Miles de tesis de grado y de maestría en América Latina se retrasan un semestre por el mismo motivo: el estudiante diseñó una encuesta, no consiguió respuestas suficientes y terminó defendiendo un trabajo con ochenta casos y conclusiones que no se sostienen.

Mientras tanto, el instituto nacional de estadística de su propio país publica gratuitamente encuestas con decenas de miles de hogares, con muestreo probabilístico real, documentación metodológica completa y series de años. Esos datos se descargan hoy y no requieren permiso de nadie.

Esta guía explica qué organismo te corresponde según tu país, qué se puede hacer con lo que publican y cómo citarlo para que tu tesis sea reproducible.

Tu instituto nacional de estadística

Escribe el nombre completo la primera vez que aparezca en tu tesis y la sigla después. Es un detalle menor que un jurado registra de inmediato, porque indica si abriste la fuente o copiaste la referencia de otro trabajo.

Indicador, tabulado y microdato: la distinción que lo cambia todo

La mayoría de los estudiantes se queda en el primer nivel y se pierde el segundo, que es donde está la tesis:

• El indicador es una cifra ya calculada y publicada: una tasa, un promedio, un total. Sirve para justificar tu problema en la introducción. No sirve como material de análisis, porque no puedes hacer nada con él salvo citarlo.
• El tabulado es un cuadro con cruces predefinidos. Un poco más flexible, pero sigues limitado a los cruces que alguien decidió publicar.
• El microdato es el registro individual anonimizado de cada persona, hogar o empresa encuestada. Con él haces tus propios cruces, construyes tus propias variables y aplicas tus propios modelos. Es lo que convierte una descripción en una investigación.

La regla práctica: si tu objetivo se puede responder mirando una tabla publicada, tu objetivo es demasiado pequeño para una tesis. Reformúlalo hasta que necesites los microdatos.

Los cuatro documentos que hay que descargar con los datos

Un archivo de microdatos sin su documentación es inservible, porque las variables vienen codificadas. Descarga siempre, en el mismo momento:

1. La base de datos en el formato que ofrezcan.
2. El diccionario de variables, que te dice qué significa cada columna y cada código.
3. El cuestionario original, que te dice literalmente qué se le preguntó a la gente. Es imprescindible: la pregunta real casi nunca coincide con el nombre de la variable.
4. La ficha o informe metodológico, con el diseño muestral, el periodo de referencia y la cobertura geográfica.

Guárdalos juntos en una carpeta con la fecha de descarga en el nombre. Cuando en la defensa te pregunten por la definición exacta de una variable, tendrás la respuesta en diez segundos.

El factor de expansión: el error que invalida resultados

Este es el punto en el que más tesis pierden validez sin que el estudiante se entere. Las encuestas de hogares no son muestras simples: usan diseños complejos, por conglomerados y estratos, y cada registro trae un factor de expansión que indica a cuántas personas o hogares representa.

Si calculas un promedio ignorando ese factor, tu resultado no describe al país: describe a tu muestra, que está deliberadamente desbalanceada por diseño. Y si además calculas errores estándar como si la muestra fuera aleatoria simple, tus intervalos de confianza saldrán demasiado estrechos y podrás declarar significativo algo que no lo es.

La solución es aplicar los pesos y declarar el diseño muestral en tu software. Todos los paquetes estadísticos habituales, incluidos los libres, lo soportan. Si nunca has trabajado con pesos, empieza por entender cómo se aplican los pesos muestrales antes de calcular nada.

Cómo se cita un conjunto de datos

Una base de microdatos no se cita como una página web. Necesita, como mínimo:

• El organismo como autor corporativo, con su nombre completo.
• El año de la edición de la encuesta o del levantamiento.
• El nombre exacto de la operación estadística, con su año y, si existen, su ronda o trimestre.
• La indicación de que se trata de un conjunto de datos y el enlace de descarga.
• La fecha en que lo descargaste. Las bases se revisan y se reeditan; sin esa fecha tu resultado no es reproducible.

Si no lo has hecho nunca, la mecánica completa está en cómo citar un dataset o conjunto de datos en APA 7. Y cuando cites una cifra concreta, indica también la tabla o el indicador del que procede: «según el organismo» no permite a nadie comprobar nada.

