Informalidad laboral con la regla oficial

La informalidad laboral es una de las cifras del mercado laboral colombiano más citadas en la discusión pública, y también una de las más fáciles de recalcular mal. Los errores rara vez vienen de la aritmética; casi siempre vienen de la definición. Los microdatos de la GEIH traen preguntas sobre afiliación a salud, cotización a pensión, registro mercantil, contabilidad y posición ocupacional, y es tentador combinar dos o tres de ellas en una regla que parezca sensata. El resultado suele ser un número verosímil, cercano al oficial, que mide otra cosa.

Este capítulo separa tres ideas que en el uso corriente se confunden: ser informal, no cotizar a la seguridad social y ocupar cierta posición en el empleo. Parte de la definición oficial, que el DANE adoptó con el rediseño de la encuesta siguiendo a la 17.ª Conferencia Internacional de Estadísticos del Trabajo (CIET) y al Grupo de Delhi, y la sigue hasta el código que el propio DANE publica en el anexo de ocupación informal. Con ese código, aplicado a los microdatos de 2022 a 2025, la proporción oficial se reproduce con cuatro decimales. Después se mide cuánto cambia la cifra cuando la regla oficial se reemplaza por una de “no cotiza”, cómo se reparte la informalidad por posición ocupacional, sexo y zona, y qué se puede afirmar del Magdalena, donde el DANE no publica esta medición.

Se supone conocido el concepto de población ocupada (capítulo 4, Quién trabaja y quién busca) y la manera de pasar de totales mensuales a cifras anuales con el factor de expansión (capítulo 5, Las tasas del mercado laboral). La proporción de informalidad es una razón entre dos subconjuntos de ocupados, de modo que todo lo dicho allí sobre universos, filtros y anualización vale aquí sin cambios.

Tres mediciones en cuatro décadas#

Colombia mide la informalidad con encuestas de hogares desde mediados de los años ochenta. Según la metodología de 2016, el primer módulo de informalidad se aplicó en la Encuesta Nacional de Hogares en junio de 1986 para las siete principales ciudades con sus áreas metropolitanas, y entre 1986 y 2000 se repitió en junio, con una periodicidad que el documento llama “bianual” (Metodología GEIH V9, p. 7). La Encuesta Continua de Hogares lo aplicó en los segundos trimestres de 2001 a 2006, y la GEIH lo volvió continuo: la medición se empezó a publicar en 2007, con divulgación mensual y un acumulado trimestral de muestra (Metodología GEIH V9, pp. 7-8).

En ese tiempo el criterio de clasificación cambió dos veces. Hasta 2009 el sector informal se delimitaba por el tamaño del establecimiento, con un umbral de diez personas. La metodología de ese año incluye en él a los empleados y obreros de establecimientos de hasta diez personas, a los trabajadores familiares sin remuneración, a los empleados domésticos, a los trabajadores por cuenta propia que no fueran independientes profesionales y a los patrones de empresas de diez trabajadores o menos, y excluye a los obreros y empleados del Gobierno (Metodología GEIH 2009, p. 50). En diciembre de 2009 el DANE adoptó la resolución de la 15.ª CIET de 1993 y bajó el umbral de diez a cinco trabajadores, con un argumento empírico: la Encuesta de Microestablecimientos había mostrado que las empresas de seis a nueve empleados generan empleo formal (Metodología GEIH V11, p. 3). La metodología vigente resume el alcance de esa adaptación con una frase precisa: la ocupación informal “se medía por las características de las unidades de producción (empresas), más que por las características de las personas o de los puestos de trabajo” (Metodología GEIH V11, p. 3).

La tercera medición es la actual. Con el rediseño sobre el marco 2018 el DANE adoptó “la nueva definición para la medición de la ocupación informal, la cual se basa en la resolución de la 17ª CIET de la OIT (2003) y las recomendaciones del grupo de DELHI sobre las estadísticas del sector informal” (Metodología GEIH V11, pp. 3-4). La presentación del nuevo enfoque fecha la publicación de esa medición el 29 de abril de 2022 (Enfoque conceptual GEIH 2022, p. 19). El boletín de ocupación informal describe el cambio en los mismos términos: antes la medición se hacía “principalmente teniendo en cuenta el tamaño de la empresa”, y la afiliación a salud y pensión eran mediciones complementarias (Boletín informalidad oct.-dic. 2025, p. 2).

