Metodologia · Painel Trabalho Doméstico no Brasil

1. Sobre este painel

O Painel Trabalho Doméstico no Brasil é uma ferramenta pública de visualização e consulta de dados sobre as trabalhadoras e os trabalhadores domésticos brasileiros. É construído pelo pesquisador Jean-François Mayer (Concordia University, comparative politics, RITHAL) em colaboração com o Sindicato das Trabalhadoras Domésticas do Município de São Paulo (STDMSP) e desenvolvimento técnico de Joao Roque.

O painel reúne três tipos de evidência: (i) agregados oficiais da PNAD Contínua (IBGE) computados pelo nosso ETL diretamente da API do SIDRA; (ii) dados internacionais do ILOSTAT para comparativos da América Latina; (iii) cifras complementares atribuídas ao DIEESE quando o SIDRA não expõe a desagregação necessária (caso da composição por cor/raça e da razão salarial entre negras e não-negras).

O painel é destinado simultaneamente a quatro audiências: as próprias trabalhadoras (calculadora pessoal de comparação), os sindicatos (gráficos incorporáveis), pesquisadoras(es) (dados abertos, esta página, citação estável) e o público interessado em política trabalhista brasileira.

2. Fontes

Código	Fonte	URL	Cobertura temporal
`PNADC-6320`	IBGE — PNAD Contínua trimestral móvel, Tabela 6320 (Pessoas ocupadas por posição na ocupação)	sidra.ibge.gov.br/tabela/6320	2012Q1 → presente
`PNADC-6383`	IBGE — PNAD Contínua trimestral fixo, Tabela 6383 (Trabalhadores domésticos por número de domicílios)	sidra.ibge.gov.br/tabela/6383	2012Q1 → presente
`PNADC-6391`	IBGE — PNAD Contínua trimestral móvel, Tabela 6391 (Rendimento médio por grupamento de atividade)	sidra.ibge.gov.br/tabela/6391	2012Q1 → presente
`ILOSTAT`	Organização Internacional do Trabalho — Domestic workers by sex and status in employment (ISCO-08 91)	ilostat.ilo.org	2008 → presente
`DIEESE-2025`	DIEESE — Boletim Especial: Trabalho doméstico remunerado no Brasil: um trabalho de cuidados (abril 2025)	PDF do boletim	Base PNADC 4º trimestre 2024
`DIEESE-INFO-2025`	DIEESE — Infográfico Trabalho doméstico no Brasil (abril 2025)	infográfico	Base PNADC 4º trimestre 2024
`DIEESE-INFO-2026`	DIEESE — Infográfico Trabalhadoras Domésticas no Brasil (abril 2026)	PDF do infográfico	Base PNADC 4º trimestre 2025

3. Variáveis e definições

Cada gráfico do painel mapeia para uma combinação específica de tabela, variável SIDRA e categoria de classificação. Esta seção documenta cada um.

3.1 Total de trabalhadoras(es) domésticas(os) — gráfico de tendência

Fonte: PNADC-6320
Variável SIDRA: 4090 — Pessoas de 14 anos ou mais de idade ocupadas na semana de referência (mil pessoas)
Classificação: c11913 (Posição na ocupação e categoria do emprego no trabalho principal), categoria 31724 ("Trabalhador doméstico" — total)
Granularidade temporal: trimestre móvel (janela de 3 meses, atualizada mensalmente)
Granularidade geográfica: Brasil apenas (a Tabela 6320 não suporta nível UF para esta classificação)

3.2 Taxa de formalização (% com carteira)

Fonte: PNADC-6320 (mesma)
Cálculo: razão entre categoria 31725 ("Trabalhador doméstico — com carteira de trabalho assinada") e categoria 31724 (total), por período
Marcos regulatórios relevantes: EC 72/2013, LC 150/2015, decisão do STF de 2020

3.3 Rendimento médio mensal real — setor "Serviços domésticos"

Fonte: PNADC-6391
Variável SIDRA: 5932 — Rendimento médio mensal real, habitualmente recebido no trabalho principal (em reais constantes)
Classificação: c888 (Grupamento de atividade), categoria 56628 ("Serviços domésticos")
Nota: o setor Serviços domésticos da PNADC e a categoria Trabalhador doméstico do c11913 não são idênticos, mas sobrepõem-se em mais de 95% no nível de contagem; usamos o setor como proxy para o salário desta população quando a desagregação direta não está disponível

3.4 Mensalistas vs. diaristas

Fonte: PNADC-6383
Variável SIDRA: 8336
Classificação: c785 (Número de domicílios em que trabalhavam), categorias 40277 ("em um único domicílio" — proxy de mensalistas) e 40278 ("em mais de um domicílio" — proxy de diaristas)
Nota: a Tabela 6383 oferece apenas a classificação por número de domicílios, não por contrato em si. A LC 150/2015 estabelece a fronteira jurídica em 2 dias por semana por empregador; o SIDRA não publica esse corte exato, mas o número de domicílios é uma aproximação amplamente aceita

3.4b Composição por sexo (série temporal)

Fonte: PNADC-MICRODATA — mesma origem das séries 3.5 e 3.6, agora aplicando V2007 (sexo) com pesos V1028.
Cobertura: 56 trimestres, 2012Q1 → 2025Q4. Atualizada a cada nova divulgação trimestral.
Achado: a participação feminina caiu ligeiramente de 93,0 % (2012) para 91,7 % (2025) — uma diminuição de 1,3 pp ao longo de 13 anos. O declínio acelerou durante a COVID-19 (homens voltaram em número ligeiramente maior quando mulheres foram forçadas a sair). Combinado com 3.5 (racialização +5,2 pp) e 3.6 (hiato salarial estável), o quadro: trabalhadoras domésticas são mais negras, um pouco menos femininas e igualmente sub-remuneradas em 2025 vs. 2012. Mas mesmo no extremo do declínio, ~92 % continuam sendo mulheres — feminização extrema.
Histórico: até 05/2026 esta cifra era atribuída ao DIEESE como valor estático único (91,9 %); foi substituída pela série temporal computada após o pipeline de microdados ser estendido para incluir agregações por sexo.

3.5 Composição por cor/raça (série temporal)

Fonte: PNADC-MICRODATA — microdados oficiais da PNAD Contínua trimestral, processados pelo nosso ETL (etl/pnadc_microdata.py) com aplicação dos pesos amostrais V1028.
Cobertura: 56 trimestres fixos, 2012Q1 → 2025Q4. Atualizado a cada nova divulgação trimestral do IBGE (~6-8 semanas após o fim do trimestre).
Variáveis usadas: VD4009 (posição na ocupação, filtros "03" trabalhador doméstico com carteira + "04" sem carteira), V2010 (cor/raça), V1028 (peso amostral pré-calibrado).
Validação: nosso valor para 4T 2024 (68,3% pretas+pardas) coincide com o valor publicado pelo DIEESE no Boletim Especial abr/2025 (~68,5%) dentro de 0,2 pp — bem dentro da margem de erro amostral da PNADC.
O que isto desbloqueia: trajetória ao longo de 13 anos. Achado central: a participação de pretas + pardas no trabalho doméstico subiu de 62,5% (2012Q1) para 67,7% (2025Q4), +5,2 pp ao longo de 13 anos — a racialização do trabalho doméstico se intensificou, não diminuiu, ao longo dos marcos regulatórios EC 72/2013 e LC 150/2015 e do choque da COVID-19.
Histórico: até 05/2026 esta cifra era atribuída ao DIEESE como valor estático único (69%); foi substituída pela série temporal computada após implementação do pipeline de microdados.

3.6 Hiato salarial racial (série temporal)

Fonte: PNADC-MICRODATA — mesma origem da composição racial (3.5), aplicando a variável VD4019 (rendimento mensal habitual do trabalho principal) com pesos amostrais V1028.
Cálculo: para cada trimestre, computamos a média ponderada do rendimento de trabalhadoras(es) domésticas(os) negras (pretas + pardas) e não-negras (brancas + amarelas + indígenas) separadamente, e tomamos a razão (negras ÷ não-negras × 100).
Cobertura: 56 trimestres, 2012Q1 → 2025Q4.
Validação: nosso valor para 4T 2024 (84,3 %) coincide com o publicado pelo DIEESE no Boletim Especial abr/2025 (84,0 %, base feminina) dentro de 0,3 pp — pequena diferença porque incluímos homens (~5 % da categoria, com salário ligeiramente maior em média).
Achado central: o hiato ficou estável entre 84 % e 87 % ao longo de 13 anos. Combinando com o achado de 3.5 (a participação de pretas + pardas na categoria subiu de 62,5 % para 67,7 %), o quadro é nítido: mulheres negras são uma parcela crescente de uma ocupação cuja desvantagem salarial racial não diminuiu.
Sobre nominal × real: os salários computados aqui estão em reais nominais (correntes), não deflacionados. Para a razão isso é irrelevante (numerador e denominador estão na mesma moeda do mesmo período); para a série de salário absoluto continuamos usando a Tabela PNADC-6391 (deflacionada pelo IBGE).
Histórico: até 05/2026 esta cifra era atribuída ao DIEESE como valor estático único (76 %, depois corrigido para 84 %); foi substituída pela série temporal computada após o pipeline de microdados ser estendido para incluir agregações salariais.

3.6b Jornada média e contribuição previdenciária (Brasil)

Fontes: fact_hours e fact_prev (variáveis V4039 e V4032 da PNADC, agregadas pela equipe do projeto)
Recorte: nível país, sexo=T, formality=total, raça em {preta_parda, nao_negras, total}. As linhas raça-específicas usam o agregado nao_negras = branca + amarela + indígena para limitar o número de séries no gráfico
Cobertura: 56 trimestres (1T 2012 → 4T 2025) · pesos amostrais V1028 aplicados
Linha de referência no gráfico de jornada: 44h/semana — limite legal definido pela Constituição Federal Art. 7º, XIII e estendido às trabalhadoras domésticas pela LC 150/2015 Art. 2º
Achados centrais:
- Jornada média ~32h/semana, estável em 13 anos — a categoria é majoritariamente diarista, não cumprindo a definição clássica de "tempo integral"
- Taxa de previdência ~14,6% — drasticamente abaixo da taxa de formalização (24%). Isso significa que mesmo entre as trabalhadoras com carteira assinada, muitas não estão tendo a contribuição efetivamente recolhida. É a métrica mais sensível para o argumento de descumprimento da LC 150/2015
Limitação: o gráfico não mostra a quebra por formalidade (com carteira × sem carteira) ao nível Brasil porque o pipeline atual emite a agregação raça=total apenas com formality=total. A combinação raça=total × formality=com_carteira pode ser computada por soma ponderada a partir das linhas raça-específicas (peso = workers_thousands de fact_workers) — ficou no backlog

3.7 Distribuição por UF (gráfico de barras)

Fonte primária: PNADC-MICRODATA (microdados PNAD Contínua agregados pela equipe do projeto, aplicando V1028 e variável UF)
Fonte de retaguarda: PNADC-6383 (SIDRA agregado), usado quando os microdados não estão carregados
Granularidade: 27 UFs, último trimestre disponível
Por que microdados em vez do agregado SIDRA: consistência interna com o mapa (3.7b), composição racial (3.5) e demais séries computadas — todas vêm da mesma agregação ponderada dos microdados

3.7b Mapa: composição racial por UF

Fonte: PNADC-MICRODATA — extensão da agregação 3.5 com a variável UF (código IBGE 2 dígitos), aplicada com pesos amostrais V1028 sobre VD4009 ∈ {03, 04} (trabalhador doméstico com/sem carteira)
Cobertura: 27 UFs × 56 trimestres (1T 2012 → 4T 2025), ~12 mil linhas em fact_workers com geo_level='uf'
Dimensões disponíveis: % pretas + pardas entre trabalhadoras(es) domésticas(os) (padrão) e total absoluto em milhares (alternativa). O filtro de Ano controla o trimestre exibido (último de cada ano calendário)
Geometria: SVG estático em dashboard/assets/brazil-uf.svg, gerado de uma única vez por etl/build_uf_svg.py a partir do GeoJSON IBGE simplificado por Ramer-Douglas-Peucker (epsilon=0,05° ≈ 5,5 km, ~37 KB resultantes)
Achado central: o gradiente geográfico segue exatamente a geografia histórica do trabalho doméstico no Brasil. Bahia 90,3 % é o pico nacional; o Nordeste e a Amazônia ficam todos acima de 80 %. O Sul (Santa Catarina 29,4 %, Rio Grande do Sul 32,0 %) é o piso. São Paulo, sede do STDMSP, está em 56,4 % — abaixo da média nacional (~69 %), mas com 1,26 milhão de trabalhadoras domésticas, é de longe a maior categoria absoluta do país
Validação: a soma dos 27 totais estaduais reconcilia com o total Brasil dentro de 0,02 pp (1,18 mil sobre 5,57 milhões), o que confirma que a agregação ponderada não tem viés sistemático
Limitação: UFs pequenas (RR, AP, AC, TO) com células raciais raras (especialmente indígena e amarela) podem ter estimativas ruidosas. A leitura de cabeçalho — % pretas + pardas — é robusta em todas as UFs, com tamanho amostral suficiente em todos os 56 trimestres

3.7d Jornada média e contribuição previdenciária (Foco em SP)

