Preguntas frecuentes

Estas son las dudas que más aparecen cuando alguien pasa de leer los boletines del DANE a trabajar con los microdatos de la GEIH. Las respuestas son cortas a propósito: dicen lo esencial, dan la fuente y remiten al capítulo donde el tema se desarrolla con datos. Cuando una respuesta usa una cifra calculada por el laboratorio del libro, la acompaña su ficha de trazabilidad, con el código que la produjo y su contraste con la cifra oficial. Varias respuestas son negativas, porque la encuesta no permite lo que se le pide; en esos casos se explica qué sí se puede hacer con ella.

Qué se puede estimar y para dónde#

¿Puedo calcular la tasa de desocupación de un municipio?#

No con la GEIH, salvo en los municipios que son a la vez un dominio de la encuesta, y aun entonces solo para su cabecera. La razón es doble. El diseño garantiza estimaciones para dominios definidos de antemano: el total nacional cada mes, cada una de las 23 ciudades principales cada trimestre, San Andrés cada semestre, las capitales de Amazonía y Orinoquía y cinco ciudades intermedias cada año, y los departamentos con periodicidad anual (Metodología GEIH V11, p. 15). Fuera de las capitales, que entran a la muestra por inclusión forzosa, un municipio es solo una de las unidades primarias que pudieron salir sorteadas dentro de su estrato, y los segmentos que se le asignan no están dimensionados para representarlo. Además, el código del municipio es una de las variables que el DANE elimina de las bases públicas, junto con el segmento y el estrato de diseño (Metodología GEIH V11, p. 27): aunque se quisiera intentar, el archivo no permite saber en qué municipio vive cada hogar.

Lo que sí se puede hacer es trabajar con el dominio más pequeño que el DANE publica y que contiene al municipio de interés, y leer la precisión que el propio DANE informa para él. Los dominios y su periodicidad se explican en el capítulo 2, Cómo funciona la encuesta.

¿Santa Marta y el Magdalena son lo mismo en la GEIH?#

No. Santa Marta es una de las 23 ciudades de la encuesta y sus resultados corresponden solo a la cabecera municipal: el DANE aclara que los resultados de mercado laboral de las ciudades de la muestra incluyen únicamente la información de la cabecera (Boletín informalidad oct.-dic. 2025, p. 10). El Magdalena es el departamento completo, con todas sus cabeceras, centros poblados y zona rural dispersa, y tiene estimación anual. En los microdatos, la ciudad se identifica con AREA igual a 47 y el departamento con DPTO igual a 47 (ver DPTO y AREA).

Confundirlos lleva a comparar cifras que no miden la misma población. Los dos dominios tienen cifras oficiales distintas y se validan contra documentos distintos. La tasa de desocupación de Santa Marta en 2025, calculada con los microdatos, es 8,9680 %; la que publica el DANE en su anexo vigente para la ciudad es 8,9680 %. El caso del departamento, que no coincide de la misma manera, se explica más abajo. El capítulo 9, El Magdalena trabaja los dos dominios por separado.

¿Hasta dónde puedo desagregar por sexo, edad o nivel educativo?#

Hasta donde la precisión lo permita, y eso hay que comprobarlo en cada corte. La metodología no recomienda usar desagregaciones cuyos indicadores tengan un coeficiente de variación superior al 15 % (Metodología GEIH V11, p. 14), y advierte que una variable cuya proporción respecto de la fuerza de trabajo sea menor al 10 % tiene un error de muestreo superior al 5 % (Metodología GEIH V11, p. 27). Los cortes por sexo del total nacional tienen cifra oficial con la que compararse. Para un departamento conviene trabajar con grupos amplios, definidos antes de mirar los resultados, y revisar la precisión de cada uno.

El libro aplicó esa regla a los grupos de edad y de nivel educativo del Magdalena con su CV aproximado. De 160 combinaciones de año, grupo e indicador, 4 no pasaron: TD de 65 años y más, con cotas entre 24,5 % y 33,9 % según el año. Como la aproximación se construyó para quedar por debajo del CV verdadero, que un corte pase la regla es condición necesaria y no garantía de precisión. Los detalles están en el capítulo 9, El Magdalena.

