[ { "key": "6UHXJR6V", "version": 14, "library": { "type": "group", "id": 293768, "name": "atlas_educacion", "links": { "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion", "type": "text/html" } } }, "links": { "self": { "href": "https://api.zotero.org/groups/293768/items/6UHXJR6V", "type": "application/json" }, "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion/items/6UHXJR6V", "type": "text/html" }, "up": { "href": "https://api.zotero.org/groups/293768/items/UDIJXAXR", "type": "application/json" } }, "meta": { "createdByUser": { "id": 723006, "username": "javierjacome", "name": "Javier Jácome", "links": { "alternate": { "href": "https://www.zotero.org/javierjacome", "type": "text/html" } } }, "numChildren": 0 }, "data": { "key": "6UHXJR6V", "version": 14, "parentItem": "UDIJXAXR", "itemType": "note", "note": "

Ideas

\n

La idea es hacer una evaluación de registros de acuerdo al esquema planteado por los autores.  También identificar el papel de la investigación en geoestadística en un esquema basado en registros. Finalmente hacer incapié en la peculiaridad de la investigación geoestadística coom

\n

Ideas basadas en el libro mes 1

\n

J. Creo que se debería seguir un esquema como: Políticas, sistemas de información y luego análisis de datos para contribuir a políticas.

\n

J. Puede hacerse una clasificación de los datos tomando en cuenta dos dimensiones adicionales: referencia espacial de los datos, usuarios de los mismos y usos para investigación y desarrollo.

\n

J. Es clave trabajar con inmuebles desde la DIG porque brindan la referencia espacial de personas, organizaciones, empresas y establecimientos.

\n

J. Como son centrales los registros de inmuebles y se ha avanzado en la identificación de inmuebles, entonces es de gran importancia.

\n

J. La identificación de inmuebles podría cruzar datos de establecimientos del Ministerio de Educación con datos del registro de empresas. En términos de requerimientos también podría hacerse el proceso al revés: realizar modelos espaciales con base en estos datos para posteriormente

\n

J. Valdría la pena ir más allá del libro de Wallgren, la pregunta sería: para qué se usa una estadística basada en registros con esta calidad y la respuesta estará en función del tipo de sociedad y estado que existen en Suecia, un estado en función del cuidado de la gente: las estadísticas basadas en registros servirían para aplicar políticas públicas territoriales: clusters de competitividad; áreas de servicio para atención a embarazadas; etc.

\n

J. Wallgren bths proponen un sistema organizado por registros de acuerdo a una clasificación, luego proponen una clasificación en función de registros:

\n

J. Para lograr la interrelación de registros habría que definir: cuales se pueden unir por llaves; cuales se pueden unir por agregación en determinada unidada geográfica: qué procedimientos de calidad requieren estos registros.

\n

 