Fontes: fact_hours e fact_prev, novas tabelas populadas pela pipeline PNADC microdados (variáveis V4039 — horas habituais por semana no trabalho principal — e V4032 — era contribuinte de previdência na semana de referência)
Recorte: UF=SP, sexo=T, formality=total, raça em {preta_parda, nao_negras}; mais o total Brasil como referência cinza pontilhada
Cobertura: 56 trimestres (1T 2012 → 4T 2025), com 1 trimestre intermediário (3T 2025) re-corrido após falha de espaço em disco
Linha de referência: o gráfico de jornada inclui linha horizontal pontilhada a 44h/semana, o limite legal definido pela CLT (Art. 7º, XIII da CF) e mantido para domésticas pela LC 150/2015 Art. 2º
Achados centrais (4T 2025 em SP):
- Jornada média: 32,4 h/semana (preta+parda 33,2h · não-negras 31,4h) — bem abaixo do limite legal, refletindo a alta proporção de diaristas em SP
- % sobre 44h: ~9,6% — apenas uma em cada dez trabalha mais do que o limite
- Contribuição previdenciária: 19,8% em SP (preta+parda 20,4% · não-negras 19,2%), ligeiramente acima da média nacional (~14,6%)
- O gap entre taxa de formalização (24%) e contribuição previdenciária (14,6%) nacional indica que mesmo entre trabalhadoras com carteira, muitas não estão tendo a contribuição efetivamente recolhida
Limitação: o recorte UF é feito ao nível formality=total. Para mostrar especificamente a diferença entre com carteira e sem carteira em SP, a pipeline precisaria emitir UF × formality além de UF × race. Não está pronto nesta versão; ficará no backlog até a STDMSP indicar se essa visão importa

3.8 Comparativo internacional — Brasil ↔ México (trajetória)

Fonte: ILOSTAT
Indicador: EMP_TEMP_SEX_OC2_NB_A com filtro ISCO-08 grupo 91 ("Cleaners and helpers")
Forma do gráfico: linhas anuais. Brasil e México aparecem em destaque (linhas grossas, vermelho-chita e grafite); os demais 6 países da América Latina (Argentina, Colômbia, Chile, Peru, Uruguai, Equador) aparecem como contexto em cinza tracejado
Por que BR ↔ MX em destaque: o eixo comparativo da pesquisa de Jean-François Mayer (Concordia) é justamente o par Brasil-México — duas das maiores categorias de trabalho doméstico da América Latina, ambas com legislação federal específica (LC 150/2015 no BR; reformas IMSS 2019–2024 no MX), e ambas com ratificação da Convenção 189 da OIT
Cobertura: BR 2012–2025 (14 pontos), MX 2013–2025 (13 pontos). Os outros países variam (Peru tem só 4 pontos; Argentina, Uruguai, Colômbia têm séries de ~15 anos)
Aviso importante (mantido): ISCO-08 91 é mais amplo que a categoria "Trabalhador doméstico" do IBGE — inclui faxineiras de escritório, auxiliares de limpeza em hotelaria, hospital, etc. Os totais nacionais aqui (BR ~7,8 milhões em 2025) são maiores que os totais da PNADC para a mesma população (5,5 milhões). A comparação só é válida entre países dentro do ILOSTAT, não entre ILOSTAT e PNADC
Próximos passos (P2.2): completar dimensões adicionais (% mulheres, taxa de informalidade) por país, exigindo extensão do fetch_ilostat.py para puxar indicadores complementares. Decisão pendente; não bloqueia esta versão

3.8b Status legal — Convenção 189 da OIT

Fonte: NORMLEX, banco de dados oficial da OIT sobre normas internacionais do trabalho (link direto à C189)
Indicador: ano de ratificação da Convenção 189 (Trabalhadoras e Trabalhadores Domésticos, 2011) por país
Dados (estáticos, codificados manualmente — verificados contra o NORMLEX em 2026-05): Uruguai 2012-06 · Equador 2013-12 · Argentina 2014-03 · Colômbia 2014-05 · Chile 2015-06 · Brasil 2018-01 · Peru 2018-11 · México 2020-07
Por que importa: a C189 é o instrumento internacional vinculante que reconhece trabalhadoras domésticas como categoria com direitos iguais aos de outras profissões. A ratificação obriga o país a adequar a legislação interna. No caso brasileiro, a LC 150/2015 (Lei das Domésticas) antecedeu a ratificação (2018), invertendo a sequência típica em que o tratado força a reforma interna. Uruguai foi o primeiro país do mundo a ratificar, em junho de 2012, um ano depois da adoção da Convenção pela Conferência da OIT

3.7c Intervalos de confiança e tamanho amostral (mapa por UF)

Cálculo: intervalo de Wilson (95%) para a proporção, ancorado no tamanho amostral não-ponderado da linha race='total' de cada UF. A fórmula: (p + z²/2n ± z√(p(1−p)/n + z²/4n²)) / (1 + z²/n), com z = 1,96.
Por que Wilson e não normal: o intervalo de Wilson é o padrão recomendado para proporções porque não fica enviesado em direção a 0 ou 100% em amostras pequenas. Para os 27 UFs, isso é especialmente relevante: UFs grandes (SP, MG, BA) têm IC estreito (~±1 pp), UFs pequenas (RR, AP, AC) podem ter IC de ±5–8 pp.
Onde aparece no painel: na tooltip do mapa, abaixo da estimativa pontual de % negras. Formato: "IC 95%: 54,8% – 57,9%".
Supressão de amostras muito pequenas:
- n_unweighted < 30 — UF é cinzeada no mapa e a tooltip marca "estimativa pouco confiável"
- 30 ≤ n_unweighted < 100 — UF mantém a cor, mas a tooltip mostra um aviso de "amostra pequena"
- n_unweighted ≥ 100 — sem marca adicional, apenas o IC entre parênteses
Limitação importante: o IC capta apenas a variabilidade da amostra. Não captura erro de viés (e.g., subnotificação sistemática de trabalho informal pelas próprias entrevistadas), erro de cobertura (e.g., domicílios em áreas precárias subamostrados), ou viés de medida (e.g., autoclassificação racial). Para essas fontes de incerteza, a metodologia da PNAD Contínua publicada pelo IBGE é a referência.

3.9 Anotações de linha do tempo política

Fonte: hardcoded em dashboard/index.html · função buildPolicyAnnotations()
Eventos marcados (linhas verticais tracejadas nos gráficos de série temporal):
- EC 72/2013 — emenda constitucional que igualou direitos das trabalhadoras domésticas aos demais empregados (abril/2013)
- LC 150/2015 — Lei das Domésticas, regulamentando a EC 72/2013 (entrou em vigor em junho/2015)
- Brasil ratifica C189 — Convenção 189 da OIT (janeiro/2018)
- COVID-19 — início dos lockdowns no Brasil (março/2020)
- México ratifica C189 — relevante para o comparador BR ↔ MX (julho/2020)
Por que importam: localizam empiricamente onde a política deveria ter produzido inflexões. A leitura das séries fica menos abstrata — o leitor pode olhar para "% formalização" em junho/2015 e ver o efeito (ou ausência dele) da LC 150 visualmente, sem precisar reconstituir a cronologia mentalmente.

3.10 Escolaridade (Phase D1)

Fonte: PNADC-MICRODATA · variável VD3004 (nível de instrução mais elevado alcançado), agregada pela equipe do projeto com pesos amostrais V1028.
Categorias: os 7 códigos nativos da PNADC (1 a 7) são colapsados em 5 buckets, seguindo a convenção do DIEESE para facilitar comparação direta:
- Fundamental incompleto — códigos 1 (Sem instrução / menos de 1 ano) + 2 (Fundamental incompleto). Agrupar 1 com 2 segue o Infográfico DIEESE abr/2026, que reporta "39% fundamental incompleto" como bucket único.
- Fundamental completo — código 3.
- Médio incompleto — código 4.
- Médio completo — código 5.
- Superior — códigos 6 (incompleto) + 7 (completo).
Cortes emitidos pela pipeline: BR × sexo='T' × raça × bucket. Inclui as raças nativas (branca, preta, parda, amarela, indígena), os agregados preta_parda (negras) e nao_negras (branca + amarela + indígena), e total.
Cálculo do %: pct_within_race = soma de pesos no bucket / soma total de pesos da raça. É um percentual dentro do grupo racial, não do total da categoria.
Validação cruzada: para a categoria como um todo, a soma Fundamental incompleto + Médio incompleto deve aproximar o "59% sem educação básica completa" reportado pelo DIEESE Infográfico abr/2026.
Gráfico no painel: barras agrupadas verticais, 5 buckets no eixo X, duas barras por bucket (Negras vs. Não-negras), no trimestre fixo mais recente disponível.

3.11 Posição no domicílio (Phase D2)

Fonte: PNADC-MICRODATA · variável V2003 (condição no domicílio), agregada pela equipe do projeto com pesos amostrais V1028.
Categorias: os 17 códigos nativos da PNADC (01 a 17) são colapsados em 4 buckets para clareza visual e foco no recorte que tem rendimento de manchete (% chefe de família):
- Chefe de família — código 01 (Pessoa responsável). DIEESE Infográfico abr/2026 publica 46% como cifra de manchete para a categoria como um todo.
- Cônjuge — código 02 (Cônjuge / companheiro/a).
- Filha(o) / enteada(o) — códigos 03 (Filha/o) + 04 (Enteada/o).
- Outro / agregada — códigos 05 a 17 (genro/nora, pai/mãe, sogro/a, neto/a, bisneto/a, irmão/ã, outro parente, agregada, convivente, pensionista, empregada doméstica residente, parente do empregado, individual em domicílio coletivo).
Cortes emitidos pela pipeline: BR × sexo='T' × raça × bucket. Mesmas raças que a Phase D1.
Cálculo do %: pct_within_race = soma de pesos no bucket / soma total de pesos da raça. Importante: para a cifra de "chefe de família" reportada pelo DIEESE (46%), o denominador é a categoria como um todo, não um grupo racial específico — por isso o valor que mais aproxima o DIEESE é race_code = 'total', não 'preta_parda' ou 'nao_negras'.
Limitação importante: V2003 codifica a relação da pessoa entrevistada com a pessoa responsável pelo domicílio. Não codifica diretamente "mãe solo" ou "domicílio monoparental" — para chegar a esses recortes a próxima iteração teria que cruzar o V2003 com indicadores de presença de cônjuge e de filhos no mesmo domicílio (V1014/V1015 + idades). Fica para uma fase futura se houver demanda.
Gráfico no painel: barras agrupadas verticais, 4 buckets no eixo X, duas barras por bucket (Negras vs. Não-negras), no trimestre fixo mais recente disponível.
⚠ Discrepância pendente com DIEESE: o painel computa cerca de 57% de chefes de família entre trabalhadoras domésticas no 1T 2026 (média ponderada por raça), enquanto o Infográfico DIEESE abr/2026 reporta 46%. A diferença de ~11 pp é grande demais para ser arredondamento ou pequena variação amostral. Hipóteses em investigação: (a) DIEESE pode filtrar para mulheres apenas (V2007=2), enquanto o painel usa sex='T'; (b) corte de idade diferente; (c) definição de "chefe" mais restrita (somente chefes únicos vs co-responsáveis). Antes de citar a cifra do painel como achado publicável, conferir o método DIEESE no boletim semestral correspondente.

3.12 Moradia — forma de habitação (Phase D3)

Fonte: PNADC-A · PNAD Contínua ANUAL — Visita 1, variável S01017 (forma de habitação do domicílio), agregada pela equipe do projeto com pesos amostrais V1032 (peso COM calibração).
⚠ Diferença de cadência: este é o único corte do painel que vem da PNAD Contínua Anual, não da trimestral. A PNADC trimestral não inclui variáveis de moradia (V0212 só existe na PNADC Anual). Consequência prática: enquanto os demais cortes têm 56 trimestres de série histórica, a moradia tem uma observação por ano (mais recente: 2024A, divulgada em novembro de 2025). Ainda assim, é a única fonte oficial brasileira de cobertura nacional com microdados sobre as condições de moradia das trabalhadoras domésticas.
Pipeline separada: etl/pnadc_annual_housing.py (script dedicado, distinto de pnadc_microdata.py que processa a trimestral). Baixa o arquivo PNADC-A Visita 1 do FTP do IBGE, faz parse fixed-width e popula fact_housing com source_table = 'PNADC-A'.
Categorias: os 7 códigos nativos da S01017 (1 a 7) são colapsados em 4 buckets, com a categoria "cedido pelo empregador" mantida em separado por relevância política:
- Próprio — códigos 1 (Próprio já pago) + 2 (Próprio em pagamento).
- Alugado — código 3 (Alugado).
- Cedido pelo empregador — código 4. Identifica as empregadas domésticas residentes, sub-categoria historicamente menos protegida (vínculo de moradia atrelado ao trabalho). Mantida em separado para tornar visível esse contingente.
- Cedido / outro — códigos 5 (cedido por familiar) + 6 (cedido outra forma) + 7 (outra condição).
Cortes emitidos pela pipeline: BR × sexo='T' × raça × bucket. Mesmas raças que D1 e D2.
Cálculo do %: pct_within_race = soma de pesos no bucket / soma total de pesos da raça.
Achados de manchete: % próprio (taxa de propriedade da casa) e % cedido pelo empregador (sinaliza vulnerabilidade estrutural — moradia depende do vínculo de emprego).
Limitação importante: S01017 codifica a forma de habitação do domicílio inteiro, repetida em cada registro pessoal. Para a trabalhadora doméstica registrada como empregada residente, S01017 vai indicar a forma de habitação do empregador, não da própria trabalhadora — mas isso é exatamente o que queremos capturar com o bucket "cedido pelo empregador". Para outras trabalhadoras domésticas, S01017 representa a forma de habitação da casa onde ela mora (que não é necessariamente onde ela trabalha).
Gráfico no painel: barras agrupadas verticais, 4 buckets no eixo X, duas barras por bucket (Negras vs. Não-negras), no trimestre fixo mais recente disponível.

