DataZoom: Desenvolvido pelo Departamento de Economia da Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio)
O DataZoom Social Stata datazoom_social é um pacote que compatibiliza microdados de pesquisas realizadas pelo IBGE. Com o pacote, é possível fazer a leitura de todas as pesquisas domiciliares realizadas pelo IBGE: Censo Demográfico, Pesquisa Nacional por Amostra de Domicílios, Pesquisa Mensal do Emprego, Pesquisa de Orçamentos Familiares e Pesquisa de Economia Informal Urbana.
- Instalação
- Sintaxe
- Caixa de Diálogo
- Opções específicas de cada pesquisa
- Programas auxiliares (dicionários)
- Estrutura dos programas
Digite o código abaixo na linha de comando do Stata para baixar e instalar os arquivos referente ao pacote DataZoom Social
net install datazoom_social, from("https://raw.githubusercontent.com/datazoompuc/datazoom_social_stata/master/") force
A syntax do pacote pode ser resumida como:
datazoom_social [, options]
Onde as [options] podem ser:
| Opção | Descrição |
|---|---|
survey(...) |
Escolha da Pesquisa |
source(...) |
Pasta onde o raw data estão salvos |
save(...) |
Pasta onde deseja salvar a base de dados gerada pelo Stata |
date(...) |
Data de referência dos dados compatibilizados |
| english | Para obter variáveis em inglês, colocar essa opção no final do comando |
| outras opções | Opções específicas de cada pesquisa, relacionadas abaixo |
Atenção: Dado o número de pesquisas e opções relacionadas às mesmas, recomendamos o uso da nossa Caixa de Diálogo para compatibilização dos dados
A Caixa de Diálogo do pacote pode ser acessada utilizando o seguinte comando: db datazoom_social. A seguinte janela se abrirá:
Basta navegar pelas opções da Caixa de Diálogo para fazer as leituras dos microdados do IBGE.
As opções survey(...), source(...), save(...) e date(...) são mandatórias. A depender da pesquisa escolhida, outras opções serão requeridas
datazom_social, survey(pns) source(...) save(...) date(...)
Os anos disponíveis para a PNS são 2013 e 2019. A função da PNS pode ser utilizada diretamente. Ver h datazoom_pns
datazom_social, survey(censo) source(...) save(...) date(...) state(...) [ops]
Os anos disponíveis para o Censo são 1970, 1980, 1991, 2000 e 2010. Na opção de estado, pode ser colocado a sigla de quantos estados desejar para leitura de dados - ex.: state(AP MS AM). Ainda há as seguintes opções:
| Ops | Descrição |
|---|---|
pes |
Extrai dados para Pessoas |
fam |
Extrai dados para Famílias (disponível apenas para o Censo 2000) |
dom |
Extrai dados para Domicílios |
both |
Extrai dados para Pessoas e Domicílios em um mesmo arquivo |
all |
Extrai dados para todas os tipos de Registro em um mesmo arquivo |
comp |
Solicita que a compatibilização de variáveis seja executada |
A função do Censo pode ser utilizada diretamente. Ver h datazoom_censo
datazom_social, survey(pnadcontinua_anual) source(...) save(...) date(...)
Essa função compatibiliza os microdados referente a visita domiciliar específica de um ano. Os anos disponíveis para a PNADC Anual são de 2012 a 2019. A função da PNADC Anual pode ser utilizada diretamente. Ver h datazoom_pnadcont_anual
Atenção: Na opção source(...) deve conter o caminho específico do arquivo com os microdados
datazom_social, survey(pnadcontinua) source(...) save(...) date(...) [ops]
Os anos disponíveis para a PNADC Trimestral são de 2012 a 2021 (primeiro trimestre para este último ano). Para criação do painél, há as seguintes opções:
| Ops | Descrição |
|---|---|
nid |
Sem identificação |
idbas |
Identificação básica |
idrs |
Identificação Avançada (Metodologia Ribas e Soares) |
Para criação do painel, os arquivos de microdados de todos os trimestres dos anos de interesse devem estar na pasta source(...). A função da PNADC Trimestral pode ser utilizada diretamente. Ver h datazoom_pnadcontinua
datazom_social, survey(pnad) source(...) save(...) date(...) [ops]
Os anos disponíveis para a PNAD são de 1981 a 2015, quando foi descontinuada. Ainda há as seguintes opções:
| Ops | Descrição |
|---|---|
pes |
Extrai dados para Pessoas |
dom |
Extrai dados para Domicílios |
both |
Extrai dados para Pessoas e Domicílios em um mesmo arquivo |
ncomp |
Solicita que compatibilização de variáveis não seja executada |
comp81 |
Solicita que variáveis sejam compatíveis com os anos 1980 |
comp92 |
Solicita que variáveis sejam compatíveis com os anos 1990 (opção não válida para variáveis dos anos 1980) |
A função da PNAD pode ser utilizada diretamente. Ver h datazoom_pnad
datazom_social, survey(pnad_covid) source(...) save(...) date(...)
