Encuesta muestral versus registros administrativos

Qué es

Hay dos maneras de saber cuánta gente trabaja en un país y cuánto gana. Una es preguntarle a una muestra: elegir al azar unos miles de hogares, entrevistarlos y proyectar el resultado al total. La otra es leer un registro administrativo: abrir la base que el Estado ya llena para otra cosa —cotizaciones previsionales, seguro de cesantía, declaraciones al SII— y contar. Las dos entregan un número con la misma unidad, y por eso se comparan sin pensarlo. No son comparables sin cuidado, porque fallan por motivos distintos.

La encuesta descansa en la teoría del muestreo probabilístico que formalizó Neyman (1934) al establecer el muestreo estratificado y el intervalo de confianza como criterio de calidad. Su propiedad central es incómoda para la intuición: la precisión de una estimación depende de la varianza poblacional y del tamaño de la muestra, no del tamaño del país. Por eso unas decenas de miles de viviendas alcanzan para estimar el desempleo de Chile, y por eso ese mismo tamaño se vuelve insuficiente apenas se desagrega —una comuna, un tramo etario, un sector— y el intervalo se abre hasta hacer inútil la cifra. La consecuencia práctica es que la encuesta nunca entrega un punto: entrega un rango, y una variación dentro de ese rango no es una variación, es ruido.

El registro administrativo no tiene error muestral: no es una muestra, es el censo de su universo. Pero de ahí no se sigue que sea exacto en el sentido que uno quiere. Groves (1989) ordenó esta discusión con la noción de error total de medición: el error muestral es solo uno de los componentes, y conviven con él el error de cobertura, el de no respuesta, el de medición y el de procesamiento. El intervalo de confianza cuantifica exclusivamente el primero. Una encuesta puede tener un intervalo angosto y estar sesgada; un registro puede no tener intervalo alguno y estar más lejos de la realidad que la encuesta.

Los errores propios del registro son tres y ninguno se corrige con más datos. El de cobertura: el universo del registro es quien está inscrito, no quien trabaja —las cotizaciones ven al asalariado formal y son ciegas al resto—. El de definición: el registro mide lo que la ley lo obligó a anotar, no lo que el economista quiere medir; una cotización es un mes-cotización, no una persona ocupada, y quien tiene dos empleos aparece dos veces. Y el de régimen legal: cuando cambia la norma, el registro se mueve sin que se mueva la realidad —la incorporación gradual de los trabajadores a honorarios a la cotización obligatoria (Ley 21.133, 2019) engrosó el padrón de cotizantes sin crear un solo empleo—.

De ahí que la comparación entre ambas fuentes se lea como diagnóstico y no como marcador. Cuando el dato administrativo se sale del intervalo del muestral de forma persistente, la pregunta correcta no es cuál de los dos miente, sino qué cambió: si un segmento entró o salió del registro, si la encuesta perdió respuesta en algún grupo, o si efectivamente hay un fenómeno real concentrado justo donde las dos definiciones difieren. Meyer, Mok y Sullivan (2015) documentaron el deterioro sostenido de las encuestas de hogares —caída de las tasas de respuesta y subdeclaración creciente, verificada precisamente contra registros administrativos—; pero también está establecido que tratar el registro como verdad de referencia subestima su propio error de medición.

Queda un punto que ordena todo lo anterior: el registro condiciona la muestra a estar registrado. Cualquier estadística calculada sobre cotizantes describe al sector formal, no al mercado laboral. Es el problema de selección que formalizó Heckman (1979): la distribución que se observa está truncada por la misma variable que se quiere estudiar.

Cómo lo explicó el programa

En Buenas Tardes Mercado del 29 de abril de 2025, bajo el tema "Medición estadística del empleo", Tomás Flores puso la distinción exactamente donde corresponde: "el dato muestral tiene un intervalo de confianza". Su argumento fue que el dato del INE y el de las cotizaciones no se pueden carear de frente —uno varía con la varianza poblacional y viene con rango, el otro es exacto dentro de su universo y falla por otro tipo de error— y que hubo un período en que el administrativo se salió del intervalo del muestral, justo cuando explotó el empleo público. El episodio es ilustrativo de la lectura correcta: la divergencia no descalificó a ninguna de las dos fuentes, señaló dónde mirar.

En Buenos Días Mercado del 15 de mayo de 2025, con el tema "El problema no es el salario mínimo, es la informalidad", Willy Díaz usó la otra cara de la moneda. Su fuente fueron los registros de la Superintendencia de Pensiones —los datos más fidedignos de remuneraciones, porque ahí están todos los que tienen contrato— y de ahí salieron las cifras que rompen el relato: solo 11,7% de los cotizantes gana bajo $500.000, apenas 1,6% gana el salario mínimo y el ingreso imponible promedio es de $1.260.644. Su conclusión, "aquí el problema es la informalidad": 3,5 millones de personas —37% de los ocupados según su cuenta— trabajan sin cotizar y quedan fuera de salud y pensión.

Las dos intervenciones son el mismo concepto visto desde lados opuestos. Flores advierte que el registro no es la encuesta; Díaz muestra que, dentro de su universo, el registro es insuperable —y que el universo que deja afuera es el problema—. La precisión de esas cifras de remuneraciones y la ceguera respecto de esos 3,5 millones son la misma propiedad de la fuente. Vale agregar que "trabajar sin cotizar" y "empleo informal" según el criterio de la OIT no son el mismo conjunto: qué se cuenta es, otra vez, una decisión de definición antes que de dato.

Relación con otros conceptos

El concepto es la puerta de entrada a la informalidad laboral, que se define justamente por la ausencia de registro. Con el salario mínimo la conexión es directa: cuánto "muerde" el piso salarial depende de la distribución que se mire, y la de cotizantes está truncada por arriba respecto de la del total de ocupados. Detrás está el sesgo de selección muestral y, en econometría, el error de medición y su sesgo de atenuación, que empuja los coeficientes hacia cero cuando la variable explicativa se mide con ruido. Por el lado institucional aparece la ley de Goodhart: un registro que pasa a ser meta deja de ser buena medida, porque los agentes ajustan su conducta declarada. Y la discusión es prima hermana de la que rodea al IPC y a las definiciones de fuerza de trabajo y desocupación de la OIT: en los tres casos, lo que parece un problema de exactitud es casi siempre un problema de definición del universo.

Fuentes y lecturas

• Neyman, J. (1934), On the Two Different Aspects of the Representative Method: The Method of Stratified Sampling and the Method of Purposive Selection, Journal of the Royal Statistical Society.
• Cochran, W. G. (1977), Sampling Techniques, 3ª ed., Wiley.
• Groves, R. M. (1989), Survey Errors and Survey Costs, Wiley.
• Meyer, B., Mok, W. y Sullivan, J. (2015), Household Surveys in Crisis, Journal of Economic Perspectives.
• Organización Internacional del Trabajo (2013), Resolución sobre las estadísticas del trabajo, la ocupación y la subutilización de la fuerza de trabajo, 19ª Conferencia Internacional de Estadísticos del Trabajo.