Estadísticas de Transportes 2017

Para el procesamiento de datos es importante identificar y clasificar a las variables según su función: identificación, comunicación, cronológicas y estadísticas (cuantitativas y cualitativas), ya que de acuerdo a ello se generan algoritmos estandarizados que ayuden a la automatización de las tareas de transformación de registros administrativos en registros estadísticos. Cada BDD dentro de la fase de procesamiento estadístico pasan por el siguiente proceso:

• Proceso de perfilamiento.- Tiene como objetivo identificar anomalías 'de forma' presentes en cada variable (diseño-formato), revisándose principalmente lo siguiente: números en textos, texto en números, separador de fechas, decimal, etc.
• Proceso de corrección (diseño-formato).- Las anomalías encontradas en el perfilamiento son corregidas, sin alterar la esencia de las bases de datos.
• Proceso de estandarización.- La estandarización se aplica únicamente a las variables categóricas, consiste en la codificación, o categorización de información de Registros Administrativos de acuerdo a catálogos nacionales o internacionales; esto se hace uso de la herramienta METADEC4 desarrollada por el INEC.
• Proceso de precisión.- Se validan los datos de identificación directa5, para lo cual se cruza con los datos de identificación auxiliar (nombres y apellidos, razón social, nombre comercial, entre otras) de una fuente primaria (Registro Civil en el caso de personas) y a través de algoritmos probabilísticos y determinísticos se establecen tres grupos de registros: con id. incorrectos6, con ID. Válidos y verdaderos (id. correcto cuyos datos corresponden a la misma persona) y, con ID. Válidos pero falsos (id. correcto pero cuyos datos no corresponden a la persona).

Los casos con ID. Incorrectos y con ID. Válidos pero falsos se recuperan a través de métodos de integración determinísticos o probabilísticos (utilizando las variables: nombres, fecha y lugar de nacimiento) de la fuente primaria.

• Proceso de coherencia (validación y rectificación).- Son dos actividades que se desarrollan de forma consecutiva: la validación es la revisión de valores entre variables (Ej. Comparar el estado civil en función de la edad, y a rectificación en función de los procesos previos ejecutados.
• Proceso de conversión.- Generación de nuevas variables, a través de la recodificación de variables o cálculos matemáticos entre variables, de manera que las direcciones del INEC que consumen estas bases de datos reciban variables creadas bajo un mismo criterio.
• Proceso de unicidad.- Se identifican casos duplicados y se los depura, con el fin de contar con un registro por cada caso (hecho).
• Proceso de integración.- Se integran las variables nuevas y las existentes provenientes de otras fuentes, con dos propósitos: 1) robustecer el análisis temático con nuevas variables, y 2) mejorar la exactitud de las variables ya existentes. En esta fase se utilizan métodos determinísticos, usando de variables de identificación directa. Para llevar a cabo la integración es importante establecer por cada variable la fuente principal y las secundarias, en base a criterios de: mandato legal, oportunidad y disponibilidad.
• Proceso de seudonimización.- Con el objetivo de disponer de las bases de datos para el análisis y cuidar la confidencialidad de la información, se procede con el reemplazo de la variable de identificación directa y eliminación de las variables de identificación auxiliares, tales como: nombres y apellidos, razón social, nombre comercial, entre otras. Este proceso permite oculta la identificación directa del individuo y garantiza la vinculación con otros registros administrativos (INEC, 2015b).

En esta fase de la producción del Anuario de Transporte (ANET), se realiza la validación de la información captada, previo la generación de productos a publicarse.

    1.-  Crítica e integración de la base de datos.- Para la crítica del ANET 2017 se considera las siguientes acciones: 

        - Revisión de formatos establecidos para la entrega de la información 
        - Revisión del número de variables requeridas 
       - Revisión de datos omitidos 

      La integración de las bases de datos se realiza de manera homologada en función de la información entregada por cada una de las fuentes de información:

   2.-  Clasificaciones y/o codificaciones 

    Para la clasificación y codificación de las variables suministradas en los distintos registros administrativos, se realiza y/o actualiza las sintaxis de codificación (en SPSS  o STATA), a fin de garantizar homologación y consistencia (con las publicaciones de años anteriores) en la asignación de las categorías requeridas para la presentación de resultados, por ejemplo: Clase de vehículos, tipo de cargas, otras. 

  3.-  Validación e imputación 

   Para este proceso se aplica estadística descriptiva y otras herramientas para el análisis de consistencia de la información de los principales resultados.

   Validación.- Una vez criticada la información de vehículos matriculados, transporte ferroviario, transporte aéreo, transporte marítimo y fluvial y siniestro de tránsito, es sometida a análisis y validación en su totalidad de acuerdo a los siguientes pasos: 

       - Revisión de consistencia de información 
       - Derivación de nuevas variables 
       - Generación y revisión de tabulados preliminares 
       - Generación y revisión de indicadores 
       - Generación de archivos preliminares 

    Imputación.- Para este periodo, en relación a Vehículos Matriculados se efectuó un proceso de imputación de información para las variables de capacidad de pasajeros y capacidad de carga, cuyos registros fuesen valores perdidos, valores atípicos y valores cero. 

    Este ejercicio se estableció principalmente en una imputación aleatoria de los datos "missing", basados en el modelo "Hot-Deck" cuyo procedimiento consiste en el reemplazo de los valores perdidos por otro registro ya existentes en la muestra para reemplazarlo. (Little, R.J.A. & Rubin, D.B., 2002). Utilizando como variable de estratificación para el modelo la Clase de Vehículo, esto con el fin de que los valores a ser reemplazados sean por otros de la misma clase.