3.13 Paradoxo do sustento — chefe × salário × raça (Tema 1)

Fontes: PNADC-MICRODATA · variáveis V2003 (condição no domicílio) cruzada com VD4019 (rendimento mensal habitual em qualquer trabalho), com pesos amostrais V1028.
O que o gráfico mostra: salário médio mensal por (raça × posição no domicílio) entre trabalhadoras(es) domésticas(os). 4 buckets de posição (chefe, cônjuge, filha/enteada, outro/agregada) × 2 séries de raça (negras = pretas + pardas, não-negras = branca + amarela + indígena). O recorte de manchete é o par de barras chefe: as barras mostram que negras chefes ganham menos que não-negras chefes e que as próprias chefes negras concentram mais responsabilidade financeira que as não-negras (60% vs 55% — ver §3.11).
Cálculo: média ponderada do rendimento entre as pessoas com VD4019 > 0 dentro de cada célula (raça × posição). Quem não recebe (não-ocupado ou sem rendimento informado) é excluído desse cálculo específico para não puxar a média artificialmente para baixo — mas continua contando no denominador de pct_within_race e no n_unweighted da célula. O painel reporta separadamente wage_n_with_income, o tamanho amostral que efetivamente alimentou a estimativa de salário.
Valores nominais, não deflacionados: por simplicidade, o salário aqui está em reais nominais (correntes do trimestre exibido). Para a leitura intertemporal (trajetória 2012→presente em reais constantes), continuar usando o gráfico "Rendimento médio mensal real" na seção principal — esse usa a Tabela PNADC-6391 deflacionada pelo IBGE. Os dois cortes respondem perguntas diferentes: este cruzamento é estritamente para a leitura intra-trimestre do paradoxo; o gráfico de tendência da seção principal continua sendo a referência para movimento ao longo do tempo.
Por que isto importa: o cruzamento posição × raça × rendimento nunca foi publicado pelo DIEESE. O Infográfico abr/2026 reporta 46% chefes de família agregado, sem disaggregar por raça, e reporta o hiato salarial sem cruzar com posição no domicílio. Este painel é a primeira fonte oficial brasileira a publicar o cruzamento completo — torna empiricamente visível o que Lélia Gonzalez, Sueli Carneiro, Joaze Bernardino-Costa, Adriana Lopes e Yannet Lara descreveram qualitativamente: a mulher negra como pilar econômico do domicílio, na ocupação mais precária do mercado, recebendo a penalidade racial mais aguda. A escolha editorial de chamar isso de "paradoxo do sustento" e dar à seção um destaque visual diferenciado é parte da contribuição do painel — não é só dado.
Limitação importante (cont.): vale a mesma ressalva da §3.11 sobre o nível absoluto de % chefe. Enquanto o gap racial (~5 pp) é internamente consistente, o nível agregado (~57%) difere do reportado pelo DIEESE (46%) — provavelmente por diferença de denominador (mulheres só? corte etário?). Para uso publicável: o gap entre negras e não-negras é a contribuição segura; a calibragem absoluta precisa de confirmação com a nota técnica do DIEESE.

3.14 Coortes e mobilidade — onde estão as jovens? (Tema 2)

Fonte: PNADC-MICRODATA · variável V2009 (idade na data de referência), agregada pela equipe do projeto em buckets etários alinhados ao DIEESE.
Buckets: 4 faixas etárias que correspondem diretamente à tabela do Infográfico DIEESE abr/2026, permitindo triangulação direta:
- Até 29 anos — DIEESE reporta 12% (categoria total)
- 30 a 44 anos — DIEESE reporta 32%
- 45 a 59 anos — DIEESE reporta 43%
- 60 anos ou mais — DIEESE reporta 13%
Cortes emitidos pela pipeline: BR × sexo='T' × raça × faixa etária. As raças incluem as nativas (branca, preta, parda, amarela, indígena), os agregados preta_parda e nao_negras, e total. Idênticos aos buckets de D1/D2 para coerência entre seções.
O que o gráfico mostra: % até 29 anos ao longo de 56 trimestres (2012Q1 a 2026Q1+), por raça. Duas linhas: negras (preta + parda) e não-negras (branca + amarela + indígena). A leitura é a inclinação: ambas em queda = envelhecimento da categoria; inclinações diferentes = padrão racial na desistência geracional.
Por que essa pergunta importa: a categoria envelhecida não é só uma constatação demográfica — é um problema para o sindicato (reposição geracional), uma evidência de mobilidade ocupacional (mulheres negras jovens indo para outros setores), e uma fissura na continuidade histórica que Saffioti e Bernardino-Costa descreveram. Se as jovens não estão entrando, alguma coisa do paradigma "casa-grande/senzala atualizada" mudou — ou pelo menos o ponto de entrada se deslocou. O gráfico aqui é o início da conversa, não o fim.
Coortes verdadeiras × pseudo-coortes: o gráfico é uma série temporal de proporções por faixa, não uma série de coortes de nascimento. Para uma análise de coorte verdadeira (rastrear quem nasceu em 1995, por exemplo, ao longo dos anos), seria necessário explorar a estrutura de painel da PNADC (visita 1 a 5 nos mesmos domicílios) — fora do escopo desta iteração. A leitura aqui é "pseudo-coorte": se a fração de jovens cai sistematicamente, é porque novas coortes entram menos do que coortes anteriores entraram quando eram jovens.
Triangulação com DIEESE: a fração agregada até 29 anos (raça=total) no trimestre fixo mais recente deveria ficar próxima de 12% (DIEESE abr/2026 reporta esse valor para a categoria como um todo). Se aparecer fora da faixa 8–16%, vale checar a definição de "trabalhadora doméstica" (estamos filtrando por VD4009 ∈ {03,04}).

3.15 Resíduo da casa-grande — geografia da residência (Tema 3)

Fonte: PNADC-A · PNAD Contínua Anual — Visita 1, variável S01017 (mesma usada em §3.12), agora desagregada por UF.
Pipeline: etl/pnadc_annual_housing.py estendido (Tema 3) para emitir, além das cifras BR-level, agregados por UF × raça × bucket de moradia. Limite de pequena amostra: UFs com menos de 30 observações amostrais não-ponderadas são omitidas para evitar estimativas barulhentas em estados pequenos do Norte.
O que o gráfico mostra: ranking horizontal das 27 UFs (ou menos, descontadas as omitidas por amostra pequena) pelo pct_within_race de cedido_empregador no recorte race='total'. As três UFs no topo são realçadas em cor de destaque; as demais ficam em cinza neutro. A leitura é direta: onde a moradia residente ainda pesa.
Por que esta visualização importa: o contingente residente é pequeno (~4–5% nacional, segundo a PNADC Anual 2024), mas a geografia é o conteúdo. DIEESE publica o agregado nacional sem desagregação por UF; a literatura sobre "casa-grande/senzala atualizada" (Bernardino-Costa, Gonzalez, Carneiro, Saffioti) é qualitativa e usa exemplos pontuais. O painel oferece a primeira distribuição geográfica sistemática desse resíduo.
Cautela amostral: a PNADC-A tem cerca de 200k domicílios pesquisados anualmente; ao filtrar para trabalhadoras domésticas residentes em UFs específicas, o n unweighted pode cair para algumas dezenas. Por isso usamos um piso de 30 obs; mesmo com isso, UFs próximas do piso têm intervalos de confiança amplos. O ranking é robusto no terço superior; nas posições intermediárias, a ordem pode variar entre anos por flutuação amostral.
Cadência: anual. O ranking se atualiza quando uma nova PNADC-A é divulgada (geralmente entre agosto e novembro do ano seguinte).

3.16 Geografia do descumprimento — formalização × raça × UF (Tema 4)

Fonte: PNADC-MICRODATA · variável VD4009 (posição na ocupação, com códigos 03 = com carteira e 04 = sem carteira) cruzada com V2010 (cor/raça) e UF, agregada pela equipe do projeto com pesos amostrais V1028.
Pipeline: build_uf_race_rows em etl/pnadc_microdata.py estendida (Tema 4) para emitir células UF × raça × formalidade (com_carteira / sem_carteira / total), além do recorte UF × raça × total que existia antes. Per quarter agora produz ~378 linhas a partir desta função, ~21k linhas no backfill completo.
O que o gráfico mostra: scatter plot — um ponto por UF — onde o eixo horizontal é % com carteira entre não-negras e o vertical é % com carteira entre negras. Cálculo por célula: workers_thousands(uf, race, com_carteira) / workers_thousands(uf, race, total). A diagonal pontilhada marca sem hiato racial; UFs abaixo dela têm negras mais informalizadas que não-negras dentro do mesmo estado. O tamanho do ponto é proporcional a √(n_unweighted total) — visualmente mais peso para UFs com amostras maiores.
Piso de pequena amostra: UFs com n_unweighted < 30 no recorte race='total' são omitidas do gráfico. Pequenos estados do Norte (RR, AP, AC) podem aparecer ou desaparecer conforme a amostra trimestral; o ranking dos 10 estados maiores é robusto.
Por que isto importa: a cifra agregada de 24% nacional com carteira oculta variação geográfica e racial. A Conadon (Coordenação Nacional de Fiscalização do Trabalho Doméstico e de Cuidados, criada no MTE em abril de 2026) precisa priorizar geograficamente. Este painel é a primeira visualização sistemática que combina os dois eixos — UF e raça — do hiato de conformidade da LC 150. Acciari (sobre os esforços sindicais), Pinheiro et al. (IPEA, sobre falhas de implementação) e o relatório MTE/SIT da campanha 2026 convergem qualitativamente nesse diagnóstico; o gráfico oferece o complemento empírico.
Limitação: o painel mostra a foto do trimestre fixo mais recente. Variação temporal (essa geografia mudou ao longo dos 14 anos?) requer um segundo painel — desejável mas fora do escopo da iteração atual.

3.17 Efeito do piso — salário mínimo × razão salarial (Tema 5)

Fontes: PNADC microdados (mesma origem do gráfico de hiato salarial) para a razão; valores oficiais do salário mínimo nominal brasileiro para o eixo do piso. Valores do SM: decretos anuais do governo federal (2012=R$ 622; 2026=R$ 1.518). Cada valor anual é aplicado a todos os 4 trimestres daquele ano (ignora reajustes de meio-de-ano, raros nesse período).
Cálculo da razão: mean_wage_brl(preta_parda) ÷ mean_wage_brl(nao_negras) por trimestre fixo, com sex='T' e formality='total'. Os mesmos valores usados em §3.6 (hiato salarial racial) — aqui apenas reapresentados ao lado do salário mínimo.
Cálculo nominal vs real: ambos os eixos usam valores nominais (não deflacionados). A razão (eixo esquerdo) é unidade-independente, então a escolha nominal/real não afeta a leitura. O salário mínimo (eixo direito) está em R$ correntes na data de vigência. Para a leitura intertemporal de salário real absoluto, continuar usando o gráfico "Rendimento médio mensal real" na seção principal, baseado na Tabela PNADC-6391 deflacionada pelo IBGE.
Por que esta visualização importa: a literatura sobre transbordamentos do salário mínimo (Saboia, Manzano-Munguía, IPEA) argumenta que valorizações reais do piso comprimem desigualdades raciais e de gênero na base da distribuição salarial — exatamente onde as trabalhadoras domésticas se concentram. O painel não prova isso; oferece um teste visual: se as duas linhas se movem juntas a partir de 2023, a hipótese ganha plausibilidade; se a razão se move sem relação com o piso, ela perde.
Limitações importantes:
- Não é decomposição econométrica. Uma regressão isolaria o efeito do piso de outros choques no mesmo período — recuperação pós-pandemia (2021–2023), Política Nacional de Cuidados (2025–2026), Conadon (2026). O painel mostra correlação visual, não causalidade.
- SM nominal, não real. Aumentos reais do piso (descontada inflação) são o mecanismo teórico; o eixo nominal pode subestimar (em períodos de alta inflação) ou superestimar (em períodos de inflação baixa) o efeito. Versão deflacionada possível em iteração futura.
- Composição de quem ganha o SM muda. Se a fração de trabalhadoras negras ganhando exatamente 1 SM cresce, isso por si só comprime a razão sem que qualquer salário individual tenha subido. Decompor "efeito mecânico" de "efeito comportamental" requer microdados de painel.

3.18 Hiato por hora — decompondo o hiato mensal

Fonte: PNADC-MICRODATA — cruzamento de VD4019 (rendimento mensal habitual) com V4039 (horas habituais por semana no trabalho principal), agregado pela equipe do projeto.
Cálculo do hiato por hora: para cada trabalhadora individual com VD4019 > 0 e 0 < V4039 ≤ 98, computamos a remuneração horária como wage / (hours × 4,33). A constante 4,33 é a conversão padrão semanas→meses (52 / 12). Em seguida, calculamos a média ponderada (pesos V1028) dentro de cada célula de raça × formalidade. A razão racial por hora é mean_hourly(preta_parda) ÷ mean_hourly(nao_negras).
Coluna de dados: novo campo mean_hourly_brl em fact_wages, exposto na view dw_wages. População atrasada à partir do backfill PNADC-microdata após esta extensão.
O que o gráfico mostra: duas linhas no mesmo eixo Y (% da remuneração não-negra). A linha vermelha contínua é a razão MENSAL (mesma usada em §3.6 e §3.17). A linha azul tracejada é a razão POR HORA. O espaço entre as duas é a parte do hiato mensal que vem de composição de horas (mensalista vs. diarista), não de preço-por-hora.
Por que esta decomposição importa: a literatura sobre desigualdade racial em mercados informais (Saboia, Manzano-Munguía, IPEA) distingue dois mecanismos de hiato:
- Hiato de preço: mesmo trabalho, mesmas horas, salário diferente. Decorre de discriminação direta ou de barreiras à negociação.
- Hiato de composição: tipos diferentes de contrato (mensalista vs. diarista), com regimes horários diferentes, dentro da mesma categoria. Decorre de segregação ocupacional, não de preço.
Se a linha por hora fica próxima da linha mensal, o mecanismo dominante é preço — política de negociação coletiva e fiscalização ataca o problema. Se a linha por hora é substancialmente mais alta que a mensal, o mecanismo é composição — política de formalização de diaristas (LC 150 estendida ou novo regime jurídico) é o que muda o jogo.
Limitações:
- Razão de médias ≠ média de razões. Estamos comparando médias ponderadas, não calculando uma razão individual e mediando. Os dois resultados podem diferir levemente.
- Horas habituais ≠ horas efetivas. V4039 captura horas habituais; em períodos atípicos (pandemia, mudanças de emprego), efetivas podem divergir. Estável em períodos "normais".
- Conversão 4,33 é aproximada. Meses variam de 4 a 5 semanas; usamos a média. Para análise mais precisa, multiplicar por meses específicos.

