional
PED - Pesquisa de Emprego e Desemprego	DIEESE	Amostral	A depender da região	Mensal (DF)	Diferenças metodológicas com o IBGE	NA
PDAD - Pesquisa Distrital por Amostra de Domicílios	CODEPLAN/DF	Amostral	2004 - 2021 (em realização)	Trianual	Diferenças metodológicas com o IBGE	NA
SEADE Trabalho	SEADE/SP	Amostral	NA	NA	Somente BI	NA
Internacional
ILO Stat	OIT	Amostral (Compilação)	NA	NA	Bases da Organização Internacional do Trabalho	Rilostat
WLVD - World Labour Values Database	Curso no Evento	NA	NA	NA	Indicadores específicos como taxa de exploração. Utiliza o WIOD 13 e 16 com o acréscimo de 182 setores	NA
WIOD - World Input-Output Database	NWO - Consórcio Europeu	NA	2013 e 2016	NA	The database covers 28 EU countries and 15 other major countries in the world for the period from 2000 to 2014.	NA
World Bank Open Data	The World Bank	NA	NA	NA	NA	WDI
OECD Data	OCDE	NA	NA	NA	NA	NA

---

3 A utilização da linguagem R para análise de dados

3.1 Como iniciar?

1. Ambiente online (sem necessidade de instalação de programa) para prática: https://rstudio.cloud/

2. Programa offline: RStudio: https://www.rstudio.com/products/rstudio/download/

• Como instalar o RStudio
  • https://www.youtube.com/watch?v=9zHobSRDvEc
• Cursos iniciais gratuitos:
  • https://didatica.tech/curso-de-r-online-para-iniciantes/
  • https://www.escolavirtual.gov.br/curso/325
  • https://rstudio.cloud/learn/primers/1
  • Diversos cursos com focos distintos no Coursera
  • Estatística Básica com R (FGV) https://www.youtube.com/watch?v=8HQHf5XCS7g&list=PLuQWWXrHQLiejECp_ldRPEjuVnJrG7fVS
  • Estatística Aplicada (Avançada) em R https://www.youtube.com/watch?v=WVogdSlk7gY&list=PLOw62cBQ5j9VE9X4cCCfFMjW_hhEAJUhU
  • Outras dúvidas (Mercel Santos) - https://www.youtube.com/channel/UCO6x7sQurFTw0Su0vsexE5g
  • Estatística em R (Inglês) - com exemplos - https://emilhvitfeldt.github.io/ISLR-tidymodels-labs/index.html
• Cursos avançados pagos:
  • Análise Macro - https://analisemacro.com.br/
  • Curso - R https://curso-r.com/
• Outros links
  • CheatSheets (Resumos de Comandos) Oficiais - https://www.rstudio.com/resources/cheatsheets/
  • Repositório de Livros em e sobre R - https://bookdown.org/
  • Analyze Survey Data for Free - http://asdfree.com/

---

3.2 Vantagens do uso da linguagem R

• Linguagem com foco em análise estatística.
• Análise de grande volume de dados.
• Comunidade ativa para busca de soluções em conjunto.

---

3.3 Os pacotes do R (libraries)

Para o minicurso serão utilizados como exemplos principais

• sidrar (https://cran.r-project.org/web/packages/sidrar/index.html)
• survey (https://cran.r-project.org/web/packages/survey/index.html)
• PNADcIBGE (https://cran.r-project.org/web/packages/PNADcIBGE/index.html)

---

4 Aplicações do R nas pesquisas sobre trabalho

4.1 Jornada de Trabalho (com o uso do pacote sidrar)

Será utilizado como exemplo o pacote sidrar e a PNADC-T (https://sidra.ibge.gov.br/home/pnadct/brasil)

Esse é um exemplo de análise de horas trabalhadas em R a partir da API do SIDRA/IBGE utilizando o pacote sidrar.

Nessa primeira seção temos a utilização das seguintes tabelas:

• Tabela 6371 - Média de horas habitualmente trabalhadas por semana e efetivamente trabalhadas na semana de referência, no trabalho principal e em todos os trabalhos, das pessoas de 14 anos ou mais de idade, por sexo

• Tabela 6372 - Média de horas habitualmente trabalhadas por semana e efetivamente trabalhadas na semana de referência, no trabalho principal e em todos os trabalhos, das pessoas de 14 anos ou mais de idade, por grupos de idade

• Tabela 6373 - Média de horas habitualmente trabalhadas por semana e efetivamente trabalhadas na semana de referência, no trabalho principal e em todos os trabalhos, das pessoas de 14 anos ou mais de idade, por níveis de instrução

• Tabela 6374 - Média de horas habitualmente trabalhadas por semana e efetivamente trabalhadas na semana de referência, no trabalho principal, das pessoas de 14 anos ou mais de idade, por posição na ocupação

Para pegar o link de referência da API, veja os passos no vídeo abaixo:

4.1.1 Código Inicial e Tabelas

#carrega bibliotecas
library(tidyverse)
library(sidrar)
library(zoo)

#armazena os dados da tabela escolhida
#horas efetivamente
#sexo
horas_sexo = get_sidra(api = "/t/6371/n1/all/n3/all/v/8188/p/all/c2/all/d/v8188%201")

#mostra o nome das colunas
colnames(horas_sexo)

[1] “Nível Territorial (Código)”
[2] “Nível Territorial”
[3] “Unidade de Medida (Código)”
[4] “Unidade de Medida”
[5] “Valor”
[6] “Brasil e Unidade da Federação (Código)” [7] “Brasil e Unidade da Federação”
[8] “Variável (Código)”
[9] “Variável”
[10] “Trimestre (Código)”
[11] “Trimestre”
[12] “Sexo (Código)”
[13] “Sexo”