Factores de expansión y precisión#

¿Qué factor de expansión uso y cómo obtengo una cifra anual?#

En las bases públicas de 2022 a 2025 hay un solo factor, FEX_C18, y es el que hay que usar. Cada base anual apila doce muestras mensuales, de modo que la suma del factor sobre todo el archivo no es la población del año sino cerca de doce veces esa población. El procedimiento del libro es calcular primero los totales de cada mes con el factor y luego promediar los doce totales. Para las tasas, el libro guarda dos versiones: la razón de promedios, que divide el promedio anual de desocupados por el de la fuerza de trabajo, y el promedio simple de las doce tasas mensuales. El fragmento siguiente es el código del laboratorio que hace las dos primeras cosas; nótese que la función falla si al año le falta algún mes.

def totales_mensuales(
    df: pl.DataFrame,
    por: Sequence[str] = (),
    peso: str | None = "FEX_C18",
) -> pl.DataFrame:
    w = pl.col(peso).cast(pl.Float64) if peso else pl.lit(1.0)
    aggs = []
    for ind, col in POBLACIONES.items():
        c = pl.col(col).cast(pl.Float64)
        aggs.append((w * c).sum().alias(ind))
        aggs.append(pl.col(col).cast(pl.Int64).sum().alias(f"n_{ind}"))
    claves = ["MES", *por]
    return df.group_by(claves).agg(aggs).sort(claves)


def anual_razon_de_promedios(
    tm: pl.DataFrame, por: Sequence[str] = (), meses: int = 12
) -> pl.DataFrame:
    _verificar_meses(tm, por, meses)
    aggs = [pl.col(ind).mean() for ind in POBLACIONES] + [
        pl.col(f"n_{ind}").sum() for ind in POBLACIONES
    ]
    if por:
        anual = tm.group_by(list(por)).agg(aggs).sort(list(por))
    else:
        anual = tm.select(aggs)
    return agregar_tasas(anual)

Las dos anualizaciones dan números distintos y redondean igual. Para la tasa de desocupación nacional de 2025, la razón de promedios da 8,8935 % y el promedio de tasas 8,8979 %; el boletín publica 8,9 % (Boletín GEIH dic. 2025, p. 7), de modo que el redondeo no permite saber cuál usa el DANE, que no documenta su estimador anual nacional. El libro usa la razón de promedios porque es la coherente con el estimador de razón que describe la metodología (Metodología GEIH V11, pp. 20-21). La discusión completa está en el capítulo 5, Las tasas del mercado laboral.

¿Qué pasa si calculo sin el factor de expansión?#

Se obtiene una proporción de filas de la muestra, no una estimación de la población, y las dos no coinciden porque el diseño no es autoponderado: la GEIH buscó que sus estratos tuvieran poblaciones parecidas, pero la metodología aclara que esa característica no se puede asegurar (Metodología GEIH V11, p. 15). Las viviendas tienen factores muy distintos y, si se cuentan filas, pesan igual las de las zonas donde cada encuesta representa a pocas personas y las de las zonas donde representa a muchas.

Con los microdatos de 2025 el sesgo supera un punto porcentual en las tres tasas. La tasa de desocupación nacional sin factor es 10,34 % frente a 8,89 % con factor, una diferencia de +1,45 p.p., y la tasa de ocupación sin factor, 54,76 %, queda 3,82 puntos por debajo de la ponderada, 58,58 %. El capítulo 5, Las tasas del mercado laboral lo muestra para todas las tasas y el capítulo 7, Ingresos laborales para la mediana del ingreso, donde el error puede cambiar la conclusión.

¿Por qué mis resultados no traen error estándar?#

Porque la base pública no trae lo que hace falta para calcularlo como lo hace el DANE. La metodología aproxima la varianza con el método de conglomerado último y, para las tasas, con linealización de Taylor (Metodología GEIH V11, pp. 21-22). Ambos procedimientos requieren saber a qué estrato y a qué segmento pertenece cada vivienda, y esas variables se eliminan de los microdatos de acceso público (Metodología GEIH V11, p. 27). Un error estándar calculado como si la muestra fuera aleatoria simple, que es lo que hacen por defecto muchos programas, ignora el diseño y suele quedar por debajo del verdadero.

Lo que queda al alcance tiene dos partes. La primera es usar la precisión que el DANE publica: para la tasa de desocupación del Magdalena en 2025, el anexo departamental informa un coeficiente de variación de 4,18 % y un intervalo al 95 % entre 8,73 y 10,29 (Anexo departamentos 2025, hoja Errores relativos IML, celdas B90:E90). La segunda, cuando no hay cifra oficial de precisión, es una aproximación declarada como tal. La del libro, con la vivienda como conglomerado, da para esa misma tasa 3,39 %, por debajo del valor oficial, como corresponde a una cota inferior; en otras tasas nacionales no se comportó así, y el capítulo 8, Validar resultados explica dónde se puede usar y dónde no.

