Los antecedentes de un proyecto

En la mayoría de países los microdatos no están al alcance de los investigadores o su acceso es restringido, razones que explican su escasa utilización. Estados Unidos y Canadá son una excepción al respecto, ya que sus microdatos han estado disponibles desde la década de los sesenta y hoy día son un componente indispensable de la infraestructura en ciencias sociales.

Las Series de Microdatos Censales Integrados de Uso Público (Integrated Public Use Microdata Series-USA) son parcialmente responsables del uso extendido de microdatos censales entre los demógrafos y otros investigadores interesados en el estudio de Estados Unidos. IPUMS-USA, proyecto desarrollado por ^{Ruggles et al. (1997)} en el Population Center de la Universidad de Minnesota, ha puesto a disposición gratuita de la comunidad científica series de microdatos armonizadas desde 1850 hasta 2000, debidamente documentadas, mediante un sistema de fácil acceso a los datos. Desde su puesta en marcha preliminar en 1995, IPUMS ha sido una de las fuentes de datos demográficos más utilizadas en el mundo entero.

En 1998, por primera vez, se extendió el paradigma de IPUMS a los censos de Colombia, en una experiencia piloto realizada en estrecha colaboración con el Departamento Nacional de Estadística de Colombia (Dane). Sin duda alguna, Col-IPUMS colocó la primera piedra de lo que más tarde sería una exitosa iniciativa de integración de microdatos a escala internacional: IPUMS-Internacional.

En 1999 la agencia estadunidense National Science Foundation financió la propuesta IPUMS-Internacional, y así dio vida a un proyecto que hoy, en su cuarto año, ha integrado con éxito datos de siete países (China, Colombia, Estados Unidos, Francia, Kenia, México y Vietnam), ha inventariado otras muestras de microdatos en formato de cómputo que se han reunido en el mundo para el periodo 1960-2000 (^{Hall, McCaa, y Thorvaldsen, 2000}), y ha preservado muestras de microdatos de más de cien censos. Además de estos logros, es notable la buena acogida que ha merecido este proyecto entre los académicos.

IPUMS-Internacional es consciente del potencial asociado al uso de los microdatos, razón por la cual trabaja activamente para poner a disposición de la comunidad científica series integradas para el máximo número de países posible, en cooperación con los institutos de estadística nacionales, los centros de investigación y los profesionales de la demografía.

Las participaciones de México y Colombia en IPUMS-Internacional fueron decisivas en la gestación del proyecto IPUMS-AL. En el caso de México, por ejemplo, se integraron datos de cuatro censos, de cuyas características se informa en el Cuadro 1. Para la conformación de los datos mexicanos se contó con la ayuda de acreditados demógrafos de este país, cuya asesoría fue esencial para una mejor comprensión de las definiciones y los conceptos censales. Sin duda alguna, la colaboración de los expertos mexicanos fue clave para el éxito de IPUMS- Internacional. Los buenos precedentes de México y Colombia estimularon al Population Center de la Universidad de Minnesota para emprender una nueva iniciativa que integrara los microdatos censales de América Latina.

IPUMS-AL hoy

IPUMS-América Latina es hoy una realidad. En cinco años prevé difundir datos de más de 70 censos de 17 países. Gracias al esfuerzo conjunto de Celade, de los institutos de estadística de esta región del mundo, y del Minnesota Population Center, en julio de 2003 el National Institutes of Health financió el proyecto de integración de los datos de 17 países de América Latina. Con más de 100 millones de registros, que abarcan un periodo de cuatro décadas, la nueva base de datos permitirá a los científicos sociales realizar análisis comparativos para un lapso marcado por intensos cambios. Se trata de la iniciativa regional más ambiciosa que se ha llevado a cabo en este ámbito, llamada a influir significativamente en las ciencias sociales y, concretamente, en campos como la planificación, las políticas públicas en materia de salud, el desarrollo económico y las transformaciones demográficas en aspectos como el envejecimiento, la estructura familiar y las migraciones internacionales.

IPUMS-AL no sólo pretende hacer disponibles los datos censales de América Latina, sino también hacerlos útiles. Incluso donde los microdatos pueden ser obtenidos, la realización de estudios comparativos entre países o periodos históricos resulta un auténtico reto debido a las inconsistencias de las bases de datos y a la deficiente documentación de tales inconsistencias. Por esta razón raramente se desarrolla la investigación comparativa internacional basada en muestras censales homologadas. De conformidad con la filosofía de IPUMS-Internacional, IPUMS-AL reducirá las barreras a la investigación internacional al transformar los microdatos censales de distintos países en una base de datos uniforme y homogénea, proveyendo extensa documentación, y poniendo la información al alcance de los investigadores interesados en forma totalmente gratuita.

