Estimates of Sampling Error
DISEÑO DEL ANÁLISIS
Los elementos del diseño del análisis son:
a) Métodos de análisis de resultados
El análisis de los resultados del Censo Económico Nacional Urbano (CENU 2024) se desarrollará a partir de la Base de Datos Estructural (BDE), la cual integra las principales variables económicas consolidadas durante la etapa de procesamiento.
La BDE se compone de los registros de las unidades económicas censadas que conforman el universo de estudio. Esta base incluye únicamente unidades que cuentan con información que cumple con los criterios de calidad, verificada o imputada, obtenida mediante los instrumentos de recolección y ajustada a través de procesos de edición y modelos estadísticos automáticos.
En conjunto, estos dominios y alcances permiten estructurar y analizar la información del CENU de manera integral, asegurando su coherencia con otras operaciones estadísticas del DANE. Sobre esta base, se desarrollan métodos de análisis interno y externo, así como análisis estadísticos univariados, bivariados y multivariados, que permiten examinar la estructura, distribución y relaciones entre las principales variables económicas.
Por otra parte, se realiza un análisis de coherencia de la Base de Datos Estructural (BDE) del Censo Económico Nacional Urbano (CENU), el cual se orienta a garantizar la consistencia interna y externa de la información, asegurando que los resultados del Censo sean comparables y coherentes con otras operaciones estadísticas y contables del país.
La coherencia interna se evalúa sistemáticamente a través del análisis de indicadores y agregados, cuyo propósito es validar la consistencia lógica y estructural de la información recolectada en los distintos módulos del cuestionario y entre los instrumentos de recolección. Este análisis se orienta a detectar inconsistencias internas en las unidades económicas, como discrepancias en las unidades de medida (por ejemplo, ingresos reportados en pesos mientras los costos aparecen en miles de pesos), valores atípicos no justificados (como ingresos elevados sin correspondencia en personal ocupado o costos operativos), o relaciones estructuralmente improbables entre variables económicas.
La coherencia externa se evalúa mediante el cruce y comparación de información entre operaciones estadísticas del DANE, en especial las encuestas estructurales como la Encuesta Anual Manufacturera (EAM), la Encuesta Anual de Comercio (EAC), la Encuesta Anual de Servicios (EAS) y la Encuesta de Construcción de Edificaciones (ECE), entre otras. Estos ejercicios permiten verificar la consistencia en la distribución de las variables en ingresos, costos, gastos, personal ocupado y activos fijos, por sectores.
Así mismo, se contrastan los resultados del CENU en términos conceptuales con los agregados macroeconómicos del Sistema de Cuentas Nacionales (SCN), implementando un proceso de homologación que ajusta a las variables censales, definiciones contables y metodológicas del SCN. En este sentido, los ingresos brutos, costos y gastos reportados por las unidades económicas en el CENU se transforman en una medida de producción bruta y consumo intermedio, excluyendo explícitamente componentes no operacionales que no guarden relación directa con la actividad productiva principal o secundaria de la unidad.
En conjunto, el análisis de coherencia fortalece la calidad, confiabilidad y comparabilidad de la información estructural producida por el CENU, asegurando su pertinencia para la formulación de políticas públicas y uso en proyectos estratégicos en el DANE como el cambio de año base del SCN.
Adicionalmente, para verificar la consistencia, exactitud y precisión de los resultados del CENU se realizará el Análisis Exploratorio de Datos (EDA), los cuales examinan la estructura general de la información, evalúan la distribución, dispersión, asimetrías y densidad, entre otras de las principales variables económicas. Esta fase valida los procesos de imputación posteriores para la depuración, validación y modelamiento estadístico de los datos.
La validación estadística se desarrolla en tres niveles de análisis: univariado, bivariado y multivariado, con el propósito de verificar los datos y coherencia temática.
El análisis univariado se centra en el estudio individual de cada variable para evaluar su distribución sectorial, geográfica y temática, que permite analizar la consistencia respecto a los parámetros de control de calidad. En las variables cuantitativas como ingresos, costos, activos fijos y personal ocupado, se analizan medidas de tendencia central, dispersión y forma de distribución. En las variables cualitativas como registro mercantil, tipo de registro o motivos de creación, se revisan frecuencias absolutas y relativas para verificar su coherencia y completitud.