", "tags": [], "relations": {}, "dateAdded": "2014-10-03T21:28:34Z", "dateModified": "2019-12-23T01:05:19Z" } }, { "key": "JBGNFUH8", "version": 12, "library": { "type": "group", "id": 293768, "name": "atlas_educacion", "links": { "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion", "type": "text/html" } } }, "links": { "self": { "href": "https://api.zotero.org/groups/293768/items/JBGNFUH8", "type": "application/json" }, "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion/items/JBGNFUH8", "type": "text/html" } }, "meta": { "createdByUser": { "id": 723006, "username": "javierjacome", "name": "Javier Jácome", "links": { "alternate": { "href": "https://www.zotero.org/javierjacome", "type": "text/html" } } }, "numChildren": 1 }, "data": { "key": "JBGNFUH8", "version": 12, "itemType": "webpage", "title": "Galería | Story Maps", "creators": [], "abstractNote": "", "websiteTitle": "", "websiteType": "", "date": "", "publisher": "", "place": "", "DOI": "", "citationKey": "", "url": "http://storymaps.arcgis.com/es/gallery/#s=0", "accessDate": "2015-08-04T15:27:02Z", "shortTitle": "", "language": "", "rights": "", "extra": "00063", "tags": [], "collections": [], "relations": {}, "dateAdded": "2015-08-04T15:27:02Z", "dateModified": "2015-08-04T23:41:31Z" } }, { "key": "6DMNSXP6", "version": 11, "library": { "type": "group", "id": 293768, "name": "atlas_educacion", "links": { "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion", "type": "text/html" } } }, "links": { "self": { "href": "https://api.zotero.org/groups/293768/items/6DMNSXP6", "type": "application/json" }, "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion/items/6DMNSXP6", "type": "text/html" }, "up": { "href": "https://api.zotero.org/groups/293768/items/JBGNFUH8", "type": "application/json" } }, "meta": { "createdByUser": { "id": 723006, "username": "javierjacome", "name": "Javier Jácome", "links": { "alternate": { "href": "https://www.zotero.org/javierjacome", "type": "text/html" } } } }, "data": { "key": "6DMNSXP6", "version": 11, "parentItem": "JBGNFUH8", "itemType": "attachment", "linkMode": "imported_url", "title": "Galería | Story Maps", "accessDate": "2015-08-04T15:27:03Z", "url": "http://storymaps.arcgis.com/es/gallery/#s=0", "note": "", "contentType": "text/html", "charset": "utf-8", "filename": "gallery.html", "md5": "b1cdf0110c1b1ef3d6fafed2c1d6ec7b", "mtime": 1438702022932, "tags": [], "relations": {}, "dateAdded": "2015-08-04T15:27:03Z", "dateModified": "2015-08-04T15:27:03Z" } }, { "key": "AU74AH37", "version": 9, "library": { "type": "group", "id": 293768, "name": "atlas_educacion", "links": { "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion", "type": "text/html" } } }, "links": { "self": { "href": "https://api.zotero.org/groups/293768/items/AU74AH37", "type": "application/json" }, "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion/items/AU74AH37", "type": "text/html" } }, "meta": { "createdByUser": { "id": 723006, "username": "javierjacome", "name": "Javier Jácome", "links": { "alternate": { "href": "https://www.zotero.org/javierjacome", "type": "text/html" } } }, "creatorSummary": "United Nations Economic Commision for Europe", "parsedDate": "2013", "numChildren": 0 }, "data": { "key": "AU74AH37", "version": 9, "itemType": "document", "title": "What does \"Big Data\" mean for oficial statistics", "creators": [ { "creatorType": "author", "name": "United Nations Economic Commision for Europe" } ], "abstractNote": "", "type": "", "date": "2013", "publisher": "", "place": "", "DOI": "", "citationKey": "", "url": "http://www1.unece.org/stat/platform/pages/viewpage.action?pageId=77170614", "accessDate": "", "archive": "", "archiveLocation": "", "shortTitle": "", "language": "", "libraryCatalog": "", "callNumber": "", "rights": "", "extra": "", "tags": [], "collections": [], "relations": {}, "dateAdded": "2014-12-31T05:38:25Z", "dateModified": "2014-12-31T05:40:45Z" } }, { "key": "VNQIFE9F", "version": 4, "library": { "type": "group", "id": 293768, "name": "atlas_educacion", "links": { "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion", "type": "text/html" } } }, "links": { "self": { "href": "https://api.zotero.org/groups/293768/items/VNQIFE9F", "type": "application/json" }, "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion/items/VNQIFE9F", "type": "text/html" } }, "meta": { "createdByUser": { "id": 723006, "username": "javierjacome", "name": "Javier Jácome", "links": { "alternate": { "href": "https://www.zotero.org/javierjacome", "type": "text/html" } } }, "creatorSummary": "Farmer and Pozdnoukhov", "parsedDate": "2012", "numChildren": 0 }, "data": { "key": "VNQIFE9F", "version": 4, "itemType": "conferencePaper", "title": "Building streaming GIScience from context, theory, and intelligence", "creators": [ { "creatorType": "author", "firstName": "Carson JQ", "lastName": "Farmer" }, { "creatorType": "author", "firstName": "Alexei", "lastName": "Pozdnoukhov" } ], "abstractNote": "", "proceedingsTitle": "Proceedings of the Workshop on GIScience in the Big Data Age. Columbus, Ohio", "conferenceName": "", "publisher": "", "place": "", "date": "2012", "eventPlace": "", "volume": "", "issue": "", "numberOfVolumes": "", "pages": "", "series": "", "seriesNumber": "", "DOI": "", "ISBN": "", "citationKey": "", "url": "http://ncg.nuim.ie/ncg/GWR/content/staff/staff/downloads/apozdnoukhov/GIScience2012.pdf", "accessDate": "2014-12-31T05:37:14Z", "ISSN": "", "archive": "", "archiveLocation": "", "shortTitle": "", "language": "", "libraryCatalog": "Google Scholar", "callNumber": "", "rights": "", "extra": "", "tags": [], "collections": [], "relations": {}, "dateAdded": "2014-12-31T05:37:48Z", "dateModified": "2014-12-31T05:37:48Z" } }, { "key": "G7IS7J3T", "version": 3, "library": { "type": "group", "id": 293768, "name": "atlas_educacion", "links": { "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion", "type": "text/html" } } }, "links": { "self": { "href": "https://api.zotero.org/groups/293768/items/G7IS7J3T", "type": "application/json" }, "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion/items/G7IS7J3T", "type": "text/html" } }, "meta": { "createdByUser": { "id": 723006, "username": "javierjacome", "name": "Javier Jácome", "links": { "alternate": { "href": "https://www.zotero.org/javierjacome", "type": "text/html" } } }, "creatorSummary": "Hurwitz et al.", "parsedDate": "2013-04-15", "numChildren": 1 }, "data": { "key": "G7IS7J3T", "version": 3, "itemType": "book", "title": "Big Data For Dummies", "creators": [ { "creatorType": "author", "firstName": "", "lastName": "Hurwitz" }, { "creatorType": "author", "firstName": "Alan", "lastName": "Nugent" }, { "creatorType": "author", "firstName": "Fern", "lastName": "Halper" }, { "creatorType": "author", "firstName": "Marcia", "lastName": "Kaufman" } ], "abstractNote": "Find the right big data solution for your business or organizationBig data management is one of the major challenges facing business, industry, and not-for-profit organizations. Data sets such as customer transactions for a mega-retailer, weather patterns monitored by meteorologists, or social network activity can quickly outpace the capacity of traditional data management tools. If you need to develop or manage big data solutions, you'll appreciate how these four experts define, explain, and guide you through this new and often confusing concept. You'll learn what it is, why it matters, and how to choose and implement solutions that work.Effectively managing big data is an issue of growing importance to businesses, not-for-profit organizations, government, and IT professionalsAuthors are experts in information management, big data, and a variety of solutionsExplains big data in detail and discusses how to select and implement a solution, security concerns to consider, data storage and presentation issues, analytics, and much moreProvides essential information in a no-nonsense, easy-to-understand style that is empoweringBig Data For Dummies cuts through the confusion and helps you take charge of big data solutions for your organization.", "series": "", "seriesNumber": "", "volume": "", "numberOfVolumes": "", "edition": "1 edition", "date": "April 15, 2013", "publisher": "For Dummies", "place": "Hoboken, N.J", "originalDate": "", "originalPublisher": "", "originalPlace": "", "format": "", "numPages": "336", "ISBN": "9781118504222", "DOI": "", "citationKey": "", "url": "", "accessDate": "", "ISSN": "", "archive": "", "archiveLocation": "", "shortTitle": "", "language": "English", "libraryCatalog": "Amazon.com", "callNumber": "", "rights": "", "extra": "", "tags": [], "collections": [], "relations": {}, "dateAdded": "2014-12-31T05:31:17Z", "dateModified": "2014-12-31T05:31:17Z" } }, { "key": "I8BZJG38", "version": 3, "library": { "type": "group", "id": 293768, "name": "atlas_educacion", "links": { "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion", "type": "text/html" } } }, "links": { "self": { "href": "https://api.zotero.org/groups/293768/items/I8BZJG38", "type": "application/json" }, "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion/items/I8BZJG38", "type": "text/html" }, "up": { "href": "https://api.zotero.org/groups/293768/items/G7IS7J3T", "type": "application/json" } }, "meta": { "createdByUser": { "id": 723006, "username": "javierjacome", "name": "Javier Jácome", "links": { "alternate": { "href": "https://www.zotero.org/javierjacome", "type": "text/html" } } } }, "data": { "key": "I8BZJG38", "version": 3, "parentItem": "G7IS7J3T", "itemType": "attachment", "linkMode": "linked_url", "title": "Amazon.com Link", "accessDate": "2014-12-31T05:31:17Z", "url": "http://www.amazon.com/Big-Data-Dummies-Hurwitz/dp/1118504224/ref=sr_1_1?ie=UTF8&qid=1420003826&sr=8-1&keywords=big+data+for+dummies", "note": "", "contentType": "text/html", "charset": "", "tags": [], "relations": {}, "dateAdded": "2014-12-31T05:31:17Z", "dateModified": "2014-12-31T05:31:17Z" } }, { "key": "3ZWHWZX3", "version": 3, "library": { "type": "group", "id": 293768, "name": "atlas_educacion", "links": { "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion", "type": "text/html" } } }, "links": { "self": { "href": "https://api.zotero.org/groups/293768/items/3ZWHWZX3", "type": "application/json" }, "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion/items/3ZWHWZX3", "type": "text/html" }, "up": { "href": "https://api.zotero.org/groups/293768/items/4UZ7CD5Q", "type": "application/json" } }, "meta": { "createdByUser": { "id": 723006, "username": "javierjacome", "name": "Javier Jácome", "links": { "alternate": { "href": "https://www.zotero.org/javierjacome", "type": "text/html" } } } }, "data": { "key": "3ZWHWZX3", "version": 3, "parentItem": "4UZ7CD5Q", "itemType": "attachment", "linkMode": "linked_url", "title": "Amazon.com Link", "accessDate": "2014-12-31T05:31:16Z", "url": "http://www.amazon.com/Big-Data-Dummies-Hurwitz/dp/1118504224/ref=sr_1_1?ie=UTF8&qid=1420003826&sr=8-1&keywords=big+data+for+dummies", "note": "", "contentType": "text/html", "charset": "", "tags": [], "relations": {}, "dateAdded": "2014-12-31T05:31:16Z", "dateModified": "2014-12-31T05:31:16Z" } }, { "key": "UX8UQ8HN", "version": 2, "library": { "type": "group", "id": 293768, "name": "atlas_educacion", "links": { "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion", "type": "text/html" } } }, "links": { "self": { "href": "https://api.zotero.org/groups/293768/items/UX8UQ8HN", "type": "application/json" }, "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion/items/UX8UQ8HN", "type": "text/html" }, "up": { "href": "https://api.zotero.org/groups/293768/items/UDIJXAXR", "type": "application/json" } }, "meta": { "createdByUser": { "id": 723006, "username": "javierjacome", "name": "Javier Jácome", "links": { "alternate": { "href": "https://www.zotero.org/javierjacome", "type": "text/html" } } }, "numChildren": 0 }, "data": { "key": "UX8UQ8HN", "version": 2, "parentItem": "UDIJXAXR", "itemType": "note", "note": "
Resúmen
\n
\"En lo sucesivo llamaremos 'estadísticas basadas en registros' a aquellas que se generan a partir de registros administrativos. p.2.  No hay términos o principios bien establecidos... por consiguiente se usan métodos adaptados a cada caso en lugar de una teoría generalmente aceptada.
\n
Cuatro principios para el aprovechamiento adecuado de los registros administrativos:
\n
    \n
  1. Una oficina de estadística debe tener acceso a los registros administrativos que mantengan las autoridades. Este derecho, al igual que el de la protección de la privacidad debe estar firmememente regulado por la ley.
    2. \n
  2. Dichos registros administrativos se deben transformar en registros estadísticos.
    3. \n
  3. Todos los sistemas de registros se deben incluir en un sistema de registros coordinado.
    4. \n
  4. La consistencia en las poblaciones y las variables es necesaria para que las estimaciones de diferentes encuestas basadas en registros sean coherentes. p.2.
    5. \n
\n

Fases de una encuesta:

\n
    \n
  1. Determinación de objetivos de investigación y planeación de la encuesta.
    2. \n
  2. Captación y procesamiento de los datos.
    3. \n
  3. Estimación, análisis de datos y presentación de resultados.
    4. \n
\n

La fase 2 puede realizarse

\n\n

Los microdatos se refieren a datos sobre objetos individuales.

\n

¿Qué es un registro?
Se mantiene un registro administrativo para almacenar el registro sobre todos los objetos por administrar. El proceso administrativo debe permitir la identificación de todos los objetos.

\n

\"Un registro tiene la finalidad de ser una lista completa de los objetos que forman parte de un grupo de objetos o de una población específicos. Sin embargo, pueden faltar datos sobre algunos registros a causa de deficiencias en la calidad.  Los datos sobre la identidad de un objeto también deben estar disponibles, de modo que el registro se pueda actualizar y ampliar con nuevos valores de variable para cada objeto.  Por ende, las características más importantes de un registro son el listado completo y las identidades conocidas\" p.4.

\n

\"Las identidades utilizadas en el procesamiento de registros pueden ser números de identificación únicos dentro de un sistema administrativo nacional o un número de identificación en un subsistema con claves para las identidades en otros sistemas.  También es posible usar identidades definidas por el nombre, el domicilio, la fecha o el lugar de nacimiento, por ejemplo. Estas identidades se usarán en un emparejamiento exacto de los objetos en diferentes registros, con objeto de hallar objetos idénticos o relacionados en dos registros. p.4

\n

El término: registro estadístico se aplica a los registros que forman parte de un sistema de registros estadísticos de una oficina de estadística u otra organización. Estos registros pueden estar basados en un censo realizado por una dependencia o en registros administrativos de autoridades u organizaciones ajenas a la oficina de estadística.

\n

¿Qué ocurre cuando los datos se entregan a una oficina estadística como la oficina estadística de Suecia?