La consecuencia práctica de esta secuencia se fija desde ahora, porque reaparece al final del capítulo. Una serie de informalidad por tamaño de empresa y una serie con la definición de la 17.ª CIET miden objetos distintos, y el boletín es explícito sobre el límite temporal de la segunda: como usa variables que el formulario del marco 2005 no tenía, entre ellas el registro en Cámara de Comercio de la empresa donde trabajan los asalariados o si esta lleva contabilidad, “la medición de informalidad del rediseño solo puede calcularse con GEIH marco 2018, es decir, desde 2021 en adelante” (Boletín informalidad oct.-dic. 2025, p. 3).

La definición vigente#

La metodología general de la GEIH define dos conceptos, uno para las personas y otro para las unidades económicas. Conviene leerlos completos antes de pensar en variables.

La definición de ocupado informal aplica un criterio distinto según la posición en el empleo. A los asalariados y a los empleados domésticos se les mira el puesto de trabajo: si su vínculo laboral les genera cotizaciones a salud y a pensión. A los trabajadores por cuenta propia y a los patrones se les mira la unidad productiva: si quedó clasificada en el sector informal, es decir, si no está registrada y no lleva una contabilidad que separe sus gastos. Dos grupos quedan resueltos por definición, sin mirar ninguna otra variable: los trabajadores familiares sin remuneración son todos informales y los empleados del gobierno quedan excluidos. El boletín agrega una precisión operativa que la metodología no hace con esas palabras: también son informales, por definición, las personas en la posición “Otro ¿Cuál?” (Boletín informalidad oct.-dic. 2025, p. 3). Es razonable leer esa categoría como la forma que toman en el formulario las “demás personas sobre las que no se dispone de suficiente información”, aunque ninguno de los dos documentos establece la equivalencia.

Dos expresiones del texto oficial admiten más de una lectura y conviene señalarlas antes de abrir el código. La primera es “no cuentan con cotizaciones de salud ni a pensión”: podría entenderse que es informal quien no tiene ninguna de las dos, o también aquel a quien le falta cualquiera de ellas. La segunda es “se excluyen”: podría significar que los empleados del gobierno salen del universo o que se cuentan como no informales. Las fuentes metodológicas no resuelven ninguna de las dos; el código del DANE resuelve ambas. Para ser formal, un asalariado necesita las dos cotizaciones, de modo que le basta perder una para quedar informal, y los empleados del gobierno permanecen en el denominador, clasificados como formales.

Unidad productiva y puesto de trabajo#

La metodología resume la directriz de la 17.ª CIET como una definición “donde se contempla tanto la situación del sector informal (si la empresa donde trabaja el encuestado cuenta con registro tributario y/o lleva contabilidad), como la situación en el puesto de trabajo (si el empleado tiene seguridad social a causa de su relación laboral con la empresa que lo contrató)” (Metodología GEIH V11, p. 6). Para medir lo primero, el rediseño añadió preguntas al capítulo de ocupados: a los asalariados, si la empresa está registrada en Cámara de Comercio, tiene RUT o personería jurídica, y si cuenta con contabilidad; a los independientes sin negocio propio, si la empresa en la que trabajan tiene registro mercantil, contabilidad, RUT o personería jurídica; y a los que tienen negocio, si lo registraron y si a través de la contabilidad pueden separar los gastos del negocio de los del hogar (Metodología GEIH V11, p. 11).

La presentación del nuevo enfoque describe los dos enfoques con más variables de las que finalmente usa la regla. Para el puesto de trabajo menciona la afiliación a salud, pensión, ARL y caja de compensación, los derechos prestacionales y la formalidad de la empresa (Enfoque conceptual GEIH 2022, p. 19). La definición de la metodología se queda con salud y pensión, y el código también: ni la ARL ni la caja de compensación ni las prestaciones intervienen en la clasificación. Quien quiera una medida de calidad del empleo más amplia puede construirla con esas preguntas, pero debe saber que ya no estará midiendo la informalidad oficial.

La 17.ª CIET permite separar tres agregados, el empleo en el sector informal, el empleo informal y el empleo informal fuera del sector informal (Metodología GEIH V11, p. 6), y la presentación los define como sumas de casillas de la matriz de Hussmanns adaptada para Colombia (Enfoque conceptual GEIH 2022, p. 20). La disposición de esas casillas no se puede reconstruir desde el texto disponible de la lámina, así que este capítulo no dibuja la matriz. La cifra que publica el DANE, y la que aquí se reproduce, es la proporción de población ocupada informal, es decir, el empleo informal sobre el total de ocupados.