Qué tipo de tesis se puede hacer solo con esto

• Descriptiva con desagregación propia. Un fenómeno analizado por región, edad, nivel educativo o condición laboral, con cruces que nadie publicó.
• Comparativa temporal. Dos o más ediciones de la misma encuesta para medir un cambio, cuidando que las definiciones no hayan variado entre ediciones.
• Explicativa con modelos. Regresiones que estiman la asociación entre variables, con controles y pesos aplicados correctamente.
• Comparativa entre países. El diseño más ambicioso y el más delicado: exige comprobar que las definiciones y los periodos de referencia son equiparables antes de comparar nada.

Y una advertencia sobre esta última: dos encuestas nacionales que dicen medir «desempleo» pueden usar criterios distintos de búsqueda activa o de periodo de referencia. Si vas a comparar países, dedica un apartado entero a demostrar que las cifras son comparables. Es un trabajo tedioso y es exactamente lo que un jurado valora.

Errores frecuentes

• Citar una cifra sin la operación estadística de la que procede. Ni el año ni la encuesta se dan por supuestos.
• Ignorar el factor de expansión. Es el error más grave y el más silencioso.
• Comparar ediciones sin verificar cambios metodológicos. Un cambio de marco muestral puede producir un salto que parezca un hallazgo y solo sea un cambio de método.
• Confundir la unidad de análisis. Hogar y persona no son intercambiables, y muchas encuestas traen ambos niveles en archivos distintos.
• No declarar el software y la versión. Sin eso, tu procesamiento no es reproducible.
• Interpretar en clave causal. Con datos observacionales se estiman asociaciones. El verbo importa.

Del archivo descargado a la tesis escrita

Descargar los microdatos es rápido. Lo que consume el semestre es escribir un capítulo metodológico que describa la operación estadística, el diseño muestral y las decisiones de procesamiento, y un capítulo de resultados que no se pase de frenada al interpretar.

Empieza tu tesis en Tesify y arma esos capítulos con tus tablas y tu documentación al lado. El análisis lo haces tú; la redacción deja de ser lo que te frena.

Preguntas frecuentes

¿Los microdatos son gratuitos?

Los institutos nacionales de estadística de la región publican amplios volúmenes de microdatos anonimizados de descarga libre. Algunas bases especialmente sensibles pueden requerir solicitud o acceso en sala, pero la mayoría de las encuestas de hogares están disponibles sin trámite.

¿Necesito permiso o comité de ética para usarlos?

Al tratarse de datos ya anonimizados y publicados, no hay trabajo de campo con personas y el circuito de permisos desaparece. Debes respetar las condiciones de uso del organismo y no intentar reidentificar a nadie.

¿Puedo hacer una tesis de maestría solo con datos secundarios?

Sí, y es una modalidad muy común. Lo que se exige es que la pregunta sea propia y el análisis vaya más allá de lo ya publicado: si tus resultados coinciden con los del boletín oficial, no has aportado nada.

¿Qué hago si mi variable no existe en la encuesta?

Puedes construir una variable derivada a partir de otras, y eso es trabajo metodológico legítimo siempre que documentes con precisión cómo la construiste. Lo que no vale es forzar una variable existente a significar algo que no mide.

¿Sirven estos datos si mi tema es local?

Depende de la cobertura de la encuesta. Muchas operaciones tienen representatividad nacional y regional, pero no municipal. Consulta la ficha metodológica: si tu unidad geográfica no es representativa, el resultado no se puede desagregar por ella.

¿Cómo sé si dos ediciones son comparables?

Lo dice la documentación metodológica, que suele advertir de cambios de marco muestral, de cuestionario o de definiciones. Léela para las dos ediciones antes de construir cualquier serie.

¿Puedo combinar datos de mi país con fuentes internacionales?

Puedes, con cuidado: los organismos internacionales suelen armonizar las cifras nacionales, de modo que el dato publicado internacionalmente puede no coincidir con el nacional. Elige una fuente como principal, decláralo, y explica las diferencias en lugar de mezclarlas.