9  Remuneração dos Admitidos – Novo CAGED

As tabelas a seguir são referentes a movimentação de admitidos, com remoção do registro Variavel da coluna unidadesaláriocódigo por conter dados nulos.

9.1 Unidades de Pagamento

A base do Novo CAGED contém dados da unidade salarial contratada do vínculo celetista. Por meio dessa variável, é possível obter registros segmentados por modalidade de pagamento (hora, dia e mês).

Ao consolidar as informações em um resumo estatístico tabular, nota-se que são poucas as contratações pagas por dia. Essa categoria não teve dados declarados em 2022 e, devido à pequena quantidade de informações preenchidas, as medidas de posição mostraram-se uniformes ao longo do registro longitudinal.

Os salários pagos por hora também apresentam poucas declarações. Outliers são vistos nos anos de 2024 e 2025, com o valor máximo apresentando números atípicos na casa dos milhares, gerando distorções no resultado da média. Esse valor se mantém nos dois anos, apontando erro de preenchimento - o dado possui característica de remuneração mensal lançado no campo de salário-hora.

Já na modalidade mensal - que concentra o maior número de contratações -, o número de declarações registrou crescimento em 2022 e 2023, mas nos anos subsequentes apresentou decremento no pagamento por essa categoria.

Em quase toda a distribuição salarial, há oscilações interanuais, isto é, variações que, em determinado ano, registram alta e, no seguinte, registram queda.

Mostrar código executado 
resumo_unidades_salariais <- Arqueo.CAGED.2022_2025 %>% 
  dplyr::filter(anocompetênciamov != "2021") %>% 
  dplyr::filter(saldomovimentação == "Admitido" & unidadesaláriocódigo != "Variavel") %>% 
  mutate(unidadesaláriocódigo = factor(unidadesaláriocódigo,
                                       levels = c("Hora", "Dia", "Mês"))) %>%
  group_by(anocompetênciamov, unidadesaláriocódigo) %>%
  summarise(
    Quantidade = n(),
    Mínimo     = min(valorsaláriofixo,    na.rm = TRUE),
    Mediana    = median(valorsaláriofixo, na.rm = TRUE),
    Média      = mean(valorsaláriofixo,   na.rm = TRUE),
    Máximo     = max(valorsaláriofixo,    na.rm = TRUE),
    .groups = "drop") %>%
  arrange(anocompetênciamov, unidadesaláriocódigo) %>%
  pivot_longer(
    cols      = c(Quantidade, Mínimo, Mediana, Média, Máximo),
    names_to  = "Estatística",
    values_to = "Valor") %>%
  mutate(Estatística = factor(Estatística,
                              levels = c("Quantidade", "Mínimo", "Mediana",
                                         "Média", "Máximo"))) %>%
  pivot_wider(
    names_from  = anocompetênciamov,
    values_from = Valor) %>%
  arrange(unidadesaláriocódigo, Estatística)

colunas_anos <- resumo_unidades_salariais %>%
  select(where(is.numeric)) %>%
  names()

linhas_qtd <- which(resumo_unidades_salariais$Estatística == "Quantidade")

linhas_monetario <- which(resumo_unidades_salariais$Estatística != "Quantidade")

tabela_unidades_salariais <- resumo_unidades_salariais %>%
  gt(rowname_col   = "Estatística",
     groupname_col = "unidadesaláriocódigo") %>%
  tab_header(
    title    = "Resumo Estatístico",
    subtitle = "Unidades Salariais de Pagamento dos Admitidos") %>%
  tab_spanner(
    label   = "Ano",
    columns = all_of(colunas_anos)) %>%
  
  fmt_number(
    columns  = all_of(colunas_anos),
    rows     = Estatística %in% c("Mínimo", "Mediana", "Média", "Máximo"),
    decimals = 2,
    sep_mark = ".",
    dec_mark = ",") %>%
  fmt_currency(
    columns  = all_of(colunas_anos),
    rows     = Estatística %in% c("Mínimo", "Mediana", "Média", "Máximo"),
    currency = "BRL",
    decimals = 2,
    sep_mark = ".",
    dec_mark = ",") %>%
  