Comparar con el DANE y entre periodos#

¿Por qué mi cifra del Magdalena no coincide con la del DANE?#

La causa está en el factor de expansión. La metodología describe dos calibraciones: una mensual, por regiones, y otra anual, por departamentos (Metodología GEIH V11, p. 20). El archivo solo trae FEX_C18, y todo indica que es el de la primera: su suma en cada mes reproduce la población nacional publicada para ese mes. Ningún documento lo dice de forma expresa, así que es una lectura del autor sostenida por los datos. Con ese factor, hasta la población total del departamento difiere de la publicada: para 2025, la propia es 1.528,482 miles de personas y la oficial 1.502,274 miles. Si las poblaciones no coinciden, las tasas tampoco tienen por qué hacerlo.

La tasa de desocupación del Magdalena en 2025 sale 9,5719 % con los microdatos, frente a 9,5073 % en el anexo departamental, una diferencia de +0,0646 p.p.. La cifra propia cae dentro del intervalo de confianza que el DANE publica para esa tasa, y lo mismo ocurre con las 18 cifras anuales del departamento que tienen intervalo publicado, tasas y poblaciones de 2023 a 2025 (para 2022 no se localizó la precisión oficial del Magdalena). La causa está documentada, pero no se puede reproducir: sin el factor anual no hay forma de recalcular la cifra oficial. Por eso el libro marca estas filas como diferencia explicada y no como coincidencia. El análisis completo está en el capítulo 9, El Magdalena.

¿Por qué la informalidad de 2022 cambió entre boletines?#

El DANE revisó la serie anual entre ediciones del boletín, y los documentos consultados no explican el motivo. La proporción de ocupados informales del total nacional en 2022 fue 58,2 % en el boletín publicado en febrero de 2023 (Boletín informalidad oct.-dic. 2022, p. 8), 58,0 % en el de febrero de 2024 (Boletín informalidad oct.-dic. 2023, p. 8) y 57,9 % en el de febrero de 2026 (Boletín informalidad oct.-dic. 2025, p. 9). Entre las ediciones anteriores consultadas y la vigente cambiaron también la cifra nacional de 2021, las de 2022 de las 13 ciudades y áreas metropolitanas y de los centros poblados y rural disperso, y la de 2024 de las 23 ciudades.

La regla práctica es validar siempre contra la edición vigente y anotar cuál se usó. Con la regla oficial de clasificación, que el DANE publica en su anexo de informalidad, los microdatos reproducen la cifra vigente: 57,9434 % para 2022. El capítulo 6, Informalidad laboral aplica esa regla y el capítulo 8, Validar resultados recoge las revisiones edición por edición.

¿Puedo comparar una cifra de 2019 con una de 2024?#

Solo con las series empalmadas que publica el DANE, no con cifras tomadas de boletines de distintas épocas. El rediseño con el marco del censo de 2018 produjo un punto de inflexión que afecta la comparabilidad de las series desde 2021 respecto de los periodos anteriores, y obligó a calcular un factor de empalme (Metodología GEIH V11, p. 3). Cambió además la definición de la población en edad de trabajar, que pasó a empezar en 15 años (Metodología GEIH V11, p. 6). El DANE publicó en septiembre de 2022 las series empalmadas con las proyecciones del censo de 2018 y la PET de 15 años y más (Boletín GEIH dic. 2025, p. 2), y esas son las que hay que usar para mirar hacia atrás.

En informalidad la ruptura es más fuerte: la medición del rediseño solo puede calcularse con la GEIH marco 2018, es decir, desde 2021 (Boletín informalidad oct.-dic. 2025, p. 3). Una proporción de informales de 2019 y una de 2024 miden cosas distintas. Los tramos de la serie y su tratamiento están en el capítulo 8, Validar resultados.

¿Puedo comparar los ingresos laborales de 2022 con los de 2025?#

No directamente con las cifras del libro. Todas están en pesos corrientes de cada año y ningún script del laboratorio las deflacta. La mediana ponderada de INGLABO en el total nacional, entre quienes reportan un ingreso positivo, pasa de $1.000.000 en 2022 a $1.423.500 en 2025, pero ese cambio mezcla lo que aumentó el poder de compra con lo que subieron los precios, y sin un deflactor no hay forma de separar las dos cosas. Para una comparación en términos reales hay que llevar los ingresos de todos los años a pesos de un mismo periodo con un índice de precios y declarar cuál se usó.