En relación con la metodología de trabajo, se replicará el procedimiento utilizado para IPUMS-Internacional. La información se procesa en grupos de tres o cuatro países, cuyos microdatos se difunden cuando están completamente integrados. Se trata de un sistema basado en fases que evita la complejidad logística que supone abarcar muchos censos simultáneamente. La secuencia de procesamiento propuesta es como sigue:

En el primer grupo se incluyen 13 censos de tres países, para cuya integración se ha recibido financiamiento con anterioridad, razón por la cual México y Colombia ya están prácticamente integrados y Brasil se encuentra en una fase muy avanzada del proceso. La distribución de los datos de Brasil está programada para principios de 2004. Por lo que al resto de países se refiere, los datos no se distribuirán hasta completar todas las fases de la integración.

Diseño muestral

En muchos casos los datos proporcionados proceden de los archivos que en su día fueron utilizados en la preparación de los volúmenes del censo que se publicaron. Por lo tanto, se trata de archivos de datos de uso exclusivo de los institutos de estadística. De ellos se extraerán muestras autoponderadas de 10%. El diseño muestral que se aplicará busca el equilibrio entre la precisión de la muestra y el costo de oportunidad en su desarrollo.

La unidad muestral es el hogar, por lo que el número de observaciones independientes de cada archivo censal es el número de hogares y no el número de individuos. Esta estrategia tiene implicaciones en cuanto a la eficiencia final de la muestra. El error estándar en muestras por conglomerados de hogares depende del número de conglomerados muestreados y de la homogeneidad de las variables dentro de cada conglomerado (^{Hansen, Hurwitz y Madow, 1953}). En el peor de los casos, con homogeneidad perfecta dentro de los conglomerados, el error estándar por variable es inversamente proporcional a la raíz cuadrada del número de conglomerados y no del número de individuos. Para las variables heterogéneas dentro de los conglomerados, tales como la edad y el sexo, establecer conglomerados tiene un efecto mínimo.

Para algunas muestras la pérdida de eficiencia asociada a un diseño por conglomerados se compensa con una estratificación proporcionalmente ponderada. En particular, desde 1960 la Oficina de Censos de Estados Unidos ha incrementado la utilización de diseños muestrales estratificados polietápicos. Dichos procedimientos pueden generar muestras autoponderadas con bajas proporciones de errores estándar, particularmente para los casos de etnicidad, tamaño del hogar, y condición de pertenencia a viviendas colectivas. Sin embargo IPUMS-AL no utiliza este procedimiento dadas las desventajas que presenta en relación con su complejidad y alto costo.

La forma en que se han organizado los datos en los censos de América Latina permitirá crear muestras de alta precisión a bajo costo. A diferencia de los censos recientes de Estados Unidos, donde los cuestionarios son enviados por correo, los de América Latina son levantados mediante la enumeración directa. En cada censo un entrevistador acudió de vivienda en vivienda para conversar personalmente con los residentes. De la utilización de este método resulta un producto adicional: los registros se ordenan de acuerdo con la secuencia de enumeración dentro de cada distrito o demarcación enumerativa. En la práctica esto significa que los datos se encuentran organizados geográficamente dentro de los distritos o demarcaciones correspondientes.

IPUMS-AL aprovechará esta condición organizativa de los datos para crear sus muestras sistemáticas de hogares. Dentro de cada distrito o área de enumeración se designa al azar un punto de inicio entre el 1 y el 10 y, a partir de éste se selecciona cada décimo hogar. Así, por ejemplo, si el punto inicial es 5, se incorporan a la muestra los hogares que aparecen en el 5º, 15º, 25º lugares hasta concluir con el distrito o demarcación correspondiente. Con esta estrategia se alcanza una estratificación geográfica muy fina, con ponderación proporcional. Asimismo, como las características económicas y sociales de los individuos están altamente correlacionadas en el espacio, la muestra resultante adquiere mayor precisión que una muestra aleatoria simple por hogares.