Os períodos disponíveis para a PNAD Covid são de Maio até Novembro de 2020. A função da PNAD Covid pode ser utilizada diretamente. Ver h datazoom_pnad_covid
datazom_social, survey(pmenova) source(...) save(...) date(...) [ops]
Os anos disponíveis para a PME são de 2002 a 2016. Para criação do painel, há as seguintes opções:
| Ops | Descrição |
|---|---|
nid |
Sem identificação |
idbas |
Identificação básica |
idrs |
Identificação Avançada (Metodologia Ribas e Soares) |
Para criação do painel, os arquivos de microdados de todos os meses dos anos de interesse devem estar na pasta source(...). A função da PME pode ser utilizada diretamente. Ver h datazoom_pmenova
datazom_social, survey(pmeantiga) source(...) save(...) date(...) [ops]
Os anos disponíveis para a PME são de 1991 a 2001. Para criação do painel, há as seguintes opções:
| Ops | Descrição |
|---|---|
nid |
Sem identificação |
idbas |
Identificação básica |
idrs |
Identificação Avançada (Metodologia Ribas e Soares) |
Para criação do painel, os arquivos de microdados de todos os meses dos anos de interesse devem estar na pasta source(...). A função da PME pode ser utilizada diretamente. Ver h datazoom_pmeantiga
datazom_social, survey(ecinf) source(...) save(...) date(...) record(...)
A ECINF está disponível para os anos de 1997 e 2003. O input record(...)deve ser preenchido com o Tipo de Registro:
| Código | Tipo de Registro |
|---|---|
domicilios |
Domicílios |
moradores |
Moradores |
trabrend |
Trabalho e Rendimento |
uecon |
Unidade Econômica |
pesocup |
Pessoas Ocupadas |
indprop |
Proprietário |
sebrae |
Sebrae (disponível apenas para 2003) |
A função da ECINF pode ser utilizada diretamente. Ver h datazoom_ecinf
datazom_social, survey(pof) source(...) save(...) date(...) datatype(...) [ops]
Os anos disponíveis para POF são 1995, 2002, 2008 e 2017. O input datatype(...) deve ser preenchido com o tipo de dado que o usuário deseja extrair: Bases Padronizadas datatype(std), Gastos Selecionados datatype(sel) e Tipos de Registro datatype(trs). Para cada Tipo de Dado escolhido, há opções específicas:
- Bases Padronizadas:
datazom_social, survey(pof) source(...) save(...) date(...) datatype(std) identification(...)
identification |
Descrição |
|---|---|
dom |
Domicílio |
uc |
Unidade de Consumo |
pess |
Indivíduo |
- Gastos Selecionados:
datazom_social, survey(pof) source(...) save(...) date(...) datatype(sel) identification(...) list(...)
identification(...) possui as mesmas opções do tópico anterior. Para identification(...) utilizar a Caixa de Diálogo para ver opções.
- Tipos de Registro
datazom_social, survey(pof) source(...) save(...) date(...) datatype(std) registertype(...)
Para registertype(...), há diferentes tipos de registro a depender do ano, numerados conforme a documentação do IBGE. Utilizar Caixa de Diálogo para ver opções.
As funções da POF podem ser utilizada diretamente. Ver help datazoom_pof.