El análisis bivariado evalúa las relaciones entre dos variables con el fin de identificar patrones de asociación y consistencia interna. Se aplican coeficientes de correlación, diagramas de dispersión y análisis de proporciones para contrastar variables como ingresos, costos, gastos y personal ocupado. Este procedimiento permite validar la coherencia lógica y estructural de la información.
El análisis multivariado examina la interacción simultánea entre múltiples variables para identificar estructuras subyacentes, patrones de comportamiento y relaciones complejas. Se aplican técnicas como análisis de componentes principales, análisis factorial, segmentación o agrupamiento y modelos de regresión múltiple, entre otros métodos estadísticos. Este enfoque garantiza la consistencia global de los datos y fortalece la calidad analítica e interpretativa de la información.
b) Anonimización de microdatos
El proceso de anonimización constituye una etapa fundamental en la preparación de los microdatos para publicación, ya que permite reducir el riesgo de divulgación de información individual y confidencial sin comprometer la utilidad analítica de los datos. En este contexto, la selección de una estrategia de anonimización debe sustentarse en un análisis conjunto del riesgo de identificación y del impacto que las transformaciones producen sobre las propiedades estadísticas de las variables.
El procedimiento conservará la estructura de evaluación del riesgo de divulgación, la definición de los indicadores de utilidad y la estrategia de microagregación basada en el reemplazo de los valores originales por la media del grupo al que pertenece cada registro.
Para las variables numéricas se aplica microagregación utilizando la configuración Municipio por Grupo CIIU. Esta configuración se selecciona por presentar el mejor equilibrio entre la reducción del riesgo de divulgación y la conservación de la utilidad analítica.
Las variables "municipality_code" y "ciiu_group" se conservan como variables de desagregación, dado que corresponden a los niveles geográfico y económico definidos para la publicación. En consecuencia, el nivel máximo de consulta de los microdatos se establece en la combinación Municipio × CIIU Grupo.
Para las variables categóricas se evalúan las clases de equivalencia y se aplican las medidas de protección definidas en la estrategia de anonimización. La metodología establece que los riesgos asociados a clases de baja frecuencia requieren medidas diferentes a la microagregación, pudiendo contemplar agregación, agrupación de categorías o supresión puntual cuando persista el riesgo.
La evaluación del riesgo considera seis indicadores construidos a partir de la combinación de criterios de atipicidad, dominancia y tamaño de las agrupaciones. Los cuatro primeros riesgos se calculan mediante la identificación de valores extremos y participaciones elevadas dentro de agrupaciones definidas por variables geográficas y de actividad económica. Los riesgos restantes corresponden a situaciones de baja frecuencia, asociadas con grupos conformados por un número reducido de unidades económicas.
Como parte de esta validación, se comparan tres configuraciones de microagregación. La primera corresponde a la combinación Municipio × CIIU Grupo, recomendada en el estudio metodológico inicial; la segunda evalúa la configuración Departamento × CIIU Grupo, con el propósito de verificar si una mayor agregación geográfica modifica el balance entre riesgo y utilidad; y la tercera incorpora el cuestionario como criterio adicional de agrupación, con el fin de evaluar el efecto de preservar la homogeneidad entre instrumentos de recolección durante el proceso de microagregación.
La utilidad de la información se evalúa mediante la comparación entre los datos originales y los datos microagregados. Para cada variable se calculan indicadores de conservación de los totales, las medidas de tendencia central, la dispersión y la proporción de valores iguales a cero. Estos indicadores permiten cuantificar el efecto de la anonimización sobre las principales características estadísticas de la información.
La microagregación se aplica de manera independiente para cada variable sobre la totalidad de sus observaciones válidas. Los valores sustituidos corresponden a la media aritmética del grupo definido por la configuración de microagregación evaluada y se redondean al entero más cercano. Después del tratamiento, los indicadores de riesgo se calculan nuevamente sobre la base anonimizada y se comparan con los obtenidos para la información original.
c) Verificación de la anonimización de microdatos
La verificación de la anonimización del CENU se realizará mediante el recálculo de los indicadores de riesgo de reidentificación sobre la base tratada y su comparación con los obtenidos sobre la información original, de modo que se compruebe el efecto del tratamiento y la conservación de las principales características estadísticas del conjunto de datos.
Para las variables numéricas se contrastan los totales, las medidas de tendencia central, la dispersión y la proporción de valores iguales a cero entre los datos originales y los microagregados; estos indicadores permiten cuantificar el efecto del tratamiento sobre la utilidad de la información. Para las variables de identificación y localización se verifica que ninguna combinación de atributos publicados permita aislar una unidad económica y que los resultados a nivel de celda en los cuadros de salida no admitan la identificación de la fuente.