Igualmente IPUMS-AL generará muestras de individuos en unidades colectivas de manera independiente. El censo es prácticamente la única fuente que puede utilizarse para generar microdatos de unidades como prisiones, hospitales, asilos de ancianos, campamentos de viviendas móviles, y cuarteles militares. Debido a los efectos de la estratificación, el censo de los residentes en unidades colectivas se encuentra sujeto a errores estándar de gran magnitud si se les aplica la misma estrategia que a las personas que habitan en hogares particulares. La Oficina de Censos de Estados Unidos y otras agencias estadísticas afrontan este fenómeno mediante el muestreo de grandes unidades con carácter individual en lugar de hacerlo por hogar. Este procedimiento permite mantener la representatividad muestral y a la vez mejorar la eficiencia de la muestra al incrementar el número de observaciones independientes de las unidades colectivas.

La definición de unidad colectiva varía ampliamente entre los países. Siguiendo el ejemplo de IPUMS-USA, IPUMS-AL propone una definición homologada que pueda ser empleada de manera consistente en todos los censos. Se trata de una definición basada por completo en el tamaño de la unidad. Todas las unidades con más de 30 residentes serán clasificadas como colectivas o mayores.

Para elaborar las muestras entre las unidades mayores se designa aleatoriamente un punto de inicio entre 1 y 10 y, a partir de aquí, se selecciona cada décimo individuo. Este procedimiento se modifica cuando es posible identificar que un grupo de familiares vive dentro de una unidad mayor. Es interesante preservar las relaciones interfamiliares para poder estudiar aspectos como la fecundidad, el tipo de matrimonios y la composición familiar. Así pues, cuando se encuentra una unidad familiar dentro de una unidad mayor, la unidad familiar entera se considera como un punto muestral único. Con esta estrategia, los individuos sin relaciones familiares y los grupos familiares tendrán una probabilidad de 10% cada uno de ser incluidos en la muestra. Tanto para los individuos como para las familias se construirán variables informando del tamaño y la composición de la unidad mayor a la que pertenecen.

Corrección de errores y reformateo de datos

Las tareas de corrección de errores y reformateo de los datos son realizadas sistemáticamente por un programa que explora la estructura de los registros, reformatea los datos, revisa la consistencia interna de la información, y corrige los errores.

La experiencia acumulada con el proyecto IPUMS-Internacional (^{Esteve y Sobek, 2003}) nos hace esperar una gran variedad de irregularidades en los datos de América Latina. En los 17 censos internacionales que hemos procesado hasta la fecha, los problemas en el formato de los datos afectan sólo a una pequeña fracción de los casos; no obstante, todos los datos deben ser analizados sistemáticamente a fin de producir muestras limpias. Las tareas de limpieza demandan una inversión de tiempo superior a la que normalmente se prevé inicialmente. Las bases de datos más antiguas -aquellas que datan de las décadas de 1960 y 1970- generalmente plantean los mayores problemas.

Los archivos de datos originales se encuentran preservados en una amplia variedad de formatos: i) Los archivos rectangulares representan el formato más simple, con información geográfica, de vivienda, de hogares y de familias, repetida en cada registro individual. ii) En los archivos jerárquicos los microdatos tienen hasta cuatro tipos de registros entrelazados. En estos archivos cualquier irregularidad en la secuencia numérica de los tipos de registro afecta a la generalidad de los datos. iii) Los censos vinculados están organizados en múltiples tipos de registros almacenados en archivos separados, diseñados para vincularse entre sí por medio de números comunes de identificación (ID). Pequeñas imperfecciones en los números de identificación (ID) pueden causar problemas significativos. iv) Finalmente, en las muestras de matriz invertida se coloca cada variable en un archivo separado. Esta estructura de datos es optimizada para una rápida tabulación y depende de una secuencia de casos perfecta dentro de cada archivo. Por fortuna los archivos de matriz invertida se encuentran, aparentemente, en excelentes condiciones, y es poco probable que ocasionen serios problemas.

La estandarización de formatos implica la conversión de cada muestra en un formato simple de tipo jerárquico, compuesto por un registro de hogar seguido por los registros individuales de sus miembros. Con este sistema, toda la información geográfica y de la vivienda se repite en cada hogar.

Los institutos nacionales de estadística no siempre verifican que haya consistencia entre las distintas jerarquías en que se organizan los datos censales. Frecuentemente encontramos que las distribuciones marginales de las características individuales y de los hogares concuerdan con los resultados publicados; sin embargo cuando se analizan detalladamente estos archivos afloran inconsistencias entre los distintos tipos de registros que dificultan la construcción de las muestras de microdatos. Estas inconsistencias incluyen hogares con personas perdidas, personas sin información de hogares, y hogares mezclados. A pesar de que estas irregularidades nunca implican a muchos casos, deben ser resueltas. IPUMS-AL proporcionará toda la documentación generada durante el proceso de corrección de estas inconsistencias para informar al usuario final.

