Acessando dados do Bolsa Família no R

O Bolsa Família (PBF) é um programa de transferência de renda condicional criado em 2003, amplamente investigado na literatura e com significativos impactos em redução de pobreza, escolarização, distribuição de renda, entre outros. Para avaliar estes impactos os analistas, assistentes e pesquisadores utilizam os microdados do PBF através de linguagens de programação. Neste exercício mostramos como fazer isso utilizando o R.

Para reproduzir o exercício a seguir você precisará dos seguintes pacotes:


library(data.table) # CRAN v1.14.0
library(janitor) # CRAN v2.1.0
library(downloader) # CRAN v0.4
library(dplyr) # CRAN v1.0.7

Há uma grande variedade de dados relacionados ao PBF. Neste exemplo, iremos explorar a tabela referente aos valores de parcela pagos aos beneficiários do programa, disponível no Portal da Transparência.

Os dados são armazenados em arquivos CSV compactados em formato ZIP, havendo um arquivo para cada mês/ano. Sendo assim, precisamos baixar o arquivo compactado, descompactá-lo e, por fim, importar o CSV para o R. Para facilitar todo este procedimento, criei uma função e deixei disponível no GitHub. O comando abaixo importa a função para ser usada no R:


# Importar do GitHub função para acesso aos dados do PBF (Pagamentos)
downloader::source_url(
url = paste0(
"https://gist.githubusercontent.com/schoulten/",
"37fc426ef1ceefcaa96f8e232d1380c7/raw/",
"34665e0354caeb3ff65e1bbaf0a384f97112a5bd/",
"import_pbf_pagmt.R"
),
sha = "7e9f3d3d3961d762f5c3e8d06b3ceacc1911dd06"
)

Com a função no environment, passamos um valor de ano (4 dígitos) e mês (2 dígitos) de referência para importar em formato tabular (data.table1) os dados do Bolsa Família (Pagamentos), por exemplo:


# Importar dados (setembro/2021)
tbl_pbf <- import_pbf_pagmt("2021", "09")

dplyr::glimpse(tbl_pbf) # classe data.table
# Rows: 14,655,291
# Columns: 9
# $ mes_referencia <int> 202109, 202109, 202109, 202109, 202109, 202109,~
# $ mes_competencia <int> 202104, 202104, 202104, 202104, 202104, 202104,~
# $ uf <chr> "BA", "ES", "MG", "PI", "RJ", "RS", "BA", "MG",~
# $ codigo_municipio_siafi <int> 3843, 5675, 604, 995, 5839, 996, 3709, 4085, 60~
# $ nome_municipio <chr> "RODELAS", "MUQUI", "DIVISA ALEGRE", "COIVARAS"~
# $ cpf_favorecido <chr> "***.015.315-**", "***.196.477-**", "***.538.95~
# $ nis_favorecido <int64> 1.004631e-313, 6.246777e-314, 6.262453e-314, ~
# $ nome_favorecido <chr> "MARIA EDILENE TELES FONSECA", "KARLA CRISTINA ~
# $ valor_parcela <dbl> 347, 446, 260, 624, 617, 194, 179, 178, 260, 89~

Com apenas um comando já temos um objeto com mais de 14 milhões de observações e 9 colunas pronto para análise. Consulte o dicionário das variáveis no Portal da Transparência para mais informações. Por exemplo, se você quiser saber o valor médio das parcelas pagas e o total de beneficiários do programa:


# Benefício médio
mean(tbl_pbf$valor_parcela, na.rm = TRUE)

# [1] 186.2093

# Número de beneficiários
length(unique(tbl_pbf$nis_favorecido))

# [1] 14655264

Similarmente podemos calcular o total (R$) em benefício repassado por estado, por exemplo:


# Valor total repassado por estado (UF)
total_uf <- tbl_pbf[, list(valor_total = sum(valor_parcela, na.rm = TRUE)), by = uf]
total_uf

# uf valor_total
# 1: BA 346035656
# 2: ES 35626017
# 3: MG 204132719
# 4: PI 96132581
# 5: RJ 179625855
# 6: RS 68639427
# 7: PE 217531126
# 8: MA 203221226
# 9: SC 24529618
# 10: AC 24380365
# 11: AL 79785460
# 12: AM 91468908
# 13: AP 17164547
# 14: CE 205489817
# 15: DF 16230798
# 16: GO 49255645
# 17: MS 23925140
# 18: MT 27931366
# 19: PA 190517764
# 20: PB 105063462
# 21: PR 66837885
# 22: RN 68870535
# 23: RO 12405405
# 24: RR 10942825
# 25: SE 48599648
# 26: SP 292074874
# 27: TO 22533216
# uf valor_total

Ou ainda fazer análises um pouco mais elaboradas/informativas, como essa:

Saiba mais

As possibilidades de análise que os dados oferecem são diversas, saiba mais nos cursos da Análise Macro.


[1] Classe de objeto mais recomendada para lidar com arquivos grandes (neste exemplo, 14+ milhões de linhas).

 

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

O que é um Vector Database e como criar um com LangChain

Nesta postagem, mostramos como construir um pipeline simples de RAG (Retrieval-Augmented Generation) usando o LangChain, o modelo Gemini 2.0 Flash e o Vector Database Chroma. Utilizamos como exemplo o Relatório de Inflação de junho de 2025 do Banco Central do Brasil. O fluxo envolve o download e leitura do PDF, divisão do texto com RecursiveCharacterTextSplitter, geração de embeddings com Gemini, armazenamento vetorial com Chroma e busca semântica para responder perguntas com base no conteúdo do relatório. É uma aplicação prática e didática para economistas que desejam integrar IA ao seu fluxo de análise.

Automatizando a Construção de Códigos em Python com LangGraph

Neste post, mostramos como construir um agente de código em Python utilizando LangGraph, LangChain e Gemini. A proposta é construir um protótipo para automatizar o ciclo completo de geração, execução e correção de código com o uso de LLMs, organizando o processo em um grafo de estados.

Análise de Dados com REPL Tool e LLM usando LangGraph

Neste post, vamos mostrar como você pode criar um agente que interpreta e executa código Python em tempo real, utilizando o REPL-Tool e um LLM da família Gemini. Começamos com um exemplo genérico e, em seguida, aplicamos a mesma estrutura à análise econômica de uma série histórica do IPCA.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.