Como fazer TCC com dados secundários passo a passo: do IBGE ao capítulo de Resultados

A maioria dos estudantes pensa que TCC significa necessariamente aplicar questionários ou conduzir entrevistas. Não é verdade. Usar dados secundários de fontes públicas como IBGE, DataSUS e INEP é uma escolha metodológica válida, academicamente rigorosa e muitas vezes mais representativa do que dados primários coletados por um único estudante. Este guia mostra o pipeline completo: do download dos microdados até ao capítulo de Resultados pronto para a banca.

O Brasil tem um dos sistemas de estatísticas públicas mais completos do mundo. O IBGE realiza o Censo Demográfico, a PNAD Contínua e dezenas de pesquisas especializadas. O INEP publica anualmente o Censo Escolar (educação básica) e o Censo da Educação Superior. O DataSUS agrega dados de mortalidade, nascimentos, internações e notificações de doenças. Toda esta informação é pública, gratuita e pode ser usada no teu TCC — desde que a abordagem metodológica seja correta.

Quando usar dados secundários no TCC

Usa dados secundários quando:

• A tua pergunta de investigação envolve um fenómeno de grande escala (nacional, regional) que não podias estudar com uma amostra própria.
• Não tens acesso direto à população de interesse (ex: mortalidade infantil, desempenho escolar em escolas públicas).
• O prazo não permite coletar dados primários suficientes para uma análise estatisticamente robusta.
• Queres fazer análise longitudinal ou comparativa entre anos — disponível nas séries históricas do IBGE e INEP.

Não uses dados secundários apenas para “facilitar” — a banca vai perguntar se os dados disponíveis são adequados para responder à tua pergunta específica. A escolha tem de ser justificada na metodologia.

Principais fontes de dados secundários para TCC no Brasil

Passo 1 — Download dos microdados do IBGE

Os microdados do IBGE são ficheiros de dados ao nível individual (pessoa, domicílio), em formato .txt ou .csv, com dicionário de variáveis. São a fonte mais rica para TCCs em ciências sociais, economia, saúde pública e educação.

Como descarregar a PNAD Contínua

1. Acede a ibge.gov.br → PNAD Contínua.
2. Clica em “Microdados” no menu lateral esquerdo.
3. Selecciona o ano e trimestre desejados (ex: 4º trimestre 2024).
4. Descarrega o ficheiro .zip — contém o ficheiro de dados (.txt), o dicionário de variáveis (.xls) e o questionário.
5. Lê sempre o dicionário de variáveis antes de qualquer análise — é onde estão os códigos e as categorias de cada variável.

Alternativa: pacote PNADcIBGE em R

# Instalar e carregar
install.packages("PNADcIBGE")
library(PNADcIBGE)

# Descarregar PNAD Contínua 4T2024
pnad <- get_pnadc(year = 2024, quarter = 4)

# Visualizar as primeiras linhas
head(pnad)

Passo 2 — Download de dados do DataSUS

O DataSUS TabNet permite fazer consultas online e exportar os resultados em .csv. Para acesso aos microdados completos (para análises mais avançadas), usa o portal de transferência de arquivos do DataSUS.

Sistemas mais usados em TCCs

• SIM (Sistema de Informação sobre Mortalidade): óbitos por causa, idade, sexo e município.
• SINASC (Sistema de Informação sobre Nascidos Vivos): nascimentos, peso, APGAR, prematuridade.
• SINAN (Sistema de Informação de Agravos de Notificação): doenças de notificação compulsória.
• SIH (Sistema de Informação Hospitalar): internações no SUS por diagnóstico (CID-10).

Passo 3 — Download de dados do INEP

O INEP disponibiliza microdados do Censo Escolar, Censo da Educação Superior, ENEM e SAEB. São indispensáveis para TCCs em pedagogia, educação, políticas educacionais e ciências sociais.

Censo Escolar 2024

Publicado em Abril de 2025, o Censo Escolar 2024 cobre dados de todas as escolas de educação básica do Brasil: matrículas, docentes, infraestrutura e rendimento. Descarrega em inep.gov.br → Microdados → Censo Escolar.

Microdados do ENEM

Contêm as notas por área, dados socioeconómicos dos candidatos e informações sobre a escola. Série histórica disponível desde 2009. Ficheiros grandes (o ENEM 2023 tem mais de 3 milhões de linhas) — recomenda-se análise em R ou Python, não em Excel.

Passo 4 — Limpeza de dados em R ou Python

Os microdados de fontes governamentais brasileiras raramente chegam prontos para análise. Há valores em falta, variáveis codificadas com números que precisam de dicionário e formatos inconsistentes. Esta fase — limpeza de dados — é a mais trabalhosa mas a mais importante.