La regla escrita en código#

El boletín de ocupación informal termina su sección metodológica con una indicación que vuelve innecesaria cualquier reconstrucción: “el código para calcular la ocupación informal está dispuesto en el anexo estadístico en las pestañas Código_SAS y Código_STATA” (Boletín informalidad oct.-dic. 2025, p. 3). La hoja de Stata aclara la convención: la variable EI vale 0 para los ocupados informales y 1 para los formales (Anexo informalidad oct.-dic. 2025, hoja Código_STATA, fila 10). Para la regla operativa es la fuente más precisa de las disponibles, porque resuelve justamente lo que el texto de la metodología deja abierto. La figura 6.1 lo transcribe como un flujo por posición ocupacional, con las filas de la hoja donde está cada condición.

La clasificación final ocupa cinco líneas. Todo lo demás en la hoja sirve para construir las tres variables auxiliares que estas líneas consultan: FORMAL, el sector de la unidad productiva; SALUD y PENSION, las dos cotizaciones del asalariado.

/*OCUPACIÓN INFORMAL*/

gen EI=0
replace EI=1 if P6430==2
replace EI=FORMAL if (P6430 ==4 | P6430 ==5)
replace EI=1 if (P6430 ==1 | P6430 ==2 | P6430 ==3 | P6430 ==7 ) & SALUD==1 & PENSION==1
replace EI=1 if (P6430 ==1 | P6430 ==2 | P6430 ==3 | P6430 ==4 | P6430 ==5 | P6430 ==7) & (RAMA2D_R4=="84" | RAMA2D_R4=="99")

La lectura es secuencial. Todos los ocupados empiezan como informales (fila 88). Los empleados del gobierno pasan a formales (89). Los cuenta propia y los patrones toman el valor del sector de su unidad (90). Los asalariados particulares, los domésticos y el código 7 pasan a formales si tienen salud y pensión (91); el código 2 aparece también en esa línea, pero ya era formal. La última línea vuelve formales a casi todas las posiciones cuando la rama de actividad es la 84 o la 99 (92). Como en Stata cada replace se aplica sobre el resultado del anterior, la última condición que se cumple es la que vale, y por eso la fila 92 prevalece.

Asalariados: salud y pensión a la vez#

Para las posiciones 1, 3 y 7 el código construye SALUD y PENSION con valor inicial 0 y las cambia a 1 bajo condiciones concretas. SALUD vale 1 cuando P6100 es 1 o 2 y P6110 es 1, 2 o 4, y también cuando una de esas dos preguntas tiene la respuesta 9 y P6450 es 2. PENSION vale 1 cuando P6920 es 3, o cuando P6920 es 1, P6930 es 1, 2 o 3 y P6940 es 1 o 3 (Anexo informalidad oct.-dic. 2025, hoja Código_STATA, filas 74-84). La fila 91 exige las dos a la vez: basta que falte una para que el asalariado sea informal. Esa es la respuesta del código a la primera ambigüedad de la definición.

El código también calcula el sector FORMAL de los asalariados, con P3045S1, P3046 y P3069 (filas 26 a 31), pero esa variable no entra en su EI, que se decide solo con salud y pensión (fila 91). Para la proporción que publica el DANE ese bloque no tiene efecto. Una lectura posible, del autor, es que sirve para los otros agregados de la 17.ª CIET, como el empleo informal fuera del sector informal, que sí necesitan saber si la empresa del asalariado es formal.

Independientes: el sector de la unidad#

Para los trabajadores por cuenta propia (4) y los patrones (5) la cotización no aparece en ninguna línea. Su EI es el valor de FORMAL, que el código arma en tres bloques que sus propios comentarios rotulan “sin negocio”, “con negocio, con registro mercantil” y “sin registro mercantil” (Anexo informalidad oct.-dic. 2025, hoja Código_STATA, filas 33-70). La variable P6765 separa los dos primeros casos: el valor 7 abre el bloque con negocio y los demás valores, del 1 al 6 y el 8, el bloque sin negocio. Dentro del bloque con negocio, P3067 separa a quienes tienen registro mercantil (1) de quienes no (2).