Atenção: Para a POF 2017-2018, Bases Padronizadas e Gastos Selecionados não estão disponíveis.
A maioria dos programas do pacote se deparam com dados originais armazenados em formato .txt, que precisam de dicionários – formato .dct no Stata – para serem lidos. A consequência é um volume de dicionários que supera o limite de 100 arquivos permitido para um pacote do Stata poder ser instalado. Por isso, os dicionários individuais são compactados em um arquivo .dta único, que é lido dentro de cada programa. Ambas as funções usadas para isso são definidas no arquivo read_compdct.ado.
O primeiro programa definido nesse arquivo é write_compdct, que pode
ser usado como a seguir: após rodar o arquivo .ado para definir a
função, basta usar o código
write_compdct, folder("/pasta com os dicionários") saving("/caminho/dict.dta")
A função então lê todos os arquivos .dct presentes na pasta, e junta todos no arquivo dict.dta, com cada dicionário identificado por uma variável com seu nome.
Para transformar esse arquivo compactado novamente do dicionário
original, se usa o programa read_compdct:
read_compdct, compdct("dict.dta") dict_name("dic original") out("dic extraído.dct")
que extrai o “dic original” do arquivo dict.dta e o salva para “dic extraído.dct”.
Como exemplo, veja o uso dessa função no programa
datazoom_pnadcontinua
tempfile dic // Arquivo temporário onde o .dct extraído será salvo
findfile dict.dta // Acha o arquivo dict.dta salvo pela instalação
// do pacote na pasta /ado/, e armazena o caminho
// até ele na macro r(fn)
read_compdct, compdct("`r(fn)'") dict_name("pnadcontinua`lang'") out("`dic'")
// Lê o dicionário compactado dict.dta, extrai o dicionário pnadcontinua
// (ou pnadcontinua_en, `lang` é vazio ou "_en"), e salva o arquivo final
// na tempfile dic, que é usada para ler os dados
Para a nossa organização interna, cada pasta correspondente a um
programa armazena os dicionários na sub-pasta /dct/. Todos esses
dicionários são também armazenados juntos na pasta /dct/ diretamente,
que é usada para gerar o dict.dta através do write_compdct. Note que
nenhum arquivo .dct é efetivamente listado no arquivo
datazoom_social.pkg, e portanto, não são instalados no computador do
usuário. Apenas o arquivo dict.dta é enviado.
As funções do pacote, em geral, seguem o seguinte esqueleto
program datazoom_exemplo
syntax, original(string) ... // Função principal, que será executada pelas
// caixas de diálogo ou pelo datazoom_social
...
load_exemplo, opções // Programa de leitura dos dados definido em seguida
...
(Carregamento dos dados)
treat_exemplo // Eventuais tratamentos de dados
...
save
end
program load_exemplo
...
end
program treat_exemplo
...
end
Carregamento dos dados: Como exemplo, vejamos um trecho do programa da PNS
program load_pns
syntax, original(str) year(integer) [english]
if "`english'" != "" local lang "_en"
tempfile dic (*)
findfile dict.dta (*)
read_compdct, compdct("`r(fn)'") dict_name("pns`year'`lang'") out("`dic'") (*)
qui infile using `dic', using(PNS_`year'.txt) clear
end
As linhas marcadas com (*) apenas extraem o dicionário necessário para
ler os dados, como explicado na seção anterior. Vendo as opções do
programa, o load_pns recebe a pasta que armazena os dados brutos, o
ano escolhido, e a opção de labels em inglês, que faz com que o
dicionário pns20xx_en seja lido ao invés do pns20xx.
A primeira linha dentro dessa função está na maioria dos programas do pacote: quando o usuário escolhe a opção english, um local de mesmo nome é salvo, armazenado a string “english”. Como todos os dicionários em inglês são armazenados com sufixo _en, essa linha diz que, caso essa macro english não seja vazia – que só ocorre quando o usuário escolhe essa opção –, é criado o local lang com a string "_en", que serve de sufixo para o nome do dicionário a ser lido.
O centro dessa função de load está na linha de infile, que usa o
dicionário extraído para ler o arquivo de dados brutos, e o carrega para
a memória do Stata.