Qual régua responde à sua pergunta

1. Escolha a régua pela pergunta

A tabela abaixo não está digitada aqui: ela é a tabela reguas, que viaja com o pacote e pode ser consultada de dentro do R.

As outras cinco réguas — ISEI-08, ISEI-BR, prestígio-08, estrato e a partição da classe alta — estão na mesma tabela, com a mesma coluna dizendo quando cada uma é a escolha errada:

reguas[, c("medida", "pergunta", "quando_nao_usar")]

cw <- crosswalk_tse()
ok <- !is.na(cw$isei88) & !is.na(cw$siops88)
round(cor(cw$isei88[ok], cw$siops88[ok]), 3)
#> [1] 0.944

cw$dif <- cw$siops88 - cw$isei88
d <- cw[ok, c("rotulo", "isei88", "siops88", "dif")]
rbind(head(d[order(d$dif), ], 3),
      head(d[order(-d$dif), ], 3))
#>                                        rotulo isei88 siops88 dif
#> 105 MINISTRO DO PODER JUDICIARIO E MAGISTRADO     90      76 -14
#> 168                                MAGISTRADO     90      76 -14
#> 14                                VETERINARIO     85      73 -12
#> 107                                JARDINEIRO     23      38  15
#> 238                                AGRICULTOR     23      38  15
#> 241                                  PESCADOR     23      38  15

2. NA não é zero, e a ausência é generificada

Dezessete dos 275 códigos não designam ocupação alguma — não informada, fora da PEA, vínculo sem função —, e por isso não têm ISEI, prestígio nem EGP:

sum(is.na(cw$isco88))
#> [1] 17

Isso não é falha de cobertura: é a resposta correta. O erro é tratar esses casos como zero, ou tirá-los da conta sem dizer.

E há uma armadilha específica: o padrão de ausência é fortemente generificado. Entre as candidaturas ao TSE, cerca de 15% das mulheres caem na classe "Fora da PEA por posição" — os códigos 581 e 931 —, contra pouco mais de 1% dos homens.

Vale nomear a classe, porque a assimetria é dela e só dela: a outra residual, "Inativo com trajetória", fica em torno de 4% nos dois sexos. Quem somar as duas dilui justamente o padrão que importa aqui.

Uma média de ISEI por gênero, com na.rm = TRUE, compara então duas subpopulações truncadas de formas diferentes, e parte da “vantagem feminina em status” que aparece pode vir daí. Quanto exatamente, esta vinheta não mede — o ponto é que a comparação não é entre iguais, e que a cobertura tem de ser relatada ao lado da média.

Quem for comparar médias por grupo precisa reportar a cobertura junto:

# sempre, não às vezes
tapply(isei, genero, function(x) c(media = mean(x, na.rm = TRUE),
                                   cobertura = mean(!is.na(x))))

isei_retrospectivo() recupera parte disso carregando a ocupação anterior da própria pessoa — a cobertura feminina sobe cerca de seis pontos (os valores exatos estão em ?isei_retrospectivo). Não resolve; reduz.

3. A régua categórica cobre onde a contínua não chega

Os mesmos 17 códigos sem ISEI têm classe:

table(cw$classe[is.na(cw$isco88)])
#> 
#>          Fora da PEA por posição           Inativo com trajetória 
#>                                2                                6 
#>    Militares e segurança pública                    Não informado 
#>                                1                                4 
#> Vínculo público não especificado 
#>                                4

“Inativo com trajetória” e “Vínculo público não especificado” são posições sociais reconhecíveis; elas só não são pontos numa escala de status. Se a sua pergunta comporta uma categoria residual nomeada, o esquema categórico diz mais do que a escala contínua.

4. Categoria residual não é estrato

table(cw$estrato)
#> 
#>                      Classe alta                     Classe média 
#>                               88                               70 
#>                Classes populares      Fora da PEA / não informado 
#>                              101                               12 
#> Vínculo público não especificado 
#>                                4

“Fora da PEA / não informado” e “Vínculo público não especificado” não são estratos. Somá-los a “Classes populares” — a tentação óbvia, porque parecem “baixo” — inventa uma classe popular que não foi medida. Eles ficam à parte de propósito.