  fmt_integer(
    columns  = all_of(colunas_anos),
    rows     = Estatística == "Quantidade",
    sep_mark = ".") %>%
  cols_align(align = "center", columns = all_of(colunas_anos)) %>%
  
  tab_style(
    style     = cell_text(weight = "bold"),
    locations = cells_row_groups()) %>%
  
  tab_style(
    style = list(
      cell_text(weight = "bold", color = "#2c5f8a"),
      cell_fill(color = "#eef4fb")),
    locations = cells_body(
      columns = all_of(colunas_anos),
      rows    = Estatística == "Quantidade")) %>%
  
  tab_style(
    style = cell_borders(
      sides  = "bottom",
      color  = "#aaaaaa",
      weight = px(1.5)),
    locations = cells_body(rows = Estatística == "Quantidade")) %>%
  sub_missing(
    columns      = all_of(colunas_anos),
    missing_text = "-")

tabela_unidades_salariais
Tabela 9.1: Medidas de posição das unidades salarias da movimentação de admitidos
Resumo Estatístico
Unidades Salariais de Pagamento dos Admitidos
Ano
2022 2023 2024 2025
Hora
Quantidade 8 9 10 5
Mínimo R$9,15 R$13,17 R$11,03 R$6,90
Mediana R$15,90 R$23,75 R$19,30 R$9,15
Média R$16,38 R$24,02 R$521,62 R$377,04
Máximo R$32,50 R$35,00 R$1.837,27 R$1.837,27
Dia
Quantidade - 5 4 3
Mínimo - R$43,40 R$47,06 R$50,60
Mediana - R$43,40 R$47,06 R$50,60
Média - R$43,40 R$47,21 R$50,60
Máximo - R$43,40 R$47,66 R$50,60
Mês
Quantidade 125 154 107 89
Mínimo R$1.200,00 R$1.200,00 R$1.360,95 R$1.518,00
Mediana R$3.700,00 R$3.135,00 R$3.500,00 R$3.338,00
Média R$3.638,10 R$3.417,38 R$3.882,54 R$3.625,86
Máximo R$22.000,00 R$14.000,00 R$30.000,00 R$13.151,00

9.2 Valores Salariais

A distribuição remuneratória dos arqueólogos admitidos apresenta assimetria acentuada, tornando a mediana o indicador mais confiável para representar o profissional típico. A média, distorcida por outliers extremos, superestima sistematicamente o salário real da maioria.

A presença de um valor máximo de R$ 404.199,41 declarado em 2024 e 2025 - um outlier que possui correspondência com um contrato horista de altíssimo valor destacado na Tabela 9.1 - infla a média de forma desporporcional, que chegou a R$ 12.964,12 em 2024, valor quase quatro vezes superior à mediana daquele ano.

A mediana apresentou oscilações interanuais e trajetória de queda no período (R$ 3.636,60 em 2022 para R$ 3.322,28 em 2025 - variação acumulada de -8,6%), enquanto o valor mínimo foi a única medida com crescimento consistente ao longo de todo o período.

Mostrar código executado 
resumo_remunera_caged <- Arqueo.CAGED.2022_2025 %>% 
     dplyr::filter(anocompetênciamov != "2021") %>%
     dplyr::filter(saldomovimentação == "Admitido" & unidadesaláriocódigo != "Variavel") %>% 
     group_by(anocompetênciamov) %>%
     summarise(
       Mínimo = min(salário, na.rm = TRUE),
       Mediana = median(salário, na.rm = TRUE),
       Média = mean(salário, na.rm = TRUE),
       Máximo = max(salário, na.rm = TRUE)) %>%
      mutate(across(where(is.numeric), ~ round(., 2)))

tabela_remunera_caged <- resumo_remunera_caged %>%
  pivot_longer(-anocompetênciamov, names_to = "Estatística", values_to = "Valor") %>%
  pivot_wider(names_from = anocompetênciamov, values_from = Valor)

