Dados Agregados, Registos Administrativos ou Microdados? O Que a Sua Tese Precisa Mesmo (2026)

«Vou usar dados secundários» é uma decisão incompleta. Existem pelo menos três tipos muito diferentes de dados secundários, e a escolha entre eles determina, antes de qualquer análise, que perguntas a sua tese consegue responder. Escolher o tipo errado é a causa mais frequente de dissertações que avançam bem até ao capítulo de resultados e aí descobrem que os dados não respondem à pergunta que o título promete.

Este guia distingue os três tipos, mostra exemplos portugueses concretos de cada um e dá um teste simples para decidir de qual precisa — antes de descarregar o primeiro ficheiro.

Os três tipos, com exemplos portugueses

1. Dados agregados

São contagens, médias, taxas ou indicadores já calculados para um grupo: uma região, um mês, uma escola, um hospital. É o formato mais abundante e mais acessível.

Exemplos portugueses: o Portal da Transparência do SNS, cujos 144 conjuntos são todos agregados; a generalidade das séries do Instituto Nacional de Estatística; os indicadores por escola do InfoEscolas; e as séries judiciais descritas no nosso guia sobre dados judiciais para a tese.

Respondem bem a: evolução temporal, comparação entre territórios ou instituições, dimensionamento de um fenómeno, contextualização.

Não respondem a: qualquer pergunta sobre indivíduos, nem sobre associações entre características individuais.

2. Registos administrativos

Aqui cada linha é um registo individual — um contrato, um pagamento, uma decisão — mas o sujeito do registo é normalmente uma entidade ou um ato, não uma pessoa singular identificada. Por isso são públicos: não contêm dados pessoais.

Exemplos: o Portal BASE, onde cada linha é um contrato público com o seu procedimento, objeto, adjudicatário e preço; o Portal da Transparência do Governo Federal brasileiro, com registos de despesas, convénios e sanções.

Respondem bem a: comportamento de organizações, concentração de mercado, conformidade, variação entre casos, análises de desvios.

Não respondem a: perguntas sobre pessoas — e é um erro comum tratar «fornecedor» como se fosse «indivíduo».

Este tipo é o mais subaproveitado em dissertações portuguesas, precisamente porque fica no meio: tem a granularidade que os agregados não têm, sem as barreiras de acesso dos microdados.

3. Microdados

Registos ao nível da pessoa: cada linha é um indivíduo, com as suas características e desfechos. É o único tipo que permite estudar associações individuais — e exatamente por isso está protegido. O acesso faz-se por pedido formal à entidade produtora, com condições próprias, e não por descarregamento livre.

Implicação prática para um mestrado: se a sua pergunta exige microdados, o calendário de acesso passa a ser parte do risco do projeto. Essa avaliação deve ser feita nas primeiras semanas, com o orientador, e não depois de escrita a revisão de literatura.

O teste das duas perguntas

Antes de escolher a fonte, responda a duas perguntas sobre o seu objetivo:

1. Qual é a unidade sobre a qual quero concluir? Uma pessoa, uma organização, ou um território/período?
2. A minha conclusão envolve uma associação entre duas características da mesma unidade? Por exemplo, «pessoas com característica X têm mais probabilidade de desfecho Y».

Se respondeu «pessoa» à primeira e «sim» à segunda, precisa de microdados — e nenhuma quantidade de dados agregados resolverá isso. Se respondeu «organização», os registos administrativos servem. Se a conclusão é sobre territórios ou períodos, os agregados bastam e são o caminho mais rápido.

Este teste demora dois minutos e evita o cenário mais penoso de todos: perceber, já com dados descarregados e análise feita, que a pergunta e os dados nunca estiveram alinhados.

A falácia ecológica

É o erro que resulta de usar dados agregados para concluir sobre indivíduos, e tem nome próprio porque é frequente.

Suponha que observa, entre concelhos, que aqueles com maior proporção de população idosa apresentam maior despesa em medicamentos por habitante. É tentador concluir que «os idosos gastam mais em medicamentos». Mas os dados não dizem isso: dizem que concelhos com mais idosos têm maior despesa média. A associação ao nível individual pode ser mais forte, mais fraca, ou até de sinal contrário — e nada nos dados agregados permite distinguir esses cenários.

Numa tese, isto aparece tipicamente na discussão, onde a linguagem escorrega do plano do território para o plano da pessoa sem que o autor dê por isso. A prevenção é textual: quando trabalha com agregados, mantenha o sujeito das frases no nível dos dados — «os concelhos com…», «as escolas onde…», «os hospitais que…» — em vez de «as pessoas que…».

Tabela de decisão

Como reformular a pergunta em vez de desistir

Descobrir que precisa de microdados a que não terá acesso não obriga a mudar de tema — obriga a mudar o nível da pergunta. Três movimentos que funcionam:

• Subir de nível. «Que características individuais se associam ao abandono?» torna-se «que características das instituições se associam a taxas de abandono mais altas?». A literatura de referência muda, mas o tema mantém-se.
• Mudar de sujeito. Se não pode estudar utentes, estude prestadores; se não pode estudar alunos, estude escolas ou cursos. Os registos administrativos costumam ser generosos aqui.
• Combinar métodos. Use dados agregados para caracterizar o padrão e uma componente qualitativa pequena — algumas entrevistas — para explorar o mecanismo individual. Assume-se explicitamente que a parte qualitativa não é representativa; serve para interpretar, não para generalizar.

Qualquer destes movimentos produz uma tese honesta e exequível. O que não funciona é manter a pergunta original e escrever a discussão como se os dados agregados a tivessem respondido.

Escolhido o tipo, os critérios para avaliar um conjunto concreto — granularidade, cobertura, documentação, completude — estão no nosso guia sobre como encontrar e avaliar dados abertos portugueses.

Perguntas frequentes