Notas de versión y descargas

Un libro que se apoya en microdatos y en publicaciones que el DANE revisa necesita decir con precisión con qué materiales se hizo. Esta página registra la versión del libro, la fecha en que se consultó cada fuente, los archivos de microdatos usados, la versión del código que produjo las cifras, el estado de la validación frente a las cifras oficiales y los archivos que se pueden descargar. También deja constancia de lo que cambió respecto de los dos artículos que el libro reemplaza y de las limitaciones que siguen abiertas.

Esta versión#

Versión 1.0 de Entendiendo la GEIH, publicada el 21 de octubre de 2026. Es la primera edición como libro, con diez capítulos y cuatro secciones complementarias. Absorbe dos artículos publicados antes en este sitio, corrige lo que en ellos hacía falta corregir y recalcula todas las cifras con un laboratorio reproducible. Los microdatos cubren los años 2022 a 2025 de la GEIH marco 2018. El documento oficial más reciente que usa el laboratorio es el Anexo informalidad jun.-ago. 2026, publicado el 13 de octubre de 2026; la serie mensual nacional de mercado laboral llega hasta agosto de 2026 en el anexo publicado el 30 de septiembre de 2026. No hay todavía cifras anuales de 2026.

Cuando el DANE publique nuevas ediciones de sus anexos, las cifras oficiales del libro pueden quedar desactualizadas sin que el texto lo advierta. La fecha de consulta de cada documento, que se da abajo, es la que permite saber contra qué edición se validó cada cifra.

Fuentes oficiales y fechas de consulta#

Los boletines, anexos y presentaciones del DANE con que se validan las cifras se descargaron el 17 de octubre de 2026 y el laboratorio los lee desde una copia local. La tabla identifica cada archivo por su fecha de publicación y por su huella SHA-256, que permite comprobar que una descarga posterior es idéntica a la usada aquí, y dice cuántos registros tomó el laboratorio de cada uno. Los boletines de informalidad marcados como no vigentes se conservan solo porque documentan una revisión de la serie; el libro no valida contra ellos.

Para el resto de la bibliografía la fecha de consulta figura junto a cada enlace en las Referencias. Hay 2 fechas: 17 de octubre de 2026 (26 documentos) y 21 de octubre de 2026 (17 documentos). La primera corresponde a la descarga de los boletines, anexos y presentaciones con que trabaja el laboratorio; la segunda, a la comprobación de los enlaces de las metodologías, los catálogos anuales de microdatos, las resoluciones de la OIT y el decreto del salario mínimo, que se añadieron o revisaron al preparar la bibliografía. La metodología que sirve de base es la Metodología GEIH V11, la versión publicada en el sitio del DANE en la fecha de consulta. El catálogo de microdatos de 2025 enlaza una documentación metodológica alojada en un portal con inicio de sesión que no se pudo abrir, de modo que este libro no puede descartar que exista una versión posterior (ANDA, GEIH 2025).

Versión de los microdatos#

El libro usa las bases anuales de la GEIH de 2022 a 2025, una por año, con una fila por persona y mes y los módulos mensuales ya unidos en columnas. Los módulos provienen de los catálogos del Archivo Nacional de Datos (ANDA, GEIH 2022, ANDA, GEIH 2023, ANDA, GEIH 2024 y ANDA, GEIH 2025). Las bases se recibieron ya armadas y la fecha en que se descargaron los módulos no quedó registrada en los materiales del libro, así que la mejor forma de identificar la versión exacta es por las características de cada archivo, que el laboratorio mide al auditarlo. Quien arme sus propias bases puede compararlas con esta tabla: si el número de filas, de columnas o de hogares no coincide, está trabajando con otra versión o con otro procedimiento de unión.

Versión del laboratorio#

Todas las cifras propias del libro salen de un conjunto de scripts en Python que leen los microdatos y los documentos oficiales y escriben archivos agregados en formato JSON, los mismos que usan las figuras y las fichas de cada capítulo. La ejecución que produjo los datos de esta versión se hizo el 21 de octubre de 2026 con Python 3.14.2 y las dependencias polars 1.39.3, numpy 2.5.2, openpyxl 3.1.5, xlrd 2.0.2, pytest 9.0.2, pypdf 6.10.2. El manifiesto de esa ejecución registra el commit 0864525 del repositorio; la huella de cada script, en la tabla siguiente, identifica el código que corrió.