\n

\"En términos generales, no es conveniente generar estadísticas a partir de los registros administrativos recibidos originalmente porque éstos no se adaptan a los requisitos estadísticos.  Es necesario validar los conjuntos de objetos, las definiciones de objetos y las variables, y muchas veces incluso llevar a cabo algún tipo de procesamiento a fin de que el registro satisfaga los requisitos estadísticos para objetos y variables.  El procesamiento estadístico de los registoros, que tiene como finalidad transformar uno o varios registros administrativos en un solo registro estadístico, debe basarse en una metodología estadística para el aprovechamiento de registros generalmente aceptada\"

\n

Ejemplo: Registro de ingresos y tributación: 1. La oficina tributaria genera los registros; 2. Se entrega a la oficina estadística, son 9 millones de registros con 300 variables c/u; 3.  Se entregan con metadatos; 4.  Se validan los datos; 5. emparejamiento y selecciones: las entradas de diferentes fuentes se emparejan usando números de identificación personal (Nip) y al mismo tiempo se agregan datos pertenecientes a un mismo individuo, por ejemplo para saber el total de ingresos por trabajo; 6. Creación de objetos derivados: por ejemplo hogares; 7. Creación de variables derivadas:  por ejemplo ingresos de trabajo o: ingreso total de cada persona por trabajo y capital más pagos de transferencias menos impuestos es el ingreso disponible.

\n

J. Habría que darle un código Dane de manzana a cada fuente que debe registrar datos estadísticos, por ejemplo a las empresas, para evitar la geocodificación.

\n

Ejemplo Registro longitudinal: escolaridad y mercado de trabajo -1.4.2. p. 8:
La incorporación de jóvenes al mercado de trabajo tras finalizar los estudios es de gran interés.  Las encuestas deben llevarse a cabo como encuestas longitudinales.

\n

Todos los años, cada persona se clasifica como trabajador en un empleo remunerado, estudiante de nivel superior o no perteneciente a ninguna de estas dos categorías.  Para los trabajadores en empleos remunerados, se registra tanto el ingreso anual por trabajo como el sector de actividad. También hay una clasificación por carrera o programa de estudios, sexo y región.

\n

Se realizó:

\n\n

Los registros no son exclusivos del sector público, también pueden darse en el sector privado

\n\n

Aviso de búsqueda de empleo:

\n

Analista de mercados: como analista del departamento de mercadotecnia, será un importante elemento para el crecimiento continuo de nuestra empresa.  Se ocupará de gestionar y mejorar el uso de uno de los activos más valiosos de la empresa: nuestro registro de clientes.

\n

Trabajará en análisis de campañas, redacción de informes, segmentación y aseguramiento de la calidad del registro. Mantendrá contacto con sistemas de registros externos y colaborará estrechamente con el gerente de mercadotecnia. p. 11.

\n

Sistemas administrativos vs. sistemas estadísticos

\n\n

Principio general: combinar muchas fuentes cuando se crea un registro estadístico.

\n\n

Críticas: errores de relevanacia, problemas de comparabilidad y calidad estadística no está bajo control.  Las encuestas por muestreo también tienen problemas (errores de marco, errores de medición, errores de no respuesta). La respuesta es que deben utilzarse las dos formas de recoger estadísticas.

\n

J. Creo que se debería seguir un esquema como: Políticas, sistemas de información y luego análisis de datos para contribuir a políticas.

\n

Costos:

\n\n

CAPÍTULO 2. CÓMO ESTRUCTURAR UN SISTEMA DE REGISTROS

\n

Un productor de estadísticas necesita de un modelo para describir los registros que existen en la organización y los vínculos entre ellos

\n

Primer paso: elaborar un inventario de todos los registros y productos de registros que había en la Oficina de Estadística de Suecia, luego se comenzó a trabajar con el modelo conceptual clasificando los registros del inventario por tipo de objeto.

\n

Un registro específico puede usarse en diferentes encuestas basadas en registros.

\n

J. Puede hacerse una clasificación de los datos tomando en cuenta dos dimensiones adicionales: referencia espacial de los datos, usuarios de los mismos y usos para investigación y desarrollo.

\n

Son relaciones:

\n\n

 El sistema de registros se basa en distintos componentes del sistema tributario:

\n\n

Los registros de Población, Actividad, Inmobiliario y Empresaríal son los cuatro registros base (j. El núcleo del sistema).  A estos se agregan otros registros de personas, inmobiliarios, sobre actividades y empresariales. Como puede verse en el gráfico 2.5. 24-25

\n

Son de gran importancia y si faltan o son de mala calidad, el resto del sistema será de mucha peor calidad. 23

\n

Las variables clave son las que identifican un objeto y se pueden usar para vincular ese objeto con los objetos de otros registros.  La imformación sobre tiempo relativa a los distintos eventos que afectan al objeto también es necesaria para crear poblacions relacionadas con un momento o periodo específico.

\n

Siete características de un registro base: p. 23. \"Así como se describe la distribución por edad, los nacimientos y las defuncionesen una población de personas, debe ser posible describir la distribución por edad, los nacimientos y las defunciones en empleos, edificios o establecimientos\".

\n

SISTEMA DE REGISTROS BASE

\n

Registro de actividades, se toma como un objetos propios por dos motivos: 1. tienen interés estadístico; 2. Porque este tipo de objeto necesita ser distinguiblle para que el sistema en su conjunto tenga una estructura clara.

\n\n

2.2.3 Registro empresaríal

\n

Dos principios para estadísticas económicas:

\n

No deben aparecer dos conjuntos de objetos paralelos.

\n

En el Departamento de Estadísticas económicas, todos deben contribuir al mantenimiento del Registro Empresarial. Por ejemplo, quienes captan datos de la industria manufacturera deben remitir la información que obtienen sobre esta población al Registro Empresarial.

\n

\"Las unidades empresariales son cruciales porque los datos de todas las fuentes, administrativas y estadísticas, se pueden agregar y comparar para estas unidades\". 28

\n

2.2.4  Registro inmobiliario:  debe incluir

\n\n

\"Las variables importantes en un registro base de este tipo serían las identidades de los diferentes objetos pertenecientes a los tipos de objetos enumerados. También se deben incluir los domicilios de ubicación, las coordenadas geográficas y los códigos geográficos. El registro de los domicilios debe ser de buena calidad, de modo que los inmuebles residenciales y los establecimientos de las empresas puedan ligarse a domicilios estandarizados.  30.

\n

\"Un sistema eficaz requiere que se hayan coordinado las definiciones de población y objetos, que se hayan armonizado las referencias temporales y las variables comunes, y que haya buenas variables de identificación, útiles para vincular objetos en los diferentes registros\".  Ver gráfico 2.10

\n

2.4.1. Estadísticas sobre personas basadas en el sistema de registros sueco.

\n

Los registros y productos que aparecen en el gráfico 2.11 ilustran paso a paso cómo crear un sistema y cómo darle varias aplicaciones. El primer paso consiste en idear aplicaciones a partir del registro base.  Un registro base contiene objetos y conjuntos de objetos importantes.

\n

Un segundo paso es idear aplicaiones usando cada fuente administrativa, una aplicación por cada fuente principal.

\n

Dado que cada registro requiere cierto nivel de experticia, el sistema se convierte en un sistema descentralizado pero coordinado, diferentes entidades recogen los registros de un gran sistema con diferentes claves.

\n

2.5. Variables estandarizadas en el sistema de registros:

\n

2.5.1 Vínculos: los vínculos deben ser estables a lo largo del tiempo, como por ejemplo un número de identidad.

\n

2.5.2 Clasificaciones: son variables estandar de acuerdo a referentes internacionales. Las maneja la dirección de estandarización en cada oficina estadística.

\n

\"Pensamos que con el avance de la informática, el muestreo se volverá innecesario y la práctica común será la de los registros de ingresos estadísticos basados en las declaraciones de impuestos\"

\n

3. UNA TERMINOLOGÍA PARA ENCUESTAS BASADAS EN REGISTROS

\n\n

Variables en las Ciencias Estadísticas: \"una variable es un atributo medible de un objeto.  Cuando se captan datos, recibimos valkores que son mediciones de esos atributos.   Una variable puede ser cuantitativa o cualtitativa

\n

Las variables de flujo muestran sumas para diferentes periodos; las variables de stock presentan la situación en un momento específico.

\n

En informática: el conjunto de valores que puede asumir, o puede pensarse que asuma, una variable para cualquier objeto se llama conjunto de valores de la variable 53.

\n

Una variable de valor único es aquella que sólo asume un valor para un objeto, por ejemplo la edad de una persona. 53

\n

Una variable de valores múltiples ... puede asumir varios valores relevatnes al mismo tiempo, por ej. la rama industrial de una empresa.

\n

Variables derivadas: se forman a partir de variables definidas para los objetos incluidos en el registro en cuestión o usando variables definidas para otros objetos.

\n

Cuatro tipos de variables derivadas:

\n

1. Variables derivadas por agrupamiento de valores y división en intervalos de clase. Por ej. edad en intervalos de 10 años.

\n

2. Variables derivadas mediante operaciones aritméticas usando variables de la matriz de datos: obtenidas mediante operaciones aritméticas y lógicas. 54

\n

3. Variables derivdadas por adjunción:  \"Se genera una variable de un registro usando una variable de otro registro\".  Relación uno a uno.

\n

Variables derivadas por agregación: la relación del registro objetivo con el registro fuente es de muchos a uno.