Las limitaciones de espacio nos impiden describir detalladamente la amplia variedad de problemas que se encuentran relacionados con el formato, y explicar las soluciones ideadas en cada caso pues todo censo es diferente de los demás. Generalmente para solucionar un problema se utiliza información contenida en el mismo censo, razón por la cual las soluciones varían en función del censo que se está trabajando.

Verificación de consistencia, edición de datos, y corrección de datos no especificados

Una vez solucionadas las cuestiones relacionadas con el formato, en la siguiente etapa se procede a verificar la consistencia interna de la base de datos, la imputación, y la corrección de datos no especificados. Para ello se aplican distintas pruebas con las que se verifica la consistencia interna de los datos y, por extensión, la calidad general de las muestras. Aunque los microdatos de América Latina cuentan con gran prestigio, muchas de las muestras nunca han sido verificadas ni “limpiadas”. Entre las pruebas que se realizan ha de comprobarse que en todos los hogares haya una persona de referencia o cabeza del hogar, que no haya hogares con múltiples esposas o cónyuges de la persona principal en países en donde la práctica de la poligamia no está legalmente reconocida, y que no haya registros duplicados. Igualmente se revisan las inconsistencias tanto entre los hogares como entre los individuos. Por ejemplo, se verifica que la condición laboral, el estado matrimonial, el nivel educativo, y la asistencia escolar guarden consistencia con la edad del individuo. Cuando los errores en los datos pueden ser identificados sin ninguna duda, se advierte mediante una nota que los datos son inconsistentes.

Una vez examinada la consistencia interna de los datos, los valores especificados o inconsistentes se imputan. En Estados Unidos los valores no especificados o inconsistentes son rutinariamente reemplazados mediante procedimientos de imputación probabilísticos o basados en la inferencia lógica. Por ejemplo, cuando el sexo no se especifica se puede inferir del sexo del cónyuge si la persona está casada o unida. Cualquier dato imputado es debidamente marcado para otorgar al usuario la libertad de utilizarlo o no.

Cuando los datos no especificados o inconsistentes no pueden ser reemplazados por medio de la edición lógica por computadora, se utilizan los procedimientos de asignación probabilística diseñados por la Oficina de Censos de Estados Unidos. Para cada variable se cuenta con una serie de criterios para imputar la información. Estos criterios se establecen mediante el análisis de los mejores pronosticadores de cada variable, y pueden ser diferentes de censo a censo. Por ejemplo, si la información sobre asistencia escolar no se especifica, es posible imputar este dato tomando como base la del individuo más cercano en el archivo que comparte la misma edad, sexo, grupo étnico y estatus socioeconómico de los padres. Cuando no se puede encontrar un “donante” del todo compatible, se utiliza el registro que cumple con la mayor cantidad de criterios. El valor “donante” está sujeto a verificaciones de consistencia y es rechazado si se considera inapropiado. Una señal de calidad de datos identifica los datos reemplazados.

Si bien el reemplazo de los datos no especificados o inconsistentes mejora significativamente la confiabilidad de la estimación muestral y simplifica el uso de las muestras, no es habitual aplicar esta técnica fuera de Estados Unidos. Dada la experiencia adquirida en proyectos anteriores en la aplicación de estos métodos, creemos oportuno aplicarlos también, cuando sea necesario, a los datos de América Latina. Todos los cambios realizados estarán completamente documentados y el usuario, si así lo requiere, podrá prescindir de los datos que han sido modificados.

Armonización

La armonización de los datos de América Latina se hará con base en el trabajo de armonización desarrollado en IPUMS-Internacional. Las muestras censales internacionales emplean diferentes sistemas de clasificación numéricos, cuya conciliación es un aspecto de suma importancia para este proyecto. El diseño de las variables influye frecuentemente en las estrategias analíticas que adoptan los investigadores.

La Organización de las Naciones Unidas cuenta con dos proyectos a gran escala de armonización regional de microdatos censales. El primero de ellos fue el proyecto Omuece, descrito anteriormente. Dentro de este proyecto Celade creó versiones estandarizadas para 29 censos latinoamericanos que fueron levantados entre 1960 y 1976 (^{McCaa y Jaspers, 2000}). El segundo proyecto lo desarrolló el Population Activities Unit de las Naciones Unidas (PAU) en Génova (^{Botev, 2000}); actualmente está en curso y persigue la estandarización de muestras de microdatos de las rondas censales de 1990 y 2000 de 16 países de Europa y Norteamérica. Estas dos iniciativas han proporcionado a IPUMS-Internacional valiosa información sobre cómo afrontar el reto de la integración.

