CGIg/CNIg e SINCRE: analisando os microdados do OBMigra

OBMigra

O Observatório das migrações internacionais (OBMigra) é fruto de um convênio estabelecido entre o Ministério do Trabalho (MTb), Conselho Nacional de Imigração (CNIg) e Universidade de Brasília (UnB). Sua finalidade é ampliar o conhecimento a respeito dos fluxos migratórios internacionais no Brasil, através de estudos e análises empíricas, e fornecer subsídios para a formulação de estratégias de política pública.

As principais bases de dados fornecidas pelo OBMigra são:

• SINCRE
• CGIg/CNIg

Vamos fazer uma breve introdução ao que cada base contém.

Na prática

Para facilitar o processo de baixar e montar a base de dados, escrevi esse script com quatro funções para facilitar esse procedimento:

1. catalog_obmigra: lista os dados do site em um catálogo;
2. datavault_obmigra: baixa os arquivos de dados brutos para um diretório local específico;
3. build_obmigra: constrói a base de dados
4. monetdb_obmigra: constrói a base de dados em SQL a partir dos arquivos.

A função datavault_obmigra é opcional, mas ajuda bastante caso você não queira repetir os downloads toda vez que precisar montar a base de novo. O bloco de código abaixo mostra como fazer essa tarefa:

# define diretórios
output_dir <- file.path( tempdir() , "OBMigra" ) 
datavault_dir <- file.path( tempdir() , "OBMigra_DV" ) 

# carrega funções
downloader::source_url( "https://raw.githubusercontent.com/guilhermejacob/guilhermejacob.github.io/master/scripts/obmigra.R" , prompt = FALSE )

# cria catálogo de dados
catalog <- catalog_obmigra( output_dir = output_dir )

# cria datavault
# esse passo é opcional!
catalog <- datavault_obmigra( catalog = catalog, datavault_dir = datavault_dir )

# constrói base de dados
build_obmigra( catalog = catalog )

# monta base de dados monetdb
# este passo é opcional, mas depende da build_obmigra.
# use apenas se você quiser a base em MonetDB
monetdb_obmigra(catalog)

Caso você já conheça linguagem SQL, pode conectar direto à base de dados e enviar as queries.
Caso contrário, não se desespere! Se você conhece um pouco do dplyr, já é o suficiente para analisar utilizando o seu “pacote irmão” dbplyr. Vejamos:

# carrega os pacotes necessários
library( DBI )
library( MonetDBLite )
library( dplyr )
library( dbplyr )
library( tidyr )

# conecta com a base de dados
con <- dbConnect( MonetDBLite() , file.path( output_dir , "MonetDB" ) )

# lista tabelas na base
dbListTables( con )


# cria referência para tabela de registros do SINCRE
sincre <- tbl( con , "sincre" )

# dá uma olhada na tabela
sincre

# cria variável ano_reg
sincre <- sincre %>% mutate( ano_reg = substr( data_registro , 1 , 4 ) )

# número total de estrangeiros, segundo classificação, por ano de registro, 2000-2014.
sincre %>% 
  filter( ano_reg >= 2000 & ano_reg <= 2014 ) %>%
  group_by( ano_reg , classificacao ) %>% 
  summarise( nobs = n() ) %>% 
  arrange( ano_reg , classificacao ) %>% 
  data.frame() %>% 
  spread( . , key = ano_reg , value = nobs , fill = 0 )

#   classificacao  2000  2001  2002  2003  2004  2005  2006  2007  2008  2009  2010  2011  2012  2013  2014
# 1       ASILADO     0     1     0     0     1     1     0     0     0     0     0     0     0     0     0
# 2   FRONTEIRIÇO   204   254   169   135   540   596   479   428   420   633   694  1026  1180  1522  1828
# 3        OUTROS   158   116   121    47    69   147   141   149    93   208   146   139   194   469  1389
# 4    PERMANENTE 10708  8235  9484 12783 12297 16027 24918 18263 15379 45828 20861 27868 34382 26993 36211
# 5    PROVISÓRIO   415   138    41    20    33   114  2115   693   347  9441   959   114    48     8    24
# 6    TEMPORÁRIO 12010 12132 12116 12904 14544 16508 17642 20234 24001 32134 32492 46743 64969 83615 83194

Esses números coincidem com a Tabela 1.1.1 desse arquivo. Confira:

Tabela extraída do Anuário SINCRE

Agora, vamos olhar os dados do CGIg/CNIg e calcular agregados.

# cria referência para tabela de pedidos do cgig/cnig
cgig_cnig <- tbl( con , "cgig_cnig" )

# dá uma olhada em como a tabela parece
cgig_cnig

# número de autorizações de trabalho, 
# segundo manifestação, por mês em 2015
cgig_cnig %>% 
  filter( andamento %in% c( "MANIFESTAÇÃO CONTRÁRIA" , "MANIFESTAÇÃO FAVORÁVEL" ) ) %>% 
  filter( ano == 2015 ) %>% 
  group_by( mes , andamento ) %>% 
  summarise( nobs = n() ) %>% 
  arrange( mes , andamento ) %>% 
  data.frame() %>% 
  spread( . , key = mes , value = nobs , fill = 0 )
#                andamento    1   2    3   4   5   6   7   8   9  10  11  12
# 1 MANIFESTAÇÃO CONTRÁRIA  620 728 1134 936 528 128 500 741 575 169  85  63
# 2 MANIFESTAÇÃO FAVORÁVEL 1052 936  702 430 384 680 214 325 360 156 100 125

# disconecta da base de dados
dbDisconnect( con , shutdown = TRUE )

Mas será que esses números fazem sentido? Vamos comparar com a Tabela 2.9 na página 20 deste documento:

Tabela 2.9 na publicação.

Acertamos!

Presente para quem chegou até o fim do post!

A trilha sonora de hoje chama “A Vingança de Cunhã”, do Projeto Pietá. Essa letra maravilhosa do Thiago Thiago de Mello¹ fala da lenda do boto, que, em noite de festa, virava moço bonito pra encantar e malinar das cunhantãs. Mas, um dia, ele cruzou com a cunhã errada.
Pra mim, essa música traz uma saudade da infância na beira do rio, ouvindo os contos do meu avô.