A Relação Anual de Informações Sociais (RAIS) é o registro administrativo que retrata, ano a ano, o conjunto dos vínculos formais de emprego e dos estabelecimentos do país. Trata-se, portanto, de uma base central para estudos sobre salários, ocupações, rotatividade e estrutura produtiva. Ao mesmo tempo, a RAIS impõe desafios consideráveis ao pesquisador, tendo em vista as sucessivas mudanças de leiaute, de codificação e de forma de distribuição dos arquivos ao longo de quase quarenta anos.
O que o pacote faz
O dataRAIS, desenvolvido pelo GECOMT a partir da mesma arquitetura do dataCAGED, enfrenta esses desafios em três frentes: (i) o download dos arquivos de um espelho da RAIS no Hugging Face; (ii) a leitura dos diferentes leiautes históricos, com nomes de variáveis normalizados em português; e (iii) o armazenamento em banco DuckDB local, viabilizando consultas rápidas mesmo em volumes de dezenas de gigabytes.
# install.packages("pak")
pak::pak("gecomt/datarais")Exemplo: vínculos e remuneração no Rio Grande do Norte
No exemplo a seguir, são carregados os vínculos de 2023 e calculados, por município do Rio Grande do Norte (código 24 do IBGE), o número de registros e a remuneração média nominal:
library(datarais)
library(dplyr)
rais_load(years = 2023, type = "vinculos", db_path = "rais.duckdb")
con <- rais_connect("rais.duckdb")
rn_2023 <- tbl(con, "rais_novo") |>
filter(ano == 2023, sigla_uf == 24L) |>
group_by(id_municipio) |>
summarise(
vinculos = n(),
remuneracao_media = mean(vl_remun_media_nom, na.rm = TRUE)
) |>
arrange(desc(vinculos)) |>
collect()
DBI::dbDisconnect(con, shutdown = TRUE)A RAIS registra todos os vínculos ocorridos no ano, inclusive os encerrados antes de 31 de dezembro. Para obter o estoque de empregos, deve-se filtrar os vínculos ativos no fim do ano. A variável correspondente pode ser localizada com rais_col_info(search = "ativo").
Arquivos por região a partir de 2018
Ressalta-se que, a partir de 2018, os arquivos passaram a ser distribuídos por região geográfica. Assim, o argumento state de rais_load() funciona apenas para os anos anteriores; nos anos mais recentes, baixa-se o arquivo da região inteira e o filtro por Unidade da Federação é feito após a carga, como no exemplo acima.
Próximos passos
O pacote encontra-se em fase experimental, e as contribuições da comunidade são bem-vindas. O código está disponível no GitHub, onde também podem ser registrados problemas e sugestões.