Al preparar esta versión, el 21 de octubre de 2026, se ejecutó también el conjunto completo de pruebas del laboratorio, que comprueba identidades contables en los microdatos, la unicidad de las llaves, los estimadores con datos sintéticos, el cuantil ponderado frente a casos de resultado conocido y la reproducción exacta de cifras oficiales; pasaron las 136 pruebas. El recorrido completo, de la instalación a la tabla de validación, está en el capítulo 10, Laboratorio de reproducción.

Estado de la validación#

La tabla de validación tiene 1.347 filas, una por cifra propia: las que tienen referente oficial se comparan con él y las demás quedan registradas con el motivo de que no lo tengan. La regla de estados es del autor y se aplica igual en todo el libro: una cifra coincide cuando la diferencia es menor que la tolerancia frente a un valor oficial con al menos cuatro decimales y el mismo método; coincide al redondeo cuando solo hay una cifra oficial redondeada, y eso nunca se presenta como validación plena; una diferencia es explicada cuando tiene una causa con cita, y sin causa queda como diferencia sin explicar. Sin referente quiere decir que el DANE no publica una cifra comparable.

En esta versión, 1.056 cifras coinciden, 28 coinciden al redondeo, 108 tienen diferencia explicada, 155 no tienen referente y 0 quedan sin explicar. Todas las diferencias explicadas son del Magdalena y tienen la misma causa: la calibración anual por departamentos que hace el DANE y que no viene en la base pública (Metodología GEIH V11, p. 20).

Descargas#

La tabla de validación completa se publica como validacion.csv (1,9 MB, 1.347 filas). Cada fila es una cifra del libro e incluye el valor propio, el oficial, la diferencia, la tolerancia, el estado, la causa o el motivo de que no haya referente, el documento oficial con su dirección, hoja, celda o página, el tamaño de muestra, la cota aproximada del coeficiente de variación cuando existe, y las variables, filtros, universo, factor y método con que se calculó la cifra propia. Con ese archivo se puede revisar contra el documento del DANE cualquier resultado que tenga referente oficial, sin ejecutar código. El archivo tiene 37 columnas; la primera, id, es el identificador que aparece en las fichas de resultado de cada capítulo.

Los microdatos no se redistribuyen: se descargan del Archivo Nacional de Datos con registro previo, y el capítulo 10, Laboratorio de reproducción explica cómo prepararlos. En esta versión el código del laboratorio no se ofrece como repositorio público; los fragmentos que muestra el libro se copiaron de él sin modificar el código (cuando se omiten los comentarios de documentación, el fragmento lo dice), y cada script queda identificado por su ruta y su huella en la tabla N.3.

Cambios respecto de los artículos anteriores#

El libro reemplaza dos artículos publicados antes en este sitio: uno de introducción a la GEIH y otro sobre la mediana ponderada del ingreso laboral. Al convertirlos en capítulos se revisó cada afirmación contra la documentación y cada cifra contra los microdatos. Varias afirmaciones cambiaron.

En la historia de la encuesta, la Encuesta Continua de Hogares no reemplazó a la Encuesta Nacional de Hogares de un día para otro: fue piloto en 1999, se aplicó en forma definitiva desde enero de 2000 y durante todo ese año las dos encuestas se recolectaron en paralelo para empalmar las series (Metodología GEIH V11, p. 2). La integración de las encuestas de ingresos y gastos y de calidad de vida en la GEIH fue solo parcial (Metodología GEIH V11, pp. 2-3). El rediseño se describe ahora con sus tres fechas (recolección en paralelo durante 2021, resultados oficiales con el marco 2018 desde enero de 2021 y operativo único desde enero de 2022) (Metodología GEIH V11, pp. 2-3), y se aclara que siguió las resoluciones de la 17.ª, 19.ª y 20.ª CIET: las definiciones de empleo y desempleo no cambiaron respecto de la 13.ª, pero sí la edad de la población en edad de trabajar, la confirmación de la remuneración y la búsqueda, que se acota a cuatro semanas (Metodología GEIH V11, pp. 6-7, 11).