La mediana tiene además una dificultad propia en esta variable. En 2025 cae exactamente en el salario mínimo legal de ese año, $1.423.500 (Decreto 1572 de 2024, art. 1), y en ese valor se concentra el 9,78 % de los ocupados con ingreso. Cuando una distribución tiene una masa así, la mediana puede moverse de un año a otro sobre todo porque se ajustó ese valor, aunque el resto de la distribución cambie poco. Por eso el capítulo 7, Ingresos laborales acompaña la mediana con varios percentiles y con la distribución completa.

¿Qué diferencia hay entre una cifra que coincide y una que coincide al redondeo?#

Son dos niveles de evidencia distintos, y el libro los separa con una regla propia. Una cifra coincide cuando la diferencia con el valor oficial es menor que la tolerancia (0,0001 puntos en tasas) y ese valor oficial tiene al menos cuatro decimales y se calculó con el mismo método. Coincide al redondeo cuando solo existe una cifra oficial redondeada, por ejemplo a un decimal en un boletín, y la propia redondea a ella. Lo segundo es compatible con errores de varias centésimas, así que nunca se presenta como validación plena. Una diferencia pequeña tampoco basta por sí misma: el capítulo 8, Validar resultados muestra un error de una línea de código que movía la informalidad de 2025 un cuarto de punto.

De las 1.347 filas de la tabla de validación del libro, 1.056 coinciden, 28 coinciden al redondeo, 108 tienen una diferencia explicada con causa citada y 155 no tienen cifra oficial con la que compararse. Ninguna queda con diferencia sin explicar (0 filas).

Conceptos que suelen confundirse#

¿Una persona sin empleo está desocupada?#

No necesariamente. Para el DANE, una persona desocupada cumple tres condiciones a la vez: no tiene empleo, tomó medidas concretas para buscarlo en las últimas cuatro semanas y está disponible para trabajar (Metodología GEIH V11, p. 7). Quien no tiene empleo pero no buscó, o buscó y no podía empezar, queda fuera de la fuerza de trabajo; si tiene interés en trabajar, forma parte de la fuerza de trabajo potencial. Una estudiante que no busca trabajo no está desocupada, y tampoco lo está quien buscó durante meses y dejó de hacerlo porque no cree posible encontrar empleo. Por eso la tasa de desocupación no mide cuánta gente no trabaja. El capítulo 4, Quién trabaja y quién busca recorre las reglas con un árbol de clasificación.

¿Tasa de desempleo y tasa de desocupación son lo mismo?#

Sí: es el mismo indicador, desocupados sobre fuerza de trabajo, con otro nombre. Para alinearse con la terminología de la 19.ª CIET, el DANE pasó a hablar de población desocupada y tasa de desocupación (Presentación GEIH dic. 2025, p. 34). Documentos anteriores, incluido el boletín de diciembre de 2022 (Boletín GEIH dic. 2022, p. 7) y la propia Metodología V11 (Metodología GEIH V11, p. 9), todavía dicen tasa de desempleo. El libro usa el nombre vigente.

¿Ser informal es lo mismo que no cotizar a pensión?#

No. La cotización a salud y pensión por el vínculo laboral es el criterio para los asalariados y los empleados domésticos. Para los trabajadores por cuenta propia y los patrones, lo que decide es si su unidad económica pertenece al sector informal, es decir, si no está registrada y no lleva una contabilidad que separe sus gastos. Los trabajadores familiares sin remuneración son informales por definición y los obreros y empleados del gobierno quedan excluidos (Metodología GEIH V11, p. 7).

Las dos reglas dan cifras distintas. En 2025, la regla oficial da 55,72 % de ocupados informales en el total nacional, que coincide con el DANE, mientras que clasificar como informal a todo ocupado que no cotiza da 58,62 %. Las dos reglas tampoco coinciden persona por persona: ese mismo año, el 5,97 % de los ocupados es formal para el DANE aunque no cotiza, y el 3,06 % es informal para el DANE aunque cotiza. La brecha entre las dos proporciones es la diferencia entre esos dos grupos. El capítulo 6, Informalidad laboral lo desarrolla.