Los dos proyectos de la ONU se apoyan en distintas filosofías en su diseño. Omuece incluyó sólo las variables que estaban presentes en todos los censos y lo hizo con base en su mínimo común denominador; la mitad de las variables quedaron excluidas y se perdió el detalle de la codificación original de las que fueron integradas. La pérdida del detalle afectó tan severamente las bases de datos que la mayoría de los usuarios optó por trabajar con las muestras originales, aun siendo incompatibles. El proyecto PAU representa el extremo opuesto. En este caso no existe ningún interés por estandarizar los esquemas de códigos para variables categóricas complejas tales como religión, relaciones familiares, ocupación, grupo étnico, o lengua. Sólo las variables más simples, tales como edad, sexo, estado matrimonial, y relación con la actividad, son recodificadas dentro de un esquema común. Las transformaciones de datos dentro del proyecto PAU logran hacer más sencillas las comparaciones internacionales, pero todavía no están concluidas.

La estrategia diseñada por IPUMS-Internacional consiguió superar con éxito los problemas asociados a las dos alternativas anteriores. A diferencia de Omuece, IPUMS-Internacional mantiene todos los detalles provistos en las muestras originales. A diferencia de PAU, IPUMS-Internacional ofrece datos completamente integrados. Para lograr estos objetivos se emplean distintas estrategias: en algunos casos las variables originales son compatibles y recodificarlas dentro de una clasificación común es algo sencillo, sin embargo la mayoría de las variables no permiten una clasificación uniforme simple sin que se pierda información. Para un mismo concepto algunos censos proveen más información que otros, por lo que la aplicación del mínimo común denominador acarrearía la pérdida de detalles; en estos casos se construyen esquemas de codificación múltiples, compuestos de varios dígitos que informan de los distintos rangos de la variable. El primero o el segundo dígito de cada código ofrece información disponible en todas las muestras. El tercero o cuarto dígito añade información adicional que suele estar presente en la mayoría de censos. Finalmente, los últimos dígitos informan de detalles disponibles en un número reducido de muestras.

Más allá de la adecuación de los datos de América Latina al estándar de IPUMS-Internacional, IPUMS-AL desarrollará sus propios estándares, mejor adaptados a las necesidades y características de las variables en esta región. El usuario podrá elegir el tipo de clasificación que desee. El esquema de clasificación de la variable estado matrimonial sirve para ilustrar este punto (véase el Cuadro 3). Conforme al diseño de IPUMS-Internacional, el primer dígito de estado matrimonial tiene cuatro categorías comparables en todos los censos: soltero, casado/unido, separado/divorciado/esposo(a) ausente, y viudo(a). Como la distinción entre divorciado(a) y separado(a) no se mantiene en todas las muestras, no es posible introducir esta diferenciación en el primer dígito de la variable. Así pues, el segundo dígito distingue a los divorciados de los separados y a los casados formalmente de los unidos consensualmente. El tercero y último dígito establece la diferencia entre tipos de matrimonios (civil, religioso, poligámico), información disponible sólo en pocos países.

Todas las muestras en América Latina distinguen claramente las uniones libres de los matrimonios legales o civiles, razón por la cual la versión de la variable estado matrimonial para América Latina incluirá en su primer dígito un código para las uniones libres. El sistema de acceso a los datos recomendará, por defecto, esta versión de la variable, a no ser que el usuario haya especificado previamente su interés por comparar datos entre regiones.

Las variables geográficas plantean los mayores retos. IPUMS-AL no pretende lograr la armonización completa en la información geográfica más específica, pero intentará crear una definición integrada de áreas metropolitanas. Siempre que sea posible, IPUMS-AL proporcionará las bases cartográficas para todas las escalas disponibles en los datos.

Se estima que el proceso de armonización requerirá en total aproximadamente 850 000 transformaciones de datos. Cada transformación debe ser planeada, ejecutada, verificada, vuelta a verificar, y documentada. Este trabajo representa casi un tercio del esfuerzo requerido para el proyecto.

Variables construidas

IPUMS-AL construirá nuevas variables para mejorar la utilidad de los datos. Algunas de ellas son muy simples, tales como el número de serie, año censal, código de país, tamaño de la unidad, y factor de ponderación. Otras son más complicadas.