Cada bloque sigue la misma idea de la definición de sector informal, registro y contabilidad, con preguntas distintas según el caso. El bloque sin negocio se resuelve con P3065 y, si esta no basta, con P3066. En el bloque con registro mercantil, una de las ramas compara un año reportado (P3067S2) con el año anterior al de la encuesta, que el código construye al principio como ANIOS = PER − 1 (fila 14), y otra pasa a P6775. El bloque sin registro empieza por P6775 y, cuando esta vale 1, consulta P3068. Dos criterios de último recurso entran solo cuando esas respuestas no bastan, en general porque valen 9, y en el caso de P6775 también cuando vale 3: los dos primeros dígitos del oficio (OFICIO_C8 entre 00 y 20 es formal, 21 o más es informal), que se aplican a los cuenta propia y, con P6775 = 3, también a los patrones; y P3069, que en estos bloques solo se usa con los patrones: igual o mayor que 4 es formal, igual o menor que 3 es informal.

Posiciones fijas y la regla de las ramas#

Los trabajadores familiares sin remuneración (6) y el código 8 nunca cambian el 0 inicial, como pide la definición. La única regla que el texto de la metodología no anticipa es la última: los ocupados de las posiciones 1, 2, 3, 4, 5 y 7 cuya rama de actividad, RAMA2D_R4, es 84 o 99 quedan formales sin importar sus cotizaciones ni su unidad productiva (fila 92). La metodología indica que la población ocupada se publica por ramas de actividad de la CIIU 4 A.C. (Metodología GEIH V11, p. 10), pero no nombra esas dos divisiones ni explica por qué deciden la clasificación.

Dos sintaxis, una clasificación#

El anexo publica la misma regla en Stata y en SAS, y las dos no se escriben igual. Stata encadena replace en los que gana la última condición que se cumple; SAS usa una cadena de IF ... ELSE en la que gana la primera. Los dos lenguajes tratan además el valor faltante de forma opuesta en las comparaciones: en Stata un faltante numérico es mayor que cualquier número, de modo que P3069 ≥ 4 resulta verdadero cuando P3069 falta, y en SAS es menor que cualquier número. El laboratorio tradujo las dos hojas por separado, con esas semánticas, y las aplicó a los 1.459.981 registros de ocupados de las cuatro bases anuales: las filas en que las dos sintaxis difieren suman 0. El libro usa la de Stata.

La hoja de Stata tiene un error de escritura que hay que conocer para no copiarlo. La fila 65 termina con un operador | suelto antes del comentario “Nota: Se agrega la opción 3 ya que esta reemplaza al 9 desde 2023” (Anexo informalidad oct.-dic. 2025, hoja Código_STATA, fila 65). El operador deja la condición incompleta, de modo que la línea no puede copiarse tal cual. La traducción la toma sin él, que es lo que dice la línea equivalente de SAS (Anexo informalidad oct.-dic. 2025, hoja Código_SAS, fila 57). El propio comentario deja además una advertencia de comparabilidad: la opción 3 de P3068 reemplazó a la 9 desde 2023, y quien filtre por códigos de respuesta en esa pregunta debe tratar 2022 de forma distinta a los años siguientes.

def ei_stata() -> pl.Expr:
    """``EI`` según ``Código_STATA`` (filas 88 a 92). 1 formal, 0 informal."""
    P = _c("P6430")
    salud, pension = _salud_pension_stata()
    formal = formal_stata()
    ei = pl.lit(0.0)                                                           # 88
    ei = pl.when(_eq(P, 2)).then(pl.lit(1.0)).otherwise(ei)                    # 89
    ei = pl.when(_en(P, [4, 5])).then(formal).otherwise(ei)                    # 90
    ei = pl.when(_en(P, [1, 2, 3, 7]) & (salud == 1) & (pension == 1)).then(pl.lit(1.0)).otherwise(ei)  # 91
    ei = pl.when(_en(P, [1, 2, 3, 4, 5, 7]) & _en(_c("RAMA2D_R4"), ["84", "99"])).then(pl.lit(1.0)).otherwise(ei)  # 92
    return ei

Reproducir la cifra oficial#

Con la regla traducida, la proporción anual se calcula como cualquier otra razón del mercado laboral. El universo son los ocupados (OCI == 1); cada persona pesa su FEX_C18; el total anual de ocupados y el de informales son el promedio de los doce totales mensuales, y la proporción es el cociente de esos dos promedios.

Aquí $I_{im}$ vale 1 si el ocupado i del mes m tiene EI = 0 y 0 en otro caso. Los factores 1/12 se cancelan y la fórmula equivale a dividir sumas anuales, pero escribirla así deja claro qué se está estimando: el número promedio de informales en un mes del año sobre el número promedio de ocupados.