#TABELA 1
# tratamento da tabela e redução ao recorte "Brasil" e todos
horas_sexo_df = horas_sexo %>%
  mutate(data = as.yearqtr(`Trimestre (Código)`, 
                           format='%Y%q')) %>% 
  rename(UF = "Brasil e Unidade da Federação", Hora = Valor) %>%
  select(data, UF, Hora, Sexo) %>% 
  filter(UF == "Brasil") %>% 
  group_by(data)

#kable(head(horas_sexo_df))

kbl(tail(horas_sexo_df), booktabs = T, longtable = F) %>%
  kable_styling(full_width = F, font_size = 14, latex_options = "scale_down",
                bootstrap_options = c("striped", "bordered", "hover"))

data	UF	Hora	Sexo
2021 Q1	Brasil	36.8	Total
2021 Q1	Brasil	39.1	Homens
2021 Q1	Brasil	33.8	Mulheres
2021 Q2	Brasil	37.3	Total
2021 Q2	Brasil	39.3	Homens
2021 Q2	Brasil	34.6	Mulheres

#idade
horas_idade = get_sidra(api = "/t/6372/n1/all/n3/all/v/8188/p/all/c58/all/d/v8188%201")

#mostra o nome das colunas
colnames(horas_idade)

[1] “Nível Territorial (Código)”
[2] “Nível Territorial”
[3] “Unidade de Medida (Código)”
[4] “Unidade de Medida”
[5] “Valor”
[6] “Brasil e Unidade da Federação (Código)” [7] “Brasil e Unidade da Federação”
[8] “Variável (Código)”
[9] “Variável”
[10] “Trimestre (Código)”
[11] “Trimestre”
[12] “Grupo de idade (Código)”
[13] “Grupo de idade”

#TABELA 2
# tratamento da tabela e redução ao recorte "Brasil" e todos
horas_idade_df = horas_idade %>%
  mutate(data = as.yearqtr(`Trimestre (Código)`, 
                           format='%Y%q')) %>% 
  rename(UF = "Brasil e Unidade da Federação", Hora = Valor) %>%
  select(data, UF, Hora, `Grupo de idade`) %>% 
  filter(UF == "Brasil") %>% 
  group_by(data)

#kable(head(horas_idade_df))

kbl(tail(horas_idade_df), booktabs = T, longtable = F) %>%
  kable_styling(full_width = F, font_size = 14, latex_options = "scale_down",
                bootstrap_options = c("striped", "bordered", "hover"))

data	UF	Hora	Grupo de idade
2020 Q1	Brasil	35.3	Total
2020 Q1	Brasil	25.2	14 a 17 anos
2020 Q1	Brasil	35.1	18 a 24 anos
2020 Q1	Brasil	36.2	25 a 39 anos
2020 Q1	Brasil	35.5	40 a 59 anos
2020 Q1	Brasil	31.9	60 anos ou mais

#instrução
horas_instrucao = get_sidra(api = "/t/6373/n1/all/n3/all/v/8186/p/all/c1568/all/d/v8186%201")

#mostra o nome das colunas
colnames(horas_instrucao)

[1] “Nível Territorial (Código)”
[2] “Nível Territorial”
[3] “Unidade de Medida (Código)”
[4] “Unidade de Medida”
[5] “Valor”
[6] “Brasil e Unidade da Federação (Código)” [7] “Brasil e Unidade da Federação”
[8] “Variável (Código)”
[9] “Variável”
[10] “Trimestre (Código)”
[11] “Trimestre”
[12] “Nível de instrução (Código)”
[13] “Nível de instrução”

#TABELA 3
# tratamento da tabela e redução ao recorte "Brasil" e todos
horas_instrucao_df = horas_instrucao %>%
  mutate(data = as.yearqtr(`Trimestre (Código)`, 
                           format='%Y%q')) %>% 
  rename(UF = "Brasil e Unidade da Federação", Hora = Valor) %>%
  select(data, UF, Hora, `Nível de instrução`) %>% 
  filter(UF == "Brasil") %>% 
  group_by(data)

#kable(head(horas_instrucao_df))

kbl(tail(horas_instrucao_df), booktabs = T, longtable = F) %>%
  kable_styling(full_width = F, font_size = 14, latex_options = "scale_down",
                bootstrap_options = c("striped", "bordered", "hover"))

data	UF	Hora	Nível de instrução
2020 Q1	Brasil	39.4	Ensino fundamental completo ou equivalente
2020 Q1	Brasil	38.5	Ensino médio incompleto ou equivalente
2020 Q1	Brasil	40.3	Ensino médio completo ou equivalente
2020 Q1	Brasil	38.6	Ensino superior incompleto ou equivalente
2020 Q1	Brasil	38.8	Ensino superior completo ou equivalente
2020 Q1	Brasil	NA	Não determinado

#ocupação
horas_ocupacao = get_sidra(api = "/t/6374/n1/all/n3/all/v/8186/p/all/c2399/all/d/v8186%201")

#mostra o nome das colunas
colnames(horas_ocupacao)

[1] “Nível Territorial (Código)”
[2] “Nível Territorial”
[3] “Unidade de Medida (Código)”
[4] “Unidade de Medida”
[5] “Valor”
[6] “Brasil e Unidade da Federação (Código)” [7] “Brasil e Unidade da Federação”
[8] “Variável (Código)”
[9] “Variável”
[10] “Trimestre (Código)”
[11] “Trimestre”
[12] “Posição na ocupação (Código)”
[13] “Posição na ocupação”