3.19 Reforma trabalhista e contrato mensalista (V4024 × VD4009, hipótese DiD refinada)

Fontes: PNADC-MICRODATA — cruzamento de V4024 ("Trabalha em serviço doméstico em mais de um domicílio?", 1=sim→diarista, 2=não→mensalista) com VD4009 (posição na ocupação, código 03=trabalhador doméstico com carteira, 04=sem carteira), agregados pela equipe do projeto. Materializado em fact_contract com chave (time, geo, sex, race, contract, formality, source_table) e exposto pela view dw_contract.
O que os dois gráficos mostram:
- Esquerda: % de trabalhadoras(es) domésticas(os) em mensalismo formal (mensalista com carteira) por raça, ao longo de 56 trimestres (2012Q1–2026Q1).
- Direita: % em mensalismo informal (mensalista sem carteira) por raça, mesmos 56 trimestres.
Ambos compartilham o mesmo eixo Y para comparação direta de magnitudes. Marcações de política: EC 72/2013, LC 150/2015, Reforma Trabalhista (Lei 13.467/2017), ratificação brasileira da C189 (jan/2018), pandemia (mar/2020).
Hipótese sob teste (versão refinada): a hipótese DiD do Prof. Jean-François Mayer, originalmente formulada como "a reforma empurrou trabalhadoras negras para o contrato diarista informalizado", não se confirma visualmente no contrato em si — o cruzamento por V4024 mostra que a transição mensalista→diarista ocorreu em ritmo similar nas duas raças, com hiato estável de ~4pp ao longo de todos os 56 trimestres. A história racializada vive na composição interna do mensalismo: o mensalismo formal (com carteira) caiu mais rapidamente entre as trabalhadoras não-negras (-10pp entre 2012 e 2026) do que entre as negras (-5pp), enquanto o mensalismo informal (sem carteira) permaneceu praticamente fixo em ~48% para as negras desde 2012. O efeito da reforma é de convergência ao piso, não de divergência: as taxas de formalização racial igualam-se em ~20% em 2026, partindo de 30% (não-negras) e 25% (negras) em 2012.
Limites de identificação:
- Não é DiD: o painel mostra trajetórias paralelas, não estima um efeito causal. A inferência causal exige uma regressão DiD com janela restrita (2015Q3–2019Q4 para evitar contaminação COVID), grupo de controle apropriado (outras categorias informais comparáveis) e teste de tendências pré-tratamento. Esta análise vive no apêndice metodológico do capítulo em preparação, não neste painel.
- V4024 não é equivalente formal de "diarista": a variável captura prestação em mais de um domicílio, que é a definição operacional da PNADC, mas pode misturar mensalistas que assumem horas em segunda residência. Tratar como proxy, não como medida exata.
- Tendência pré-existente: a queda do mensalismo formal entre as não-negras já estava em curso antes de 2017Q4 e continuou depois, sem ruptura clara no trimestre da reforma. A reforma plausivelmente acelerou uma tendência em vez de criá-la — o que é compatível com o desenho DiD se houver controles apropriados.
Conexão com o Tema 3: a persistência do mensalismo informal entre trabalhadoras negras (~48% imutável ao longo de 14 anos) é a manifestação contratual do "resíduo da casa-grande" documentado no Tema 3 — o trabalho residente e quasi-residente, herança colonial concentrada no Nordeste. Quando lemos os dois painéis juntos, o argumento estrutural ganha materialidade: o piso da informalidade não é um efeito da reforma, é uma continuidade histórica que a reforma deixou intacta.
Sub-painel geográfico (UF × raça): o gráfico de barras "Onde a carteira desapareceu" complementa os dois painéis BR-wide acima com uma vista UF × raça. Para esse recorte, usamos fact_workers ("% com carteira" agregado por UF × raça × período) como proxy do mensalismo formal, e não fact_contract — porque fact_contract está atualmente apenas no nível BR. A aproximação introduz um pequeno viés (~3–4pp) porque "% com carteira" inclui o bucket de diaristas formais (que respondem por cerca de 3–4% do total). Para o nível BR, comparamos as duas medidas: % com carteira (de fact_workers, ~23–24% em 2026Q1) ≈ % mensalismo formal (de fact_contract, ~20–21%) + % diarista formal (de fact_contract, ~3–4%), confirmando que a proxy preserva o sinal direcional. A extensão do pipeline para UF granular (fact_contract com geo_level='uf') está em fila como tarefa #68 — será disparada se o capítulo em preparação por Mayer precisar do recorte exato para o apêndice de regressão.
Literatura: a previsão teórica do padrão vem de Pinheiro et al. (IPEA), Hirata, Acciari e Bernardino-Costa — informalização racializada como ajuste de baixa qualidade em mercados regulados, com herança colonial específica para o trabalho doméstico brasileiro.

3.20 Hiato salarial dentro do contrato (snapshot 1T 2026)

Fonte: PNADC-MICRODATA 1T 2026 — agregação ad-hoc via etl/probe_wage_contract.py. O script reprocessa o microdado bruto em chunks (preservando memória), filtra a categoria doméstica (VD4009 ∈ {03, 04}) e computa médias ponderadas (pesos V1028) de VD4019 (rendimento mensal habitual) e do salário por hora individual (VD4019/(V4039×4,33)) em cada célula de raça × contrato × formalidade. Resultado materializado em dashboard/data/wage_contract_snapshot.json.
Por que um snapshot, não uma série temporal? Esse recorte combina três dimensões (V4024 × VD4009 × V2010) com as variáveis salariais (VD4019, V4039) — fora do escopo do fact_wages atual, que tem apenas raça × formalidade. Estender o pipeline para emitir uma série completa de 56 trimestres é a tarefa #70, em fila para ser disparada se o capítulo em preparação por Mayer precisar do histórico para o apêndice de regressão. Por enquanto, mostramos o último trimestre disponível como evidência direta do mecanismo.
Pergunta analítica: o hiato salarial racial por hora — que, no agregado, é de cerca de 90,9% (negras ganham 90,9% por hora do que ganham as não-negras) — sobrevive dentro de cada tipo de contrato, ou se desfaz quando controlamos por contrato? A resposta separa preço de composição:
- Hipótese composição: o hiato existe porque trabalhadoras negras se concentram em contratos pior remunerados. Se controlarmos por contrato, o hiato deveria desaparecer.
- Hipótese preço (discriminação): o hiato existe porque, para o mesmo trabalho, paga-se menos para trabalhadoras negras. Se controlarmos por contrato, o hiato deveria persistir.
Resultado: a resposta é mista, com geometria racial específica por contrato. Dentro do mensalismo (75% da categoria), o hiato por hora é de 96,6% — quase fechado. Dentro do diarismo (25% da categoria), o hiato é de 84,3% — um desconto racial substancial. Em outras palavras, o mensalismo equipara salário por hora; o diarismo racializa. Como a composição racial entre mensalistas e diaristas é razoavelmente simétrica (~32% das negras são diaristas vs ~36% das não-negras), o mecanismo dominante é preço dentro do contrato diarista, não composição entre contratos. Para o salário mensal (não por hora), as conclusões são similares mas atenuadas pelo número de horas trabalhadas.
Implicação para a reforma: a expansão pós-reforma do diarismo, que documentamos nos painéis acima, lifted o salário por hora das trabalhadoras (R$ 14,12/h diarista vs R$ 10,68/h mensalista para não-negras), mas com um desconto racial aplicado às trabalhadoras negras (R$ 11,90/h diarista vs R$ 10,32/h mensalista). O prêmio diarista é limpo para não-negras e parcial para negras. Isso refina a hipótese de Mayer em um sentido construtivo: a discriminação racial pós-reforma não está em quem se torna diarista (taxas similares), mas em quanto se paga pela mesma hora.
Limitações:
- Snapshot único: sem série temporal, não podemos testar se esse hiato dentro do diarismo se ampliou ou estreitou pós-2017Q4. A intuição editorial é que se ampliou (com a entrada de mais trabalhadoras na categoria), mas a verificação exige a tarefa #70.
- Amostra do diarista formal: 196 (negras) + 93 (não-negras). Robusto para o agregado diarista, mas o sub-bucket formal isoladamente é ruidoso — por isso o painel reporta o agregado por contrato, não as 4 células individuais.
- V4024 ≠ definição estrita de diarista: capta "trabalha em mais de 1 domicílio", proxy operacional da PNADC. Pode misturar mensalistas com hora extra em segunda casa.
- Salário por hora ≠ salário efetivo: usamos V4039 (horas habituais) × 4,33 semanas/mês, padrão IBGE. Trabalhadoras que reportam zero horas ou jornadas extremas (>98h/sem) são excluídas.

4. Notas metodológicas

4.1 Trimestre móvel × trimestre fixo

A PNADC é divulgada em duas frequências distintas: trimestre móvel (janela de 3 meses atualizada mensalmente, ex.: dezembro 2025–janeiro–fevereiro 2026 → código 202602) e trimestre fixo (calendar quarter, ex.: 1º trimestre 2026 → código 202601). As duas séries não são idênticas na granularidade temporal: a trimestre móvel cobre 12 pontos por ano, a fixa cobre 4. O painel usa a trimestre móvel para a série histórica de contagem e formalização, e a trimestre fixa para os cortes UF e mensalistas/diaristas. Os códigos de período preservam a forma original (6 dígitos YYYYMM) para permitir distinção.

4.2 Real vs. nominal

Os valores de rendimento usados no painel são em reais constantes (real, deflacionado pelo INPC) e não em reais correntes (nominal). Isto é o padrão do IBGE para séries históricas e permite comparar 2012 com 2026 sem que a inflação distorça a leitura.

4.3 "Trabalhador doméstico" × "Serviços domésticos"

O IBGE usa duas definições próximas mas não idênticas:

"Trabalhador doméstico" (classificação c11913) — uma posição na ocupação: a pessoa é contratada pessoa-física por um(a) ou mais empregadores domésticos.
"Serviços domésticos" (classificação c888) — um setor de atividade: a pessoa trabalha em atividades classificadas como serviços domésticos pelo CNAE.

A sobreposição é alta mas não total: a categoria de posição inclui empregadas(os) que trabalham em atividades não-domésticas dentro do domicílio, e o setor inclui pessoas com outras posições (ex.: autônomos prestando serviços ocasionais). Onde fazemos uso do setor para inferir cifras sobre trabalhadoras domésticas (caso do salário, gráfico 3.3), explicitamos a substituição.

4.4 ILOSTAT ISCO-08 91 × PNADC "Trabalhador doméstico"

Para o comparativo internacional, usamos a classificação ocupacional ISCO-08 do ILOSTAT, sub-grupo 91 ("Cleaners and helpers"). Esta classificação inclui trabalhadoras domésticas mas também faxineiras de escritórios, auxiliares de limpeza em hospitais e hotéis, etc. O total brasileiro pelo ILOSTAT (~7,2 milhões em 2025) é, portanto, maior que o total brasileiro pela PNADC para "Trabalhador doméstico" (~5,5 milhões no mesmo período). A comparação entre países dentro do ILOSTAT é válida (todos os países usam a mesma classificação); a comparação entre ILOSTAT e PNADC é uma comparação entre populações distintas e não deve ser feita.

4.5 Linha de base populacional e índice de sobrerrepresentação

O problema. Todos os gráficos do painel que mostram "% pretas + pardas entre trabalhadoras domésticas" carregam um risco interpretativo se forem lidos sem uma linha de base populacional. Um estado pode ter baixa porcentagem de domésticas pretas + pardas em termos absolutos e ainda assim apresentar alta sobrerrepresentação racial no setor, se sua população geral tiver poucas pretas + pardas. O paradoxo de Santa Catarina ilustra: cerca de 25% das domésticas em SC são pretas + pardas (baixo em termos absolutos comparado à Bahia, onde o número é 90%), mas a população geral catarinense é apenas ~23% pretas + pardas — sobrerrepresentação ratio de ~1,1× — enquanto a Bahia tem uma população geral 80% pretas + pardas, com sobrerrepresentação ~1,12×. Ler o mapa apenas pelo absoluto sugere "Bahia é mais racializada" quando na verdade as duas estão em níveis similares de sobrerrepresentação, e estados como Paraná (~35% no setor / ~35% pop. geral → ~1,9×) ou São Paulo (~60% no setor / ~43% pop. geral → ~1,4×) são mais racializados em termos relativos.

O índice. Definimos o índice de sobrerrepresentação racial como: % pretas+pardas entre domésticas ÷ % pretas+pardas na população geral do mesmo estado. Leitura: 1,00× = paridade (proporção idêntica); > 1 = pretas + pardas sobrerrepresentadas no setor (a regra no Brasil); < 1 = sub-representadas (raro). A linha de base BR é 67,5% (domésticas) ÷ 59,1% (população geral) ≈ 1,14× — no agregado nacional, pretas + pardas estão sobrerrepresentadas em ~14% no trabalho doméstico relativamente à sua participação na população em geral.

Fonte dos dados de base. A composição racial da população geral por UF é computada pelo script etl/probe_general_pop_race.py a partir do mesmo microdado PNADC usado em todos os outros recortes do painel — apenas sem o filtro VD4009 (mantém todos os indivíduos, não só domésticas). O arquivo gerado é dashboard/data/general_pop_race.json. Re-rodar o script quando um novo trimestre PNADC for ingestado. O cálculo usa pesos amostrais V1028; a referência atual no painel é o 1T 2026 (último disponível).