\n

J. Los autores recomiendan evitar las relaciones muchos a muchos porque presentan muchos problemas metodológicos.

\n

Variables en el sistema de registros

\n

Variables conm diferentes orígenes:

\n

1. Variables tomadas directamente de un registro administrativo.

\n

2. Variables derivadas que se crearon en el registro relevante.

\n

3. Variables tomadas de las variables primarias de otro registro estadístico con objetos idénticos.

\n

4. Variables romadas de variables derivads de otro registro estadístico con objetos idénticos.

\n

Variables con diferentes funciones en el Sistema

\n

1. Variables identificadoras.

\n

2. Variables de comunicación.

\n

3. Variables de referencia (Claves externas)

\n

4. Referencias temporales.

\n

5. Variables técnicas o variables de identificación de registros.

\n

6. Variables estadístias reales.

\n

Variables usadas para emparejamiento

\n
    \n
  1. El que tiene como propósito encontrar objetos idénticos en diferentes registros o tablas de base de datos.
    2. \n
  2. El que tiene compo propósito encontrar objetos que guardan cierto tipo de relación entre sí.
    3. \n
\n

CAPÍTULO 4. ENCUESTAS POR MUESTREO Y REGISTROS ESTADÍSTICOS.

\n

Un sistema de registro beneficia a las encuestas por muestreo:

\n\n

4.2 Combinación  de encuestas basadas en registros y encuestas por muestreo

\n

Definición de una población objetivo precisa: Las estadísticas basadas en registros proporcionan datos básicos sobre las diferencias entre categorías y cambios en el transcurso del tiempo. Si también se llava a cabo una encuesta por muestreo obtendremos mayores detalles sobre el porqué de estas trayectorias. 65

\n

En las estadísticas basadas en registros, la distinción entre población y muestra carece de relevancia y no es común el uso de los términos parámetro y estimador.

\n

Una parta importante de la metodología estadística para el aprovechamiento de los registros consiste en restructurar y mejorar el conjunto, es decir, encontrar el mejor diseño posible para todo el sistema de registros.65

\n

Los prerrequisitos para la presentación de los resultados de la encuesta difieren un poco. No podemos presentar resultados de encuestas por muestreo para grupos demasiado pequeños, considerando que los límites están definidos por el error de muestreo. 69

\n

A la fecha, la metodología para las áreas de validación, no respuesta y errores de medición se refiere principalmente a las encuestas por muestreo.

\n

Tantos los datos captados para censos como los registros basados en datos administrativos se pueden incluir en el sistema de registros si los datos contienen variables de identificación, de modo que los datos se puedan vincular con otros registros.

\n

Mejoramiento de la calidad de registros mediante encuestas para mantenimiento de registros

\n

Una fuente administrativa con variables estadísticamente importantes puede estar incompleta a causa de una subcobertura.  Por ejemplo, en algunos sistemas administrativos pueden faltar pequeñas empresas.  Su un registro administrativo de este tipo se compara con un registro base apropiado, puede ocurrir que este útlimo incluya una categooría de objetos que no se encuentra en el registro administrativos.  En este caso, la población debe dividirse en dos estratos: la que está presente en la fuente administrativa y la que aparece en el registro base, pero no en la fuente administrativa.  El primer estrato se estudia mediante una encuesta basada en registros y el segundo mediante una encuesta por muestreo o un censo.

\n

5. Uso de encuestas por muestreo para generar variables derivadas enlos registros.

\n

 

\n

6. Estimación de áreas pequeñas:  La observación para cada persona de la muestra contendrá datos de la entrevista o el cuestion usados en la encuesta por muestre y covariables en forma de registro agregado o  datos censales para el área geográfica pequeña de esa persona. 66

\n

7. Censos virtuales: un censo basado en una combiación de registros administrativos y encuestas por muestreo (statistics Netherlands,  2004).

\n

Comparación de encuestas por muestreo y encuestas basadas en registros

\n

La planeación de una encuesta basada en registros es completamente distinta de una encuesta por muestreo.  En una encuesta por muestreo, el primer paso consiste en decir cuál será la pbolación y qué parámetros deberán estimarse para qué áwreas de interés.

\n

En las estadísticas basadas en registros la distinción entre población y muestra carece de la relevancia y no es común el uso de los datos de parámetro y estimador. 68

\n

Por consiguiente, una parte importante de la metodología estadística para el aprovechamiento de registros consiste en estructurar y mejorar el conjunto, es decir, encontrar el memor diseño posible para todo el sistema de registros.

\n

En las encuestas por muestreo y los censos, las estimaciones se revisan para contrarrestar los efectos de la no respuesta. Esto no siempre ocurre con las estadísticas basadas en registros.

\n

En los errores de medición, cuando se trata de una encuesta se trata de mejorar el formulario, con los registros la única vía es tratar de influir en las autoridades administrativas para que mejoren el proceso de captación de datos. 68-69

\n

Los prerrequisitos para la presentación de los resultados  de la encuesta difieren un poco. NO podemos presentar resultados de encuestas por muestro para grupos demasiado pequeños, considerando que los límites están definidos por el error de muestreo. En lambio las estadísticas basadas en registros, es posible producir grandes tabulados detallados que se desglosan de muchas maneras.   69

\n

A la fecha, la metodología para las áreas de validación, no respuesta y errores de medición se refiere principalmente a las encuestas por muestreo.

\n

Tanto los datos captados como los registros basados en datos administrativos se pueden incluir en el sistema de registros si los datos contienen variables de identificación, de modo que los datos se puedan vincular con otros registros. 69

\n

Gráfico 4.2 Similitudes y diferencias entre los distintos tipos de encuestas 69

\n

Tanto los datos captados para censos como los registros basados en datos administrativos pueden incluir en el sistema de registros sil os datos contienen variables de identificación de modo que los datos se puedan vincular con otros registros. J. Clave para definir cuando un registro es válido.

\n

CAPÍTULO 5. ¿CÓMO CREAR UN REGISTRO DE POBLACIÓN?

\n

La metodología estadística para registros debe responder a la pregunta ¿cómo se debe crear un registro estadístico de modo que pueda servir no sólo para una encuesta específica, sino también contribuir a la realización de otras encuestas dentro del sistema de registros? 70

\n

La metodología estadística basada en registros consta de tres niveles:

\n\n

Etapas para la creación de un registro estadístico. 72-73

\n
    \n
  1. Determinación de los objetivos de la investigación ¿qué requerimientos y objetivos estadístico se deben cumplir con el registro?
    2. \n
  2. Integración de inventario: ¿cuales son las fuentes disponibles, incluidas las administrativas, cuando se planea la creación de un nuevo registro?, ¿qué registros estadísticos ya presentes en el sistema se pueden usar?
    3. \n
  3. Integración de las fuentes administrativas y los registros estadísticos que ya existen en un nuevo registro.  Este proceso de integtración debe pasar por una fase de planeación que puede subdividirse en tres partes:\n\n
    4. \n
  4. Contactos con los proveedores de datos y recepción de los datos administrativos: verificación y validación de los datos administrativos recibidos.
    5. \n
  5. Integración de las distintas fuentes en un nuevo registro estadístico\n\n
    6. \n
\n

Se debe asegurar la calidad y documentar el conjunto del proceso gráfico 5.1 y capítulos 10 y 11.

\n

5.2 Determinación de los objetivos de la investigación

\n

¿Qué encuestas es necesario hacer?, ¿qué pregunstas se deben responder con base en estas encuestas?.  La definición de los objetivos de la investigación debe dar respuestas a estas preguntas. 74 Una vez concluida la definición de los objetivos de inestigación, se habrán determinado tanto la población objetivo como las variables estadísticas importantes.  J. Acá se refieren a la clasificación de investigaciones realizadas en el gráfico 2.11.

\n

Diferentes usuarios necesitan diferentes registros.  J. En la medida en que los productos estadísticos del Dane y los Sistemas de Información están regulados por la ley, los productos surgidos a partir de la combinación de estos productos probablemente también lo estarían.

\n

 

\n

Diferentes alcances de los objetivos de investigación:

\n

El equipo responsable de esa encuesta puede describir su misión como \"recabamos datos para la Encuesta sobre Fuerza Laboral, los analizamos y presentamos\"

\n

Existe el riesgo de que quienes trabajan con encuestas basadas en registros entiendan su misión de forma igualmente estrecha \"somos responsables de los datos administrativos de la fuente X y presentamos datos de X\" Si un equipo responsable de una encuestas basada en registros entiende así su misión, no se aprovecharán todas las oportunidades del sistema de registros. Se debe trascender este alcance limitado y usar todos los  registros relevantes en el sistema para analizar y describir el tema de que se trate. 75

\n

5.3. Elaboración de un inventario de fuentes

\n

Hay tres tipos de fuentes (registros fuente) que pueden ser de interés:

\n\n


5.4. Definición del conjunto de objetos de un registro

\n

Si se desea aprovechar un registro para varias encuestas, el registro debe permitir que se definan distintas poblaciones a partir de él.

\n

Reservaremos el concepto población para referirnos a un conjunto de objetos que pertenence a una encuesta específica.  Cuando describamos un registro sin referirnos a una encuesta específica, usaremos el concepto conjunto de objetos. 77

\n

5.4.1. Definición de una población

\n

La definición de una población, debe mostrar claramente qué objetos están incluidos en esa población. El tipo de objeto también se especificará con claridad. Asímismo, siempre se incluirán una referencia temporal y una delimitación geográfica. Esta última deberá indicar la relación que existe entre los objetos o unidades estadísticas y el área geográfica.  Esta última deberá indicar la relación que existe entre los objetos o unidades estadísticas y el área geográfica.