#TABELA 4
# tratamento da tabela e redução ao recorte "Brasil" e todos
horas_ocupacao_df = horas_ocupacao %>%
  mutate(data = as.yearqtr(`Trimestre (Código)`, 
                           format='%Y%q')) %>% 
  rename(UF = "Brasil e Unidade da Federação", Hora = Valor) %>%
  select(data, UF, Hora, `Posição na ocupação`) %>% 
  filter(UF == "Brasil") %>% 
  group_by(data)

#kable(head(horas_ocupacao_df))

kbl(tail(horas_ocupacao_df), booktabs = T, longtable = F) %>%
  kable_styling(full_width = F, font_size = 14, latex_options = "scale_down",
                bootstrap_options = c("striped", "bordered", "hover"))

data	UF	Hora	Posição na ocupação
2019 Q4	Brasil	28.4	Trabalhador familiar auxiliar
2020 Q1	Brasil	39.1	Total
2020 Q1	Brasil	39.7	Empregado
2020 Q1	Brasil	37.3	Empregador
2020 Q1	Brasil	45.7	Conta própria
2020 Q1	Brasil	28.9	Trabalhador familiar auxiliar

4.1.2 Gráficos

## carregar pacotes
library(tidyverse)
library(sidrar)
library(scales)
library(ggplot2)

#GRÁFICO 1
ggplot(horas_sexo_df, aes(x=data, y = Hora, color = Sexo))+
  geom_line(aes(linetype=Sexo)) +
  geom_point() +
  theme(axis.text.x=element_text(angle=45, hjust=1),
        plot.title = element_text(size=12, face='bold', hjust = 0.5),
        plot.subtitle = element_text(size=10, hjust = 0.5)) +
  scale_x_yearqtr(breaks = pretty_breaks(n=8),
                  format = "%YQ%q")+
  labs(x='Período', y='Horas',
       title = 'Horas Habitualmente Trabalhadas',
       subtitle='Todos os Trabalhos - Brasil',
       caption = 'Gráfico 1 - Dados extraídos da PNADc - Trimestral - IBGE')

Error : The fig.showtext code chunk option must be TRUE

#GRÁFICO 2
ggplot(horas_idade_df, aes(x=data, y = Hora, color = `Grupo de idade`))+
  geom_line(aes(linetype=`Grupo de idade`)) +
  geom_point() +
  theme(axis.text.x=element_text(angle=45, hjust=1),
        plot.title = element_text(size=12, face='bold', hjust = 0.5),
        plot.subtitle = element_text(size=10, hjust = 0.5)) +
  scale_x_yearqtr(breaks = pretty_breaks(n=8),
                  format = "%YQ%q")+
  labs(x='Período', y='Horas',
       title = 'Horas Habitualmente Trabalhadas',
       subtitle='Todos os Trabalhos - Brasil',
       caption = 'Gráfico 1 - Dados extraídos da PNADc - Trimestral - IBGE')

Error : The fig.showtext code chunk option must be TRUE

#GRÁFICO 3
ggplot(horas_instrucao_df, aes(x=data, y = Hora, color = `Nível de instrução`))+
  geom_line(aes(linetype=`Nível de instrução`)) +
  geom_point() +
  theme(axis.text.x=element_text(angle=45, hjust=1),
        plot.title = element_text(size=12, face='bold', hjust = 0.5),
        plot.subtitle = element_text(size=10, hjust = 0.5)) +
  scale_x_yearqtr(breaks = pretty_breaks(n=8),
                  format = "%YQ%q")+
  labs(x='Período', y='Horas',
       title = 'Horas Habitualmente Trabalhadas',
       subtitle='Todos os Trabalhos - Brasil',
       caption = 'Gráfico 1 - Dados extraídos da PNADc - Trimestral - IBGE')

Error : The fig.showtext code chunk option must be TRUE

#GRÁFICO 4
ggplot(horas_ocupacao_df, aes(x=data, y = Hora, color = `Posição na ocupação`))+
  geom_line(aes(linetype=`Posição na ocupação`)) +
  geom_point() +
  theme(axis.text.x=element_text(angle=45, hjust=1),
        plot.title = element_text(size=12, face='bold', hjust = 0.5),
        plot.subtitle = element_text(size=10, hjust = 0.5)) +
  scale_x_yearqtr(breaks = pretty_breaks(n=8),
                  format = "%YQ%q")+
  labs(x='Período', y='Horas',
       title = 'Horas Habitualmente Trabalhadas',
       subtitle='Todos os Trabalhos - Brasil',
       caption = 'Gráfico 1 - Dados extraídos da PNADc - Trimestral - IBGE')

Error : The fig.showtext code chunk option must be TRUE

4.2 Comparação entre bases de dados - PNAD - Contínua e CAGED

Exemplo do Vítor Wilher

4.2.1 Código Inicial

#########################################################
##### CAGED vs PNAD COntínua ############################

## Pacotes
library(ecoseries)
library(sidrar)
library(xts)
library(ggplot2)
library(forecast)
library(scales)
library(astsa)
library(gridExtra)
library(seasonal)

## Baixar dados
caged = ts(series_ipeadata('231410417',
                           periodicity = 'M')$serie_231410417$valor,
           start=c(1999,05), freq=12)

po = get_sidra(api='/t/6320/n1/all/v/4090/p/all/c11913/allxt')
carteira = po$Valor[po$`Posição na ocupação e categoria do emprego no trabalho principal (Código)`=='31722']
pnad = ts(carteira, start=c(2012,03), freq=12)

## Dessazonalizar Caged
cagedsa <- final(seas(caged))

## Window
cagedsa = window(cagedsa, start=c(2012,06))
pnad = window(pnad, end=c(2018,09))

## Juntar dados
data = ts.intersect(cagedsa, pnad)

df = data.frame(caged=data[,1], pnad=data[,2])