5. Não publique EGP de onze classes a partir do TSE

O EGP exige posição no emprego e número de subordinados. O TSE não pergunta o segundo:

tse_para_egp(c(111, 169, 601))
#> Warning: EGP calculado sem `n_supervisionados`. A divisão entre IVa (com
#> empregados) e IVb (sem) fica indeterminada — todos caem em IVb — e V fica
#> subestimada; para publicar prefira n_classes = 7 ou 5; veja ?isco88_para_egp.
#> [1] "I: dirigentes e profissionais superiores"
#> [2] "IVb: conta própria sem empregados"       
#> [3] "IVc: proprietário rural"

O aviso diz o que falta. Repare no que ele não diz mais: a pequena burguesia aparece, porque o dicionário do TSE marca quem trabalha por conta própria, e o pacote usa essa marca.

c(conta_propria = sum(tse_isco$conta_propria, na.rm = TRUE),
  proprietario  = sum(tse_isco$proprietario,  na.rm = TRUE))
#> conta_propria  proprietario 
#>            12            10

São marcas distintas, e é a primeira que o EGP usa. O agricultor e o pescador trabalham por conta própria — o SEMPL = 2 que o esquema exige para chegar a IVc — sem pertencerem à classe proprietária. O que continua indeterminado é a divisão entre IVa (com empregados) e IVb (sem).

Para publicar, colapse:

table(tse_para_egp(tse_isco$cod_tse, n_classes = 5, avisar = FALSE),
      useNA = "no")
#> 
#>              I-III: colarinho branco              IVab: pequena burguesia 
#>                                  179                                    5 
#>                  IVc+VIIb: agrícolas     V+VI: trabalhadores qualificados 
#>                                    8                                   38 
#> VIIa: trabalhadores não qualificados 
#>                                   28

Em cinco classes, IVa e IVb se fundem em IVab e a indeterminação desaparece.

A PNAD Contínua vai mais longe: ela tem posição na ocupação e número de empregados, o que separa IVa de IVb — a distinção que aqui ficou indeterminada. Mas nem ela fecha o esquema: falta a supervisão exercida sobre assalariados, que é o que define V. Nenhuma das quatro portas do pacote a tem. Veja cod_para_egp().

6. Série longa: o cadastro do TSE mudou embaixo do dado

Entre 2000 e 2002 o TSE reeditou a tabela de ocupações. Sete códigos passaram a designar outra ocupação:

q <- tse_quebra_2002[tse_quebra_2002$tipo == "reutilizado", ]
q[, c("cod_tse", "rotulo_ate_2000", "rotulo_apos_2002")]
#>    cod_tse                                               rotulo_ate_2000
#> 5      214                                           DELEGADO DE POLICIA
#> 6      391                                           CHEFE INTERMEDIARIO
#> 7      215        OCUPANTE DE CARGO DE DIRECAO E ASSESSORAMENTO SUPERIOR
#> 8      216               OFICIAIS DAS FORCAS ARMADAS E FORCAS AUXILIARES
#> 9      521 GOVERNANTA DE HOTEL, CAMAREIRO, PORTEIRO, COZINHEIRO E GARCOM
#> 13     158                                            DESENHISTA TÉCNICO
#> 25     211                                     PROCURADOR E ASSEMELHADOS
#>                         rotulo_apos_2002
#> 5                      ESCULTOR E PINTOR
#> 6               TAQUÍGRAFO E ESTENÓGRAFO
#> 7        ARTISTA PLÁSTICO E ASSEMELHADOS
#> 8  EMBALADOR, EMPACOTADOR E ASSEMELHADOS
#> 9                             GOVERNANTA
#> 13                TÉCNICO EM INFORMÁTICA
#> 25  ESTIVADOR, CARREGADOR E ASSEMELHADOS

Traduzir uma candidatura de 1998 pelo dicionário atual classifica um ocupante de cargo de direção como artista plástico. Passe o ano e o problema se resolve:

tse_para_classe(c("215", "215"), ano = c(2000, 2020))
#> Warning: 1 candidatura(s) usam código(s) que o TSE REUTILIZOU depois (215): naquele ano designavam outra ocupação, e voltam NA.
#> Veja ?tse_vigencia.
#> [1] NA                                "Profissionais de nível superior"

E o problema maior nem é esse. Mais frequente que a reutilização é a troca de inventário — códigos que sumiram e códigos que nasceram:

table(tse_diff_cadastro(2000, 2002)$mudanca)
#> 
#>  criado extinto  rotulo 
#>      69      21      36