\n

Para encuestas se considera:

\n\n

En el caso de las encuestas basadas en registros sólo se usan los dos primeros conceptos.   No hay marco muestral, el concepto población marco se debe remplazar por:

\n

Población de registro: conjunto de objetos del registro creado para la encuesta de que se trate, es decir, la población que realmente se está encuestando.

\n

La diferencia entre la población objetivo y la población de registro constituye el error de cobertura del registro. Las defunciones y emigrantes no notificados antes de finalizar enero causan una sobrecobertura, mientras que los nacimientos e inmigrantes no notificados originan una subcobertura.

\n

Además de estos errores de cobertura, puede presentarse un error de relevancia si no se aplica la definición adecuada. La diferencia entre la población de interés y población objetivo es uno de los errores de relevancia de la encuesta 78.

\n

Los conceptos administrativos siempre dan definiciones funcionales. S e considera una práctica estadística sensata usar estos conceptos administrativos para definir la población objetivo si los errores de relevancia son pequeños.  Sin embargo, la regla básica es que al definir la pboalción se debe tratar de satisfacer las demandas de la enuesta estadística.

\n

5.4.2.  Alterar datos

\n

El personal de la oficina de estadística que recibe los datos tiene tanto la libertad como la obligación de efectuar esas modificaciones a fin de mejorar la calidad de las estadísticas.

\n

5.4.3. Definición de una población: registros primarios.

\n

Existe el riesgo de que los conjuntos de objetos del sistema administrativo influyan de forma inapropiada en la selección de la población de registro p.80. Quizás el conjunto de objetos en el registro administrativo no cubra por completo la población objetivo de interés estadístico. p.80.

\n

No se deben pasar por alto las fallas de cobertura en los registros administrativos. Por el contrario, en estos casos las poblaciones objetivo se deben definir de acuerdo con los requerimientos estadísticos.

\n

5.4.4. Definición de una población: registros integrados

\n

 Un registro especial de este tipo también se debe iniciar definiendo la población objetivo de acuerdo con el problema que se estudiará.  Después se seleccionará un conjunto de objetos apropiado del registro base relevante. Este conjunto de objetos será la población de registro que se emparejará con los registros que contienen las variables de interés. En el caso de objetos que arrojan coicidencias, los valores de las variables se importarán al nuevo registro. EN el caso de objetos que no arroja coincidencias, se evidenciará la no respuesta parcia, es decir, los varlores de las variables estarán perdidos.

\n

Es importante estar conscientes de la no respuesta y también realizar un ajuste por no respuesta cuando se conoce el alcance y la estructura de estas. 81

\n

5.4.5. Uso necesario de los registros base para definir poblaciónes

\n

Quienes trabajan con registros primario y registros integrados deben empezar con cada conjunto de objetos del registro base y usar una de las poblaciones estandarizadas que se crean para uso general  81

\n

82. Metodología para definir poblaciónes a partir de registros base

\n
    \n
  1. Definir la población objetivo.
    2. \n
  2. Seleccionar el conjunto de objeto deseado del registro base para establecer la población objetivo.
    3. \n
  3. Hacer un emparejamiento con los registros que contienen variables interesantes.
    4. \n
  4. Cuando se identifiquen coincidencias: importar los valores de las variables al registro que se está generando.
    5. \n
  5. Cuando se identifican no emparejamientos:mostrar los valores perdidos, no respuesta parcial.
    6. \n
\n

5.4.6  Requisitos de un registro base para participar en la definición de poblaciónes:

\n
    \n
  1. Contener referencias temporales, es decir, se debe establecer la fecha de ocurrencia de todos los eventos que afectan a los objetos o unidades estadísticas de registro.
    2. \n
  2. Tener una buena cobertura
    3. \n
  3. Tener variables de vinculación de buena calidad
    4. \n
  4. Tener variables de expansión de buena calidad.
    5. \n
\n

Se debe conocer el momento en que cada objeto nació o dejó de existir. J.  Se debe tener registro de la mayoría de los cambios no triviales en los objetos, siempre y cuando sea posible establecerlo 82.

\n

Principio general para crear un registro estadístico: la calidad puede mejorarse combinando múltiples fuentes.La mayoría de las poblaciones para las estadísticas de la Oficina de Estadística de Suecia se definen usando uno de los registros base.  Por ello, es un requisito fundamental que los conjuntos de objetos de los registros base tengan una buena cobertura de las necesidades de muchas encuestas y que los vínculos y variables usados para seleccionar las subpoblaciones o dividir las poblaciones en dominios de interés (variab les de expansión) estén actualizados y sean de buena calidad.  De lo contrario puede haber errores de cobertura en las subpoblaciones. 83

\n

Si alguna de las variables de un registros base -utilizadas a menudo para los procesos de selección o emparejamiento. están desactualizadas o incompletas, se deben aplicar custionarios de actualización del registro. 83

\n

5.4.7 Todos deben apoyar los registros base

\n

Todo el sistema debe \"cooperar\" en las definiciones de conjuntos de objetos y objetos.

\n
    \n
  1. Se debe mantener contacto con las autoridades que entregan los datos administrativos.
    2. \n
  2. Dentro de cada registro base, se puede obtener información de registros base adyacentes.
    3. \n
  3. Los resultados que se obtienen de la verificación de los diferentes registros estadísticos puede dar información sobre errores de cobertura o definiciones de objeto incorrectos.
    4. \n
  4. El correo devuelto y las razones de \"no cotancto\" son maneras en que censos y encuestas por muestreo dan información de sobrecobertura.
    5. \n
  5. Los cuestionarios para el mantenimiento de registros se realizan mediante un registro base en ciertas partes del conjunto de objetos donde se sospecha que los datos son incompletos o están desactualizados.
    6. \n
\n

5.4.8 Problemas de cobertura en encuestas con captación de datos propia

\n

 J. El marco normalmente se crea a partir de un corte, por ejemplo el del mes de noviembre. La encuesta se hace después, por tanto hay sobrecobertura y subcobertura por los objetos que nacieron o murieron en ese periodo.

\n

5.4.9. Problemas de cobertura en las encuestas basadas en registros

\n

El anterior problema no se encuentra en las encuestas basadas en registros. \"Sin embargo, las fallas del sistema administrativo pueden hacer que se pierdan ciertas categorías de objetos o que no se notifiquen cambios importantes para ciertos objetos\".

\n

5.5. DEFINICIÓN Y DERIVACIÓN DE OBJETOS.

\n

Unidad estadísticas y objeto estadístico son sinonimos...los tipos de objetos del sistema de registro pueden crearse de distintas maneras:

\n
    \n
  1. En un sistema administrativo con propósitos administrativos. Estos objetos suelen tener relevancia jurídica.  J.  Por esto es importante tomar en consideración los decretos o leyes que reglamentan los correspondientes sistemas de información.
    2. \n
  2. En cooperación con una autoridad administrativa para propósitos estadísticos.
    3. \n
  3. Dentro de una oficina estadística mediante la captación de información que ha permitido definir objetos.
    4. \n
  4. Dentro de una oficina de estadística mediante el procesamiento del registro. Esta categoría recibe el nombre de objetos derivados
    5. \n
\n

5.5.1. Tipos de objetos administrativos.

\n\n

5.5.4 Tipos de objetos estadísticos derivados de la oficina de estadística.

\n

Ejemplo: hogares derivados: identificados en el registro de población de personas por vivienda.

\n

5.5.5 Objetos e identidades: requisitos para un registro base

\n

Otra tarea relevante consiste en dar seguimiento a los objetos y sus identidades a lo largo del tiempo, así como hacer un registro estadístico de los cambios relevantes 90

\n

Cuando se usan tipos de objetos administrativos para fines estadísticos, es necesario familiarizarse con las definiciones del sistema administrativo.

\n

Al emparejar registros, es importante que una misma identidad presente en los diferentes registros  realmente se relacione con el mismo objeto. 91

\n

5.5.6. Objetos e identidades: requisitos para los registros primarios

\n

Cuando se reciben los registros administrativos para crear registros primarios, se deben seguir estos pasos a fin de que los objetos del registro estadístico se apeguen a las definiciones específicas:

\n\n

Los usuarios de datos de varios registros del sistema deben verificar diversos aspectos a fin de detectar errores e inconsistencias respecto a los conjuntos y definiciones de los objetos:

\n\n

5.5.7 Cómo hacer un emparejamiento: aspectos generales.

\n

Cuando creamos registros dentro de un sistema de registros el método de emparejamiento debe ser exacto... para dos propósitos distintos

\n\n

5.6 CÓMO PRODUCIR ESTADÍSTICAS REGIONALES BASADAS EN REGISTROS

\n

La oficina de Estadística de Suecia produce estadísticas regionales mediante un proceso de estimación descentralizado, lo que da como resultado microdatos completamente consistentes y coherentes... En la primera parte del proceso, el equipo responsable del Registro de Población crea una población estandarizada, que servirá de base para quienes trabajan con los otros registros.  J. COmo son regionales no se traslapan, simplemente se unen. 92

\n

CAPÍTULO 6. CÓMO CREAR UN REGISTRO: LAS VARIABLES

\n

6.1. Determinación del contenido de las variables del registro

\n

Una variable es una características medible de un objeto... en el sistema de registros, distinguimos entre variables dependendiendo de su orígen:

\n

Variables primarias locales; variables derivadas localmente; bariables primarias importadas; variables derivadas importadas.