4.2.2 CAGED

g1 = autoplot(data[,1]/1000)+
  geom_line(size=.8, colour='red')+
  xlab('')+ylab('Mil Pessoas')+
  labs(title='Admitidos - CAGED/MTE')

g1

Error : The fig.showtext code chunk option must be TRUE

4.2.3 PNAD

g2 = autoplot(data[,2]/1000)+
  geom_line(size=.8, colour='darkblue')+
  xlab('')+ylab('Milhões Pessoas')+
  labs(title='População Ocupada com Carteira Assinada - PNAD Contínua (t-3)')

g2

Error : The fig.showtext code chunk option must be TRUE

4.2.4 Comparação

## Gráfico lado a lado
grid.arrange(g1, g2,
             top = "CAGED vs. PNAD",
             layout_matrix = matrix(c(2,1), 
                                   ncol=1, byrow=TRUE))

Error : The fig.showtext code chunk option must be TRUE

4.2.5 Regressão

ggplot(df, aes(pnad, caged/1000))+
  geom_point(size=3, colour='darkblue')+
  geom_smooth(method = 'auto')+
  xlab('População Ocupada com Carteira Assinada - PNAD Contínua (t-3) - Mil Pessoas')+
  ylab('Fluxo de Admitidos - CAGED/MTE - Mil Pessoas')+
  labs(title='CAGED vs. PNAD Contínua')

Error : The fig.showtext code chunk option must be TRUE

---

4.3 Dados de trabalhadores por aplicativo (com o uso do pacote COVIDIBGE)

O sidrar apresenta limitações quanto ao tempo de disponibilização dos dados.

A principal vantagem do pacote é a disponibilização dos microdados.

A segunda vantagem de destaque é a utilização do pacote survey que permite mostrar os erros estatísticos associados.

A desvantagem é a dificuldade de construir séries históricas de forma nativa.

Obs.: os pacotes PNADcIBGE e COVIDIBGE apresentam as mesmas funções.

• É importante conhecer as bibliotecas de perguntas que foram realizadas nas pesquisas.

Biblioteca PNADContínua - https://www.ibge.gov.br/estatisticas/sociais/populacao/9171-pesquisa-nacional-por-amostra-de-domicilios-continua-mensal.html?=&t=downloads

4.3.1 Entregadores por Aplicativo (Usando dataframe simples)

library(COVIDIBGE)

#data frame simples e com rótulos (labels=TRUE)
pnad_covid19_novembro_dfsimples = get_covid(year=2020, month=11, vars=c("Ano", "UF", "RM_RIDE", "UPA", "Estrato",
                                                              "posest", "V1013", "V1030", "V1031", "V1032",
                                                              "V1022", "A003", "A002", "A004", "A005", "B008",
                                                              "B009B", "B009D", "B009F", "C007B", "C007C", 
                                                              "C008", "C009", "C014", "C01012", "C007", "D0051",
                                                              "E001"), labels=TRUE, deflator=TRUE,
                                  design=FALSE,savedir=tempdir())
#teste populacional
prof = c("Motoboy,", "Entregador de mercadorias (de restaurante, de farmácia, de loja, Uber Eats, IFood, Rappy etc.)")
carteira = c("Sim, tem carteira de trabalho assinada", "Sim, é servidor público estatutário")

pnad_covid_entregadores_dfsimples = pnad_covid19_novembro_dfsimples %>%
  mutate(teste_prof = C007C %in% prof) %>% 
  filter(teste_prof == "TRUE") %>%
  mutate(teste_carteira = C007B %in% carteira,
         renda_deflacionada = C01012*Efetivo,
         renda_deflacionada = round(renda_deflacionada, 2)) %>%
  filter(teste_carteira == "FALSE")

qtde_sexo = pnad_covid_entregadores_dfsimples %>% 
  group_by(A003) %>% 
  summarise((n = sum(V1032, na.rm = T))) %>% 
  rename(Qtde = '(n = sum(V1032, na.rm = T))',
         Genero = A003)

kbl(qtde_sexo)

Genero	Qtde
Homem	644222.02
Mulher	34304.55

# raça

raca_entregadores_covid = pnad_covid_entregadores_dfsimples %>% 
  select(V1032, A004) %>%
  group_by(A004) %>%
  summarise((n = sum(V1032, na.rm = T))) %>%
  rename(Qtde = '(n = sum(V1032, na.rm = T))',
         Raça = A004) %>%
  select(Raça, Qtde) %>%
  mutate(Qtde = round(Qtde, 0),
         Qtde = as.numeric(Qtde))

kbl(raca_entregadores_covid)

Raça	Qtde
Branca	271288
Preta	86714
Amarela	4474
Parda	315089
Indígena	962

#escolaridade
escolaridade_entregadores_covid = pnad_covid_entregadores_dfsimples %>% 
  select(V1032, A005) %>%
  group_by(A005) %>%
  summarise((n = sum(V1032, na.rm = T))) %>%
  rename(Qtde = '(n = sum(V1032, na.rm = T))',
         Escolaridade = A005) %>%
  select(Escolaridade, Qtde) %>%
  mutate(Qtde = round(Qtde, 0),
         Qtde = as.numeric(Qtde))

kbl(escolaridade_entregadores_covid)

Escolaridade	Qtde
Sem instrução	6321
Fundamental incompleto	114667
Fundamental completa	55769
Médio incompleto	98915
Médio completo	326070
Superior incompleto	54189
Superior completo	21952
Pós-graduação, mestrado ou doutorado	642

