Microdados são os registros individuais de uma pesquisa, um para cada unidade pesquisada, distribuídos sem identificação das pessoas ou entidades e antes de qualquer totalização. Enquanto uma tabela publicada mostra “8.412 matrículas no município X”, o arquivo de microdados traz 8.412 linhas, uma por matrícula, cada uma com dezenas de colunas descrevendo aquele caso específico.
Essa é a diferença inteira, e dela decorre tudo o mais: o que se pode perguntar, quanto trabalho dá, que ferramentas são necessárias e por que existem regras próprias de divulgação. Este guia percorre esses pontos e termina com a pergunta que mais importa para um TCC — se você realmente precisa deles.
Microdados e dados agregados, lado a lado
| Aspecto | Dado agregado | Microdado |
|---|---|---|
| O que é uma linha | Um território, um período, uma categoria | Uma pessoa, um domicílio, um estabelecimento, um evento |
| Como vem | Tabela pronta, já somada | Arquivo bruto, sem totais |
| Cruzamentos possíveis | Só os que a instituição publicou | Qualquer combinação entre as variáveis do arquivo |
| Ferramenta necessária | Planilha | Software estatístico, em geral |
| Tamanho típico | Kilobytes | Centenas de megabytes ou mais |
| Tempo até o primeiro resultado | Minutos | Dias |
A linha decisiva é a dos cruzamentos. Uma instituição publica um número finito de tabelas, e elas cobrem os cruzamentos que ela julgou relevantes. Se a sua pergunta exige um cruzamento que ninguém publicou — por exemplo, distribuir uma variável por duas outras simultaneamente, dentro de um recorte específico —, os microdados são a única saída. Se a sua pergunta cabe numa tabela existente, usá-los é trabalho desperdiçado.
O que vem no pacote
Quem baixa microdados pela primeira vez costuma esperar uma planilha e recebe outra coisa. Um pacote típico traz três componentes, e ignorar qualquer um deles inviabiliza o trabalho.
O primeiro é o arquivo de dados propriamente dito: linhas e colunas, quase sempre sem cabeçalhos legíveis e com valores codificados em números. O segundo é o dicionário de variáveis, que traduz esses códigos — informa que uma coluna assume os valores 1 e 2, o que cada um significa, e em que posição do arquivo ela está. O terceiro é a documentação metodológica, com notas sobre a coleta, mudanças entre edições, variáveis descontinuadas e advertências de comparabilidade.
O dicionário não é material de apoio: é parte do dado. Sem ele, o arquivo é uma matriz de números sem significado, e tentar adivinhar o que uma coluna representa é uma forma eficiente de produzir resultados errados com aparência convincente.
Por que os valores vêm codificados
Há uma razão prática e uma razão de proteção. A prática é o tamanho: guardar o número 3 em milhões de linhas ocupa muito menos espaço do que guardar uma palavra, e arquivos dessa escala precisam ser econômicos.
A razão de proteção é mais importante. Microdados públicos passam por um processo de descaracterização antes da divulgação: nomes e documentos não entram, identificadores diretos são removidos, e variáveis que poderiam permitir reconhecer alguém por combinação — território muito pequeno, idade exata, características raras — costumam ser agrupadas em faixas ou suprimidas. O arquivo que chega ao público não é o arquivo que a instituição usa internamente.
Esse cuidado é uma obrigação declarada. O Inep informa que os formatos de apresentação dos seus arquivos de microdados vêm sendo reestruturados para suprimir a possibilidade de identificação de pessoas, em atendimento à Lei nº 13.709, de 14 de agosto de 2018, a Lei Geral de Proteção de Dados Pessoais. O parecer jurídico que fundamenta a política é direto ao afirmar que, se a divulgação puder resultar em acesso de terceiros a microdados pessoais não anonimizados ou que permitam a reidentificação de seus titulares, ela não poderá ser realizada.
Para o TCC, a leitura correta disso é dupla. Primeira: microdados públicos não contêm pessoas identificáveis, e usá-los não faz do seu trabalho uma pesquisa com seres humanos pelo simples fato de as linhas serem individuais. Segunda: tentar desfazer a anonimização, inclusive cruzando bases para chegar a indivíduos, é precisamente o que essas políticas existem para impedir — assunto tratado em dado público não é dado livre. As obrigações quando a sua pesquisa envolve dados de participantes coletados por você estão em LGPD na pesquisa de TCC.
O que os microdados permitem que as tabelas não permitem
Três coisas justificam o esforço. A primeira é o cruzamento inédito: combinar variáveis que nunca apareceram juntas numa publicação oficial. É daí que sai a maior parte das contribuições originais de TCCs quantitativos.
A segunda é o recorte próprio: definir a subpopulação exatamente como a sua pergunta exige, em vez de aceitar as faixas que a instituição escolheu. Se a tabela publicada agrupa de 20 a 59 anos e o seu objeto são os adultos jovens, só o arquivo bruto resolve.
A terceira é a medida de dispersão. Tabelas publicam totais e médias; distribuições, medianas, quartis e desvios costumam exigir os registros individuais. Se a sua análise depende de descrever variação, e não apenas nível, os microdados deixam de ser opcionais.