Las autoridades censales de América Latina colectan datos sobre los hogares y las relaciones que se establecen entre los individuos de un mismo hogar. A partir de esta información se crean variables de carácter individual que dan la posición dentro del hogar de la madre, el padre y el cónyuge (o pareja) del individuo; tales indicadores figuran entre las mayores contribuciones que pueden hacerse a las bases de datos. Este tipo de variables permite, por ejemplo, contrastar fácilmente las características de dos personas unidas en matrimonio o en unión libre.

También se crean variables integradas que informan de las características del hogar y la familia en forma individual. Algunos de estos indicadores -tales como pertenencia a un grupo familiar, tamaño de la familia, número de hijos propios, número de hijos propios menores de cinco años de edad, y edad de los hijos propios mayor y menor- se encuentran ya incorporadas en IPUMS-Internacional.

Finalmente IPUMS-AL abordará la construcción de variables que describan el estatus socioeconómico. Relativamente pocos censos de América Latina dan información directa sobre el ingreso económico, por lo cual la ocupación y las características del hogar son probablemente los mejores indicadores para estimar el estatus socioeconómico. En el caso de IPUMS-USA se diseñaron dos medidas basadas en la ocupación para reflejar el estatus socioeconómico: índice socioeconómico de Duncan y el nivel de ingreso económico. Los investigadores han usado ambas medidas de forma extensiva (^{Sobek, 1995}, ¹⁹⁹⁶, ¹⁹⁹⁷; ^{Treiman, 1977}; ^{Nakao y Treas, 1992}; ^{Ganzeboom y Treiman, 1996}; ^{Ganzeboom, De Graaf y Treiman, 1992}). En América Latina se está trabajando con nuevos indicadores socioeconómicos basados en la información sobre ocupación y hogar.

Documentación

La creación de una documentación integrada y comprensible es un componente central del proyecto, pero también uno de sus más grandes retos. Afortunadamente IPUMS-AL cuenta con una colección significativa de material censal original. Con el soporte económico de la subvención otorgada a IPUMS-Internacional, Celade ha inventariado, catalogado y escaneado un amplio rango de documentos de los censos de América Latina. Además, el Minnesota Population Center es el depositario del archivo histórico de documentos censales de la División de Estadística de las Naciones Unidas, gracias a la donación concedida por esta institución. Finalmente, la tercera fuente de documentación y soporte técnico proviene directamente de los institutos de estadística de cada país y de los expertos nacionales contratados para asesorar las tareas de la integración.

La documentación integrada cubre una gran cantidad de aspectos: procedimientos e instrucciones de enumeración, corrección de errores y otros procesamientos postenumerativos, diseños muestrales, cuestionarios, y análisis de calidad de los datos. Celade facilitará las traducciones de los documentos integrados que sean más relevantes para el proyecto.

Para cada variable se proporciona una descripción detallada que incluye definiciones del universo, distribución de frecuencias y código de variables. La descripción de las variables más importantes se complementa con una serie de acotaciones sobre su comparabilidad, que alertan sobre las discrepancias que puedan existir entre una determinada muestra y el esquema general de clasificación.

Asimismo, en la documentación se describen todas aquellas transformaciones que se efectuaron en los datos originales a fin de generar la base integrada. Como no se pierde ningún detalle de la información original, el usuario puede deshacer todas esas transformaciones si desea disponer de la información original.

Se estima que las series de datos requerirán aproximadamente un millar de páginas de documentación. Para manejar tal cantidad de información, el sistema de acceso a los metadatos, con base en Internet, mostrará sólo la documentación que concierne a los criterios que el usuario irá especificando durante el proceso de selección. Por ejemplo, si un usuario selecciona sólo los censos de Venezuela, recibirá exclusivamente la información relativa a las muestras de ese país. Cuando todas las muestras estén disponibles en Internet, la habilidad del sistema para filtrar sólo la información relacionada con cada solicitud será un elemento clave para la ágil navegación en el sistema de extracción.

Difusión

El acceso a los datos es un aspecto esencial del proyecto. La difusión de los datos debe ser altamente efectiva para optimizar su utilización. La complejidad de la nueva base de datos será más grande que la de cualquiera que se haya desarrollado previamente en el marco de IPUMS, pero IPUMS-AL prevé simplificar aún más el acceso a los microdatos y metadatos.