Onde isso aparece no painel. (a) O mapa por UF tem um terceiro botão de visualização ("Sobrerrepresentação"); o tooltip mostra os três valores (% no setor, % na população geral, ratio). (b) O tile KPI "Negras (pretas + pardas)" exibe a base BR (~59%) e a sobrerrepresentação (~1,14×) abaixo do valor principal. (c) O gráfico de composição racial ao longo do tempo traz a linha de base populacional na descrição do gráfico (parda 45,3%, branca 43,5%, preta 10,2%). (d) Os outros painéis UF × raça (sub-painel geográfico da seção Reforma, KPIs por UF) carregam a mesma lógica via tooltip e nota metodológica.

Limitações. A base populacional é por raça mas não por raça × sexo. Como ~92% das trabalhadoras domésticas são mulheres, o ideal seria comparar com a composição racial da população feminina, não da população total. Para o BR-wide essa correção é pequena (a composição racial é praticamente independente de sexo); para alguns estados (com perfis migratórios desbalanceados) pode haver diferença pequena. O painel reporta a base populacional total e flagga a limitação aqui.

5. Limitações conhecidas

Cortes raça × posição × UF não estão nos agregados SIDRA. O IBGE publica agregados que cruzam, separadamente: posição × período (Tabela 6320), posição × UF (Tabela 6383), rendimento × cor/raça × ocupação (Tabela 5 do Boletim DIEESE). Mas não publica o cruzamento triplo. Para obtê-lo precisaríamos processar os microdados PNADC, o que requer download dos arquivos de largura fixa do FTP do IBGE e cálculo de pesos amostrais — fora do escopo desta versão.
Cifras DIEESE têm cadência semestral, PNADC tem cadência mensal. A composição por cor/raça e a razão salarial racial são revisadas em abril e novembro pelo DIEESE; entre essas datas, mostramos o último valor publicado, podendo estar até seis meses defasado. As séries de contagem e formalização da PNADC, em contraste, são atualizadas mensalmente.
Censo 2022 ainda em divulgação progressiva. Cortes municipais finos (necessários, p.ex., para um painel STDMSP focado em São Paulo capital) dependem dos microdados do Censo 2022, cuja divulgação está em andamento até 2026. Quando estiverem disponíveis, vamos integrar.
Marca histórica de 2020. A pandemia de COVID-19 interrompeu o trabalho de campo da PNADC; alguns trimestres de 2020-2021 têm cobertura amostral reduzida. Tratamos os valores como publicados pelo IBGE sem ajuste; a queda visível no gráfico de tendência é real (perda massiva de postos) e em parte um artefato da metodologia de coleta naquele período.
Transição da amostra mestra da PNADC (2025–2026). O IBGE está realizando a transição gradual da amostra mestra da PNADC, que passa de um desenho baseado no Censo 2010 para um baseado no Censo 2022. O processo se conclui em 2026 e reflete melhor a realidade territorial atualizada. Para o painel, isso significa que comparações entre trimestres antes e depois da transição carregam um pequeno componente metodológico, além da variação real. Em todas as séries temporais aqui apresentadas, esse efeito é pequeno em relação aos movimentos substantivos observados — mas mencionamos a transição em apoio à transparência.

6. Atualização e versionamento

O painel é atualizado em três cadências distintas:

Mensal: o ETL fetch_sidra.py é executado para puxar a nova trimestre móvel da PNADC quando o IBGE divulga (geralmente entre 6 e 8 semanas após o fim do período). Os gráficos de tendência, formalização e salário recebem o novo ponto.
Semestral: as cifras DIEESE em static_fact são revisadas após a divulgação dos boletins de abril e novembro. Cada revisão recebe uma entrada no log de auditoria.
Anual: o comparativo internacional do ILOSTAT é puxado pelo fetch_ilostat.py uma vez por ano, geralmente em maio (após a publicação do ILO World Employment and Social Outlook).

Toda atualização é registrada em QA_AUDIT.md no repositório, com o que foi conferido, o que mudou, e a próxima data de checagem. Quando uma cifra é corrigida, o registro mantém o valor antigo riscado para que qualquer leitor possa rastrear o histórico — vide a correção 76% → 84% do hiato salarial racial em maio de 2026.

7. Como citar

Sugestão (ABNT):

MAYER, Jean-François; ROQUE, João; SINDICATO DAS TRABALHADORAS DOMÉSTICAS DO MUNICÍPIO DE SÃO PAULO (STDMSP). Painel Trabalho Doméstico no Brasil. Concordia University / RITHAL, 2026. Disponível em: <https://stdmsp-trabalho-domestico.joaoroquer.workers.dev/>. Acesso em: [data].

Sugestão (APA 7):

Mayer, J.-F., Roque, J., & Sindicato das Trabalhadoras Domésticas do Município de São Paulo (STDMSP). (2026). Painel Trabalho Doméstico no Brasil [Painel de dados]. Concordia University / RITHAL. https://stdmsp-trabalho-domestico.joaoroquer.workers.dev/

Para citar uma cifra específica, recomendamos incluir o período (trimestre móvel ou trimestre fixo) e a fonte do gráfico, pois o painel é vivo:

"5,49 milhões de trabalhadoras(es) domésticas(os) no Brasil no trimestre móvel encerrado em fevereiro de 2026 (PNADC Tabela 6320, conforme Painel STDMSP, acesso em XX/XX/2026)"

8. Erros, correções e auditoria

Toda correção realizada após a publicação inicial fica documentada no log de auditoria do repositório. As mais relevantes até agora:

2026-04-28: cifras DIEESE (% mulheres, % negras) atualizadas de valores aproximados (92,5% e 67,4%) para os valores exatos do Infográfico DIEESE de abril de 2025 (91,9% e 69,0%).
2026-05-04: hiato salarial racial corrigido de 76% para 84% após cruzamento direto com a Tabela 5 do Boletim Especial DIEESE 2025; o valor 76% inicial era um seed não verificado.

Se você encontrar um erro, abra uma issue no repositório GitHub ou contate diretamente o STDMSP (sindomesticastdmsp.com.br).

1. About this dashboard

The Trabalho Doméstico no Brasil dashboard is a public visualization and data tool about Brazilian domestic workers. It is built by researcher Jean-François Mayer (Concordia University, comparative politics, RITHAL) in collaboration with the São Paulo Domestic Workers' Union (STDMSP), with technical development by Joao Roque.

The dashboard combines three kinds of evidence: (i) official PNAD Contínua aggregates (IBGE) computed by our ETL directly from the SIDRA API; (ii) international ILOSTAT data for Latin American comparators; (iii) supplementary figures attributed to DIEESE when SIDRA does not expose the disaggregation we need (race composition and the Black/non-Black wage ratio).

The dashboard serves four audiences simultaneously: domestic workers themselves (a personal comparison calculator), unions (embeddable charts), researchers (open data, this page, stable citation), and the broader public interested in Brazilian labor policy.

2. Sources

Code	Source	URL	Time coverage
`PNADC-6320`	IBGE — PNAD Contínua quarterly rolling, Table 6320 (Employed persons by occupational position)	sidra.ibge.gov.br/tabela/6320	2012Q1 → present
`PNADC-6383`	IBGE — PNAD Contínua quarterly fixed, Table 6383 (Domestic workers by number of households)	sidra.ibge.gov.br/tabela/6383	2012Q1 → present
`PNADC-6391`	IBGE — PNAD Contínua quarterly rolling, Table 6391 (Mean income by activity sector)	sidra.ibge.gov.br/tabela/6391	2012Q1 → present
`ILOSTAT`	International Labour Organization — Domestic workers by sex and status in employment (ISCO-08 91)	ilostat.ilo.org	2008 → present
`DIEESE-2025`	DIEESE — Special Bulletin: Paid domestic work in Brazil: a care work (April 2025)	PDF	PNADC base Q4 2024
`DIEESE-INFO-2025`	DIEESE — Domestic Work in Brazil infographic (April 2025)	infographic	PNADC base Q4 2024
`DIEESE-INFO-2026`	DIEESE — Female Domestic Workers in Brazil infographic (April 2026)	infographic PDF	PNADC base Q4 2025

3. Variables and definitions

Each chart maps to a specific table, SIDRA variable, and classification. This section documents each one.

3.1 Total domestic workers — trend chart

Source: PNADC-6320
SIDRA variable: 4090 — Persons aged 14+ employed in the reference week (thousands of people)
Classification: c11913 (Position in occupation), category 31724 ("Domestic worker" — total)
Time granularity: rolling quarter (3-month window updated monthly)
Geographic granularity: Brazil only (Table 6320 does not support state-level for this classification)

3.2 Formalization rate (% with signed work card)

Source: PNADC-6320
Computation: ratio between category 31725 ("Domestic worker — with signed work card") and category 31724 (total) per period
Relevant regulatory milestones: Constitutional Amendment 72/2013, Complementary Law 150/2015, 2020 STF ruling

3.3 Mean real monthly income — "Domestic services" sector

Source: PNADC-6391
SIDRA variable: 5932 — Mean real monthly income, habitually received, in main job (in constant reais)
Classification: c888 (Activity sector), category 56628 ("Domestic services")
Note: the PNADC sector Domestic services and the c11913 category Domestic worker are not identical, but overlap by more than 95% in headcount terms; we use the sector as a proxy for this population's wage when direct disaggregation is unavailable

3.4 Monthly workers vs. day-rate workers

Source: PNADC-6383
SIDRA variable: 8336
Classification: c785 (Number of households worked in), categories 40277 ("single household" — proxy for monthly worker / mensalista) and 40278 ("more than one household" — proxy for day-rate / diarista)
Note: Table 6383 only offers the household-count classification, not contract type per se. LC 150/2015 sets the legal threshold at 2 days/week per employer; SIDRA does not publish that exact cut, but household count is a widely accepted approximation

3.4b Sex composition (time series)

Source: PNADC-MICRODATA — same source as 3.5 and 3.6, now applying V2007 (sex) with V1028 sampling weights.
Coverage: 56 quarters, 2012Q1 → 2025Q4. Updated with each IBGE quarterly release.
Finding: women's share fell slightly from 93.0 % (2012) to 91.7 % (2025) — a -1.3 pp shift over 13 years. The decline accelerated during COVID-19 (men returned to domestic work in slightly higher numbers when women were forced out). Combined with 3.5 (racialization +5.2 pp) and 3.6 (wage gap stable), the picture: domestic workers are more Black, slightly less female, and equally underpaid in 2025 vs. 2012. Even at the bottom of the decline, ~92 % are women — feminization remains extreme.
History: until 05/2026 this figure was attributed to DIEESE as a single static value (91.9 %); replaced by the computed time series after the microdata pipeline was extended to include sex aggregations.

3.5 Race composition (time series)

Source: PNADC-MICRODATA — official PNADC quarterly microdata, processed by our ETL (etl/pnadc_microdata.py) with sampling weights V1028 applied.
Coverage: 56 fixed quarters, 2012Q1 → 2025Q4. Updated with each IBGE quarterly release (~6-8 weeks after the period ends).
Variables used: VD4009 (position in occupation; we filter to "03" + "04" — domestic workers with and without a signed work card), V2010 (race), V1028 (pre-calibrated sampling weight).
Validation: our Q4 2024 value (68.3% pretas+pardas) matches DIEESE's April 2025 Special Bulletin figure (~68.5%) within 0.2 pp — well inside PNADC sampling error.
What this unlocks: a 13-year trajectory. Headline finding: the share of pretas + pardas in domestic work rose from 62.5% (2012Q1) to 67.7% (2025Q4), +5.2 pp — the racialization of domestic work has intensified, not abated, across the EC 72/2013 and LC 150/2015 regulatory milestones and the COVID-19 shock.
History: until 05/2026 this figure was attributed to DIEESE as a single static value (69%); it was replaced by the computed time series after the microdata pipeline shipped.

3.6 Racial wage gap (time series)

Source: PNADC-MICRODATA — same source as race composition (3.5), applying variable VD4019 (monthly habitual income from main job) with the V1028 sampling weights.
Computation: for each quarter we compute the weighted-mean wage of Black (pretas + pardas) and non-Black (white + East Asian + Indigenous) domestic workers separately, then take the ratio (Black ÷ non-Black × 100).
Coverage: 56 quarters, 2012Q1 → 2025Q4.
Validation: our Q4 2024 value (84.3 %) matches DIEESE's April 2025 Bulletin figure (84.0 %, women-only basis) within 0.3 pp — small discrepancy because we include men (~5 % of the category, with slightly higher mean wages).
Central finding: the gap has stayed between 84 % and 87 % across 13 years. Combined with finding 3.5 (Black share of the category rose from 62.5 % to 67.7 %), the picture is sharp: Black women are a growing share of an occupation whose racial wage disadvantage has not narrowed.
Nominal vs real: wages computed here are in nominal (current) reais, not deflated. For the ratio this doesn't matter (numerator and denominator are in the same currency at the same period); for the absolute-wage trend chart we still use PNADC Table 6391 (IBGE-deflated to constant reais).
History: until 05/2026 this figure was attributed to DIEESE as a single static value (76 %, then corrected to 84 %); it was replaced by the computed time series after the microdata pipeline was extended to include wage aggregations.