#UF

uf_entregadores_covid = pnad_covid_entregadores_dfsimples %>% 
  select(UF, V1032) %>%
  group_by(UF) %>%
  summarise((n = sum(V1032, na.rm = T))) %>%
  rename(Qtde = '(n = sum(V1032, na.rm = T))') %>%
  mutate(Qtde = round(Qtde, 0),
         Qtde = as.numeric(Qtde))

kbl(uf_entregadores_covid)

UF	Qtde
Rondônia	3305
Acre	2558
Amazonas	13491
Roraima	1632
Pará	20182
Amapá	3173
Tocantins	4510
Maranhão	21527
Piauí	7304
Ceará	38625
Rio Grande do Norte	6879
Paraíba	17538
Pernambuco	41940
Alagoas	10428
Sergipe	10317
Bahia	30867
Minas Gerais	73683
Espírito Santo	5911
Rio de Janeiro	61916
São Paulo	194799
Paraná	31757
Santa Catarina	7020
Rio Grande do Sul	28919
Mato Grosso do Sul	5370
Mato Grosso	7790
Goiás	19581
Distrito Federal	7504

4.3.2 Entregadores por Aplicativo (Usando pacote survey)

library(PNADcIBGE)
library(COVIDIBGE)
library(survey)

#objeto survey
pnad_covid19_novembro = get_covid(year=2020, month=11, vars=c("Ano", "UF", "RM_RIDE", "UPA", "Estrato",
                                                              "posest", "V1013", "V1030", "V1031", "V1032",
                                                              "V1022", "A003", "A002", "A004", "A005", "B008",
                                                              "B009B", "B009D", "B009F", "C007B", "C007C", 
                                                              "C008", "C009", "C014", "C01012", "C007", "D0051",
                                                              "E001"), labels=TRUE, deflator=TRUE,
                                  design=TRUE,savedir=tempdir())
#teste populacional
totalsexo = svytotal(~A003, pnad_covid19_novembro, na.rm = T)

kbl(totalsexo)

	total	SE
A003Homem	103463417	0
A003Mulher	108188952	0

#TIPO SURVEY - SOMENTE ENTREGADORES SEM CARTEIRA ASSINADA - NOVEMBRO
prof = c("Motoboy,", "Entregador de mercadorias (de restaurante, de farmácia, de loja, Uber Eats, IFood, Rappy etc.)")
carteira = c("Sim, tem carteira de trabalho assinada", "Sim, é servidor público estatutário")
entregadores_survey = subset(pnad_covid19_novembro, C007C %in% prof & !(C007B %in% carteira))

#genero
total_entregadores_sexo = svytotal(~A003, entregadores_survey, na.rm = T)

kbl(total_entregadores_sexo)

	total	SE
A003Homem	644222.02	28088.361
A003Mulher	34304.55	6182.571

#raça
raca_entregadores_survey <- round(svytotal(~A004, entregadores_survey, na.rm = T),0)

kbl(raca_entregadores_survey)

	total	SE
A004Branca	271288	18391.8019
A004Preta	86714	11572.1088
A004Amarela	4474	2498.8403
A004Parda	315089	18770.3030
A004Indígena	962	742.3815
A004Ignorado	0	0.0000

#escolaridade
escolaridade_entregadores_survey <- round(svytotal(~A005, entregadores_survey, na.rm = T),0)

kbl(escolaridade_entregadores_survey)

	total	SE
A005Sem instrução	6321	2160.4212
A005Fundamental incompleto	114667	10976.7126
A005Fundamental completa	55769	9351.6581
A005Médio incompleto	98915	10211.1380
A005Médio completo	326070	20729.3021
A005Superior incompleto	54189	7412.2732
A005Superior completo	21952	4634.5955
A005Pós-graduação, mestrado ou doutorado	642	470.0868

4.3.3 Exemplos de Relatórios que podem ser gerados

Pesquisa com recorte a partir da PNADCOVID19 (março a novembro de 2020)

Entregadores por App - https://www.trabalhoemplataforma.org/post/relat%C3%B3rio-de-pesquisa-1-an%C3%A1lise-da-pnad-covid19-sobre-entregadores-por-app

Motoristas por App - https://www.trabalhoemplataforma.org/post/relat%C3%B3rio-de-pesquisa-2-an%C3%A1lise-da-pnad-covid19-sobre-motoristas-por-app

4.4 Análise de amostras complexas com o pacote “survey”

4.4.1 Definindo a opção de codificação dos caracteres e linguagem

aviso <- getOption("warn")
options(warn=-1)
options(encoding="latin1")
options(warn=aviso)
rm(aviso)

4.4.2 Definindo a opção de exibição de números sem exponencial

aviso <- getOption("warn")
options(warn=-1)
options(scipen=999)
options(warn=aviso)
rm(aviso)

4.4.3 Pacotes exigidos

library(survey)
library(tidyverse) 
library(srvyr)
library(nnet)
library(stargazer)
library(PNADcIBGE)
library(kableExtra)

4.4.4 Selecionando as variáveis de interesse

variaveis_de_interesse <- c("V2007", ### Sexo
                            "V2009", ### Idade do morador na data de referência
                            "V2010", ### Cor ou raça
                            "V4039", ### Quantas horas ... trabalhava normalmente, por semana, nesse trabalho principal?
                            "VD3004", ### Nível de instrução mais elevado alcançado (pessoas de 5 anos ou mais de idade) padronizado para o Ensino fundamental com duração de 9 anos
                            "VD4001", ### Condição em relação à força de trabalho na semana de referência para pessoas de 14 anos ou mais de idade
                            "VD4002", ### Condição de ocupação na semana de referência para pessoas de 14 anos ou mais de idade
                            "VD4007", ### Posição na ocupação no trabalho principal da semana de referência para pessoas de 14 anos ou mais de idade
                            "VD4016") ### Rendimento mensal habitual do trabalho principal para pessoas de 14 anos ou mais de idade (apenas para pessoas que receberam em dinheiro, produtos ou mercadorias no trabalho principal)