\n

6.1.1. Definición de variables

\n

Toda encuesta comienza por una serie de preguntas formuladas en términos teóricos o generales.  A continuación deben operacionalizase los conceptos teóricos de las preguntas, es decir, traducirse a conceptos medibles. 95

\n

Al definir una variables de debe especificar con qué tipo de objeto se relaciona y su momento o periodo de específico.  Además, se debe detallar cómo medir la característica y con qué escala.

\n

La definición de una variable primaria se determina cuando se formula una pregunta en un cuestionario o un formulario administrativo. 96

\n

La definición de una variables derivada está constituida en parte por las definiciones de las variables en las que se basa y en parte por la regla con la que se formó.

\n

Si la definición de una variable es adecuada, esto significa que concuerda con otras variables del registro creadas para efectos de la encuestas.

\n

Como todo registro estadístico forma parte de un sistema, las definiciones de las variables en los diferententes registros también deben concordar para ser adecuadas.  Por ejemplo, en todos los registros sobre individuos es una regla básica que variables como edad, estado civil, etc. se definan de la misma manera.

\n

. Hacen referencia, como marco global al contendio de la sección 5.1.

\n

Definiciones de v ariables funcionales y variables derivadas

\n

Siempre resulta funcional usar las definiciones de las varaibles administrativas.  Si éstas no satisfacen completamente las necesidades estadísticas, se debe tratar de formar variables derivadas.

\n

Las variables de un registro usadas para diferentes encuestas o productos deben estar estandarizadas. Esto significa que la responsabilidad por la denominación, la calidad y la documentación de la variable le corresponde al registro donde la variable se creó dentro de la oficina de estadística. 97

\n

Cuando otras unidades de la oficina de estadística usan una variable estandarizada, no deben modificar ni su nombr eni su definición.

\n

6.1.2. Creación de las variables de un registro.

\n

Las variables de interés estadístico se importan de diversas fuentes:

\n
    \n
  1. Los objetivos de investigación determinan cuál será el contenido del registro. ¿Qué necesidades tienen los usuarios?, ¿qué posibilidades hay de proyectos futuros?.
    2. \n
  2. Las variables para el nuevo registro se deben tomar de todas las fuentes relevantes.
    3. \n
  3. Las varaibles derivadas adjuntas se forman mediante emparejamiento con otros registros, mientras que las variables derivadas agregadas se forman emparejando y procesando otros registros.
    4. \n
  4. Las varaibles del registro se validan.
    5. \n
  5. Se reemplazan los valores ilógicos o perdidos.
    6. \n
  6. Las variables derivadas se deben formar usando las variables del registro.
    7. \n
  7. Se deben documentar el procesamiento del registro, los resultados de la validación y las variablles del nuevo registro.
    8. \n
\n

6.2. Formación de variables derivadas a partir de modelos.

\n

Sección 3.3.3. cuatro modos de crear variables derivadas:

\n
    \n
  1. Derivación de variables por agrupamiento de valores o división en intervalos de clase.
    2. \n
  2. Derivación de una variable estadística por medio de cálculos y procedimientos lógicos con diversas variables (administrativas) de la matriz de datos.
    3. \n
  3. Derivación por adjunción de una variable de otro registro referido a otro tipo de objetos.
    4. \n
  4. Derivación por agregación de una variable en otro registro.
    5. \n
\n

6.2.1. Cálculo exacto de valores para una variable obtenida por medio de una regla

\n

6.2.2. Estimación del valor para una variable derivadas por medio de una regla.

\n

Para los dos casos anteriores: conocimiento de la materia y el criterio individual.

\n

6.2.3 Estimación del valor de una variable derivada con un modelo causal.

\n

Analizar la relación entre la variable deseada y y las variables administrativas: x1, x2, etc... A partir del modelo estadístico se puede crear entonces la variable derivada.

\n

Dos etapas:

\n
    \n
  1. Matriz de datos de prueba...se arma un modelo con el propósito de mostrar la manera ótima de estimar y para los valores dados de las variables x.
    2. \n
  2. Ese modelo se usa en la segunda matriz, la matriz de datos del registro, donde sólo existen las variables x,.  Con el modeloe stimado, se calcula un valor y para cad objeto del registo, a partir de los valores x conocidos del objeto. 101
    3. \n
\n

El modelo puede contener muchas variables, a diferencia de una regla basada enteramente en el conocimiento de la materia.

\n

Variables derivadas cuantitativas:  tres tipos de modelos que pueden usarse:

\n\n

J. por ejemplo: estimación del número de empleados mediante consumo de energía, o estimación del número de habitantes de una vivienda mediante el consumo de energía.

\n

 Variables derivadas cualitativas:

\n\n

 6.2.4 Variables derivadas y valores imputados de variables

\n

 Derivar valores de variables por medio de cálculos se relaciona con imputar valores de variables.  La diferencia es que una variable derivada se usa creando cálculos para todos los objetos de un registro, mientras que los valores imputados de variables sólo se calculan para quellos objetos del registro que no tienen un valor.104

\n

6.2.5. Creación de variables mediante codificación

\n

En algunos asos, se usan datos en forma de texto para crear variables estadísticamente útiles.  La información se transforma de un texto no estructurado a valores de variables totalmente estructurados en un proceso de codificación. 104

\n

J. por otra parte, se puede realizar modelos de simulación espacial, pero para esto es necesario tener una idea del comportamiento espacial de las personas, tomando en consideración especialmente algunas variables.

\n

6.3: VALIDACIÓN Y CORRECCIÓN DE LAS VARIABLES DEL REGISTRO

\n

Encuestas con captación de datos propias y encuestas basadas en registros:

\n

La principal fase de validación de las encuestas con una captación de datos propia tiene que ver con la validación de los datos recabados. A menudo es posible ponerse en contacto con los proveedores de los datos para corregir los valores de variables que resulta ilógicos.  Sin la validación requiere una gran cantidad de recursos, puede ser una señal de que es necesario rediseñar el cuestionario. 105

\n

En el caso de las encuestas basadas en registros, los datos fueron validadados en primera instancia por la autoridad administrativa. Después se valida cada fuente administrativa cuando los datos se entregan a la oficina de estadística.  Pero también hay otra fase más depurada en el proceso de validación, en la que los datos de muchas fuentes (encuestas basadas en registros o censos) se validan conjuntamente.  Ver gráfico 6.5. p. 105-106

\n

Errores en las variables y errores en los objetos

\n

En la validación de la conssitencia de los datos de una encuesta basada en registros, estamos validadando datos de distingas fuentes y los errores sopechados pueden ser ocasionados tanto por errores en las variables como por errores en los objetos. 

\n

Un errore en un objeto significa que creemos estar comparando datos de diferentes fuentes sobre el mismo bojeto; sin embargo, en realidad los datos que compramamos se refieren a objetos diferentes, que erronesamienten tienen la misma identidad.  Así sucede, por ejemplo cuando obtenemos coicidencias falsas luego del emparejamiento o cuando no hemos creado correctamente los objetos derivados.  En los casos de errores en los objetos, no debemos corregior o imputar los valores de las vairables hasta haber verificado que los objetos sean los mismos.  106

\n

Nuestra conclusión es que debemos distinguir entre tipos de variables

\n\n

El primer tipo de validación se usa para todo tipo de encuestas, mientras que el segundo y el tercero se deben aplicar a las encuestas basadas en registros 107.

\n

Una encuesta por muestreo tiene un uso principal y se genera un número limitado de tablas porque el errore de muestreo no permitiría una tabulación más desagregada.

\n

El ojetivo de la validación es aumentar la calidad tanto a largo como a corto plazo:

\n\n

Tres estudios de caso que ilustran el trabajo de validación de datos 108

\n\n

La validación de los datos de las fuentes administrativas se puede estructurar de acuerdo con las siguientes seis fases:

\n
    \n
  1. Se crea una matriz de datos y se combinan todas las entradas correspondientes al mismo objeto.
    2. \n
  2. Se debe llevar a cabo una validación para rverificar el registro de población, es decir, que no haya objetos perdidos, ni externos o duplicados.
    3. \n
  3. La validación puede incluso ser necesaria para emparejar el objeto, es decir, corroborar que los datos correspondientes a una identidad específica de diferentes fuentes se refieran al mismo objeto.
    4. \n
  4. Debe verificarse que la entrega sea completa en lo que respecta a los objetos y las variables.
    5. \n
  5. Se deben llevar a cabo verificaciones para revisar los valores de las variables, de modo que los errores obvios o sospechados puedan detectarse y corregirsel.
    6. \n
  6. Se debe documentar el proceso de validación, informando en primer lugar la metodología aplicada y después el alcance de los diferentes tipos de errores y cómo se corrigieron.
    7. \n
\n

J. Se pueden usar los registros para estudios longitudinales, en la medida en que tienen resultados de varios años.

\n

 