Comparando os períodos inteiros, o cadastro perde e ganha códigos:

r <- tse_ocupacao_rotulos
extintos <- setdiff(r$cod_tse[r$ate <= 2000], r$cod_tse[r$ate > 2000])
criados  <- setdiff(r$cod_tse[r$de  >= 2002], r$cod_tse[r$de  <  2002])
c(extintos = length(extintos), criados = length(criados))
#> extintos  criados 
#>       13      122

São 12,4% das candidaturas de 1998–2000 nos treze extintos, e 33,1% das de 2002 em diante nos cento e vinte e dois criados — entre eles COMERCIANTE e EMPRESÁRIO. Estas duas participações são o único par de números desta vinheta que o pacote não recalcula sozinho: tse_ocupacao_rotulos traz n por vigência, não por ano, e por isso elas saem da microbase, em data-raw/11_confere_retrospectivo.R. Uma série que atravesse 2002 mede “Proprietários e empregadores” com dois vocabulários incomensuráveis.

Não há um ano seguro para começar depois disso. A troca de inventário não se esgota em 2002:

for (p in list(c(2002, 2004), c(2004, 2006), c(2006, 2008))) {
  cat(p[1], "->", p[2], ": ")
  print(table(tse_diff_cadastro(p[1], p[2])$mudanca))
}
#> 2002 -> 2004 : 
#> criado 
#>     20 
#> 2004 -> 2006 : 
#>  criado extinto  rotulo 
#>      34       3      13 
#> 2006 -> 2008 : 
#> criado 
#>      6

De 2002 para 2004 nada se extingue, mas de 2004 para 2006 três códigos somem e treze trocam de rótulo — e dois dos sete reutilizados só reaparecem em 2006 e 2008. O caminho honesto não é escolher um ano de início: é declarar a descontinuidade e passar o ano, que é o que resolve os reutilizados código a código.

7. Não misture ISEI-88 e ISEI-08 na mesma série

data.frame(
  cod    = c("111", "113", "411"),
  rotulo = tse_para_rotulo(c("111", "113", "411")),
  isei88 = tse_para_isei(c("111", "113", "411")),
  isei08 = round(tse_para_isei08(c("111", "113", "411")), 1))
#>   cod                                      rotulo isei88 isei08
#> 1 111                                      MÉDICO     88   88.7
#> 2 113                                  ENFERMEIRO     43   68.7
#> 3 411 VENDEDOR DE COMÉRCIO VAREJISTA E ATACADISTA     43   29.7

O médico fica onde estava; o enfermeiro sobe 26 pontos — e não por ter mudado de lugar na classificação. A ISCO-88 já o punha entre os profissionais de nível superior (2230 na ISCO-88), e já o separava da enfermagem técnica (3231 na ISCO-88). O que ela fazia era pontuá-lo em 43, abaixo dos escriturários, que recebem 45. O que mudou foi a escala: o ISEI-08, reestimado por Ganzeboom sobre o ISSP de 2002-2007, cobre homens e mulheres e o põe em 68,7. O vendedor cai 13 pelo mesmo mecanismo, em sentido contrário, com a reorganização do subgrupo 52 por cima. Não é erro de nenhuma das duas réguas: são recortes diferentes. Numa série que troque de âncora no meio, os dois deslocamentos aparecem como mobilidade que não houve.

Fique na ISCO-88 para comparar candidaturas entre si — é onde o pacote está ancorado. Use a ISCO-08 para juntar o dado eleitoral a fontes que já a usam, e para análise de gênero, onde o ISEI-08 reavalia para cima as ocupações de cuidado que o escalonamento de 1992, estimado só sobre homens, subestimava (veja vignette("validacao")).

Desde a versão 0.5.0 há uma terceira régua, tse_para_isei_br(), estimada na PNAD Contínua em vez de importada. O aviso vale para ela igualmente, e com uma razão a mais: as três não foram estimadas na mesma população nem no mesmo ano. A brasileira é de um ano só, 2025, e serve para perguntar como o mercado de trabalho brasileiro ordena as ocupações. Para comparação internacional, ou para qualquer série longa, ela não serve.