IPUMS viene trabajando en métodos de diseminación electrónica para datos y documentación en ciencias sociales desde hace 10 años; ha desarrollado el más poderoso sistema de extracción de datos por Internet. El proyecto IPUMS-USA fue pionero en la divulgación y distribución de datos a gran escala y ha inspirado otras iniciativas en el ámbito de las ciencias sociales. IPUMS-Internacional está desarrollando en la actualidad una segunda generación de software de diseminación de datos. El nuevo sistema de acceso a datos proporcionará herramientas avanzadas para la consulta de documentación, cuerpos de datos definidos, construcción de variables específicas, y adición de información de contexto.

Dado que las series latinoamericanas de datos incorporarán más de cien millones de observaciones y cientos de variables provenientes de docenas de censos, la habilidad para unir y crear divisiones de datos resulta crítica. En este sentido IPUMS-AL se beneficiará de todas las innovaciones que se produzcan en el contexto de IPUMS-Internacional.

La maquinaria de extracción de datos está diseñada para tomar entera ventaja de la estructura jerárquica de los datos censales. Los investigadores tienen la opción de obtener los datos en formato rectangular o jerárquico y la posibilidad de solicitar hogares completos con base en las características de uno de sus integrantes. Por ejemplo, podrán requerir aquellos hogares en los que residan personas mayores de 90 años. Las versiones futuras del sistema de acceso de datos de IPUMS-Internacional prevén agregar dos características adicionales para simplificar la explotación de la estructura jerárquica de los datos.

Finalmente, IPUMS-AL ofrecerá a los usuarios la posibilidad de replicar los extractos de datos que se han usado en algunos estudios publicados. La habilidad para replicar estudios existentes es esencial para el desarrollo científico. El nuevo sistema que se está desarrollando para IPUMS-Internacional prevé la entrega con cada extracto de un identificador. Una vez publicados los resultados, el sistema solicitará a los usuarios que introduzcan el número de identificador del extracto utilizado en su investigación. De esta manera, si un usuario quiere disponer de los mismos datos utilizará el número de identificación correspondiente. Junto con los datos recibirá un documento con las citas de todas las publicaciones que utilizaron esa misma información.

Envejecimiento

Las muestras de microdatos censales de América Latina constituirán un recurso de gran importancia para el estudio de la población en edad avanzada. Gracias a la cobertura histórica de los datos será posible realizar un análisis por cohortes (^{Palloni, 2002}; ^{Chackiel, 2001}; ^{Viveros Madariaga, 2001}). Además, para el desarrollo de los nuevos métodos de proyección de la población anciana se requieren múltiples parámetros que pueden ser obtenidos con mayor facilidad a partir de grandes muestras de microdatos (véase por ejemplo, ^{Vaupel, Yi y Zhenglian, 1997}). Sin duda alguna es importante que IPUMS-AL logre brindar nuevas oportunidades para realizar investigaciones comparativas entre las naciones sobre el envejecimiento. Este tipo de estudios comparativos son valiosos elementos que en otras regiones del mundo sirven para tomar decisiones políticas (^{Gruber y Wise, 1998}, ¹⁹⁹⁹; ^{Johnson, 1999}; ^{Hermalin y Chan, 2000}).

Migración

En las décadas recientes América Latina se ha convertido en una región de emigración neta y Estados Unidos en su principal lugar de destino (^{De Launey y Tapinos, 2001}; ^{Canales Cerón, 2001}). A partir del decenio de 1980 muchos censos latinoamericanos empezaron a captar información sobre el número de hijos de cada hogar que residen fuera del país de origen. Las preguntas retrospectivas sobre migración derivan de un fuerte interés por los movimientos hacia y desde Estados Unidos. La utilización de los datos de IPUMS-AL junto con los de IPUMS-USA permitirá contrastar las características de los individuos que residen en un país latinoamericano respecto a las de quienes se encuentran en Estados Unidos y provienen de ese mismo país. La estructura jerárquica de los datos facilita el estudio de los individuos en sus contextos familiares y el conocimiento de su hogar, y hace posible, por ejemplo, investigar las características de los familiares de quienes son padres o madres solteros latinoamericanos, y residen en Estados Unidos o en América Latina.

Fecundidad

De 1960 a 2001 la tasa global de fecundidad para América Latina descendió de un promedio superior a 6 niños por mujer a 2.8. Esta acelerada transición se ha convertido en un prometedor y fructífero tema de interés para los académicos (^{Guzmán et al., 1996}). IPUMS-AL facilitará el estudio de los patrones diferenciales de fecundidad por grupos ocupacionales, región, educación, tamaño de localidad, y una multitud de variables adicionales de carácter individual, familiar o comunitario. La riqueza de estos datos mejorará sustancialmente las posibilidades de análisis de los determinantes del descenso de la fecundidad en los países en desarrollo. Desde la década de 1970, los censos latinoamericanos han consignado regularmente el número de hijos nacidos vivos y de hijos sobrevivientes, la fecha de nacimiento del último hijo nacido y la condición de supervivencia para las mujeres en edad fértil. Adicionalmente, las series de microdatos incorporarán un conjunto de vínculos entre madres e hijos y facilitarán el análisis de la fecundidad por el método de los hijos propios.