\n

Wallgren Temporal

\n

6.3.4. Resúmen: procesos de validación en el sistema de registros

\n
    \n
  1. Se crea una matriz de datos y se combinan todas las entradas correspondientes al mismo objeto
    2. \n
  2. Se debe llevar a cabo una validación para verificaar el registro de población, es decir, que no haya objetos perdidos, ni externos o duplicados.
    3. \n
  3.  La validación puede incluso ser necesaria para verivficar el objeot, es decir, corroborrar que los datos correspondientes a una identidad específica de diferentes fuentes se refieran al mismo objeto.
    4. \n
  4. Debe verificarse que la entrega sea completa en lo que respecta a los objetos y las variables.
    5. \n
  5. Se deben llevar a cabo verificaciones para revisar los valores de las variables, demodo que los errores obvios o osspechados puedan detectarse y corregirse.
    6. \n
  6. Se debe documentar el proceso de validación, i nformando en primer lugar la metodología aplicada y después el alcance de los diferentes tipos de error y cómo se corrigieron.
    7. \n
\n

Una conclusión general es que el conocimiento de la materia reviste gran importancia para la eficacia de la validación y las verificaciones.   En el caso d eencuestas con una captación de datos propia, basta con familiarizarse con la encuesta de que se trate, que normalmente no cambia. No obstante, cuando hablamos de encuestas basadas en registros, será necesario familiarizarse con el sistema administrativo que generó los dat0os.  Dicho sistema puede contener muchas variables que cambian con frecuencia. 115

\n\n

6.4. CREACIÓN DE REGISTROS LONGITUDINALES.

\n

Un registro que sólo se usa para producir estadísticas oficiales anuales debe proporcionar estimaciones de buena calidad a nivel agregado. Sin embargo, si el registro también se usará para análisis longitudinales, es necesario definir los objetos o unidades estadísticas para que se les pueda dar seguimiento a lo largo del tiempo sin que ocurran cambios, sin un significado estadítico, que alteren las trayectorias118.

\n

Sobre todo, se crean identidades estables pawra las empresas, lo que nos permite darles seguimiento con el paso del tiempo de una manera más analítica de lo que permite el registro empresarial.  Con el registro Dinámica de Empresas y Establecimientos , se da seguimiento simultaneo a las empresas recién constituidas, los cierres, las divisiones y las fusiones.  Se considera que el principal indicador de cambio es el personal de la empresa en diferentes moentos, mientras que se otorga una menor importancia al cambio de propietario, rama industrial o ubicación. 119

\n

La regla básica en este registro es que si la mayoría de los empleados en el año 1 constituyen también la mayoría de empleados en el año 2, las unidades para ambos años se consideran como la misma empresa, independientemente del número de la organización.119

\n

En los usos avanzados de los registros estadísticos, como análisis longitudinales y modelos de simulación y pronóstico, la validación y el procesamiento son muy estrictos. 

\n

CAPÍTULO 7. MÉTODOS DE ESTIMACIÓN.

\n

 Algunos de estos métodos parten del principio de que los ponderadores también se usan en las estadísticas basadas en registros, de manera similar a las encuestas por muestreo.  Estos ponderados son un tipo especial de variables derivadas.  121

\n

7.1 ESTIMACIÓN EN ENCUESTAS POR MUESTREO Y ENCUESTAS BASADAS EN REGISTROS.

\n

Aunque el término estimación se aplica normalmente a las encuestas por muestreo, también debe usarse en las estadísticas basads en registros.  Asimismo, es importante distinguir entre los valores reales en la población objetos y las estimaciones producidas con el registro.

\n

7.1.1 Métodos de estimación basados en ponderadores.

\n

En una celda de una tabla hay R observaciones del registro y queremos estimar el total Y de la celda en la población de registro.

\n

Por cada celda de una tabla, se calculan sumas para variables cuantitativas, como salario o facturación usando las fórmulas (2) o (3) siguientes.  Si se desea calcular las frecuencias, o número de observaciones, en las celdas, se usa la variable y =1 en las fórmulas para todas las observaciones.

\n

Con las encuestas por muestreo, se hacen estimaciones usando la fórmula (1) siguiente. Los ponderadores obtenidos en el diseño, d sub i, dependen de cómo se ha diseñado la muestra o asignado en diferentes estratos. Los ponderadores g sub i de la fórmula 1 se nsan en variables auxiliares de los registros estadísticos y sirven para minimizar el errore de muestreo y los errores causados en la no respuesta.

\n

¿Hay métodos de estimación para las encuestas basadas en registros?

\n

Elegir la metodología para crear un registro también significa elegir la metodología de estimación... El trabajjo metodlológico para estadísticas basadas en registros se orienta a qué se debe sumar, es decir, cómo se formarán las variables del registro con los datos disponibles.

\n

En las encuestas basadas en registros, se usanlos ponderadores d sub i = 1 para objetos sin valores perdidos y d sub i = 0 para objetos con valores perdidos.

\n

7.2. ENCUESTAS BASADAS EN REGISTROS: MÉTODOS DE ESTIMACIÓN FUNDAMENTALES

\n

En todas las fasesde creación de un registro estadístico influye en las estimaciones que se obtendrán con el registro. 123

\n

J. Hay un ejemplo de ponderador en el gráfico 7.2: para una persona que trabaja la décima parte de una jornada laboral el ponderador sería 0,1, por el cual se dividiría su salario para obtener el salario que obtendría en una jornada completa: de esta manera se comparan personas que tienen jornadas distintas.  Con esta tabla se sacan una serie de agregados:

\n

La tabla completa que aparece en el gráfico 7.3 consta de alrededor de 2.200 renglones  p 126-

\n

7.3. USO DE PONDERADORES EN ENCUESTAS BASADAS EN REGISTROS.

\n

J. Hay un ejemplo de ponderador en el gráfico 7.2: para una persona que trabaja la décima parte de una jornada laboral el ponderador sería 0,1, por el cual se dividiría su salario para obtener el salario que obtendría en una jornada completa: de esta manera se comparan personas que tienen jornadas distintas.  Con esta tabla se sacan una serie de agregados:

\n

La tabla completa que aparece en el gráfico 7.3 consta de alrededor de 2.200 renglones  p 126.  Mediante tablas de frecuencia se realizan análisis para diferentes grupos poblacionales.

\n

En el gráfico 7.5 la columna 3 de la tabla contiene el número  ponderado de personas dentro de cada ámbito de estudio, la columna 4 los salarios reales ponderados, la columna 5 los empleos de tiempo completo ponderados, la columna 6 los salarios de tiempo completos ponderados, la columna 7 el salario de tiempo completo promedio por persona, la columna 8 el salario promedio por empleo de tiempo completo y la columna 9 la jornada de trabajo promedio por persona. 127

\n

Las encuestas basadas en registros son adecuadas para análisis detallados de tablas que a menudo deberán complementarse con el cálculo de medias estandarizadas a partir de ponderadores estándares.128

\n

Población promedio

\n

La población promedio de un minicipio se puede estimar de la siguiente manera, donde calculamos el día de nacimiento o llegada al municipio como un día completo y el día en que la persona se mudó o murío como ningún día en el muncipio p.128. Gráfico 7.8

\n

Variables de flujo y de stockLas variables de flujo, como el valor agregado de una empresa, sólo se relaciona con los valores durante el periodo del año en que la empresa estuvo activa y, por ende, no es necesario ponderarlas.  En cambio, sí debe ponderarse una variable de stock que muestr ael nivel en determinado momento, como el número de empleados 128.

\n

7.4 CALIBRACIÓN DE LOS PONDERADORES EN ENCUESTAS BASADAS EN REGISTROS.

\n

J. Muestran como calcular los ponderadores en el caso de valores perdidos. Muestran una tabla concon 2 valores perdidos en dos columnas diferentes y 4 valores 0.

\n

Análizar esto con más calma

\n

8. CALIBRACIÓN E IMPUTACIÓN

\n

En este capítulo abordaremos tres temas: valores perdidos, sobrecobertura y cambios de nivel en las series de tiempo. En los tres csasos, los ponderadores y su calibración se pueden usar como métodos de estimación complementarios, y la imputación puede ser utilizada para ajustar los datos por valores perdidos.

\n

Una posibilidad, bastante común, es publicar las tablas con una categoría, ne especificado, y no hacer ningún ajuste si hay valores perdidos. Una segunda posibilidad consiste en usar ponderadores, calibrados para reducir los efectos de los valores perdidos. Una tercera posibilidad es imputar valores.

\n

8.1.1.Valores perdidos en los registros

\n

En el caso de los estudios basados en registros, resulta dificildiferenciar entre los conceptos de no respuesta de un objeto y subcobertura. El término para la no respuesta más adecuado en este tipo de encuestas es la no respuesta parcial, para indicar que ciertos valores están perdidos. En las encuestas basadas en registros, los valores perdidos pueden deberse a varias razones.

\n\n

Si se imputan valores de variables, éstos se deben mostrar en variables especiales para que siempre quede claro cuáles son los valores medidos y cuales los imputados.

\n

135  En nuestra opinión, la tasa de valores perdidos no es menor, es muy factible hacer ajustes y la Oficina de Estadística de Suecia tiene la responsabilidad de hacer los ajustes necesarios para valores perdidos.

\n

Aunque el valor perdido tan sólo ascienda a 3%, se obtiene una tabla dificil de itnerpretar porque los valores perdidos que contiene la tabla alteran los patrones de comportamiento de las variables.135

\n

Aunque la tasa de valores perdidos no es tan alta a escala nacional, puede ser considerable en los municipios y también puede variar de un año a otro.