8. Verifique antes, não depois

As duas travas são opt-in e ficam fora do caminho feliz. Chame-as:

checa_cobertura(c(111, 169, 257))
#> cobertura ok: 3 códigos observados, todos no dicionário.
invisible(checa_periodo(c("215", "111"), c(2000, 2020)))
#> Warning: 1 candidatura(s) até 2000 usam código(s) que o TSE reutilizou em 2002
#> (215). Elas estão classificadas pelo cadastro NOVO e portanto erradas; veja
#> ?checa_periodo.

checa_cobertura() falha com erro se aparecer código fora do dicionário. O modo silencioso de errar uma medida de classe não é classificar mal um caso: é um código novo cair num rótulo residual sem ninguém perceber.

9. Nem todo escore tem a mesma procedência

Um ISEI de 68 sai impresso do mesmo jeito venha de onde vier. Mas “advogado” pressupõe inscrição na OAB, e “empresário” não pressupõe registro nenhum:

crosswalk_tse(c("131", "257"))[, c("cod_tse", "rotulo", "isei88", "componente_alta")]
#>   cod_tse     rotulo isei88   componente_alta
#> 1     131   ADVOGADO     85  Alta credenciada
#> 2     257 EMPRESARIO     68 Alta proprietária

Os dois entram na classe alta, e os dois escores saem com a mesma tipografia — mas não com a mesma procedência. Para chegar a 85, é preciso estar inscrito na OAB; para chegar a 68, basta escrever “empresário” no formulário.

E o que esse 68 cobre:

p <- tse_autorrotulo_patrimonio
p[p$cod_tse == "257", c("cargo", "n", "p10", "mediana", "p90")]
#>                 cargo      n    p10 mediana      p90
#> 25           VEREADOR  80829  16285  185000   996021
#> 26           PREFEITO  10691 129521  812544  5089263
#> 27  DEPUTADO ESTADUAL   5275  31723  410824  3300418
#> 28 DEPUTADO DISTRITAL    289  34773  420496  3867513
#> 29   DEPUTADO FEDERAL   2772  39985  646282  5935381
#> 30            SENADOR     95 352110 4678498 75937286
#> 31         GOVERNADOR     66 225763 3548117 74426844
#> 32              TODOS 100017  19804  229468  1496826

Entre os que se declaram empresário, o patrimônio mediano vai de R$ 185 mil (candidatos a vereador) a R$ 4,7 milhões (candidatos a senador), e dentro do código os extremos distam dezenas de vezes:

todos <- p[p$cod_tse == "257" & p$cargo == "TODOS", ]
round(todos$p90 / todos$p10, 1)
#> [1] 75.6

Não é erro de medida: é uma mistura de duas populações — o microempreendedor e o capitalista — sob um rótulo só. Nenhum escore único está certo para as duas, e por isso trocar o 68 por outro número não resolveria.

Compare com o 131, que é ancorado na OAB. O gradiente por cargo existe nos dois — quem disputa posto mais alto é mais rico —, mas a distância entre os extremos é bem menor onde o rótulo pressupõe registro externo:

a <- p[p$cod_tse %in% c("131", "257") & p$cargo == "TODOS", ]
data.frame(a["rotulo"], razao_p90_p10 = round(a$p90 / a$p10, 1))
#>        rotulo razao_p90_p10
#> 8    ADVOGADO          47.8
#> 32 EMPRESARIO          75.6

Isso não invalida o código; torna-o menos confiável que os ancorados, de um jeito que a tabela não mostra. A saída é sensibilidade, não conserto:

d <- data.frame(cod = c("131", "257", "111", "265"))
d$isei <- tse_para_isei(d$cod)
d$isei_ancorado <- ifelse(d$cod %in% tse_codigos_autorrotulo, NA, d$isei)
d
#>   cod isei isei_ancorado
#> 1 131   85            85
#> 2 257   68            NA
#> 3 111   88            88
#> 4 265   66            66

São 13,3% das candidaturas. Rode com as duas colunas e relate as duas: se a sua conclusão só aparece na primeira, ela depende de autodeclaração sem âncora.

Resumo

1. Escolha a régua pela pergunta, e diga qual escolheu.
2. NA é resposta, não ausência de resposta — e a ausência é generificada.
3. Categoria residual não é estrato.
4. EGP de onze classes a partir do TSE, não; de cinco, sim.
5. Série que atravessa 2002 precisa de ano, ou de uma nota de rodapé.
6. Uma âncora por série.
7. checa_cobertura() antes de analisar, sempre.
8. Rótulo de propriedade não tem a confiabilidade de rótulo com registro — rode também sem tse_codigos_autorrotulo.