3.6b Mean hours and social security contribution (Brazil)

Sources: fact_hours and fact_prev (PNADC variables V4039 and V4032, aggregated by the project team)
Cut: country level, sex=T, formality=total, race in {preta_parda, nao_negras, total}. The race-specific lines use the nao_negras aggregate = white + Asian + Indigenous to limit the number of series in the chart
Coverage: 56 quarters (Q1 2012 → Q4 2025) · V1028 sample weights applied
Reference line on the hours chart: 44h/week — legal limit set by Federal Constitution Art. 7-XIII and extended to domestic workers by LC 150/2015 Art. 2
Central findings:
- Mean hours ~32h/week, stable across 13 years — the category is largely day-rate (diaristas), not meeting the classic "full-time" definition
- Social security contribution rate ~14.6% — dramatically below the formality rate (24%). This means that even among women with signed work cards, many do not have contributions actually being paid in. This is the most sensitive metric for the argument that LC 150/2015 is being violated
Limitation: the chart does not show a breakdown by formality (with/without signed work card) at Brazil level because the current pipeline emits the race=total aggregation only with formality=total. The race=total × formality=com_carteira combination can be computed by weighted sum from the race-specific rows (weight = workers_thousands from fact_workers) — left in the backlog

3.7 Distribution by state (bar chart)

Primary source: PNADC-MICRODATA (PNADC microdata aggregated by the project team, applying V1028 sampling weights and the UF variable)
Fallback source: PNADC-6383 (SIDRA aggregate), used when microdata isn't loaded
Granularity: 27 states, latest available quarter
Why microdata over SIDRA aggregate: internal consistency with the map (3.7b), the race composition (3.5), and the other computed series — all derive from the same weighted aggregation of microdata

3.7b Map: race composition by state

Source: PNADC-MICRODATA — extension of the 3.5 aggregation with the UF variable (2-digit IBGE code), applied with V1028 sampling weights over VD4009 ∈ {03, 04} (domestic worker, with/without signed work card)
Coverage: 27 states × 56 quarters (Q1 2012 → Q4 2025), ~12k rows in fact_workers at geo_level='uf'
Available dimensions: % Black (pretas + pardas) among domestic workers (default) and headcount in thousands (alternative). The Year filter controls the displayed quarter (last quarter of each calendar year)
Geometry: static SVG at dashboard/assets/brazil-uf.svg, generated once by etl/build_uf_svg.py from the IBGE-derived GeoJSON simplified via Ramer-Douglas-Peucker (epsilon=0.05° ≈ 5.5 km, ~37 KB result)
Central finding: the geographic gradient maps onto the historical geography of domestic work in Brazil exactly. Bahia at 90.3% is the national peak; the Northeast and Amazon all sit above 80%. The South (Santa Catarina 29.4%, Rio Grande do Sul 32.0%) is the floor. São Paulo, home to STDMSP, sits at 56.4% — below the national mean (~69%) but with 1.26 million domestic workers it is by far the largest absolute cluster in the country
Validation: the sum of all 27 state totals reconciles with the Brazil-level total within 0.02 pp (1.18k on 5.57M), confirming the weighted aggregation has no systematic bias
Limitation: small states (RR, AP, AC, TO) with rare race cells (especially indigenous and Asian) can have noisy estimates. The headline reading — % pretas + pardas — is robust across all states, with sufficient sample size in every one of the 56 quarters

3.7d Mean hours and social security contribution (Focus on SP)

Sources: fact_hours and fact_prev, new tables populated by the PNADC microdata pipeline (variables V4039 — habitual weekly hours in main job — and V4032 — was contributing to previdência in the reference week)
Cut: UF=SP, sex=T, formality=total, race in {preta_parda, nao_negras}; plus Brazil total as dashed-gray reference
Coverage: 56 quarters (Q1 2012 → Q4 2025), with one mid-series quarter (Q3 2025) re-run after a disk-space failure
Reference line: the hours chart includes a horizontal dashed line at 44h/week, the legal maximum set by Brazil's labor consolidation (CLT Art. 7-XIII) and maintained for domestic workers by LC 150/2015 Art. 2
Central findings (Q4 2025 in SP):
- Mean hours: 32.4 h/week (preta+parda 33.2h · non-Black 31.4h) — well below the legal limit, reflecting SP's high diarista share
- % over 44h: ~9.6% — only one in ten works more than the limit
- Social security contribution: 19.8% in SP (preta+parda 20.4% · non-Black 19.2%), slightly above the national average (~14.6%)
- The gap between formalization rate (24%) and social security contribution (14.6%) at the national level indicates that even among domestic workers with signed work cards, many are not having their contributions actually paid
Limitation: the UF cut is done at formality=total. To show specifically the difference between with and without signed work card in SP, the pipeline would need to emit UF × formality in addition to UF × race. Not done in this version; left in the backlog until STDMSP indicates if that view matters

3.8 International comparison — Brazil ↔ Mexico (trajectory)

Source: ILOSTAT
Indicator: EMP_TEMP_SEX_OC2_NB_A filtered to ISCO-08 group 91 ("Cleaners and helpers")
Chart shape: annual time series. Brazil and Mexico are featured (thick lines in chita-red and charcoal); the other 6 Latin American countries (Argentina, Colombia, Chile, Peru, Uruguay, Ecuador) appear as context in dashed gray
Why BR ↔ MX featured: the comparative axis of Jean-François Mayer's research (Concordia) is the Brazil-Mexico pair — two of Latin America's largest domestic-work categories, both with specific federal legislation (LC 150/2015 in BR; IMSS reforms 2019–2024 in MX), and both with ILO Convention 189 ratification
Coverage: BR 2012–2025 (14 points), MX 2013–2025 (13 points). The other countries vary (Peru has only 4 points; Argentina, Uruguay, Colombia have ~15-year series)
Important caveat (kept): ISCO-08 91 is broader than IBGE's "Domestic worker" category — it includes office cleaners, hotel housekeeping, hospital cleaning auxiliaries, etc. National totals here (BR ~7.8 M in 2025) are larger than PNADC totals for the same population (5.5 M). The comparison is valid between countries within ILOSTAT, never between ILOSTAT and PNADC
Next steps (P2.2): complete additional dimensions (% women, informality rate) per country, which requires extending fetch_ilostat.py to pull complementary indicators. Decision pending; doesn't block this version

3.8b Legal status — ILO Convention 189

Source: NORMLEX, the ILO's official database of international labour standards (direct link to C189)
Indicator: year of ratification of Convention 189 (Domestic Workers, 2011) per country
Data (static, hardcoded — verified against NORMLEX 2026-05): Uruguay 2012-06 · Ecuador 2013-12 · Argentina 2014-03 · Colombia 2014-05 · Chile 2015-06 · Brazil 2018-01 · Peru 2018-11 · Mexico 2020-07
Why it matters: C189 is the binding international instrument recognizing domestic workers as a category with rights equal to other occupations. Ratification obligates the country to align domestic legislation. In Brazil's case, LC 150/2015 (the Domestic Workers' Law) preceded the ratification (2018), inverting the typical sequence where treaties drive domestic reform. Uruguay was the first country in the world to ratify, in June 2012, one year after the Convention was adopted by the ILO Conference

3.7c Confidence intervals and sample size (UF map)

Calculation: Wilson 95% interval for the proportion, anchored on the unweighted sample size of the race='total' row for each UF. Formula: (p + z²/2n ± z√(p(1−p)/n + z²/4n²)) / (1 + z²/n), with z = 1.96.
Why Wilson and not normal: the Wilson interval is the standard recommended for proportions because it doesn't bias toward 0 or 100% in small samples. For the 27 UFs this matters: large UFs (SP, MG, BA) get narrow CIs (~±1 pp), small UFs (RR, AP, AC) can have CIs of ±5–8 pp.
Where it appears: in the map tooltip, below the point estimate of % Black. Format: "95% CI: 54.8% – 57.9%".
Small-sample suppression:
- n_unweighted < 30 — UF is greyed out on the map and the tooltip flags "estimate unreliable"
- 30 ≤ n_unweighted < 100 — UF keeps its color but tooltip shows a "small sample" warning
- n_unweighted ≥ 100 — no additional flag, just the CI in parentheses
Important limitation: the CI captures only sampling variability. It does NOT capture bias error (e.g., systematic under-reporting of informal work by respondents), coverage error (e.g., precarious-housing households under-sampled), or measurement error (e.g., racial self-classification). For those sources of uncertainty, IBGE's published PNAD Contínua methodology is the reference.

3.9 Policy timeline annotations

Source: hardcoded in dashboard/index.html · buildPolicyAnnotations() function
Events marked (dashed vertical lines on time-series charts):
- EC 72/2013 — constitutional amendment equalizing domestic workers' rights to other employees (April 2013)
- LC 150/2015 — Domestic Workers' Law, regulating EC 72/2013 (in force June 2015)
- Brazil ratifies C189 — ILO Convention 189 (January 2018)
- COVID-19 — start of lockdowns in Brazil (March 2020)
- Mexico ratifies C189 — relevant for the BR ↔ MX comparator (July 2020)
Why they matter: they empirically locate where policy was supposed to produce inflections. Reading the time-series becomes less abstract — a viewer can look at "% formalization" in June 2015 and see (or fail to see) the effect of LC 150 visually, without having to reconstruct the chronology mentally.

3.10 Education (Phase D1)

Source: PNADC-MICRODATA · variable VD3004 (highest education level reached), aggregated by the project team with sample weights V1028.
Categories: PNADC's 7 native codes (1–7) collapsed into 5 buckets, following DIEESE convention to allow direct comparison:
- Primary incomplete — codes 1 (No instruction / under 1 year) + 2 (Primary incomplete). Grouping 1 with 2 mirrors the DIEESE Infográfico Apr/2026 reporting "39% primary incomplete" as a single bucket.
- Primary complete — code 3.
- Secondary incomplete — code 4.
- Secondary complete — code 5.
- Tertiary — codes 6 (incomplete) + 7 (complete).
Cuts emitted by the pipeline: BR × sex='T' × race × bucket. Includes the native races (branca, preta, parda, amarela, indígena), the aggregates preta_parda (Black) and nao_negras (non-Black: branca + amarela + indígena), and total.
Percentage calculation: pct_within_race = sum of weights in the bucket / total weight of the race. It is a percent within the race group, not of the category total.
Cross-validation: for the category overall, the sum Primary incomplete + Secondary incomplete should approximate the "59% without complete basic education" reported by DIEESE Infográfico Apr/2026.
Chart on the dashboard: vertical grouped bars, 5 buckets on the X axis, two bars per bucket (Black vs. Non-Black), at the most recent available fixed quarter.

3.11 Household position (Phase D2)

Source: PNADC-MICRODATA · variable V2003 (household position), aggregated by the project team with sample weights V1028.
Categories: PNADC's 17 native codes (01–17) collapsed into 4 buckets for visual clarity and to highlight the headline cut (% head of household):
- Head of household — code 01 (Person responsible). DIEESE Infográfico Apr/2026 publishes 46% as the headline figure for the category overall.
- Spouse / partner — code 02.
- Daughter / stepchild — codes 03 (Daughter) + 04 (Stepchild).
- Other / aggregated — codes 05 through 17 (son/daughter-in-law, parent, parent-in-law, grandchild, great-grandchild, sibling, other relative, aggregate, cohabitant, boarder, live-in domestic worker, relative of domestic worker, individual in collective household).
Cuts emitted by the pipeline: BR × sex='T' × race × bucket. Same races as Phase D1.
Percentage calculation: pct_within_race = sum of weights in the bucket / total weight of the race. Important: for the DIEESE-reported "head of household" figure (46%), the denominator is the category as a whole, not a specific race group — so the closest match to DIEESE is race_code = 'total', not 'preta_parda' or 'nao_negras'.
Important limitation: V2003 codes the relationship of the surveyed person to the household head. It does not directly code "single mother" or "single-parent household" — to reach those cuts a future iteration would need to cross V2003 with indicators of spouse presence and children in the same household (V1014/V1015 + ages). Left for a future phase if there's demand.
Chart on the dashboard: vertical grouped bars, 4 buckets on the X axis, two bars per bucket (Black vs. Non-Black), at the most recent available fixed quarter.
⚠ Open discrepancy with DIEESE: the dashboard computes ~57% household heads among domestic workers for Q1 2026 (weighted average across races), while the DIEESE Infográfico Apr/2026 reports 46%. The ~11 pp gap is too large to be rounding or small-sample noise. Hypotheses under investigation: (a) DIEESE may filter to women only (V2007=2) while the dashboard uses sex='T'; (b) different age cutoff; (c) a more restrictive definition of "head" (sole heads vs co-responsible). Verify the DIEESE methodology in the matching semi-annual bulletin before citing the dashboard figure as a publishable finding.

3.12 Housing — tenure (Phase D3)

Source: PNADC-A · PNADC Annual — Visit 1, variable S01017 (household tenure), aggregated by the project team with sample weights V1032 (calibrated weight).
⚠ Cadence difference: this is the only cut on the dashboard that comes from the PNADC Annual, not quarterly. Quarterly PNADC doesn't include housing variables (V0212 only exists in the annual release). Consequence: while the other cuts have 56 quarters of historical series, housing has one observation per year (latest: 2024A, released November 2025). Even so, it is the only official Brazilian source with national-coverage microdata on domestic workers' housing conditions.
Separate pipeline: etl/pnadc_annual_housing.py (dedicated script, distinct from pnadc_microdata.py which processes the quarterly). Downloads the PNADC-A Visit 1 file from IBGE's FTP, fixed-width parses it, and populates fact_housing with source_table = 'PNADC-A'.
Categories: S01017's 7 native codes (1–7) collapsed into 4 buckets, with "granted by employer" kept distinct for policy relevance:
- Owned — codes 1 (Owned, paid) + 2 (Owned, being paid).
- Rented — code 3.
- Granted by employer — code 4. Identifies live-in domestic workers, a historically less-protected sub-category (housing tied to the employment relationship). Kept separate to make this contingent visible.
- Granted / other — codes 5 (granted by relative) + 6 (other granted) + 7 (other tenure).
Cuts emitted by the pipeline: BR × sex='T' × race × bucket. Same races as D1 and D2.
Percentage calculation: pct_within_race = sum of weights in the bucket / total weight of the race.
Headline findings: % owned (homeownership rate) and % granted-by-employer (signals structural vulnerability — housing depends on the employment relationship).
Important limitation: S01017 codes the tenure of the entire household, repeated on each person record. For a domestic worker recorded as a live-in worker, S01017 reflects the employer's household tenure, not the worker's own — but that is exactly what we want to capture with the "granted by employer" bucket. For other domestic workers, S01017 represents the tenure of the home they live in (which is not necessarily where they work).
Chart on the dashboard: vertical grouped bars, 4 buckets on the X axis, two bars per bucket (Black vs. Non-Black), at the most recent available fixed quarter.