Pipeline de limpeza em R (tidyverse)

library(tidyverse)
library(readr)

# 1. Importar microdados (PNAD exemplo)
dados <- read_csv2("PNADC_2024_trimestre4.csv",
                    locale = locale(encoding = "latin1"))

# 2. Seleccionar variáveis relevantes
dados_sel %
  select(UF, V2009, VD4020, VD4031, V1028) %>%
  rename(estado = UF,
         idade = V2009,
         rend_habitual = VD4020,
         horas_trab = VD4031,
         peso_amostral = V1028)

# 3. Filtrar casos válidos
dados_limpos %
  filter(!is.na(rend_habitual),
         idade >= 18,
         horas_trab > 0)

# 4. Verificar valores ausentes
summary(dados_limpos)

Pipeline equivalente em Python (pandas)

import pandas as pd
import numpy as np

# Importar dados
df = pd.read_csv("PNADC_2024_T4.csv",
                  sep=";", encoding="latin1")

# Seleccionar e renomear variáveis
df = df[["UF", "V2009", "VD4020", "VD4031", "V1028"]].copy()
df.columns = ["estado", "idade", "rend_habitual",
               "horas_trab", "peso_amostral"]

# Filtrar casos válidos
df_limpo = df.dropna(subset=["rend_habitual"])
df_limpo = df_limpo[df_limpo["idade"] >= 18]
df_limpo = df_limpo[df_limpo["horas_trab"] > 0]

print(df_limpo.describe())

Guarda sempre o script de limpeza e o dataset original — a banca pode pedir para verificar a reprodutibilidade da análise. Disponibiliza o notebook no GitHub como material suplementar do TCC.

Passo 5 — Análise estatística no Jamovi

O Jamovi é gratuito, de código aberto e tem uma interface gráfica intuitiva que facilita a análise de dados sem necessidade de programação. Cobre as análises mais comuns em TCCs de ciências sociais, saúde e educação.

Análises disponíveis no Jamovi relevantes para TCC

• Estatísticas descritivas: média, mediana, moda, desvio padrão, frequências, percentis.
• Teste t independente e emparelhado: comparação de médias entre dois grupos.
• ANOVA one-way e factorial: comparação de médias entre mais de dois grupos.
• Qui-quadrado de Pearson: associação entre variáveis categóricas.
• Correlação de Pearson e Spearman: relação entre variáveis numéricas.
• Regressão linear e logística: predição e controlo de variáveis confundidoras.

Importar dados do R/Python para o Jamovi

1. No R, exporta o dataset limpo: write.csv(dados_limpos, "dados_tcc.csv").
2. No Jamovi, clica em “Open” → selecciona o ficheiro .csv.
3. Verifica os tipos de variáveis (nominal, ordinal, contínua) no menu de cada coluna.
4. Selecciona a análise pretendida no menu “Analyses”.
5. Os resultados são gerados automaticamente e podem ser exportados em Word (.docx) para inserir no TCC.

Passo 6 — Redigir o capítulo de Resultados

O capítulo de Resultados de um TCC com dados secundários tem uma estrutura específica. Cada resultado deve incluir: a estatística reportada, o nível de significância (se aplicável) e a interpretação descritiva — sem juízo de valor ou discussão (isso fica para o capítulo seguinte).

Estrutura típica do capítulo de Resultados

1. Caracterização da amostra: descreve as características demográficas do dataset (n, distribuição por sexo, idade, região).
2. Estatísticas descritivas das variáveis principais: tabela com média, desvio padrão e amplitude para variáveis contínuas; frequências e percentagens para variáveis categóricas.
3. Resultados por objetivo específico: para cada objectivo, apresenta o teste estatístico correspondente, a estatística obtida e o p-valor.
4. Figuras e tabelas numeradas: todas as figuras e tabelas devem ser numeradas sequencialmente, com legenda e fonte (ex: “Fonte: IBGE, PNAD Contínua 2024, elaboração própria”).

Exemplo de redação de resultado

Para a redação da discussão, onde conectas os resultados com a literatura, consulta o artigo sobre como redigir a discussão da tese com o framework IMRyD. Para os aspectos de formatação ABNT, vê o guia sobre como formatar o TCC nas normas ABNT.

Como discutir as limitações dos dados secundários

Esta é a secção que distingue um TCC de nível de um TCC mediano. As limitações dos dados secundários devem ser discutidas explicitamente — a banca vai perguntar sobre elas.

Limitações típicas a discutir:

• Variáveis proxy: se a variável que queres medir não está directamente disponível e usas outra como aproximação, justifica a escolha e discute as implicações.
• Sub-notificação: dados do DataSUS podem sub-representar populações sem acesso ao SUS; dados do INEP podem ter inconsistências de preenchimento entre municípios.
• Dados desactualizados: se o dataset mais recente é de 2022 ou 2023, discute o que pode ter mudado entretanto.
• Causalidade vs correlação: dados secundários permitem identificar associações, não causalidade — a menos que uses métodos quase-experimentais (diferenças-em-diferenças, variáveis instrumentais).
• Erros de medição: respostas auto-reportadas (rendimento, horas de trabalho) têm viés de desejabilidade social.

Vê também o guia completo sobre como fazer TCC passo a passo com IA e o artigo sobre como evitar plágio na tese ao usar IA.

FAQ — TCC com dados secundários no Brasil