tabela_remunera_caged2 <- tabela_remunera_caged %>%
  gt() %>%
  tab_header(
    title = "Resumo Estatístico",
    subtitle = "Valores Remuneratórios da Movimentação de Admitidos"
  ) %>%
  fmt_number(columns = where(is.numeric), decimals = 2, 
             sep_mark = ".", dec_mark = ",", pattern = "R$ {x}") %>%
  cols_label(
    Estatística = ""
  ) %>%
  tab_spanner(
    label = "Ano",
    columns = where(is.numeric))

tabela_remunera_caged2
Tabela 9.2: Medidas de posição do salário dos admitidos
Resumo Estatístico
Valores Remuneratórios da Movimentação de Admitidos
Ano
2022 2023 2024 2025
Mínimo R$ 1.200,00 R$ 1.200,00 R$ 1.360,95 R$ 1.518,00
Mediana R$ 3.636,60 R$ 3.135,00 R$ 3.660,18 R$ 3.322,28
Média R$ 3.636,02 R$ 3.429,44 R$ 12.964,12 R$ 7.649,46
Máximo R$ 22.000,00 R$ 14.000,00 R$ 404.199,41 R$ 404.199,41

9.3 Valores Salariais por Sexo

Acerca da distribuição salarial por gênero, merece destaque o valor máximo de R$ 404.199,41, repetido de forma idêntica em três registros distintos (Feminino/2024, Masculino/2024 e Masculino/2025). Trata-se de um erro de declaração com mecanismo identificável - ver Tabela 7.1. Os três registros compartilham as mesmas características: unidade salarial registrada como hora, jornada de 44 horas semanais e salário-hora declarado de R$ 1.837,27.

No sistema do Novo CAGED, o campo salário é calculado automaticamente a partir da unidade informada pelo empregador. O erro, portanto, ocorreu a montante: um valor de natureza mensal foi inserido equivocadamente no campo destinado ao salário-hora. Quando o sistema converteu esse valor para a equivalência mensal, o resultado foi inflado para a cifra anômala observada. Diante dessa situação, a análise das médias de 2024 e 2025 estão comprometidas, impossibilitando formular uma conclusão desse indicador.

Afastando o viés do outlier, a mediana revela o padrão real. Em 2022, a mediana feminina de R$ 4.000 superava a masculina de R$ 3.509,75 em +13,9% - uma diferença expressiva. Em 2023, essa vantagem se reduziu para +4,5% (R$ 3.135 contra R$ 3.000), e em 2024 houve uma inversão, com os homens ficando −6,4% acima (R$ 3.740 contra R$ 3.500). Já em 2025, a paridade quase se restabelece, com as mulheres ligeiramente à frente por margem mínima de +0,5% (R$ 3.338 contra R$ 3.322,27). No conjunto, a mediana feminina prevalece na maior parte do período, sugerindo que as arqueólogas admitidas tendem a acessar postos com remuneração um pouco mais elevado.

O fenômeno mais marcante, contudo, está no quartil inferior (Q1). Em 2022, as mulheres nesse estrato recebiam R$ 2.948,70 contra R$ 1.625,00 dos homens - uma diferença de +81,5%. Três anos depois, essa vantagem desabou para +0,65% (diferença de R$ 13), com ambos os sexos praticamente empatados em torno de R$ 2.000. A queda mais abrupta ocorreu entre 2023 e 2024, quando o Q1 feminino despencou de R$ 2.878,48 para R$ 1.958,50, uma redução de −31,7% em um único ano. Esse movimento sugere que as mulheres admitidas nas faixas mais baixas passaram a ser alocadas em postos com remuneração significativamente menor, enquanto os homens nesse mesmo estrato tiveram ganhos relativos expressivos.