4.4.5 Importando os microdados da PNAD Contínua com o plano amostral aplicado

pnadc_2019 <- get_pnadc (year = 2019, interview = 1, vars = c(variaveis_de_interesse), design = TRUE)
pnadc_2019 <- as_survey_design(pnadc_2019)

4.4.6 Selecionando os trabalhadores assalariados de 18 a 65 anos

assalariados_2019 <- subset(pnadc_2019, V2009 %in% c(18:65) &
                              VD4007 == "Empregado (inclusive trabalhador doméstico)")

4.4.7 Criando a variável cor ou raça agregada

assalariados_2019 <- assalariados_2019 %>%
  mutate(
    raca = factor(
      case_when(
        V2010 == "Branca" ~ "Brancos",
        V2010 %in% c("Preta", "Parda") ~ "Negros"
      ),
      levels = c(
        "Brancos", "Negros"
      )
    )
  )

4.4.8 Criando a variável jornadas de trabalho

assalariados_2019 <- assalariados_2019 %>%
  mutate(
    jornadas = factor(
      case_when(
        V4039 <= 39 ~ "Jornadas parciais",
        V4039 %in% c(40:44) ~ "Jornadas-padrão",
        V4039 >= 45 ~ "Jornadas excessivas"
      ),
      levels = c(
        "Jornadas-padrão", "Jornadas parciais", "Jornadas excessivas"
      )
    )
  )

4.4.9 Estimação da renda média

media_renda <- svymean (~VD4016, assalariados_2019, na.rm = TRUE)

kable(as.data.frame(media_renda)) %>% 
  kable_styling(full_width = F, latex_options = "scale_down", bootstrap_options = c("bordered", "hover"))

	mean	VD4016
VD4016	2197.383	27.32814

4.4.10 Coeficiente de variação

cv(media_renda)

       VD4016

VD4016 0.01243668

kable(as.data.frame(cv(media_renda))) %>% 
  kable_styling(full_width = F, latex_options = "scale_down", bootstrap_options = c("bordered", "hover"))

	VD4016
VD4016	0.0124367

4.4.11 Intervalos de confiança

confint(media_renda)

      2.5 %   97.5 %

VD4016 2143.821 2250.945

kable(as.data.frame(confint(media_renda))) %>% 
  kable_styling(full_width = F, latex_options = "scale_down", bootstrap_options = c("bordered", "hover"))

	2.5 %	97.5 %
VD4016	2143.821	2250.945

4.4.12 Estimação da renda média por grupos selecionados

media_renda_mulheres <- svymean(~VD4016, subset(assalariados_2019, V2007 == "Mulher"), na.rm = TRUE) 

kable(as.data.frame(media_renda_mulheres)) %>% 
  kable_styling(full_width = F, latex_options = "scale_down", bootstrap_options = c("bordered", "hover"))

	mean	VD4016
VD4016	1941.615	22.79887

mediarenda_homens <- svymean(~VD4016, subset(assalariados_2019, V2007 == "Homem"), na.rm = TRUE) 

kable(as.data.frame(mediarenda_homens)) %>% 
  kable_styling(full_width = F, latex_options = "scale_down", bootstrap_options = c("bordered", "hover"))

	mean	VD4016
VD4016	2427.86	35.91201

media_renda_mulheres_superior <- svymean(~VD4016, subset(assalariados_2019, V2007 == "Mulher" & 
                                                           VD3004 == "Superior completo"), na.rm = TRUE) 

kable(as.data.frame(media_renda_mulheres_superior)) %>% 
  kable_styling(full_width = F, latex_options = "scale_down", bootstrap_options = c("bordered", "hover"))

	mean	VD4016
VD4016	3664.964	63.01323

mediarenda_homens_superior <- svymean(~VD4016, subset(assalariados_2019, V2007 == "Homem" & 
                                                        VD3004 == "Superior completo"), na.rm = TRUE) 

kable(as.data.frame(mediarenda_homens_superior)) %>% 
  kable_styling(full_width = F, latex_options = "scale_down", bootstrap_options = c("bordered", "hover"))

	mean	VD4016
VD4016	5860.425	154.4082

4.4.13 Estimação da mediana e dos quantis 1, 5, 10, 25, 50, 75, 90, 95, 99

quantis = svyquantile(~VD4016, assalariados_2019, quantiles = c(0.01, 0.05, 0.10, 0.25, 0.50, 0.75, 0.90, 0.95, 0.99), na.rm = TRUE)

class(quantis) <- list("svyquantile", "list")

kable(as.data.frame(quantis)) %>% 
  kable_styling(full_width = F, latex_options = "scale_down", bootstrap_options = c("bordered", "hover"))

	VD4016.quantile	VD4016.ci.2.5	VD4016.ci.97.5	VD4016.se
0.01	150	150	160	2.5507973
0.05	400	400	450	12.7539863
0.1	700	700	800	25.5079726
0.25	998	998	1000	0.5101595
0.5	1400	1400	1500	25.5079726
0.75	2200	2200	2300	25.5079726
0.9	4000	4000	4500	127.5398631
0.95	6000	6000	7000	255.0797261
0.99	15000	15000	17000	510.1594523

