Extrai e analisa dados sobre Bolsa Família de 2004 a 2019

analises.R

library(tidyverse)
library(scales)
library(clipr)
library(ggthemes)

# total de famílias recipientes, por mes
benf_mes_pessoas <- total %>%
  drop_na() %>%
  filter(data > "2011-01-01") %>%
  group_by(data) %>%
  summarise(soma = sum(qtd_familias_beneficiarias_bolsa_familia)) %>%
  mutate(var_mes = ((soma/lag(soma) - 1) * 100)) %>%
  #summarise(soma = mean(soma)) %>%
  ggplot(aes(data,var_mes)) + geom_line() + 
  geom_smooth(method = "lm", se = FALSE) +
  scale_y_continuous(labels=function(x) format(x, big.mark = ",", scientific = FALSE)) 

# percentual de crescimento em numero de familias
pct_benf_mes_pessoas <- total %>%
  drop_na() %>%
  filter(ano > "2009" & mes != 12) %>%
  group_by(ano, mes) %>%
  summarise(soma = sum(qtd_familias_beneficiarias_bolsa_familia)) %>%
  summarise(soma = mean(soma)) %>%
  mutate(var_mes = ((soma/lag(soma) - 1) * 100)) %>%
  drop_na() %>%
  #summarise(soma = mean(soma)) %>%
  ggplot(aes(ano,var_mes)) + geom_line() + 
  geom_smooth(method = "lm", se = FALSE) +
  scale_y_continuous(labels=function(x) format(x, big.mark = ",", scientific = FALSE)) 

 total %>%
  drop_na() %>%
  #filter(data > "2009-01-01") %>%
  group_by(ano, mes) %>%
  summarise(soma = sum(qtd_familias_beneficiarias_bolsa_familia)) %>%
  summarise(soma = mean(soma)) %>%
  ggplot(aes(ano,soma)) + geom_line() + 
  geom_smooth(method = "loess", se = FALSE) +
  scale_y_continuous(labels=function(x) format(x, big.mark = ",", scientific = FALSE)) 

# valores médios, por ano
valores_medios <- total %>%
  drop_na() %>%
  #filter(data > "2009-01-01") %>%
  group_by(ano, mes) %>%
  # summarise(familias = sum(qtd_familias_beneficiarias_bolsa_familia)) %>%
  summarise(familias = mean(sum(qtd_familias_beneficiarias_bolsa_familia)), valores = sum(ajustado)) %>%
  mutate(valor_medio = valores/familias ) %>%
  group_by(ano) %>%
  summarise(valor_medio = mean(valor_medio)) %>%
  #summarise(soma = mean(soma)) %>%
  ggplot(aes(ano, valor_medio, label = round(valor_medio, 1))) + geom_line() + geom_label() +
  #geom_smooth(method = "loess", se = FALSE) +
  #scale_x_date(breaks = scales::pretty_breaks(n = 10)) + 
  scale_y_continuous(labels=function(x) format(x, big.mark = ",", scientific = FALSE)) + 
  labs( title = "Bolsa Família", 
        subtitle = "Valor médio mensal de benefícios do Bolsa Família, agrupado por ano", 
        caption = "Fonte: Ministério da Cidadania/MDS", 
        x = "",
        y = "valor em R$") 

# total R$ desembolsado por ano
desembolsos <- total %>%
  drop_na() %>%
  #filter(data > "2009-01-01") %>%
  filter(mes != 12) %>%
  group_by(ano) %>%
  summarise(soma = sum(ajustado)) %>%
  mutate(soma = soma/1000000000) %>%
  #summarise(soma = mean(soma)) %>%
  ggplot(aes(ano, soma, label = round(soma, 1))) + geom_line() + geom_label() +
  geom_smooth(method = "loess", se = FALSE) +
  #scale_x_date(breaks = scales::pretty_breaks(n = 10)) + 
  scale_y_continuous(labels=function(x) format(x, big.mark = ",", scientific = FALSE))  + 
  labs( title = "Desembolsos do Bolsa Família", 
        subtitle = "Total anual desembolsado no programa Bolsa Família - valores deflacinados pelo IPCA", 
        caption = "Fonte: Portal da Transparência", 
        x = "",
        y = "em bilhões de R$") 

bolsa_familia.md

Código por Sérgio Spagnuolo

Fonte de dados: API do Ministério da Cidadania, na rubricado do Ministério do Desenvolvimento Social - MDS, conforme descrito no Portal de Dados Abertos do governo federal.

Valores reajustados usando pacote R deflateBR

extract_data_bolsafamilia.R

library(tidyverse)
library(jsonlite)
library(lubridate)
library(deflateBR)
library(scales)
library(clipr)

# referencia de dados: http://www.dados.gov.br/dataset/bolsa-familia-misocial
url <- "http://aplicacoes.mds.gov.br/sagi/servicos/misocial?q=*&fq=anomes_s:"
url2 <- "*&fq=tipo_s:mes_mu&wt=csv&fl=ibge:codigo_ibge,anomes:anomes_s,qtd_familias_beneficiarias_bolsa_familia,valor_repassado_bolsa_familia&rows=10000000&sort=anomes_s%20asc,%20codigo_ibge%20asc"

anos <- c(2004:2020)

bf <- list()

for(p in seq_along(anos)){
  # monta a URL
  url0 <- paste0(url, p, url2)
  
  # puxa os dados
  dfa <- read.csv(url0, header = T)
  
  # preenche a lista
  bf[[p]] = dfa
}

# cria o data frame
total <- bind_rows(bf)

# organiza e limpa tabela e cria coluna com valores ajustados
total$ano <- as.numeric(str_sub(total$anomes, 1,4))
total$mes <- str_sub(total$anomes, 5,6)
total$data <- as.Date(paste0(total$ano, "-", total$mes, "-01"))
total$ajustado <- deflate(total$valor_repassado_bolsa_familia, total$data, "12/2019", "ipca")