Salud pública

Los censos latinoamericanos han captado históricamente información relacionada con la salud pública, como la disponibilidad de servicios sanitarios, la fuente de suministro de agua, el tipo de combustible empleado para cocinar, y los materiales de construcción de las viviendas (^{De Vos y Arias, 1996}). Al complementarlos con variables relativas a la supervivencia infantil y la mortalidad, estos datos ofrecerán oportunidades excepcionales para estimar las condiciones de salud pública locales, regionales y nacionales.

Análisis comparativo de políticas públicas

La disponibilidad de microdatos altamente comparables entre países con distintas políticas públicas brinda un excelente banco de pruebas para medir su eficacia. En Estados Unidos esta estrategia ha sido una herramienta muy útil para estimar los efectos de las variaciones interestatales en programas de asistencia social, acceso a los servicios de salud, y políticas fiscales (véase por ejemplo ^{Duncan y Hoffman, 1992}; ^{Lundbert y Plotnik, 1995}; ^{Moffitt, 1992}; ^{Ruggles, 1997}; ^{Whittington, 1993}). Los mismos modelos pueden ser aplicados a los países de América Latina también para estimar el efecto de las políticas públicas en el desarrollo económico, la desigualdad social, la urbanización, y el cambio demográfico.

Los ejemplos citados aquí son sólo una muestra de las aplicaciones de la nueva base de datos. Evidentemente existen muchas más posibilidades de uso en campos como la demografía de la violencia, las consecuencias sociales de las discapacidades físicas, los cambios en la estructura familiar, las transformaciones en la estructura ocupacional, la urbanización, la migración interna, el trabajo infantil, la nupcialidad, la educación, la universalización de la enseñanza pública, la participación femenina en la actividad económica (^{McCaa et al., 2000}, ²⁰⁰³) y un largo etcétera.

Con el esfuerzo de todos, los tesoros estadísticos de América Latina cuidadosamente preservados por Celade, estarán a disposición de la comunidad científica internacional en un plazo de cinco años. Sin el pertinaz empeño de varias instituciones y de demógrafos como el doctor Gustavo Cabrera, hoy el acceso a estos datos sería imposible. El proyecto IPUMS para América Latina asume con responsabilidad la tarea de construir la más importante fuente de información para el estudio de las sociedades latinoamericanas. Para ello cuenta con la inestimable cooperación de instituciones como Celade, los institutos nacionales de estadística, y los más destacados expertos nacionales. Aunque el éxito final del proyecto está en manos de los investigadores y depende de la capacidad de la base de datos para cumplir con las expectativas que se han generado.

A juzgar por la experiencia de México, los resultados que obtendremos para el conjunto de los países de América Latina son muy esperanzadores. La cooperación entre las distintas partes que colaboran en la integración de los microdatos mexicanos -el INEGI, los expertos, y el Minnesota Population Center- ha dado sus frutos. La estrategia de armonización de IPUMS-Internacional ha permitido acomodar los censos de México al diseño global de integración sin perder detalle alguno de su idiosincrasia y riqueza conceptual. Desde su puesta en marcha en mayo de 2002, IPUMS-Internacional ha recibido un gran número de solicitudes para utilizar los datos mexicanos. Estos datos están siendo aplicados en una amplia gama de temáticas, como la migración de retorno, las pautas de nupcialidad, la participación femenina en el mercado de trabajo, los hogares con personas ancianas, la escolarización y el trabajo infantil, el desarrollo económico, la pobreza y el descenso de la fecundidad, para citar sólo algunos ejemplos. Asimismo los datos de México se utilizarán en estudios comparativos entre países. La petición simultánea de datos de Estados Unidos y México con el objetivo de comparar la situación de los mexicanos en ambos países es recurrente en muchas de las solicitudes que implican datos mexicanos. Hasta la fecha la respuesta de los usuarios ha sido positiva. Apenas hemos recibido reparos a los esquemas propuestos para clasificar las variables. Los usuarios, con sus estudios, están día a día legitimando la base de datos, haciendo de ella un catalizador de investigaciones cada vez más ambiciosas en sus objetivos.