¿La GEIH empezó en 2022?#

No. La recolección de la GEIH empezó el 7 de agosto de 2006 (Metodología GEIH V11, p. 3), como sucesora de la Encuesta Continua de Hogares. Lo que ocurrió entre 2021 y 2022 fue el rediseño con el marco del censo de 2018: durante 2021 se recolectaron en paralelo las versiones marco 2005 y marco 2018, los resultados oficiales se producen con el marco 2018 desde enero de 2021 y en enero de 2022 empezó la recolección con todas las mejoras incorporadas como único operativo (Metodología GEIH V11, pp. 2-3). Confundir el rediseño con el inicio de la encuesta lleva a creer que no hay datos anteriores, cuando lo que hay es una serie que requiere empalme. La historia completa está en el capítulo 1, Qué es la GEIH.

¿Puedo medir pobreza monetaria con los ingresos que usa el libro?#

No. La pobreza monetaria compara el ingreso per cápita del hogar con una línea de pobreza construida a partir de una canasta y del coeficiente de Orshansky (Metodología GEIH V11, p. 7). El ingreso que el DANE agrega a partir de la GEIH suma fuentes laborales y no laborales, incluye ingresos en especie y, en algunas fuentes, se enriquece con registros administrativos (Enfoque conceptual GEIH 2022, p. 53); su construcción completa no está documentada en los materiales del libro. El capítulo 7, Ingresos laborales trabaja con INGLABO, el ingreso laboral de cada ocupado, y calcula medias, medianas y percentiles ponderados de esa variable. Son resultados útiles para describir el ingreso del trabajo, pero no son incidencia de pobreza y no deben presentarse así.

Datos, código y reproducción#

¿Dónde se descargan los microdatos?#

En el Archivo Nacional de Datos del DANE, que publica microdatos anonimizados de la encuesta desde el tercer trimestre de 2001 (Ficha metodológica GEIH V11, p. 11). Cada año tiene su catálogo: ANDA, GEIH 2022, ANDA, GEIH 2023, ANDA, GEIH 2024 y ANDA, GEIH 2025. La descarga exige registro. Lo que se descarga son módulos mensuales que hay que unir por las llaves de vivienda, hogar y persona y luego apilar por meses; la lista de módulos de cada año conviene revisarla en su catálogo, porque este libro no la verificó. El libro trabaja con bases anuales que ya tienen esa unión hecha; el procedimiento y su limitación se explican en el capítulo 10, Laboratorio de reproducción.

¿Por qué mi código de 2022 falla con la base de 2025?#

Lo más probable es que haya cambiado la estructura del archivo: las bases no tienen las mismas columnas ni en el mismo orden. La de 2022 tiene 534 columnas, la de 2023 532, la de 2024 524 y la de 2025 514; solo 502 están en los cuatro años. Hay que seleccionar siempre por nombre y nunca por posición, y comprobar que cada variable existe en el año que se procesa.

El otro origen frecuente de errores son los códigos que pierden ceros a la izquierda. Los departamentos llegan como “5” en lugar de “05”, y un cruce directo con una tabla de códigos falla. Con la ocupación pasa algo más sutil: el código de oficio que usa la regla de informalidad tiene cuatro dígitos, y si se rellena a ocho por error, la proporción de informales de 2025 sale 55,4702 % en lugar de 55,7188 %, una diferencia de −0,25 p.p. que parece plausible y está mal. El capítulo 3, Los microdatos por dentro documenta las diferencias entre años.

¿Puedo seguir a un hogar a lo largo del tiempo?#

No con las bases públicas. Cada registro es una persona en el mes en que se encuestó su hogar, y nada en el archivo permite reconocer esa vivienda en otro mes o en otro año. Ningún identificador de vivienda se repite entre años consecutivos de 2022 a 2025, y dentro de un mismo año ninguna vivienda aparece en más de un mes. Es coherente con el diseño: para no agotar la fuente, la metodología rota cada año la medida de tamaño y encuesta al año siguiente una vecina que no haya sido visitada en los dos años anteriores (Metodología GEIH V11, p. 17). La GEIH sirve para comparar poblaciones entre periodos, no trayectorias de personas.

¿Puedo revisar los resultados del libro sin descargar los microdatos?#

Sí, en buena parte. La tabla de validación completa, con cada cifra propia, su referente oficial, la hoja y la celda de donde sale, la diferencia, el estado y la causa cuando la hay, se puede descargar en formato CSV. Con ella se puede comprobar contra el anexo del DANE cualquier cifra del libro que tenga referente oficial, sin ejecutar nada. Para recalcular las cifras propias sí hacen falta los microdatos. Las pruebas del laboratorio que no dependen de ellos, como las de los estimadores con datos sintéticos, corren igual y las que sí dependen se omiten. Las versiones, fechas y archivos están en las Notas de versión.