El referente oficial requiere un paso adicional, porque el anexo de informalidad no trae una columna anual. Para el total nacional y los grandes dominios publica una serie mensual de ocupados, formales e informales (hoja Grandes dominios), y con ella el referente anual se deriva igual que el cálculo propio: promedio de los doce meses de informales sobre promedio de los doce meses de ocupados. Para las desagregaciones por sexo, posición ocupacional y ciudades solo hay trimestres móviles, y el laboratorio toma los cuatro trimestres calendario (enero a marzo, abril a junio, julio a septiembre y octubre a diciembre). Las dos vías se pueden comparar en el total nacional con las propias celdas del anexo: en los cuatro años la diferencia entre ellas es menor que una millonésima de punto porcentual. Por eso el libro usa ambas sin distinción práctica: las fichas de trazabilidad contrastan el total nacional con la serie mensual del anexo más reciente, el de junio a agosto de 2026, y las figuras toman los trimestres calendario del anexo de octubre a diciembre de 2025, el mismo que trae el código. El DANE no documenta con qué estimador arma la cifra anual, así que la coincidencia confirma la aritmética del referente derivado y no el procedimiento interno del DANE, un vacío que el capítulo 5, Las tasas del mercado laboral ya señaló para las tasas.

El cálculo del laboratorio está en una función corta. Recibe la base ya clasificada, verifica que estén los doce meses, filtra el dominio y los ocupados, y devuelve los dos promedios y su cociente. La aserción sobre los meses protege los totales: con un mes faltante, dividir entre 12 subestimaría ocupados e informales, y la proporción, aunque siguiera pareciendo razonable, dejaría de ser la del año completo.

def _agregado(df: pl.DataFrame, dom: pl.Expr, col_inf: str) -> dict:
    """Promedio anual de totales mensuales (suma de los 12 meses / 12)."""
    meses = df["MES"].n_unique()
    assert meses == 12, f"se esperaban 12 meses y hay {meses}"
    d = df.filter(dom & (pl.col("OCI") == 1))
    w = pl.col("FEX_C18")
    r = d.select(
        (w.sum() / 12).alias("oc"),
        (w * pl.col(col_inf)).sum().truediv(12).alias("inf"),
        pl.len().alias("n_oc"),
        pl.col(col_inf).cast(pl.Int64).sum().alias("n_inf"),
    ).to_dicts()[0]
    r["prop"] = 100 * r["inf"] / r["oc"] if r["oc"] else None
    return r

Un relleno de ceros que mueve la cifra#

La regla toma “los dos primeros dígitos” de OFICIO_C8 con substr(OFICIO_C8, 1, 2) (Anexo informalidad oct.-dic. 2025, hoja Código_STATA, fila 16). El código CIUO adaptado llega al archivo con cuatro caracteres en casi todos los ocupados, pero como número: el grupo 0 pierde su cero inicial y “0110” se lee como “110”. La corrección natural es rellenar con ceros a la izquierda, y aquí aparece un error de una sola línea. Si se rellena a ocho caracteres, por analogía con el nombre de la variable, todos los códigos quedan con la forma “0000xxxx” y sus dos primeros dígitos son siempre 00. Todo cuenta propia que llegue al criterio de oficio cae entonces en el intervalo de 00 a 20 y se clasifica como formal.

El siguiente fragmento se ejecutó con las bases del laboratorio y aplica la regla dos veces a 2025, con el relleno correcto y con el relleno a ocho. La salida es la impresa por el programa.

import polars as pl

from geihlab import informalidad as inf
from geihlab.lectura import leer_geih

df = leer_geih(2025, ["FEX_C18", *inf.COLUMNAS_INFORMALIDAD])

for relleno in (4, 8):
    ocupados = (
        inf.preparar(df, relleno_oficio=relleno)
        .filter(pl.col("OCI") == 1)
        .with_columns(inf.ei_oficial().alias("EI"))
    )
    r = ocupados.select(
        (pl.col("FEX_C18").sum() / 12 / 1000).alias("ocupados_miles"),
        (pl.col("FEX_C18") * (pl.col("EI") == 0)).sum().truediv(12 * 1000).alias("informales_miles"),
    ).with_columns((100 * pl.col("informales_miles") / pl.col("ocupados_miles")).alias("prop"))
    fila = r.to_dicts()[0]
    print(f"OFICIO_C8 a {relleno} caracteres: "
          f"{fila['ocupados_miles']:.1f} mil ocupados, "
          f"{fila['informales_miles']:.1f} mil informales, "
          f"{fila['prop']:.4f} %")