4.4.14 Frequências absoluta e relativa das jornadas de trabalho

total_jornadas <- svytotal (~jornadas, assalariados_2019, na.rm = TRUE)

kable(as.data.frame(total_jornadas)) %>% 
  kable_styling(full_width = F, latex_options = "scale_down", bootstrap_options = c("bordered", "hover"))

	total	SE
jornadasJornadas-padrão	37231361	221442.0
jornadasJornadas parciais	13195762	122352.4
jornadasJornadas excessivas	11447280	151738.6

freq_jornadas <- svymean (~jornadas, assalariados_2019, na.rm = TRUE)

kable(as.data.frame(freq_jornadas)) %>% 
  kable_styling(full_width = F, latex_options = "scale_down", bootstrap_options = c("bordered", "hover"))

	mean	SE
jornadasJornadas-padrão	0.6017248	0.0027768
jornadasJornadas parciais	0.2132669	0.0018439
jornadasJornadas excessivas	0.1850083	0.0022425

4.4.15 Frequências absoluta e relativa das jornadas de trabalho por cor ou raça agregada

total_jornadas_raca <- svyby(~jornadas, ~raca, assalariados_2019, svytotal, na.rm = TRUE)

kable(as.data.frame(total_jornadas_raca)) %>% 
  kable_styling(full_width = F, latex_options = "scale_down", bootstrap_options = c("bordered", "hover"))

	raca	jornadasJornadas-padrão	jornadasJornadas parciais	jornadasJornadas excessivas	se.jornadasJornadas-padrão	se.jornadasJornadas parciais	se.jornadasJornadas excessivas
Brancos	Brancos	17134129	5392662	4850070	165743.3	83712.15	98064.61
Negros	Negros	19731464	7654735	6494897	172988.0	89949.64	113946.31

freq_jornadas_raca <- svyby(~jornadas, ~raca, assalariados_2019, svymean, na.rm = TRUE)

kable(as.data.frame(freq_jornadas_raca)) %>% 
  kable_styling(full_width = F, latex_options = "scale_down", bootstrap_options = c("bordered", "hover"))

	raca	jornadasJornadas-padrão	jornadasJornadas parciais	jornadasJornadas excessivas	se.jornadasJornadas-padrão	se.jornadasJornadas parciais	se.jornadasJornadas excessivas
Brancos	Brancos	0.6258617	0.1969788	0.1771595	0.0038625	0.0026754	0.0031894
Negros	Negros	0.5823739	0.2259294	0.1916968	0.0034395	0.0024115	0.0028318

svychisq(~jornadas + raca, assalariados_2019, statistic = "Chisq")

Pearson's X^2: Rao & Scott adjustment

data: NextMethod() X-squared = 901.56, df = 2, p-value < 0.00000000000000022

Obs.: rejeita-se a hipótese nula (H0), testada contra a hipótese alternativa (H1), pois o p-valor é estatisticamente significativo ao nível de 5%. Portanto, as variáveis associadas são estatisticamente independentes.

4.4.16 Construção de indicadores socioeconômicos

txdesocup <- svyratio(~VD4002 == "Pessoas desocupadas",~VD4001 == "Pessoas na força de trabalho", pnadc_2019, na.rm = T)

class(txdesocup) <- list("svyratio", "list")

kable(as.data.frame(txdesocup)) %>% 
  kable_styling(full_width = F, latex_options = "scale_down", bootstrap_options = c("bordered", "hover"))

	VD4001…..Pessoas.na.força.de.trabalho.	VD4001…..Pessoas.na.força.de.trabalho..1
VD4002 == “Pessoas desocupadas”	0.1165897	0.0000015

4.5 Regressão linear simples e múltipla

library(sjPlot)
library(sjmisc)
library(sjlabelled)


linear_simples <- lm(VD4016 ~ V2007, data = assalariados_2019) 

#Para visualizar o summary no console basta tirar o "#" da linha seguinte
#summary(linear_simples)

tab_model(linear_simples)

	VD 4016
Predictors	Estimates	CI	p
(Intercept)	2152.99	2134.49 – 2171.48	<0.001
V2007 [Mulher]	-412.55	-441.38 – -383.71	<0.001
Observations	183011
R2 / R2 adjusted	0.004 / 0.004

linear_multipla <- lm(VD4016 ~ V2007 + V2009 + raca + VD3004, data = assalariados_2019) 

#Para visualizar o summary no console basta tirar o "#" da linha seguinte
#summary(linear_multipla)

tab_model(linear_multipla)

	VD 4016
Predictors	Estimates	CI	p
(Intercept)	-397.80	-493.00 – -302.60	<0.001
V2007 [Mulher]	-905.98	-932.67 – -879.29	<0.001
V2009	35.14	34.10 – 36.18	<0.001
raca [Negros]	-567.01	-593.63 – -540.38	<0.001
VD3004 [Fundamental incompleto ou equivalente]	589.83	511.63 – 668.03	<0.001
VD3004 [Fundamental completo ou equivalente]	1073.57	986.31 – 1160.84	<0.001
VD3004 [Médio incompleto ou equivalente]	1253.87	1162.25 – 1345.48	<0.001
VD3004 [Médio completo ou equivalente]	1530.13	1450.83 – 1609.42	<0.001
VD3004 [Superior incompleto ou equivalente]	2039.84	1945.45 – 2134.22	<0.001
VD3004 [Superior completo]	4121.85	4039.99 – 4203.71	<0.001
Observations	181057
R2 / R2 adjusted	0.191 / 0.191

# Basta tirar o "#" da linha seguinte para gerar o arquivo em .doc

#stargazer(linear_simples, linear_multipla, type="html", out="Modelos_lineares.doc")

4.6 Regressão logística binária e multinomial

log_binario <- glm(VD4002 ~ V2007 + V2009 + raca + VD3004, data = assalariados_2019, family = "binomial")

#Para visualizar o summary no console basta tirar o "#" da linha seguinte
#summary(log_binario)

tab_model(log_binario)