En los conceptos, el trabajo sin remuneración que cuenta como ocupación es, en la operación de la encuesta, el que se hace en la empresa o negocio de un familiar u hogar (Enfoque conceptual GEIH 2022, p. 97), y el indicador se llama tasa de desocupación (Presentación GEIH dic. 2025, p. 34). La lectura del nombre FEX_C18 como referencia al censo de 2018 se presenta como interpretación del autor, porque ningún documento la confirma. La mediana del factor de expansión se recalculó declarando el universo: sobre todas las filas de 2025 es 317,95. La afirmación de que el DANE sobremuestrea zonas “por costo” se retiró; lo que la metodología dice es que los tamaños se fijan por dominio según metas de precisión y que el diseño buscó la autoponderación sin poder asegurarla (Metodología GEIH V11, pp. 15-17). Las zonas se llaman cabeceras y centros poblados y rural disperso, como en la metodología, y no urbanas y rurales (Metodología GEIH V11, p. 13). Se retiró la sugerencia de declarar el diseño muestral completo con un paquete estadístico, porque las bases públicas no traen estrato ni segmento (Metodología GEIH V11, p. 27).

En los ingresos, el filtro de ingresos positivos se mantiene pero se declara como decisión, con el número de ceros y faltantes que excluye. El valor de $1.423.500, donde se concentra la distribución del ingreso laboral nacional de 2025, se cita ahora con la norma que lo fija como salario mínimo legal de ese año (Decreto 1572 de 2024, art. 1), y la expresión “cerca del 10 %” para la proporción de ocupados que reportan exactamente ese valor se reemplaza por la cifra calculada, 9,78 %. El laboratorio revisó en total 33 afirmaciones numéricas del artículo con su script de ingresos: 31 coinciden con el recálculo a la precisión con que se publicaron, y las otras 2 son las que se acaban de describir. La tabla N.5 las muestra una por una.

Limitaciones conocidas#

Algunas limitaciones vienen de los datos públicos y no tienen solución dentro del libro. Las bases no traen estrato, unidad primaria ni segmento, de modo que no se pueden calcular errores estándar con el método del DANE (Metodología GEIH V11, pp. 21, 27); el libro usa la precisión publicada y una aproximación propia rotulada como tal, que no se comporta como cota inferior en todas las cifras nacionales con coeficiente de variación publicado. Las bases traen un solo factor de expansión, que según la evidencia de los datos corresponde a la calibración mensual, y por eso las cifras propias del Magdalena difieren de las oficiales (Metodología GEIH V11, p. 20). El DANE no publica la informalidad del departamento, los percentiles del ingreso laboral ni la informalidad de Santa Marta por sexo, posición o clase, así que esas cifras son estimaciones propias sin referente. Tampoco publica la precisión de las cifras anuales nacionales, y la precisión oficial del Magdalena para 2022 no se pudo localizar, porque el boletín y el anexo departamentales de ese año no aparecen en las direcciones esperadas.

Otras dependen de materiales que no se tuvieron. El script que arma la base anual a partir de los módulos mensuales del Archivo Nacional de Datos está escrito y probado con módulos sintéticos, pero no se ha ejecutado contra los módulos reales. La lectura de la variable de sexo y de dos códigos de la posición ocupacional se apoya en que con ella se reproducen exactamente las cifras oficiales, no en el diccionario oficial de cada año, que no se consultó. La construcción de la variable de ingresos laborales no está documentada en las fuentes revisadas, y ninguna cifra de ingresos del libro está deflactada: los niveles de años distintos están en pesos corrientes.

Cómo citar el libro#

Para citar el libro completo se sugiere la forma siguiente; para un capítulo, basta añadir su título y su dirección. Como el libro puede actualizarse, conviene indicar la versión y la fecha de consulta.

Molina Barrios, D. (2026). Entendiendo la GEIH. Cómo funciona la Gran Encuesta Integrada de Hogares y cómo calcular, interpretar y validar sus indicadores laborales con los microdatos del DANE (versión 1.0). https://danielmolina.dev/blog/geih