3.13 Breadwinner paradox — head × wage × race (Theme 1)

Sources: PNADC-MICRODATA · variables V2003 (household position) crossed with VD4019 (habitual monthly income from any work), weighted by V1028.
What the chart shows: mean monthly wage by (race × household position) among domestic workers. 4 position buckets (head, spouse, daughter/stepchild, other/aggregated) × 2 race series (Black = pretas + pardas, non-Black = branca + amarela + indígena). The headline cut is the head pair: the bars show that Black female heads earn less than non-Black female heads and that Black heads themselves carry more financial responsibility than non-Black heads (60% vs 55% — see §3.11).
Calculation: weight-averaged income among people with VD4019 > 0 within each cell (race × position). Those without income (non-employed or no income reported) are excluded from this specific calculation so as not to pull the average artificially down — but they still count in the denominator of pct_within_race and in the cell's n_unweighted. The dashboard reports wage_n_with_income separately, the sample size that actually fed the wage estimate.
Nominal values, not deflated: for simplicity the wage here is in nominal reais (current to the displayed quarter). For intertemporal reading (trajectory 2012→present in constant reais), keep using the "Mean real monthly income" chart in the main section — that uses PNADC Table 6391 deflated by IBGE. The two cuts answer different questions: this cross-tab is strictly for the within-quarter reading of the paradox; the main-section trend chart remains the reference for movement over time.
Why this matters: the position × race × income cross-tab has never been published by DIEESE. The Apr/2026 Infográfico reports 46% household heads in aggregate without race disaggregation, and reports the wage gap without crossing with household position. This panel is the first official Brazilian source to publish the full cross-tab — empirically visualizing what Lélia Gonzalez, Sueli Carneiro, Joaze Bernardino-Costa, Adriana Lopes, and Yannet Lara have described qualitatively: the Black woman as economic pillar of the household, in the most precarious occupation, receiving the sharpest racial wage penalty. The editorial choice to call this "the breadwinner paradox" and to give the section a differentiated visual treatment is part of the dashboard's contribution — it isn't just data.
Limitation carried forward (cont.): the same caveat from §3.11 applies regarding the absolute level of % heads. While the racial gap (~5 pp) is internally consistent, the aggregate level (~57%) differs from DIEESE's reported 46% — likely due to denominator differences (women only? age cutoff?). For publishable use: the gap between Black and non-Black women is the safe contribution; the absolute calibration needs confirmation against DIEESE's technical note.

3.14 Cohorts and mobility — where are the young workers? (Theme 2)

Source: PNADC-MICRODATA · variable V2009 (age at the reference date), aggregated by the project team into DIEESE-aligned age buckets.
Buckets: 4 age bands matching the Apr/2026 DIEESE Infográfico table directly:
- Up to 29 — DIEESE reports 12% (full category)
- 30 to 44 — DIEESE reports 32%
- 45 to 59 — DIEESE reports 43%
- 60 or older — DIEESE reports 13%
Cuts emitted by the pipeline: BR × sex='T' × race × age band. Races include the native ones (branca, preta, parda, amarela, indígena), the aggregates preta_parda and nao_negras, and total. Identical to D1/D2 buckets for cross-section consistency.
What the chart shows: % aged 29 or younger over 56 quarters (2012Q1 to 2026Q1+), by race. Two lines: Black (preta + parda) and non-Black (branca + amarela + indígena). The reading is the slope: both declining = category is aging; different slopes = racial pattern in generational dropout.
Why the question matters: an aging category is not merely a demographic finding — it's a problem for the union (generational replenishment), an evidence of occupational mobility (young Black women going to other sectors), and a fracture in the historical continuity that Saffioti and Bernardino-Costa described. If young women aren't entering, something in the "atualização da casa-grande/senzala" paradigm has shifted — or at least the entry point has moved. The chart here is the start of the conversation, not the end of it.
True cohorts vs. pseudo-cohorts: the chart is a time series of proportions by band, not a series of birth cohorts. True cohort analysis (tracking someone born in 1995 across the years) would require exploiting PNADC's panel structure (visits 1 to 5 of the same households) — out of scope for this iteration. The reading here is "pseudo-cohort": if the share of young workers falls systematically, it's because newer cohorts are entering less than earlier cohorts did at the same age.
Triangulation with DIEESE: the aggregate share of under-29s (race=total) at the latest fixed quarter should land near 12% (DIEESE Apr/2026 reports that for the category as a whole). If outside the 8–16% band, worth checking the domestic-worker definition (we filter on VD4009 ∈ {03,04}).

3.15 Casa-grande's afterlife — geography of live-in (Theme 3)

Source: PNADC-A · PNADC Annual — Visit 1, variable S01017 (same as §3.12), now disaggregated by state.
Pipeline: etl/pnadc_annual_housing.py extended (Theme 3) to emit, in addition to the BR-level rows, state × race × housing-bucket aggregates. Small-sample floor: states with fewer than 30 unweighted observations are omitted to avoid noisy estimates in small Northern states.
What the chart shows: a horizontal ranking of the 27 states (or fewer, after small-sample omissions) by pct_within_race of cedido_empregador within the race='total' cut. The top three states are highlighted in accent color; the rest stay in neutral gray. The reading is direct: where live-in tenure still weighs.
Why this visualization matters: the live-in contingent is small (~4–5% nationally per PNADC Annual 2024), but the geography is the content. DIEESE publishes the national aggregate without state-level disaggregation; the "casa-grande/senzala continuity" literature (Bernardino-Costa, Gonzalez, Carneiro, Saffioti) is qualitative and uses scattered examples. The dashboard offers the first systematic geographic distribution of this residue.
Sampling caveat: PNADC-A surveys about 200k households per year; filtering down to live-in domestic workers within specific states drops the unweighted N to a few dozen. That's why we use a floor of 30 obs; even so, states near the floor have wide confidence intervals. The ranking is robust in the top third; in the middle positions, order may shift between years by sampling fluctuation.
Cadence: annual. The ranking updates when a new PNADC-A is released (usually between August and November of the following year).

3.16 Geography of non-compliance — formalization × race × state (Theme 4)

Source: PNADC-MICRODATA · variable VD4009 (occupation position — codes 03 with card and 04 without card) crossed with V2010 (race) and UF, aggregated by the project team with sample weights V1028.
Pipeline: build_uf_race_rows in etl/pnadc_microdata.py extended (Theme 4) to emit state × race × formality (com_carteira / sem_carteira / total) cells, in addition to the previously-existing state × race × total cut. The function now produces ~378 rows per quarter, ~21k rows over the full backfill.
What the chart shows: scatter plot — one point per state — where the horizontal axis is % with card among non-Black and the vertical is % with card among Black. Per-cell calculation: workers_thousands(uf, race, com_carteira) / workers_thousands(uf, race, total). The dashed diagonal marks no racial gap; states below it have Black workers more informal than non-Black workers within the same state. Point size is proportional to √(n_unweighted total) — visually heavier for states with larger samples.
Small-sample floor: states with n_unweighted < 30 in the race='total' cut are omitted from the chart. Small Northern states (RR, AP, AC) may appear or disappear depending on the quarterly sample; the ranking of the 10 largest states is robust.
Why it matters: the aggregate national figure of 24% with card hides geographic and racial variation. Conadon (National Coordination for Labour Inspection of Domestic and Care Work, created at the Ministry of Labour in April 2026) needs to prioritize geographically. This panel is the first systematic visualization combining the two axes — state and race — of the LC 150 compliance gap. Acciari (on union enforcement efforts), Pinheiro et al. (IPEA, on implementation failures), and the MTE/SIT report on the 2026 campaign converge qualitatively on this diagnosis; the chart offers the empirical complement.
Limitation: the panel shows a snapshot of the latest fixed quarter. Temporal variation (did this geography shift over the 14 years?) would require a second panel — desirable but outside the scope of the current iteration.

3.17 Floor effect — minimum wage × wage ratio (Theme 5)

Sources: PNADC microdata (same origin as the racial wage-gap chart) for the ratio; official Brazilian nominal minimum-wage values for the floor axis. MW values: annual federal-government decrees (2012=R$ 622; 2026=R$ 1,518). Each annual value is applied to all 4 quarters of that year (ignores mid-year adjustments, rare in this period).
Ratio calculation: mean_wage_brl(preta_parda) / mean_wage_brl(nao_negras) per fixed quarter, sex='T', formality='total'. Same values used in §3.6 (racial wage gap) — here just re-presented alongside the minimum wage.
Nominal vs real: both axes use nominal values (not deflated). The ratio (left axis) is unit-independent, so nominal/real choice doesn't affect the reading. The minimum wage (right axis) is in current R$ at the date of effect. For real-wage intertemporal reading of absolute values, keep using the "Mean real monthly income" chart in the main section, based on PNADC Table 6391 deflated by IBGE.
Why this visualization matters: the literature on minimum-wage spillovers (Saboia, Manzano-Munguía, IPEA) argues that real-floor valorizations compress racial and gender inequalities at the base of the wage distribution — exactly where domestic workers concentrate. The chart doesn't prove this; it offers a visual test: if the two lines rise together from 2023 onward, the hypothesis gains plausibility; if the ratio moves independently of the floor, it loses it.
Important limitations:
- Not an econometric decomposition. A regression would isolate the floor effect from other shocks in the same period — post-pandemic recovery (2021–2023), the National Care Policy (2025–2026), Conadon (2026). The panel shows visual correlation, not causality.
- Nominal MW, not real. Real floor increases (net of inflation) are the theoretical mechanism; the nominal axis may underestimate (in high-inflation periods) or overestimate (in low-inflation periods) the effect. Deflated version possible in a future iteration.
- Composition of who earns the MW shifts. If the share of Black workers earning exactly 1 MW grows, that alone compresses the ratio without any individual wage rising. Decomposing the "mechanical effect" from the "behavioral effect" requires panel microdata.

3.18 Hourly wage gap — decomposing the monthly gap

Source: PNADC-MICRODATA — crossing VD4019 (habitual monthly income) with V4039 (habitual weekly hours in the main job), aggregated by the project team.
Hourly gap calculation: for each individual worker with VD4019 > 0 and 0 < V4039 ≤ 98, we compute hourly pay as wage / (hours × 4.33). The constant 4.33 is the standard weeks-to-months conversion (52 / 12). We then take the weighted mean (V1028 weights) within each race × formality cell. The hourly racial ratio is mean_hourly(preta_parda) / mean_hourly(nao_negras).
Data column: new mean_hourly_brl field on fact_wages, exposed in the dw_wages view. Populated from the PNADC-microdata backfill after this extension.
What the chart shows: two lines on the same Y axis (% of non-Black pay). The solid red line is the MONTHLY ratio (same as §3.6 and §3.17). The dashed blue line is the HOURLY ratio. The space between the two is the portion of the monthly gap that comes from hours composition (mensalista vs. diarista), not from price-per-hour.
Why this decomposition matters: the literature on racial inequality in informal markets (Saboia, Manzano-Munguía, IPEA) distinguishes two gap mechanisms:
- Price gap: same work, same hours, different wage. From direct discrimination or weak bargaining position.
- Composition gap: different contract types (mensalista vs. diarista), with different hour regimes, within the same category. From occupational segregation, not price.
If the hourly line sits close to the monthly line, the dominant mechanism is price — collective bargaining and enforcement attack the problem. If the hourly line sits substantially higher than the monthly one, the mechanism is composition — diarista formalization (an extended LC 150 or a new legal regime) is what changes the game.
Limitations:
- Ratio of means ≠ mean of ratios. We're comparing weighted means, not computing an individual ratio and averaging. The two can differ slightly.
- Habitual hours ≠ effective hours. V4039 captures habitual hours; in atypical periods (pandemic, job changes), effective hours can diverge. Stable in "normal" periods.
- The 4.33 conversion is approximate. Months vary from 4 to 5 weeks; we use the average. For more precise analysis, multiply by specific months.