	VD 4002
Predictors	Odds Ratios	CI	p
(Intercept)	0.74	0.66 – 0.84	<0.001
V2007 [Mulher]	1.74	1.69 – 1.79	<0.001
V2009	0.95	0.95 – 0.95	<0.001
raca [Negros]	1.41	1.36 – 1.45	<0.001
VD3004 [Fundamental incompleto ou equivalente]	0.82	0.74 – 0.90	<0.001
VD3004 [Fundamental completo ou equivalente]	0.81	0.73 – 0.90	<0.001
VD3004 [Médio incompleto ou equivalente]	0.86	0.77 – 0.96	0.006
VD3004 [Médio completo ou equivalente]	0.73	0.66 – 0.80	<0.001
VD3004 [Superior incompleto ou equivalente]	0.58	0.52 – 0.65	<0.001
VD3004 [Superior completo]	0.40	0.36 – 0.45	<0.001
Observations	211203
R2 Tjur	0.064

#exp(coef(log_binario))

kable(exp(coef(log_binario))) %>% 
  kable_styling(full_width = F, latex_options = "scale_down", bootstrap_options = c("bordered", "hover"))

	x
(Intercept)	0.7447068
V2007Mulher	1.7385447
V2009	0.9469367
racaNegros	1.4069800
VD3004Fundamental incompleto ou equivalente	0.8161712
VD3004Fundamental completo ou equivalente	0.8093607
VD3004Médio incompleto ou equivalente	0.8594856
VD3004Médio completo ou equivalente	0.7253498
VD3004Superior incompleto ou equivalente	0.5795528
VD3004Superior completo	0.4034014

# Basta tirar o "#" da linha seguinte para gerar o arquivo em .doc

#stargazer(log_binario, apply.coef = exp, type="html", out="Modelo_log_binario.doc")

#log_multinomial <- multinom (jornadas ~ V2007 + V2009 + raca + VD3004, data = assalariados_2019)

print_output(log_multinomial <- multinom (jornadas ~ V2007 + V2009 + raca + VD3004, data = assalariados_2019))

Error : The fig.showtext code chunk option must be TRUE

#Para visualizar o summary no console basta tirar o "#" da linha seguinte
#summary(log_multinomial)

tab_model(log_multinomial)

	jornadas
Predictors	Odds Ratios	CI	p	Response
(Intercept)	0.82	0.76 – 0.88	<0.001	Jornadas parciais
V2007 [Mulher]	2.15	2.10 – 2.20	<0.001	Jornadas parciais
V2009	1.00	1.00 – 1.00	0.955	Jornadas parciais
raca [Negros]	1.27	1.24 – 1.30	<0.001	Jornadas parciais
VD3004 [Fundamental incompleto ou equivalente]	0.65	0.61 – 0.69	<0.001	Jornadas parciais
VD3004 [Fundamental completo ou equivalente]	0.46	0.43 – 0.50	<0.001	Jornadas parciais
VD3004 [Médio incompleto ou equivalente]	0.53	0.49 – 0.57	<0.001	Jornadas parciais
VD3004 [Médio completo ou equivalente]	0.30	0.28 – 0.32	<0.001	Jornadas parciais
VD3004 [Superior incompleto ou equivalente]	0.46	0.43 – 0.49	<0.001	Jornadas parciais
VD3004 [Superior completo]	0.33	0.31 – 0.36	<0.001	Jornadas parciais
(Intercept)	0.45	0.41 – 0.49	<0.001	Jornadas excessivas
V2007 [Mulher]	0.73	0.71 – 0.75	<0.001	Jornadas excessivas
V2009	1.01	1.00 – 1.01	<0.001	Jornadas excessivas
raca [Negros]	0.87	0.85 – 0.89	<0.001	Jornadas excessivas
VD3004 [Fundamental incompleto ou equivalente]	1.08	1.00 – 1.17	0.037	Jornadas excessivas
VD3004 [Fundamental completo ou equivalente]	1.05	0.97 – 1.14	0.258	Jornadas excessivas
VD3004 [Médio incompleto ou equivalente]	1.03	0.94 – 1.13	0.509	Jornadas excessivas
VD3004 [Médio completo ou equivalente]	0.88	0.81 – 0.95	0.001	Jornadas excessivas
VD3004 [Superior incompleto ou equivalente]	0.66	0.60 – 0.73	<0.001	Jornadas excessivas
VD3004 [Superior completo]	0.52	0.48 – 0.57	<0.001	Jornadas excessivas
Observations	187770
R2 Nagelkerke	0.098

#exp(coef(log_multinomial))

kable(exp(coef(log_multinomial))) %>% 
  kable_styling(full_width = F, latex_options = "scale_down", bootstrap_options = c("bordered", "hover"))

	(Intercept)	V2007Mulher	V2009	racaNegros	VD3004Fundamental incompleto ou equivalente	VD3004Fundamental completo ou equivalente	VD3004Médio incompleto ou equivalente	VD3004Médio completo ou equivalente	VD3004Superior incompleto ou equivalente	VD3004Superior completo
Jornadas parciais	0.8179921	2.1515817	1.000025	1.2722703	0.6473448	0.4620274	0.5312773	0.3028614	0.4586115	0.3330221
Jornadas excessivas	0.4510736	0.7275855	1.005819	0.8686788	1.0847341	1.0495799	1.0301935	0.8775556	0.6615155	0.5247825

# Basta tirar o "#" da linha seguinte para gerar o arquivo em .doc

#stargazer(log_multinomial, apply.coef = exp, type="html", out="Modelo_log_multinomial.doc")

5 Obrigado!

• Raphael Santos Lapa
  • Email: raphaelsantoslapa@gmail.com
• João Pedro Inácio Peleja
  • Email: shamblesppedro@gmail.com