Microdados do CAGED no R com o pacote datacaged

Passo a passo para baixar, organizar e consultar os microdados do Novo CAGED em R, com um banco local DuckDB e consultas em dplyr.
R
Mercado de trabalho
Autor
Afiliação

Alexsandro Prado

Universidade Federal Rural do Semi-Árido (UFERSA)

Data de Publicação

16/11/2026

O Cadastro Geral de Empregados e Desempregados (CAGED), mantido pelo Ministério do Trabalho e Emprego (MTE), registra mensalmente cada admissão e cada desligamento de trabalhadores com carteira assinada no Brasil. Trata-se, portanto, de uma das principais fontes para o acompanhamento do mercado de trabalho formal, com informações sobre ocupação, setor de atividade, município, salário e perfil do trabalhador. No entanto, o uso direto dos microdados impõe custos consideráveis ao pesquisador, tendo em vista o volume dos arquivos (cerca de dois milhões de registros por mês), a compressão em formato 7z e as mudanças de leiaute ao longo do tempo.

Nesse sentido, o pacote datacaged, disponível no repositório oficial do R (CRAN), reduz essas etapas a poucos comandos: (i) baixa os arquivos de um espelho público no Hugging Face; (ii) extrai e padroniza as colunas; e (iii) grava os dados em um banco local DuckDB, que permite consultas rápidas sem carregar tudo na memória. Este texto apresenta um roteiro mínimo de uso, do download à primeira tabela.

Instalação

install.packages("datacaged")

O Novo CAGED (2020 em diante) funciona sem configuração adicional no Windows, no macOS e no Linux. Para a série antiga (até 2019), que utiliza compressão PPMd, é necessário ter o 7-Zip instalado no computador.

Carregamento dos dados

A função caged_load() executa todo o processo em um único comando: baixa os arquivos das competências solicitadas, extrai, padroniza e grava no banco indicado em db_path.

library(datacaged)

caged_load(
  years   = 2026,
  months  = 1:9,
  db_path = "caged.duckdb"
)

Ressalta-se que o Novo CAGED é distribuído em arquivos nacionais, de modo que cada competência traz todas as unidades da federação; o recorte geográfico é feito depois, na consulta. Quando novas competências forem divulgadas, a função caged_update() acrescenta ao banco apenas os meses que ainda não foram carregados.

Consulta com dplyr

Com o banco populado, a conexão é feita por caged_connect(), e as tabelas podem ser consultadas com dplyr como se fossem data frames. A tabela caged_mov contém as movimentações do mês, em que a variável saldomovimentacao assume o valor 1 para admissões e -1 para desligamentos.

library(dplyr)

con <- caged_connect("caged.duckdb")

saldo_rn <- tbl(con, "caged_mov") |>
  filter(uf == 24) |>                       # Rio Grande do Norte
  group_by(competenciamov) |>
  summarise(
    admissoes     = sum(if_else(saldomovimentacao == 1, 1L, 0L), na.rm = TRUE),
    desligamentos = sum(if_else(saldomovimentacao == -1, 1L, 0L), na.rm = TRUE),
    saldo         = sum(saldomovimentacao, na.rm = TRUE)
  ) |>
  arrange(competenciamov) |>
  collect()

saldo_rn

Observa-se que apenas o resultado final é trazido para a memória, por meio de collect(); o agrupamento e a soma são executados pelo DuckDB. O mesmo raciocínio vale para recortes por município (municipio), por ocupação da Classificação Brasileira de Ocupações (cbo2002ocupacao) ou por setor (secao e subclasse da CNAE). Ao final, recomenda-se encerrar a conexão:

DBI::dbDisconnect(con, shutdown = TRUE)

Um exemplo de resultado

A Figura 1 apresenta o saldo mensal de empregos formais no Rio Grande do Norte calculado exatamente com esse procedimento. Os mesmos dados alimentam os indicadores do emprego formal publicados neste site, atualizados automaticamente a cada nova divulgação do MTE.

Gráfico de barras do saldo mensal de empregos formais no Rio Grande do Norte de janeiro de 2024 a setembro de 2026, com saldos positivos na maior parte dos meses, picos entre julho e setembro e saldos negativos em dezembro e em alguns meses do início do ano.
Figura 1 - Saldo mensal de empregos formais no Rio Grande do Norte, janeiro de 2024 a setembro de 2026

Fonte: elaborado pelo autor com dados do Novo CAGED/MTE (2026).

Considerações

Em linhas gerais, o datacaged desloca o esforço da preparação dos dados para a análise propriamente dita, além de favorecer a reprodutibilidade, uma vez que todo o caminho, do arquivo oficial à tabela final, fica registrado em código. A documentação completa, com casos de uso adicionais, encontra-se no repositório do pacote no GitHub. Para citar o pacote em trabalhos acadêmicos, utiliza-se o DOI 10.32614/CRAN.package.datacaged.

NotaDados e análises sob demanda

Os exemplos deste blog utilizam ferramentas abertas desenvolvidas no grupo GECOMT, como o pacote datacaged, que dá acesso aos microdados do emprego formal. Para análises aplicadas à realidade de uma organização, como diagnósticos do mercado de trabalho, referências salariais ou previsões, veja a página de Consultoria e parcerias.

De volta ao topo

Citação

Por favor, cite este trabalho como:
PRADO, Alexsandro. Microdados do CAGED no R com o pacote datacaged. Blog de Alexsandro Prado, 16 nov. 2026. Disponível em: <https://alexsandroprado.site/blog/posts/datacaged-tutorial/>