3.19 Labor reform and the monthly contract (V4024 × VD4009, refined DiD hypothesis)

Sources: PNADC-MICRODATA — crossing of V4024 ("Do you work in domestic service in more than one household?", 1=yes→diarista, 2=no→mensalista) with VD4009 (occupational position, code 03=signed-card domestic worker, 04=no-card), aggregated by the project team. Materialized in fact_contract with unique key (time, geo, sex, race, contract, formality, source_table) and exposed via the dw_contract view.
What the two charts show:
- Left: % of domestic workers in formal monthly work (signed-card mensalista) by race, across 56 quarters (2012Q1–2026Q1).
- Right: % in informal monthly work (no-card mensalista) by race, over the same 56 quarters.
Both share the same Y-axis for direct magnitude comparison. Policy markers: EC 72/2013, LC 150/2015, Labor Reform (Law 13.467/2017), Brazil's C189 ratification (Jan 2018), pandemic (Mar 2020).
Hypothesis under test (refined version): Prof. Jean-François Mayer's DiD hypothesis, originally framed as "the Reform pushed Black workers into informalized day-rate work", does not visually hold up at the contract level — the V4024 cut shows that the mensalista→diarista shift proceeded at similar rates for both races, with a stable ~4pp gap across all 56 quarters. The racialized story lives in the internal composition of the monthly contract: formal monthly work fell faster among non-Black workers (-10pp between 2012 and 2026) than among Black workers (-5pp), while informal monthly work remained essentially fixed at ~48% for Black workers since 2012. The Reform's effect is one of convergence to the floor, not divergence: racial formalization rates equalize at ~20% in 2026, starting from 30% (non-Black) and 25% (Black) in 2012.
Identification limits:
- This is not DiD: the panel shows parallel trajectories, it does not estimate a causal effect. Causal inference requires a DiD regression with a restricted window (2015Q3–2019Q4 to avoid COVID contamination), an appropriate control group (other comparable informal categories), and a pre-trends test. That analysis lives in the methodological appendix of the chapter in preparation, not in this dashboard.
- V4024 is not a formal equivalent of "diarista": the variable captures provision in more than one household, which is the PNADC's operational definition, but it can mix mensalistas who pick up hours in a second residence. Treat as proxy, not exact measure.
- Pre-existing trend: the decline of formal monthly work among non-Black workers was already underway before 2017Q4 and continued afterward, with no clean break at the Reform quarter. The Reform plausibly accelerated a pre-existing trend rather than creating one — compatible with the DiD design under appropriate controls.
Connection to Theme 3: the persistence of informal monthly work among Black workers (~48% unchanged across 14 years) is the contract-level manifestation of the "casa-grande afterlife" documented in Theme 3 — resident and quasi-resident domestic labor, a colonial inheritance concentrated in the Northeast. Read together, the two panels make the structural argument concrete: the informality floor is not a Reform effect, it is a historical continuity that the Reform left intact.
Geographic sub-panel (UF × race): the "Where the card disappeared" bar chart complements the two BR-wide panels with a UF × race view. For this cut we use fact_workers ("% with signed card", aggregated by UF × race × period) as a proxy for formal monthly work, not fact_contract — because fact_contract is currently BR-only. The approximation introduces a small bias (~3–4pp) because "% with signed card" includes the formal-diarista bucket (~3–4% of the total). At the BR level we can cross-check the two: % with signed card (from fact_workers, ~23–24% in 2026Q1) ≈ % formal mensalista (from fact_contract, ~20–21%) + % formal diarista (from fact_contract, ~3–4%), confirming the proxy preserves the directional signal. UF extension of the contract pipeline (fact_contract with geo_level='uf') is queued as task #68 — triggered if Mayer's chapter needs the precise cut for the regression appendix.
Literature: the theoretical prediction of this pattern comes from Pinheiro et al. (IPEA), Hirata, Acciari, and Bernardino-Costa — racialized informalization as low-quality adjustment in regulated markets, with a colonial inheritance specific to Brazilian domestic work.

3.20 Hourly wage gap within contract (2026Q1 snapshot)

Source: PNADC-MICRODATA 2026Q1 — ad-hoc aggregation via etl/probe_wage_contract.py. The script reprocesses the raw microdata in chunks (memory-efficient), filters to the domestic-worker category (VD4009 ∈ {03, 04}), and computes V1028-weighted means of VD4019 (habitual monthly income) and the individual hourly wage (VD4019/(V4039×4.33)) in each race × contract × formality cell. Result materialized at dashboard/data/wage_contract_snapshot.json.
Why a snapshot, not a time series? This cut combines three dimensions (V4024 × VD4009 × V2010) with the wage variables (VD4019, V4039) — outside the scope of the current fact_wages table, which has only race × formality. Extending the pipeline to emit a full 56-quarter series is task #70, queued to be triggered if Mayer's chapter needs the historical series for the regression appendix. For now we show the latest available quarter as direct evidence of the mechanism.
Analytical question: the racial hourly wage gap — about 90.9% in aggregate (Black workers earn 90.9% per hour of what non-Black workers earn) — does it survive within each contract type, or dissolve once we control for contract? The answer separates price from composition:
- Composition hypothesis: the gap exists because Black workers concentrate in worse-paid contracts. Control for contract and the gap should vanish.
- Price (discrimination) hypothesis: the gap exists because, for the same work, Black workers are paid less. Control for contract and the gap should persist.
Result: the answer is mixed, with contract-specific racial geometry. Within monthly work (75% of the category), the hourly gap is 96.6% — nearly closed. Within day-rate work (25% of the category), the gap is 84.3% — a substantial racial discount. In other words, monthly contracts equalize hourly pay; day-rate contracts racialize it. Because the racial composition between monthly and day-rate workers is reasonably symmetric (~32% of Black workers are day-rate vs. ~36% of non-Black workers), the dominant mechanism is price discrimination inside the day-rate contract, not composition across contracts. For monthly (not hourly) pay, the conclusions are similar but moderated by working hours.
Implication for the Reform: the post-Reform expansion of day-rate work that we document in the panels above lifted workers' hourly pay (R$ 14.12/h day-rate vs R$ 10.68/h monthly for non-Black), but with a racial discount applied to Black workers (R$ 11.90/h day-rate vs R$ 10.32/h monthly). The day-rate premium is clean for non-Black workers and only partial for Black workers. This refines Mayer's hypothesis in a constructive direction: post-Reform racial discrimination is not in who becomes day-rate (rates are similar), but in how much each is paid per hour.
Limitations:
- Single snapshot: without a time series, we cannot test whether this within-day-rate gap widened or narrowed post-2017Q4. Editorial intuition is that it widened (as more workers entered the category), but verification requires task #70.
- Formal day-rate sample: 196 (Black) + 93 (non-Black). Robust for the contract aggregate but the formal sub-bucket alone is noisy — that is why the panel reports the contract aggregate, not the four cells individually.
- V4024 ≠ strict day-rate definition: captures "works in more than one household", PNADC's operational proxy. May mix monthly workers with extra hours at a second residence.
- Hourly wage ≠ effective wage: we use V4039 (habitual hours) × 4.33 weeks/month, the IBGE standard. Workers reporting zero hours or extreme hours (>98h/week) are excluded.

4. Methodological notes

4.1 Rolling quarter × fixed quarter

PNADC is published at two distinct frequencies: rolling quarter (3-month window updated monthly, e.g., December 2025–January–February 2026 → code 202602) and fixed quarter (calendar quarter, e.g., Q1 2026 → code 202601). The two series differ in temporal granularity: the rolling series gives 12 points per year, the fixed gives 4. The dashboard uses the rolling quarter for the historical trend and formalization series, and the fixed quarter for state-level and mensalistas/diaristas cuts. Period codes preserve the original 6-digit YYYYMM form to allow distinction.

4.2 Real vs. nominal

Income values used in the dashboard are in constant (real) reais, deflated by the INPC index, not in current (nominal) reais. This is the IBGE standard for historical series and lets us compare 2012 to 2026 without inflation distorting the read.

4.3 "Domestic worker" × "Domestic services"

IBGE uses two related but non-identical definitions:

"Domestic worker" (classification c11913) — an occupational position: hired as an individual person by one or more domestic employers.
"Domestic services" (classification c888) — an activity sector: the person works in activities classified as domestic services under CNAE.

Overlap is high but not total: the position category includes employees working in non-domestic activities inside a household, and the sector includes other positions (e.g., self-employed providing occasional services). Where we use the sector to infer figures about domestic workers (case of wages, chart 3.3), we make the substitution explicit.

4.4 ILOSTAT ISCO-08 91 × PNADC "Domestic worker"

For international comparison, we use the ILOSTAT occupational classification ISCO-08, sub-group 91 ("Cleaners and helpers"). This classification includes domestic workers but also office cleaners, hotel housekeeping auxiliaries, etc. The Brazilian total per ILOSTAT (~7.2 million in 2025) is therefore higher than the Brazilian total per PNADC for "Domestic worker" (~5.5 million in the same period). Country-to-country comparison within ILOSTAT is valid (all countries use the same classification); comparing ILOSTAT against PNADC is comparing different populations and should not be done.

4.5 Population baseline and overrepresentation index

The problem. Every panel that shows "% Black (pretas + pardas) among domestic workers" carries an interpretive risk if read without a population baseline. A state can have a low absolute percentage of Black domestic workers and still show high racial overrepresentation in the sector, if its general population has few Black residents. The Santa Catarina paradox illustrates: about 25% of SC's domestic workers are Black (low in absolute terms compared to Bahia, where the figure is 90%), but SC's general population is only ~23% Black — an overrepresentation ratio of ~1.1× — while Bahia's general population is 80% Black, with overrepresentation ~1.12×. Reading the map only by absolute share suggests "Bahia is more racialized" when in fact the two states are at similar overrepresentation levels, and states like Paraná (~35% in the sector / ~35% general pop. → ~1.9×) or São Paulo (~60% in the sector / ~43% general pop. → ~1.4×) are more racialized in relative terms.

The index. We define the racial overrepresentation index as: % Black among domestic workers ÷ % Black in the same state's general population. Reading: 1.00× = parity (identical proportions); > 1 = Black workers overrepresented in the sector (the rule in Brazil); < 1 = underrepresented (rare). The BR baseline is 67.5% (domestic workers) ÷ 59.1% (general population) ≈ 1.14× — at the national aggregate, Black workers are overrepresented in domestic work by ~14% relative to their share of the general population.

Baseline data source. The general-population racial composition by UF is computed by the etl/probe_general_pop_race.py script from the same PNADC microdata used in every other cut in the dashboard — just without the VD4009 filter (keeping all individuals, not just domestic workers). The output file is dashboard/data/general_pop_race.json. Re-run the script when a new PNADC quarter is ingested. The calculation uses V1028 sample weights; the current reference in the dashboard is 2026Q1 (latest available).

Where this appears in the dashboard. (a) The UF map has a third view button ("Overrepresentation"); the tooltip shows three values (% in sector, % in general population, ratio). (b) The "Black (pretas + pardas)" KPI tile displays the BR baseline (~59%) and overrepresentation (~1.14×) below the main value. (c) The race composition over time chart includes the population baseline in the chart description (brown 45.3%, white 43.5%, black 10.2%). (d) The other UF × race panels (geographic sub-panel of the Reform section, per-UF KPIs) carry the same logic via tooltip and methodological note.

Limitations. The population baseline is by race but not by race × sex. Since ~92% of domestic workers are women, the ideal would be to compare against the racial composition of the female population, not the total population. For BR-wide this correction is small (racial composition is roughly sex-independent); for some states (with imbalanced migration profiles) there may be a small difference. The dashboard reports the total population baseline and flags this limitation here.

5. Known limitations

Race × position × state cross-tabs are not in SIDRA aggregates. IBGE publishes aggregates that cross, separately: position × period (Table 6320), position × state (Table 6383), income × race × occupation (DIEESE Bulletin Table 5). It does not publish the triple cross. To get it we'd need to process PNADC microdata, which requires downloading fixed-width files from IBGE's FTP and computing sample weights — out of scope for this version.
DIEESE figures are semi-annual; PNADC is monthly. Race composition and the racial wage ratio are revised in April and November by DIEESE; between those dates we show the last published value, possibly up to six months stale. PNADC count and formalization series are updated monthly.
2022 Census still in progressive release. Fine municipal cuts (needed e.g. for an STDMSP-focused view of São Paulo city specifically) depend on 2022 Census microdata, whose release is ongoing through 2026. We will integrate when available.
2020 historical mark. The COVID-19 pandemic interrupted PNADC field work; some 2020-2021 quarters have reduced sample coverage. We treat the values as published by IBGE without adjustment; the visible drop in the trend chart is real (massive job loss) and partly an artifact of the data-collection methodology in that period.
PNADC master-sample transition (2025–2026). IBGE is gradually transitioning the PNADC master sample from a 2010-Census-based design to a 2022-Census-based one. The process completes in 2026 and better reflects the updated territorial reality. For the dashboard, this means that comparisons across quarters before and after the transition carry a small methodological component on top of real-world variation. In all time series shown here this effect is small relative to the substantive movements observed — but we mention the transition in the interest of transparency.

6. Update cadence and versioning

The dashboard is updated on three distinct cadences:

Monthly: the fetch_sidra.py ETL pulls the new PNADC rolling quarter when IBGE releases it (typically 6-8 weeks after the period ends). Trend, formalization, and wage charts get a new point.
Semi-annual: DIEESE figures in static_fact are revised after the April and November bulletin releases. Each revision gets an audit log entry.
Annual: the ILOSTAT international comparator is pulled by fetch_ilostat.py once per year, typically in May (after the ILO World Employment and Social Outlook).

Every update is recorded in QA_AUDIT.md in the repository, with what was checked, what changed, and the next check date. When a figure is corrected, the record keeps the old value struck through so any reader can trace history — see the 76% → 84% correction of the racial wage gap in May 2026.

7. How to cite

Suggested (APA 7):

Mayer, J.-F., Roque, J., & Sindicato das Trabalhadoras Domésticas do Município de São Paulo (STDMSP). (2026). Trabalho Doméstico no Brasil dashboard [Data dashboard]. Concordia University / RITHAL. https://stdmsp-trabalho-domestico.joaoroquer.workers.dev/

Suggested (ABNT):

MAYER, Jean-François; ROQUE, João; SINDICATO DAS TRABALHADORAS DOMÉSTICAS DO MUNICÍPIO DE SÃO PAULO (STDMSP). Painel Trabalho Doméstico no Brasil. Concordia University / RITHAL, 2026. Available at: <https://stdmsp-trabalho-domestico.joaoroquer.workers.dev/>. Accessed: [date].

To cite a specific figure, we recommend including the period (rolling or fixed quarter) and the chart's source, since the dashboard is a living document:

"5.49 million domestic workers in Brazil in the rolling quarter ending February 2026 (PNADC Table 6320, per the STDMSP dashboard, accessed XX/XX/2026)"

8. Errors, corrections, audit

All corrections made after initial publication are documented in the repository's audit log. Most relevant so far:

2026-04-28: DIEESE figures (% women, % Black) updated from approximate seeds (92.5% and 67.4%) to the exact values from the April 2025 DIEESE infographic (91.9% and 69.0%).
2026-05-04: racial wage gap corrected from 76% to 84% after direct cross-check with Table 5 of the DIEESE 2025 Special Bulletin; the initial 76% was an unverified seed.

If you spot an error, please open an issue in the GitHub repository or contact STDMSP directly (sindomesticastdmsp.com.br).