OFICIO_C8 a 4 caracteres: 23827.4 mil ocupados, 13276.4 mil informales, 55.7188 %
OFICIO_C8 a 8 caracteres: 23827.4 mil ocupados, 13217.1 mil informales, 55.4702 %

En 2025 la diferencia es −0,25 p.p., y en 2022 llega a −0,61 p.p.. De los 724 registros que cambian en 2025, 706 son cuenta propia y 18 patrones, que también llegan al criterio de oficio en una de las ramas. La última columna pide más cuidado del que parece: sin ningún relleno el resultado coincide con el correcto en los cuatro años. Omitir el relleno tampoco es seguro. Si aquí no cambia nada es porque casi todos los códigos cortos de estas bases son los del grupo 0 (“110”, “210” y “310”, más un código “0”), que con o sin su cero inicial caen dentro del intervalo de 00 a 20, y porque el único código corto de otro grupo, un registro de 2024, corresponde a un ocupado cuya clasificación no pasa por el oficio. La coincidencia depende de la estructura de la regla y de los datos de estos años, y no garantiza nada para otra base.

La diferencia de un cuarto de punto en 2025 muestra con un caso real por qué una cifra cercana a la oficial no está validada: 55,47 % redondea a 55,5 %, que cualquiera aceptaría como “casi igual” a 55,7 %. El procedimiento para investigar diferencias así está en el capítulo 8, Validar resultados, y el problema general de los ceros a la izquierda, en el capítulo 3, Los microdatos por dentro.

No cotizar no equivale a ser informal#

Una regla más sencilla, que el autor de este libro usó en un cálculo anterior, clasifica como formal a todo ocupado afiliado al régimen contributivo de salud (P6100 == 1, con la lectura de códigos de la sección sobre asalariados) que cotiza a pensión (P6920 == 1), e informal a todos los demás, sin distinguir posición. Esa regla mide la ausencia de cotización a la seguridad social. Puede servir como aproximación a la protección social de los ocupados, aunque no corresponde a la definición oficial. El laboratorio la recalcula aquí con las mismas bases, el mismo universo y el mismo factor, solo para medir la distancia entre las dos.

La diferencia neta de tres puntos esconde dos movimientos en sentido contrario. La tabla 6.2 cruza las dos clasificaciones para el total nacional de 2025. Un 5,97 % de los ocupados es formal según el DANE e informal según la regla “no cotiza”, y un 3,06 % está en la situación opuesta. La diferencia de esas dos celdas es exactamente la brecha entre las proporciones, y basta para entender que la coincidencia aproximada de los totales no dice que las dos reglas clasifiquen a las mismas personas.

Las desagregaciones por posición muestran dónde se separan. En los asalariados particulares las dos reglas casi coinciden (28,71 % con la oficial, 28,56 % con la de “no cotiza”), lo que tiene sentido porque para ellos la regla oficial también mira cotizaciones, aunque con condiciones más finas sobre el régimen y sobre quién paga. Donde la definición usa otro criterio, la distancia se abre. Los patrones pasan de 43,79 % a 67,60 %: una parte de los que el código declara formales por el registro y la contabilidad de su negocio no cumple la doble condición de afiliación contributiva y cotización a pensión. Los trabajadores familiares sin remuneración, informales por definición, aparecen con 97,53 % en la regla “no cotiza”, porque una fracción pequeña de ellos sí declara esa doble condición. Y los empleados del gobierno, que la definición excluye y el código deja en 0 %, suben a 50,19 %.

Por posición ocupacional, sexo y zona#

El anexo publica la informalidad nacional por posición ocupacional, por sexo y por zona, en series mensuales o de trimestres móviles según la hoja. Reproducirlas categoría por categoría es una prueba más fuerte que reproducir el total, porque un error que se compensa en el agregado aparece en las partes. Las ocho posiciones, los dos sexos y las dos zonas coinciden con el anexo en los cuatro años. La figura 6.3 muestra la composición de 2025 en miles de personas, que es la escala en la que se entiende el peso de cada grupo.

La figura ayuda a separar informalidad y posición ocupacional, dos ideas que suelen confundirse. Salvo las tres posiciones que la definición y el boletín resuelven de antemano (empleados del gobierno, familiares sin remuneración y “Otro”), ninguna es informal o formal por sí misma: hay asalariados informales y patrones formales, y la proporción de los cuenta propia, aunque alta, no es 100 %. Pero la composición sí pesa. Un cambio en la proporción total puede venir de que cambie la informalidad dentro de cada posición o de que cambie el peso de las posiciones en el empleo, y leer la serie agregada sin mirar la composición mezcla las dos cosas.