No terço superior (Q3), a disputa é mais equilibrada e oscilante. As mulheres partiram de uma vantagem de +15% em 2022 (R$ 4.680 contra R$ 4.070), mas perderam a liderança em 2023 (−4,3%), retomaram marginalmente em 2024 (+1,6%) e voltaram a ceder em 2025 (−5,6%). Essa alternância indica que, nos postos mais bem remunerados entre os admitidos, não há um padrão estável de domínio de um sexo - a composição das vagas abertas a cada ano parece ser o fator decisivo.

Mostrar código executado 
resumo_salario_sexo_caged <- Arqueo.CAGED.2022_2025 %>%
  dplyr::filter(anocompetênciamov != "2021") %>%
  dplyr::filter(saldomovimentação == "Admitido" & unidadesaláriocódigo != "Variavel") %>% 
  mutate(sexo = recode(sexo,
                       "Mulher" = "Feminino",
                       "Homem" = "Masculino")) %>% 
  group_by(anocompetênciamov, sexo) %>%
  summarise(
    Mínimo = min(salário, na.rm = TRUE),
    Q1 = quantile(salário, 0.25, na.rm = TRUE),
    Mediana = median(salário, na.rm = TRUE),
    Média = mean(salário, na.rm = TRUE),
    Q3 = quantile(salário, 0.75, na.rm = TRUE),
    Máximo = max(salário, na.rm = TRUE),
    .groups = "drop"
  ) %>%
  mutate(across(where(is.numeric), ~ round(., 2))) %>%
  pivot_longer(
    cols = c(Mínimo, Q1, Mediana, Média, Q3, Máximo),
    names_to = "Estatística",
    values_to = "Valor") %>%
  pivot_wider(
    names_from = anocompetênciamov,
    values_from = Valor)


tabela_sexos_salario_caged <- resumo_salario_sexo_caged %>%
  gt(
    rowname_col = "sexo",
    groupname_col = "Estatística") %>%
  tab_header(
    title = "Resumo Estatístico",
    subtitle = "Valores Remuneratórios dos Admitidos por Sexo") %>%
  fmt_number(
    columns = where(is.numeric),
    decimals = 2,
    sep_mark = ".",
    dec_mark = ",",
    pattern = "R$ {x}"
  ) %>%
  tab_spanner(
    label = "Ano",
    columns = where(is.numeric)) %>%
  cols_align(
    align = "center",
    columns = where(is.numeric)) %>%
  tab_style(
    style = cell_text(weight = "bold"),
    locations = cells_row_groups())

tabela_sexos_salario_caged
Tabela 9.3: Medidas de posição do salário dos admitidos por sexo
Resumo Estatístico
Valores Remuneratórios dos Admitidos por Sexo
Ano
2022 2023 2024 2025
Mínimo
Feminino R$ 1.212,00 R$ 1.302,00 R$ 1.409,94 R$ 1.518,00
Masculino R$ 1.200,00 R$ 1.200,00 R$ 1.360,95 R$ 1.518,00
Q1
Feminino R$ 2.948,70 R$ 2.878,48 R$ 1.958,50 R$ 2.013,00
Masculino R$ 1.625,00 R$ 1.969,99 R$ 1.700,00 R$ 2.000,00
Mediana
Feminino R$ 4.000,00 R$ 3.135,00 R$ 3.500,00 R$ 3.338,00
Masculino R$ 3.509,75 R$ 3.000,00 R$ 3.740,00 R$ 3.322,27
Média
Feminino R$ 3.933,96 R$ 3.615,07 R$ 15.480,08 R$ 3.599,20
Masculino R$ 3.473,20 R$ 3.290,22 R$ 10.489,41 R$ 11.154,49
Q3
Feminino R$ 4.680,00 R$ 4.000,00 R$ 4.640,50 R$ 4.300,00
Masculino R$ 4.070,00 R$ 4.180,00 R$ 4.568,67 R$ 4.554,00
Máximo
Feminino R$ 7.800,00 R$ 14.000,00 R$ 404.199,41 R$ 13.151,00
Masculino R$ 22.000,00 R$ 7.860,01 R$ 404.199,41 R$ 404.199,41