La verificación se ejecuta y se documenta como parte del cierre de la base de datos, previa a la generación de los microdatos de publicación, y sus resultados se someten a la revisión de los equipos temático y estadístico antes de la difusión.
d) Instancias de revisión
Como parte del proceso de análisis y aseguramiento de la calidad de los resultados del Censo Económico Nacional Urbano, una vez adelantadas las actividades de procesamiento, validación y seguimiento, se desarrollan instancias de revisión orientadas a realizar una valoración integral de la información que será consolidada como resultado de la operación estadística. Estas instancias permiten articular los diferentes análisis realizados durante el proceso y establecer, de manera conjunta, si los resultados cumplen con las condiciones metodológicas, temáticas, estadísticas y técnicas requeridas para avanzar hacia su publicación.
La revisión partirá de los resultados obtenidos en los procedimientos de control y análisis de calidad de los datos. En este sentido, se considerarán los hallazgos derivados de las validaciones de consistencia, la aplicación de reglas temáticas, la identificación de valores fuera de rango o inconsistentes y los procedimientos utilizados para identificar comportamientos atípicos. Estos elementos constituirán insumos para orientar la revisión y focalizar aquellos resultados que requieran una evaluación adicional.
La valoración de los resultados será realizada de manera articulada por los equipos temáticos, estadísticos, técnicos y de procesamiento, de acuerdo con la naturaleza de la información objeto de revisión. El análisis tendrá en cuenta las definiciones conceptuales y metodológicas, las especificaciones de las variables, las reglas de validación aplicadas, los procedimientos de procesamiento y las relaciones de coherencia entre los diferentes resultados generados.
Los hallazgos derivados de los controles de calidad serán analizados antes de determinar cualquier tratamiento. Una inconsistencia, un valor atípico o una diferencia identificada durante los procesos de validación no implicará automáticamente una modificación de la información. Su tratamiento depende de la revisión de los criterios que den origen a la señal, de su comportamiento dentro del conjunto de información y de la evidencia disponible. Cuando se disponga de información auxiliar, esta podrá utilizarse como elemento de contraste, evaluando previamente su cobertura, correspondencia y pertinencia frente a la información censal.
Cuando, como resultado de la revisión se determine la necesidad de realizar un ajuste o reproceso, este se efectuará de acuerdo con las especificaciones y criterios establecidos, bajo responsabilidad de los equipos correspondientes. Los resultados obtenidos después de estas acciones serán nuevamente verificados, con el propósito de establecer su consistencia y determinar si las situaciones que originen la revisión han sido atendidas. De esta manera, se diferencian los procedimientos utilizados con fines diagnósticos de aquellos que impliquen modificaciones efectivas sobre la información.
Finalmente, una vez concluidas las revisiones y atendidas las observaciones que correspondan, se establecerá la conformidad de los resultados para continuar con las etapas de consolidación y publicación. De esta manera, las instancias de revisión constituyen un punto de articulación entre los procesos de calidad de datos, análisis temático, evaluación metodológica y validación estadística y técnica, proporcionando el soporte para la aprobación de los resultados que serán difundidos oficialmente.
Seguimiento al análisis y validación de resultados
El Comité de seguimiento al análisis y validación de resultados se establece como una instancia técnica para realizar el seguimiento sistemático a los resultados obtenidos durante la fase de análisis, con el propósito de revisar su consistencia, identificar situaciones que requieran validación o tratamiento y establecer las acciones necesarias para garantizar la calidad, coherencia y trazabilidad de los resultados antes de su revisión y difusión.
El comité estará conformado por los equipos temáticos, estadísticos, de procesamiento, calidad de datos y demás equipos técnicos que, de acuerdo con la naturaleza de los resultados o de las situaciones identificadas, tengan responsabilidad o competencia sobre su análisis, validación y tratamiento. Cuando se considere pertinente, podrán participar expertos internos o externos y representantes de las áreas involucradas en la producción y validación de los resultados.
El desarrollo de las sesiones de seguimiento se realizará a partir de los resultados de los procesos de análisis y de las validaciones previamente efectuadas. En estas sesiones se presentarán las situaciones que requieran revisión, junto con los criterios, reglas de validación, especificaciones metodológicas y demás elementos técnicos que permitan contextualizar y analizar los resultados.