La coincidencia exacta por sexo respalda además, con un dato independiente, la lectura de P3271 que el libro usa desde el capítulo 5, Las tasas del mercado laboral: 1 es hombre y 2 es mujer. Sigue siendo una inferencia, ahora apoyada en dos publicaciones distintas, hasta tenerla en el diccionario oficial.

Los códigos 7 y 8 de P6430#

La variable de posición ocupacional tiene una dificultad que no se resuelve con los materiales disponibles. El diccionario local que acompaña a las bases asigna al código 7 la etiqueta “trabajador sin remuneración en empresas de otros hogares” y al 8 “jornalero o peón”. El código del DANE trata el 7 como un asalariado, con salud y pensión, y el 8 como informal siempre, y el anexo publica las posiciones “Jornalero o peón” y “Otro”, sin una categoría de trabajadores sin remuneración en otros hogares. Las dos fuentes no pueden tener razón a la vez. Las etiquetas del diccionario local son las del formulario de 2016, del marco 2005, en el que el 7 era el trabajador sin remuneración en empresas o negocios de otros hogares, el 8 el jornalero o peón y el 9 “Otro” (Metodología GEIH V9, p. 74); nada garantiza que el rediseño haya conservado esa numeración.

Santa Marta y el Magdalena#

La desagregación territorial de la informalidad que publica el DANE es más corta que la de las tasas del mercado laboral. El anexo de ocupación informal trae el total nacional, cabeceras, centros poblados y rural disperso, 13 y 23 ciudades con sus áreas metropolitanas, y cada una de las ciudades. Para 2025 el boletín reporta 42,2 % en las 13 ciudades y 43,5 % en las 23 (Boletín informalidad oct.-dic. 2025, p. 9). Esos dos dominios agregan listas de ciudades que el laboratorio no reconstruye, de modo que el libro no los recalcula. Lo que sí se puede contrastar en el territorio de este libro es Santa Marta.

Santa Marta en el anexo de informalidad es la ciudad, no el departamento, y solo su cabecera municipal: el boletín advierte que los resultados desagregados para las ciudades “solo incluyen la información de la cabecera municipal” (Boletín informalidad oct.-dic. 2025, p. 10). En los microdatos eso corresponde a AREA == "47". Con ese filtro, la regla oficial reproduce la hoja de ciudades en los cuatro años, como muestra la figura 6.4 junto con la serie nacional.

El departamento del Magdalena es otro caso. El DANE no publica informalidad departamental en ninguno de los documentos revisados: ni en el anexo de mercado laboral por departamentos, cuyas hojas son de fuerza de trabajo, ramas y errores, ni en el boletín departamental, ni en los anexos de ocupación informal, cuyos dominios son los ya mencionados. Cualquier cifra de informalidad del Magdalena es, por tanto, una estimación propia sin cifra oficial con la cual validarla. El libro la calcula con la misma regla y el mismo filtro de departamento que usa para las tasas (DPTO == "47" tras rellenar a dos caracteres), y la presenta así.

Tres advertencias acompañan esta tabla. La primera es de factor: las cifras departamentales oficiales se calibran una vez al año por departamento (Metodología GEIH V11, p. 20), y la base pública solo trae el factor mensual, así que incluso las tasas del Magdalena calculadas con microdatos se apartan de las del anexo departamental (el capítulo 9, El Magdalena lo muestra con detalle). No hay razón para pensar que la informalidad escape a ese efecto. La segunda es de precisión: la última columna es una cota inferior del coeficiente de variación, calculada por el autor con la vivienda como conglomerado, que solo dice que la incertidumbre no es menor que eso; el DANE no publica un CV para esta cifra. La tercera es consecuencia de las dos anteriores: la caída de 76,77 % a 73,74 % entre 2022 y 2025 es una descripción de las estimaciones, no una prueba de que la informalidad del departamento bajó, porque sin un error estándar del diseño no se puede decir si el cambio es significativo.

Comparabilidad y revisiones de la serie#

La serie con la definición vigente empieza en 2021 (Boletín informalidad oct.-dic. 2025, p. 3), y las fuentes revisadas no documentan ningún empalme hacia atrás. Comparar la informalidad de 2025 con una cifra de 2019 significa comparar una proporción calculada con registro y contabilidad con otra calculada con el tamaño de la empresa: dos indicadores distintos que comparten nombre.