\n

136 ¿Cómo comparar un municipio con una tasa de valores perdidos del 1% con otro municipio con una tasa de valores perdidos del 7%? Para hacer esa comparación será necesario hacer ajustes por valores perdidos...

\n

Si la magnitud de la tasa de valores perdidos varía con el tiempo y no se hacen correcciones, la comparabilidad a lo largo del tiempo será de baja calidad.

\n

8.1.3 Ajuste por valores perdidos con ponderadores

\n

¿Qué métodos pueden utilizarse para hacer ajustes por valores perdidos? Mostraremos el método más simple, con el propósito de ilustrar el principio de expansión directa para datos ficticios del Registro de Educación. Podría hacerse un mejor ajuste para este registro si se consideraran otras variables como edad, sexo, etc. Pero incluso este simple ajuste es mejor que ninguno. 137

\n

Los ponderadores del registro se ajustan o calibran de acuerdo con la notación y los métodos presentados en la sección 7.5.  La expansión directa significa que sólo se aplica una condición de calibración: el número total de observaciones debe corresponder al número de observaciones incluidas las que presentan valores perdidos.138

\n

Se usan los ponderadores W sub i para calcular las estimaciones, que se ajustan para valores perdidos.138

\n

8.1.4 Ajustes por valores perdidos con imputación

\n

Otra manera de hacer ajustes por no respuesta parcial consiste en formar valores imputados cuando hay valores de variables perdidos, es decir, los valores perdidos se sustituyen por valores sintéticos.  Hay dos maneras distintas de formar estos valores 139:

\n\n

La imputación, que corresponde a una expansión directa, se lleva a cabo de la siguiente manera: las observaciones con valores perdidos para nivel de escolaridad se usan para formar el mismo número de observaciones sintéticas. Con estas observaciones sintéticas se obtienen valores para la variable nivel de escolaridad de manera totalmente aleatoria.  Dichos niveles de escolaridad elegidos al azar siguen la misma distribución que aquellos para los que se conocen los datos sobre el nivel de escolaridad. 139

\n

141.  El método anterior es apropiado cuando se describe una variable cualitativa con no respuesta parcial, posiblemente dividida en diferentes categorías. coo edad, sexo y región.

\n

Cuando se estudia la relación entre la variable y y una variable cualitativa x, donde la variable x presenta una no respuesta parcial, no se deben usar valores imputados aleatoriamente. 141

\n

Valores imputados usando un modelo determinístico

\n

En la sección 6.2.3 vimos cómo formar variables derivadas con modelos causales determinísticos.  Los valores de variables imputados se pueden formar de manera similar.  La diferencia es que los valores de variables derivados se calculan para todos los objetos de la matriz de datos, mientras que los valores de variables imputados sólo se forman para aquellos objetos con valores perdidos a causa de la no respuesta parcial. 141

\n

Cuando los requisitos de calidad son tan estrictos que los errores de imputación resultan inaceptables, se recomienda llevar  a cabo una captación especial de datos.

\n

J. El calculo de indicadores espaciales permitirá, más adelante, realizar mejores imputaciones cuando se tenga más claro el registro de inmuebles.

\n

8.1.5  Valores perdidos en un sistema de registros

\n

Cuando se integran diferentes registros y se importan variables de un registro a otros también se importan fallas en la calidad, como los valores perdidos... Esto significa que no basta con hacer ajustes por los valores perdidos en la variable rama industrial en un solo registro; se debe aplicar el método seleccionado y hacer los ajustes para esa variable en todo el sistema de registros de una manera consistente. 142.

\n

Si cada registro se ajusta por separado con ponderadores para los valores perdidos, los ponderadores para la misma persona serán distintos para cada uno de los registros. 143

\n

Para que las estadísticas de los diferentes registros relacionados con la misma población sean consistentes, los ponderadores se deben calcular conjuntamente y se deben usar los mismos ponderadores para todos los registros 143.

\n

Ajuste por valores perdidos con imputación en un sistema de registros

\n

Si diferentes registros del sistema se ajustan por valores perdidos usando la imputación como se describe en la sección 8.1.4, las estadísticas de los diferentes registros podrían ser completamente consistentes.  Al mismo tiempo que se importa una variable, se importan los números aleatorios (o valores imputados) que se usan en el registro original. Entonces se pueden hacer imputaciones consistentes en diferentes registros. 143

\n

Conclusiones

\n

Las conclusiones alas que llegamos luego de esta exposición sn que se debe hacer el ajuste para valores perdidos, los ajustes deben coordinarse y la imputación es el método más apropiado para el ajuste por no respuesta parcial en un sistema de registros.

\n

8.2. Métodos de estimación para corregir la sobrecobertura

\n

En esta sección explicamos cómo usar la calibración para corregir la sobrecobertura en un registro. Hoy en día esto no suele corregirse, pero podrían usarse los métodos que presentamos aquí para corregir estas fuentes de error. 145

\n

La estrategia para corregir errores derivados de la sobrecobertura puede incluir las siguientes medidas:

\n
    \n
  1. Siendo cuidadosos durante la macrovalidación, es posible detectar estimaciones ilógicas en las estadísticas basadas en registros.
    2. \n
  2. Si se sospecha que hay una sobrecobertura, se puede recurrir a las encuestas por muestreo disponibles y otras fuentes como apoyo para estimularla.
    3. \n
  3. Se puede estimar la sobrecoertura para diferentes categorías en el registro una vez que se ha captado información suficiente sobre la manitud y la naturaleza de dicha sobrecobertura.
    4. \n
  4. A continuación, se pueden ajustar los ponderadores para corregir la sobrecobertura estimada. Antes del ajuste todos los ponderadores son iguales a 1; después del ajuste, los ponderadores para las diferentes categorías en las que hay sobrecobertura serán menores a 1.  Cuando muchas variables describen una sobrecobertura, se deben usar los métodos de calibración (sección 7.5) para ajustar los ponderadores.
    5. \n
  5. Los ponderadores ajustados se guardan en el registro base (en este caso, el Registro de Población)
    6. \n
  6. Se aplicarán los ponderadores en el resto de los productos estadísticos que usan el registro base.  De esta forma, en todas las estadística producidas se corregirá de manera consistente el efecto estimado de sobrecobertura. 145.
    7. \n
\n

8.3. MÉTODOS PARA CORREGIR CAMBIOS DE NIVEL EN LAS SERIES DE TIEMPO.

\n

Los registros estadísticos de distintos años se usan para producir series de tiempo. 147

\n

Los cambios efectuados por el productor de las estadísticas también pueden originar cambios de nivel: Los sistemas de clasificación, como los de clasificación industrial, ocupación o nivel de escolaridad, se revisan y actualizan de manera periódica, estos cambios también traen consigo cambios de nivel en las series de tiempo.

\n

Hacer correcciones para los cambios de nivel en una serie de tiempo se conoce como vinculación de series de tiempo. Diferenciamos entre vinculación en el nivel macro y vinculación en el nivel micro.

\n

8.3.2 Vinculación de series de tiempo en el nivel micro con ponderadores

\n

En esta situación también es posible usar métodos dabados en la calibración de ponderadores. La metodología de calibración se aplica en la sección 7.5, donde mostramos cómo corregir la no respuesta parcial. 150

\n

Bibliografía c. 4.

\n

Heady et Al (2003)

\n

Selander et. Al (1998)

\n

Sardan y Lundström (2005)

\n

 

\n

   

\n

 

", "tags": [], "relations": {}, "dateAdded": "2014-10-03T21:28:34Z", "dateModified": "2014-10-03T21:28:34Z" } }, { "key": "UDIJXAXR", "version": 2, "library": { "type": "group", "id": 293768, "name": "atlas_educacion", "links": { "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion", "type": "text/html" } } }, "links": { "self": { "href": "https://api.zotero.org/groups/293768/items/UDIJXAXR", "type": "application/json" }, "alternate": { "href": "https://www.zotero.org/groups/atlas_educacion/items/UDIJXAXR", "type": "text/html" } }, "meta": { "createdByUser": { "id": 723006, "username": "javierjacome", "name": "Javier Jácome", "links": { "alternate": { "href": "https://www.zotero.org/javierjacome", "type": "text/html" } } }, "creatorSummary": "Wallgren and Wallgren", "parsedDate": "2012", "numChildren": 2 }, "data": { "key": "UDIJXAXR", "version": 2, "itemType": "book", "title": "Estadísticas Basadas en Registros", "creators": [ { "creatorType": "author", "firstName": "Anders", "lastName": "Wallgren" }, { "creatorType": "author", "firstName": "Britt", "lastName": "Wallgren" } ], "abstractNote": "", "series": "", "seriesNumber": "", "volume": "", "numberOfVolumes": "", "edition": "", "date": "2012", "publisher": "Instituto Nacional de Estadística y Geografía", "place": "México", "originalDate": "", "originalPublisher": "", "originalPlace": "", "format": "", "numPages": "", "ISBN": "", "DOI": "", "citationKey": "", "url": "", "accessDate": "", "ISSN": "", "archive": "", "archiveLocation": "", "shortTitle": "", "language": "", "libraryCatalog": "", "callNumber": "", "rights": "", "extra": "", "tags": [], "collections": [], "relations": {}, "dateAdded": "2014-10-03T21:28:34Z", "dateModified": "2014-10-03T21:28:34Z" } } ]