O que eles custam
Vale ser honesto sobre o preço. Arquivos de microdados são grandes o bastante para travar planilhas comuns, o que na prática significa aprender um software estatístico. O tratamento inicial — decodificar variáveis com o dicionário, lidar com valores ausentes e códigos de “não aplicável”, conferir se os seus totais batem com os oficiais — consome dias, não horas.
Essa última conferência merece destaque: depois de montar a sua tabulação, reproduza um número que a instituição já publicou. Se o seu total bate com o oficial, o seu tratamento provavelmente está correto; se não bate, há um erro de filtro, de código ou de ponderação a encontrar antes de seguir. É a checagem mais barata e mais frequentemente pulada de todo o processo.
O peso amostral: o detalhe que inverte totais
Existe uma armadilha que atinge quase todo estudante na primeira vez, e ela merece um aviso destacado. Quando os microdados vêm de uma pesquisa amostral — e não de um censo ou de um registro administrativo completo —, cada linha do arquivo não vale por uma unidade da população: ela vale por muitas.
Isso acontece porque a amostra não é sorteada com probabilidade uniforme. Certos grupos são deliberadamente sobrerrepresentados para garantir precisão em recortes pequenos, e a compensação vem depois, na forma de uma coluna de peso. Cada registro carrega um número que indica quantas unidades da população ele representa, e o dicionário de variáveis informa qual é essa coluna.
A consequência prática é direta: contar linhas responde “quantos respondentes há na amostra”, não “quantas pessoas há na população”. Uma média calculada sem ponderação descreve os respondentes, não o país. É por isso que os totais de um estudante desavisado costumam sair na casa dos milhares quando o número oficial está na casa dos milhões — a discrepância não é erro de filtro, é a ponderação que ficou de fora.
Duas orientações resolvem. Primeira: verifique na documentação se a pesquisa é amostral e, se for, localize a variável de peso antes de calcular qualquer coisa. Segunda: registros administrativos completos, como os que alimentam sistemas de notificação e de matrícula, em geral não têm peso, porque não são amostra — mas isso também precisa ser confirmado na documentação, e não presumido pelo tipo de arquivo.
Você precisa mesmo de microdados?
Na maior parte dos TCCs de graduação, não. A regra de decisão é simples: escreva a tabela que você gostaria de ter no capítulo de resultados e vá procurar se ela já existe publicada. Se existir, use-a — os tabuladores públicos entregam em minutos o que o arquivo bruto entregaria em dias, e o percurso está descrito em como consultar o DataSUS pelo TabNet. A escolha do portal adequado a cada tipo de pergunta está em qual base responde à sua pergunta.
Se a tabela que você quer não existe em lugar nenhum, e o cruzamento é mesmo essencial à pergunta, então os microdados se justificam — e o trabalho ganha uma contribuição real, porque você estará produzindo evidência que ainda não estava disponível. Nesse caso, planeje o cronograma com a etapa de tratamento nomeada à parte, como recomendado em TCC com dados secundários.
Definido o caminho, resta transformar as decisões em capítulo escrito. O Tesify ajuda a estruturar a metodologia do seu TCC com as referências no padrão ABNT — 100% escrito por você.
Perguntas frequentes
Microdados são dados sigilosos?
Os microdados de divulgação pública não são: passam por descaracterização antes de serem publicados e não contêm identificação das pessoas. Existem, à parte, acervos de dados protegidos que não são de acesso livre e exigem procedimento formal de solicitação.
Preciso de aprovação em comitê de ética para usar microdados públicos?
A resposta depende do que exatamente você acessa e do regramento aplicável ao seu tipo de pesquisa, e essa avaliação é feita caso a caso com o orientador. Trabalhar com arquivos públicos já anonimizados é situação distinta de coletar dados diretamente com participantes.
Qual software preciso para abrir microdados?
Arquivos pequenos abrem em planilha, mas os grandes exigem um ambiente estatístico. Vale escolher a ferramenta pela disponibilidade de apoio no seu curso — usar o que o orientador conhece costuma valer mais do que usar o que é tecnicamente superior.
Como cito microdados no TCC?
Como conjunto de dados, com autoria institucional, ano de referência, endereço e data de acesso, e indicando que a tabulação é sua. O formato completo está em como citar base de dados e dataset na ABNT.
Microdado é a mesma coisa que dado bruto?
São próximos, mas não idênticos. Dado bruto é o registro tal como coletado; o microdado de divulgação já passou por consistência, tratamento e descaracterização. É a versão individual publicável, não a versão original interna.
Por que o meu total não bate com o número oficial?
As três causas mais frequentes são a ponderação esquecida em pesquisas amostrais, um filtro aplicado de forma diferente da usada na publicação e o tratamento de categorias como “ignorado”. Reproduzir um número já publicado antes de seguir é o que identifica qual das três é a sua.
Posso usar microdados de um ano e tabelas agregadas de outro?
Pode, desde que declare a origem de cada número e verifique se as definições das variáveis são as mesmas nas duas fontes. Diferenças de metodologia entre edições são o motivo mais comum de números que não fecham.
Microdados são a versão detalhada de uma pesquisa, e a decisão de usá-los deve vir da pergunta, não da vontade de parecer sofisticado. Quando a tabela pronta responde, ela é a escolha certa. Organize o seu TCC agora.