Dentro del periodo comparable hay un segundo problema, menos conocido. La serie anual publicada fue revisada entre ediciones del boletín, sin una nota que explique la causa en los documentos revisados. La proporción nacional de 2022 apareció como 58,2 % en el boletín publicado en febrero de 2023 (Boletín informalidad oct.-dic. 2022, p. 8), como 58,0 % en el de febrero de 2024 (Boletín informalidad oct.-dic. 2023, p. 8) y como 57,9 % en el de febrero de 2026 (Boletín informalidad oct.-dic. 2025, p. 9). La de 2021 pasó de 60,2 % a 59,4 % entre la primera y la última de esas ediciones. Las revisiones alcanzaron también a los dominios, entre ellos las 13 ciudades y los centros poblados y rural disperso en 2022 y las 23 ciudades en 2024 (Boletín informalidad oct.-dic. 2024, p. 9); la tabla completa, con las fechas de cada edición, está en el capítulo 8, Validar resultados.

La regla práctica es contrastar siempre con la edición vigente, que es la más reciente y la que reproduce el anexo actual. El 57,9434 % de 2022 que reproduce este capítulo no coincide con el 58,2 % del primer boletín, y esa distancia no dice nada del cálculo propio: solo indica qué edición se usó como referencia.

Un último cuidado tiene que ver con los periodos. El boletín de octubre a diciembre publica a la vez la cifra del trimestre y la del año, y en 2025 las dos redondean igual. El trimestre de octubre a diciembre da 55,6837 % según las celdas del anexo (Anexo informalidad oct.-dic. 2025, hoja Total nacional, celda BG14 y BG16), y el año, 55,7188 %. Nada obliga a que el trimestre y el año redondeen igual, y en 2025 lo hacen por circunstancia. Quien tome la cifra trimestral como anual, o al revés, obtendrá este año el mismo 55,7 %, y en otro año puede encontrarse con una diferencia que no sabrá a qué atribuir.

Ejercicios#

import polars as pl

from geihlab import informalidad as inf
from geihlab.lectura import leer_geih

df = inf.preparar(leer_geih(2025, ["FEX_C18", *inf.COLUMNAS_INFORMALIDAD]))
gobierno = df.filter((pl.col("OCI") == 1) & (pl.col("P6430") == 2))

tabla = (
    gobierno.group_by("P6100", "P6920")
    .agg((pl.col("FEX_C18").sum() / 12 / 1000).alias("miles"))
    .with_columns((100 * pl.col("miles") / pl.col("miles").sum()).alias("pct"))
    .sort("miles", descending=True)
)
for f in tabla.iter_rows(named=True):
    print(f"P6100={f['P6100']}  P6920={f['P6920']}  {f['miles']:7.1f} mil  {f['pct']:5.1f} %")

P6100=1  P6920=1    435.1 mil   49.8 %
P6100=2  P6920=1    393.4 mil   45.0 %
P6100=2  P6920=3     39.1 mil    4.5 %
P6100=1  P6920=3      4.9 mil    0.6 %
P6100=3  P6920=2      0.8 mil    0.1 %
P6100=None  P6920=2      0.1 mil    0.0 %

Lo que este capítulo deja abierto#

El capítulo reproduce la cifra oficial, pero no cierra todas las preguntas que abre. Las etiquetas 7 y 8 de P6430 y la codificación de P3271 son inferencias que deben confirmarse con el diccionario de ANDA de cada año, igual que el contenido exacto de las preguntas detrás de P3065, P3066, P3067S1, P3067S2, P6775, P3068, P3069 y P6450, que aquí se describen solo por el papel que cumplen en el código. La matriz de Hussmanns que el DANE adaptó para Colombia no se puede dibujar desde el texto de la lámina disponible. La causa de las revisiones de la serie anual de 2021 y 2022, y de la de 2024 en las 23 ciudades, no está documentada en los boletines revisados.

En el territorio, la informalidad del Magdalena seguirá siendo una estimación propia mientras el DANE no publique un referente departamental, y ninguna de sus variaciones anuales puede declararse significativa con la información pública. El capítulo 9, El Magdalena la usa con esas condiciones, junto al resto de los indicadores del departamento, y el capítulo 10, Laboratorio de reproducción explica cómo volver a correr el script que produce todas las cifras de este capítulo.